בתחילת 2026 חסם משרד הבריאות כלי AI חיצוניים ממחשבי בתי החולים בישראל. רוב הכותרות קראו את זה כבלימה של הקדמה. אני קורא את זה הפוך: זו הגדרה מדויקת של כללי המשחק בסקטורים הרגישים. בבריאות ובפיננסים, הנתונים לא ייסעו אל ה-AI - ה-AI יצטרך לבוא אל הנתונים. ומי שמבין את זה מוקדם, בונה יתרון בדיוק במקום שבו המתחרים שלו נעצרו.
למה הנתונים באמת לא יכולים לצאת
זה לא רק עניין של זהירות. זו כבר מסגרת משפטית שלמה. תיקון 13 לחוק הגנת הפרטיות, בתוקף מאוגוסט 2025, קבע קנסות של עד 3 מיליון ש"ח ואחריות אישית לנושאי משרה על הפרות. הרגולציה הפיננסית שעוגנה בדצמבר 2025 הוסיפה עיקרון חד: הגוף המפוקח נושא במאה אחוז מהאחריות לתוצאות מערכת ה-AI, גם כשהמודל שייך לספק חיצוני. ולא במקרה סקרים ענפיים לקראת 2026 מדרגים פרטיות וממשל כחסם מספר אחת להטמעת AI בארגונים (61.3% מהמשיבים), הרחק לפני שאלות של דיוק טכנולוגי.
ועכשיו תרגמו את זה למציאות היומיומית: אחות שמדביקה סיכום מטופל בצ'אטבוט חינמי כדי לנסח מכתב שחרור, או אנליסט שמעלה טבלת לקוחות לכלי ענן כדי "לסדר אותה מהר". המידע הזה נשמר בשרתים של חברה זרה, לפעמים משמש לאימון המודל הבא שלה, ותמיד יוצא משליטתכם. החסימה של משרד הבריאות היא תגובה הגיונית לחלוטין לתרחיש הזה. השאלה הניהולית האמיתית היא מה עושים ביום שאחרי - כי הצורך שדחף את האחות לצ'אטבוט לא נעלם. הוא רק ירד למחתרת, וזה מצב מסוכן יותר.
מודל מקומי זה לא מדע בדיוני
הנה דוגמה מהעבודה שלי, לא ממצגת. אני מפעיל מערך תמלול שרץ כולו על מחשב מקומי: הקלטת שיחה בעברית נכנסת, תמליל מדויק עם חלוקה לדוברים יוצא, ואף בייט של שמע לא עובר לשום ספק ענן. זה רץ על מעבד רגיל, בלי כרטיס גרפי ייעודי, ומתמלל שעת שמע בפחות משעה. העלות השולית לשיחה: אפס. את המערך הזה בניתי בדיוק בגלל שהקלטות של לקוחות לא צריכות לעזוב את המכונה. וההשוואה הכלכלית מפתיעה מנהלים בכל פעם מחדש: תמלול של אלף שעות שיחה בשנה בשירות ענן בתשלום הוא סעיף תקציבי מתמשך שגדל עם השימוש; על חומרה מקומית זו השקעה חד פעמית קטנה, וחשמל.
מה שהשתנה לאחרונה הוא שמודלים פתוחים - לתמלול, לסיכום, לחילוץ נתונים ממסמכים - הגיעו לרמה שמספיקה לרוב משימות התפעול, והם רצים על חומרה שאתם שולטים בה. בפועל יש שלוש רמות של "בתוך הבניין": מודל על תחנת עבודה בודדת, לרגיש ביותר; שרת ייעודי בתוך הרשת הארגונית, לשימוש מחלקתי; וענן פרטי עם התחייבויות חוזיות קשיחות - אזור נתונים מוגדר, אפס שימור, אפס אימון על הנתונים שלכם. ממשל AI טוב לא בוחר רמה אחת - הוא ממפה איזה סוג מידע מותר באיזו רמה.
מה בונים בתוך הפרימטר
ארבע משפחות של משימות מבשילות ראשונות, וכולן חוסכות שעות אדם בלי לקבל אף החלטה קלינית או פיננסית לבד:
תמלול וסיכום - שיחות מוקד, ישיבות צוות, ועדות. השמע נשאר בפנים, הפרוטוקול מוכן באותו יום. בקרת איכות על מסמכים - השוואת רשומות ותיעוד מול נהלים, סימון פערים לבדיקת אדם; עבדתי עם מערכי בקרה של מאות סעיפי נוהל, וזו עבודה שמודל עושה בסבלנות אינסופית ואדם מאמת בסופה. חילוץ נתונים מארכיון - טפסים ישנים, דוחות סרוקים, מכתבים, שהופכים לטבלאות שאפשר לשאול. והכנת חומרים לדיון - סיכום תיק ארוך לקראת ועדה, עם הפניות למקור.
הכלל המארגן אחד: מתחילים במשימות שבהן ה-AI חוסך שעות ואדם מאשר את התוצר. ככה עוברים גם את מבחן הרגולציה וגם את מבחן האמון של הארגון.
ויש יתרון נוסף שמדברים עליו פחות: בתוך הפרימטר אפשר סוף סוף לתת ל-AI גישה לנתונים המלאים. מודל ענן חיצוני מקבל תמיד גרסה מצונזרת ומדולדלת של המציאות, כי אסור להזין לו את העיקר. מודל בתוך הבניין רואה את התמונה כולה - ולכן התוצרים שלו שמישים באמת.
חמש שאלות לפני שחותמים עם ספק AI
אם אתם בהנהלה של גוף בריאות או גוף פיננסי, אלה החמש שכל ספק צריך לענות עליהן בכתב: לאן הנתונים נוסעים פיזית, ובאיזו מדינה? מה הספק שומר אצלו, ולכמה זמן? האם הנתונים שלכם משמשים לאימון מודלים, שלו או של אחרים? מה קורה ביום שעוזבים - איך מקבלים הכל בחזרה ומה נמחק? ומי נושא באחריות כשהמודל טועה - שאלה שהרגולטור הפיננסי כבר ענה עליה בשבילכם: אתם.
ספק שלא עונה על החמש בכתב לא נכנס לפרימטר. ובצד הפנימי, מסמך ממשל קצר שקובע איזה סוג מידע מותר באיזו רמה - תחנה מקומית, שרת פנימי או ענן פרטי - חוסך את הוויכוח הנקודתי בכל פרויקט חדש. וההפתעה הנעימה היא כמה רחוק אפשר להגיע היום בלי להתפשר על אף אחת מהחמש.
רוצים לראות מודל שרץ כולו בתוך הרשת שלכם, על נתונים שלכם, בלי שמשהו עוזב את הבניין? שלחו לי הודעה - אשמח להראות דמו.
