רוב ההצהרות על בינה מלאכותית בגבייה הן חשבון של ספקים: תחזית, פיילוט בלי קבוצת ביקורת, או אחוז בלי מכנה. זה לא המקרה כאן.
חברת החשמל לישראל, ספקית החשמל הלאומית שמשרתת כמעט כל בית עסק ומשק בית במדינה, ביצעה ניסוי מבוקר בשלוש קבוצות על פני 30,000 לקוחות חייבים. אנחנו מפרסמים את המבנה ואת השיעורים.
מבנה הנ יסוי
שלוש קבוצות של 10,000 לקוחות, תואמות בפרופיל סיכון ובמאפייני החוב:
קבוצה | טיפול |
ניסוי | פנייה של סוכן AI לגבייה בוואטסאפ |
ביקורת 1 | פנייה של המוקד האנושי הקיים |
ביקורת 2 | ללא פנייה כלל |
האוכלוסייה: לקוחות בפלחים צעירים ברמת סיכון בינונית-גבוהה, חובות מעל סכום מינימלי ובגיל 30 יום ומעלה. בקבוצת הניסוי, 1,469 לקוחות שילמו עוד לפני שהסוכן פנה אליהם; 8,531 קיבלו פנייה.
הקבוצה השלישית היא הקריטית. כמעט שום מחקר גבייה מפורסם לא כולל קבוצה ללא פנייה, ולכן כמעט אף אחד לא יכול להפריד בין השפעת הערוץ לבין עצם קיומה של פנייה.
התוצאה המרכזית
לסוכן ה-AI היו בערך פי שניים שיחות מאשר למוקד האנושי.
סוכן AI | מוקד אנושי | |
לקוחות שהגיבו | 29% | 14% |
מתוכם שילמו | 40% | 46% |
בני האדם המירו טוב יותר ברגע שהצליחו לדבר עם מישהו, 46% מול 40%. ביכולת שכנוע גרידא, המוקד מנצח.
אבל הוא הגיע לחצי מהאנשים. ובגבייה, טווח ההגעה מצטבר: כל שיחה שלא התרחשה היא חוב שמזדקן, וחוב מזדקן קשה בהרבה לגבייה.
הגבייה התוספתית, לא הגולמית
ההשפעה על סך הגבייה:
קבוצה | סך הגבייה |
סוכן AI | +81% מול ללא פנייה |
מוקד אנושי | +49% מול ללא פנייה |
ללא פנייה | בסיס |
השוואה ישירה בין שתי הקבוצות המטופלות מציבה את הסוכן כ-22% מעל המוקד בגבייה הגולמית. המספר הזה מקטין את ההפרש.
רוב מה שכל מערך גבייה גובה הוא כסף שהיה מגיע ממילא; קבוצת הביקורת ללא פנייה גבתה סכום משמעותי בלי שום פנייה. השוואת סך הגבייה משווה אפוא שני בסיסים גדולים וכמעט זהים.
המספר שמודד את הערוץ עצמו הוא הגבייה התוספתית: מה שכל קבוצה גבתה מעל בסיס הביקורת ללא פנייה.
קבוצה | גבייה מעל בסיס ללא פנייה |
סוכן AI | +81 נקודות |
מוקד אנושי | +49 נקודות |
במונחי גבייה תוספתית, סוכן ה-AI ייצר בערך פי 1.7 מהמוקד האנושי, כלומר כ-65% עד 70% יותר כסף חדש בפועל.
התוצאה שהפתיעה אותנו
קבוצת הסוכן נשאה חוב מבוגר יותר מקבוצת הביקורת, חוב שמרוכז בגילאים גבוהים, שקשה יותר לגבותו באופן עקבי. היא הצליחה יותר בכל זאת, ובכל אחת מקבוצות גודל החוב שנבדקו.
זה ההפך ממה שהיה קורה אילו הסוכן פשוט "קטף" את התיקים הקלים.
מה באמת קורה כאן
לא שה-AI משכנע יותר מאדם. הוא לא, ונתוני ההמרה אומרים זאת בבירור.
העניין הוא שמוקד אנושי מוגבל בקיבולת. הוא עובד תור, בשעות עבודה, בקצב קבוע. סוכן AI פונה לכל התיק בבת אחת, מגיב מתי שהלקוח בוחר להשיב, ולא נגמרות לו השעות. הפער בין 29% ל-14% אינו פער שכנוע. הוא פער זמינות.
המשמעות: המסגרת הנכונה אינה "להחליף את הגובים", אלא שהסוכן ייקח את הנפח, כדי שהאנשים שלכם ייקחו את התיקים שבהם שכנוע באמת משתלם. שיעור ההמרה של 46% שהאנשים שלכם משיגים הוא הסיבה לנתב אליהם את המקרים הקשים, לא הסיבה להשאיר אותם מחייגים לקלים.
הסתייגות אחת, בגלוי
הניסוי רץ במקביל למבצע שמיטת ריביות, שהעלה את שיעורי התשלום בכל הקבוצות. השיעורים המוחלטים כאן גבוהים ממה שמחזור גבייה רגיל היה מפיק.
ההשוואה עדיין תקפה, מפני שלשלוש הקבוצות הייתה אותה הצעה, אבל מי שיצטט את המספרים המוחלטים מחוץ להקשר יגזים.
מה זה אומר אם אתם מנהלים מערך גבייה
שיעור ההגעה הוא המגבלה, לא שיעור ההמרה. רוב תוכניות שיפור הגבייה עוסקות בתסריטים. הנתונים אומרים לשפר קודם את ההגעה.
גיל החוב הוא האויב. כל דבר שמקדים את השיחה שווה יותר מכל דבר שהופך אותה למשכנעת במעט.
מדדו מול קבוצה ללא פנייה, ודווחו תוספתי ולא גולמי. בלי בסיס ללא פנייה אי אפשר לדעת כמה מהגבייה הייתה מתרחשת ממילא.
הטמעה בחברת החשמל לישראל, מאי 2025. הנתונים הם שיעורי מענה, תשלום וגבייה מניסוי מבוקר בשלוש קבוצות. הסכומים המוחלטים לא פורסמו לבקשת הלקוח.
סוכן AI לגבייה מול מוקד אנושי: ניסוי מבוקר ב-30,000 לקוחות בחברת החשמל לישראל
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
July 27, 2026
