השיח על בינה מלאכותית גדל באופן אקספוננציאלי בשנתיים האחרונות. עם זאת, מאחורי ההתלהבות מסתתרת מציאות פחות מדוברת. מחקר פנימי שערכנו מגלה שלמרות שיותר מ-70% מהאינטראקציות הדיגיטליות עם לקוחות כבר כרוכות ברמה מסוימת של אוטומציה, פחות מ-15% מהן מייצרות השפעה ישירה על הכנסות, יעילות תפעולית או החלטות עסקיות רלוונטיות. הסיבה פשוטה ומבנית: אוטומציה אינה זהה לקבלת החלטות.
במשך שנים, המוקד היה על האצת משימות, הפחתת חיכוכים והגדלת היקף הפעילות. תחילה באמצעות כללים, אחר כך באמצעות בוטים, ולאחר מכן באמצעות יישום בינה מלאכותית על תהליכים מבודדים. התפתחות זו הייתה הכרחית, אך חשפה מגבלה ברורה. חברות מבצעים החלטות מהר יותר מאי פעם, אך הן ממשיכות לקבל החלטות קריטיות באיחור, באופן מקוטע, ותלויות בפרשנות אנושית תחת לחץ. הביצוע הפך לאוטומטי. קבלת החלטות נותרה ידנית.
עם כניסתנו לשנת 2026, השאלה אינה עוד האם יש להשתמש בבינה מלאכותית, אלא היכן היא צריכה להיות כדי לשפר את איכות ההחלטות. עסקים אמיתיים פועלים בסביבות בלתי צפויות, עם לקוחות שמשנים את דעתם, מבלבלים סוגיות, חוזרים ימים לאחר מכן ומצפים להמשכיות. החלטות תלויות לא רק בשאלה שנשאלת, אלא גם בהיסטוריה, ברגע, בערוץ ובמטרת האינטראקציה. בהקשר זה, מערכות נוקשות, המבוססות על זרימות קבועות ותשובות מוגדרות מראש, אינן מצליחות להתרחב. לא בגלל כשל טכני, אלא משום שהן תוכננו לעולם שבו מענה נכון היה מספיק.
הקפיצה האמיתית בבינה מלאכותית לא הגיעה מחידוש בודד, אלא מהתכנסות של התקדמויות קונקרטיות: מודלים בעלי יכולות גבוהות יותר, הבנה טובה יותר של ההקשר, ויכולת לשמור על זיכרון, מטרות ומצבים לאורך זמן. בינה מלאכותית עברה מעבר להיותה ריאקטיבית גרידא והחלה לפעול באופן אוטונומי יותר. היא כבר לא מוגבלת למענה על שאלות בודדות. היא יכולה לפרש שיחות שלמות, לזהות דפוסים, לחבר אותות ממקורות מרובים ולקבל החלטות על סמך כוונה, לא רק מילות מפתח.
כאן נכנסים לתמונה סוכני בינה מלאכותית. סוכן בינה מלאכותית אינו פועל על סמך סקריפטים, אלא על סמך מטרות. הוא מבין את ההקשר של השיחה, מתחשב באינטראקציות קודמות, שומר על יעד עסקי ברור ומחליט מהו הצעד הבא המתאים ביותר. יתר על כן, הוא מבצע פעולות אמיתיות בתוך מערכות החברה ולומד מתוצאות כל אינטראקציה. בינה מלאכותית מפסיקה להיות רק ממשק והופכת למערכת קבלת החלטות מבוססת ייצור.
שינוי זה רלוונטי משום שההחלטות העסקיות המשפיעות ביותר אינן מתקבלות בוועדות או בלוחות מחוונים. הן מתרחשות מדי יום, מיליוני פעמים, בחזית הפעילות. ההחלטה מה לומר ללקוח ספציפי, מה להציע באותו רגע, מתי להתעקש, מתי לחכות, מתי להסלים. אלו הן החלטות שנראות קטנות למראה, אך בעלות השפעה עצומה כאשר הן חוזרות על עצמן בקנה מידה גדול. סוג זה של החלטה משגשג בשיחות, איתותים חלשים, שינויים בטון, היסוסים, סטיות עדינות בהתנהגות ובהקשר מצטבר. זה לא עובד עם כללים קבועים. זה דורש יכולת אבחנה.
דווקא בטריטוריה הזו סוכני בינה מלאכותית מפסיקים להיות הבטחה והופכים לבלתי נמנעים. הם אינם מבצעים הוראות. הם מפעילים שיקול דעת תפעולי. יכולת הבחנה שבעבר הייתה תלויה אך ורק באנשים, בניסיון אישי ובשיקול דעת אנושי, וכעת ניתן לתכנן, לאמן, לשלוט ולשכפל אותה בתוך מערכות.
ביאלו, גישה זו נבנתה במשך יותר מעשור, המבוססת על תפעול רציף של מיליוני שיחות והחלטות עסקיות בהקשרים שונים - מכירות, תשלומים, אשראי, גבייה, שימור לקוחות ושירות לקוחות - המפוזרים על פני ערוצים כמו וואטסאפ, שיחות קוליות, אפליקציות והאינטרנט. ניסיון זה הראה, בפועל, שהחלטות בקנה מידה גדול אינן נפתרות באמצעות סקריפטים נוקשים או אוטומציות, אלא צריכות להתרחש ברגע האינטראקציה, תוך שילוב הקשר היסטורי, נתוני עסקאות, כללי עסקיים ולמידה מתמשכת. מכך, סוכני שיחה החלו להיחשב לא רק כממשקים, אלא כיחידות קבלת החלטות תפעוליות בתוך מערכות.
מבט אל 2026 אינו עוסק בניבוי. מדובר בנתיבת שם של שינוי שכבר החל. ארגונים שמבינים את עידן הסוכנים יעצבו מבנים המסוגלים לקבל החלטות טובות, מהירות ועקביות יותר. אלו שלא יישארו מוקפים באוטומציה, יבצעו משימות בקנה מידה גדול, אך לכודים באותו צוואר בקבוק בקבלת החלטות: כללים קבועים, חוסר הקשר ותלות מתמדת בהתערבות אנושית. המעבר הזה דורש בהירות, כי מה שמונח על כף המאזניים אינו הוספת בינה מלאכותית נוספת, אלא התגברות על המודל שבו הטכנולוגיה מבצעת אך לא מחליטה. אוטומציה הייתה הצעד הראשון. קבלת החלטות, עם סוכנים, תהיה היתרון התחרותי.
*מאת אנדרס סטלה, מנהל תפעול ראשי של יאלו.
