זה מאמר למי שאחראי על הטמעה: מנהלת HR או L&D, מנהל בכיר, או מי שמוביל טרנספורמציה בארגון. הנושא הוא לא איזה כלי לבחור. הנושא הוא למה כלי טוב, בידיים מיומנות, עדיין לא מזיז את ההתנהגות של הצוות, ומה כן.

למה עשיתם סדנת AI וכלום לא השתנה?

כי סדנה טכנית מלמדת יכולת, לא התנהגות. משתתף יכול לצאת מהיום עם ידיעה מלאה איך לכתוב פרומפט, ולמחרת לחזור בדיוק לאותו תהליך עבודה, אותן פגישות, אותן החלטות. הפער שנשאר פתוח הוא לא פער מיומנות. הוא פער תפיסה והרגל.

זה לא ייחוד של ארגון אחד. מחקר של MIT משנת 2025 מצא שכ-95% מהארגונים שהריצו פיילוטים של בינה מלאכותית יוצרת לא ראו השפעה מדידה על הרווח וההפסד, והחוקרים ייחסו את הפער לא לאיכות המודל אלא לאופן ההטמעה: תהליכי עבודה שבירים, היעדר למידה מתמשכת, וחוסר התאמה לעבודה היומיומית [E1]. במילים אחרות, מה שחסר הוא לא כלי חזק יותר. מה שחסר הוא הדרך שבה הכלי נכנס לעבודה.

בתהליכים שאני מלווה אני רואה את זה שוב ושוב. ארגון קונה הדרכה, המנהלים מרוצים שהנושא "טופל", והצוות ממשיך לעבוד כמו קודם, רק עכשיו עם עוד כלי פתוח בטאב שלא נוגעים בו. הבעיה לא הייתה בהדרכה. הבעיה היא שההדרכה נשאלה לפתור שאלה שהיא לא יכולה לפתור לבד.

מה ההבדל בין לדעת להשתמש ב-AI לבין לעבוד אחרת עם AI?

ההבדל הוא בין Proficiency לבין Behavior, בין שליטה בכלי לבין שינוי בהתנהגות. שליטה נמדדת ביום שאחרי ההדרכה. התנהגות נמדדת חודש אחרי, כשאף אחד כבר לא מסתכל.

אפשר להיות מיומן מאוד ולא לשנות דבר. אפשר לדעת לכתוב פרומפט מצוין ועדיין לקבל את אותן החלטות, לשאול את אותן שאלות, ולהוביל את הצוות באותה דרך. שליטה בכלי היא תנאי, היא לא תוצאה. התוצאה היא כשהצוות מתחיל לעבוד אחרת: מתי פונים ל-AI, מתי דווקא לא, איך בודקים את מה שהוא מחזיר, ואיך מדברים על זה בפגישה בלי שמישהו ירגיש שהוא נחשף.

הגדרה: מהו אימוץ AI ארגוני?

אימוץ AI ארגוני הוא לא כמות האנשים שיודעים להפעיל כלי, אלא המידה שבה הדרך שבה הארגון עובד, מחליט ומחלק אחריות השתנתה כדי לכלול את הכלי בתוך שגרת העבודה. זו הבחנה מהותית: "שימוש ב-AI" הוא פעולה של יחיד. "אימוץ AI" הוא שינוי במערכת. אפשר שיהיו לך מאה עובדים שמשתמשים ב-AI ואפס אימוץ ארגוני, אם כל אחד עושה את זה לבד, בלי שהעבודה המשותפת השתנתה.

האם המספרים באמת מראים שאימוץ AI נכשל?

כן, וזה עקבי בין מקורות שמודדים דברים שונים. זה לא רעש, זו מגמה.

• מחקר של BCG משנת 2025, על יותר מ-1,250 חברות בעולם, מצא שרק כ-5% מהחברות משיגות ערך מ-AI בקנה מידה, בעוד כ-60% לא משיגות ערך מהותי כלל למרות השקעה משמעותית [E2].
• סקר של Gallup ברבעון השלישי של 2025 מצא שבארצות הברית רק כ-23% מהעובדים משתמשים ב-AI בעבודה מספר פעמים בשבוע וכ-10% מדי יום, וכ-40% אמרו שהארגון שלהם לא הטמיע טכנולוגיית AI, בעוד כ-23% לא ידעו [E3]. (הנתון אמריקאי ומבוסס דיווח עצמי.)
• מחקר של MIT משנת 2025 מצא כ-95% מהפיילוטים ללא השפעה מדידה על הרווח וההפסד [E1].

שים לב לְמה המספרים האלה כן אומרים ולְמה הם לא. הם מראים פער רחב בין השקעה בכלים לבין שינוי בפועל. הם לא מוכיחים שהכלים גרועים. רובם מבוססים על דיווח עצמי או על ראיונות, לא על ביקורת חשבונאית, וחלקם נמדדו מחוץ לישראל. אבל הכיוון ברור, והוא חוזר על עצמו: ההשקעה בכלי לא מתורגמת מעצמה לשינוי.

אם זה לא פער מיומנות, מה כן חוסם את האימוץ?

אנשים, ארגון ותהליך, לא הטכנולוגיה. זה הממצא העקבי ביותר בחומר.

BCG מנסח את זה בכלל שהוא קורא לו 10-20-70: בטרנספורמציה טכנולוגית, כ-70% מהמאמץ צריך להיות מופנה לאנשים ולתהליכים, כ-20% לטכנולוגיה, וכ-10% לאלגוריתמים, והמחקר שלהם מצא שרוב החסמים נוגעים לאנשים, לארגון ולתהליכים [E2]. זו מסגרת עבודה של חברת ייעוץ, לא מקדם שנמדד בניסוי, אבל היא מצביעה על אותו מקום.

סקר העבודה של מיקרוסופט לשנת 2026 הולך לאותו כיוון: גורמים ארגוניים כמו תרבות, תמיכת מנהלים ופרקטיקות ניהול נמצאו קשורים להשפעת ה-AI המדווחת בערך פי שניים מגורמים אישיים כמו תפיסה והתנהגות (67% מול 32%) [E4]. חשוב לדייק: זהו פירוק שונות של השפעה מדווחת בין קטגוריות של גורמים, לא קביעה ש"67% מהערך העסקי מגיע מההנהלה", והסקר גלובלי ולא כולל ישראל.

יש לזה גם היגיון כלכלי מוכר. OECD כתב כבר ב-2023 שהיתרון בפריון מאימוץ AI מופיע רק כשהוא מלווה בנכסים משלימים, ושמחסור במיומנויות הוא חסם מרכזי לאימוץ, ושההשפעה תלויה באיך שמיישמים ובמידה שבה כל בעלי העניין מעורבים [E6]. הכלי לבדו לא מספיק. הוא דורש שהעבודה סביבו תשתנה.

מה תפקיד המנהל באימוץ AI?

המנהל הוא המשתנה שהכי משפיע, ולא בגלל שהוא מסביר טוב יותר, אלא בגלל שהוא מדגים. עובדים לומדים ממה שהמנהל עושה, לא ממה שהוא אומר בישיבת פתיחה.

בסקר של מיקרוסופט לשנת 2026, כשמנהלים הדגימו בעצמם שימוש ב-AI, נמצאו קפיצות משמעותיות בדיווחי העובדים: כ-17 נקודות בערך המיוחס ל-AI, כ-22 נקודות בחשיבה ביקורתית, וכ-30 נקודות באמון בכלים אוטונומיים [E4]. אלה קשרים מתוך סקר, לא תוצאות של ניסוי מבוקר, אבל הם עקביים עם מה שמנהלים מרגישים בשטח: הצוות מחקה את מי שמוביל אותו.

הפרשנות הניהולית של המגמה הזו נשמעת גם בקול של המנהיגות הטכנולוגית הבכירה ביותר. סאטיה נאדלה, מנכ"ל מיקרוסופט, אמר בדאבוס בינואר 2026 שהתפיסה שמנהיגים צריכים לאמץ היא לשנות את העבודה, את זרימת העבודה, יחד עם הטכנולוגיה, ושצריך "לעצב מחדש מבנית" [E5]. זו אמירה של מנהל, לא ראיה מדעית, ואני מביא אותה ככזו. אבל היא מנסחת בחדות את מה שהמספרים מראים: הערך לא נמצא בכלי, הוא נמצא בעבודה שמעוצבת מחדש סביבו.

זה לא אומר שהמנהל צריך להיות המומחה הטכני. זה אומר שהוא צריך להיות הראשון ששואל בקול "איך זה משנה את הדרך שבה אנחנו עובדים", ולא רק "כמה מכם כבר ניסו את הכלי".

למה ביטחון פסיכולוגי הוא תנאי לאימוץ AI?

כי אי אפשר לאמץ כלי חדש בלי להודות שאתה לא יודע, ואנשים לא יודו בזה בסביבה שבה זה מסוכן. אימוץ הוא ניסוי, וניסוי דורש רשות פנימית לטעות.

הפסיכולוגית הארגונית איימי אדמונדסון הגדירה ביטחון פסיכולוגי כאמונה משותפת של חברי צוות שהצוות בטוח לנטילת סיכון בין-אישי, והראתה שהתנהגות למידה, כמו בקשת משוב, הודאה בטעות והתנסות, מתווכת בין ביטחון פסיכולוגי לבין ביצועי הצוות [E7]. המחקר שלה משנת 1999 לא עסק ב-AI, והחיבור בין ביטחון פסיכולוגי לאימוץ AI הוא הפרשנות שלי, אבל הוא עומד על קרקע מוצקה: אימוץ הוא סוג של למידה, ולמידה דורשת ביטחון.

הנתונים העדכניים תומכים בכיוון. בסקר של מיקרוסופט לשנת 2026, כ-45% מהמשתמשים אמרו שמרגיש בטוח יותר להתמקד ביעדים הנוכחיים מאשר לעצב מחדש את העבודה עם AI, וכשמנהלים יצרו ביטחון פסיכולוגי, עובדים דיווחו על כ-20 נקודות יותר מוכנות ל-AI והיו בעלי סבירות גבוהה פי 1.4 להיות משתמשים תכופים [E4]. כשמעצבים הטמעה בלי לטפל בפחד, מקבלים אנשים שיושבים בשקט ושומרים על מה שיש. זה בדיוק ההפך מאימוץ.

יקי גני, אורח בפודקאסט מיינדסט, מיטיב לתאר את השורש. פרפרזה נאמנה לדבריו: מנהלים קונים AI בלי לשאול את העובדים אם הם מוכנים, ומוכנוּת אמיתית נמדדת אצל האנשים, לא בהתלהבות של ההנהלה. זה בדיוק המקום שבו ביטחון פסיכולוגי הופך מסיסמה לתנאי הכרחי.

מה עושים מחר בבוקר? ארבעה מרכיבים לאימוץ אמיתי

מתחילים לבנות את התהליך סביב ארבעה מרכיבים, לא סביב עוד יום הדרכה. הכלי נשאר אותו כלי. מה שמשתנה הוא מה שמקיף אותו.

1. משמעות ניהולית. לפני "איך", עונים על "למה זה משנה לעבודה שלנו". בלי משמעות, הכלי נשאר תרגיל.
2. עיצוב מחדש של העבודה. בוחרים תהליך אחד אמיתי ומעצבים אותו מחדש עם הכלי, במקום להוסיף כלי על תהליך ישן. כאן, כדברי OECD, נמצא היתרון בפריון, רק כשיש נכסים משלימים [E6].
3. ביטחון פסיכולוגי. יוצרים סביבה שבה מותר לומר "אני לא יודע" ו"ניסיתי וזה לא עבד", ומנהל שמדגים את זה בעצמו.
4. שינוי הרגלים. מגדירים נקודת מדידה חודש קדימה, לא רק ביום שאחרי, ובודקים מה באמת נכנס לשגרה.

זה גם קו ההבחנה בין הדרכה לתהליך. הטבלה הבאה מסכמת אותו.

סדנת כלים מול תהליך אימוץ מנהיגותי

כדאי לומר את זה בפירוש, כי זה מפתה למכור אחרת: סדנה או הרצאה לבדן לא "מתקנות" אימוץ. הן פותחות אותו. הן נותנות שפה משותפת, מפרקות התנגדות, ומייצרות את הרגע שבו הצוות מבין שהשאלה היא לא הכלי אלא הדרך. משם, האחריות עוברת למנהל ולתהליך.

שאלות נפוצות

האם סדנת AI מיותרת אם היא לא משנה התנהגות לבד? לא. סדנה טובה היא נקודת פתיחה חזקה: היא בונה שפה משותפת, מפרקת חשש, ומכניסה את השאלה הנכונה לחדר. היא פשוט לא אמורה לשאת לבדה את כל תהליך האימוץ. הבעיה מתחילה כשמצפים ממנה להיות התהליך כולו במקום ההתחלה שלו.

מה זה אומר ש-Proficiency אינו Behavior? שליטה בכלי (Proficiency) היא היכולת להפעיל אותו נכון. התנהגות (Behavior) היא שינוי בפועל בדרך שבה עובדים, מחליטים ומחלקים אחריות. אפשר להיות מיומן מאוד בלי לשנות שום דבר בעבודה. אימוץ אמיתי נמדד בהתנהגות, לא בשליטה.

כמה זמן לוקח לראות שינוי אמיתי בעבודה עם AI? יותר מיום. OECD מתאר את התופעה כ"עקומת J": ארגונים משקיעים תחילה בהתאמות משלימות ובשינוי מבני לפני שהם קוצרים את מלוא הערך [E6]. לכן נקודת מדידה חודש קדימה שווה יותר ממשוב ביום שאחרי.

האם המנהל חייב להיות מומחה AI כדי להוביל אימוץ? לא. הוא צריך להדגים שימוש ולשאול את השאלה הנכונה, לא להיות הכי טכני בחדר. בסקר מיקרוסופט 2026, עצם ההדגמה של מנהל נקשרה לקפיצה בערך המיוחס ל-AI, בחשיבה ביקורתית ובאמון של הצוות [E4]. מודלינג משפיע יותר מהוראה.

מה ההבדל בין שינוי תפיסה לבין הכשרה טכנית? הכשרה טכנית מעלה יכולת. שינוי תפיסה משנה את מה שהצוות מוכן לעשות עם היכולת הזו: מתי לפנות ל-AI, מתי לא, ואיך לדבר על זה בלי חשש. בלי שינוי התפיסה, ההכשרה נשארת ידע רדום.

מקורות

• [E1] MIT (Project NANDA), "The GenAI Divide: State of AI in Business 2025", יולי 2025. כ-95% מהארגונים ללא השפעה מדידה על הרווח וההפסד; הסיבה שיוחסה: אופן הטמעה ולמידה, לא איכות המודל. [https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf]
• [E2] Boston Consulting Group, "The Widening AI Value Gap", ספטמבר 2025 (n=1,250). כ-5% משיגים ערך בקנה מידה, כ-60% ללא ערך מהותי; כלל 10-20-70 (70% אנשים ותהליכים). [https://media-publications.bcg.com/The-Widening-AI-Value-Gap-Sept-2025.pdf]
• [E3] Gallup, "AI Use at Work Rises", דצמבר 2025 (נתוני רבעון 3, 2025, ארה"ב, n=23,068). כ-23% שימוש שבועי, כ-10% יומי; כ-40% אמרו שהארגון לא הטמיע AI. [https://www.gallup.com/workplace/699689/ai-use-at-work-rises.aspx]
• [E4] Microsoft WorkLab, "2026 Work Trend Index", מאי 2026 (סקר גלובלי, 20,000 עובדים, 10 שווקים, לא כולל ישראל). גורמים ארגוניים מול אישיים 67% מול 32%; מודלינג ניהולי ‎+17/+22/+30; ביטחון פסיכולוגי ‎+20 ופי 1.4; 45% מרגישים בטוח יותר לא לשנות. [https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization]
• [E5] Satya Nadella בדאבוס (WEF), ינואר 2026, כפי שדווח ב-Fortune (מקור משני, אמירת מנהל ולא ראיה מדעית). "לשנות את העבודה, את זרימת העבודה, יחד עם הטכנולוגיה"; "לעצב מחדש מבנית". [https://fortune.com/2026/01/20/is-ai-a-bubble-satya-nadella-microsoft-ceo-new-knowledge-worker-davos-fink/]
• [E6] OECD Employment Outlook 2023, "Artificial Intelligence and the Labour Market", יולי 2023. יתרון פריון רק עם נכסים משלימים; מחסור מיומנויות כחסם מרכזי; "עקומת J". [https://www.oecd.org/en/publications/oecd-employment-outlook-2023_08785bba-en.html]
• [E7] Amy C. Edmondson, "Psychological Safety and Learning Behavior in Work Teams", Administrative Science Quarterly 44(2), 1999. ביטחון פסיכולוגי כאמונה משותפת שהצוות בטוח לנטילת סיכון בין-אישי; התנהגות למידה מתווכת לביצועים. (מחקר לא ספציפי ל-AI.) [https://journals.sagepub.com/doi/10.2307/2666999]
• [E8] World Economic Forum, "Future of Jobs Report 2025", ינואר 2025. כ-39% אי-יציבות מיומנויות עד 2030; פערי מיומנויות כחסם מספר אחת (63%); 85% מהמעסיקים מתכננים לתעדף העלאת מיומנות. [https://www.weforum.org/publications/the-future-of-jobs-report-2025/]
• [E9] NIST, "AI Risk Management Framework (AI RMF 1.0)", NIST AI 100-1, ינואר 2023. פונקציית GOVERN: אימוץ AI מהימן דורש תרבות ניהול סיכונים ארגונית שמחברת את הטכני לערכי הארגון. (מסגרת התנדבותית.) [https://airc.nist.gov/airmf-resources/airmf/5-sec-core/]

מקורות פנימיים (זהות ועוגני קול, ללא ייחוס מספרי חיצוני):

• פודקאסט מיינדסט, כ-250 פרקים. עוגן הפרפרזה במאמר: יקי גני, הפרק על ניהול ובינה מלאכותית (מתוך רשימת המקור הרשמית).
• דוח מגמות הלמידה 2025 (LIMI): שלומי חסטר בשיתוף, מחבר הפרק "חוזרים להתחלה: כוחו של הלב". מיוחסת לו המסגרת המקצועית בפרק בלבד, לא הדוח כולו ולא מספריו כראיה עצמאית.

קישורים פנימיים

מסלול המרה וחיבור לעולם התוכן של מיינדסט.

• עמוד המרה ראשי: הרצאות וסדנאות מיינדסט לארגונים וגם סדנאות.
• Hub מנהיגות בעידן AI: מנהיגות בעידן ה-AI.
• Spoke רלוונטי: מה מנהל עושה מחר בבוקר כדי להוביל אימוץ AI.
• Hub מיינדסט: מיינדסט מתפתח במנהיגות.

הצעה

על הכותב

שלומי חסטר הוא יועץ ארגוני, סוציולוג וחוקר של עולם העבודה, מרצה ומנחה סדנאות ומגיש הפודקאסט מיינדסט. בעבודתו הוא מחבר בין מחקר על התנהגות אנושית לבין פרקטיקה בשטח, ומתמקד במיינדסט, במנהיגות ובאופן שבו ארגונים ואנשים מנהלים שינוי. הוא עוסק בשאלה כיצד עולם העבודה משתנה בעידן ה-AI, ומה נדרש מאנשים ומצוותים כדי לצמוח בתוכו. הכתיבה שלו ישירה, אנושית ובלי הייפ.