ב־10 בנובמבר 2025 הודיעה Scribe מסן פרנסיסקו על גיוס של 75 מיליון דולר בסדרת C לפי שווי של 1.3 מיליארד דולר. את הסבב הובילה StepStone, בהשתתפות משקיעים קיימים כדוגמת Amplify Partners, Redpoint Ventures, Tiger Global, Morado Ventures ו‑New York Life Ventures. היעד המרכזי של ההשקעה: האצה בהשקת Scribe Optimize—פלטפורמה שמטרתה לענות על השאלה שמטרידה כמעט כל הנהלה כיום: איפה בדיוק AI ואוטומציה מניבים החזר אמיתי על ההשקעה, ואיפה הם הופכים לעוד הוצאה שלא מתורגמת לתוצאות. על רקע גל אימוץ הבינה המלאכותית בארגונים והקושי למדוד תועלת, המהלך של Scribe מסמן שינוי כיוון אל עבר נראות, נתונים מדידים והכוונה לשימושים שמייצרים ערך תפעולי ופיננסי.
מה עושה Scribe Optimize בפועל
Scribe מוכרת בזכות כלי ה‑Capture שלה שמייצר מדריכים צעד‑אחר‑צעד מתוך ביצוע אמיתי של תהליך—באמצעות תוסף דפדפן ואפליקציית שולחן עבודה—כולל תמונות מסך והוראות. כעת היא מרחיבה את ההבטחה הזו לשכבת אופטימיזציה ארגונית. Scribe Optimize אוספת תובנות מרחבי הארגון ומציגה בלוח בקרה אחד את ה"מה" וה"כמה": אילו תהליכים מתבצעים בפועל, באיזו תדירות, כמה זמן הם נמשכים, ומהם הווריאנטים והחריגות. הרעיון פשוט: לפני שמגדירים סוכן AI או בונים אוטומציה, כדאי לדעת מה באמת קורה בשטח, היכן צווארי הבקבוק, ומהו פוטנציאל החיסכון או השיפור. לפי דיווחים, בסיס הנתונים שנוצר מיותר מעשרה מיליון תהליכים על פני כ‑40 אלף אפליקציות מזין את שכבת ההמלצות החדשה.
- מיפוי מלאי תהליכים חוצה-מערכות ברמת משימות, משתמשים וצוותים
- כימות זמן, נפח וחריגות כדי להעריך פוטנציאל ROI לאוטומציה ו‑AI
- איתור מועמדים לאוטומציה וסוכני AI, כולל דירוג עדיפות לפי השפעה וישימות
- חשיפת גורמי שורש לבזבוז—כפילויות, מעברי הקשר, עבודה ידנית ועוד
- ממשקי ניהול וציות: מדיניות, הרשאות ושקיפות לניהול שינוי והטמעה
- תאימות לתשתיות קיימות (RPA/Process Mining/כלי Copilot) ליישום מהיר
מספרים, לקוחות ומפת השוק
לפי דיווחים בתעשייה, ל‑Scribe יותר מ‑5 מיליון משתמשים, וכלים שלה נמצאים בשימוש בצוותים ב‑94% מחברות ה‑Fortune 500. החברה מציינת 78 אלף ארגונים כלקוחות משלמים, ומדווחת על הכפלת הכנסות בשנה החולפת (ללא פירוט מספרי). לצד זאת, ההנהלה מתכננת להכפיל את צוות החברה—כ‑120 עובדים כיום—בשנים הקרובות. מפת התחרות שמסביבה כוללת שחקנים מתחום כריית התהליכים (Process Mining) דוגמת Celonis, SAP Signavio ו‑Microsoft Power Automate Process Mining, כמו גם ספקיות RPA. היתרון היחסי של Scribe הוא נקודת המבט ה"מלמטה למעלה"—לכידת משימות משתמשים בזמן אמת—שמייצרת גרנולריות גבוהה לפני שמתקדמים לאוטומציה או לסוכנים חכמים.
- 2019: הקמה על ידי Jennifer Smith (מנכ"לית) ו‑Aaron Podolny (סמנכ"ל טכנולוגיות)
- 2024: סדרת B של 25 מיליון דולר; גידול מהיר בשימוש ארגוני
- נובמבר 2025: סדרת C של 75 מיליון דולר; שווי 1.3 מיליארד דולר
- חדירה לשווקים מחוץ לארה"ב: בריטניה, קנדה, אוסטרליה ואירופה
- מעל 10 מיליון תהליכים מתועדים ו‑40 אלף אפליקציות שנמדדו
הבעיה ש‑Scribe מנסה לפתור: ROI בבינה מלאכותית
מבט רחב לשוק מגלה דיסוננס: ההייפ סביב GenAI אדיר, אך ארגונים רבים מתקשים להראות תוצאות פיננסיות ומדידות. סקרים עדכניים מצביעים על כך שרק ארגונים בעלי בשלות גבוהה מקיימים מדדים עקביים לאורך זמן לפרויקטי AI, ורובם מדווחים שהמחסומים המרכזיים הם איכות זמינות הנתונים, ממשל נתונים ואמון עסקי. במקביל, תחום כריית התהליכים ממשיך לצמוח בקצבים דו‑ספרתיים, והופך לשכבה משלימה לבינה מלאכותית: מיפוי, מדידה והמלצות לפני הפעלה. בהקשר הזה, Scribe מציבה אלטרנטיבה פרקטית: לא עוד פרויקטי ראווה מנותקים, אלא תיעוד מדויק של מה שקורה בעמדת העובד—ומשם בניית מפת דרכים לאוטומציה ולסוכנים חכמים שמכוונים ליעדי חיסכון או צמיחה ברורים.
מיצוב מול ענקיות: Process Mining, RPA וסוכנים חכמים
בזירת ה‑Process Mining מובילים שחקנים ותיקים—Celonis, SAP Signavio, Microsoft—עם כלים המנתחים לוגים מערכתיים ומציגים מפות תהליך מקצה לקצה. לצד זאת, ספקיות RPA ו‑Hyperautomation הרחיבו יכולות גילוי משימות (Task Mining) כדי להאיץ אוטומציה. ייחודה של Scribe הוא בהנגשת נתוני עבודה ברמת המשתמש והמשימה לפני ואחרי שדרוגים—כדי לזהות לא רק איפה התהליך תקוע, אלא גם האם בכלל כדאי להציב שם סוכן AI או בוט. מבחינת מערך השותפויות, השוק מתכנס לאינטגרציות הדוקות עם פלטפורמות ERP, CRM וכלי Copilot ארגוניים; השאלה תהיה עד כמה Scribe תתחבר לאקוסיסטם הזה ותתרגם את מיפוי התהליכים להפעלה אוטומטית מבוססת מדדים.
“בלי להבין איך העבודה באמת מתבצעת, אי אפשר לדעת איפה לשפר ואיפה לאוטומט.”
ג׳ניפר סמית׳, מנכ"לית Scribe
המשמעות לישראל: בין אימוץ מהיר לממשל נתונים
הפרספקטיבה המקומית מעניינת במיוחד. האקו‑סיסטם הישראלי עשיר ביכולות אוטומציה ואימוץ כלים ארגוניים, ובשנים האחרונות ראינו עסקאות משמעותיות בתחום ניהול שינוי ואימוץ דיגיטלי—למשל רכישת WalkMe על ידי SAP—וכן קונסולידציה של טכנולוגיות גילוי תהליכים (למשל Kryon הישראלית שנרכשה על ידי Nintex). עבור ארגונים בארץ, היתרון של Scribe עשוי להיות ביכולת לחבר בין צוותי IT, תפעול ו‑HR סביב נתונים משותפים על "איך באמת עובדים"—בפרט בסביבות רב‑מערכתיות, רב‑שפתיות ובעלוֹת רגולציה מחמירה. המפתח הוא ממשל נתונים שקוף: מי רואה מה, מה נמדד, ומהם מדדי התועלת העסקיים שההנהלה מתחייבת למדוד לאורך זמן.
אבטחת מידע ופרטיות: תנאי סף ל‑Workflow AI
לכידת פעילות משתמשים מחייבת רמת ביטחון גבוהה. Scribe מדגישה עמידה ב‑SOC 2 Type II, הצפנה במעבר ובמנוחה, והפעלת מנגנוני טשטוש/הסתרה אוטומטיים (Smart Blur/Privacy Screen) כדי לצמצם חשיפה למידע רגיש. חשוב לא פחות: דפוס הפעולה הוא "מופעל‑על‑ידי‑משתמש"—הקלטה מתחילה ונעצרת ביוזמתו—והארגון יכול לאכוף הרשאות, SSO, RBAC ומדיניות טיוח נתונים. עבור סקטורים רגישים (בריאות, פיננסים), החברה מציינת יכולת התקשרויות ייעודיות (כגון BAA בארה"ב). המשמעות הפרקטית: לפני הטמעה יש לבצע סקירת פרטיות ומשפט, להגדיר מדיניות שקופה לעובדים, ולוודא שיישומי הקצה (דפדפנים, תחנות עבודה) מנוהלים ומאובטחים בהתאם לתקנים הארגוניים.
פלייבוק מומלץ ל‑CIO/COO ישראליים
כדי להפיק ערך מהיר ולשמור על אמון, כדאי לתכנן פיילוט מדוד עם תוצרים ברורים. ההמלצה היא להתחיל בתהליכים נפחיים אך בעלי מורכבות סבירה—תמיכת לקוחות, קליטת עובדים, גבייה—שבהם מדדי זמן, איכות ועלות ניתנים למדידה תוך שבועות. במקביל, יש להבטיח קו הגנה משפטי‑אתי סביב פרטיות עובדים ולהסביר את התועלת: פחות חיכוך בעבודה ופחות טעויות. חשוב לשלב את Scribe כתשתית מדידה שמזינה את כלי האוטומציה וה‑AI הקיימים—ולא כעוד אי בודד—כך שכל שיפור הופך להשקעה מצטברת ולא לניסוי חד‑פעמי.
- הגדירו קו בסיס: זמן מחזור, נפח, אחוז טעויות ותוחלת טיפול
- בחרו 3–5 תהליכים לפיילוט עם בעלי עניין מוגדרים ומדדי ROI
- הקפידו על ממשל נתונים: הרשאות, אנונימיזציה וניטור גישה
- חברו את הממצאים לכלי RPA/Agent קיימים להפעלה מהירה
- צרו תכנית שינוי: הדרכת עובדים, תקשורת תועלות ומשוב רציף
הסיכונים והאתגרים: מעקב, "סוכניזציה" ו‑Pilot Purgatory
שני אתגרים בולטים מלווים פרויקטים מסוג זה. הראשון הוא תחושת "מעקב" של עובדים: גם אם ההקלטה יזומה, יש לתחום בבירור מה נאסף, מי נחשף וכמה זמן נשמר. השני הוא סכנת "סוכניזציה"—פרוליפרציה של סוכני AI ללא ממשל אחיד—שמייצרת עומס, עלויות והטרוגניות. מדיניות ברורה, דירוג עדיפויות על בסיס ערך עסקי וישימות טכנית, ומדדים קריאים‑למנהלים הם הדרך להימנע ממלכודת ה‑Pilot Purgatory. חשוב גם לבחון את מגבלות הנתונים: תוספים וזיהוי מסכים לא תמיד מכסים מערכות ליבה ותהליכים לא‑דיגיטליים; שילוב תובנות עם לוגים מערכתיים וכלי כריית תהליכים יכול לסגור את הפער.
מבט קדימה: ממפה עבודה להפעלת אוטומציה מבוססת מדדים
הגיוס והמהלך של Scribe משקפים מגמה רחבה: ב‑2026 נראה פחות מצגות היתכנות ויותר תשתיות שמודדות עבודה אמיתית ומקשרות בין "מה קורה" ל‑"מה כדאי לאוטומט". נקודות המעקב המרכזיות כעת הן זמינות כללית של Optimize, עומק האינטגרציות (ERP/CRM/כלי Copilot), ומקרי מבחן שמדווחים חיסכון כספי נטו ולא רק שעות‑אדם. בשוק הישראלי, שבו אימוץ הטכנולוגיה מהיר אך משאבי תפעול קצרים, השילוב בין מיפוי, ממשל נתונים ואוטומציה עשוי להניב ערך מהיר—ובלבד שהיישום יישאר ממושמע למדדים, שקיפות ואתיקה. המסר למנהלים: AI איננו יעד בפני עצמו; הוא שכבה שמחייבת מדידה, הקשר ויכולת בחירה מושכלת של המהלכים שיחזירו כסף לקופה.