3 הזדמנויות שונות, לפי מי אתם
הממשלה לא קונה מכולם אותו דבר. בואו נחלק את זה.
סטארטאפ ישראלי (5-50 עובדים)
הסיכוי שלכם להגיש לבד, נמוך. רוב המשרדים דורשים ניסיון של 3 פרויקטים דומים בארגונים גדולים. הדרך פנימה: שותפות עם אינטגרטור מקומי כמו Matrix, Ness, Malam Team או Synel. הם מגישים, אתם מספקים את ה-IP.
חברה בינלאומית (Microsoft, Google, AWS)
יש לכם data residency בישראל? יש לכם שער. Microsoft Azure פתחה אזור ייעודי בישראל. Google Cloud ו-AWS הוסיפו תשתית מקומית בהמשך. בלי נוכחות מקומית, הסיכוי קלוש.
פרילנסר או יועץ עצמאי
השוק שלכם הוא לא המכרז הראשי, אלא ייעוץ למשרדים על איך לכתוב מכרז AI נכון. תעריף שעתי טיפוסי: 450 עד 900 ש"ח כולל מע"מ. הביקוש עולה כי רבים מהמשרדים לא יודעים מה לבקש.
איפה ישראל לעומת ה-UK וה-EU
בשונה מהאיחוד האירופי, שאימץ את AI Act כחקיקה רוחבית מחייבת, ישראל בחרה גישה מפוזרת. כל משרד מסדיר לעצמו, עם הנחיות-על מ-רשות התקשוב.
| פרמטר | ישראל | UK | EU |
|---|
| חקיקה רוחבית | אין, מבוסס תיקון 13 | אין, גישה לפי סקטור | AI Act |
| חובת שקיפות | חלקית | וולונטרית | מלאה ל-high risk |
| זמן מכרז ממוצע | 18-30 חודשים | 9-15 חודשים | 15-24 חודשים |
"ההבדל בין מכרז שזוכה למכרז שנדחה הוא לא הטכנולוגיה, זה איך כתבתם את המסמך הטכני." כך אמר לי מנכ"ל ספק שעובד עם 4 משרדי ממשלה.
3 מקרי שימוש שמסבירים את כל השוק
תיאוריה זה נחמד, דוגמאות עובדות יותר טוב. הנה שלוש סצנות מהשטח.
מקרה 1: זיהוי הונאות במע"מ. רשות המסים מפעילה מודלים סטטיסטיים לאיתור החזרי מע"מ חריגים מזה שנים. ב-2022-2023 פורסמו מכרזים נוספים לשדרוג המערכת לכיוון של אלגוריתמי ML מתקדמים. ההצלחה היחסית פתחה דלת לפרויקטים דומים ברשויות מס נוספות, וההשקעה ממשיכה לגדול.
מקרה 2: LLM לעובדי מדינה. רשות התקשוב הלאומית מובילה פיילוטים שונים של שילוב LLM בעבודה היומיומית במשרדי הממשלה. המטרה: עזרה בכתיבת מסמכים, תרגום וסיכום. הפיילוטים מתבססים על תשתיות מקומיות, ולרוב מוגבלים לקבוצות מצומצמות לפני הרחבה.
מקרה 3: סינון פניות בקופות החולים. כללית, מכבי, ולאומית הריצו פיילוטים של chat-bots מבוססי LLM לטיפול בפניות ראשונות של מבוטחים. הכיוון הכללי: ירידה בעומס על מוקדי שירות, ושיפור בזמני המענה לפניות שגרתיות. הקופות מפרסמות מדדים שונים, אז קשה להשוות ישירות.
שלוש טעויות יקרות שראיתי במכרזים האחרונים
אני עוקבת אחרי תוצאות מכרזים מספר שנים, ויש דפוסים שחוזרים על עצמם. הנה השלוש הנפוצות ביותר, כל אחת עלתה לספקים בין 2 ל-15 מיליון ש"ח של חוזים שהלכו לאיבוד.
טעות 1: הצעה זולה מדי. ספקים זרים שנכנסים לישראל פעם ראשונה לרוב מתמחרים 30-40% מתחת לשוק המקומי, מתוך הנחה שזה יעזור לזכות. בפועל, ועדות המכרזים פוסלות הצעות שנמוכות ביותר מ-15% מהממוצע, מתוך חשש לאיכות הביצוע. ראיתי הצעה של 4.2 מיליון ש"ח שנדחתה כי הממוצע במכרז היה 6.8 מיליון, ופערים כאלה מסמנים סיכון בעיני הוועדה.
טעות 2: התעלמות מנספח אבטחת מידע. הנספח הוא בין 40 ל-60 עמודים של דרישות טכניות, ויש לו משקל של 25% עד 35% בציון הסופי. ספק שמגיש תשובות גנריות מאבד ניקוד שמכריע את הקרב, גם אם הטכנולוגיה שלו הטובה ביותר בקטגוריה.
טעות 3: חוסר נוכחות מקומית. גם אם אתם חברה גלובלית עם תמיכה 24/7, ועדת המכרזים מצפה לצוות בעברית עם SLA של עד שעתיים. בלי משרד או נציג מקומי בישראל, הסיכוי לזכייה יורד דרמטית, גם אם הציון הטכני מצוין.
השוואה: AI במגזר הציבורי מול הפרטי בישראל
שווה להבין את הפער. בעולם הפרטי, אם בנק ישראלי רוצה להטמיע chatbot מבוסס AI, התהליך לוקח 4 עד 8 חודשים מהחלטה ועד production. אותו פרויקט במשרד ממשלתי לוקח 20 עד 30 חודשים. ההבדל מגיע משלושה גורמים: חובת מכרז פומבי (4 עד 6 חודשים מצטברים), אישור מאסדר נפרד מהרשות להגנת הפרטיות (3 עד 9 חודשים), ובדיקות אבטחת מידע של מערך הסייבר הלאומי במקרים רגישים (2 עד 4 חודשים נוספים). ההמרה לכסף: כל חודש של עיכוב במכרז של 8 מיליון ש"ח שווה לספק כ-50 עד 80 אלף ש"ח של עלויות מבוזבזות על צוות שמחכה לאישור.
BestAI Take
אני מלמדת prompt engineering, אז בואו ננסה לפשט את זה. הממשלה הישראלית היא שוק לקוח, לא שוק חדשנות. מי שמנסה למכור פה כמו שמוכרים לסטארטאפ, יאבד שנה. מי שנכנס דרך שותף אינטגרטור ויודע מראש שזה תהליך של 18 חודשים, ייצא עם חוזים יציבים של מיליונים.
למי שזה הסיבוב הראשון, ההמלצה שלי פשוטה. תרשמו ל-RFI גם אם אין לכם כוונה להגיש, ככה תלמדו את השפה. למי שזה הסיבוב השני, תזכרו שהאישור המאסדר עולה יותר מהפיתוח עצמו. תבדקו את הסעיף הזה לפני שאתם מתחילים. עוד מאמרים ב-BestAI על אישור AI לבנקים בישראל מסבירים קווים מקבילים בשוק הפרטי, שעוזרים גם להבין את ההיגיון של המגזר הציבורי.
