הפוליטיקה של המדידה: כשהמספרים לא רק מתארים את המציאות אלא גם מעצבים אותה

הרעיון הראשוני של מאמר זה נכתב לפני כחמש־עשרה שנה, בתקופה שאפשר בדיעבד לראות בה עידן תמים יחסית של מדידה ארגונית. גם אז מדידה לא הייתה ניטרלית: היא קבעה למה יופנה הקשב, מי יישפט, אילו התנהגויות יתוגמלו ואיזה מידע ייחשב לאמת. אלא שמאז השתנו באופן דרמטי היקף הנתונים שניתן לאסוף, הרציפות שבה הם נאספים והיכולת של מערכות אלגוריתמיות ובינה מלאכותית לא רק לנתח את העבר אלא גם לחזות התנהגות ולהשפיע עליה.
במקביל התרחבה גם הספרות המחקרית העוסקת בכך שמדדים אינם רק משקפים מציאות אלא משתתפים ביצירתה, ובכך שניהול אלגוריתמי וניטור דיגיטלי משנים יחסי כוח, אוטונומיה ואחריות בארגונים. המאמר הנוכחי מבקש לחבר בין הדיונים האלה ולבחון אותם מנקודת מבט ניהולית רחבה: תחילה את הבחירה במה למדוד, אחר כך את השפעת המדידה על התנהגות, בהמשך את יחסי הכוח שהיא יוצרת, ולבסוף את השלב החדש שבו מערכות דיגיטליות ובינה מלאכותית הופכות מדידה לכלי של חיזוי והתערבות.
האמונה בכוחה של המדידה נטועה עמוק בהיסטוריה של הניהול המודרני. תנועת הניהול המדעי של ראשית המאה העשרים, ובעיקר עבודתו של פרדריק טיילור, ביקשה לפרק עבודה לפעולות שניתן לצפות בהן, למדוד ולהשוות ביניהן, מתוך הנחה שמדידה שיטתית תאפשר למצוא דרכים יעילות יותר לבצע את העבודה. תרומתה של הגישה הזאת לניהול הייתה עצומה, אבל יחד איתה התקבעה גם אמונה בסיסית שלפיה מה שניתן למדוד ניתן גם לנהל טוב יותר, ושמדידה היא האופן האובייקטיבי ביותר להבין את המציאות. הכלים השתכללו מאז ללא הכר, אך האמונה עצמה נשארה איתנו.
הבעיה מתחילה כאשר מן הטענה שמדידה חיונית עוברים למסקנה שמדידה היא גם ניטרלית. היא אינה. עוד לפני שהופיע המספר הראשון, מישהו כבר החליט מה למדוד, כיצד למדוד, את מי, באיזו תדירות, מול איזו אמת מידה, מי יראה את התוצאה ומה ייעשה בה. ההחלטות האלה קובעות למה יופנה הקשב, מה ייחשב חשוב ומה יידחק לשוליים, מי יידרש לתת דין וחשבון ומי יוכל לפרש את התוצאה.
צריך לומר זאת באופן ברור במיוחד למנהלים: ללא מדידה אנחנו נשארים לעיתים קרובות עם תחושות בטן, סיפורים ואנקדוטות. מדידה מאפשרת לזהות מגמות, להשוות, ללמוד, להציב מטרות ולבדוק אם אכן התקדמנו. מדידה טובה היא לא אויב של שיקול דעת אלא תנאי לקיומו. היא יכולה לחשוף פערים שהארגון מעדיף לא לראות, לצמצם שרירותיות, להחליף התרשמות אישית בראיות, לזהות אי־שוויון, להגן על עובדים מפני הערכות לא עקביות ולאפשר למנהלים ללמוד מה באמת קורה במקום להסתפק בסיפורים שמגיעים אליהם במסדרון.
ביקורת על מדידה אינה קריאה לחזור לניהול באמצעות תחושת בטן; היא קריאה לנהל את המדידה באותה רצינות שבה מנהלים תקציב, אנשים ואסטרטגיה.
מכאן מתחיל השלב הראשון של הטיעון: לא די לומר שמדידה אינה ניטרלית. צריך לראות כיצד היא נבנית מתוך בחירות ניהוליות קונקרטיות. אחר כך מגיע שלב שני: המדדים אינם נשארים על הנייר אלא מלמדים אנשים מה כדאי לעשות. בשלב השלישי, המדידה הופכת לשאלת כוח — מי מגדיר, מי מפרש ומי נושא בתוצאות. ובשלב הרביעי, בעידן של נתונים רציפים ובינה מלאכותית, המדידה אינה מסתפקת עוד בתיאור העבר אלא מתחילה לחזות, להמליץ ולעיתים גם לכוון פעולה. כך מדידה עוברת בהדרגה ממכשיר של ידיעה למכשיר של השפעה ושליטה.
המספר מתחיל בבחירה.
גם הדברים שנראים אובייקטיביים לחלוטין תלויים לעיתים בהחלטות אנושיות משונות למדי. מרחק נמדד אצלנו בקילומטרים, בים במיילים ימיים ובקשרים, ובעולם התעופה גובה נמדד בדרך כלל ברגליים. אותה טמפרטורה יכולה להישמע נעימה בצלזיוס, דרמטית בפרנהייט וחסרת כל רגש אנושי בקלוין. המציאות לא השתנתה; השפה שבה תיארנו אותה השתנתה.
כאשר עוברים ממדידת טמפרטורה ומרחק למדידת ביצועים, עמדות ואנשים, ההחלטות נעשות משמעותיות הרבה יותר. עובד שקיבל 4 מתוך 5 נראה לנו “טוב”, אבל אם נעבור לסולם של 10, האם הוא עכשיו 8? ואם קיבל 7, האם ביצועיו הורעו? האם המרחק בין 4 ל־5 בסולם עמדות באמת זהה למרחק בין 2 ל־3? המספר יוצר תחושה של דיוק, גם כאשר התופעה שאותה הוא מייצג הרבה פחות מדויקת.
הבחירה החשובה ביותר היא כמובן מה בכלל בחרנו למדוד. ארגון יכול להצהיר ששירות טוב הוא ערך מרכזי, אבל אם עובדי המוקד נמדדים בעיקר לפי מספר השיחות ומשך הטיפול, הם יבינו במהירות מה באמת חשוב להנהלה, מה הפער בין מה שמצהירים למה שבאמת רוצים. במקרה כזה, המסר הארגוני האפקטיבי אינו מצוי בהצהרת הערכים אלא בלוח המחוונים. מה שנמדד מקבל תשומת לב, משאבים ומאמץ; מה שאינו נמדד עלול להיעלם מן השיח, גם כאשר כולם מסכימים שהוא חשוב. מכאן מתחיל המעבר ממדידה כתיאור למדידה כהכוונת התנהגות.
אנחנו מודדים את ההתנהגות — ואז ההתנהגות משתנה
אנשים אינם אובייקטים פסיביים של מדידה. עובדים, מנהלים ויחידות לומדים במהירות את המערכת, מבינים מה היא מתגמלת ומתאימים אליה את התנהגותם. אם מודדים מוקדן לפי מהירות, הוא ילמד לקצר שיחות. אם מודדים איש מכירות לפי מספר העסקאות, הוא הרבה יחפש עסקאות קלות. אם יחידה נמדדת על עמידה בתקציב, היא תלמד לא רק כיצד לעמוד בו אלא לעיתים גם כיצד לבנות אותו כך שיהיה אפשר לעמוד בו.
אין בכך בהכרח רמאות. לעיתים זו ההתנהגות הרציונלית ביותר האפשרית. הארגון מסמן לאדם שזה הדבר החשוב, והוא מנסה להצליח בו. הבעיה מתחילה כאשר המדד, שנועד להיות סימן להצלחה, הופך להצלחה עצמה. במקום לשפר את מה שהמדד אמור לייצג, אנחנו מתחילים לשפר את התוצאה במדד. ארגון שרוצה למידה יכול לקבל הצגה של למידה; ארגון שרוצה איכות יכול לקבל עמידה במדדי איכות; וארגון שרוצה שירות יכול לקבל שירות שמצטיין בטופס המדידה. זו גם הסיבה שאפשר לפעמים להיכנס לישיבת הנהלה שבה כל המדדים ירוקים ולדעת שמשהו בכל זאת אינו עובד.
ככל שמדד נעשה חשוב יותר, גדל גם התמריץ להשפיע עליו. הילד שמנסה לאכול גיר כדי להעלות חום מהווה אולי דוגמה רפואית מפוקפקת, אבל הוא מבין היטב את עקרונות המדידה הארגונית: אם אינך יכול לשנות את המציאות, אולי תנסה לפחות לשנות את הקריאה במכשיר. גם ארגונים, יחידות ומנהלים מפתחים לעיתים יצירתיות מרשימה כאשר בונוס, תקציב, קידום או הישרדות תלויים במספר.
מי מודד את מי
כאן המדידה פוגשת ישירות את שאלת הכוח. בחלק גדול מן הארגונים המדידה זורמת בעיקר כלפי מטה. קל למדוד עובד במוקד: כמה שיחות עשה, כמה זמן נמשכה כל שיחה, כמה לקוחות חזרו וכמה זמן היה בהפסקה. קשה הרבה יותר למדוד את איכות ההחלטות של מי שתכנן את המוקד. אפשר למדוד איש מכירות עד הספרה האחרונה, אבל פחות פשוט למדוד אם האסטרטגיה שניתנה לו הייתה נכונה. ולא נדבר על דירקטוריונים ושווקי הון שמודדים תוצאות טווח קצר כי הן מדידות, ולא השקעות לטווח ארוך שאינן בהכרח נראות לעין כמו השקעה בצמיחת עובדים.
גם מידת השליטה של הנמדד בתוצאה אינה תמיד נלקחת בחשבון. מנהל יכול להישפט על רווחיות בתקופת מיתון, עובד שירות על זמני המתנה שנובעים ממחסור בכוח אדם, ומורה על הישגי תלמידים שמושפעים מעשרות גורמים שאינם בשליטתו. מספר יכול להיות מדויק לחלוטין ובכל זאת להיות בסיס לא הוגן להערכת אדם.
לכן צריך לשאול לא רק מי נמדד, אלא גם מי אינו נמדד; מי בוחר את המדד; מי מחזיק בנתונים; מי מפרש אותם; ומי קובע מה יקרה בעקבותיהם. כאשר אותו גורם מגדיר את המדד, מבצע את המדידה, מפרש את התוצאה וגם מתגמל או מעניש בעקבותיה, מדובר בהרבה יותר ממערכת מידע. יש שם ריכוז ניכר של כוח ושליטה— ואפשר לומר שהפרדת הרשויות אינה מרשימה במיוחד.
חשוב גם להבחין בין מדידה, הערכה והחלטה. העובדה שעובד השלים פחות משימות מאחרים היא נתון. הקביעה שהוא עובד פחות טוב היא כבר הערכה. ההחלטה לא לקדם אותו היא החלטה ניהולית. במערכות מסורתיות שלושת השלבים היו מובחנים יחסית; במערכות אוטומטיות הם יכולים להתלכד במהירות כמעט בלתי נראית. הנתון הופך לציון, והציון להמלצה או להחלטה, עד שנדמה כאילו “הנתונים החליטו”. אבל נתונים אינם מחליטים. אנשים בחרו איזה מידע להכניס, איך לשקלל אותו, למה להשוות אותו ומה לעשות עם התוצאה.
כשהעבודה עצמה הופכת לנתונים
ההתפתחות הטכנולוגית משנה את המדידה לא רק משום שאפשר למדוד יותר דברים, אלא משום שאפשר למדוד אותם כל הזמן. בעבר היה בדרך כלל מרחק מסוים בין העבודה לבין המדידה שלה. כיום העבודה עצמה מייצרת ללא הרף עקבות דיגיטליים ניתנים למדידה.
הדוגמה הבולטת היא חברות פלטפורמה, שבהן האלגוריתם יכול להשתתף בהקצאת העבודה, לעקוב אחר הביצוע ולנהל את זרימת המשימות. אבל דווקא אלה אינן הדוגמאות המעניינות ביותר, משום שהניהול האלגוריתמי גלוי בהן כמעט מלכתחילה. השינוי העמוק יותר מתרחש במקומות שבהם בעבר כמעט לא היה ניטור רציף. במוקד שירות אפשר לא רק לספור שיחות אלא גם לנתח משך, זמן המתנה, פתרון בפנייה ראשונה ואף תוכן או טון של שיחות. בעבודת משרד ניתן לעקוב אחר משימות, זמני ביצוע, שעות פעילות, תקשורת וקצב תגובה. במערכות לניהול פרויקטים ולעבודת ידע, עובדים יכולים להשאיר אחריהם שובל נתונים מפורט בלי להרגיש שהם נמצאים בתהליך מדידה נפרד כלשהו.
זה כבר אינו תרחיש עתידי. מחקרים מהשנים האחרונות מצביעים על התרחבות מהירה של ניהול אלגוריתמי, ובכלל זה מערכות המסייעות להקצות, לנטר ולהעריך עבודה. במקביל מתרחב גם הדיון המחקרי בשאלות של שקיפות, אחריות, אוטונומיה והשפעתן של מערכות כאלה על עובדים.
החידוש של בינה מלאכותית אינו רק בכך שהיא מאפשרת לעבד יותר נתונים מהר יותר. החידוש הוא שבמקרים רבים הקריטריון עצמו נעשה פחות גלוי. בעבר מנהל יכול היה לומר לעובד: נמדדת לפי מספר משימות, זמן תגובה או שביעות רצון לקוחות. במערכות מבוססות מודלים, ההערכה עשויה להישען על שילוב של עשרות או מאות משתנים, ועל קשרים שהמערכת זיהתה אך קשה להסבירם בשפה ניהולית פשוטה. כך נוצר מעבר ממדד שאפשר להתווכח עליו למודל שקשה להבין אותו, ומכאן גם קשה יותר לערער עליו.
בעבור מנהלים זו נקודה קריטית. שימוש בבינה מלאכותית אינו פוטר מאחריות ניהולית; להפך, הוא מחייב אותה ביתר שאת. אם מערכת ממליצה את מי לקדם, איזה עובד נמצא בסיכון לעזיבה, איזה לקוח יקבל הצעה מסוימת או איזו פנייה תקבל עדיפות, צריך לשאול לא רק אם המודל מדויק, אלא גם אילו הנחות יסוד הוטמעו בו, אילו נתונים הוזנו אליו, מי עלול להיפגע מטעות, ומה ייחשב הסבר מספק כאשר מישהו יבקש להבין את ההחלטה.
כאן יש שינוי ביחסי הכוח. מדידה שנתית או רבעונית היא אירוע; ניטור מתמיד הוא סביבה. יש כמובן יתרון גדול ביכולת לזהות בעיה בזמן אמת, אבל יש הבדל פסיכולוגי וארגוני עמוק בין עובד שביצועיו נבדקים מדי פעם לבין אדם שיודע שכל רגע בעבודתו עשוי להיכנס למערכת שמחשבת ומעריכה אותו.
מה שקל למדוד עלול להפוך למה שחשוב
לטכנולוגיה יש הטיה מובנית לטובת מה שאפשר להפוך בקלות לנתון. קל לספור מספר הודעות, הרבה יותר קשה למדוד את איכות החשיבה שמאחוריהן. קל למדוד זמן תגובה, קשה יותר למדוד שיקול דעת. מספר פגישות, משימות שהושלמו או לקוחות שטופלו משאירים עקבות דיגיטליים ברורים; הקשבה טובה, חניכה של עובד, מניעת משבר או רעיון מצוין שעוד לא הבשיל כמעט אינם משאירים עקבות.
מכאן נוצרת סכנה אחרת: לא רק שאנחנו מודדים את מה שחשוב, אלא שאנחנו מתחילים לחשוב שמה שקל למדוד הוא מה שחשוב. אם הנתון כבר קיים, מפתה מאוד להשתמש בו. ואז נוסף עוד מדד, ועוד לוח מחוונים ועוד גרף, עד שמנהלים עלולים למצוא את עצמם יודעים יותר ויותר על פחות ופחות.
גם הדיוק המספרי עצמו יכול להטעות. ציון של 7.63 נראה סמכותי יותר מציון של “בערך שבע”, אבל שתי הספרות אחרי הנקודה אינן מבטיחות שהמדד הנכון נבחר, שהנתונים שלמים או שההשוואה הוגנת. אפשר למדוד בדייקנות רבה מאוד את הדבר הלא נכון.
מן העובד אל הלקוח: מדידה לצורך השפעה
התרחבות המדידה אינה נעצרת בעובדים. לקוחות ומשתמשים הפכו גם הם למושאי מדידה כמעט רציפים. כל לחיצה, רכישה, חיפוש, זמן שהייה, נטישה וחזרה מייצרים מידע, והמידע הזה אינו משמש רק כדי להבין את ההתנהגות אלא גם כדי להשפיע עליה.
כאשר מערכת לומדת מה מושך את תשומת ליבו של אדם, מה גורם לו להמשיך, לקנות, לחזור או להגיב, ניתן לעצב את הסביבה כך שתגדיל את ההסתברות שיעשה זאת שוב. כאן המדידה עוברת שלב נוסף: מתיאור להתערבות. השאלה כבר אינה רק מי יודע על מי יותר, אלא מי מסוגל להשתמש בידע כדי לשנות את התנהגותו של האחר. מה שמתחיל כניתוח התנהגות יכול להפוך להמלצה, לתמחור, לסדר הצגת אפשרויות, להתראה או לעיצוב ממשק שמכוון את הבחירה. כשהאלוגריתם במדיה החברתית מאתר השתהות ליד מוצר, כולנו מכירים מה שקורה.
אפשר כמובן להשתמש ביכולת הזאת לטובת הלקוח: להקל עליו, להתאים שירות טוב יותר ולמנוע ממנו מידע לא רלוונטי. אבל אותה יכולת יכולה לשמש גם למניפולציה. הגבול אינו תמיד חד, ולכן שאלת הכוח אינה נפתרת רק באמצעות הטענה שהלקוח “הסכים לתנאי השימוש”.
לא כל מה שאפשר למדוד ראוי למדידה
מכאן עולה גם שאלה ערכית שהופכת מרכזית ככל שהיכולת הטכנולוגית גדלה. העובדה שאפשר לדעת משהו אינה אומרת בהכרח שראוי לדעת אותו.
כאשר אדם הופך למכלול של ציונים, דירוגים, דפוסי התנהגות והסתברויות, קיימת סכנה שהמערכת תתייחס אליו כאובייקט שאפשר לנהל, ולא כאדם בעל נסיבות, הקשר, שיקול דעת וזכות להסביר את עצמו. זו אינה רק שאלה של הגנת מידע. היא נוגעת לפרטיות, לכבוד ולאוטונומיה.
לכן יש משמעות גם לזכות להבין ולערער. אם עובד, מועמד או לקוח מקבל ציון או החלטה שמשפיעים עליו, חשוב לשאול האם הוא יכול לדעת על סמך מה התקבלה התוצאה, לתקן מידע שגוי, להוסיף הקשר או לבקש מאדם לבחון מחדש את ההחלטה. ככל שהמערכת מורכבת ואוטומטית יותר, כך גוברת הסכנה שהמספר יקבל מעמד של פסק דין דווקא משום שאיש אינו מבין אותו מספיק כדי להתווכח איתו.
העיקרון איננו שצריך להימנע מטכנולוגיה או מנתונים, אלא פשוט יותר: לא כל מה שניתן למדוד ראוי למדידה, ולא כל מה שניתן לחזות ראוי לשימוש.
וכשהמדידה עצמה הופכת לעבודה
למדידה יש גם מחיר פחות דרמטי אבל מוכר מאוד למנהלים. מישהו צריך להגדיר את המדדים, לאסוף נתונים, לבדוק אותם, לדווח עליהם, להסביר חריגות ולהכין את המצגת שבה מסבירים את המצגת הקודמת.
בארגונים מסוימים מגיעים לנקודה שבה חלק משמעותי מן העבודה מוקדש לתחזוקת מערכת המדידה עצמה. מנהלים מדווחים במקום לנהל, עובדים לומדים לתחזק את המדדים, ופעילויות שקשה להכניס ללוח המחוונים נדחקות הצידה. מערכת שנועדה להגדיל את השליטה יכולה כך להגדיל בירוקרטיה ולהקטין שיקול דעת.
גם כאן אין פתרון פשוט של “פחות מדדים”. חלק מדרישות המדידה כלל אינן בשליטת הארגון. רגולטורים, דירקטוריונים, משקיעים, בנקים, חברות ביטוח ולקוחות דורשים מידע, ולעיתים מסיבות מצוינות. אבל גם דרישה מוצדקת למדידה משנה את חלוקת הקשב והמשאבים. לכן צריך לשאול לא רק מה אנחנו לומדים מן המדד אלא גם מה עולה לנו לייצר אותו, ומה איננו עושים בזמן שאנחנו מודדים.
לנהל גם את המדידה
המסקנה מכל אלה אינה שצריך למדוד פחות, ובוודאי לא לוותר על מדידה. בעולם מורכב ורווי מידע אנחנו זקוקים למדידה יותר מאי פעם. אבל דווקא משום שכוחה גדל, מערכת המדידה עצמה צריכה להפוך למושא של ניהול ושיקול דעת.
לפני שמוסיפים מדד כדאי לשאול לא רק האם הוא אמין ומדויק, אלא מה הוא יעשה לארגון: איזו התנהגות יעודד, מה ייעשה פחות חשוב בגללו, מי יוכל להשפיע על התוצאה ומי יישפט על דברים שאינם בשליטתו. כדאי לשאול מי מחזיק במידע, מי מפרש אותו, עד כמה אפשר לערער על המסקנה, ומה קורה בדרך שבין נתון לבין החלטה. ובמבט מלמעלה – האם הוא מתאים לערכי הארגון?
ובעיקר כדאי לשאול שאלה אחת פשוטה: אם כולם יצליחו באופן מושלם במדד הזה, האם נקבל באמת את הארגון שרצינו?
המדידה החלה כאחד הכלים החשובים ביותר שבאמצעותם הניהול ניסה להחליף ניחוש בידע. היא עדיין ממלאת את התפקיד הזה. אלא שכיום היא עושה הרבה יותר: היא מכוונת תשומת לב, יוצרת תמריצים, משנה התנהגות, מאפשרת להשוות ולדרג, מספקת בסיס להחלטות, ולעיתים גם מאפשרת לחזות התנהגות ולהשפיע עליה.
במובן הזה התהליך הוא כבר לא רק מדידה → ידיעה, אלא גם מדידה → הכוונת התנהגות → הפעלת כוח → חיזוי והתערבות.
כל מערכת מדידה דומה במידה מסוימת לרשת דייגים. רשת גסה מסננת הרבה ומעלה רק חלק ממה שעבר במים; היא עלולה להחמיץ דברים חשובים, אבל היא גם מחייבת אותנו להחליט מראש מה אנחנו מחפשים. רשת צפופה תופסת הרבה יותר, אבל אז עלול להיווצר קושי אחר: בתוך שפע הנתונים קשה יותר להבחין בין עיקר לטפל. כך גם במדידה. לא תמיד יותר נתונים פירושם יותר הבנה; לפעמים דווקא היכולת לבחור מה למדוד, ומה לא, היא תנאי לשיקול דעת טוב.
לכן השאלה איננה רק כמה אנחנו מסוגלים למדוד, אלא איזה סוג של רשת אנחנו רוצים לפרוש על המציאות — ומה אנחנו עלולים להפסיק לראות דווקא משום שתפסנו יותר מדי.
וזו הסיבה שהפוליטיקה של המדידה חשובה היום אולי יותר משהייתה בעבר. לא משום שהמספרים פחות חשובים, אלא משום שהם נעשו חזקים הרבה יותר.
מקורות נבחרים
Vosselman, E., & De Loo, I. (2023). Turning performance measurement on its head: From the measurement of performance to the performativity of measuring. Financial Accountability & Management, 39(3), 554–568. https://doi.org/10.1111/faam.12374
Islam, G., & Greenwood, M. (2021). The metrics of ethics and the ethics of metrics. Journal of Business Ethics, 175, 1–5. https://doi.org/10.1007/s10551-021-05004-x
OECD. (2025). How widespread is algorithmic management in workplaces? OECD Publishing. https://doi.org/10.1787/cda7a114-en
Milanez, A., Lemmens, A., & Ruggiu, C. (2025). Algorithmic management in the workplace: New evidence from an OECD employer survey. OECD Artificial Intelligence Papers, No. 31. OECD Publishing. https://doi.org/10.1787/287c13c4-en