מהדקים את החגורות: ארגונים עוברים ל"כלכלת טוקנים" וההנהלה דורשת ROI
גל הקיצוצים בשוק הישראלי פוגש מציאות חדשה: חברות רכשו רישיונות AI ללא הגבלה בניסיון להחליף כוח אדם, אך גילו שגם למכונה יש עלות, והיא אינה זולה
מאת ליאור אברהם, ארגון ה - AI הישראלי
גל הפיטורים ששוטף את תעשיית ההייטק בישראל בחודשים האחרונים אינו עוד מחזור עסקי רגיל. מאחורי הקלעים מתחולל שינוי טקטוני בתפיסת ההפעלה של הארגון: הניסיון להחליף משימות אנושיות במערכות בינה מלאכותית.
בשלב הראשון בחנו הארגונים את הפעולות הרפטטיביות שמתרחשות במחלקות שלהן: ביצעו מחקר על עלות מפתח והיעילות שלו מול הקוד שכתב ובשלב השני, החליטו אילו עובדים או אילו פעולות יועברו למודלי ה AI מתוך מטרה לשפר, לייעל וכמובן להחליף עובדים.
לצורך כך, בשנה החולפת, מנהלי מערכות מידע בארגונים ישראליים פתחו את הארנקים ורכשו רישיונות כמעט בלתי מוגבלים לצוותי הפיתוח והביזנס, מתוך אמונה שכלים כמו "קלוד קוד" (Claude Code) יהפכו כל עובד לצוות שלם. אלא שכעת, כשהאבק שוקע, מתברר שהחלפת בני אדם במכונות אינה חינמית - והדירקטוריונים דורשים לראות החזר השקעה (ROI) על כל שורת קוד שנוצרת.
עם הטוקן בא התיאבון
אם תשאלו כל מפתח שכבר התרגל לעבוד עם כלי AI, הוא יצביע על שתי תופעות לוואי מרכזיות שהכלים האלו מייצרים:
הראשונה - הדחף לפתח כל פיצ'ר או בקשה שבעבר נדחו על הסף. המהירות והקלות שבהן פרומפט בודד מייצר מערכת, גורמות לדמיון לרוץ מהר קדימה. התוצאה היא שמדי יום מפותחים בארגון אלפי רכיבי קוד שלא בהכרח היה בהם צורך, ושמעולם לא היו רואים אור לו היו נמדדים במונחים המסורתיים של שעות פיתוח ועלויות כוח אדם.
השנייה - חוסר יעילות בניסוח הפרומפטים. הרשת אמנם מוצפת לאחרונה במדריכים ובכלים המסבירים כיצד לייעל את השימוש בטוקנים כדי לא לשרוף אותם בדקות הראשונות של יום העבודה, אך המציאות בשטח שונה. אותו עובד, שמחשב כל מילה כשהוא מוגבל לחשבונו הפרטי בבית, נוטה לגלות פזרנות ולדלג על אופטימיזציה של השאילתה ברגע שהוא מקבל "ארנק פתוח" מצד הארגון.
השילוב של פיתוח-יתר ושאילתות בזבזניות מוביל בסופו של חודש לעלויות כבדות, כאלו שארגונים ישראליים מרגישים היטב בחצי השנה האחרונה.
השווי של אנתרופיק מספר את הסיפור
בשבועות האחרונים חברת אנתרופיק (Anthropic) גייסה 65 מיליארד דולר לפי שווי של 965 מיליארד.
בזמן שחברות כמו OpenAI, גוגל (עם ג'מיני) ו-xAI (עם Grok) שרפו הון עתק על פנייה ללקוח הפרטי והתמודדו עם חוסר כדאיות כלכלית במודל ה-B2C, הסירו יכולות מהמודלים ושינו את מספר האינטראקציות בחשבונות הפרטיים, אנתרופיק קראה את המפה נכון.
היא התמקדה בארגונים, הבינה שחברות הן אלו שבאמת מזיזות תקציבי עתק, וסיפקה להם כלים ייעודיים. הניצחון של אנתרופיק בשוק הארגוני מוכיח שהמאבק האמיתי בבינה המלאכותית לא יוכרע במי יכתוב שיר יפה יותר, אלא מי יצליח לייעל מחלקת פיתוח שלמה.
המספרים מדברים: 95% מהפיילוטים נכשלים
עד לא מזמן, המשוואה הייתה פשוטה יחסית: חרדה טבעית מהישארות מאחור גרמה למנהלי הכספים לאשר רכישת רישיונות GenAI גורפים. אך הנתונים שנחשפים כעת משנים את התמונה.
מחקר מקיף של מכון Stanford Digital Economy Lab מצא כי לא פחות מ-95% מתוכניות הפיילוט של AI גנרטיבי נכשלו ביצירת השפעה פיננסית מדידה. על פי המחקר, הכישלונות הצורמים הללו אינם נובעים מאיכות ירודה של מודלי השפה, אלא מאינטגרציה לקויה לתהליכי העבודה הקיימים וחוסר תיאום מוחלט של התמריצים הארגוניים.
ההנהלות בישראל מתחילות להבין שהטכנולוגיה היא החלק הקל במשוואה.
למעשה, כך על פי המחקר, 77% מהאתגרים הקשים ביותר בהטמעת בינה מלאכותית הם עלויות "סמויות": ניהול שינויים ארגוניים, טיוב איכות הנתונים ועיצוב מחדש של תהליכי העבודה.
חברה שמפטרת עובד ורוכשת רישיון AI במקומו, מגלה מהר מאוד שהמערכת לא פועלת בריק. אמנם אין "עלות שכר מפתח" על כתיבת הקוד של הבוט, אבל יש עלות לאדם המיומן שחייב לפקח עליו, להפעיל אותו, ולשלב את הפלט בתוך המערכת הארגונית המסובכת.
ברוכים הבאים ל"כלכלת הטוקנים"
מנהלי הכספים עוצרים את חלוקת הרישיונות החופשית ודורשים מעקב מדויק אחר צריכת המשאבים של המכונה. כלכלת הטוקנים דורשת מארגונים לכמת כל שאילתה, כל שורת קוד שנוצרת וכל מסמך שמעובד. כשמודל AI מנתח דאטה ארגוני מסווג, הוא צורך טוקנים - ועלותם נערמת.
הפוקוס עובר כעת מעצם קיום הטכנולוגיה, למדידת היעילות שבה העובדים מנצלים אותה. אם עובד מפעיל סוכן AI לכתיבת קוד מבלי לבצע אופטימיזציה לשאילתה, הוא למעשה מבזבז את תקציב הפיתוח. במרחב החדש הזה, עבור 42% מההטמעות, הבחירה במודל הספציפי היא בגדר "קומודוטי" הניתן להחלפה. מה שמשנה הוא לא זהות המודל, אלא התשתית שמנהלת אותו ביעילות.
ההשלכות על כוח האדם הן מיידיות וכואבות. כאשר פרויקט בינה מלאכותית באמת מצליח להוכיח יעילות, המחיר לרוב מגולם בשורת כוח האדם. ב-45% ממקרי ההטמעה שנבחנו, התוצאה הישירה הייתה צמצום מצבת העובדים בארגון.
גל הפיטורים הנוכחי אינו תוצר של התייעלות זמנית, אלא שינוי מבני עמוק: החברות הישראליות מבינות שבעידן הטוקנים, הן זקוקות לפחות ידיים עובדות, אבל להרבה יותר מוחות שיודעים לנהל, לבקר ולמדוד את התפוקה של הבינה המלאכותית ברמת הסנט הבודד. מי שלא יצליח להוכיח שה-AI שלו מייצר יותר כסף ממה שהוא עולה, ימצא את התקציב שלו מקוצץ בדיוק באותה מהירות שבה נחתך כוח האדם.
