העולם המקביל הבלתי נראה של IT צללים ובינה מלאכותית צללים בתעשייה הגרמנית

כלכלת אקסל הבלתי נראית: כיצד IT צללים באמת שולט בחברות גרמניות

ממאקרו באקסל לפצצת זמן של בינה מלאכותית: אובדן השליטה הזוחל בעסקים קטנים ובינוניים גרמניים

כמעט בכל חברה תעשייתית גרמנית, מתקתקת פצצת זמן בלתי נראית: IT צללים. מכיוון שתהליכי IT רשמיים לרוב נוקשים מדי, איטיים מדי, או סובלים מתת-מימון כרוני, מומחים בעלי מוטיבציה לוקחים את העניינים לידיים. הם בונים פקודות מאקרו מורכבות של אקסל, בונים מסדי נתונים משלהם, או משתמשים בסתר בכלי בינה מלאכותית גנרטיביים כמו ChatGPT כדי לנהל את עבודתם היומיומית. מה שנראה במבט ראשון כפתרון פרגמטי ולעתים קרובות שומר על החברה פועלת, טומן בחובו במציאות סיכונים עצומים. עם התקנות המחמירות של חוק הבינה המלאכותית החדש של האיחוד האירופי והאיום בקנסות GDPR בסכום של מיליונים, התפשטות בלתי מבוקרת זו הופכת לאיום קיומי. אבל איסורי IT מחמירים הם הגישה הלא נכונה. הציצו מאחורי הקלעים של הדיגיטציה החשאית הזו וגלו מדוע ה"מורדים" ממחלקות המומחים הם למעשה צופי החדשנות הטובים ביותר שלכם - וכיצד תוכלו לתעל את האנרגיה היקרה הזו לעתיד בטוח, מוסדר ופרודוקטיבי ביותר באמצעות מושגים כמו "בינה מלאכותית מנוהלת" ו"פיתוח אזרחים".

כאשר הפתרונות החכמים ביותר צצים בסתר, והסיכון הגדול ביותר אינו הטכנולוגיה, אלא השתיקה סביבה

כמעט בכל חברה תעשייתית קיים עולם דיגיטלי מקביל שאינו מופיע בשום מלאי IT, אינו רשום בשום תרשים ארגוני, ובכל זאת שומר על הפעילות פועלת. אלה הם פקודות המאקרו של אקסל שנבנו באופן עצמאי ברכש, מסדי הנתונים המאולתרים של אקסס באבטחת איכות, וסקריפטי פייתון שנוצרו בעבודת יד בלוגיסטיקה. הם לא פותחו, תועדו או אושרו על ידי מחלקת ה-IT. ובכל זאת, הם לעתים קרובות עובדים טוב יותר מהמערכות הרשמיות. מה שנראה במבט ראשון כבעיית ממשל מגלה, בבדיקה מדוקדקת יותר, חולשה מהותית באופן שבו חברות גרמניות מארגנות את הדיגיטציה שלהן. תופעה זו אינה נושא שולי. זוהי מאפיין מבני של הנוף התעשייתי הגרמני שהגיע למימד חדש לחלוטין עם עליית הבינה המלאכותית הגנרטיבית. השאלה אינה עוד האם חברות צריכות לטפל בכך, אלא כמה מהר הן יכולות להגיב לפני שהמצב יהפוך לבלתי נשלט.

כלכלת אקסל הנסתרת כהשתקפות של דיגיטציה כושלת

תופעת צל-IT בחברות גרמניות אינה תופעה חדשה, אך השפעתה אינה מוערכת כראוי באופן שיטתי. על פי חברת האנליסטים גרטנר, למעלה מ-40 אחוז מהעובדים בחברות כבר משתמשים בטכנולוגיות שאינן מנוהלות על ידי מחלקות ה-IT שלהן. נתון זה צפוי לעלות ל-75 אחוז עד 2027. מאחורי נתונים אלה מסתתרת מערכת אקולוגית של פתרונות שנבנו באופן עצמאי, שמורכבותם ושכיחותם צפויים להפתיע את רוב מנהלי ה-IT.

ממצא זה נפוץ ומעורר מחשבה בפרקטיקה התעשייתית. בבקרת ייצור קיימים לוחות תכנון מבוססי אקסל, אשר נועדו במקור כפתרון זמני בלבד, אך כיום שולטים בתכנון הייצור של מחלקות שלמות במשך שנים. ברכש, פקודות מאקרו שנכתבו באופן עצמאי משווות זמני אספקה ​​ממקורות שונים, מכיוון שמערכת ה-ERP אינה מציעה פונקציה זו בפירוט הנדרש. בלוגיסטיקה, כלי בהתאמה אישית עוקב אחר מספרי משלוחים מכיוון שהממשק הרשמי למשלח מעולם לא יושם כראוי. בניהול איכות משתמשים במסדי נתונים של Access הממפים תהליכים רלוונטיים לרגולציה מבלי שמחלקת ה-IT תהיה מודעת לכך.

הסיבות לכך הן רב-גוניות, אך דפוס חוזר על עצמו: מחלקות ייעודיות נמצאות תחת לחץ זמן, למחלקת ה-IT אין את התקציב או את היכולת לטפל בבקשות שנראות קטנות, ומערכות החברה הקיימות נוקשות מדי או איטיות מדי להסתגל. בפער הזה בין צרכים תפעוליים לבין היענות מוסדית, נוצר עולם מקביל, שנוצר על ידי העובדים עצמם, שחווים את הבעיה מדי יום בשולחנותיהם.

עסקים קטנים ובינוניים גרמנים מושפעים במיוחד מכך. בחברות עם 10 עד 200 עובדים, מחלקות ה-IT הן לרוב רזות, ולעתים קרובות מורכבות ממנהל אחד במשרה חלקית או מספק שירותים חיצוני האחראי בעיקר על התפעול השוטף. כאשר תהליכים רשמיים איטיים מדי או חסרים פתרונות מתאימים, הצוותים מתארגנים. ו-IT הצללים צומח בשקט לצדם.

מנוע החדשנות הבלתי נראה במסדרון

מה שהופך את מערכות המידע הצלליות (shadow IT) לכל כך פרדוקסליות הוא העובדה שהיא בו זמנית סימפטום של בעיה וביטוי של כישורי פתרון בעיות. העובדים שבונים את הכלים המאולתרים הללו אינם מורדים. הם אנשי מקצוע בעלי מוטיבציה גבוהה שמכירים את התהליכים שלהם לעומק ומפצים על החסרונות של המערכות הרשמיות ביוזמתם. הם לא פועלים מתוך זדון, אלא מתוך מוטיבציה פרגמטית.

לתצפית זו יש ממד אסטרטגי שחברות רבות מתעלמות ממנו. מערכת Shadow IT חושפת בדיוק כירורגי היכן טמון פוטנציאל האוטומציה האמיתי. אם עובד רכש כותב מאקרו שמשווה מספרי הזמנות באופן אוטומטי, הסיבה לכך היא שתהליך זה מורכב מדי, מועד לטעויות וגוזל זמן רב מדי לביצוע ידני. אם מישהו בתכנון הייצור יוצר לוח תכנון משלו באקסל, זהו איתות ברור לכך שמערכת התכנון הרשמית אינה עומדת בדרישות התפעוליות.

בפרקטיקה התעשייתית, אותם תחומים צצים שוב ושוב בהם מתעוררת טכנולוגיית מידע צללית: רכש והשוואת ספקים, תכנון ייצור והכנת עבודה, לוגיסטיקה ומעקב משלוחים, ניהול ותיעוד איכות, וכן דיווח והכנת נתונים להנהלה. לכל התחומים הללו יש במשותף שהם נמצאים בממשק שבין הפעילות היומיומית למערכות IT קיימות, שם הפער בין מה שנדרש למה שקיים הוא הגדול ביותר.

חברות כמו בוש זיהו את התופעה הזו וטיפלו בה אסטרטגית. קבוצת הטכנולוגיה ציינה כי יחידות עסקיות בודדות, מתוסכלות מזמני המתנה ארוכים מצד ה-IT המרכזי, פיתחו יישומים באופן עצמאי. ה-IT פנה באופן קבוע לפתרונות מאולתרים, כולל קבצי אקסל ענקיים מלאים בפקודות מאקרו ללא כל מבנה תחזוקה. התשובה לא הייתה איסור, אלא הצגת פלטפורמה low-code שהעניקה ליחידות העסקיות אוטונומיה ובמקביל הבטיחה ממשל מרכזי. בתוך ארבע שנים, הדבר הביא ליותר מ-500 יישומים פרודוקטיביים עם יותר מ-400 מפתחים פעילים ו-24,000 משתמשי קצה.

הסיכון של בעלי ידע בודדים

למרות הפרודוקטיביות שבוני פתרונות ה-IT הצללים הללו עשויים להיות, הם יוצרים סיכון מערכתי המכונה בספרות הניהול כגורם האוטובוס. מונח זה מתאר את מספר האנשים שעלולים להיעדר לפני שתהליך קריטי נעצר. עבור פתרונות IT צללים רבים, גורם זה הוא אחד. אדם יחיד בנה את הכלי, אדם יחיד מבין אותו, אדם יחיד יכול לתחזק אותו. אם אותו אדם עוזב את החברה, יוצא לחופשה או חולה, חצי מהמחלקה נותרת בוהה במסך ריק.

סיכון זה אינו היפותטי. ההשלכות ניכרות באופן קבוע בפועל. חברת ייצור שסיפקה לתעשיית התרופות בנתה את כל מערכת ניהול האיכות שלה באמצעות Excel ו-Access. המערכת תפקדה במשך שנים, פותחה באופן רציף והותאמה לדרישות הרגולטוריות. כאשר העובד האחראי עזב את החברה, המערכת המשיכה להיות בשימוש, אך במהלך העברת מחשבים, חלק ממסד הנתונים של Access נפגם והנתונים אבדו. פיתוח נוסף היה בלתי אפשרי משום שאיש לא הבין את מבנה המערכת. עבור חברה הכפופה לדרישות רגולטוריות, זהו איום קיומי פוטנציאלי.

היעדר תיעוד, בקרת גרסאות ותהליכי העברה מובנים הופך כל פתרון IT צללים לפצצת זמן מתקתקת. ריבוי גרסאות בלתי מבוקר מוביל לשגיאות בלתי מוסברות בדוחות חודשיים, חתימות חסרות ויומני שינויים יוצרים סיכוני ביקורת, וההסתמכות על נתיבים ותצורות בודדים הופכת כל העברה להרפתקה. כל זה קורה מתחת לרדאר של ניהול ה-IT הרשמי, שלעתים קרובות אינו מודע לקיומן של מערכות אלו.

גורם העלויות השקט בצללים

ההשפעה הפיננסית של IT צללים היא משמעותית, גם אם היא מופיעה לעיתים רחוקות כפריט נפרד במאזן. עלויות ישירות כוללות רישיונות כפולים, תהליכים לא יעילים ואובדן נתונים. עלויות עקיפות נובעות מאירועי אבטחה, שלפי IBM מסתכמות בממוצע ב-4.45 מיליון דולר לכל פרצת נתונים. קנסות במסגרת GDPR יכולים להגיע עד ארבעה אחוזים מההכנסה השנתית, והפסדי הפרודוקטיביות ממערכות שונות ולא תואמות מצטברים לסכומים ניכרים לאורך זמן.

בגרמניה, רשויות הגנת המידע הטילו קנסות כבדים יותר ויותר בשנים האחרונות. קנסות של מיליונים אינם נדירים עוד כאשר נתונים אישיים מעובדים ללא בסיס משפטי מספק או אינם מוגנים כראוי. פתרונות IT של צללים, המאחסנים נתונים רגישים בקבצי אקסל בלתי מבוקרים או באחסון ענן פרטי, פגיעים במיוחד להפרות של תקנת הגנת המידע הכללית (GDPR).

כ-70 אחוז מהארגונים חוו אירועי אבטחה הקשורים ישירות לטכנולוגיה לא מורשית. השימוש ב-Shadow IT גדל ב-59 אחוז מאז האימוץ הנרחב של עבודה מרחוק, ו-54 אחוז מצוותי ה-IT מתארים את הארגונים שלהם כפגיעים משמעותית יותר לדליפות נתונים מבעבר. כמעט מחצית מכלל מתקפות הסייבר קשורות כיום ל-Shadow IT, כאשר העלות הממוצעת של תיקון דליפות אלו עולה על 4.2 מיליון דולר.

עם זאת, העלויות אינן נובעות רק מאירועי אבטחה. אם מחלקות ה-IT חסרות תמונה כללית של נוף ה-IT בפועל, מתרחשות כפילויות, אי התאמות וירידה הדרגתית באיכות הנתונים. כל פתרון IT צללי ששומר נתונים במאגר משלו פוגע ביכולתה של החברה לקבל החלטות מושכלות על סמך מידע עקבי.

ממאקרו של אקסל לבינה מלאכותית בצל: המימד החדש של אובדן שליטה

מה שכבר היה בעיה רצינית עם פתרונות IT מסורתיים של צללים הגיע לרמה חדשה לגמרי עם הופעתם של כלי בינה מלאכותית גנרטיביים. בינה מלאכותית של צללים, כלומר שימוש בלתי מורשה ביישומי בינה מלאכותית על ידי עובדים ללא ידיעתם ​​או פיקוחם של מחלקת ה-IT, מתפשטת במהירות שמדאיגה אפילו מנהלי IT מנוסים.

הנתונים עבור גרמניה ברורים. סקר מייצג של ביטקום בקרב 604 חברות עם 20 עובדים או יותר מראה כי בשמונה אחוזים מהחברות, השימוש הפרטי בבינה מלאכותית למטרות מקצועיות כבר נפוץ, כפול מהנתון מהשנה הקודמת. שבעה עשר אחוזים סבלו ממקרים בודדים, ועוד 17 אחוזים חושדים בשימוש בו אך אינם יכולים להוכיח זאת. שיעור החברות ששוללות באופן מוחלט בינה מלאכותית בצל ירד מ-37 ל-29 אחוזים. חברת Software AG מצאה במחקר שלה כי למעלה ממחצית מכלל עובדי הידע בארה"ב, בריטניה וגרמניה משתמשים בכלי בינה מלאכותית שאינם מסופקים על ידי החברות שלהן. שבעים וחמישה אחוזים כבר משתמשים בבינה מלאכותית, והמחקר צופה שנתון זה יעלה ל-90 אחוזים.

המצב קריטי במיוחד במגזר הציבורי. סקר שהוזמן על ידי מיקרוסופט וערך על ידי חברת Civey גילה כי ברמה הפדרלית, כמעט מחצית מכלל העובדים בפוליטיקה ובמנהל (45 אחוז) משתמשים בכלי בינה מלאכותית שלא נבדקו ונחשבו בטוחים על ידי הארגון שלהם. ברמה העירונית, נתון זה עומד על 36 אחוז, וברמת המדינה, הוא עומד על 19 אחוז.

ההבדל בין IT צללים מסורתי לבינה מלאכותית צללית טמון באופי הסיכונים. בעוד שגיליון אלקטרוני של אקסל קיים באופן מקומי במחשב, שימוש בשירותי בינה מלאכותית חיצוניים פירושו שנתוני החברה זורמים למערכות של צד שלישי. כאשר בקר משתמש ב-Excel Copilot לתחזיות סודיות, כאשר אנשי שיווק מזין תוכן פרסומי המכיל מידע סודי על המוצר לתוך ChatGPT, או כאשר מפתחים מזינים קוד קנייני לתוך GitHub Copilot, נתוני חברה רגישים עוזבים את הסביבה המבוקרת. ניתן להשתמש בנתונים לאימון מודלים של בינה מלאכותית והם עלולים להיות בלתי ניתנים לשחזור. כמות נתוני החברה הנודדים לשירותי בינה מלאכותית ציבוריים גדלה ב-485 אחוזים תוך שנה. תשעים אחוזים ממנהלי ה-IT חוששים מאירועי פרטיות או אבטחת מידע עקב שימוש בלתי מבוקר זה.

פלטפורמת בינה מלאכותית מנוהלת - תמונה: Xpert.Digital

כאן תלמדו כיצד החברה שלכם יכולה ליישם פתרונות בינה מלאכותית מותאמים אישית במהירות, בצורה מאובטחת וללא חסמי כניסה גבוהים.

פלטפורמת בינה מלאכותית מנוהלת היא הפתרון השלם והחסר דאגות שלכם לבינה מלאכותית. במקום להתמודד עם טכנולוגיה מורכבת, תשתית יקרה ותהליכי פיתוח ארוכים, אתם מקבלים פתרון מוכן מראש המותאם לצרכים שלכם משותף מתמחה - לעתים קרובות תוך מספר ימים בלבד.

היתרונות המרכזיים במבט חטוף:

⚡ יישום מהיר: מרעיון ליישום מוכן לשימוש תוך ימים, לא חודשים. אנו מספקים פתרונות מעשיים היוצרים ערך מוסף מיידי.

🔒 אבטחת מידע מקסימלית: המידע הרגיש שלך נשאר אצלך. אנו מבטיחים עיבוד מאובטח ותואם ללא שיתוף מידע עם צדדים שלישיים.

💸 אין סיכון פיננסי: אתם משלמים רק על תוצאות. השקעות גבוהות מראש בחומרה, תוכנה או כוח אדם מבוטלות לחלוטין.

🎯 התמקדו בעסק הליבה שלכם: התרכזו במה שאתם עושים הכי טוב. אנחנו דואגים לכל תהליך היישום הטכני, התפעול והתחזוקה של פתרון הבינה המלאכותית שלכם.

📈 עמיד לעתיד וניתן להרחבה: הבינה המלאכותית שלכם גדלה איתכם. אנו מבטיחים אופטימיזציה וגמישות מתמשכת, ומתאימים את המודלים לדרישות חדשות בצורה גמישה.

מידע נוסף כאן:

• פלטפורמת בינה מלאכותית מנוהלת

שדה המוקשים הרגולטורי: חוק הבינה המלאכותית של האיחוד האירופי וה-GDPR כנטל כפול

המסגרת הרגולטורית מחריפה עוד יותר את חומרתה של בינה מלאכותית בצללים. עם חוק הבינה המלאכותית של האיחוד האירופי, יצר האיחוד האירופי את המסגרת המשפטית המחייבת הראשונה שלו לבינה מלאכותית, הנמצאת בתוקף מאז אוגוסט 2024. מאז פברואר 2025, נאסרו פרקטיקות מסוימות של בינה מלאכותית, כולל סיווג ביומטרי המבוסס על מאפיינים רגישים וזיהוי רגשות במקום העבודה. מאוגוסט 2026, רוב הכללים למערכות בינה מלאכותית בסיכון גבוה יהפכו לחובה, כולל דרישות מקיפות לניהול סיכונים, שקיפות ופיקוח אנושי.

מצב זה מציב בפני חברות אתגר כפול. מצד אחד, עליהן לעמוד בדרישות ה-GDPR בעת טיפול במידע אישי, אשר מופרות באופן קבוע כאשר נעשה שימוש בכלי בינה מלאכותית ללא פיקוח הולם. מצד שני, עליהן לוודא שכל מערכות הבינה המלאכותית בהן נעשה שימוש בחברה עומדות בדרישות חוק הבינה המלאכותית. אם עובדים משתמשים בכלי בינה מלאכותית שמחלקת ה-IT כלל אינה מודעת לקיומם, שימוש תואם בכלי בינה מלאכותית הוא, מעצם הגדרתו, בלתי אפשרי.

הדרישה המחייבת לכשירות בתחום הבינה המלאכותית בחברות, אשר בתוקף מאז פברואר 2025, מחריפה עוד יותר את המצב. חברות חייבות להוכיח כי עובדים המשתמשים בבינה מלאכותית עוברים הכשרה מתאימה. הכשרה זו חסרה באופן טבעי במקרה של בינה מלאכותית בצל. חוק הבינה המלאכותית של האיחוד האירופי דורש גם עריכת מלאי של כל המערכות בהן משתמשים בחברה. בינה מלאכותית בצל הופכת את המלאי הזה לפארסה.

במקביל, רק 23 אחוזים מהחברות הגרמניות קבעו כללים לשימוש בכלי בינה מלאכותית, אם כי נתון זה מייצג עלייה משמעותית לעומת 15 אחוזים בשנה שעברה. 31 אחוזים נוספים מתכננים לעשות זאת. עם זאת, 16 אחוזים מתכוונים להמשיך ולהימנע משימוש בהם, ו-24 אחוזים טרם טיפלו בנושא. בעולם שבו דרישות רגולטוריות גדלות באופן אקספוננציאלי, פסיביות זו היא משחק מסוכן.

פער המיומנויות כזרז לכלכלה השחורה

הסיבות להתפשטות טכנולוגיית הצל והבינה המלאכותית הצללית אינן נובעות אך ורק מאינרציה של מחלקות ה-IT. הן מושרשת עמוק בליקויים המבניים של הדיגיטציה בגרמניה. מחקר בינה מלאכותית משנת 2025 מצייר תמונה מפוכחת: 68 אחוז מהחברות הבינוניות שנבדקו חסרות אסטרטגיית בינה מלאכותית מפותחת היטב. 82 אחוז מדווחים על פער מיומנויות עצום בבינה מלאכותית, בעוד שרק 21 אחוזים מחזיקים בתוכנית הכשרה מובנית בתחום הבינה המלאכותית. 76 אחוזים מתמודדים עם איכות נתונים לא מספקת וממגורות נתונים בין מערכות, ו-83 אחוזים חסרים אסטרטגיית נתונים מקיפה.

מקינזי מאשרת את הממצאים הללו בקנה מידה רחב יותר. רק 28 אחוז מהנשאלים בגרמניה מדווחים על שימוש קבוע בבינה מלאכותית, בהשוואה ל-76 אחוז בארה"ב. 33 אחוז מהעובדים חסרים את הכישורים הדרושים לתפקידם הנוכחי, ו-44 אחוז מהעובדים לא הקדישו יום אחד להכשרה או פיתוח מקצועי בשנה האחרונה. הביקוש למיומנויות בינה מלאכותית גדל פי שבעה בשנתיים וכיום נחשב למיומנות הצומחת ביותר.

פער מיומנויות זה יוצר מעגל קסמים. מכיוון שמבנים רשמיים איטיים מדי, העובדים עוזרים לעצמם. מכיוון שהם עוזרים לעצמם, אין לחץ מספיק על הארגון לספק פתרונות רשמיים. מכיוון שלא מפותחים פתרונות רשמיים, טכנולוגיית הצללים ממשיכה לצמוח. מחקר של KfW על דיגיטציה בעסקים קטנים ובינוניים מראה כי בעוד ש-35 אחוז מהחברות יישמו פרויקטים של דיגיטציה תוך שלוש שנים - עלייה של שליש - התקדמות זו מחולקת באופן לא אחיד ביותר. ספקי שירותים מבוססי ידע, חברות הפועלות בינלאומיות ומניעי מחקר ופיתוח משקיעים רבות, בעוד שעסקים קטנים ואזוריים מפגרים מאחור. פער הדיגיטציה הולך ומתרחב, ודווקא בפער זה משגשג טכנולוגיית הצללים.

תלות דיגיטלית כבעיה מבנית בסיסית

בעיית ה-Shadow IT וה-Shadow AI משולבת בהקשר רחב יותר של תלות דיגיטלית המשפיעה על כל הכלכלה הגרמנית. על פי מחקר של Bitkom, 89 אחוז מהחברות המייבאות סחורות או שירותים דיגיטליים תלויות בהם, כאשר 51 אחוז תלויות בהם במידה רבה. תשעים וחמישה אחוז מציינים כי יוכלו לשרוד רק לזמן קצר אם ייבוא ​​שירותים או טכנולוגיות דיגיטליות יופסק. יותר מ-80 אחוז מהחברות חשות תלות בספקים שאינם אירופאים לפחות בתחום טכנולוגי אחד, במיוחד בתוכנה, חומרה, תשתיות ובינה מלאכותית גנרטיבית.

תלות זו משפיעה על בעיית ה-IT הצללים בשתי רמות. ראשית, עובדים משתמשים בעיקר בשירותים אמריקאיים כמו ChatGPT, Google Gemini או Microsoft Copilot לשימוש בלתי מבוקר בבינה מלאכותית, מה שמגדיל את זרימת הנתונים לתחומי שיפוט שאינם אירופאים. שנית, חסרות חלופות אירופאיות שיאפשרו לחברות לספק לעובדיהן כלי בינה מלאכותית התואמים להגנה על נתונים. חברות דירגו את צעדי ממשלת גרמניה להגברת הריבונות הדיגיטלית בציון של 5.1 (בסולם שבו 1 הוא הטוב ביותר ו-6 הוא הגרוע ביותר). 55 אחוזים צופים שתלות זו תגדל עוד יותר בחמש השנים הקרובות.

עבור חברות תעשייתיות, משמעות הדבר היא שההחלטה בין בינה מלאכותית בצל לבין בינה מלאכותית מנוהלת היא גם שאלה של ריבונות טכנולוגית. אלו שאינם מספקים לעובדיהם כלי בינה מלאכותית מבוקרים מסתכנים בכך שנתוני חברה ולקוחות סודיים ייפלו לידי ספקים שנוהלי הגנת המידע שלהם וקשרים גיאופוליטיים שלהם נבדקים יותר ויותר.

בינה מלאכותית מנוהלת כתגובה אסטרטגית לאנרכיה בצללים

החזירו לעצמכם שליטה מבלי לחנוק את היצירתיות של הצוותים שלכם

הפתרון לבעיית ה-Shadow IT וה-Shadow AI אינו טמון באיסורים. כל ניסיון למנוע את השימוש בכלים לא מורשים באמצעות איסור נידון לכישלון משום שאינו מטפל בשורש הבעיה. עובדים אינם משתמשים בכלים אלה מתוך זדון, אלא משום שהם פותרים בעיות אמיתיות. המפתח טמון במושג הנדון יותר ויותר תחת המונח Managed AI, המבוסס על הרעיון של ניתוב האנרגיה החדשנית של כוח העבודה במקום דיכוי שלה.

בינה מלאכותית מנוהלת מייצגת גישה שיטתית שבה פתרונות בינה מלאכותית אינם מיושמים כפרויקטים מונוליטיים בקנה מידה גדול, אלא מסופקים ככלים מודולריים ומבוקרים שניתן לפרוס ישירות בנקודת השימוש. ההבדל המכריע לבינה מלאכותית צללית טמון בממשל: הפתרונות מאושרים, מתועדים, תואמים לתקנות ה-GDPR ומשולבים בארכיטקטורת ה-IT הקיימת, מבלי לוותר על הגמישות והקרבה לבעיה שהופכות פתרונות צללית לכל כך יעילים.

גישה זו מציעה מספר יתרונות בו זמנית. ראשית, מומחיות בפתרון בעיות נשארת במקום שאליו היא שייכת: אצל המחלקות שמבינות בצורה הטובה ביותר את הצרכים. במקום שדרישות ינדדו דרך רצפי פגישות ומערכות תיעוד אינסופיות עד שהן מגיעות בסופו של דבר למפתח חיצוני שמעולם לא ראה את התהליך בפועל, הפתרונות מפותחים ישירות במקום העבודה. שנית, סיכוני אבטחה ותאימות מטופלים באופן שיטתי מכיוון שכל הכלים מנוהלים ומנוטרים באופן מרכזי. שלישית, הידע על הפתרונות מתועד וממוסד, מה שמגדיל את גורם האפיק מבסיס אחד לבסיס איתן יותר.

חברות המשקיעות באוטומציה ובינה מלאכותית מנוהלת רואות הפחתה ממוצעת של 22 אחוזים בעלויות התפעול. התשואה על ההשקעה באוטומציה של תהליכים רובוטיים יכולה להגיע ל-30 עד 200 אחוזים בשנה הראשונה בלבד. חברות שמבצעות אופטימיזציה שיטתית של איכות הנתונים שלהן מדווחות על שיפור של 34.8 אחוזים בדיוקsegenוגילוי מוקדם מהיר יותר של 41.2 אחוזים של אנומליות פיננסיות.

מפתח אזרח: הפורמליזציה של הגאון הבלתי פורמלי

הקונספט של מפתחי אזרחים משלים את גישת הבינה המלאכותית המנוהלת ברמת כוח האדם. מפתחי אזרחים אינם מפתחי תוכנה שהוכשרו, אלא מומחים מתחומים עסקיים שונים היוצרים פתרונות דיגיטליים משלהם באמצעות פלטפורמות ידידותיות למשתמש, low-code וללא קוד. הם למעשה יורשיהם הפורמליים של מפתחי ה-Shadow IT, אלא שעבודתם מתבצעת כעת בפלטפורמות מאושרות, מתועדת ומשולבת בניהול ה-IT של החברה.

שוק הפלטפורמות low-code וללא-code משקף את הדינמיקה של התפתחות זו. מ-21.8 מיליארד דולר בשנת 2022, הוא צפוי לגדול לכ-187 מיליארד דולר עד 2030. גרטנר צופה שעד 2026, לפחות 80 אחוז ממשתמשי low-code יגיעו ממחלקות עסקיות, כלומר, מחוץ לארגון ה-IT המסורתי. כבר כיום, למעלה מ-70 אחוז מהחברות משתמשות בטכנולוגיות low-code או no-code לפיתוח יישומים חדשים.

היתרון המרכזי של מודל זה טמון בדמוקרטיזציה של פיתוח תוכנה תוך שמירה על ממשל (ממשל תאגידי). מחלקות עסקיות מקבלות את האוטונומיה להגיב במהירות לדרישות תפעוליות, בעוד שמחלקת ה-IT שולטת בפלטפורמה, במדיניות האבטחה ובשילוב הנתונים. חברות יכולות להשיג יתרונות משמעותיים: עלויות הפיתוח יורדות עד 60 אחוז, וזמן ההגעה לשוק מצטמצם ב-50 עד 90 אחוז.

גישת המפתחים האזרחיים מטפלת גם במחסור במיומנויות IT, הפוגע קשות במיוחד בחברות בינוניות רבות. במקום לחפש מפתחי תוכנה בשוק העבודה שכבר מדולדל, חברות מעצימות את המומחים הקיימים שלהן לתכנן את הכלים הדיגיטליים בעצמן. עקומת הלמידה מצטמצמת באופן דרסטי, והתוצאות לרוב קרובות יותר לצרכים בפועל מאשר פתרונות שפותחו חיצונית.

החישוב הכלכלי: מה באמת עולה לעשות כלום

כעת ניתן לכמת את עלויות חוסר המעש בצורה מדויקת למדי. מצד אחד, ישנם ההפסדים הישירים כתוצאה מ-Shadow IT: אירועי אבטחה שעולים בממוצע 4.45 מיליון דולר לכל הפרה, קנסות ציות שיכולים להגיע עד ארבעה אחוזים מההכנסה השנתית, ואובדן פרודוקטיביות עקב נופי נתונים מקוטעים. מצד שני, ישנן עלויות אלטרנטיביות: חברות המשתמשות באופן שיטתי בבינה מלאכותית משיגות רווחי פרודוקטיביות של 18 עד 35 אחוזים. חברות מובילות מציגות פרודוקטיביות גבוהה פי 2.4 מחברות מפגרות.

היתרונות הכלכליים של בינה מלאכותית מנוהלת כבר מתועדים בפועל התעשייתי. חברות מדווחות על הקצאת משאבים טובה יותר ב-5.7 אחוזים והפחתת עלויות ב-8.3 אחוזים באמצעות אופטימיזציה שיטתית של נתונים. תחזוקה חזויה המבוססת על מערכות בינה מלאכותית משולבות מפחיתה באופן דרסטי את זמני ההשבתה הלא מתוכננים, ובקרת איכות הנתמכת על ידי בינה מלאכותית באמצעות ראייה ממוחשבת מבטיחה איכות עקבית בכל המשמרות וסבבי הייצור. בשרשרת האספקה, בינה מלאכותית מאפשרת תחזיות ביקוש מדויקות יותר, תוך התחשבות בתנודות עונתיות, מגמות שוק וגורמים חיצוניים שאינם ניתנים להשגה בשיטות מסורתיות.

לעומת זאת, WirtschaftsWoche מדווח כי עסקים קטנים ובינוניים גרמנים רבים הוציאו פחות משמעותית על יישומי בינה מלאכותית בשנת 2025 מאשר בשנה הקודמת. רמת הדיגיטציה בכלכלה הגרמנית נותרה על 2.8, ול-43 אחוזים מהעסקים הקטנים והבינוניים עדיין חסרה אסטרטגיית בינה מלאכותית קונקרטית. זה לא מישור; זוהי קיפאון מסוכן בעולם מואץ.

תוכנית חמש הנקודות: מצל לאור

חברות המעוניינות לעבור מ-IT צללים בלתי מבוקר למערכת אקולוגית בינה מלאכותית מנוהלת זקוקות לגישה מובנית אך פרגמטית. חמישה תחומי פעולה מרכזיים צפויים כמכריעים.

הצעד הראשון הוא ביצוע רשימה. לפני שחברה יכולה לטפל ב-IT הצללים שלה, עליה לדעת מה קיים. משמעות הדבר היא עריכת רשימה כנה ולא ענישתית של כל הכלים הלא רשמיים, פקודות המאקרו, מסדי הנתונים ויישומי הבינה המלאכותית. שלב זה דורש תרבות ארגונית שבה גילוי פתרונות אלה אינו נענש, אלא מוערך כאינדיקטור חשוב לפוטנציאל אופטימיזציה.

תחום הפעולה השני נוגע לאספקת כלי בינה מלאכותית רשמיים. רק 26 אחוז מהחברות הגרמניות מספקות כיום לעובדיהן גישה לבינה מלאכותית גנרטורה. נתון זה יורד ל-23 אחוז עבור חברות קטנות יותר עם 20 עד 99 עובדים, ל-36 אחוז עבור חברות בינוניות ול-43 אחוז עבור חברות גדולות יותר. אספקת כלי בינה מלאכותית התואמים ל-GDPR היא המנוף היעיל ביותר נגד בינה מלאכותית בצל, משום שהיא מטפלת בשורש הבעיה, ולא רק בסימפטום.

תחום הפעולה השלישי כרוך בהכנסת מבני ממשל. כללים ברורים לשימוש בבינה מלאכותית, הנחיות לטיפול בנתוני חברה במערכות בינה מלאכותית ואחריות מוגדרת יוצרים את המסגרת שבתוכה חדשנות יכולה לשגשג מבלי לסכן את החברה. העובדה שאחוז החברות עם כללי בינה מלאכותית עלה מ-15 ל-23 אחוזים מראה שהחל שינוי בחשיבה, אך הקצב רחוק מלהיות מספיק.

תחום הפעולה הרביעי הוא פיתוח מיומנויות. 82 אחוז מהעסקים הקטנים והבינוניים מדווחים על פער מיומנויות בתחום הבינה המלאכותית. פער זה לא יסגר מעצמו. תוכניות הכשרה מובנות, הקמת אלופי בינה מלאכותית בתוך מחלקות ייעודיות והעצמת מפתחים אזרחיים אינם תוספות אופציונליות, אלא השקעות חיוניות בכדאיות החברה בעתיד.

לבסוף, תחום הפעולה החמישי נוגע לאינטגרציה וסקלביליות. פתרונות צללים מוצלחים לא צריכים פשוט להיסגר, אלא להתייחס אליהם כאבות טיפוס עבור יישומים רשמיים. הם מדגימים היכן טמון הצורך ואיך פתרון יכול להיראות. פלטפורמות בינה מלאכותית מנוהלות מאפשרות להפוך את האבות טיפוס הללו למערכות מבוקרות, ניתנות להרחבה ותחזוקה מבלי להסיר את האחריות לפתרון בעיות מהאנשים שמבינים את הבעיה בצורה הטובה ביותר.

העתיד שייך לאוטונומיה מבוקרת

ההיסטוריה של IT בצללים בחברות תעשייתיות גרמניות היא בסופו של דבר סיפור של קונפליקט בין שני צרכים לגיטימיים: הצורך של הארגון בשליטה, אבטחה ותאימות מצד אחד, והצורך של העובדים בכלים יעילים וזמינים בקלות מצד שני. במשך עשרות שנים, קונפליקט זה הוכרע לטובת השליטה, והעובדים התנגדו בשקט עם פתרונות הצללים שלהם. התוצאה היא מצב שבו שני הצדדים מפסידים: ל-IT אין שליטה אמיתית משום שהיא לא יודעת מה קיים בצללים, והעובדים עובדים עם כלים שבירים ולא מתועדים שיכולים להתקלקל בכל עת.

בינה מלאכותית מנוהלת ופיתוח אזרחים מציעים דרך לצאת מהדילמה הזו משום שהם פותרים את הסכסוך לא באמצעות ניצחון של צד אחד, אלא באמצעות סינתזה המטפלת בשני הצרכים בו זמנית. מחלקות עסקיות זוכות לאוטונומיה הדרושה להן כדי לפתור בעיות תפעוליות במהירות וביעילות. מערכות ה-IT שומרים על הממשל הדרוש להן כדי להבטיח אבטחה, תאימות ושלמות המערכת. והחברה כולה מרוויחה מכך שהאנרגיה החדשנית של כוח העבודה שלה כבר לא מבוזבזת אלא מנותבת בצורה מבוקרת.

אנשי ה-IT בצללים במחלקות העסקיות אינם הגורם לבעיות. הם צופי החדשנות החשובים ביותר שיכולה להיות לחברה. עם כל מאקרו שנכתב באופן עצמאי וכל בינה מלאכותית שנמצאת בשימוש בסתר, הם מראים בדיוק היכן צריך להתחיל הגל הבא של אוטומציה ודיגיטציה. חברות שיזהו זאת וינתבו את האנרגיה הזו לתהליכים מובנים ינצחו בתחרות בשנים הקרובות. האחרים ימשיכו לתהות מדוע המערכות הרשמיות היקרות שלהם כה מנוצלות, בעוד שהעבודה האמיתית מתרחשת בצללים.

Konrad Wolfenstein

אשמח לשמש כיועץ האישי שלך.

קשר בכתובת wolfenstein ∂ xpert.digital

פשוט התקשרו אליי למספר +49 89 89 674 804 (מינכן) .

לינקדאין