סוכן או אוטומציה? איך בוחרים נכון לעסק

לא כל דבר בעסק צריך AI.

קל להתלהב ולחבר ״סוכן AI״ לכל תהליך, כי זה נשמע מתקדם. לפעמים זה באמת הפתרון, אבל הרבה פעמים מספיקה אוטומציה פשוטה, או מוצר מדף שכבר עושה את העבודה.

חברת המחקר Gartner צופה שיותר מ-40% מפרויקטי הסוכנים יבוטלו עד סוף 2027, בגלל עלויות שעולות, ערך עסקי לא ברור או בקרת סיכונים חלשה. ולדבריה, הרבה מקרים שמוצגים היום כמשימה לסוכן בכלל לא צריכים סוכן.

במדריך הזה: ארבע הדרכים לחבר טכנולוגיה לתהליך בעסק, איך יודעים מה מתאים, השאלות ששואלים לפני שמחליטים, כמה זה באמת עולה, ואיך בודקים בפיילוט קטן לפני שמשקיעים.

רוב השיחות על הנושא נתקעות ב״סוכן או אוטומציה״. בפועל יש ארבע דרכים, מהפשוטה למורכבת.

1. אוטומציה

סט של צעדים שחוזרים על עצמם בסדר קבוע: אם קרה משהו, אז עושים פעולה. אותו דבר, בכל פעם.

• דוגמה: לקוח ממלא טופס באתר, הפרטים נרשמים בגיליון, והוא מקבל מייל אישור
• הכלים: Zapier, Make ו n8n, ולפעמים זה כבר מובנה במערכת שיש לכם, למשל Automate ב Google Workspace
• החוזק: זול יחסית, צפוי, וקל לבדוק מה קרה כשמשהו לא עבד
• החולשה: נשבר כשמה שנכנס לא נראה כמו שציפינו. טקסט חופשי, מסמך סרוק או פנייה לא ברורה, אוטומציה לא יודעת להבין

2. אוטומציה עם צעד אחד של AI

זו הדרך שהכי פחות מדברים עליה, ולדעתי היא מתאימה להרבה מאוד עסקים. התהליך נשאר קבוע, ורק בצעד אחד מודל AI עושה משהו שאוטומציה רגילה לא יודעת: מבין טקסט, מסווג או מסכם.

• דוגמה: פנייה נכנסת במייל, וצעד ה AI מסווג אותה: תלונה, בקשה או רצון לקנות. מכאן הכל קבוע: תלונה עוברת לנציג, בקשה מקבלת תשובה מוכנה, ורצון לקנות נכנס למערכת המכירות
• ב Anthropic קוראים לזה Routing: מסווגים את מה שנכנס ושולחים אותו להמשך המתאים
• הכלים: באותם כלים, Zapier, Make ו n8n, אפשר להוסיף צעד שמפעיל מודל
• החוזק: מקבלים את היכולת של AI להבין טקסט, בלי לתת לו להחליט מה קורה אחר כך
• החולשה: הסיווג יכול לטעות, ולכן צריך מקום שבו פנייה לא ברורה עוברת לבן אדם

3. מוצר מדף

תוכנה קיימת שכבר פותרת את הבעיה, הרבה פעמים כבר עם AI מובנה: מערכת לזימון תורים, מערכת לניהול לקוחות או מערכת לפניות שירות.

• החוזק: מישהו אחר בנה, בודק ומתחזק. מתחילים לעבוד מהר
• החולשה: לא תמיד מתאים בדיוק לתהליך שלכם, משלמים מנוי קבוע, והמידע יושב אצל הספק
• מה בודקים: כמה זה עולה לאורך שנה, אם זה מתחבר למערכות שכבר יש לכם, ואיפה נשמר המידע

4. סוכן AI

כאן המודל מחליט בעצמו מה הצעד הבא, ומשתמש בכלים כדי לבצע אותו: קורא מידע, מעדכן מערכת, שולח הודעה. לפי OpenAI, לסוכן יש שלושה חלקים: מודל שמחליט, כלים שאיתם הוא פועל, והוראות שמגדירות לו מה מותר ומה לא.

• דוגמה: בקשה להחזר כספי. הסוכן קורא את הפנייה, בודק את ההזמנה, את המדיניות ואת ההיסטוריה של הלקוח, ומחליט אם לאשר, לדחות או להעביר לבן אדם
• החוזק: מתמודד עם מקרים שלא מתאימים לכללים קבועים
• החולשה: יקר יותר, איטי יותר וקשה יותר לבדוק, וטעות בצעד אחד יכולה להתגלגל לצעדים הבאים

מתי באמת צריך סוכן

OpenAI כותבת במדריך הרשמי שלה לבניית סוכנים שסוכן מתאים לתהליכים שאוטומציה רגילה לא הצליחה לפתור, ובעיקר בשלושה מקרים:

1. החלטות עם שיקול דעת: הרבה חריגים, והחלטה שתלויה בהקשר. הדוגמה שלהם: אישור החזר כספי בשירות לקוחות
2. כללים שהפכו מסובכים מדי: מערכת עם כל כך הרבה כללים, שכל שינוי בה יקר או מוביל לטעויות
3. הרבה מידע לא מובנה: טקסט חופשי, מסמכים או שיחה עם לקוח. הדוגמה שלהם: טיפול בתביעה של ביטוח דירה

והמשפט שהכי חשוב במדריך שלהם: לפני שמתחייבים לבנות סוכן, מוודאים שהמקרה עומד בקריטריונים האלה בבירור. אחרת, פתרון קבוע יספיק.

Gartner מסכמים את זה במשפט אחד: סוכנים כשצריך לקבל החלטות, אוטומציה לתהליכים שגרתיים, ועוזרים לשליפה פשוטה של מידע. ו Anthropic ממליצה להתחיל מהפתרון הכי פשוט, ולהוסיף מורכבות רק כשצריך.

דוגמאות לתהליכים נפוצים בעסק

• תזכורת לתור יום לפני: מוצר מדף או אוטומציה, אין פה שום החלטה
• ליד מהאתר שנכנס לגיליון ומקבל מייל: אוטומציה
• פניות בוואטסאפ או במייל שצריך למיין: אוטומציה עם צעד AI שמסווג, ותשובה מוכנה שבן אדם מאשר לפני שהיא יוצאת
• סיכום של שיחת מכירה או של מסמך ארוך: צעד AI בתוך תהליך קבוע, או עוזר כמו Claude או ChatGPT
• החזרים וזיכויים עם הרבה חריגים: כאן סוכן יכול להתאים, עם כללים ברורים, ובן אדם שמאשר מעל סכום מסוים

השאלות ששואלים לפני שמחליטים

על הבעיה

• מה בדיוק הבעיה, ואיך נדע שהיא נפתרה?
• כמה היא עולה היום? בזמן של עובדים, בלקוחות שנופלים בין הכיסאות, בטעויות
• כמה פעמים זה קורה? תהליך שקורה פעמיים בחודש לא תמיד שווה פרויקט

על התהליך

• הצעדים זהים בכל פעם, או משתנים לפי מה שנכנס?
• מה נכנס: טופס מסודר, או טקסט חופשי ומסמכים?
• כמה חריגים יש, ומי מטפל בהם היום?

על הסיכון

• מה קורה כשהפתרון טועה? תזכורת שיצאה בשעה לא נכונה זה דבר אחד, החזר כספי שגוי זה דבר אחר
• אפשר לבטל את הפעולה אחרי שהיא קרתה?
• מי מאשר לפני שמשהו יוצא ללקוח, או לפני שזז כסף?

על המידע

• איזה מידע עובר לכלי, ומה אסור שייצא החוצה? למשל פרטים אישיים של לקוחות
• איפה המידע נשמר, ומה כתוב בתנאים של הספק?

על האנשים והכסף

• מי מתחזק את זה בעוד חצי שנה? ומה קורה אם הוא עוזב?
• כמה זה עולה בהקמה, כמה בחודש, ומה החלופה?

השלבים עד להחלטה

1. ממפים את התהליך כמו שהוא היום. כל צעד, מי עושה אותו, מה נכנס ומה יוצא. עמוד אחד מספיק
2. מודדים את המצב הקיים. כמה זמן זה לוקח, כמה פעמים בחודש, כמה טעויות. בלי זה אי אפשר לדעת אם הפתרון החדש עזר
3. מסמנים כל צעד. קבוע, צריך להבין טקסט, או צריך שיקול דעת. הקבועים הולכים לאוטומציה, ורק השאר מועמדים ל AI
4. בודקים קודם את הפתרון הכי פשוט. אוטומציה מובנית במערכת שיש לכם, מוצר מדף, ורק אחר כך בנייה
5. מחשבים עלות כוללת. הקמה, מנוי או תשלום לפי שימוש, תחזוקה, והזמן של מי שמאשר. על זה בהרחבה בהמשך
6. עושים פיילוט קטן. צעד אחד, לתקופה קצרה שקבעתם מראש, עם מדד הצלחה שהגדרתם לפני שהתחלתם, ובן אדם שמאשר כל פעולה
7. מגדירים גבולות. מה מותר לפתרון לעשות לבד, מה דורש אישור, ומתי הוא עוצר ומעביר לבן אדם. הפירוט בסעיף על הסיכונים
8. מחליטים לפי המספרים. זה חסך זמן? יש פחות טעויות? אם כן, מרחיבים צעד אחרי צעד. אם לא, מתקנים או חוזרים לפתרון הפשוט
9. מתעדים. איך זה בנוי, מה ההוראות, ומה עושים כשזה נשבר. ככה הידע לא נשאר אצל אדם אחד

כמה זה באמת עולה

ההטמעה של סוכן, או בנייה של פתרון כזה, היא לפעמים הרבה יותר יקרה מלקנות מוצר מדף. וזה לא רק מנוי:

• הקמה: אפיון, הגדרה או פיתוח, חיבור למערכות שיש לכם, ובדיקות
• שוטף: מנוי, או תשלום לפי שימוש שגדל ככל שיש יותר פניות
• תחזוקה: תיקון באגים, ובדיקה מחדש כשהספק מעדכן את המודל
• זמן של אנשים: מי שמאשר, מי שבודק, ומי שמטפל במה שהפתרון לא הצליח
• שימור ידע: מה עושים אם העובד שבנה את המערכת עוזב ולא העביר את הידע?

טיפ מהמדריך של OpenAI: לא כל משימה צריכה את המודל הכי חזק. סיווג פשוט יכול לרוץ על מודל קטן ומהיר, וזה מוריד את העלות. ההמלצה שלהם היא לבנות קודם עם המודל החזק, למדוד, ואז לנסות מודלים קטנים יותר.

הסיכונים, ואיך מקטינים אותם

• טעויות שמתגלגלות. כשסוכן עושה כמה צעדים ברצף לבד, טעות בצעד הראשון ממשיכה הלאה. Anthropic מזהירה מזה וממליצה על הרבה בדיקות בסביבה מבודדת. מה עושים: פחות צעדים אוטונומיים, ונקודות שבהן הוא עוצר ומחכה לאישור
• פעולות שקשה לבטל. ביטול הזמנה, החזר כספי גדול או תשלום. OpenAI ממליצה שפעולות כאלה יעברו דרך בן אדם עד שיש ביטחון בפתרון, ולדרג כל כלי שהסוכן יכול להפעיל: רק קריאה או גם כתיבה, אפשר לבטל או לא, ומה ההשפעה הכספית
• ניסיונות לתמרן את הסוכן. לקוח יכול לכתוב הודעה שמנסה לגרום לסוכן להתעלם מההוראות שלו. מה עושים: נותנים לסוכן רק את ההרשאות שהוא חייב, ובודקים את ההודעות לפני שהן מגיעות אליו
• מידע אישי. לא מעבירים לכלי יותר ממה שהוא צריך, ובודקים את התנאים של הספק ואת מה שהחוק מחייב
• כשהפתרון נתקע. מגדירים מראש כמה ניסיונות מותר לו, ואחריהם הפנייה עוברת לבן אדם. זה אחד משני המקרים ש OpenAI ממליצה בהם על מעבר לבן אדם
• שינויים אצל הספק. המודל משתנה, המחירים עולים, והספק יכול להתחלף. מה עושים: מתעדים את ההוראות, בודקים מחדש אחרי כל עדכון, ולא בונים הכל כך שאי אפשר לעבור לספק אחר
• סוכן שהוא לא באמת סוכן. Gartner מעריכה שרק כ-130 מתוך אלפי הספקים שמוכרים ״סוכני AI״ באמת מוכרים סוכנים, והשאר צ׳אטבוטים, עוזרים או אוטומציות בשם חדש. כשמישהו מציע לכם סוכן, שואלים מה בדיוק הוא מחליט לבד

לפני שמתחילים, בקצרה

• הבעיה מוגדרת, ויש מספר שמודד אותה
• בדקתם אוטומציה ומוצר מדף לפני שבונים
• התהליך עומד באחד משלושת המקרים שמצדיקים סוכן
• יש עלות כוללת, לא רק מחיר מנוי
• יש פיילוט קטן עם מדד הצלחה
• יש בן אדם שמאשר פעולות בסיכון
• יש מי שמתחזק, ויש תיעוד

בשורה התחתונה

אנחנו לא שמים AI רק כי זה נשמע מתקדם. קודם מבינים מה הצורך, ורק אז בוחרים: אוטומציה, אוטומציה עם צעד AI, מוצר מדף או סוכן.

חשוב לדעת: זו דעה אישית שלי, על בסיס הניסיון שלי והמקורות שמופיעים כאן.

מקורות

• המדריך של Anthropic: Building effective agents, מ-19.12.2024
• המדריך של OpenAI: A practical guide to building agents
• ההודעה של Gartner מ-25.6.2025: Over 40% of Agentic AI Projects Will Be Canceled by End of 2027