כשהמכונה נכנסת לחדר המלחמה: השינוי העמוק ביותר בתולדות החשיבה האסטרטגית המודרנית

מן ה־Strategos אל האלגוריתם: כיצד הבינה המלאכותית משנה את עצם מושג האסטרטגיה

אסטרטגיה נולדה הרבה לפני שהאנושות ידעה לקרוא לה בשם. קבוצות אנושיות תכננו ציד, הגנו על שטחים, כרתו בריתות, הטעו יריבים וחילקו משאבים אלפי שנים לפני שהופיעה תאוריה מסודרת של פעולה. אולם המילה עצמה נולדה ביוון העתיקה מתוך דמותו של ה־strategos, מפקד הצבא, ומשמעותה המקורית הייתה קרובה יותר למצביאות, להנהגה ולסמכות הפיקוד מאשר ל“תוכנית ארוכת טווח”. רק באירופה של סוף המאה ה־18 וראשית המאה ה־19 החל המונח לשמש כקטגוריה מובחנת להבנת המלחמה, ורק במאה ה־20 הוא התרחב אל הכלכלה, העסקים, הדיפלומטיה, ההרתעה והניהול. ההיסטוריה של האסטרטגיה היא אפוא היסטוריה של התרחבות: מן המפקד אל המערכה, מן המערכה אל המדינה, מן המדינה אל הארגון, וכעת מן הארגון האנושי אל מערכת קוגניטיבית משולבת של אדם ומכונה.

הבינה המלאכותית ניצבת על הרצף הזה לא רק כטכנולוגיה חדשה אלא כשלב חדש בתולדות החשיבה האסטרטגית. אבק השרפה שינה את עוצמת האש, הרכבת שינתה את הלוגיסטיקה, הטלגרף שינה את מהירות הפיקוד, המטוס שינה את משמעות המרחק והנשק הגרעיני שינה את מחיר המלחמה. הבינה המלאכותית חודרת עמוק יותר: היא פועלת בתוך המרחב שבו המציאות הופכת למידע, המידע לפרשנות, הפרשנות לחלופות והחלופות להחלטה. היא אינה רק אמצעי שבאמצעותו האסטרטג פועל; היא משתתפת בהדרגה ביצירת תמונת העולם שבתוכה הוא חושב. משום כך השאלה אינה עוד כיצד להשתמש ב־AI כדי לבצע אסטרטגיה קיימת, אלא כיצד AI משנה את ההגדרה של יעד, את מבנה הניהול, את מדידת הפריון, את זיהוי המכשולים, את גמישות התכנון ואת הקשר שבין החלטה לתוצאה.

במובנה המודרני, אסטרטגיה היא ניסיון ליצור התאמה בין מטרות, דרכי פעולה ואמצעים בתנאים של מגבלות, אי־ודאות והתנגדות. הנוסחה המקובלת של ends, ways and means מדגישה כי לא די להצהיר על יעד; יש לקבוע כיצד יושג, באמצעות אילו משאבים ובאיזה מחיר. אולם הבינה המלאכותית מערערת את יציבותם של שלושת המרכיבים. היא מרחיבה את האמצעים, מציעה דרכי פעולה חדשות ואף משפיעה על האופן שבו היעד עצמו מנוסח. היא יכולה להראות כי מטרה שנחשבה בלתי אפשרית נעשתה אפשרית, שמטרה שנראתה כדאית כרוכה בעלויות נסתרות, או שהמדד שנבחר כדי לבטא הצלחה אינו מודד את התכלית האמיתית. במקביל, היא עלולה לגרום לארגון להחליף את מה שחשוב במה שקל לחשב, ולהפוך את המדד מאמצעי לבחינת התקדמות לתחליף מלאכותי למטרה.

זה הפרדוקס הראשון של האסטרטגיה האלגוריתמית: ככל שיכולת האופטימיזציה משתפרת, כך נעשית הגדרת היעד חשובה ומסוכנת יותר. מערכת יכולה למזער זמן המתנה, להגדיל תפוקה, להוריד עלויות, לשפר שיעורי תגובה או להגדיל חשיפה; היא אינה יכולה לקבוע לבדה אם אלה אכן הביטויים הנכונים להצלחה. ארגון המבקש לשפר שירות עשוי להורות למערכת לקצר שיחות, אף שהפתרון האיכותי מחייב לעיתים שיחה ארוכה. מערכת תקשורת עשויה למקסם מעורבות ולהחליש אמון. גוף ביטחוני עשוי למקסם מספר מטרות שטופלו בלי לשפר את ההישג המדיני. חברה עשויה לצמצם כוח אדם ולהציג חיסכון מיידי, אך לאבד ידע, נאמנות ויכולת הסתגלות. AI יכולה להאיץ מאוד את הדרך אל היעד; אם היעד הוגדר באופן לקוי, היא מאיצה באותה יעילות את הדרך אל הכישלון.

לכן בעידן הבינה המלאכותית נדרשת הבחנה חדה בין תכלית, יעד, מדד ודרך פעולה. התכלית היא הסיבה העמוקה לקיומו של המהלך; היעד הוא התוצאה המבוקשת; המדד הוא הסימן שבאמצעותו מעריכים התקדמות; דרך הפעולה היא האופן שבו מבקשים להגיע לשם. מערכות חישוביות נוטות לדחוס את ארבעת הרבדים למשתנה שניתן לבצע עליו אופטימיזציה. תפקידה של הנהגה אסטרטגית הוא למנוע את הדחיסה הזאת. הדרך צריכה להשתנות במהירות כאשר היא נכשלת, המדדים צריכים להיבחן כאשר הם מפסיקים לשקף את המציאות, היעד יכול להתעדכן כאשר תנאי היסוד משתנים, אך התכלית אינה אמורה להתחלף בכל פעם שמגיע זרם נתונים חדש. ללא היררכיה ברורה בין הרמות, הגמישות שהטכנולוגיה מאפשרת הופכת לתזזיתיות ניהולית.

המעבר הגדול הבא הוא מתוכנית קשיחה לאסטרטגיה לומדת. במשך רוב העידן המודרני פעלו ארגונים במחזורים: איסוף מידע, הערכת מצב, קביעת יעד, בניית תוכנית, ביצוע ובחינה מחודשת. AI הופכת את המחזור לזרם כמעט רציף. מידע נכנס ללא הפסקה, תחזיות משתנות, חריגות מזוהות והמלצות מתעדכנות בזמן אמת. בכך היא מאפשרת לארגון לבדוק את הנחותיו לאורך הדרך ולא רק בסופה. יעד אינו חייב עוד להיות נקודה קבועה שנבחרה על בסיס הערכה חד־פעמית; הוא יכול להפוך להשערה אסטרטגית הנבחנת מול המציאות. אולם ככל שהעדכון תכוף יותר, עולה הסיכון שהארגון יאבד את ההבחנה בין שינוי מבני לבין רעש זמני, בין מגמה לבין תנודה ובין הסתגלות מושכלת לבין רדיפה אחר הנתון האחרון.

השפעה זו נוגעת ישירות לגמישות המחשבתית. AI יכולה להרחיב את טווח החשיבה באמצעות יצירת תרחישים, ערעור הנחות, הצגת נקודת המבט של יריב, השוואה למקרים היסטוריים והפקת חלופות שלא נבחנו. היא מאפשרת לכל מנהל להפעיל בתוך דקות מעין צוות אדום, צוות מחקר ויחידת תכנון. אולם אותה מערכת יכולה לצמצם את המחשבה אם המשתמשים מאמצים את תשובתה הראשונה, אם כל הארגון נשען על אותם מודלים, או אם המודלים משכפלים את ההנחות הדומיננטיות המצויות בנתוני האימון. אז נוצרת אחידות קוגניטיבית במסווה של יצירתיות: מספר המסמכים גדל, מספר הניסוחים גדל, אך מגוון הרעיונות האמיתי מצטמצם. הסכנה אינה רק שמכונה תטעה, אלא שמוסדות שלמים יטעו באותו כיוון, באותו סגנון ובאותו ביטחון.

מחקר שנערך בקרב מאות יועצים תיאר את יכולות הבינה המלאכותית כ“חזית טכנולוגית משוננת”: משימות שנראות לבני אדם דומות ברמת הקושי עשויות להימצא משני צדדים שונים של גבול היכולת. בתוך החזית, AI מסוגלת לשפר מהירות ואיכות; מחוץ לה, היא עלולה לייצר תשובות משכנעות אך שגויות ולגרום למשתמשים להסתמך עליהן. הממצא משנה את מושג הגמישות: שימוש חכם אינו מסירת כל משימה למודל, אלא ידיעה היכן הוא מרחיב את החשיבה והיכן הוא מסווה את מגבלותיו. ארגון גמיש אינו הארגון שמאמץ AI בכל מקום, אלא זה שמסוגל לעצב חלוקת עבודה משתנה בין בני אדם למכונות בהתאם לסוג הבעיה.

השפעת הבינה המלאכותית על הפריון כבר ניכרת, אך גם כאן הנתונים מחייבים פירוש זהיר. במחקר על 5,179 נציגי שירות, גישה לעוזר מבוסס מודל שפה העלתה את הפריון בכמעט 14% בממוצע, כאשר עובדים חדשים ובעלי מיומנות נמוכה יחסית נהנו משיפור של כ־35%, בעוד שאצל העובדים המנוסים ביותר התועלת הייתה קטנה ולעיתים אפסית. המשמעות האסטרטגית אינה רק שעובדים מבצעים יותר משימות, אלא שהמערכת מסוגלת ללכוד חלק מן הידע הסמוי של העובדים החזקים ולהפיץ אותו במהירות לעובדים אחרים. כך AI אינה רק חוסכת זמן; היא משנה את מנגנון הפצת הידע בארגון, מצמצמת חלק מפערי הניסיון ומקצרת את תקופת הלמידה.

אולם יש להבחין בין פריון משימתי, תהליכי, ארגוני ואסטרטגי. פריון משימתי מודד כמה מהר הושלם מסמך, ניתוח, שיחה או קטע קוד. פריון תהליכי בוחן אם פחתו עיכובים, כפילויות והעברות מיותרות בין יחידות. פריון ארגוני שואל אם הארגון כולו ייצר יותר ערך ולא רק יותר פלט. פריון אסטרטגי בוחן אם אותם משאבים הובילו להשגת תוצאות חשובות יותר. ארגון יכול להציג שיפור מרשים ברמה הראשונה ולהיכשל בשלוש האחרות: העובדים כותבים יותר דוחות, המנהלים מקבלים יותר מסמכים, מספר הישיבות עולה וזמן ההכרעה מתארך. עלות יצירת המידע צונחת, אך הקשב האנושי נשאר מוגבל. צוואר הבקבוק אינו נעלם; הוא עובר מהפקת חומר ליכולת לסנן, לבדוק, להבין ולהחליט.

זהו פרדוקס הפריון של הבינה המלאכותית: ככל שקל יותר לייצר תוצר, כך גוברת הסכנה של ייצור יתר. כל מסמך שנוצר בחמש דקות עלול לדרוש חצי שעה של קריאה אצל שלושה אנשים. כל המלצה חדשה דורשת בדיקה, כל חלופה דורשת הכרעה וכל ערוץ תקשורת חדש מייצר ציפייה לתגובה. לכן הפריון האמיתי אינו נמדד בכמות שהמערכת מייצרת, אלא בכמות החיכוך שהיא מסירה מן הדרך אל התוצאה. לפעמים הערך הגבוה ביותר של AI אינו ביצירת עוד ניתוח, אלא בהחלטה איזה ניתוח אינו נחוץ, איזו פגישה ניתן לבטל, איזה דיווח ניתן לאחד ואיזו פעולה יכולה להתבצע ללא מעבר נוסף בשרשרת הניהול.

גם מושג הניהול משתנה מן היסוד. ההיררכיה הארגונית המסורתית נבנתה סביב מחסור במידע וביכולת עיבוד. העובדים אספו נתונים, מנהלי הביניים תרגמו אותם לדיווחים, ההנהלה החליטה וההוראות זרמו בחזרה. כאשר AI מסכמת מידע, מקצה משימות, מזהה עומסים, חוזה עיכובים ומנטרת ביצועים, חלק גדול מתפקידו של מנהל הביניים כמוביל מידע נשחק. אך מכאן לא נובע שהמנהל נעשה מיותר. להפך: חשיבותו עוברת ממעקב אחר ביצוע אל עיצוב המערכת שבתוכה מתקבלות החלטות. עליו לקבוע אילו משימות יימסרו למכונה, מתי נדרש אישור אנושי, אילו מדדים לגיטימיים, כיצד בודקים תוצאה, מי רשאי לחרוג מהמלצה ומה קורה כאשר המערכת טועה.

נתוני OECD מצביעים על כך שניהול אלגוריתמי כבר אינו תופעה שולית. מנהלים מדווחים על ירידה במשימות חזרתיות ועל שיפור נתפס באיכות ההחלטות, אך גם על בעיות של אחריות לא ברורה, קושי להבין את ההיגיון של הכלים והגנה בלתי מספקת על בריאות העובדים. כ־60% מן המנהלים שנבדקו דיווחו על עלייה בצורך במיומנויות אנליטיות, לצד צורך בפתרון בעיות וביכולות דיגיטליות. במקביל, מחקרים מצביעים על כך שעובדים הנתונים לניהול אלגוריתמי מדווחים לעיתים על פגיעה באוטונומיה, צמצום הקשר האנושי ותחושה חלשה יותר של שליטה בעבודתם.

מכאן שהמנהל החדש אינו רק מנהל אנשים; הוא מנהל ארכיטקטורה של אדם, מכונה, מידע וסמכות. עליו להבין כי שקיפות אינה רק האפשרות לראות נתונים, אלא היכולת להסביר מדוע התקבלה החלטה. יעילות אינה רק צמצום זמן, אלא שמירה על איכות, אחריות ואמון. בקרה אינה רק מעקב אחר עובדים, אלא גם מעקב אחר המודל, הנתונים וההטיות שבתוכם. NIST מדגיש כי יש להגדיר ולהבדיל במפורש את תפקידי האדם והמערכת בקבלת החלטות ובפיקוח, משום שהסדרים אפשריים נעים מהחלטה אוטונומית מלאה ועד לשימוש במודל כדעה נוספת בלבד. ללא הגדרה כזאת נוצרת אחריות מדומה: האדם טוען שהאלגוריתם המליץ, המפתח טוען שהאדם אישר והארגון טוען שהמערכת פעלה על סמך הנתונים.

בינה מלאכותית משנה גם את הדרך שבה ארגונים מזהים את המכשולים המונעים מהם להגיע ליעד. בעבר המנהל ראה בעיקר תוצאות: ירידה במכירות, איחור בפרויקט, עומס בשירות או כישלון מבצעי. AI יכולה לחבר נתונים ממערכות שונות ולזהות את שרשרת הסיבות: צוואר בקבוק ביחידה אחת, תמריץ שגוי ביחידה אחרת, שינוי בהתנהגות לקוחות, עיכוב אצל ספק, הנחת עבודה שהתיישנה או דפוס חוזר שלא זוהה. בכך היא מאפשרת לעבור מניהול התסמין לניתוח המערכת. אולם היא מזהה בעיקר את מה שמותיר עקבות דיגיטליים. פחד, חוסר אמון, יריבות אישית, אובדן משמעות, התנגדות שקטה ותחושת אי־צדק עשויים להיות הגורמים החשובים ביותר לכישלון, אך להישאר מחוץ ללוח הבקרה. המכשול המסוכן ביותר בעידן הנתונים הוא האמונה שמה שאינו נמדד אינו קיים.

גם הקשר בין הפעולה לתוצאה נעשה מורכב יותר. בשרשרת המסורתית, מנהל הגדיר משימה, אדם ביצע אותה והתוצאה נבחנה. במערכת סוכנית, ההנהלה מגדירה יעד, מודל מפרש אותו, סוכן מפרק אותו למשימות, כלים מבצעים, מודל נוסף מעריך ולוח בקרה מציג סיכום. הארגון יכול לבצע יותר פעולות בפחות זמן, אך מתקשה לעיתים להסביר כיצד נוצרה התוצאה. זוהי בעיית העקיבות האסטרטגית: לא די לדעת מה קרה; צריך להיות מסוגלים לחזור מן התוצאה אל ההנחות, הנתונים, ההמלצות והאישורים שהובילו אליה. ככל שהמערכת נעשית אוטונומית יותר, כך תכנון האחריות צריך להיות מוקדם ומפורט יותר.

במישור הביטחוני והמדיני, קיצור הזמן בין זיהוי לפעולה מקבל משמעות חריפה במיוחד. AI יכולה לשפר מודעות מצב, מודיעין, לוגיסטיקה, תכנון,הסברה והגנה, ולכן נאט״ו פועלת להטמיע אותה בפיתוח יכולות ובפעילות הברית. במקביל, היא מדגישה אחריות, אמינות, עקיבות ויכולת משילות, משום שמערכת מהירה שאינה ניתנת להבנה או לעצירה עלולה להפוך יתרון מבצעי לסיכון אסטרטגי. מחקרי RAND מזהירים כי שילוב AI בזיהוי איומים, במעקב ובתמיכה בהחלטות הסלמה עלול להשפיע על יציבות משברים, לקצר את זמן הבדיקה ולהגביר לחץ לפעול לפני שהיריב פועל. מהירות היא אפוא נכס טקטי, אך אינה תמיד נכס אסטרטגי; לעיתים הזמן הדרוש לבדיקה, לפרשנות, לאיתות ולהרגעה הוא עצמו מנגנון של יציבות.

הבינה המלאכותית משנה גם את בסיס העוצמה שממנו אסטרטגיה נבנית. כוח חישוב, שבבים, דאטה, מרכזי נתונים, אנרגיה, קירור, ענן וכוח אדם טכנולוגי נעשים חלק מן האמצעים הלאומיים והארגוניים. לפי תחזית ה־IEA, צריכת החשמל העולמית של מרכזי נתונים עשויה להתקרב ל־950 טרה־ואט־שעה ב־2030, כמעט פי שניים לעומת 2025, כאשר צריכת מרכזי נתונים ממוקדי AI צפויה לגדול מהר עוד יותר. בכך מתברר שהאסטרטגיה האלגוריתמית נשענת על תשתית פיזית כבדה: אין מודלים בלי חשמל, אין ענן בלי מרכזי נתונים, אין אוטונומיה טכנולוגית בלי שבבים, ואין רציפות אסטרטגית בלי יכולת להגן על שרשרת האספקה. היכולת לחשוב במהירות מכונה תלויה בסופו של דבר בתחנות כוח, רשתות הולכה, כבלים ומפעלים. (IEA⁠)

מכל אלה עולה כי היתרון האסטרטגי בעידן AI לא יימדד במספר הרישיונות, המודלים או הסוכנים שהארגון מפעיל. הוא יימדד ביכולתו להגדיר תכלית שאינה מצטמצמת למדד, לזהות אילו החלטות ניתן להאיץ ואילו דורשות האטה, לשנות דרך פעולה בלי לאבד כיוון, להפוך מידע להבנה ולא רק לעוד תוכן, ולהשאיר אחריות אנושית ברורה גם כאשר חלק גדול מן העבודה מבוצע בידי מכונות. הארגון החזק לא יהיה זה שמייצר הכי הרבה תשובות, אלא זה שיודע לנסח את השאלות הנכונות, לערער על תשובות משכנעות, להבחין בין אות לרעש ולשמור על חופש מחשבתי מול מערכת שמציעה פתרון במהירות כמעט מיידית.

ברצף ההיסטורי הארוך, האסטרטגיה עברה מן המפקד היחיד אל המטה, מן המטה אל המוסד, מן המוסד אל המערכת הלאומית וכעת אל רשת אדם־מכונה. בעולם העתיק האסטרטגיה הייתה תכונתו של המצביא; בעת החדשה היא הייתה תוכנית המקשרת בין קרבות למטרה פוליטית; במאה ה־20 היא נעשתה יכולתה של מדינה לתאם צבא, כלכלה, טכנולוגיה ודיפלומטיה; בעידן הבינה המלאכותית היא הופכת למערכת לומדת המעדכנת ללא הרף את תפיסת המציאות, את החלופות ואת קצב הפעולה. אך דווקא כאשר המכונה נכנסת עמוק יותר אל תהליך החשיבה, חוזרת השאלה העתיקה ביותר של האסטרטגיה: לא מה אנחנו מסוגלים לעשות, אלא לשם מה, באיזה מחיר, מול איזו התנגדות ומי יישא באחריות אם נגיע במהירות יוצאת דופן למקום הלא נכון.

הבינה המלאכותית אינה מבטלת את האסטרטגיה; היא מסירה ממנה את התירוץ של מחסור במידע ומעמידה אותה מול מחסור עמוק יותר בשיקול דעת. היא יכולה להגדיל פריון, לקצר תהליכים, לחשוף מכשולים, להרחיב תרחישים ולשפר את ההתאמה בין פעולה למציאות. באותה נשימה היא יכולה להציף את הארגון, להקשיח מדדים, לדחוק ידע אנושי, ליצור תלות, לטשטש אחריות ולכווץ את המרחב המחשבתי. מכאן שהאתגר האסטרטגי המרכזי אינו להתחרות במכונה במהירות החישוב, אלא לבנות מוסדות המסוגלים לנצל את מהירותה בלי למסור לה את התכלית, להשתמש בגמישותה בלי לאבד עקביות, ולתרגם את הפריון שהיא מציעה להישג אמיתי ולא רק לזרם הולך וגדל של תוצרים.

זוהי נקודת המפנה ההיסטורית: לראשונה, הכלי אינו רק משרת את האסטרטג אלא משתתף בעיצוב המרחב שבתוכו האסטרטג רואה, שואל, משווה ומחליט. לכן אסטרטגיה בעידן הבינה המלאכותית אינה עוד רק אומנות התאמת האמצעים למטרות. היא נעשית גם אומנות עיצוב היחסים בין האדם למערכת שמסייעת לו להגדיר את המטרה, לבחור את האמצעים ולפרש את התוצאה. שליטה ביחסים האלה, תגרום לעבודה מהירה יותר. לחשיבה אחרת,לניהול אחר ולהגדרה מחדש מה נחשב אפשרי.

לחצו כאן ליצירת קשר עם מחבר המאמר