בתחילת 2024 ישבתי בחדר עם עשרים מנהלי פרויקטים. כולם עברו הדרכת AI. כולם יצאו עם גישה ל-ChatGPT. שלושה חודשים לאחר מכן שאלתי מה השתנה בעבודה שלהם.
רובם ענו: "אנחנו משתמשים בזה לפה ולשם ניסוח מיילים, סיכום פגישות." רק שלושה מהם דיברו על שינוי של ממש בדרך שבה הם מנהלים החלטות, מגדירים סיכונים, מתקשרים עם בעלי עניין. שלושת אלה לא היו אנשים שלמדו טוב יותר לכתוב פרומפטים. הם היו אנשים שחשבו אחרת על העבודה עצמה.
ה-AI לא יצר את הפער הזה. הוא רק הפך אותו גלוי.
מה שהיה תמיד שם ועכשיו אי אפשר להסתיר
ניהול פרויקטים, כפי שרוב הארגונים עוסקים בו, מתנהל על שכבה רחבה של ידע לא מתועד. ההחלטות מתקבלות בפגישות, מובנות מאליהן על ידי מי שהיה שם, ואובדות למי שלא. הסיכונים קיימים "בראש" של מנהל הפרויקט הוותיק, לא בתוך מסגרת ניתוחית ברורה. ההנחות לגבי תכולת הפרויקט לא נכתבות הן "ידועות". הקריטריונים להצלחה נשארים עמומים לאורך כל חיי הפרויקט.
שנים זה עבד, פחות או יותר. לא כי הגישה הייתה טובה אלא כי הפגמים היו בלתי-נראים. אי-הבהירות הוסתרה מאחורי ניסיון אישי, היכרות ארגונית, ותרבות "אנחנו מבינים אחד את השני."
ואז הגיע ה-AI.
מה קורה כשמבקשים מ-AI לעשות עבודה שאי-אפשר להגדיר
כשמנהל פרויקט פותח את ChatGPT ומקליד "כתוב לי רשימת סיכונים לפרויקט שלי", הוא מקבל תוצאה. הפורמט יפה, הניסוח מקצועי. אבל מה שהוא מקבל בפועל הוא סיכונים גנריים שיכולים להתאים לכל פרויקט בעולם- או לאף אחד.
הסיבה לא נמצאת בבינה המלאכותית. היא נמצאת בשאלה שמנהל הפרויקט לא הצליח לענות עליה לפני שפתח את המחשב: מה בדיוק הפרויקט שלי? מה ההקשר הארגוני? מי בעלי העניין ומה מטריד אותם? אילו אילוצים קיימים? מה "הצלחה" נראית כמוה בפרויקט הזה?
ה-AI צריך הקשר מפורש כדי לייצר תוצאה מדויקת. ובדיוק בנקודה הזו הוא חושף את מה שתמיד היה חסר: לא המידע עצמו אלא המסגרת שמאפשרת לארגן אותו.
כך שמי שמקבל ממצאים גנריים מה-AI לא נתקל בכישלון טכנולוגי. הוא נתקל בראי.
למה שני מנהלי פרויקטים מקבלים תוצאות שונות מאותו כלי
מחקר של PMI מ-2024 הראה שמנהלי הפרויקטים המובילים אלה שמשלבים AI ביותר ממחצית מעבודתם משיגים 93% שיפור בפרודוקטיביות, 87% עמידה בתחולה ו-85% דיוק בניהול עלויות. בצד השני, אלה שמשתמשים ב-AI לפרויקטים בודדים מדווחים על 58%, 34% ו-42% בהתאמה.
אותם כלים. אותה גישה. אותה עלות מנוי.
ההבדל אינו ב-AI. הוא בבהירות שמנהל הפרויקט מביא אליו.
מנהל שמביא ל-AI מטרה מוגדרת, הקשר ארגוני מפורט, אילוצים ידועים, וקריטריונים ברורים לתוצאה מקבל כלי חשיבה אסטרטגי. מנהל שמביא שאלה פתוחה ומחכה שה-AI "יבין" — מקבל טיוטה יפה שאינה שימושית.
זה לא כישרון בניסוח. זה כישרון בהגדרת עבודה לפני שמתחילים לבצע אותה.
התגלית שמישהו צריך לאמר בקול רם
בתוך כל הדיון על AI בניהול פרויקטים כלים, אוטומציה, סוכנים, ישנה אמת שנוח יותר להתעלם ממנה: הרבה פרויקטים מנוהלים על אינטואיציה בלתי-מתועדת. ולאינטואיציה הזו, כל עוד לא ניסינו להסביר אותה לכלי שלא מבין רמזים מעולם לא הייתה סיבה להיות מפורשת.
ה-AI לא מכבד אינטואיציה. הוא מחייב אותך לתרגם אותה לשפה.
מנהל שמבקש מ-AI לבנות תוכנית ניהול שינויים, מגלה מהר מאוד שהוא לא מסוגל לתאר בצורה ברורה מה הוא רוצה שישתנה, מי ייפגע, מה הם הסיכונים ואיך מודדים הצלחה.
לא כי הוא מנהל גרוע אלא כי מעולם לא נדרש לתרגם את הידע הזה למסגרת מפורשת. ה-AI הפך את הצורך הזה לדחוף.
מה הופך מתודולוגיה ליתרון תחרותי
בעידן ה-AI, המתודולוגיה חשובה יותר מאשר אי פעם. לא כי הפרויקטים נעשו מורכבים יותר אלא כי ה-AI מגביר כל קלט שמוכנס אליו: קלט ברור הופך לתוצאה ברורה, קלט עמום מייצר עמימות מהירה יותר ובקנה מידה גדול יותר.
בפיתוח סוכני AI קיים עיקרון הנקרא Constrained Autonomy אוטונומיה מוגבלת. כלומר: לא נותנים ל-AI חופש מוחלט, אלא מסגרת עבודה מוגדרת. ככל שהמשימה מורכבת יותר נדרשת מסגרת הדוקה יותר, לא פחות.
אותו עיקרון חל על ניהול פרויקטים. כשמנהל פרויקט אומר ל-AI "נתח את הסיכונים בפרויקט שלי", הוא מעניק לו אוטונומיה מלאה ומקבל ניתוח כללי.
כשהוא מגדיר: "אלה שלושת הסיכונים שאני מזהה, אלה ההנחות הבסיסיות שעומדות מאחוריהם, ואלה הסימנים המוקדמים שעלי לעקוב אחריהם" ומבקש מה-AI לאתגר את ההנחות הוא מקבל שיחה שמשנה החלטות.
המסגרת הזו לא מגיעה מה-AI. היא חייבת להגיע ממנהל הפרויקט.
מה שמנהלי פרויקטים צריכים להבין אחרת
השאלה שכדאי לשאול לא היא "איזה כלי AI כדאי לנו לאמץ?" אלא "אלו תהליכים בניהול הפרויקט שלנו מסוגלים לעמוד בדרישה שה-AI מציב: להיות מוגדרים במפורש?"
ארגון שמוכן לענות על השאלה הזו ישפר את ניהול הפרויקטים שלו אפילו לפני שאימץ כלי אחד, ואחרי שיאמץ ה-AI יהיה לו לכלי חשיבה אסטרטגי, לא לעוזר ניסוח.
ה-AI לא מחליף מתודולוגיה, הוא מייצר לה ביקוש אדיר.
לסיכום
מנהל פרויקטים בכיר שפגשתי אמר לי פעם: "שנים ידעתי שיש בעיה בדרך שבה אנחנו מגדירים סיכונים. רק כשניסיתי לכתוב פרומפט שמסביר את זה ל-ChatGPT הבנתי עד כמה עמוקה הבעיה."
ה-AI לא לימד אותו שיש בעיה. הוא פשוט הפך אותה לבלתי-אפשרית להתעלם ממנה.
זה המתנה האמיתית של הטכנולוגיה הזו ולא כולם מוכנים לקבל אותה.
מאת: לירון אריאלי, תחום AI – עמותת PMI ISRAEL
לירון אריאלי היא יועצת אסטרטגית ומומחית להטמעת AI בארגונים בפירמת שבלת AI , מפתחת מודל CLEAR. משלבת חשיבה ניהולית עם יישום מעשי של AI בפרויקטים.