OpenAI: רק 1% מהחברות חושבות שהשקעת ה-AI שלהן הבשילה

39% מהאמריקאים בתוך שנתיים, מול 20% לאינטרנט

יש מספר שמסכם את כל הסיפור של המדריך החדש של OpenAI, והוא 1%. לפי סקר של McKinsey שמצוטט במדריך, רק 1% מהחברות שהשיבו לסקר האמינו שההשקעות שלהן בבינה מלאכותית הגיעו לבשלות מלאה. אחוז אחד. כלומר: כמעט כולם משקיעים, כמעט אף אחד לא יודע אם זה עובד.

זה הרקע למה ש-OpenAI פרסמה — לא עוד מודל, לא עוד עדכון לפיצ'ר, אלא מדריך מעשי לארגונים: איך מזהים תרחישי שימוש ב-AI, איך מתעדפים אותם ואיך מרחיבים אותם מצוות בודד לכל החברה. המדריך נשען, לפי OpenAI, על תובנות מ-300 מההטמעות המוצלחות ביותר שלה, יותר מ-4,000 סקרי אימוץ ויותר מ-2 מיליון משתמשים עסקיים.

אז למה זה מעניין אתכם, אנשים שכותבים פרומפטים בין ישיבה לישיבה? כי הפער הזה — בין התלהבות לבין תוצאה עסקית מדידה — הוא בדיוק המקום שבו נשחקים התקציבים, הגיוסים והפרויקטים הפנימיים. מי שיודע לתרגם AI לשורה תחתונה, שורד את סבב הקיצוצים הבא. מי שמביא דמו מגניב בלי מספר מאחוריו, פחות.

הנתונים שמאחורי המדריך

המדריך פותח בהשוואה שדווקא עובדת לטובת ה-AI: תוך שנתיים בלבד, 39% מהמבוגרים בארה"ב כבר השתמשו ב-AI. האינטרנט, לשם השוואה, הגיע ל-20% אימוץ בלבד בשנתיים הראשונות שלו. זה פער עצום בקצב, וכשהוא מוצג כך הוא גם מסביר למה ההנהלה שלכם לוחצת.

בצד העסקי, המדריך מצטט מחקר של BCG שלפיו בשלוש השנים האחרונות חברות שמובילות ב-AI ראו צמיחה בהכנסות מהירה פי 1.5, תשואה לבעלי מניות גבוהה פי 1.6 ותשואה על ההון המושקע (ROIC) טובה פי 1.4 לעומת חברות פחות מתקדמות. פי 1.5 בצמיחה זה לא גימיק שיווקי — זה הבדל שמצטבר לשכבות שלמות של פער לאורך כמה שנים. ובכל זאת, לפי McKinsey, 92% מהחברות מתכננות להגדיל את ההשקעה ב-AI, אך רבות עדיין זקוקות להכוונה איך להפיק ערך ממשי.

ושוב אותו 1%. זה הפער בין כוונה לביצוע, וזה בעצם כל מה שהמדריך הזה בא לסגור.

שלושה שלבים, שלושה עקרונות

המדריך מחלק את התהליך לשלושה שלבים: זיהוי הזדמנויות ליישום AI בעסק, היכרות של העובדים עם תרחישי שימוש בסיסיים שמאיצים את איתור ההזדמנויות בכל מחלקה, ואיסוף ותעדוף של תרחישי השימוש שישפיעו הכי הרבה על העסק.

לצד זה, שלושה עקרונות מנחים:

• ההנהלה חייבת להוביל ולעודד את השימוש ב-AI. בלי זה, אין אימוץ.
• תרחישי שימוש מורכבים נראים מרשימים אבל מאטים את ההתקדמות. לאפשר לעובדים למצוא תרחישים שמתאימים להם ולחברה — זו לרוב הדרך המהירה להצלחה.
• אימוץ מואץ דרך האקתונים, סדנאות לתרחישי שימוש ומפגשי למידה בהובלת עמיתים. לא הרצאה מהמטה — אנשים שמראים לאנשים.

שימו לב לדגש על הפן האנושי: המדריך מתאר ש-39% מהאמריקאים כבר משתמשים ב-AI, ושהכלי הזה משחרר אנשים לעבודה בעלת ערך גבוה יותר, להרחבת מיומנויות ולקידום קריירה. זו לא רטוריקה ריקה — זו הצהרת כוונות של ספקית שרוצה שהעובדים, לא רק ההנהלה, יאמצו את המוצר שלה. וזה גם אינטרס שלכם: מי שממסגר את ה-AI ככלי שמשחרר אותו מהעבודה המשעממת, ולא ככלי שמחליף אותו, יוצא חזק יותר מהשיחה הבאה עם המנהל.

איך מזהים בכלל מה שווה אוטומציה?

המדריך מציע להתייחס ל-AI כאל "סופר-עוזר" לכוח העבודה: הוא לא מתעייף, לא מאבד פוקוס, זמין תמיד, וגמיש כמעט לכל משימה — ומרחיב את המיומנויות של העובדים. כדי לזהות תרחישי שימוש, ממליצים להתמקד בשלושה סוגי אתגרים נפוצים בעבודה:

1. משימות חוזרות בעלות ערך נמוך. אלה המשימות שאף אחד לא יבכה עליהן אם ייעלמו. המדריך מצטט את Claire Wu, סמנכ"לית מוצר וטכנולוגיה ב-Lidwark, שגישתה היא: "בכל פעם שאני עושה משהו שמעצבן אותי, אני שואלת את עצמי: איך אוכל להימנע מלעשות את זה שוב?"

2. חסמי מיומנויות. עובד תקוע כי הוא מחכה לצוות אחר שיתפנה לעזור — בניתוח נתונים, בעיצוב, בכתיבה בשפת המותג, בפיתוח אתרים. המדריך מביא דוגמה: מנהל מוצר שמשתמש ב-AI ליצירת אבות טיפוס אינטראקטיביים, בלי להאט את העבודה ולהמתין לעזרה מצוותים אחרים. מי מכם שמחכה ימים לאנליסט שיריץ שאילתה — זה בדיוק בשבילכם.

3. התמודדות עם אי-בהירות. עבודת ידע כרוכה לא מעט בעמימות: איפה מתחילים? מה הצעד הבא? כאן AI יכול לשמש זרז — לייצר רעיונות, לנתח נתונים ולהציע כיוונים כשלא ברור לאן. הדוגמה במדריך: צוות שיווק שעורך סיעור מוחות על רעיונות לקמפיינים באמצעות מצב קולי ב-ChatGPT, כדי להתגבר על חסמים יצירתיים ולגבש בריף.

ההמלצה המעשית פשוטה ויעילה: בקשו מהצוותים לרשום מצבים ומשימות שבהם הם מתקשים להתחיל או נתקלים בחסמים, מקדישים זמן רב לעבודה ידנית שאף אחד לא מעריך, או נתקעים בגלל פער במיומנויות. המדריך קורא לזה "רשימת המשימות שהיו שמחים לוותר עליהן" — וזה בעצם כלי אבחון חינמי לארגון שלם. אפשר לעשות את זה בתחילת סדנה או האקתון, או פשוט לפתוח פרומפט ב-ChatGPT ולבקש תרחישי שימוש מעניינים.

מעניין לצטט בהקשר הזה את Andrea Ellis, סמנכ"לית כספים ב-Fanatics Betting and Gaming: "הקמנו צוות משימה לאוטומציה באמצעות בינה מלאכותית, וזה היה העיקרון המנחה שלו. ביקשנו מכל חברי צוות הכספים לפרט תהליכים שלדעתם אפשר לשפר בעזרת בינה מלאכותית. לקחנו את הרשימה הזו ויצרנו מפת דרכים של פרויקטים שרצינו לבחון." זו דוגמה טובה לכך שאימוץ לא מתחיל מהמטה — הוא מתחיל מהשטח ומתגבש לרשימה מסודרת.

שש "פרימיטיביות" שמכסות כמעט הכל

כאן נמצא החלק הכי שימושי במדריך, לפחות מבחינת מי שמנהלים צוותים. OpenAI ניתחה יותר מ-600 תרחישי שימוש מלקוחות, ומצאה שרובם נופלים לאחת משש קטגוריות בסיסיות — "פרימיטיביות" — שרלוונטיות לכל מחלקה ותחום. הן מפתחות מהירים לתרחישים המבטיחים ביותר, וכל אחת מייצגת מאות תרחישים שנצפו בתעשיות, בתפקידים ובתהליכי עבודה שונים.

הנה הראשונה, כפי שהיא מוצגת במדריך:

פרימיטיב 01: יצירת תוכן. AI תומך ביצירת תוכן בכל הצוותים — בין אם מדובר בסיכום שיחות מכירה, בטיוטה ראשונה של מסמך אסטרטגיה, בפוסט בבלוג, בדף נחיתה ואפילו בתמונות והמחשות. צוותים משתמשים ב-AI לעריכה ולליטוש העבודה, ואז מביאים אותו כמגיה של הרגע האחרון. ה-AI יכול לכתוב אוטומטית בסגנון החברה, ליישם את מדריך הטון שלכם, לעקוב אחר מבנה המסמך המועדף ואף לתת פידבק על כתיבה. בהמשך הוא יכול גם לתרגם לשפות שונות או להתאים לקהלים, לערוצים ולתוכניות שונות. כשכותבים, ה-AI יכול לקלוט את ההקשר המלא של שיחה או לשקלל סט מסמכים שהועלו. למשל: העלו את מדריך הכתיבה שלכם, או את חמשת הפוסטים הטובים ביותר שלכם, ובקשו מ-ChatGPT ליצור מדריך כתיבה מפורט על בסיסם.

הציטוט שמלווה את התרחיש הזה הוא של Carrie Zigentler, אסטרטגית שיווק ב-Promega: "את הזמן שאנחנו חוסכים בתיאום אסטרטגיית הדיוור אפשר להשקיע ביצירת תוכן שמשפר את חוויית הקריאה של הודעות הדוא"ל. אני לא זוכרת מתי בפעם האחרונה כתבתי הודעת דוא"ל שיווקית בלי להשתמש ב-GPT הזה."

פרימיטיב 02: מחקר. ה-AI משמש בהרחבה למחקר בכל התעשיות — מלמידה מהירה של מושגים חדשים, דרך חיפוש באינטרנט אחר מאמרים ונתוני מתחרים, ועד פרויקטי מחקר רב-שלביים שסורקים את הרשת אחר מאמרים, נקודות מידע ותובנות. צוותים מעלים מסמכים פנימיים ארוכים לקבלת תובנות מהירות. אחד היתרונות הגדולים: אפשר להגדיר את הפורמט והמבנה של הניתוח — טבלה, נקודות, סעיפים מסודרים.

המדריך מפרט בהמשך גם את ארבע הפרימיטיביות הנוספות — שמות כמו קידוד, ניתוח נתונים, אוטומציה של תהליכים ותקשורת — אבל גם משתי הראשונות אפשר להבין את הרעיון: OpenAI לא מוכרת כאן מודל חדש, היא מוכרת סדר. במקום שכולם ינסו לנחש מה עובד, היא מציעה מסגרת שבה כל מחלקה ממפה את עצמה לאחת מהקטגוריות האלה.

מה זה אומר עליכם?

אם אתם עובדים בחברה שבה ה-AI עדיין נתפס כפרויקט של "צוות החדשנות", המדריך הזה הוא תחמושת טובה. הוא נותן לכם את הניסוח המדויק: 92% מהחברות מתכננות להגדיל את ההשקעה, אבל רק 1% חושבות שההשקעה שלהן הבשילה. כלומר, אתם לא לבד בבלבול — וגם לא לבד בצורך להצדיק את התקציב.

ההמלצה המעשית ביותר שקופצת מהמדריך היא לא טכנית בכלל: בקשו מהצוות שלכם רשימה של המשימות שהם היו שמחים לוותר עליהן. זה תרגיל של חמש דקות שמייצר מפת דרכים לפרויקטים אמיתיים. ומי יודע — אולי גם תבינו שהאב-טיפוס שמישהו בנה סתם כדי להרשים את סבב הניהול לא פותר שום בעיה שאף אחד לא התלונן עליה.

המדריך עצמו מכיל, לפי OpenAI, גם סיפורי לקוחות, צ'קליסטים מעשיים ודוגמאות תרחישי שימוש מותאמות למחלקות שונות. הוא לא מתיימר לכסות הכל — המדריך מציין במפורש שנושאים כמו בניית תרבות AI-first, טיפוח תרחישי שימוש בעלי ערך גבוה יותר והנעת אימוץ בכל החברה נמצאים מחוץ להיקפו ויופיעו במדריכים אחרים. כלומר, גם כאן מדובר בסדרה, לא בקסם של מסמך אחד.

בשורה התחתונה: OpenAI פרסמה מדריך, לא פלא. אבל אם הוא גורם לארגון שלכם להפסיק לבחון תרחישי שימוש מגניבים ולהתחיל למיין אותם לפי כמה כסף הם חוסכים, הוא עשה את שלו.

שווה לזכור

במדריך מצוטט גם Erik Brynjolfsson מאוניברסיטת סטנפורד, מתוך דיון בשם "AI In the Workplace" שפורסם ב-McKinsey בינואר 2025: "זה הזמן שבו אתם צריכים להפיק תועלת [מבינה מלאכותית], ולקוות שהמתחרים שלכם עדיין רק משתעשעים ומתנסים." זו בדיוק התזה של כל המסמך: השלב של ההתנסויות נגמר, או לפחות אמור להיגמר. עכשיו השאלה היא מי מצליח להפוך את ההתנסות למספרים לפני שהמתחרים שלו עושים את זה.

ומי שמנהל סדנת AI בחברה ומרגיש שהוא מסביר שוב ושוב את אותו רעיון — המדריך הזה יכול לשמש לכם כמצגת מוכנה. שש קטגוריות, שלושה עקרונות ושלוש דרכים לזהות הזדמנויות. לא בטוח שזה יגרום ל-1% לזוז, אבל זה לפחות נותן להם תירוץ טוב לפגישה נוספת.