איי סוכנים: כשכל מחלקה בונה AI משלה ואף אחד לא רואה את התמונה המלאה

דמיינו ששירות הלקוחות בנה סוכן שממיין פניות. הכספים בנו סוכן שמסכם חשבוניות. משאבי אנוש בנו סוכן שסורק קורות חיים. שלושתם עובדים. אף אחד מהם לא מתקשר עם האחרים, ואף אחד לא יודע מה קורה כשמשהו משתבש. התרחיש הזה ממחיש את בעיית התיאום ש־Camunda מכנה “איי סוכנים”.

הנתונים מאחורי התופעה

הדוח של Camunda לשנת 2026 מבוסס על סקר שהזמינה בקרב 1,150 מקבלי החלטות וארכיטקטים בארגונים גדולים. הסקר נערך בארצות הברית, בבריטניה, בצרפת ובגרמניה בסתיו 2025. לפי הממצאים שפרסמה, 71% דיווחו על שימוש בסוכנים ו־48% על סוכנים שפועלים במנותק. בנפרד, הדוח מציין כי 11% ממקרי השימוש בסוכני AI הגיעו לסביבת הייצור בשנה שקדמה לסקר.

לנתונים האלה בסיסי חישוב שונים: 11% מתייחס למקרי שימוש, לא לארגונים או למשתמשי סוכנים. זהו סקר בהזמנת ספק, לא מפקד של כלל הארגונים. הוא מצביע על קשיי תיאום, אך אינו מוכיח שממשל הוא הסיבה היחידה לעיכוב פיילוטים; גם איכות המודל, האינטגרציה, העלות והמיומנויות משפיעות.

למה “עוד פיילוט” לא פותר את זה

הבעיה עם איי סוכנים היא לא שכל אחד לבד לא עובד. הבעיה מתגלה כשמנסים להרחיב:

• אמינות בהיקף פעילות גדול. סוכן עשוי לבחור מסלולים שונים ותקינים בהרצות חוזרות. התהליך עדיין זקוק לקריטריונים ברורים לקבלת התוצאה, לתיעוד אמין ולטיפול מוגדר בחריגים בכל המסלולים.
• מורכבות ציות. קשה להחיל בקרה אחידה על סוכנים מבודדים. שלבי אישור משותפים, מדיניות גישה ומסלולי הסלמה יכולים לסייע ביישום עקבי של דרישות התיעוד והפיקוח. תזמור לבדו אינו מבטיח עמידה בדרישות הדין.
• פיצול תפעולי. כשכל מחלקה בונה בעצמה, אין מי שרואה את התמונה המלאה - איזה סוכן ניגש לאילו נתונים, מי אחראי כשמשהו נכשל, ואיך מונעים כפילות מאמץ בין צוותים.

מודל טוב יותר לבדו לא יפתור אחריות לא ברורה או העברת עבודה ללא תיאום. אלה דורשות החלטות ארגוניות לצד עבודה טכנית.

הדרך לאיחוד: תזמור לפני הרחבה

הגישה המומלצת מתחלקת לארבעה עקרונות:

1. סוכן הוא משתתף בתהליך, לא כלי עצמאי. במקום שהסוכן “יחליט הכול”, הוא מבצע שלב מוגדר בתוך תהליך שאפשר לעקוב אחריו ולעצור אותו.
2. תשתית ממשל מובנית מראש - אישורים, מסלולי ביקורת ונתיבי הסלמה - ולא תוספת שמנסים לצרף אחרי שהיקף השימוש גדל.
3. מודל פלטפורמה. צוות מרכזי מנהל את הגישה למודלי השפה ואת שכבת התזמור; צוותים עסקיים שאחראים לתהליכים מסוימים בונים עליה. כך אפשר לצמצם כפילות בתשתיות. היכולת לעבור בין ספקים עדיין תלויה בממשקים, בנתונים ובהסכמים שתבחרו.
4. נקודות בקרה אנושיות באופן שיטתי - Human-in-the-Loop לפני שמרחיבים את סמכות ה-AI, לא אחרי תקרית.

העדיפות המעשית היא לתאם בין הסוכנים הקיימים לפני שמוסיפים עוד סוכנים.

מה זה אומר לארגון שלכם

אם יש לכם כבר שני-שלושה פיילוטים של AI סוכני במחלקות שונות, זה הזמן לעצור ולשאול: מי רואה את כל התמונה? האם יש מדיניות משותפת לגישה לנתונים? איך מעבירים עבודה מורשית בין משאבי אנוש לכספים בלי לחשוף מידע אישי שאינו נדרש?

התשובה הפרקטית היא לרוב לא “לבטל את הפיילוטים”, אלא להעביר אותם לשכבת תזמור משותפת - כזו שמאפשרת לכל מחלקה להמשיך לבנות, אבל בתוך מסגרת אחת של ממשל, תיעוד ובקרה. כתבנו בהרחבה על הארכיטקטורה הזו - ההפרדה בין הסוכן למנוע התהליך, וארבע השכבות שמכניסות סוכן למסלול בטוח - בסוכני AI צריכים מנצח. זהו הצד הטכני של אותה בעיה; הפוסט הזה מתמקד בצד הארגוני: איך יוצרים את המבנה שמאפשר לטכנולוגיה הזו לעבוד בהיקף פעילות רחב.

זו בדיוק העבודה שאנחנו עושים ב-NG Workshop מול ארגונים ישראליים: לא לבנות עוד סוכן מבודד, אלא לחבר את מה שכבר קיים לתהליכים שאפשר לנהל, למדוד ולהרחיב.

מקורות

• Stop Building Agent Islands. Start Orchestrating

סיכום

• הסקר של Camunda מתאר התנסות רחבה ושימוש מוגבל בסביבת הייצור; אלה מדדים בעלי בסיס חישוב שונה, שאינם מוכיחים סיבה יחידה לפער.
• איי סוכנים יוצרים בעיות מהימנות, ציות ותיאום שמחריפות ככל שמרחיבים שימוש.
• הפתרון: להפוך סוכנים למשתתפי תהליך תחת ממשל משותף, לפני שממשיכים להרחיב.

יש לכם כמה פיילוטי AI במחלקות שונות? בואו נבנה להם שכבת תזמור משותפת