GenAI במגזר הציבורי

בינה מלאכותית ג׳נרטיבית (GenAI) כבר אינה “עוד טכנולוגיה” שמגיעה לממשלה - היא הופכת למכפיל כוח תפעולי שמקצר תהליכים, משפר את איכות שירות, ומאפשר לארגונים ציבוריים להתמודד עם עומסי עבודה, מחסור בכוח אדם ומערכות לגאסי (Legacy) יקרות לתחזוקה. מחקר של Deloitte Insights מצא כי “טכנולוגיות חכמות” יכולות לחסוך כ־75%–95% מזמן ביצוע של משימות מסוימות - החל מטיוטת דוחות ועד ניתוב מסמכים לבעלי תפקיד רלוונטיים.

המסר המרכזי להנהלות בכירות, מנהלי כספים (CFOs) ומנהלי טכנולוגיה: הערך הגדול ביותר בטווח הקרוב אינו “בוט נחמד”, אלא אוטומציה והרחבה (automation & augmentation) של עבודה יומיומית - באופן שמפנה אנשים למשימות בעלות ערך גבוה יותר, משפר חוויית עובד/ת ושירות לאזרח/ית, ומייצר תשתית לסקייל (Scale) מהיר. 

היכן GenAI משנה את כללי המשחק בממשלה?

אוטומציה חכמה של עבודת מטה, לא במקום האדם אלא כמכפיל ייעול לאדם
במגזר הציבורי, לא מעט משאבים מתבזבזים על קריאה, סיכום, תיעוד, תכתובות, טפסים והעברות בין גורמים. GenAI מתאים במיוחד למשימות שבהן יש הרבה טקסט, רגולציה וצורך לקצר את משך העבודה מבלי לפגוע באיכות שלה - לדוגמה סיכום תיק, ניסוח מכתב, הפקת תקציר החלטה, או הכנת טיוטת מסמך מדיניות. כשמשתמשים בו נכון, הוא מאפשר לעובדי שטח (כמו מנהלי תיקים) להפחית בירוקרטיה ולהגדיל זמן מול מקבלי שירות. 

קחו, לדוגמא, קייס מבריטניה: בניסוי רחב היקף של Microsoft 365 Copilot בממשלת בריטניה (20,000 עובדי ציבור ב־12 משרדים, 09–12/2024), פורסם כי המשתתפים חסכו בממוצע כ־26 דקות ביום ו־82% לא רצו לחזור לדרך העבודה שהייתה נהוגה לפני כן.. וזהו רק שלב הההיכרות הראשונית עם הטכנולוגיה. 

רגולציה ומדיניות: פחות חיכוך, יותר בהירות
נטל רגולטורי ידוע כאחת המשקולות הכבדות על Doing Business, ואין ממשלה מתקדמת בעולם שלא עושה מאמצים מסוגים שונים כדי לצמצם אותו, אך ניכר שקיים אפקט תקרה ביכולת לפשט ולצמצם רגולציה בכלים הסטנדרטיים, וכאן הטכנולוגיה משנה את הכללים. משרדי ממשלה יכולים להשתמש ביכולות שפה טבעית כדי לאתר כפילויות וסתירות בין רגולציות, להציע “איחוד” ניסוחים, ולהפיק הסברים מותאמים וברורים לעסקים ולאזרחים. מדובר במהלך בעל ערך כלכלי אמיתי: פחות אי־ודאות, צמצום פערי ציות (Compliance) וכפועל-יוצא -  פחות עומס בפניות. 

החלטות מבוססות־נתונים: עליית מדרגה נוספת בתפקידו של דאטה כ"זהב" ארגוני
לממשלה יש שפע של דאטה, אבל לא תמיד יכולת לתרגם אותו לתובנות בקצב שמשרת את קבלת ההחלטות. ממשקי שפה טבעית יכולים לאפשר גם ללא־טכניים “לשאול את הנתונים” ולקבל תשובות מנומקות, לחפש מידע לא מובנה, ולהפיק תובנות תפעוליות בזמן אמת—תוך בקרה אנושית. 

מניעת הונאות ושמירה על כספי ציבור
הונאות פיננסיות הופכות מתוחכמות יותר, והנפח הדיגיטלי מקשה על שיטות זיהוי מסורתיות. כלים מבוססי בינה מלאכותית יכולים לסרוק טרנזקציות ולזהות חריגות, לתעדף חקירה אנושית, ולתמוך בבקרות. עבור CFO במגזר הציבורי זהו שדה שבו ROI יכול להיות מהיר - כי כל “אחוז שיפור” מתורגם ישירות לחיסכון ולניהול סיכונים טוב יותר. הדבר המעניין- כלים מסוג זה נמתאים בשימוש במדינות כמו קנדה וארה"ב כבר כעשור, אך הבשלת הטכנולוגיה מייעלת מאד את איכותם ומאפשרת הנגשה רחבה פשוטה וזולה שלהם למדינות רבות.

קייס סטאדיס: מה קורה בעולם ובאזורנו?

ישראל: מסגרת אחריות ואמון במגזר הציבורי
ביוני 2025 הושק בישראל מדריך “Responsible AI” למגזר הציבורי, עם עקרונות מעשיים לשימוש אחראי, אימות תוצרים, ותפקיד האדם בהחלטות. עבור הנהלות, זו נקודת מפתח: סקייל אמיתי קורה רק כשמשלבים חדשנות עם קוד אתי ומודל אחריות ברור. בישראל זכינו בדלויט ללוות את רשת אורט בעבודה פורצת דרך של גיבוש קוד אתי לשימוש ב AI במוסדות חינוך. ארגונים שטרם גיבוש מודל אחריות וקוד אתי חייבים לצלול לזה במהירות, כי כידוע עם כח גדול מגיעה אחריות רבה.

סינגפור: ממשל תאגידי (Governance) עוד לפני סקייל
סינגפור קידמה כבר ב־2024 תהליך ציבורי סביב מסגרת ממשל (Governance) ל-GenAI,  ובמקביל משרד האוצר בחן שימוש בכלים טכנולוגיים (לרבות AI) לשיפור יעילות ברכש ולהפחתת שגיאות. זהו שילוב שמעניין במיוחד CFOs: רכש הוא אחת הנקודות שבהן אוטומציה, בקרות, ותיעוד החלטות יכולים להחזיר ערך מהר. 

אז מה עושים ביום ראשון הקרוב בבוקר: שלוש החלטות הנהלה שמבדילות בין פיילוט לרצפת ייצור

1. לבחור 3–5 תהליכי־עוגן (Anchor Processes) בעלי "נפח" פעילות גבוה: תהליכי שירות, תיעוד, רכש, תקצוב/בקרה, או טיפול בתיקים—ולמדוד זמן, איכות, ושביעות רצון לפני/אחרי.
2. להקים מעטפת אמון ובקרה לצד קוד אתי: מדיניות נתונים, אבטחה, בדיקות איכות והגדרה ברורה “מתי האדם חייב להיות בלופ”. זה מה שמאפשר לצמוח בלי לאבד אמון ציבורי. 
3. להכין מסלול מעבר מפיילוט לפרודקשן: ארכיטקטורה שמתחברת ללגאסי, התאמות תפעוליות, והרחבת יכולות ארגוניות (מי מפתח, מי מבקר, מי מאשר). הערך לא מגיע מרכישת תוכנה בלבד אלא ממחויבות הנהלה, השקעה, וחזון ישים

לסיכום, המהפכה האמיתית של GenAI במגזר הציבורי אינה תחרות בין מודלים, אלא שינוי שיטתי של שרשראות עבודה: פחות זמן שמבוזבז בניסוח/חיפוש/תיעוד - יותר זמן שמושקע על שיקול דעת, שירות ובקרה. ההזדמנות הגדולה ביותר נמצאת, על פי רוב, במקומות הכואבים והמאתגרים ביותר. או-אז, עם ממשל נכון, אפשר להפוך ניצוצות של חדשנות לתוצאות בקנה מידה לאומי.