דעה
התייעלות חכמה מתחילה בתשתיות, לא בפיטורים
לפני שמקבלים החלטות כואבות על צמצום כוח האדם, כדאי לבדוק אם חלק מהחיסכון מסתתר דווקא בתשתיות הענן, הדאטה והבינה המלאכותית של הארגון
בשנה האחרונה הפכו הפיטורים לתופעה חוזרת בתעשיית הטכנולוגיה. חברות רבות הציגו אותם כחלק משיפור היעילות, הגדלת הרווחיות או התאמת הארגון לעידן הבינה המלאכותית. ה-AI אכן משנה את תהליכי העבודה ואת מבנה הארגונים, אך לעיתים הוא גם משמש הסבר נוח לקיצוצים שמקורם בגיוסי יתר, האטה בצמיחה, עלויות גבוהות או לחץ מצד המשקיעים.
הלחצים האלה מורגשים גם בהייטק הישראלי. לצד התאוששות בגיוסים ובאקזיטים, דוח רשות החדשנות הצביע לראשונה זה עשור על ירידה במספר עובדי המחקר והפיתוח בישראל. העלייה בעלויות והנטייה להעביר פעילות לחו"ל הופכות את ההתייעלות לצורך ממשי.
אבל התייעלות אינה מסתכמת בקיצוץ הוצאות. מטרתה היא לייצר אותה תפוקה, ולעיתים אף יותר, בעלות נמוכה יותר. עובדים מייצגים ידע, ניסיון והמשכיות ארגונית, ולכן לפני שמוותרים עליהם כדאי לבחון מוקדי בזבוז אחרים. אחד המשמעותיים שבהם הוא התשתית הטכנולוגית.
שירותי ענן, מערכות נתונים, כלי SaaS, פתרונות אחסון, מערכות ניטור, כלי פיתוח ושירותי AI הפכו בשנים האחרונות לאחת מהוצאות הטכנולוגיה הגדולות והצומחות ביותר בארגונים. בעוד שמצבת כוח האדם נבחנת לעיתים קרובות, הארכיטקטורה הטכנולוגית נשארת פעמים רבות ללא שינוי במשך שנים.
הבעיה אינה נובעת מהחלטה אחת, אלא מהצטברות של החלטות קטנות: שירות ענן שנוסף בתקופת צמיחה, מערכת נתונים שנבנתה עבור צורך נקודתי, שכבת Cache שהתווספה כדי להתמודד עם עומסים, כלי AI שהחל כפיילוט והפך לקבוע, או רישיון תוכנה שנרכש ומעולם לא נבחן מחדש. כל החלטה הייתה נכונה לזמנה, אך לאורך השנים הן עלולות להפוך למערכת יקרה, מורכבת וקשה לניהול.
על פי דוח Flexera לשנת 2026, היקף הבזבוז בהוצאות ענן (IaaS ו-PaaS) חזר ל-29%, לאחר חמש שנים של ירידה. בין הגורמים לכך: עומסי AI הולכים וגדלים, מודלי תמחור מורכבים וריבוי שירותי ענן שקשה לעקוב אחריהם.
ביקורת תשתיות אמיתית צריכה להתחיל בשאלות פשוטות: האם כל השרתים שבשימוש אכן נחוצים? האם הקיבולת שנרכשה לפני שנים עדיין רלוונטית? האם מערכות ותיקות מתאימות לעומסי העבודה של היום? האם קיימות שכבות מיותרות של אחסון, עיבוד וגישה לנתונים? האם כלי AI חדשים מוטמעים ללא בקרה על העלות והתועלת? והאם קיימת תלות מוגזמת בספק ענן יחיד?
השאלות הללו הופכות קריטיות במיוחד כאשר ארגונים מעבירים יישומי AI משלב הפיילוט לייצור. העלות האמיתית אינה רק של מודל ה-AI, אלא של כלל הסביבה הטכנולוגית הנדרשת כדי להפעיל אותו באופן אמין, מאובטח ובקנה מידה רחב.
בארגונים המבוססים על נתונים בזמן אמת המשמעות גדולה אף יותר. כל תשלום בכרטיס אשראי, בדיקת הונאה, המלצת מוצר או פעולה של סוכן AI נשענים על שרשרת מורכבת של עיבוד נתונים. אם המערכת איטית - ההחלטה מגיעה מאוחר מדי. אם היא יקרה - המודל העסקי נפגע. ואם היא אינה יציבה - נפגעים חוויית המשתמש ואמון הלקוחות. לכן, תשתיות אינן רק נושא של מחלקת ה-IT, אלא מרכיב מרכזי באסטרטגיה העסקית. המטרה אינה להוציא פחות, אלא להוציא נכון: להשקיע במקומות שמייצרים ערך, להפסיק לממן מערכות שאינן נחוצות עוד, ולשפר את הארכיטקטורה כך שתתמוך בצמיחה עתידית.
התייעלות חכמה מחייבת הנהלה לבחון מחדש כל סעיף הוצאה משמעותי, לערער על הנחות ישנות ולבדוק מערכות שהפכו לחלק בלתי נפרד מהפעילות השוטפת. רק לאחר בחינה כזו, אם עדיין נדרש צמצום נוסף, נכון לשקול צעדים כואבים יותר.
ארגון שמפחית בזבוז בתשתיות יכול לשפר ביצועים, לצמצם סיכונים ולשמור על הידע הארגוני שלו. לפני שמקצצים באנשים שמחזיקים את העסק, כדאי לוודא שנבדקו קודם המערכות שעליהן הם עובדים.
אושרת בן-אבי זבלודוביץ' היא מנהלת פעילות Aerospike בישראל
