משרד ייעוץ שמטמיע מודל חזית עדיין מוכר שעות, אלא אם הוא מוכר ראיות

בשבוע שעבר תיאר Business Insider את משרדי הייעוץ הגדולים במרוץ להפוך ל-"AI native": מסלולי הנדסה חדשים, תארי תפקיד שנכתבו מחדש, ובריתות שמכניסות מודל חזית לתוך מכונת האספקה. PwC בנתה מחדש את ההכשרה סביב 30 מיומנויות ליבה, מחציתן ממוקדות AI, ופתחה את מסלול הקריירה ההנדסי הראשון ב-170 שנות קיומה. ב-23 באוגוסט נתנו Erik Brynjolfsson ו-Georgios Petropoulos ממעבדת הכלכלה הדיגיטלית של Stanford מסגרת כלכלית לבעיה המסחרית. שכר הטרחה בייעוץ עדיין נשען על הנחות מעידן שבו רק בני אדם עשו את העבודה, וכשמשרדים משתמשים ב-AI פנימית כדי להאיץ את היועצים, פער המידע בין המשרד ללקוח גדל בהתחלה, גם כשהיעילות עולה.

ב-PwC אומרים את החלק של התמחור בקול כבר מהאביב. במרץ אמר מנהל המס של PwC בארה"ב, Krishnan Chandrasekhar, ל-Bloomberg Tax שהזמן הופך לפחות ופחות רלוונטי. באותו חודש השיקה PwC את PwC One, פלטפורמה שבה הלקוח מתאר בעיה, סוכנים מבצעים את העבודה ואנשי PwC בודקים את הפלט ברקע, ועל השולחן מונחים תמחור במנוי או לפי צריכה.

התעשייה מטמיעה מודלים. רובה עדיין מחייב לפי היחידה הישנה.

משרדי עורכי דין ורואי חשבון בינוניים עומדים מול אותה מלכודת. איש מקצוע מורשה שמשתמש במודל כדי לנסח מהר יותר עדיין אחראי לייעוץ. משרד ייעוץ ששם את Claude, Gemini או GPT-5.6 מתחת לכל זרם עבודה לא שינה את המוצר אם הלקוח עדיין קונה ערימת שעות ומצגת.

גישה למודל חזית היא דמי כניסה. מה שנדיר הוא ראיה לכך שהעבודה נבדקה, הוגבלה ויש לה בעלים.

מה השתנה בפועל

למשרדים הגדולים יש עכשיו את מה שמוכרים לכל משרד בינוני: שותף מודלים בשם, עוזר פנימי, וסיפור על סוכנים שמחליפים את עבודת הג'וניורים. הם בילו את 2025 ואת המחצית הראשונה של 2026 בהכנסת Claude, GPT או Gemini לידיים של עשרות אלפי עובדים. Accenture לבדה חתמה עם OpenAI ועם Anthropic בהפרש של שמונה ימים בדצמבר האחרון. זו קיבולת אמיתית, וקיבולת לבדה לא יוצרת הצעה חדשה. הלקוח לא יכול לדעת אם המזכר נכתב על ידי שותף, על ידי מתמחה בשנה ראשונה, על ידי סוכן עם בודק או על ידי סוכן בלי בודק. החשבונית עדיין נראית כמו איוש.

שלושה דברים זזו בבת אחת.

ראשית, הייצור בתוך המשרד הוזל. סקירות מחקר, טיוטות ראשונות, קוד וסריקות שוק זזים מהר יותר. זה מופיע בניצולת ובפיתוי להשאיר את המחירון הישן.

שנית, הלקוחות רואים את אותם מודלים. קונה שיכול לקבל סריקת שוק ראשונית מ-Claude לא ימשיך לשלם שעות של משרד אסטרטגיה על המעבר הראשון. סקר State of AI של McKinsey, שפורסם ב-25 באוגוסט, מראה כמה רחוק זה הגיע בצד התוכנה: 32 אחוז מהמשיבים אומרים שהארגון שלהם החליט לא לרכוש לפחות מוצר או פיצ'ר תוכנה אחד, כי יכלו לבנות אותו בעצמם עם כלי קוד אגנטיים. הייעוץ הוא הבא בתור.

שלישית, האחריות לא זזה. הטמעת Anthropic או OpenAI בפלטפורמת האספקה לא מעבירה את האחריות המקצועית למעבדה. PwC עצמה אומרת את זה על הפלטפורמה שלה: האחריות נשארת אצל המשרד ואנשי המקצוע שלו, עם בודק אנושי בכל התקשרות של PwC One. אם הסוכן כותב דרישה, תכנון בקרה או מסמך לדירקטוריון, משרד הייעוץ הוא הבעלים של הפגם.

למה לבעלים צריך להיות אכפת עכשיו

למשרד בינוני, השאלה אם לקנות את אותו לוגו שה-Big Four קנו היא השאלה הלא נכונה. השאלה האמיתית היא אם ההצעה שלכם עדיין מתמחרת עבודה, בזמן שהאספקה שלכם תלויה עכשיו במודל שאינו לגמרי בשליטתכם.

דפוס הכישלון כבר בשוק. משרד מפרסם "אספקה מבוססת AI", מאייש פחות ג'וניורים ומשאיר את התעריף השעתי. הלקוח משלם על מהירות שהוא לא יכול לבדוק. כשהפלט שגוי, אין תיעוד של איזה מודל רץ, איזה הקשר הוא ראה, מי אישר את הכתיבה למערכת של הלקוח, או מה נכתב מחדש אחרי שהמודל ניסח. מהירות שהלקוח לא יכול לבדוק, בלי תיעוד מאחוריה, היא מינוף לא מתועד.

גם הכישלון ההפוך קיים. משרד נבהל, אוסר על מודלים בעבודה ללקוחות, ורואה את העובדים משתמשים בהם בכל זאת. שימוש בצל בלי שובל ראיות גרוע יותר ממודל בשם עם כלל בדיקה.

Brynjolfsson ו-Petropoulos מסבירים למה שני הכישלונות פוגעים באותה דרך: כל אחד מהם מרחיב את הפער בין מה שהמשרד עשה לבין מה שהלקוח יכול לראות. המוצר ששורד הוא זה שסוגר את הפער. זו חבילה שהלקוח יכול לבקר: המשימה, נתיב המודל, מקורות האחזור, החתימה האנושית, והסיכון השיורי שהמשרד מוכן לשאת.

הנחמה המדומה של שקף הברית

שותפות עם מעבדה היא אירוע רכש, והיא לא מוכיחה דבר על איכות.

המעבדה תסמן פלט, תשנה מחירים ותשנה את התנהגות הסוכנים לפי לוח הזמנים שלה. החודש הזה הראה את זה, גם בסימני המים וגם במחירונים. אף אחד מהשינויים האלה לא אומר ללקוח אם תכנון הבקרה שלכם בטוח ליישום.

למכור ראיות פירושו שאתם יכולים להראות, לכל זרם עבודה, את מודל ברירת המחדל, את המשימות שאסורות על המודל, את ה-SLA של הבדיקה ואת התוצר שמוכיח שהבדיקה התבצעה. זה גם אומר לתמחר ביושר את המשאב הנדיר. ההצעה של Chandrasekhar עצמו מראה את הכיוון: שילוב מודלים בתוך התקשרות אחת, תמחור לפי זמן בשלב סיעור המוחות המוקדם ותמחור לפי ערך כשהאפשרויות מתבהרות. אם המשאב הנדיר הוא שיקול דעת יחד עם שובל, תמחרו את זה.

למשרדים בינוניים יש פתח שהפלטפורמות לא מפרסמות. אי אפשר לנצח את Deloitte במספר המושבים. אפשר לנצח אותה בתיעוד. משרד של 40 איש שיכול למסור ללקוח חבילת מקור על כל תוצר מוכר משהו שהמשרד של 400,000 איש לעתים קרובות לא מוכר: יכולת בדיקה.

DNLA Playbook לאספקה מבוססת ראיות

• הפרידו בין המהירות הפנימית לבין המוצר ללקוח. טיוטות מהירות יותר הן הפחתת עלות. הן הופכות לחלק מההצעה רק כשהלקוח יכול לראות את הבקרה סביבן.
• הגדירו עבודה מותרת ואסורה למודל לפי סוג תוצר: סריקת מחקר, טיוטת מזכר, תכנון בקרה, תצורת ייצור, ייעוץ מול לקוח.
• תעדו את הנתיב: מודל, סוג פרומפט, מקורות אחזור, בודק, חותמת זמן. אם אי אפשר לשחזר, אי אפשר להגן.
• הכניסו את הסיכון השיורי להסכם העבודה, כולל מי הבעלים של פגם כשסוכן כתב את הגרסה הראשונה.
• שנו את היחידה שאתם מוכרים במקום שבו העבודה באמת השתנתה. שעות נשארות הוגנות לסדנאות, לסיעור מוחות ולזמן דירקטוריון. הן לא הוגנות למסמך שסוכן ניסח ושותף רפרף עליו.
• השאירו את הברית מחוץ לסיפור האיכות. ציינו את המודל בנספח. שימו את כלל הבדיקה בעמוד הראשון.
• השתמשו באותה חבילת ראיות גם פנימית. אם העובדים לא יכולים להראות איך תוצר נוצר, הוא לא מוכן לשליחה.

DNLA Take