לפי מחקר MIT מ-2026, כ-95% מפיילוטי ה-GenAI הארגוניים לא מייצרים החזר מדיד בדוח רווח והפסד, וכ-88% מהם לא מגיעים לפרודקשן בכלל. הסיבה כמעט אף פעם אינה איכות המודל: כ-80% מהעבודה שבין פיילוט מוצלח לייצור היא הנדסת נתונים, ממשל, שילוב בתהליך העבודה ומדידה — בדיוק החלקים שפיילוט טיפוסי מדלג עליהם. הארגונים שכן מצליחים מדווחים על החזר של כ-3.70 דולר לכל דולר, עם כ-41% בשנה הראשונה שמטפס לכ-124% בשנה השלישית.
למה כמעט כל פיילוט לא מגיע לדוח רווח והפסד
המספר 95% מטעה אם קוראים אותו כ״המודלים לא עובדים״. ברוב המקרים המודל דווקא עבד. מה שלא עבד הוא שהפיילוט הוכיח דבר אחד והארגון היה צריך להחליט על דבר אחר.
פיילוט טיפוסי בודק אם המודל מסוגל לבצע משימה. ההחלטה שעומדת מאחוריו היא אם התהליך העסקי ישתנה, מי יפסיק לעשות מה, איך מודדים את זה בכל חודש ומי אחראי כשהמערכת טועה. אלה שתי שאלות שונות לגמרי, והשנייה היא זו שמופיעה בדוח.
מכאן גם מגיע הפער הידוע של 80/20 בפרויקטים האלה: הרכיב שנראה כמו הפרויקט — לבחור מודל, לכתוב פרומפט, להראות דמו — הוא כחמישית מהעבודה. ארבע החמישיות הנותרות הן ניקוי והנגשת הנתונים, הרשאות וסיווג מידע, חיבור לכלים שהצוות כבר עובד בהם, ובניית המדידה. פיילוט שלא נגע באף אחת מהארבע לא הפחית סיכון, הוא רק הזיז אותו קדימה.
מבחן פשוט לפני שמתחילים. נסחו במשפט אחד את ההחלטה שתתקבל בסוף הפיילוט, ואת המספר שיכריע אותה. אם אי אפשר לכתוב את המשפט הזה, מה שמתוכנן אינו פיילוט אלא הדגמה. הדגמה היא דבר לגיטימי — פשוט אל תתקצבו אותה כפיילוט ואל תצפו ממנה להחזר.
מה פיילוטים מודדים לעומת מה שצריך למדוד
הפער הזה חוזר כמעט בכל ארגון, והוא כמעט תמיד הסיבה שהפיילוט הצליח והפרויקט מת.
| מה נמדד בפועל | למה זה לא מספיק | מה למדוד במקום |
|---|---|---|
| דיוק המודל על סט בדיקה | סט הבדיקה נבנה מהמקרים שחשבתם עליהם, לא מהתנועה האמיתית | שיעור הצלחה על מדגם אקראי מהתנועה של החודש האחרון, כולל המקרים המוזרים |
| חיסכון בזמן לפי הערכת המשתמשים | הערכה עצמית מנפחת בעקביות, ולא מופיעה בשום שורה תקציבית | זמן מחזור מדוד מקצה לקצה, לפני ואחרי, על אותו סוג משימה |
| שביעות רצון בסקר | מודדת התלהבות מחידוש, שדועכת אחרי שישה שבועות | שיעור שימוש חוזר בשבוע השישי מתוך מי שהשתמש בשבוע הראשון |
| עלות הטוקנים בפיילוט | מייצגת נפח קטן ומקרים נוחים | עלות ליחידת עבודה בנפח מלא, כולל retry, אחזור והסלמה לאדם |
| ״הצוות אוהב את זה״ | לא מבחין בין כלי שנחמד שיהיה לבין כלי שאי אפשר בלעדיו | מה קורה כשמכבים אותו לשבוע. זה המבחן היחיד שאי אפשר לזייף |
השורה האחרונה נשמעת קלילה אבל היא הכי חזקה. כלי שאפשר לכבות לשבוע בלי שאיש מתלונן לא ייכנס לתקציב השנתי, ואין טעם להשקיע בו עוד רבעון.
ארבע שכבות ROI, ורק אחת מהן נחשבת
כשמנכ״ל שואל ״מה ההחזר״, יש ארבע תשובות אפשריות, והן לא שוות ערך. ההבחנה ביניהן היא מה שמפריד בין פיילוט שמתוקצב מחדש לפיילוט שנסגר.
| שכבה | דוגמה | מופיע בדוח | מתי זה לגיטימי |
|---|---|---|---|
| שעות שנחסכו | כל נציג חוסך 40 דקות ביום | לא. השעות לא נעלמו, הן עברו למשימה אחרת | רק כשמראים לאן השעות הלכו ומה נוצר מהן |
| קיבולת שהתפנתה | אותו צוות מטפל ב-30% יותר פניות | בעקיפין, כגידול שלא דרש גיוס | כשיש ביקוש אמיתי לקיבולת הזאת |
| עלות ישירה שירדה | פחות שעות קבלן, פחות כלי חיצוני, פחות אוברטיים | כן, מיידית | תמיד. זו השכבה שהכי קל להגן עליה |
| הכנסה שנוספה | יותר לידים מוסמכים, מחזור מכירה קצר יותר, פחות נטישה | כן, עם השהיה של רבעון עד שניים | כשיש קבוצת ביקורת או לפחות בסיס היסטורי נקי |
רוב הפיילוטים מדווחים על השכבה הראשונה ומקווים שיקראו אותה כשלישית. כדאי לעשות את ההפך: לבנות את הפיילוט סביב השכבה השלישית או הרביעית גם אם ההיקף קטן בהרבה. חיסכון מוכח של 40 אלף שקל בשנה מנצח חיסכון תיאורטי של מיליון.
פיילוט של שישה שבועות שאפשר להחליט לפיו
המבנה שעובד קצר יותר ממה שרוב הארגונים מתכננים, ומחייב יותר מראש.
שבוע 1 — הגדרת ההחלטה והבסיס. משפט ההחלטה, המספר המכריע, ומדידה של המצב הקיים על אותו מדד בדיוק. בלי בסיס מדוד אין מה להשוות אליו בסוף, ובאופן מפתיע זה השלב שהכי מדלגים עליו.
שבועות 2 עד 3 — הגרסה הזולה ביותר שעונה על השאלה. קנו לפני שאתם בונים. מדידות בשוק מראות שהתחלה עם רכיב מדף בשלב ההוכחה מניבה החזר גבוה פי 3.2, ושבנייה לפני אימות מבזבזת בממוצע כ-14 חודשים. הרחבנו על כך בלבנות או לקנות יכולת AI.
שבועות 4 עד 5 — תנועה אמיתית, משתמשים אמיתיים. לא סביבת מעבדה. קבוצה מוגדרת שעובדת בכלי בעבודה היומיומית, כולל המקרים המכוערים, כולל ההסלמות.
שבוע 6 — החלטה. להרחיב, לצמצם או לסגור. שלוש האפשרויות צריכות להיות לגיטימיות באותה מידה ביום הראשון, אחרת התוצאה ידועה מראש.
תקציב המדידה אינו רשות. הקצו לפחות 15% מתקציב הפיילוט למדידה עצמה: איסוף הבסיס, דגימת איכות שבועית ידנית, ומעקב עלות ליחידת עבודה. פיילוט בלי תקציב מדידה מייצר בסוף ויכוח על תחושות, וויכוח על תחושות תמיד מסתיים בסטטוס קוו.
מתי להרוג פיילוט, ולמה זה חוסך כסף
סגירה מהירה היא לא כישלון אלא מנגנון החזר בפני עצמו. ארבעה סימנים מצדיקים עצירה עוד לפני שבוע 6.
- שיעור ההצלחה על תנועה אמיתית נמוך משמעותית מהסט הפנימי, והפער לא נסגר אחרי שני סבבי תיקון. זה כמעט תמיד סימן שהנתונים אינם במצב שמאפשר את המשימה.
- העלות ליחידת עבודה בנפח מלא גבוהה מהחלופה האנושית. תמחור, קאשינג וניתוב יכולים לשנות זאת, אבל אם הפער הוא פי כמה ולא עשרות אחוזים — הארכיטקטורה שגויה ולא התמחור.
- המשתמשים חוזרים לתהליך הישן בלי שביקשו מהם. זהו האות המוקדם והכן ביותר שיש.
- אף אחד לא מוכן להיות בעל התהליך אחרי הפיילוט. ללא בעלים, שום דבר לא עובר לייצור, גם אם המספרים מצוינים.
ארגון שסוגר שני פיילוטים ברבעון אחרי שישה שבועות במקום לגרור אותם שנה שלמה משחרר תקציב לניסיון השלישי — וזה בדיוק המנגנון שמפריד בין הארגונים שמדווחים על 3.70 דולר לדולר לבין השאר.
מאיפה מגיע הפער בין 41% בשנה הראשונה ל-124% בשלישית
המספרים האלה מתארים את אותם ארגונים בנקודות זמן שונות, וההפרש ביניהם אינו מודל טוב יותר. הוא שלושה דברים משעממים.
הראשון הוא עלות. אותה יכולת בדיוק נעשית זולה משמעותית עם קאשינג, batch וניתוב בין מודלים — שילוב של השלושה מוריד חשבון inference ב-60% עד 80% בלי לשנות את חוויית המשתמש. בשנה הראשונה משלמים מחיר מלא כי מודדים ולא מייעלים.
השני הוא היקף. השימוש הראשון פותר מקרה אחד. עד השנה השלישית אותה תשתית, אותו ממשל ואותו סיווג מידע משרתים חמישה מקרים, והעלות הקבועה מתחלקת. זו הסיבה שהשקעה בתשתית הנתונים נראית יקרה מדי בשנה הראשונה ומשתלמת מאוד בשלישית.
השלישי הוא התהליך. בשנה הראשונה הכלי מתווסף לתהליך קיים ולכן מוסיף עלות לפני שהוא מוריד. רק כשהתהליך עצמו נכתב מחדש סביבו — שלבים נעלמים, אישורים מתמזגים, תפקידים משתנים — מופיע ההחזר הגדול. ארגונים שלא מגיעים לשלב הזה נתקעים ב-41% ומסיקים שה-AI לא השתלם.
שלוש הדרכים האלה נשענות על אותה תשתית חשיבה: מודל עלות מלא לפיצ׳ר, כפי שפירטנו בכמה באמת עולה פיצ׳ר AI, ותמחור שמחובר למבנה העלות, כפי שהראינו בתמחור מוצר שנשען על מודל. אם אתם בונים כרגע פיילוט, כדאי להגדיר את קריטריוני הקבלה באותה ישיבה שבה מגדירים את ההחלטה.
ליווי בבניית מסגרת המדידה וההחלטה סביב פיילוט הוא חלק מהתכנון הפיננסי והצמיחה שאנחנו עושים עם לקוחות.
שאלות נפוצות
למה 95% מפיילוטי ה-AI נכשלים?
לפי מחקר MIT מ-2026, כ-95% מפיילוטי ה-GenAI הארגוניים לא מייצרים החזר מדיד בדוח רווח והפסד, וכ-88% לא מגיעים לפרודקשן. הסיבה העיקרית אינה איכות המודל אלא שהפיילוט בדק יכולת טכנית במקום לבדוק שינוי בתהליך העסקי. כ-80% מהעבודה שבין פיילוט לייצור היא הנדסת נתונים, ממשל, שילוב בכלי העבודה הקיימים ומדידה — חלקים שרוב הפיילוטים מדלגים עליהם.
כמה זמן צריך לתת לפיילוט AI?
שישה שבועות מספיקים כדי להחליט, ובדרך כלל עדיפים על שישה חודשים. שבוע להגדרת ההחלטה ולמדידת הבסיס, שבועיים לגרסה הזולה ביותר שעונה על השאלה, שבועיים על תנועה אמיתית עם משתמשים אמיתיים, ושבוע להחלטה. פיילוט ארוך יותר לא מייצר יותר ודאות, הוא רק מייקר את הסגירה ומקשה עליה פוליטית.
איך מודדים ROI של פרויקט AI?
מפרידים בין ארבע שכבות: שעות שנחסכו, קיבולת שהתפנתה, עלות ישירה שירדה והכנסה שנוספה. רק שתי האחרונות מופיעות בדוח רווח והפסד. מדדו את המצב הקיים לפני שמתחילים על אותו מדד בדיוק, השוו עלות ליחידת עבודה בנפח מלא כולל retry והסלמה לאדם, והקצו לפחות 15% מתקציב הפיילוט למדידה עצמה.
מתי כדאי לסגור פיילוט לפני הזמן?
כשארבעה סימנים מופיעים: שיעור ההצלחה על תנועה אמיתית נמוך משמעותית מהסט הפנימי ולא נסגר אחרי שני סבבי תיקון, העלות ליחידת עבודה גבוהה פי כמה מהחלופה האנושית, המשתמשים חוזרים לתהליך הישן מיוזמתם, או שאין בעלים מוגדר לתהליך אחרי הפיילוט. סגירה מהירה משחררת תקציב לניסיון הבא, וזה מנגנון ההחזר האמיתי.
למה ההחזר עולה מ-41% בשנה הראשונה ל-124% בשלישית?
שלוש סיבות שאינן קשורות למודל. עלות ה-inference יורדת ב-60% עד 80% כשמשלבים קאשינג, batch וניתוב בין מודלים. עלות התשתית הקבועה מתחלקת בין יותר מקרי שימוש שרצים על אותו ממשל ואותם נתונים. והכי חשוב, התהליך העסקי נכתב מחדש סביב הכלי במקום להוסיף אותו לתהליך קיים — עד שזה קורה, הכלי מוסיף עלות לפני שהוא מוריד.
