“לא החזק ביותר שורד, ולא החכם ביותר, אלא זה שמסתגל לשינוי בצורה הטובה ביותר.”
(צ'ארלס דרווין)
עולם ניהול הפרויקטים נמצא בעיצומו של שינוי שלא דומה למה שהכרנו בעשורים האחרונים.
כלי בינה מלאכותית כבר אינם רעיון עתידני או כלי ניסיוני למחלקות חדשנות. הם נכנסו בפועל לשגרת העבודה היומיומית של מנהלי פרויקטים, צוותים ו- PMO.
ChatGPT מסכם פגישות ומנסח מסמכים.
Microsoft Copilot מייצר מצגות, דוחות ותוכניות עבודה.
מערכות בינה מלאכותית מזהות חריגות בלוחות זמנים, מנתחות סיכונים ומציעות תובנות על בסיס כמויות מידע שאדם כמעט אינו מסוגל לעבד בזמן סביר.
ולכן, השאלה כבר אינה האם הבינה המלאכותית תיכנס לעולם ניהול הפרויקטים. היא כבר כאן.
השאלה האמיתית היא כיצד ישתנה תפקידו של מנהל הפרויקט בעולם שבו מערכות חכמות מסוגלות לנתח מידע, לייצר תוכן, לזהות דפוסים ואפילו להציע החלטות.
ודווקא עכשיו, כשהטכנולוגיה הופכת לחכמה יותר, עולה מחדש השאלה מהו הערך האמיתי של מנהל הפרויקט האנושי.
לא עוד כלי אוטומציה, שינוי תפיסתי עמוק
דוחות או ניהול תהליכים בסיסיים. אבל בינה מלאכותית יוצרת (Generative AI) משנה את כללי המשחק משום שהיא אינה רק “מבצעת פעולה”, היא מייצרת תוכן, מסיקה מסקנות, מזהה דפוסים ומנהלת אינטראקציה בשפה טבעית.
בדוח של McKinsey Global Institute בשם The Economic Potential of Generative AI מתוארת ההשפעה הפוטנציאלית של בינה מלאכותית יוצרת כאחת הקפיצות המשמעותיות ביותר בפרודוקטיביות הארגונית בעשורים האחרונים. החוקרים כותבים:
“Generative AI’s impact on productivity could add trillions of dollars in value to the global economy. Our latest research estimates that generative AI could add the equivalent of $2.6 trillion to $4.4 trillion annually across the 63 use cases we analyzed […] This would increase the impact of all artificial intelligence by 15 to 40 percent.”
(McKinsey Global Institute, 2023.)
המשמעות של הנתונים הללו עצומה. לפי מקינזי, בינה מלאכותית יוצרת אינה עוד כלי תפעולי נקודתי, אלא טכנולוגיה בעלת פוטנציאל לשנות את רמות הפרודוקטיביות, תהליכי קבלת ההחלטות ואופן העבודה בארגונים בקנה מידה עולמי. לשם המחשה, החוקרים מציינים כי ההשפעה הכלכלית הפוטנציאלית של Generative AI דומה בהיקפה כמעט לכל התמ"ג של בריטניה בשנת 2021.
גם PMI מזהה שהשינוי הנוכחי אינו טכנולוגי בלבד, אלא שינוי עמוק באופן שבו ארגונים מנהלים פרויקטים, מקבלים החלטות ומובילים טרנספורמציה ארגונית.
במסמך Leading AI Transformation: Organizational Strategies for Project Professionalsנכתב בצורה ישירה:
“AI is redefining project management.”
(PMI, Leading AI Transformation: Organizational Strategies for Project Professionals, 2025, Foreword, p. ii)
בהמשך המסמך מדגיש PMI כי ארגונים שישלבו בינה מלאכותית בצורה נכונה לא רק יאמצו כלי עבודה חדשים, אלא ישנו את האופן שבו מתקבלות החלטות, מנוהלים משאבים ומובלים תהליכי שינוי. עוד נכתב:
“AI-powered insights will enable PMOs to anticipate risks, optimize resource allocation, and drive data-driven decision-making.”
(PMI, Leading AI Transformation: Organizational Strategies for Project Professionals, 2025, Foreword, p. ii)
כלומר, לפי PMI, בינה מלאכותית אינה נתפסת עוד ככלי תפעולי בלבד, אלא כמנוע אסטרטגי שמסוגל להשפיע על ניהול סיכונים, הקצאת משאבים וקבלת החלטות מבוססת נתונים.
זה אינו שינוי קוסמטי בניסוח או בתהליכים.
זה איתות ברור לכך שמקצוע ניהול הפרויקטים נכנס לעידן חדש. עידן שבו היכולת לעבוד נכון עם בינה מלאכותית תהפוך לחלק בלתי נפרד מהמקצוע עצמו.
אילו משימות של מנהל הפרויקט כבר משתנות?
כדי להבין לאן מקצוע ניהול הפרויקטים הולך, צריך להסתכל קודם על מה שכבר קורה בפועל. המהפכה של הבינה המלאכותית אינה תרחיש עתידי תיאורטי. היא כבר משפיעה על חלקים משמעותיים מהעבודה היומיומית של מנהלי פרויקטים, צוותים ו- PMO.
אחד התחומים הראשונים שעוברים שינוי הוא שלב התכנון (Planning). עד לא מזמן, בניית WBS ראשוני, יצירת תוכנית עבודה או ניסוח דרישות בסיסיות דרשו שעות של עבודה ידנית, ניסיון מצטבר, פגישות עם בעלי עניין ולעיתים גם לא מעט “ניסוי וטעייה”. כיום, כלי AI מסוגלים לייצר בתוך דקות שלד ראשוני של תוכנית עבודה, חלוקת משימות, User Stories, רשימות סיכונים ואפילו הצעות ללוחות זמנים. Microsoft, למשל, שילבה את Copilot בתוך Microsoft Project ו-Planner כדי לאפשר יצירת תוכניות עבודה אוטומטיות מתוך Prompt פשוט בשפה טבעית.
אבל כאן חשוב לעצור ולהבין נקודה מהותית: AI יודע לייצר שלד, הוא עדיין לא באמת מבין את המציאות הארגונית שבתוכה הפרויקט פועל. הוא אינו מכיר את איש המפתח שתמיד מתעכב במסירות קריטיות, הוא לא יודע שספק מסוים אולי זול יותר אך נכשל שוב ושוב בעמידה בלוחות זמנים, והוא בוודאי לא מבין שפוליטיקה פנימית או התנגדות סמויה של מנהל בכיר עלולות להפיל גם תוכנית שנראית “מושלמת” על הנייר. כלומר, הבינה המלאכותית מקצרת משמעותית את זמן ההקמה והתכנון אבל האחריות הניהולית והשיפוט המקצועי עדיין נשארים אנושיים.
השינוי הזה אינו נעצר רק בתכנון. אחד התחומים הראשונים שבהם AI כבר משנה בפועל את עבודת מנהל הפרויקט הוא ניהול הדיווחים והסטטוסים (Reporting). מי שמנהל פרויקטים מכיר היטב את השגרה: לרדוף אחרי עדכונים, לאסוף נתונים ממספר מערכות, לסכם פגישות, להכין מצגות סטטוס ולעדכן Dashboards. אלו משימות שגוזלות שעות רבות, אך בפועל מייצרות ערך מוגבל יחסית. כיום, מערכות AI כבר מסוגלות לסכם פגישות אוטומטית, לזהות משימות פתוחות (Action Items), לנתח מגמות ולהפיק Executive Summary בזמן אמת.
עוד כבר בשנת 2019 העריכה Gartner כי עד שנת 2030 כ-80% מהמשימות המסורתיות של ניהול פרויקטים יעברו אוטומציה באמצעות בינה מלאכותית. במאמר שציטט את תחזית Gartner נכתב:
“By 2030, 80 percent of the work of today’s project management discipline will be eliminated as artificial intelligence takes on traditional PM functions such as data collection, tracking and reporting.”
(Gartner Research, cited by Express Computer, 2019)
לפי Gartner, תפקיד מנהל הפרויקט לא צפוי להיעלם אלא להשתנות. ככל שמערכות AI ייקחו על עצמן יותר משימות תפעוליות ואדמיניסטרטיביות, כך מנהלי פרויקטים יתמקדו יותר בקבלת החלטות, הובלת שינוי, ניהול בעלי עניין וחשיבה אסטרטגית.
אולי התחום שבו ההשפעה של בינה מלאכותית עשויה להיות המשמעותית ביותר הוא ניהול סיכונים (Risk Management). מערכות המבוססות על ניתוח חיזוי (Predictive Analytics) כבר מסוגלות לזהות חריגות בלוחות זמנים, דפוסי כשל חוזרים, עומסים חריגים, צווארי בקבוק וסיכוני תקציב, לעיתים עוד לפני שמנהל הפרויקט עצמו מבחין בכך.
כך, למשל, NASA מתארת שימוש בבינה מלאכותית וב-Machine Learning לצורך ניתוח נתונים, זיהוי מגמות ודפוסים, תמיכה בתכנון משימות והפעלת מערכות אוטונומיות, כולל היכולת לזהות מצבי סיכון ולשפר את בטיחות ותפקוד המשימה. (NASA – Artificial Intelligence)
גם Siemens מציגה את פתרונות ה-Industrial AI שלה ככלים לניתוח מקצה לקצה, תחזוקה חזויה (Predictive Maintenance), אופטימיזציה של ביצועים וזיהוי מוקדם של תקלות לאורך שרשרת הערך התעשייתית. (Siemens – Industrial AI)
מבחינה ניהולית, המשמעות חורגת הרבה מעבר לתחזוקה טכנית. כאשר מערכות כאלה מאפשרות לזהות סיכונים בשלב מוקדם, הן תומכות במעבר מגישה תגובתית (Reactive) לניהול פרואקטיבי ומבוסס נתונים (Data-Driven), שבו ניתן לזהות ולמנוע מוקדם יותר עיכובים, חריגות תקציב והשבתות תפעוליות.
אבל כאן בדיוק נמצא גם אחד הסיכונים הגדולים ביותר של עידן ה-AI. בינה מלאכותית מסוגלת לזהות דפוסים (Patterns), לנתח מגמות ולהפיק תחזיות במהירות עצומה. אבל היא עדיין אינה באמת מבינה הקשר אנושי וארגוני. היא יכולה להתריע על איחור צפוי בפרויקט, אך לא להבין שהסיבה האמיתית היא התנגדות סמויה של מנהל מחלקה שמעולם לא תמך בפרויקט. היא יכולה לזהות ירידה בתפוקה, אך לא להבין שהצוות נמצא בשחיקה. והיא יכולה להציג תחזית “אופטימלית” מבלי להבין את המורכבות הפוליטית והאנושית שמאחורי קבלת ההחלטות.
ופה בדיוק נכנס ההבדל בין נתונים (Data) לבין שיקול דעת (Judgment).
מה AI עדיין לא יודע לעשות באמת
יש נטייה לחשוב שאם מערכת AI נשמעת חכמה אז היא גם “מבינה”. אבל בעולם ניהול הפרויקטים, היכולת לנתח מידע במהירות אינה בהכרח היכולת להבין אנשים, דינמיקה ארגונית או מציאות אנושית מורכבת.
פרויקטים אינם מורכבים רק מנתונים, לוחות זמנים ותקציבים. הם מתקיימים בתוך מערכות אנושיות שמושפעות ממערכות יחסים, אינטרסים, שחיקה, התנגדויות סמויות, תקשורת בין-אישית ופוליטיקה ארגונית. מנהל פרויקט מנוסה יודע שלעיתים הסיכון האמיתי לפרויקט כלל אינו מופיע ב-Dashboard או בדוח הסטטוס, אלא דווקא בשיחה שלא נאמרה, בחוסר אמון בין צוותים או בהתנגדות שקטה של בעל עניין מרכזי.
גם PMI מדגיש את החשיבות של ההיבט האנושי בניהול פרויקטים. ב-PMBOK® Guide מהדורה 8 מושם דגש משמעותי על Leadership, Stakeholder Engagement ו-Systems Thinking כחלק בלתי נפרד מהצלחת הפרויקט. המשמעות ברורה: הצלחת פרויקט אינה נובעת רק מתכנון נכון או מכלים טכנולוגיים, אלא גם מהיכולת להבין אנשים, לייצר אמון ולהוביל שינוי בתוך מערכת ארגונית מורכבת.
לבינה מלאכותית יש יכולות מרשימות מאוד. היא יודעת לנתח כמויות עצומות של מידע, לזהות מגמות, להפיק תחזיות ולהציע חלופות פעולה במהירות שאדם בודד אינו מסוגל להגיע אליה. אבל גם המערכות המתקדמות ביותר עדיין אינן באמת יודעות לבנות אמון, לנהל קונפליקט, להשפיע על בעלי עניין, לזהות שחיקה בצוות, לקרוא שפת גוף או להבין את המורכבות הפוליטית שמאחורי קבלת החלטות בארגון.
הפער הזה בין יכולות חישוביות לבין הבנה אנושית מקבל חיזוק גם במחקרים עדכניים. במחקר של Chaowarat-Watanabe ועמיתיו בשם The Impact of Emotional Intelligence on Project Success: Mediating Role of Team Cohesiveness and Moderating Role of Organizational Culture נמצא קשר חיובי מובהק בין אינטליגנציה רגשית של מנהלי פרויקטים, לכידות צוותית (Team Cohesiveness) והצלחת הפרויקט. החוקרים מציינים כי מנהלים בעלי אינטליגנציה רגשית גבוהה מצליחים לייצר סביבת עבודה חיובית יותר, לחזק שיתוף פעולה ואמון בין חברי הצוות ולשפר את ביצועי הפרויקט. עוד נכתב במחקר:
“Emotionally intelligent leaders foster a positive and supportive environment, motivating staff to perform at their highest level.”
(Watanabe et al., 2024)
בהמשך מדגישים החוקרים כי לכידות צוותית גבוהה מייצרת סביבת עבודה שבה עובדים מוכנים להשקיע יותר, לשתף פעולה ולהתמודד טוב יותר עם אתגרים לאורך הפרויקט. בנוסף, ממצאי המחקר הצביעו על קשר סטטיסטי חיובי ומשמעותי בין Team Cohesiveness לבין Project Success.
המשמעות של הממצאים הללו עמוקה במיוחד בעידן ה-AI. ככל שהטכנולוגיה הופכת מתקדמת יותר, כך היכולות האנושיות הופכות קריטיות יותר. דווקא בעולם שבו מערכות מסוגלות לנתח נתונים, לייצר תחזיות ולהציע החלטות, הערך של מנהל הפרויקט האנושי עובר ליכולות שמכונה עדיין אינה באמת יודעת לשחזר: הנהגה, אמפתיה, שיקול דעת, בניית אמון והובלת אנשים בתוך מציאות מורכבת ומשתנה.
ופה אולי נמצא השינוי הגדול ביותר שעובר מקצוע ניהול הפרויקטים. מנהל הפרויקט העתידי יידרש פחות לעסוק בתיאום משימות, מעקב אדמיניסטרטיבי ובניית סטטוסים ויותר בהובלת אנשים, קבלת החלטות, ניהול שינוי וחיבור בין אסטרטגיה, טכנולוגיה וצרכים עסקיים.
במילים אחרות, העתיד שייך למנהלי פרויקטים שיידעו לשלב בין יכולות אנושיות לבין עבודה חכמה עם בינה מלאכותית.
הסיכונים החדשים שבינה מלאכותית מביאה לפרויקטים
אבל לצד ההזדמנות הגדולה, בינה מלאכותית מביאה איתה גם סיכונים חדשים, וחלקם מסוכנים במיוחד דווקא משום שהם נראים אמינים, מדויקים ומשכנעים מאוד.
אחד הסיכונים המוכרים ביותר הוא תופעת ה-Hallucinations. מצב שבו מערכת AI מייצרת מידע שגוי, חלקי או מומצא לחלוטין, אך מציגה אותו בביטחון מלא. בעולם ניהול הפרויקטים, הסתמכות על מידע כזה עלולה להוביל להחלטות שגויות, הערכות סיכון לא מדויקות, תכנון לקוי או קבלת החלטות המבוססות על נתונים שלא אומתו כלל.
הסיכון הזה הופך משמעותי במיוחד כאשר מנהלי פרויקטים מתחילים להסתמך על מערכות AI לצורך ניתוח סטטוסים, חיזוי סיכונים, בניית תוכניות עבודה או הפקת תובנות ניהוליות. ככל שהמערכת נשמעת “חכמה” יותר, כך גדל גם הפיתוי לקבל את ההמלצות שלה ללא בדיקה ביקורתית מספקת.
סיכון נוסף הוא הטיה אלגוריתמית (Algorithmic Bias). מערכות AI לומדות מתוך נתונים היסטוריים, ולכן אם הנתונים שעליהם הן אומנו מוטים, גם ההמלצות שהמערכת תפיק יהיו מוטות. במציאות ארגונית, הטיות כאלה עלולות להשפיע על תעדוף משימות, הקצאת משאבים, הערכת ביצועים ואפילו על קבלת החלטות אסטרטגיות.
אבל אולי הסיכון המסוכן ביותר הוא דווקא “אשליית הדיוק”. כאשר מערכת AI מציגה Dashboard מרשים, גרפים מדויקים ותחזיות שנראות מקצועיות מאוד, קל להניח שהמערכת “יודעת”. בפועל, גם מודלים מתקדמים מאוד אינם באמת מבינים הקשר ארגוני, שיקולים פוליטיים, דינמיקה אנושית או השלכות עסקיות רחבות.
AI יודע לנתח נתונים. הוא אינו מחליף שיקול דעת ניהולי.
גם PMI מתייחס לצורך בשימוש אחראי בבינה מלאכותית ובהפעלת בקרה אנושית (Human Oversight) כחלק מהניהול של פרויקטים וסביבות עבודה מבוססות AI. במסמך Leading AI Transformation: Organizational Strategies for Project Professionals מדגיש PMI כי ארגונים חייבים לשאול שאלות מהותיות סביב משילות (Governance), מדיניות שימוש, אחריות וקבלת החלטות בעת שילוב AI בתהליכי עבודה. בין היתר נכתב:
“To guide AI adoption, organizations must answer critical questions: How will AI integrate with existing workflows? What governance structures are needed? How do we upskill teams? How do we measure AI success?"
(PMI, Leading AI Transformation: Organizational Strategies for Project Professionals, 2025, Foreword, p. ii)
בהמשך המדריך מדגיש PMI כי שימוש אחראי בבינה מלאכותית מחייב ארגונים להגדיר עקרונות אתיים ברורים סביב שקיפות, פרטיות, אחריותיות (Accountability), מניעת הטיות ובקרה אנושית על תהליכי קבלת החלטות.
המשמעות ברורה: האתגר האמיתי אינו רק טכנולוגי. הוא ניהולי, ארגוני ואתי. ככל שיותר החלטות יתבססו על AI, כך יגדל הצורך במנהלי פרויקטים שיידעו להפעיל שיקול דעת, לבקר את המערכת ולא לקבל כל תוצאה שמוצגת על המסך כאמת מוחלטת.
אז האם AI יחליף מנהלי פרויקטים?
כנראה שלא.
אבל הוא בהחלט עומד לשנות בצורה עמוקה את האופן שבו מקצוע ניהול הפרויקטים נראה, פועל ומייצר ערך.
חלק משמעותי מהעבודה שמנהלי פרויקטים מבצעים כיום כבר מתחיל לעבור אוטומציה: איסוף נתונים, הכנת דוחות, ניתוחים בסיסיים, סיכומי פגישות, בניית מצגות, מעקבי סטטוס ואפילו יצירת תוכניות עבודה ראשוניות. ככל שכלי AI יהפכו מדויקים ונגישים יותר, כך חלק גדול מהעבודה האדמיניסטרטיבית והתפעולית יצטמצם משמעותית.
אבל דווקא בתוך השינוי הזה מתחדד גם הגבול שבין יכולת טכנולוגית לבין יכולת אנושית.
בינה מלאכותית יודעת לנתח מידע במהירות עצומה, לזהות דפוסים ולהציע תחזיות. היא אינה באמת יודעת לבנות אמון, להתמודד עם התנגדויות, להוביל אנשים בתוך משבר, להבין פוליטיקה ארגונית או לקבל החלטות מורכבות בתוך מציאות אנושית לא צפויה.
וזה אולי המסר החשוב ביותר של עידן ה-AI.
ככל שהטכנולוגיה מתקדמת יותר כך הערך של היכולות האנושיות דווקא גדל. מנהלי הפרויקטים שיצליחו בעתיד לא יהיו בהכרח אלה שידעו להשתמש ביותר כלים, אלא אלה שיידעו לשלב בין בינה מלאכותית לבין חשיבה עסקית, שיקול דעת, הנהגה, אינטליגנציה רגשית והובלת שינוי.
וזו גם אולי אחת הסיבות לכך שמקצוע ניהול הפרויקטים לא נעלם אלא הופך משמעותי יותר. ארגונים עדיין צריכים אנשים שיודעים לקבל החלטות, להוביל שינוי, לנהל אי-ודאות ולחבר בין טכנולוגיה, אנשים ויעדים עסקיים.
מי שנכנס היום לעולם ניהול הפרויקטים לא נכנס למקצוע שנעלם אלא למקצוע שמשתנה ומתפתח במהירות.
העתיד לא שייך למי שיילחם בטכנולוגיה אלא למי שיידע לעבוד איתה נכון, מבלי לאבד את מה שהופך ניהול פרויקטים למקצוע אנושי כל כך.
אולי בסופו של דבר, זאת השאלה האמיתית.
לא כמה מהר ה-AI יודע לייצר תשובות אלא מה יביא מנהל הפרויקט לשולחן, שהמערכת שמולו עדיין לא מסוגלת להביא.
כי גם בעולם שמונע על ידי אלגוריתמים, פרויקטים עדיין מצליחים או נכשלים בגלל אנשים.
רוצים ללמוד עוד?
אם אתם שואפים לנהל פרויקטים בצורה מקצועית, לזהות סיכונים מראש ולבצע מענה מתאים למול הסיכונים, לעמוד ביעדים ולשלוט בלוחות זמנים – זה הזמן להצטרף לקורס ניהול הפרויקטים והכנה למבחן ה־PMP שלנו. - לקהל הנרשמים, או לקורס ניהול פרויקטים - PMO -לארגונים המזמינים אותו, הקורסים משלבים ידע עיוני עם כלים מעשיים, כולל סימולציות, תרגולים ומודלים ניהוליים מתקדמים. תלמדו כיצד ליישם את שיטת ה־Critical Path בפועל, איך להתמודד עם עיכובים ואיך להוביל צוות להצלחה. בין אם אתם בתחילת הדרך או כבר מנהלי פרויקטים מנוסים – הקורס ייתן לכם יתרון ברור בשטח.
* המאמר נכתב בלשון זכר מטעמי נוחות בלבד אך מיועד לנשים וגברים כאחד.
מאמר זה נכתב ע"י:
דן ברזילי MEng ,BSc ,PMP
מנכ"ל ומנהל פרויקטים.
וע"י:
הראל הייצין, Bsc, PMP
מנהל פרויקטים
