מהפכת ה-AI מאיימת על המודל העסקי של האוניברסיטאות
האם האוניברסיטאות יצליחו להתאים את עצמן למהפכת הבינה המלאכותית, או שימשיכו לפעול לפי מודל כלכלי שנבנה לעולם שבו הידע היה משאב נדיר? השאלה הזאת חורגת הרבה מעבר לשיטות הוראה, לתוכניות לימודים ולשילוב כלי AI בכיתות. היא נוגעת למודל העסקי של ההשכלה הגבוהה: מה האוניברסיטאות מוכרות, מי ישלם עבור השירותים שהן מספקות, וכיצד יממנו את המחקר שעליו נשענת החדשנות.
הדיון כבר החל. במאמר שפורסם בכלכליסט בספטמבר 2026, הצביע פרופ' שטייף, לשעבר רקטור אוניברסיטת תל אביב, על האפשרות שרוב ההוראה האוניברסיטאית תיעשה בעתיד באמצעות AI , ועל הצורך של האוניברסיטאות להמציא מחדש את תפקידיהן. חודש קודם לכן קרא פרופ' גנור, נשיא אוניברסיטת רייכמן, לבחון מחדש את תפקיד האוניברסיטה בעולם שבו מקצועות משתנים במהירות, ולהפוך את הלמידה לאורך החיים לחלק מרכזי בפעילותה. כתבות נוספות בעיתון עסקו בקושי להעריך את הישגי הסטודנטים בעידן שבו עבודות ומטלות נוצרות בסיוע AI ובשינוי הנדרש בתפקיד המרצים.
הדיון הזה חשוב, אך נדרשת בו גם בחינה כלכלית מעמיקה יותר. אם ה-AI משנה את אופן ייצורו והפצתו של ידע, הוא צריך לשנות גם את האופן שבו האוניברסיטאות מתמחרות את שירותיהן, מקצות את משאביהן ומממנות את פעילותן. האתגר אינו רק להמציא מחדש את האוניברסיטה, אלא להמציא מחדש את כלכלת האוניברסיטה.
במודל המסורתי, הסטודנט משלם שכר לימוד ונושא בהוצאות דיור ומחיה, ובעיקר בעלות הסמויה של שלוש או ארבע שנים שבהן פוטנציאל ההשתכרות שלו מוגבל. בתמורה, הוא מקבל ידע, תואר, הכשרה מקצועית וגישה לרשת קשרים שעשויה לסייע לו בקריירה. האוניברסיטה, מצדה, משתמשת בהכנסות משכר לימוד ובמימון ציבורי ופילנתרופי כדי לממן הוראה, מחקר ותשתיות.
אלא שמערכות AI מסוגלות כיום לספק ידע איכותי, במהירות ובהתאמה אישית, בעלות שולית נמוכה. ככל שהיכולת הזאת משתפרת, קשה יותר להצדיק השקעה של שנים וכסף רב במוסד אקדמי אם עיקר הערך שהוא מציע הוא העברת ידע הזמין גם באמצעים אחרים.
אבל אותה טכנולוגיה שמערערת את המודל הקיים מציעה גם הזדמנות כלכלית. AI יכול לסייע בהפקת חומרי לימוד, בהתאמת תרגילים לרמתו של כל סטודנט, במתן משוב ובחלק מתהליכי ההערכה. במחקר, הוא יכול להאיץ ניתוח נתונים, כתיבת קוד, סקירת ספרות ובחינת השערות. שימוש מושכל בכלים האלה עשוי לאפשר לאוניברסיטאות להציע שירותים טובים יותר בעלות נמוכה יותר, להרחיב את מספר הלומדים ולשחרר משאבים לטובת פעילויות שבהן התרומה האנושית חיונית.
המשמעות הכלכלית כפולה: היכולת לגבות מחיר גבוה עבור העברת ידע בסיסי נשחקת, אך נפתחת אפשרות להגדיל את הפריון ולפתח מוצרים ושירותים חדשים. הערך שעליו יוכלו האוניברסיטאות לגבות תשלום יהיה פחות עצם הגישה לידע ויותר היכולת להפוך אותו למיומנות, להתנסות מעשית, לשיפוט ביקורתי, להסמכה אמינה ולקשרים מקצועיים.
אם הידע מתיישן במהירות והגישה אליו נעשית זולה יותר, האוניברסיטאות אינן יכולות להסתפק במכירת תואר כמוצר חד-פעמי. עליהן לפתח מערכת של למידה לאורך החיים, שתלווה את הלומדים מבית הספר, דרך הלימודים האקדמיים ועד לשלבים מאוחרים בקריירה.
מערכת כזאת תציע קורסים מתעדכנים, הכשרות מקצועיות, גישה למעבדות, חניכה בידי מומחים ורשתות קשרים. ניתן יהיה לצבור נקודות זכות לאורך זמן, בכפוף לדרישות אקדמיות ולתוקף שיוגדר לידע ולמיומנויות שנרכשו.
בתוך המודל הזה אפשר לפתח גם שירותי מנוי חודשיים או שנתיים, שבמסגרתם הלומדים יקבלו גישה למגוון קורסים ושירותים תמורת תשלום קבוע. מבחינת האוניברסיטאות, מדובר באפשרות להרחיב את קהל הלקוחות מעבר למספר המקומות בתוכניות התואר ולייצר הכנסות חוזרות, במקום להסתמך בעיקר על מחזורי הרשמה שנתיים.
מודל נוסף הוא שיתוף בהכנסות הבוגרים (Income Share Agreements). במקום לגבות את מלוא שכר הלימוד מראש, המוסד יוכל לקבל אחוז מוגדר מהכנסת הבוגר במשך תקופה מוגבלת, ורק לאחר שהכנסתו תעבור רף שנקבע מראש. בתמורה, האוניברסיטה תידרש להתמקד יותר בהכשרה מעשית, בפיתוח מיומנויות ובהשתלבות בשוק העבודה.
מודל כזה אינו מתאים לכל תחום, והוא מחייב הגנות שימנעו העברת סיכון בלתי הוגנת לסטודנטים. בפרט, לא ניתן למדוד את ערכם של לימודים במדעי הרוח והחברה רק לפי שכר הבוגרים. עם זאת, שילוב בין תארים, הכשרות מתמשכות, מנויים ומודלים מותנים בהצלחה עשוי ליצור מגוון רחב יותר של מקורות הכנסה.
השינוי הנדרש אינו מסתכם במקורות ההכנסה. הוא מחייב גם לבחון מחדש את מבנה האוניברסיטה ואת הקשרים התקציביים בין הוראה למחקר.
במודל הקיים, אוניברסיטאות מחקר מעסיקות סגל יקר, שחלק ניכר מזמנו מוקדש למחקר ורק חלק קטן יחסית להוראה. ככל שכלי AI מגדילים את הפריון המחקרי, יהיה קשה להצדיק לאורך זמן את המשך העסקת הסגל האקדמי באותה מתכונת ובהיקפים הקיימים. אין פירוש הדבר שהחוקר האנושי מאבד מחשיבותו. המשמעות היא שיש לבחון מחדש את גודל הסגל, את הרכבו, את חלוקת העבודה בינו לבין מערכות AI ואת מקורות המימון של המחקר.
בועז גולני
חוקר יחיד עשוי להיות מסוגל לבצע בעזרת AI עבודה שבעבר חייבה צוות גדול יותר, אך במקביל יגדל הצורך במומחים המסוגלים להגדיר שאלות מחקר, לתכנן ניסויים, לאמת תוצאות ולהבחין בין ממצא אמין לתוצר שגוי של מערכת אוטומטית. השינוי הנדרש הוא מעבר ממודל המודד הצלחה לפי היקף המשאבים המוקצים למחקר למודל הבוחן פריון, איכות ותרומה מדעית.
מכאן עולה אפשרות מבנית נוספת: להפריד במידה רבה יותר בין המודל התקציבי של ההוראה לבין זה של המחקר. הגוף המלמד יוכל לפעול במבנה גמיש, המשלב מערכות AI עם מרצים, מנחים ומנטורים אנושיים. מכוני המחקר, לעומת זאת, יוכלו לפעול במסגרת תקציבית עצמאית יותר, עם מקורות מימון המתאימים לאופי פעילותם.
מחקר יישומי עשוי להתבסס על מענקים מסחריים, שיתופי פעולה עם חברות ומסחור טכנולוגיות. לעומתו, מחקר בסיסי ומחקר בתחומים שאין להם פוטנציאל מסחרי ברור ימשיכו להזדקק למימון ציבורי ולפילנתרופיה. גם מדעי הרוח וחלק ממדעי החברה מספקים ערך ציבורי שאינו מתבטא בהכרח בהכנסות ישירות או בשכר הבוגרים, ולכן אין לצפות שהשוק יממן אותם במלואם.
הפרדה כזאת אינה מחייבת לפרק את האוניברסיטה למוסדות נפרדים. אפשר לשמור על מסגרת אקדמית משותפת, ובו בזמן לנהל תקציבים, תמריצים ומדדי הצלחה שונים להוראה ולמחקר. כך ניתן יהיה להתאים את אופן המימון לכל פעילות, במקום להסתמך על מודל אחד שנדרש לשרת מטרות שונות ולעיתים אף מנוגדות.
התואר האקדמי לא ייעלם בעידן ה-AI, אך משמעותו הכלכלית תשתנה. אוניברסיטאות שימשיכו לגבות מחירי פרימיום על העברת ידע בסיסי בלבד עלולות לגלות שהן מציעות מוצר שיתרונו נשחק. לעומתן, מוסדות שיצליחו לנצל את הטכנולוגיה כדי להוזיל את אספקת הידע, להגדיל את הפריון ולפתח שירותים חדשים יוכלו להציע ערך רב יותר, לקהלים רחבים יותר.
לשם כך נדרשים שלושה שינויים משלימים: להכיר בכך שה-AI מערער את כלכלת האוניברסיטה אך גם מאפשר לה לייצר יותר בפחות משאבים; לפתח מודל הכנסות מגוון, המבוסס על למידה לאורך החיים, מנויים ומודלים נוספים לצד שכר הלימוד המסורתי; ולהפריד בין ההיגיון הכלכלי של הוראה לזה של מחקר, תוך שמירה על מימון ציבורי ופילנתרופי לתחומי ידע שהשוק אינו מתגמל במידה מספקת.
האתגר של האקדמיה אינו רק לאמץ את ה-AI, אלא גם להגדיר מחדש את הערך שהיא מספקת ואת הדרך שבה היא מממנת אותו. בעידן שבו הידע נעשה זמין וזול, היתרון של האוניברסיטה יצטרך לנבוע מיכולתה להפוך ידע להבנה, למיומנות, לחדשנות ולתועלת ציבורית — ולבנות סביבם מודל כלכלי בר-קיימא.
בועז גולני הוא עמית מחקר בכיר במוסד נאמן ופרופסור אמריטוס בפקולטה למדעי הנתונים וההחלטות בטכניון החוקר נושאים שונים של חקר ביצועים יישומי. הוא שימש בשורה של תפקידי ניהול בטכניון וכן כיועץ וחבר במועצות מנהלים של חברות וארגונים שונים
