אם 2023 הייתה השנה שבה הבינה המלאכותית פרצה לחיינו בסערה בזירה העולמית, ו־2024 הייתה השנה שבה התחילה לתפוס תפקיד משמעותי ואפילו מוביל בעולם הטכנולוגיה, אז 2025 היא השנה שבה ה־AI באמת התחילה לקבוע את הטון, בין אם נרצה בכך ובין אם לא. קצב ההתקדמות של הטכנולוגיה מניע ומשפיע על הכלכלה, דוחף את שוקי ההון, מעצב את השיח הפוליטי והכלכלי, החריף את מתיחות הסחר בין ארצות הברית לסין, זלג אל עולמות האמנות, המדיה והשיווק, חדר כמעט לכל מכשיר שבו אנחנו משתמשים, והשפיע על האלגוריתמים שמחליטים מה נראה, מה נקרא, את מי נאהב ומה נעורר בנו סלידה. והוא גם, סוף סוף, התחיל לנהוג עבורנו.
אבל אל מול ״הסערה המושלמת״ הזו, בואו ננתח לעומק את מה שקורה בפועל אצל ארגונים רבים בארץ וגם ברחבי העולם: לארגונים מעולם לא היה שפע גדול ורחב כל כך של דאטה, הן ברמת המגוון והן ברמת הזמינות, לכאורה. למה לכאורה? כי למרות שפע ההזדמנויות שבינה מלאכותית מציעה ומאפשרת, בעיית ה-Silos, הניהול והחלוקה הדיכוטומית של הדאטה ברוב הארגונים עדיין מאפייינת את המציאות בשטח. וכל עוד זו המציאות, חוסר האחידות וסנכרון הדאטה ימשיכו להגביל את מה שאפשר לעשות איתה בפועל.
בינה מלאכותית לבדה לא תפתור את הבעיה הזו. AI טובה רק כמו איכות הדאטה שאליה יש לה גישה, וכל ההייפ וההבטחות סביב agentic AI ייתקלו בדיוק באותו צוואר בקבוק. לפי תחזית של גרטנר, כ־60% מפרויקטי הבינה המלאכותית יינטשו עד שנת 2026, פשוט משום שאין להם “דאטה שמוכנה ל-AI”.
סקוט ברינקר, אחד הקולות המשפיעים והעקביים ביותר בעולם ה־MarTech בעשור האחרון, מייסד האתר Chiefmartec ומי שמפרסם מדי שנה את מפת ה־MarTech Stack האיקונית שממפה אלפי כלים ותשתיות שיווקיות, מקדם כבר שנים את הרעיון של “שכבת דאטה אוניברסלית” בעולם טכנולוגיות השיווק, רעיון שרק עכשיו מתחיל להפוך למציאות. המעבר לשכבת דאטה כזו היה אחד הנושאים המרכזיים בדו״ח State of Martech 2025 שלו. את הדו״ח כתב ברינקר ביחד עם שותפים חוקרים ואנשי פרקטיקה מעולמות הדאטה, המוצר והשיווק, שחיים את המתח היומיומי בין הבטחות טכנולוגיות לבין מגבלות ארגוניות אמיתיות. זו לא עבודת מחקר אקדמית מנותקת ולא מצגת מכירתית של ספק טכנולוגי, אלא ניסיון כן למפות מה באמת קורה בתוך ארגונים שנמצאים באמצע המעבר משיווק מבוסס כלים לשיווק מבוסס דאטה ובינה מלאכותית, ומהם צווארי הבקבוק שמונעים מהמהפכה הזו להתממש בפועל.
בלי דאטה מוכנה אין AI שיווקי, יש רק סיסמאות על מצגות
בחזרה לברינקר, לגישתו חלק גדול מהאתגר ההיסטורי של סילואי דאטה אינו טכנולוגי אלא ארגוני. הוא נטוע באופן שבו צוותים בנויים ומנוהלים. חלק מהפתרון יישאר אנושי, מבולגן ולא אלגנטי במיוחד. הדו"ח שכתב מצייר תמונה כמעט פרדוקסלית: מצד אחד, ה-AI מתקדם בקצב שמרגיש לא אנושי, לפי הדו"ח יכולות ה-LLMs “מכפילות את עצמן” בערך כל 7 חודשים, ובאותה נשימה הוא מזכיר את Martec’s Law, טכנולוגיה משתנה אקספוננציאלית בזמן שארגונים משתנים לוגריתמית, כלומר הפער בין היכולת לבין היכולת הארגונית לספוג אותה רק גדל.
בתוך הפער הזה, שיווק הוא בדרך כלל הראשון להתאהב והאחרון להטמיע נכון, ולכן הנקודה הכי חשובה שאיש שיווק, מותג או ארגון חייבים להבין מהדו"ח היא פשוטה: “מוכנות דאטה” היא לא פרויקט דאטה של צוות הנתונים, היא תנאי תפעולי להצלחה שיווקית בעידן AI. הדו"ח נותן לזה כמה סימנים מאוד קונקרטיים בשטח:
רוב המשיבים (56.2%) כבר חיברו את ה-martech stack שלהם ל-cloud data warehouse או lakehouse, וב-B2C כמעט כולם (92%) מדווחים על אינטגרציה כזו, לעומת 34% בלבד ב-SMBs. זאת לא עוד סטטיסטיקה על “מודרניזציה”, זו אמירה על שינוי מרכז הכובד של השיווק, אם בעבר ה-CDP היה “המרכז”, הדו"ח מראה שבשנה אחת הוא ירד בדירוג והיכולות “נמשכות” או למעלה, אל ה-warehouse בתצורת composable CDP, או למטה אל שכבת האקטיבציה וה-engagement דרך מיזוגים עם MAP/CEP.
כלומר, השאלה האמיתית היא לא “איזה כלי AI נקנה”, אלא “איפה יושב ה-source of truth שלנו, ואיך השיווק ניגש אליו בלי לשבור את הארגון בדרך”. כאן הדו"ח מכניס את משפט המחץ שהופך להיות כמעט חוק פיזיקה בעידן הסוכנים: “garbage in, garbage out”, אם הדאטה לא במצב טוב, לא מאוחסן נכון, ואם אתם לא יודעים מה יש לכם, סוכן ה-AI לא יתפקד.
מה שמעניין הוא שהדו"ח לא מצמצם מוכנות דאטה לדיוק טבלאות, הוא מראה שלושה צווארי בקבוק שחוזרים שוב ושוב כשמנסים לעבור מ-AI כצעצוע ל-AI כמכונת ערך: איכות דאטה, אינטגרציה, ואז הדבר שהכי חסר בהרבה ארגונים, “ידע דאטה”, מישהו או צוות שמחזיק תמונת מצב עדכנית של הדאטה הארגוני ומבין אותו באמת, כי בלי זה גם דאטה “נקייה” הופכת לבלתי שמישה.
זה חשוב במיוחד כשנכנסים לעולם של AI שמייצר קהלים, מסרים והחלטות, כי הדו"ח מדגיש נקודה טכנית שנראית קטנה אבל היא ההבדל בין “עוזר חכם” לבין “בלגן חכם”: להרבה ארגונים יש המון attributes ו-events על לקוחות, אבל אין להם metadata תקינה, ואז גם מוצר כמו segment assistant לא באמת “מבין” מה הנתונים אומרים ולא יכול לבנות סגמנטים בצורה אמינה.
במילים אחרות, אם אתם רוצים AI שמדבר שיווק, אתם צריכים קודם דאטה שמדברת בשפה אחת, עם מילון, עם הגדרות, עם בעלות. עכשיו תוסיפו לזה את השכבה הכלכלית שהדו"ח מתעקש שלא להתעלם ממנה: כששיווק מתחיל “להפעיל” דאטה ישירות מה-warehouse במודל zero-copy, זה לא באמת zero-cost, כל query עולה כסף, וזה מייצר חיכוך ארגוני חדש בין צוותי דאטה שמחזיקים את התקציב לבין צוותי שיווק שמפעילים את השימוש.
לכן מוכנות דאטה היא גם מוכנות מודל תפעולי ותקציבי, מי משלם על שאילתות, איך מגבילים שימוש, ואיך מונעים מצב שבו שיווק מפחד לגעת בדאטה כדי לא “להדליק את המונה”. ואז מגיע הפרק שהרבה מותגים מפספסים כשהם חושבים ש”עוד דאטה” תפתור הכל: הדו"ח מצביע על “הנעילה” הכי גדולה של השנים הקרובות שהיא דווקא unstructured data, כי שם נמצא חלק עצום מהאמת השיווקית: UGC, שיחות שירות, וידאו, תמונות, אודיו, פורומים וקהילות, כלומר כל מה שבאמת מספר מה אנשים מרגישים וחושבים ולא רק מה הם לחצו.
אם הארגון שלכם לא יודע לקלוט, לתייג, ולהפוך את העולם הלא מובנה הזה לידע שניתן לשאול עליו שאלות, אתם תישארו עם AI שמייצרת קופי ומצגות, אבל לא עם AI שמייצרת יתרון תחרותי. וזה מתחבר לעוד טוויסט משמעותי בדו"ח: ברגע שנכנסים AI agents ותהליכים אוטונומיים, ה-stack מפסיקה להיות “מכונה” והופכת ל”אקוסיסטם”, פחות פרארי ויותר יער גשם, ולכן נדרשת “observability” אמיתית, לוגים, דשבורדים, alerts, וגם השקעה מפורשת בבשלות דאטה, במיוחד תשתיות וצנרות שמוודאות איכות נתונים ומזהות drift.
בשפה של מנהלי שיווק, זה אומר שהעידן הבא לא ימדוד אתכם רק על CTR או ROAS, אלא על היכולת שלכם להפעיל מערכות שהן חצי דטרמיניסטיות וחצי הסתברותיות, בלי לאבד שליטה, ובשביל זה דאטה היא לא חומר גלם אלא מערכת עצבים. בשורה התחתונה, אם הייתי צריך למפות את “מה חייבים להבין” דרך עדשת מוכנות הדאטה, הדו"ח מכריח שלוש החלטות הנהלתיות: אחת, להגדיר source of truth שמרכז את דאטה הלקוח וההתנהגות, ובאופן מעשי זה הולך לכיוון warehouse/lakehouse שמחובר ל-martech ולא רק ל-IT; שתיים, להשקיע ב-data semantics, metadata, ובעלות על הגדרות, אחרת ה-AI “לא מבינה” אתכם גם אם היא חכמה; שלוש, לבנות גשר הפעלה בין דאטה לאקטיבציה עם מודל עלויות והרשאות ברור, כי אחרת שיווק ודאטה יילחמו על אותו כפתור.
ואם רוצים משפט סיום שמסכם את כל זה למנהלי מותג: ה-AI לא חסרה לכם, היא כבר כאן, מה שחסר הוא דאטה שמוכנה להיות מוצר, כי רק דאטה שמנוהלת כמוצר יכולה להחזיק סוכנים, פרסונליזציה, ולופים מהירים של ניסוי ולמידה בלי להתפרק בדרך.
