רוצים חדשנות בממשלה? צריך לשנות את האופן שבו היא מעסיקה אנשי טכנולוגיה

בקצרה

החדשנות הטכנולוגית בישראל מחייבת שינוי באופן שבו הממשלה מעסיקה אנשי טכנולוגיה. הסתמכות על ספקים חיצוניים ותשלום לפי שעות עלולים להקשות על פיתוח מומחיות פנימית, שימור ידע ועידוד חדשנות. נתוני מבקר המדינה מצביעים על מחסור בכוח אדם מיומן ועל כך שרבים מפרויקטי הבינה המלאכותית עדיין בשלבי פיתוח או פיילוט. כדי להתקדם, הממשלה צריכה לחזק צוותים מקצועיים פנימיים בעלי סמכות ואחריות להובלת שינויים. בנוסף, יש להתאים את מסלולי ההעסקה, ההכשרה והתמריצים לצרכים המקצועיים ולמטרות החדשנות. יש לעדכן גם את מודלי הרכש כך שיעודדו שיפור איכות, התייעלות, חיסכון והעברת ידע.

אין זה סוד, שישראל יודעת לייצר חדשנות טכנולוגית. השאלה שננסה לבחון היום היא איך מביאים חדשנות גם לשירות הציבורי. לשם כך הממשלה צריכה לדעת לפתח חדשנות, לבחון אותה ולהטמיע אותה לאורך זמן, וכאן יש בעיה שלא מקבלת מספיק תשומת לב ציבורית: שיטת ההעסקה והרכש של כוח אדם טכנולוגי הנהוגה כיום, מקשה על בניית יכולות מקצועיות עצמאיות, אימוץ חדשנות או יוזמה חדשנית טכנולוגית.

הטענה שלי פשוטה: כשרוכשים עבודה טכנולוגית בלי להבטיח אחריות מקצועית פנימית, שימור ידע ותמריצים לשיפור, נבנית תשתית שמתקשה להצמיח חדשנות. בעידן הבינה המלאכותית הסוגייה נהיית משמעותי במיוחד, כיוון שגם הכלי הטוב ביותר דורש ארגון שיודע להגדיר מה לעשות איתו  ולבדוק אם הוא באמת מועיל.

כדי להבין את הקושי, צריך להכיר את הדרך שבה הממשלה מעסיקה את רוב אנשי הטכנולוגיה שלה. במסגרת הסדרת רכש שירותי המחשוב, נבנו מכרזים מרכזיים שנועדו להגביר תחרות, לקבוע כללים אחידים ולשלוט בעלויות. באמצעותם, משרדי הממשלה רוכשים מחברות חיצוניות את שירותיהם של מפתחים, מנתחי מערכות ומומחים אחרים, לרוב בתשלום לפי שעות ובכפוף לתעריפים שנקבעו במכרז. בפועל, אנשי המקצוע האלה עובדים בתוך המשרד הממשלתי במשך שנים, לעתים את כל הקריירה המקצועית שלהם, מכירים לעומק את מערכותיו ונהיים חלק בלתי נפרד מהפעילות היומיומית שלו - אף שהמעסיק שלהם הוא חברה חיצונית. לעיתים, כשהספק מתחלף, העובד נשאר באותו תפקיד ורק זהות המעסיק משתנה.

לשיטה הזאת יש היגיון תקציבי ותפעולי, אך היא מעוררת שאלה שהופכת דחופה בעידן הבינה המלאכותית: האם מנגנון שנועד לרכוש שעות עבודה גם מאפשר לבנות יכולת לחדש? תחזוקת המערכות הקיימות דורשת רציפות וידע מצטבר; אימוץ טכנולוגיה חדשה דורש גם זמן ללמידה ולהתנסות, התפתחות מקצועית וסמכות לשנות תהליכים. כאשר האחריות לעובד מתחלקת בין המשרד לבין הספק, והתשלום קשור בעיקר להיקף השעות, הצרכים האלה עלולים להישאר בלי מענה ברור. כך יכולה הממשלה להחזיק צוותים מנוסים ומסורים, ובכל זאת להתקשות לפתח את היכולות שיאפשרו לה להתקדם. כאן נמצא החיבור בין שיטת ההעסקה לבין השירות שהאזרח מקבל, מי שמצליח לתחזק את המערכת של היום צריך גם תנאים ותמריצים לבנות את זו של מחר.
 

יש פעילות - אבל יש גם חסמים

ממצאי שאלון מבקר המדינה מדצמבר 2025, שפורסמו ביוני 2026, מציגים תמונה מורכבת. ב־70 גופים ציבוריים שהשיבו – משרדי ממשלה, יחידות סמך, בתי חולים ורשויות מקומיות – דווח על 144 פרויקטים של בינה מלאכותית ב־47 גופים. אבל 68% מהפרויקטים עדיין היו בשלבי פיתוח או פיילוט. 51% מהמשיבים ציינו מחסור בכוח אדם מיומן כחסם לאימוץ, ו־58% הצביעו על הגמשת מנגנוני הרכש כאחת התמיכות הנדרשות להאצתו.

חשוב לדייק, הנתונים מבוססים על דיווחי הגופים עצמם, והם אינם מוכיחים ששיטת ההעסקה היא שגרמה לחסמים. גם תקציב, אבטחת מידע ואיכות הנתונים משפיעים, אך בלי כח אדם שיוכל להוביל את הקטר החדשנות קדימה, לא תהיה חדשנות בגופים ציבוריים. האם האופן שבו הממשלה מגייסת, מפעילה ומפתחת אנשי טכנולוגיה תומך בשינוי שהיא מבקשת להוביל? נראה שלא. עובדים טכנולוגיים שלא מתקיימים בינם לבין הגוף שהם עמלים בו יחסי עובד מעביד, לא נמדדים על יכולתם לחדש, ליזום ולהביא בשורה, הם נמדדים על שעות נוספות שהם יכולים לתת, על עמידה בלוחות זמנים שהציבו להם, ועל כמות תקלות שהם הצליחו לפתור.
 

קונים שעות? צריך לבנות גם יכולת

לא כל התקשרות זהה. שילוב מומחה חיצוני בצוות שמנוהל במשרד, מסירת פרויקט לספק ורכישת שירות מנוהל הם מודלים שונים, ולכל אחד מהם שימושים מוצדקים. הבעיה מתחילה כשרכש כוח אדם הופך, לאורך זמן, לתחליף לבניית ההנהגה המקצועית הטכנולוגית של המשרד.

עובד חיצוני יכול להיות מקצועי, מסור וחדשני, והוותק שלו עשוי להיות נכס של ממש. השאלה היא מה הארגון בונה סביבו: מי אחראי להכשרתו? מי מגדיר את מסלול ההתפתחות המקצועית שלו? איך משמרים את הידע כשהוא עוזב? ומי בתוך המשרד מסוגל לבחון חלופה טכנולוגית ולהכריע גם כשהמלצת הספק אינה מתאימה לצורך הציבורי?

כשהאחריות מפוזרת בין המעסיק, מנהל ההתקשרות והגורם המקצועי, ואף אחד אינו נושא באחריות הכוללת, צורכי הטווח הקצר עלולים לדחוק הצידה למידה והתחדשות. וכתוצאה אפשר לאייש את כל העמדות ועדיין להישאר בלי יכולת מספקת להוביל את השינוי הבא.

גם למודל התשלום יש משקל. בחוזה שמבוסס על שעות עבודה, ההכנסה קשורה להיקף העבודה שסופק. אוטומציה שחוסכת שעות לא בהכרח משתלמת לספק. נכון, תחרות, מוניטין וקשר ארוך טווח עשויים לעודד אותו להתייעל, אבל עדיף שגם החוזה עצמו יתמוך בכך.

תרחיש לדוגמה: צוות מציע כלי שמקצר בחצי את הזמן הדרוש למשימה חוזרת. מבחינת הציבור, זו יכולה להיות הצלחה. אבל כדי שההצעה תתקדם, צריך לדעת מי מממן את הפיתוח, איך בודקים את איכות התוצאה ומה התמריץ של השותפים להשקיע בשינוי. בלי תשובות לשאלות האלה, להמשיך לעבוד כרגיל עשוי להיות הבחירה הקלה ביותר.
 

בינה מלאכותית דורשת בעלות מקצועית

הטמעת בינה מלאכותית לא מסתיימת בפיילוט. היא מחייבת החלטות על תהליכי עבודה, נתונים, איכות, פרטיות ובקרה אנושית, כל אלה החלטות שנמשכות הרבה אחרי שהפיילוט נגמר. לשם כך נדרשים אנשים בעלי תחושת שייכות לארגון, המוסמכים לתעדף שינויים ונושאים באחריות לתוצאות.

לכן הממשלה צריכה להחזיק גרעין מקצועי פנימי חזק בניהול מוצר, ארכיטקטורה, נתונים וניהול ספקים, גרעין בעל סמכות, כושר הנהגה, זמן ללמידה ויכולת לעבוד לצד מומחים חיצוניים. בלעדיו, גם מנהלים טובים עלולים למצוא את עצמם מאשרים שעות ותוצרים, בלי יכולת מספקת לכוון את המערכת לאורך זמן.

כיוון דומה מופיע בתוכנית הבריטית לממשל דיגיטלי מינואר 2025: חיזוק ההנהגה והכישורים הדיגיטליים בשירות הציבורי, לצד שינוי מנגנוני המימון והרכש ושותפות עם התעשייה. זו דוגמה למדיניות שמשלבת בניית יכולת פנימית עם עבודה מול ספקים.
 

שלושה צעדים לשינוי - ודרך למדוד אותו

צעד ראשון: להגדיר מה נשאר בבית. אילו תפקידים וסמכויות מקצועיים חייבים להישמר בתוך כל משרד, ואילו יכולות נכון לרכוש מבחוץ או לשתף בין משרדים? החלוקה צריכה להיגזר מחשיבות הידע ומהאחריות לשירות, ולא רק מזמינותו של תקן או מכרז.

צעד שני: להתאים את ההעסקה לצורך המקצועי. מסלולי גיוס יעילים לתפקידים במחסור, תגמול שנבחן מול השוק, אופק קידום מקצועי והכשרה מתמשכת. גם עובדי מדינה זקוקים לתנאים האלה ומעבר להעסקה ישירה, כשלעצמו, אינו פותר בעיות של שכר, סמכות או תהליכי עבודה.

צעד שלישי: להתאים את החוזים לסוג העבודה. בשלבי מחקר והתנסות יש מקום לתשלום לפי זמן. כשהתוצאה ניתנת להגדרה ולמדידה, אפשר לשלב תמריצים לקיצור זמני טיפול, לשיפור איכות ולחיסכון מוכח. ובכל מודל יש להגדיר גם תיעוד, העברת ידע ויכולת להמשיך להפעיל את השירות כשהספק מתחלף.

ומדידה לאורך כל הדרך. אפשר להתחיל במהלך מדוד בכמה משרדים: לחזק צוות מקצועי פנימי, לשלב בו ספקים עם אחריות מוגדרת ולהקצות זמן ותקציב להתנסות. לאורך שנה, למדוד זמן גיוס, זמן מרעיון להטמעה, עלות כוללת, איכות השירות ושימור עובדים וידע – ביחס לנקודת הפתיחה, ובמידת האפשר מול צוותים דומים. כך אפשר לבדוק אם שינוי מודל ההעסקה והרכש אכן מסיר חסמים.

בשורה התחתונה: חדשנות ממשלתית נמדדת בשירות שהאזרח מקבל, ביכולת של המדינה לשפר אותו בהתמדה ותוך חסכון מתמיד בעלויות השירות הציבורי. שיטת העסקה שמצליחה לאייש משרות, אבל לא בונה מומחיות, סמכות ותמריץ להתייעלות – צריכה להשתנות. במכרז הבא לשירותי מחשוב, כדאי לשאול גם שאלה פשוטה: איזו יכולת מקצועית תישאר בממשלה כשההתקשרות תסתיים?

 

מקורות להרחבה

1. מבקר המדינה, המוכנות לאימוץ והטמעה של בינה מלאכותית בגופים הציבוריים בישראל. ממצאי שאלון דצמבר 2025, פורסמו ביוני 2026.

2. ממשלת בריטניה, תוכנית לממשל דיגיטלי מודרני, 21 בינואר 2025.