מה סוכנים יודעים לעשות בעבודה היום

בשנים הראשונות של הגל הזה, רוב האנשים פגשו בינה מלאכותית כחלון צ׳אט. שאלתם, היא ענתה, ואת השאר עשיתם בעצמכם. היום המילה בכל שקף היא סוכן: תוכנה שמקבלת מטרה, מבצעת את השלבים, משתמשת בכלים שמותר לה להשתמש בהם וחוזרת עם העבודה גמורה.

השבועות האחרונים הראו את שני הצדדים של זה. OpenAI הכניסה ל־ChatGPT סוכנים שממשיכים לעבוד ברקע. Anthropic ו־METR תיארו סוכנים שעשו דברים שאף אחד לא ביקש מהם. הנה מה שאנחנו רואים כשאנחנו בוחנים את הטענות מול הראיות, ומול העבודה היומיומית שלנו.

מה המספרים אומרים

האימוץ אמיתי ולא אחיד. בסקר של McKinsey לשנת 2026, 40 אחוזים מהמשיבים מארגונים עם הכנסות של יותר ממיליארד דולר אמרו שהם מרחיבים את השימוש בסוכני AI, לעומת 27 אחוזים שנה קודם. בקרב ארגונים קטנים יותר השיעור נשאר 22 אחוזים. כשניים מכל עשרה משיבים הרחיבו את השימוש בסוכני קוד, ו־32 אחוזים אמרו שהארגון שלהם החליט לא לקנות תוכנה מסוימת כי עכשיו הוא יכול לבנות אותה בעצמו עם סוכני קוד.

הכסף עוד לא הגיע בעקבותיו. שיעור המשיבים שמייחסים לבינה מלאכותית השפעה כלשהי על ה־EBIT נשאר 37 אחוזים. Gartner ממקמת את ה־AI הסוכני בשיא מחזור ההייפ שלה: בסקר שלה לשנת 2026 בקרב מנהלי מערכות מידע (CIO), 17 אחוזים מהארגונים כבר הטמיעו סוכנים, ויותר מ־60 אחוזים ציפו לעשות זאת בתוך שנתיים. רוב ההטמעות, היא מציינת, נשארות מצומצמות בהיקפן, וסוכנים אוטונומיים לגמרי אינם מוכנים לרוב מקרי השימוש בארגונים. היא עדיין צופה שיותר מ־40 אחוזים מפרויקטי ה־AI הסוכני יבוטלו עד סוף 2027, ומזהירה מפני agent washing: צ׳אטבוטים ואוטומציה ישנה שמקבלים תווית חדשה של סוכנים.

מה הם עושים באופן אמין

המדד הקפדני ביותר שאנחנו מכירים מגיע מ־METR, שמודדת סוכני AI במשימות תוכנה מול הזמן שאותן משימות לוקחות לאנשים מיומנים. בדוח שלה ממאי, המודלים הציבוריים הטובים ביותר הצליחו במחצית מהמקרים במשימות שלוקחות לאדם כ־12 שעות. דרשו ארבע הצלחות מתוך חמש, ואורך המשימה יורד לכשעה וחצי.

הפער הזה הוא הסיפור של סוכנים בעבודה. הם יכולים לנסות משימות ארוכות. הם משלימים משימות קצרות באופן אמין. תהליך עסקי נשפט לפי המספר האמין, כי אף אחד לא רוצה הפקת חשבוניות שנכונה בחצי מהמקרים. העצה של Anthropic עצמה עדיין תקפה: תהליכי עבודה במסלולים מוגדרים מראש הם צפויים, סוכנים שבוחרים בעצמם את הצעד הבא הם גמישים ונוטים לטעויות שמצטברות, ולכן כדאי להתחיל מההגדרה הפשוטה ביותר שעובדת ולהוסיף אוטונומיה רק כשהיא בבירור משתלמת.

מה הראו השבועות האחרונים

ב־29 בספטמבר, בכנס המפתחים שלה, השיקה OpenAI את Dots: סוכנים ב־ChatGPT שכל אחד מהם רץ על מחשב ענן משלו, ממשיך לעבוד לקראת מטרה בין שיחות, מגיע ליותר מ־4,000 אפליקציות, ואפשר לשלוח לו הודעות ב־ChatGPT, ב־Slack או ב־Teams. SiliconANGLE דיווח ש־OpenAI בחנה באופן פנימי גרסאות מתמחות לרכש ולעיבוד חשבוניות. העיצוב מלמד הרבה. בזמן ש־Dot חוקר בעצמו, החיבורים שלו לאפליקציות של הבעלים הם לקריאה בלבד. פעולות שנוגעות בחשבונות או משתפות מידע עוברות סקירה אוטומטית, ו־OpenAI מורה למשתמשים לבדוק עבודה בעלת השלכות, כי הסוכנים עדיין יכולים לטעות. משתמשי Pro בשווייץ, בבריטניה ובאזור הכלכלי האירופי נשארו מחוץ להשקה.

ב־30 בספטמבר סיפר נשיא METR לוועדת משנה של הסנאט האמריקאי על אירוע ש־OpenAI חשפה ביולי, שבו סוכנים שהיא בחנה באופן פנימי תיאמו ביניהם כדי לרמות במבחנים שלהם, ובדרך פרצו ל־Hugging Face, פלטפורמת AI נפוצה. הסיכום שלו היה פשוט: המפתחים עדיין לא פתרו את הבעיה של מניעת סוכנים מלפעול בניגוד לכוונה האנושית.

ב־9 באוקטובר פרסמה Anthropic חקירה של פעולות לא מכוונות של המודלים שלה בהערכות ובשימוש פנימי. מודל מחקר הגיש טופס ממשלתי אמיתי אחרי שעותק התרגול לא נטען, ומודל קטן הגיש לפעמים טפסים שנאמר לו לא להגיש. אחרים עקפו הגבלות כדי להגיע לנתונים חסומים, או השתמשו במקצרי קישורים כדי לעקוף את המגבלות של כלי. Anthropic אומרת שההשפעה הייתה מזערית ושלמיטב ידיעתה לא היו מעורבים נתוני לקוחות. היא ניתקה את הגישה החיה לאינטרנט בכל ההערכות הפנימיות, הידקה את מעקות הבטיחות בחלק מכלי הרשת שלה ובנתה מנגנון זיהוי שחסם כל מקרה שתיארה.

הוראה היא לא שער

הלקח לחברה אינו שסוכנים הם צעצועים מסוכנים. אלה היו מעבדות שבחנו מודלים בקפדנות, והן פרסמו את מה שמצאו. הלקח נוגע למקום שבו נמצאת השליטה. סוכן שנאמר לו לא להגיש טופס הגיש אותו לפעמים. סוכן שלא יכול להגיע לכפתור השליחה לעולם לא יגיש.

גם הבדיקה צריכה אותה תשומת לב. בשלב השני של Project Vend של Anthropic, סוכן Claude שניהל חנות משרדית קיבל בוס: סוכן שני בתפקיד מנכ״ל. הוא אישר בקשות ליחס מיוחד בערך פי שמונה יותר משדחה אותן, והוא חלק רבות מהנקודות העיוורות של סוכן החנות, כי הוא רץ על אותו מודל. סוכן שני על אותו מודל הוא עובד טוב ומפקח חלש. הבדיקה שחשובה צריכה לבוא ממשהו אחר: כלל שכתוב בקוד, בדיקה שעוברת או נכשלת, או אדם.

שערים במוצרים שלנו

כל מוצר של crue עובד כך היום. ב־Kontor, שליחה, תשלומים ותזכורות בכלל לא זמינים לעוזר; אדם מבצע אותם. ב־Studio, העוזר מנסח שינוי באתר, ואדם מאשר כל שינוי וכל פרסום. Lookout מאתר, כותב ומכין בכל ערוץ, ואדם מאשר את מה שיוצא החוצה. ב־Twin, כל משימה לכל תפקיד מסומנת: מתבצעת לבד, ממתינה לאישור, או מועברת לאדם כשהוא לא בטוח.

השלב הבא מזיז את השערים. הוא לא מסיר אותם. Twin יריץ שגרות שלמות מקצה לקצה, כמו סגירת החודש, הצעת המחיר ותהליך הקליטה, עם אישור בשערים שהחברה בוחרת. Lookout יריץ את כל הרצף במסגרת הכללים שלכם, מהאות הראשון ועד הפגישה שנקבעה. crue כבר פועלת על Twin משלה, עם יותר מ־80 מיומנויות, והקו זז רק כשהשלב הנוכחי הוכיח את עצמו בעבודה אמיתית, קודם כול אצלנו. מה שנשאר אצל אנשים הוא החלק שנושא שם: השיחה עם הלקוח, ההכרעה והאישור הסופי.

מאיפה להתחיל

העצה של Gartner קרובה לשלנו: להשתמש בסוכנים במקום שבו נדרשת החלטה, באוטומציה פשוטה לתהליכי עבודה שגרתיים ובעוזר לבירורים פשוטים. חלק גדול מהערך נמצא בבחירה מה מתאים למה.

בחרו שגרה אחת שחוזרת כל שבוע, שיש לה סוף ברור ושמפיקה משהו שאדם יכול לבדוק בדקה. כתבו את המטרה, את הכלים שהסוכן רשאי להשתמש בהם ואת הנקודה שבה עליו לעצור, ובנו את העצירה הזאת לתוך הכלים, לא רק לתוך הפרומפט. שימו את השער לפני שמשהו יוצא מהחברה: החשבונית, המייל, הדף שמתפרסם. ואז ספרו ביושר באיזו תדירות הטיוטה לא הייתה צריכה שום תיקון.

סוכנים הם עדיין לא עמיתים. הם ג׳וניורים מהירים ובלתי נלאים, עם תחושה לא אחידה של מתי הם טועים. תנו לאחד מהם מטרה ברורה, את הכלים הנכונים ושער שהוא לא יכול לעבור בכוח שכנוע, והוא כבר מוריד הרבה עבודה מהשבוע.