השלב הבא של מהפכת ה־AI בעולמות הרכש הטכנולוגי

‍

בשעה שהשלבים הראשונים של כניסת הבינה המלאכותית היוצרת (GenAI) לרכש התמקדו בעיקר במשימות פשוטות כמו סיכום חוזים מהיר או כתיבת מיילים, שנת 2026 מציגה קפיצת מדרגה. מנהלי רכש (CPOs) ומובילי טכנולוגיה מבינים כיום שכלים נקודתיים ברמת העובד הבודד אינם מספיקים. האתגר האמיתי כיום הוא ניהול וחיבור מערכתי של מאמצי ה־AI לרוחב כלל זרועות הארגון – החל משלב הגדרת הצורך ועד לבקרה הדוקה על התקציב.

‍

השילוב המתרחב של סוכני בינה מלאכותית אוטונומיים (Agentic AI) והצורך בבניית תשתית דאטה יציבה הופכים את ניהול הרכש למשימה מורכבת ומבוססת נתונים. להלן ההיבטים המרכזיים שבהם ארגונים ממוקדים כיום כדי לייצר ערך עסקי אמיתי ומדיד.

‍

1. ייעול תהליכי קליטת בקשות וניהול ביקושים (Intake)

אחד מצווארי הבקבוק המוכרים ברכש הוא שלב ה־Intake. עובדים בארגון שנדרשים לרכוש מוצר או שירות נאלצים לרוב להתמודד עם קטלוגים מורכבים או מערכות פנימיות מסורבלות. כיום, ארגונים מובילים מטמיעים שכבות ניהול מבוססות AI המשמשות כ"דלת הכניסה" הדיגיטלית של הארגון לכל בקשת רכש.

במקום ללכת לאיבוד בתפריטים קשיחים, משתמש הקצה פשוט מתאר בשפה חופשית מה הוא צריך. מערכת ה־AI מנתחת את הבקשה, מסווגת אותה, בודקת התאמה למדיניות החברה ומציגה מיד את האפשרויות הרלוונטיות. המעבר לממשק חכם כזה מקצר את זמני הטיפול, מונע עיכובים ומבטיח מראש ניתוב נכון למסלול האישורים המתאים.

‍

2. ניהול חוזים אקטיבי בעידן ה־Agentic CLM

עולם ניהול מחזור חיי החוזה (CLM) עובר תמורה עמוקה בעקבות המעבר ממערכות סטטיות לסוכני AI אוטונומיים. בעוד שמערכות CLM מסורתיות התמקדו בעיקר באחסון, שליחת התראות וניתוב ידני, מערכות ה־Agentic CLM פועלות ברמת עצמאות גבוהה בהרבה.

סוכנים אלו מסוגלים לפעול באופן רציף ומסונכרן מול מערכות ה־ERP וה־CRM הארגוניות. הם לא רק מזהים סיכונים משפטיים או חריגות בהשוואה ל־Playbooks של החברה, אלא יודעים להציע ניסוחים חלופיים ואף לנהל אינטראקציות ראשוניות מול ספקים. היתרון הגדול הוא יכולת הלמידה של ה־AI ממשא ומתן קודם, מה שמאפשר לעדכן באופן דינמי את האסטרטגיה המסחרית של הארגון.

‍

3. מניעת זליגת תקציבים ורכש חורג (Maverick Spend)

נתונים מהשוק מראים שארגונים רבים מאבדים אחוזים ניכרים מהתקציב בשל רכש חורג (Maverick Spend) ואי עמידה בתנאים המסחריים שנסגרו בחוזים. כלי AI מתקדמים פותרים את הבעיה הזו באמצעות ניתוח בזמן אמת של דאטה לא מובנה – כמו תיאורי שורות בחשבוניות, דרישות תשלום ודיווחים פיננסיים.

המערכת מזהה דפוסי רכישה שנעשו מחוץ למסגרת ההסכמים, תמחור שגוי של פריטים או רכישות מספקים לא מאושרים. זיהוי מוקדם זה מאפשר למחלקת הרכש לבצע התערבות ממוקדת, להציע הדרכות לעובדים, לשפר את נגישות הקטלוגים ולעצור את זליגת הכספים בזמן אמת.

‍

האתגרים בשטח: דאטה, משילות ופערי ידע

למרות הפוטנציאל והאימוץ הרחב של כלי בינה מלאכותית, הדרך להטמעה מלאה ומערכתית בארגונים עדיין נתקלת בחסמים משמעותיים:

• מוכנות הנתונים (Data Readiness): הנתונים בשוק מראים כי רוב מובילי הרכש (כ־74%) מדווחים שהדאטה הארגוני שלהם פשוט אינו מוכן לשימוש בכלי AI. נתונים מבוזרים ומערכות מבודדות (Silos) פוגעים קשות בדיוק של הכלים האוטונומיים.
• משילות ומדיניות (Governance): רוב מוחלט של צוותי הרכש (כ־83%) פועלים כיום ללא מדיניות AI מוגדרת ואקופה בארגון, למרות שהם עושים שימוש פעיל בכלים אלו על גבי מידע רגיש של ספקים וחוזים.
• פערי ידע (Knowledge Gaps): מחסור במיומנויות מקצועיות ופערי ידע הם החסם המרכזי לאימוץ טכנולוגי (כ־41%), והם עוקפים משמעותית מגבלות של תקציב או מדיניות IT.

‍

שורה תחתונה למנהלי הרכש

שילוב נכון של AI ברכש מחייב מעבר מניהול תגובתי לניהול פרואקטיבי שמבוסס על תובנות בזמן אמת. חברות שישקיעו בשלב הראשון בייצוב וניקוי בסיס הנתונים שלהן, בהגדרת מסגרת עבודה ברורה ובהכשרת כוח האדם, יפיקו את המרב מהגל הטכנולוגי הנוכחי. היתרון התחרותי בשנים הקרובות לא ייקבע רק לפי סוג כלי ה־AI שתרכשו, אלא לפי מידת האינטגרציה שלו בתוך האקוסיסטם הארגוני הכולל.

‍