הרבה עסקים תקועים באותה נקודה. עשו פיילוט של AI, ראו שזה מרשים, ואז לא ידעו איך להפוך את זה למשהו שרץ באמת ביום יום. בנק Santander, אחד הגדולים באירופה, פרסם בסוף יוני 2026 מספרים שמראים איך נראה המעבר הזה בקנה מידה גדול, ומתוכם אפשר לחלץ לקח מעשי גם לעסק קטן.
הזווית העסקית, כשבנק ענק עובר מהבטחה לביצוע
לפי הצהרת הבנק, Santander מרחיב את הגישה לכלי AI לכלל 185 אלף העובדים שלו ברחבי העולם, לעומת כ-40 אלף שהשתמשו בהם קודם. בבסיס המהלך עומדים למעלה מ-280 agents לאוטומציית תהליכים שכבר פועלים בייצור, לא בפיילוט, ומטפלים במשימות בתחומי אשראי, הונאות, זיהוי לקוח ותפעול.
המספר שמושך את העין הוא היעד הכספי. הבנק הציב מטרה של יותר ממיליארד יורו בערך עסקי מ-AI בין 2026 ל-2028, שאמור להגיע משילוב של הכנסות נוספות והפחתת עלויות. לפי Ricardo Martín Manjón, מנהל הנתונים וה-AI בבנק, ברבעון הראשון של 2026 נוצר ערך של 35 מיליון יורו, והבנק צופה לחצות 200 מיליון יורו עד סוף השנה ככל שפתרונות נבחרים יתרחבו לרוחב הקבוצה.
נקודה חשובה למי שמנסה לבחור כלי. Santander לא הימר על ספק אחד. הוא עובד בגישה רב ספקית שכוללת בין השאר את Microsoft Copilot לפרודוקטיביות יומיומית, ולצידם מודלים כמו ChatGPT של OpenAI, Claude של Anthropic ו-Gemini של Google. במילים אחרות, גם ארגון בסדר גודל כזה בוחר כלי לפי המשימה ולא מתחתן עם מודל אחד.
מה הם עושים בפועל
הדוגמאות הקונקרטיות מלמדות יותר מהיעד הכללי. לפי הבנק, בברזיל טיפול בתביעות הונאה בכרטיסים נעשה מהיר בערך ב-95 אחוז, עם אוטומציה של עד 90 אחוז ושיעור שגיאות מתחת לאחוז. בבריטניה הבנק מפעיל AI בערוצי הקול כדי לטפל בפניות שקשורות לכרטיסים, במטרה לנתב כ-240 אלף שיחות בשנה לשירות עצמי, מה שלדבריו חוסך כ-26 אלף שעות ללקוחות וכ-45 אלף שעות לעובדים שיכולים להתפנות למקרים מורכבים.
מה שמשותף לכל הדוגמאות האלה הוא שהן ממוקדות בתהליך אחד ברור עם תוצאה מדידה, ולא בהטמעה כללית ומעורפלת של AI על הכל בבת אחת.
הלקח לעסק הקטן
וכאן מתחברת הזווית שרלוונטית גם למי שאין לו 185 אלף עובדים. השיטה שעובדת בבנק גדול היא בדיוק זו שמתאימה לעסק קטן. בוחרים תהליך אחד חוזר שגוזל זמן, למשל מענה ראשוני לפניות, סיכום מסמכים או עדכון רשומות. מגדירים לו תוצאה מדידה, כמה זמן נחסך או כמה פחות שגיאות. מפעילים agent אחד עם נקודת בקרה אנושית, ומודדים אחרי כמה שבועות. אם זה עובד, מרחיבים בזהירות. אם לא, מכבים ולומדים. הפיתוי לאטומט את הכל בבת אחת הוא בדיוק מה שגורם לפרויקטים כאלה להתפוצץ.
הסתייגות, מה כדאי לדעת לפני שמתרגשים
חשוב לזכור שהמספרים כאן הם של Santander עצמו. יעד המיליארד יורו הוא תחזית, לא תוצאה שהושגה, ונתון ה-35 מיליון ברבעון הוא מדד פנימי של הבנק ולא ביקורת חיצונית בלתי תלויה. שווי עסקי הוא מדד שהחברה מגדירה בעצמה, וקל להציג אותו באור חיובי. ראוי להתייחס אליו כאל כיוון ולא כאל הבטחה.
מעבר לזה, הרצת agents על תהליכים שנוגעים לכסף, לאשראי או לנתוני לקוחות היא בדיוק המקום שבו טעות עולה ביוקר. בנק גדול מקיף את זה בשכבות של ממשל, מעקב ורישום פעולות, מה שמכונה audit trails, ובנקודות אישור אנושיות לפני שהמערכת מבצעת פעולה קריטית. עסק קטן שרוצה ללכת באותו כיוון חייב לבנות לעצמו גרסה מוקטנת של אותם בלמים, גם אם היא פשוטה. agent בלי פיקוח על פעולה שנוגעת לכסף הוא לא חיסכון, הוא סיכון.
בשורה התחתונה
הסיפור של Santander מעניין פחות בגלל גודל המספרים ויותר בגלל השיטה. מעבר מפיילוט לייצור לא קורה בקפיצה אחת גדולה אלא בהרבה תהליכים ממוקדים שכל אחד מהם מודד את עצמו. הלקח לעסק קטן זהה, התחל מתהליך אחד, שמור על אדם בלולאה, ומדוד לפני שמרחיבים. את התחזיות הכספיות הגדולות כדאי לקרוא בעין ביקורתית, כי הן עדיין הבטחה של הצד המעוניין.
1. בכמה Santander מרחיב את הגישה לכלי AI ועל כמה agents מדובר?
Santander מרחיב את הגישה לכלל 185 אלף העובדים שלו ברחבי העולם, לעומת כ-40 אלף שהשתמשו בהם קודם. בבסיס המהלך עומדים למעלה מ-280 agents לאוטומציית תהליכים שכבר פועלים בייצור, לא בפיילוט, ומטפלים במשימות בתחומי אשראי, הונאות, זיהוי לקוח ותפעול.
2. מהו היעד הכספי של הבנק ומה כדאי לזכור לגביו?
הבנק הציב מטרה של יותר ממיליארד יורו בערך עסקי מ-AI בין 2026 ל-2028, משילוב של הכנסות נוספות והפחתת עלויות. ברבעון הראשון של 2026 נוצר לפי הבנק ערך של 35 מיליון יורו, עם צפי לחצות 200 מיליון יורו עד סוף השנה. חשוב לזכור שיעד המיליארד הוא תחזית ולא תוצאה שהושגה, ונתון ה-35 מיליון הוא מדד פנימי של הבנק ולא ביקורת חיצונית בלתי תלויה.
3. באיזו גישה Santander בחר את הכלים שלו?
Santander לא הימר על ספק אחד, אלא עובד בגישה רב ספקית שכוללת בין השאר את Microsoft Copilot לפרודוקטיביות יומיומית, ולצידם מודלים כמו ChatGPT של OpenAI, Claude של Anthropic ו-Gemini של Google. במילים אחרות, גם ארגון בסדר גודל כזה בוחר כלי לפי המשימה ולא מתחתן עם מודל אחד.
4. אילו תוצאות קונקרטיות הבנק מדווח עליהן בפועל?
בברזיל טיפול בתביעות הונאה בכרטיסים נעשה מהיר בערך ב-95 אחוז, עם אוטומציה של עד 90 אחוז ושיעור שגיאות מתחת לאחוז. בבריטניה הבנק מפעיל AI בערוצי הקול לטיפול בפניות שקשורות לכרטיסים, במטרה לנתב כ-240 אלף שיחות בשנה לשירות עצמי, מה שחוסך לדבריו כ-26 אלף שעות ללקוחות וכ-45 אלף שעות לעובדים. המשותף לכל הדוגמאות הוא מיקוד בתהליך אחד ברור עם תוצאה מדידה.
5. מהו הלקח המרכזי לעסק קטן?
בוחרים תהליך אחד חוזר שגוזל זמן, מגדירים לו תוצאה מדידה, מפעילים agent אחד עם נקודת בקרה אנושית, ומודדים אחרי כמה שבועות. אם זה עובד, מרחיבים בזהירות, ואם לא, מכבים ולומדים. הפיתוי לאטומט את הכל בבת אחת הוא בדיוק מה שגורם לפרויקטים כאלה להתפוצץ, ו-agent בלי פיקוח על פעולה שנוגעת לכסף הוא לא חיסכון אלא סיכון.
