דילוג לתוכן
לכל המאמרים

איך מכניסים AI לליבת המפעל כבר השנה, בלי לחכות לסוכנים

ההבדל בין AI שרץ בתוך המערכת לבין AI שבונה את המערכת, ולמה הוא משנה את השאלה שמנכ״לים שואלים.

יובל גולדנברג

שני סוגי AI במפעל: AI בתוך המערכת, ו⁠-⁠AI לבניית המערכת שבו AI משמש בזמן הפיתוח והמערכת רצה בלי AI

למה ה⁠-⁠AI תקוע בשוליים?

מנכ״לים של מפעלים יודעים שחייבים להשתמש ב⁠-⁠AI, אבל רבים מהם רואים אותו רק בשוליים: צ׳אטבוט, עוזר כתיבה, פיילוט שלא התרחב. מכאן עולה השאלה מתי ה⁠-⁠AI יוביל את פיתוח התהליך העסקי.

התחושה הזו נכונה, והיא לא מיוחדת למפעל אחד. BCG מצאה ב⁠-⁠2024 ש⁠-⁠74% מהחברות מתקשות להפיק מ⁠-⁠AI ערך מוחשי ולהרחיב אותו. Gartner צופה שיותר מ⁠-⁠40% מפרויקטי סוכני ה⁠-⁠AI יבוטלו עד סוף 2027. ו⁠-⁠McKinsey מצאה שמבין 25 מאפיינים ארגוניים שבדקה, עיצוב מחדש של תהליכי העבודה הוא המאפיין שהשפיע יותר מכל על היכולת להרוויח מ⁠-⁠GenAI.

מה ההבדל בין AI בתוך המערכת ל⁠-⁠AI שבונה את המערכת?

השיחה על "AI בליבת התהליך" מערבבת שני דברים שונים.

AI בתוך המערכת התפעולית הוא מודל או סוכן שרץ בתוך התהליך החי. למשל בדיקה חזותית, חיזוי תקלות, עוזר ידע לתחזוקה או סוכן תכנון. כל ריצה תלויה במודל, ונתוני הייצור עוברים דרכו.

AI לבניית המערכת הוא מומחה תהליך ומפתח שמשתמשים ב⁠-⁠AI כדי לכתוב, לבדוק ולתעד תוכנה דטרמיניסטית ייעודית סביב ה⁠-⁠ERP וה⁠-⁠MES. התוכנה הזו יכולה להיות אפליקציות דקות, אינטגרציות, טבלאות החלטה, ולידציות, התראות והוראות עבודה מודרכות. היא רצה אחר כך בלי AI בכלל, ועושה אותו דבר בכל פעם.

AI בתוך המערכת

איפה הוא פועל
בתהליך החי, בכל ריצה
מתי הוא מתאים
כשהקלט באמת דורש מודל: תמונות, מסמכים, טקסט חופשי
נתוני הייצור
עוברים דרך המודל
הסיכון המרכזי
החלטה שגויה בזמן ריצה, הזרקת פרומפט, ולידציה רגולטורית
תנאי הצלחה
נתונים מחוברים, מדד ברור ואדם שמאמת את הפלט

AI לבניית המערכת

איפה הוא פועל
רק בזמן הפיתוח
מתי הוא מתאים
כשאפשר לנסח כללים: ולידציות, טבלאות החלטה, התראות, הוראות עבודה, אינטגרציות
נתוני הייצור
לא חייבים לצאת מהמפעל, כי הפיתוח נעשה על קוד ועל נתוני דוגמה
הסיכון המרכזי
סיכוני תוכנה מוכרים, שמנוהלים בבדיקות אוטומטיות ובסקירת קוד
תנאי הצלחה
מפרט מדויק, בדיקות, וסקירה בידי מי שמכיר את התהליך

למה ההבחנה הזו משנה את התמונה?

רוב הסטטיסטיקות על "כישלון ה⁠-⁠AI" שמצוטטות היום עוסקות בסוג הראשון:

  • MIT NANDA בדקה כלי GenAI שארגונים הטמיעו בתהליכים שלהם.
  • Gartner מדברת על פרויקטים של סוכני AI.
  • BCG ו⁠-⁠McKinsey מודדות ערך מ⁠-⁠AI שפרוס בפונקציות העסקיות.

רובן לא עוסקות בשימוש ב⁠-⁠AI כדי לבנות תוכנה רגילה. וזו ההבחנה שמפרקת את הדילמה של המנכ״ל: אפשר להכניס AI לליבה כבר השנה, בלי לחכות שהסוכנים יבשילו, דרך בניית מערכות הליבה עצמן.

לפיתוח בעזרת AI יש גם ראיות מדודות:

  • בניסוי מבוקר ב⁠-⁠Google חסכו המהנדסים כ⁠-⁠21% מהזמן במשימה ארגונית מורכבת.
  • בשלושה ניסויי שדה עם 4,867 מפתחים ב⁠-⁠Microsoft, ב⁠-⁠Accenture ואצל יצרן אלקטרוניקה מרשימת Fortune 100, המפתחים שעבדו עם AI השלימו כ⁠-⁠26% יותר משימות.

ההשפעה תלויה בהקשר. במחקר של METR מ⁠-⁠2025, מפתחים מנוסים שעבדו במאגרי קוד גדולים שהם מכירים היו דווקא איטיים יותר. לכן כל שיפור צריך להימדד מול קו בסיס.

ומה שקובע את התוצאה הוא מי שמחזיק את ה⁠-⁠AI. אינטגרציה בין ERP ל⁠-⁠MES מלאה בכללים שלא כתובים בשום מקום: מסלולי ייצור, עצי מוצר, גנאלוגיית אצוות, עצירות איכות, משמרות ולוחות שנה. מי שמכיר אותם יודע לנסח מפרט, לזהות את מקרי הקצה ולכתוב את מבחני הקבלה. מי שלא מכיר יקבל מה⁠-⁠AI קוד שנראה נכון ונכשל ברצפת הייצור. AI הוזיל את כתיבת הקוד. הוא לא הוזיל את הידע על התהליך.

מאיפה מתחילים?

  1. תחום ליבה אחד. למשל תכנון ותזמון, איכות ועקיבות, תחזוקה, או הזמנה עד אספקה. בוחרים תחום שבו הכאב גדול, הנתונים קיימים והתוצאה מדידה.
  2. קו בסיס. מודדים OEE, פחת, עמידה בתוכנית, זמני אספקה ושעות של מתכננים. בלי מדידה מראש אי אפשר להוכיח ערך אחר כך.
  3. תהליך לפני טכנולוגיה. קובעים מי מחליט מה, מתי ועל סמך אילו נתונים. מנקים את נתוני האב של התחום וסוגרים את פערי האינטגרציה בין ה⁠-⁠MES ל⁠-⁠ERP.
  4. בנייה מהירה עם AI. בונים אפליקציות ואינטגרציות ייעודיות סביב מערכות הרשומה, עם בדיקות אוטומטיות, ניהול גרסאות וסקירה בידי מי שמכיר את התהליך. ה⁠-⁠ERP וה⁠-⁠MES נשארים מערכות הרשומה.
  5. AI בזמן ריצה רק היכן שהוא מרוויח את מקומו. למשל תמונות לבדיקה חזותית, מסמכים לעוזר ידע לתחזוקה, או טקסט חופשי בדיווחי חריגה. תמיד יש אדם שמאמת את הפלט.
  6. שכפול. עוברים מהקו הראשון לקווים ולתחומים הבאים, ומורידים מהתוכנית את מה שלא הראה ערך.

איך אני עובד

כך אני בונה מערכות למפעלים:

  • AI עוזר לי לכתוב ולבדוק את הקוד, והמערכת שאתם מקבלים רצה בלי שום תלות בו.
  • היא מותקנת על השרתים שלכם, בתוך הרשת שלכם.
  • בזמן הפיתוח אני עובד על קוד ועל נתוני דוגמה. נתוני ייצור אמיתיים לא נשלחים לשירותי AI.
  • הקוד נמסר עם התיעוד והבדיקות לריפוזיטורי שלכם, כך שאתם לא תלויים בספק, וגם לא בי.

השלב הראשון הוא שיחה על תהליך אחד, ללא עלות. ואם המפעל כבר מטמיע מערכת עם ספק, אני מלווה הנהלות כיועץ שיושב בצד של המפעל.

מקורות

ספרו לי על תהליך אחד שלוקח יותר מדי זמן

שיחה אחת, ללא עלות ובלי מצגות. אגיד לכם מה הייתי בונה, מה הייתי משאיר בחוץ, ובאיזה סדר.