תמיכה בעברית מול תמיכה באנגלית במערכות AI, צעד אחר צעד

שפה ובינה מלאכותית אלון וייס 4 בנובמבר 2026 6 דקות קריאה

כשמוכרים לנו 'תמיכה בעברית' זה לא תמיד אומר אותו דבר. הפער הטכני בין עברית לאנגלית במערכות AI הוא עמוק, ויש חמישה בדיקות מעשיות שחושפות אותו לפני שמשלמים.

כשבוחרים מערכת AI לשירות לקוחות בישראל, השאלה 'האם היא תומכת בעברית?' היא רק ההתחלה. השאלה האמיתית היא: כיצד היא תומכת בה, ועל בסיס מה? הפער בין תמיכה בעברית לתמיכה באנגלית במערכות AI אינו עניין של תרגום טקסט, אלא של ארכיטקטורה, נתוני אימון ועיצוב מהיסוד. מאמר זה עובר על ההבדלים צעד אחר צעד, מהמגבלות הטכניות ועד לבדיקות המעשיות שכדאי לעשות לפני שמתחייבים למערכת.

מדוע עברית 'קשה יותר' לבינה מלאכותית

הסיבה הראשונה היא כמות. לפי נתוני W3Techs מנובמבר 2026, עברית היא שפתם של 0.4 אחוז בלבד מהאתרים בעולם שניתן לזהות את שפתם. בנתוני Common Crawl, שהוא מאגר הסריקה העיקרי שממנו מאומנים מודלי שפה גדולים, עברית מייצגת בין 0.5 ל-1 אחוז מנפח הטוקנים, לפי הניתוח של AITaggers. במילים אחרות, מודל שאומן על הרשת כולה, אומן על כמות אנגלית גדולה פי עשרות מנפח העברית. ולפי Kmrom, כ-10 מיליון דוברי עברית בעולם זה לא מספיק כדי לשכנע חברות גדולות להשקיע בפיתוח מודל ייעודי, בשונה משפות עם מאות מיליוני דוברים.

הסיבה השנייה היא מורכבות. עברית היא שפה 'עשירה מורפולוגית' במינוח של מחקרי NLP. לפי מחקר של AITaggers, מילה עברית בלתי מנוקדת ממוצעת בטקסט עיתונאי מאפשרת 2.7 ניתוחים מורפולוגיים שונים. בלי ניקוד ובלי הקשר רחב, מודל AI לא יכול להחליט אם 'ספר' הוא שם עצם, פועל ציווי, מספר, או מכשיר נגינה. עברית גם מקודדת בתוך מילה אחת מידע שבאנגלית מפוזר על פני כמה מילים. לפי Palmidos, טוקנייזרים סטנדרטיים שנבנו לאנגלית מפצלים מילות עברית לחלקים רבים שמסמך עברי צורך הרבה יותר טוקנים מאשר אותו רעיון באנגלית. זה לא חסרון אינהרנטי של עברית, אלא פער שנובע מהיעדר נתוני אימון ספציפיים מספיק.

ארבעה מקרים שבהם אנגלית-ראשון נשברת בשיחות עברית

לרוב אפשר לזהות מערכת שתמיכת העברית שלה היא שכבת תרגום על ארכיטקטורה אנגלית. הנה ארבע הנקודות שבהן זה מתגלה:

• ניסוח מעורב עברית-אנגלית: טקסט ישראלי אמיתי מכיל עברית, מספרים, שמות מוצרים באנגלית וקישורים, לרוב באותו משפט. לפי הניתוח של Palmidos, טוקנייזרים שנבנו לאנגלית מפצלים מילות עברית לחלקים לא שמישים ומקצרים את ההקשר הזמין.
• code-switching: 'בוא נסגור את ה-ticket, יש issue עם ה-API' הוא ניסוח נפוץ בחברות ישראליות. מודל שאומן על עברית נקייה לא מכיר את הפרקטיקה הזו ויאבד דיוק.
• פער בין עברית מדוברת לכתובה: עברית מדוברת ועברית כתובה פורמלית שונות ברמת אוצר המילים ותחביר. תשובה שנשמעת כתרגום ישיר מאנגלית בולטת מיידית ופוגעת באמינות.
• ממשק RTL שבור: לפי SLATech, מערכות שמוסיפות עברית כשכבת תרגום על פלטפורמה שנבנתה לאנגלית מייצרות ממשק שמיישר טקסט שמאלה, הופך סימני פיסוק וגורם לחוויה שנראית שבורה לדוברי עברית.

הטעות הנפוצה: לאמן מודל על תרגום במקום על עברית מקורית

SLATech מתעדת מקרה של בנק ישראלי שבנה מודל שירות לקוחות על נתוני כוונות שתורגמו מאנגלית. דיוק זיהוי הכוונות של המודל עמד על 61.4%, רמה שאינה שמישה בייצור. ההבדל בין מאגר מתורגם למאגר שנכתב מקורית בעברית מדיד ומשמעותי, ואותו הגיון חל גם על מאגר הידע של כל עסק.

מאגר ידע שנכתב בעברית, בשפה שלקוחות העסק ישתמשו בה, מניב תוצאות טובות יותר ממאגר שתורגם, לפי מחקר AITaggers. הסוכן מחזיר מה שקיבל. כל תרגום ביניים, בין אם ב-AI עצמו ובין אם בתכנים שהזנתם, מוריד את האיכות.

חמישה צעדים לבדיקת מערכת לפני שמחליטים

לפני שחותמים על חוזה, שווה להעביר כל מערכת בבדיקה פשוטה. אין צורך בהדגמה מוכנה מראש, אלה שאלות שמעבד כל מוכר:

1. שלחו הודעה בעברית מדוברת: 'היי, הזמנתי לפני שבוע ועדיין לא קיבלתי, מה קורה?' בדקו אם התשובה חוזרת בעברית טבעית או שמשהו מתרגמתי בולט.
2. ערבבו עברית ואנגלית: 'ה-order שלי לא מופיע במערכת, מה עושים?' מערכת שמסתבכת כאן תסתבך גם עם לקוחות אמיתיים.
3. שאלו שאלה עם מילה עמומה: 'יש לי בעיה עם הסניף הראשי' או 'מה שעות האח של השירות?' מערכת שמבינה הקשר תשאל הבהרה. מערכת שלא תניח הנחה שגויה.
4. בקשו לראות את הממשק המלא: האם מיישור הטקסט נכון? האם כפתורים, תאריכים ושדות טופס מוצגים כהלכה בממשק RTL? ממשק שבור מתסכל לקוחות ופוגע בהמרה.
5. שאלו ישירות: 'האם מאגר הידע שלכם מנוהל בעברית או מתורגם מאנגלית?' הסוכן מחזיר מה שנתתם לו, ואיכות הקלט קובעת.

מתי מספיקה מערכת גנרית ומתי היא לא

עסקים שהשיחות שלהם פשוטות ואחידות, שאלות חוזרות כמו שעות פתיחה ומעקב הזמנה, יכולים לתפקד עם מודל מולטילינגואלי גנרי. העברית בו מספיקה לשיחות רגילות, וההשקעה בפתרון ספציפי לעברית לא תמיד מוצדקת כלכלית.

לעומת זאת, עסקים עם לקוחות שמשתמשים בעברית מדוברת, בשפה ענפית ספציפית, או שמדברים ישר לנושאים כמו תלונות ובקשות להחזר, יצטרכו מערכת שנבנתה לעברית כשפה ראשית. הסוכן נקס של NextBot, למשל, נבנה עם עברית כשפת ברירת המחדל, ממאגר ידע שמנוהל בעברית ועד ממשק RTL שעובד לאורך כל הערוצים. מחיר המסלול הבסיסי עומד על ₪146 לחודש. ההבדל בחוויה ניכר ברגע שהשיחות נעשות סבוכות.

כדאי לדעת שגם המערכות הטובות ביותר עדיין מתקשות עם עברית מנוקדת בתוך טקסט רגיל, עם שפה ערבית-עברית מעורבת ועם ז'רגון ספציפי מאוד לתחום. כפי שמציינת Palmidos, אין כרגע benchmark ציבורי מקובל לעברית שמכסה את כל התחומים הרלוונטיים. בתחומים אלה, כוונון ייעודי שמוסיף נתוני אימון רלוונטיים עדיין נחוץ.