גוגל שברה את הרצף

הסיבה להכרזת הקוד האדום הייתה טכנית, אבל המשמעות שלה אסטרטגית לחלוטין.

בנובמבר 2025 השיקה גוגל את Gemini 3 Pro. לפי מסמכי המודל של Google DeepMind וניתוחים עצמאיים שהתפרסמו באותה תקופה, זה היה הדגם הראשון של גוגל שעבר את מודלי GPT במספר מבחנים שנחשבים לעומק המודיעיני של מודלים: חשיבה מופשטת, פתרון בעיות כלליות ומתמטיקה תחרותית.

גם בתחום הקוד נרשם שינוי. במבחנים שמדמים עבודה אמיתית על בעיות תוכנה ולא רק משימות תיאורטיות, Gemini 3 Pro הציג עליונות על פני דורות קודמים של GPT. במבחני שאלות עובדתיות רחבות, הפער היה מורגש במיוחד.

עם זאת, לא בכל קטגוריה גוגל מובילה. במבחני SWE-Bench, שמודדים פתרון בעיות בקוד אמיתי, שלושת המודלים המובילים – Gemini 3 Pro, GPT-5.1 ו-Claude Opus 4.5 – נמצאים כולם באותו טווח ביצועים, מה שמלמד שאין מנצח ברור.

אבל התחושה בשוק השתנתה. כאשר מודל אחד מצטיין במספר תחומים מרכזיים כמו חשיבה, מתמטיקה וקוד, זה כבר לא עוד שדרוג מחזורי. זו נקודת מפנה. לראשונה מאז 2022, OpenAI לא נראתה כמי שמובילה באופן ברור את רוב המבחנים החשובים.

ChatGPT עדיין שולט

חשוב להפריד בין שני עולמות: הבנצ’מרקים והמציאות בשטח.

לפי נתונים שהציג ניק טורלי (Nick Turley) ובהתאם לדיווחים עסקיים מסוף 2025, ChatGPT נשאר השירות הדומיננטי בשוק. הוא נהנה ממאות מיליוני משתמשים פעילים, נפח שימוש עצום ואימוץ כמעט מלא בקרב חברות גדולות. בפועל, זה עדיין ה-assistant שהעולם עובד איתו.

הדומיננטיות הזו היא נכס אסטרטגי: הרגלי שימוש, אמון, ממשק מוכר, אינטגרציות ותהליכים עסקיים שכבר בנויים סביבו. לכן גם אם Gemini 3 Pro מוביל בחלק מהמדדים הטכניים, זה לא הופך את ChatGPT לפחות מרכזי.

אבל כאן מופיע הסדק. גוגל מציגה התקדמות כמעט בכל חזית, משחררת כלים ופיצ’רים בקצב גבוה, ומצמצמת פער שנראה היה בלתי סגיר. במודלים לשפה, תמונה, וידאו וכלים חכמים סביבם, Gemini מתחיל לא רק להדביק את ChatGPT אלא לעיתים גם ליצור תחושת “אבק” מאחוריו.

לכן, למרות היתרון בשימוש בפועל, הזעזוע אמיתי. השוק מריח שינוי. משתמשים פרטיים ועסקיים מתחילים לבחון ברצינות את Gemini, וחלקם אף עוברים אליו. זו אינה נטישה המונית, אבל זו תנועה ראשונית שמצביעה על שינוי אפשרי במאזן הכוחות.

לפי נתוני Similarweb, בעוד שהתנועה ל-ChatGPT ממשיכה לצמוח אך בקצב מתון, Gemini מציגה קפיצה חדה בחודשים האחרונים של 2025. זה לא מחליף הובלה, אבל כן מסמן שינוי מומנטום שהוביל את OpenAI להכריז על “קוד אדום”:

שינוי מומנטום | Similarweb Global Traffic Trends

מבחני לחץ בתוך OpenAI

לפי דיווחים של The Information וכתבים טכנולוגיים נוספים, התגובה הפנימית ב-OpenAI הייתה חדה וברורה.

אלטמן וההנהלה ביקשו מהצוותים להתמקד בשלושה צירים מרכזיים: הראשון, שיפור הפרסונליזציה וחוויית המשתמש ב-ChatGPT. השני, הגדלת מהירות ואמינות, וצמצום תקלות והשהיות. והשלישי, הרחבת טווח היכולות, כולל שדרוג משמעותי ביכולות ייצור תמונה והפחתת סירובי מודל מיותרים.

כדי לפנות משאבים, OpenAI הקפיאה מספר פרויקטים מתקדמים. לפי הדיווחים, בין הפרויקטים שנעצרו:

• תכנית פרסום בתוך ChatGPT, שכבר הופיעה בקוד גרסת האנדרואיד.

• סוכני קניות ובריאות שנועדו ללוות משתמשים בהחלטות צרכניות ורפואיות פשוטות.

• ChatGPT Pulse, עוזר אישי שהיה אמור לייצר דוחות מותאמים אישית.

ניק טורלי חיזק את הכיוון הזה בפוסט ב-X, כפי שצוטט ב-Wall Street Journal: המיקוד עכשיו הוא להפוך את ChatGPT ליותר מסוגל, אינטואיטיבי ואישי, ולהמשיך להרחיב את ההגעה הגלובלית. במילים אחרות, פחות ניסויי צד, יותר חיזוק המנוע המרכזי.

התוכנית הטכנולוגית

כאן הסיפור נהיה רגיש יותר. לפי דיווח מפורט ב-The Information שהתבסס על מקורות פנימיים, OpenAI עובדת על שני מודלים שנועדו לתת מענה קונקרטי להתקדמות של Gemini ו-Claude.

Shallotpeat

המודל הראשון, תחת שם הקוד Shallotpeat, מתואר כמודל קצר טווח שהיה אמור לצאת ימים ספורים לאחר הכרזת הקוד האדום. אותם מקורות טענו כי במבחנים פנימיים הוא עקף את Gemini 3 Pro בחלק מהמשימות. אין כל אישור רשמי לשם, לתזמון או לתוצאות, וייתכן שהוא אף השתנה מאז. מדובר בדיווחים שאינם מאושרים ולכן הם צריכים להישאר באזור האפור שבין דליפה לעובדה.

Garlic

המודל המשמעותי יותר הוא Garlic, שמיועד לרבעון הראשון של 2026. לפי הדיווחים, מארק צ’ן (Mark Chen), ראש תחום המחקר ב-OpenAI, תיאר אותו כמודל שבו הצליחו “להזריק למודל קטן יותר את אותה כמות ידע” שבעבר דרשה מודל גדול בהרבה – שינוי שמרמז על קפיצה ביעילות האימון, לא רק בביצועי קצה.

Garlic נשען על עבודה שנעשתה ב-GPT-4.5, אך כולל תיקונים עמוקים בשלב ה-pre-training שנועדו להתגבר על צווארי בקבוק טכניים. במבחנים פנימיים הוא הראה ביצועים חזקים במיוחד בקידוד ובמשימות חשיבה מורכבות.

הכל נאמר בזהירות: OpenAI לא פרסמה מידע רשמי על Shallotpeat או Garlic, ומבחנים פנימיים אינם בהכרח אינדיקציה לביצועים בעולם האמיתי. לא ברור אם ומתי מודלים אלה יושקו.

אבל מבחינת הנרטיב, זה לב העניין: OpenAI נמצאת במרוץ להציג דור חדש שישיב לה יתרון טכנולוגי – בזמן שהשוק מתקדם מהר יותר מאי פעם.

היתרון התשתיתי של גוגל מול השינוי המבני ב-OpenAI

מאחורי מרוץ המודלים מסתתרת שאלה אחת: על מה הם רצים?

לגוגל יש שליטה כמעט מוחלטת בכל שכבות ה-stack: מהמחקר ועד השבבים. משפחת Gemini רצה על TPU שגוגל עצמה מתכננת ומייצרת, מה שמעניק לה עלות כוללת נמוכה יותר, שליטה מלאה בתצורה, ויכולת להפעיל אשכולות עצומים בקנה מידה שקשה להתחרות בו.

Anthropic חתמה באוקטובר 2025 על הסכם תשתית עם Google Cloud שמעניק לה גישה למיליוני TPUs של גוגל – מה שנותן לה כרגע גישה לחומרה מתקדמת שדומה לזו של גוגל עצמה.

בעבר OpenAI הייתה תלויה כמעט לחלוטין בתשתית Azure של מיקרוסופט, תלות שנחשבה לחולשה מובנית, במיוחד לאור תקלות שירות שזוהו בשנים 2024-2025. תלות כזו בספק יחיד מגבילה יכולת שליטה בעלויות וממצבת נקודת כשל תשתיתית.

אבל בחודשים האחרונים המצב השתנה: OpenAI חתמה על הסכמי תשתית רחבי היקף עם AWS והחלה לפרוס קיבולת עצומה של GPU מבוסס NVIDIA. המהלך הזה שובר את הבלעדיות של Azure ומאפשר פיזור עומסים בין כמה עננים גדולים.

המשמעות כפולה:

1. פחות סיכון מתלות בענן יחיד.

2. יותר גמישות לנהל את עלויות החישוב מול המתחרות.

ועדיין, בניגוד לגוגל, OpenAI אינה שולטת בשכבות החומרה והענן של עצמה. אפילו עם המעבר לכמה ספקי ענן, היא תלויה בתשתיות של אחרים. לכן הפער התשתיתי כבר אינו עניין טכני בלבד, אלא שאלה אסטרטגית שמגדירה את יכולת החברה להתחרות לאורך זמן.

והכל קורה על רקע לחץ פיננסי

לפי דיווחים בעיתונות הכלכלית, השווי של OpenAI מתקרב ל-500 מיליארד דולר ומתבסס על הנחה שהיא תמשיך לצמוח במהירות ותשמור על מובילות טכנולוגית. אבל מאחורי המספרים נוצצים עומדת מציאות מורכבת בהרבה.

עלויות האימון וההרצה של המודלים עצומות. חלק גדול מההכנסות חוזר היישר ל-compute ולשכר טאלנטים טכניים. הערכות מדברות על כך ש-OpenAI שואפת להגיע ל-cash flow חיובי רק בסביבות 2029. דיווחים מסוף 2025 הצביעו גם על התחייבויות תשתית ארוכות טווח מול מיקרוסופט בהיקפים חריגים, אם כי המספרים המדויקים אינם שקופים לציבור.

במצב כזה, כל מודל דגל חדש הוא לא רק מהלך טכנולוגי – הוא גם הימור פיננסי של מאות מיליוני דולרים. 

מה זה אומר עבור השוק

עבור משתמשים פרטיים, התחרות הזו היא חדשות מצוינות: המודלים משתפרים, המחירים יורדים, והיכולות נפתחות ליותר אנשים. עבור ארגונים, התמונה מורכבת בהרבה. שלושה מסרים בולטים:

• לא להישען על ספק יחיד. אסטרטגיית multi-model כבר אינה “מתקדמת” אלא הכרח. גם אם ChatGPT הוא הכלי המרכזי, כדאי להבין איך משלבים לצדו את Gemini, Claude או מודלים פתוחים.

• להסתכל על TCO, לא רק על ביצועים. במילים פשוטות יותר, לבחון את העלות הכוללת להחזיק ולהפעיל את המערכת לאורך זמן, לא רק את המחיר המיידי שלה. פער קטן בבנצ’מרק אינו מצדיק בהכרח פער גדול בעלויות. בפרויקטים רחבי היקף, יעילות חישובית הופכת לפקטור אסטרטגי.

• לשמור גמישות תשתיתית. ארגונים שמסוגלים להריץ מודלים על עננים שונים או על תשתיות עצמאיות נמצאים בעמדה יציבה יותר מול שינויים טכנולוגיים ושינויי מחירים.

בסופו של דבר, אנחנו נכנסים לעידן שבו אין “בחירה אחת נכונה”. יתרון אמיתי יהיה למי שיידע להרכיב שכבה אפליקטיבית גמישה שפועלת מעל כמה מודלים שונים, ובכך לנצל את החוזקות של כל אחד מהם.

נתוני Similarweb מראים שאמנם OpenAI עדיין מחזיקה בנתח העצום של תנועת ה-AI הגנרטיבי, אבל בחודשים האחרונים חלה עלייה מתמשכת במודלים מתחרים כמו Gemini, Claude ו-DeepSeek. השוק נהיה מגוון יותר, והתחרות כבר אינה תיאורטית:

השוק מתחיל להיפתח | Similarweb Global Traffic Trends

2026 היא שנת המבחן של OpenAI ושל שוק ה-AI כולו

OpenAI מבינה שהשאלה הגדולה אינה מי מוביל בבנצ’מרקים, אלא מי מוביל את השיחה ואת השוק בפועל. כרגע ChatGPT עדיין שולט בשימוש, אבל ההובלה הטכנולוגית כבר לא מוגדרת, והמתחרות לוחצות מכל כיוון. במקום לחגוג שלוש שנים ל-ChatGPT, הכריזה OpenAI על קוד אדום. זה לא רק סימן למשבר, אלא הכרה בכך שהעידן שבו שימשה כמובילה הלא רשמית מתקרב לסיום.

2026 תהיה שנת מבחן. אם Garlic או כל מודל דגל אחר יצליח לא רק להשוות אלא לעקוף את Gemini 3 Pro ו-Claude Opus 4.5 בבדיקות עצמאיות ובעבודה אמיתית אצל משתמשים, ובמקביל יעמוד בעלות חישובית סבירה, OpenAI תוכל לטעון שחזרה להוביל.

אם זה לא יקרה, השוק עלול להתרחק ממודל של “מנצח אחד”. גוגל עשויה לתפוס את ההובלה, או שנראה שוק מרובה-שחקנים שבו לכל ענק יש יתרון אחר: תשתית, מחיר, בטיחות או יכולות איג׳נטליות. הקצב מהיר כל כך, שאפשר רק לזהות כיוונים – בטח לא לנבא בוודאות.

גוגל אולי הרסה את המסיבה של ChatGPT, אבל מה שנקבע עכשיו זה לא מי חוגג. מה שנקבע עכשיו הוא מי ישרוד ויעצב את המרוץ הבא – מרוץ שבו מודלים, תשתיות וכסף מתמזגים לקרב שלא דומה לשום דבר שראינו עד היום.

הפוסט גוגל הרסה את מסיבת יום הולדת 3 של ChatGPT ו-OpenAI מכריזה על ״קוד אדום״ הופיע ראשון בLet's AI בינה מלאכותית

מודלים שמצטיינים במבחנים ונכשלים במציאות

הכשל המרכזי בבינה המלאכותית היום, לדברי סוצקבר, הוא הפער בין הצלחה מרשימה במבחנים לבין ביצועים גרועים ביישומים מעשיים. המודלים מראים תוצאות מרשימות על מבחני evals (מבחנים סטנדרטיים במתמטיקה, קידוד והיגיון שבהם חברות AI בודקות את ביצועי המודלים לפני שחרור), אבל באותו הזמן חוזרים על אותן שגיאות פעם אחר פעם בעבודה אמיתית.

הוא מתאר מצב שכל מי שעבד עם מודלי AI לקידוד מכיר – המודל מתקן באג ויוצר באג חדש. כשמפנים את תשומת ליבו לבאג החדש, הוא מחזיר את הבאג המקורי. אפשר לעבור בין שני הבאגים האלה ללא סוף.

הסיבה המרכזית, לפי סוצקבר, נעוצה באופן שבו חברות בוחרות את סביבות האימון. כשיש מבחנים ספציפיים שעליהם המודל ייבחן בשחרור, הצוותים יוצרים סביבות Reinforcement Learning (למידת חיזוק שבה המודל לומד מניסוי וטעייה) שמכוונות בדיוק לאותם מבחנים. התוצאה היא שהמודלים מתמחים במבחנים הספציפיים האלה במקום לפתח יכולת אמיתית להכליל.

ההשוואה שלו לעולם האנושי מבהירה את הנקודה: תלמיד שתרגל 10,000 שעות ספציפית לתחרות תכנות מסוימת ישלוט בכל האלגוריתמים הרלוונטיים. אבל תלמיד אחר שתרגל רק 100 שעות אך יש לו הבנה עמוקה יותר של העקרונות – הוא זה שיצליח יותר בקריירה האמיתית.

למה בני אדם לומדים טוב יותר?

העובדה המרכזית שמניעה את כל התזה של סוצקבר היא פשוטה. המודלים הנוכחיים מכלילים הרבה פחות טוב מבני אדם. זה נכון גם בתחומים כמו מתמטיקה וקידוד – תחומים שלא התפתחו באבולוציה ולכן לא ניתן להסביר את היתרון האנושי ב”קידוד גנטי”.

הדוגמה הבולטת היא שנער לומד לנהוג תוך כ-10 שעות תרגול. בתקופה הזו, אין לו מערכת פרסים חיצונית מפורטת שמדרגת כל החלטה. במקום זאת, יש לו מעין חוש פנימי שאומר לו באופן מיידי אם הנהיגה שלו טובה או גרועה, והוא מתקן את עצמו תוך כדי תנועה.

המודלים הנוכחיים עובדים אחרת. הם מבצעים רצף ארוך של פעולות – אלפי “צעדי חשיבה” – ורק בסוף התהליך כולו מקבלים ציון כללי. אין להם האפשרות להבין באמצע הדרך אם הכיוון שהם לוקחים הוא נכון.

רגשות כפונקציית ערך

בחלק שעורר הכי הרבה עניין בראיון, סוצקבר מביא מקרה נוירולוגי שמאתגר הנחות בסיסיות: אדם שעבר נזק מוחי שפגע במרכז עיבוד הרגשות שלו. הוא נשאר מסוגל לדבר בצורה תקינה, יכול היה לפתור חידות לוגיות, ובמבחנים סטנדרטיים נראה תקין לחלוטין. אבל הוא איבד לחלוטין את היכולת להרגיש – לא עצב, לא כעס, לא שמחה.

התוצאה המפתיעה היתה שהוא איבד לחלוטין את היכולת לקבל החלטות. לקח לו שעות להחליט איזה גרביים ללבוש. החלטות פיננסיות היו קטסטרופליות.

זו תובנה שמערערת על ההנחה המקובלת שרגשות הם “רעש” בקבלת החלטות רציונליות. במקום זאת, הם ממלאים תפקיד מהותי – הם מספקים משוב מיידי על איכות ההחלטות שלנו.

במונחי למידת מכונה, זה מתאים למושג של “פונקציית ערך” (value function) – מערכת שמעריכה בזמן אמת האם צעד ביניים מסוים הוא טוב או רע. במקום לחכות עד סוף תהליך ארוך כולו כדי לקבל משוב, אפשר לקבל אינדיקציה כבר באמצע אם אנחנו בכיוון הנכון.

סוצקבר מאמין שפיתוח משהו דומה למערכת הרגשית האנושית – גם אם פשוטה יחסית – עשוי להיות קריטי ליצירת מערכות AI שיכולות לקבל החלטות טובות ולהכליל מידע באופן אמין.

סוף עידן הסקיילינג

סוצקבר מציע לחלק את ההיסטוריה של הבינה המלאכותית המודרנית לשלושה שלבים:

• 2012-2020: עידן המחקר הראשון
• 2020-2025: עידן הסקיילינג
• 2026 ואילך: חזרה לעידן המחקר

ההבנה המרכזית של תקופת הסקיילינג הייתה שיש “מתכון” שעובד: לוקחים דאטה, compute, ורשת נוירונים – ומערבבים. ככל שמגדילים את הרכיבים, התוצאות משתפרות באופן צפוי. זה נתן לחברות דרך בטוחה יחסית להשקיע משאבים עצומים.

אבל עכשיו, לפי סוצקבר, המצב השתנה. כמות הדאטה האיכותי בעולם מוגבלת. השאלה היא מה קורה אחרי שהדאטה אוזל.

הוא לא מאמין שפשוט להגדיל פי 100 את כוח העיבוד יביא את הקפיצה הבאה. זה ישפר את המודלים, בהחלט, אבל לא יספיק כדי להגיע ל-AGI אמיתי. במקום זאת, צריך רעיונות חדשים – ולכן חזרה למחקר.

“הגענו לנקודה שבה יש יותר חברות מאשר רעיונות,” הוא מציין.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

SSI: הימור של 3 מיליארד דולר על מחקר

Safe Superintelligence, החברה שסוצקבר הקים, גייסה 3 מיליארד דולר. זה נשמע מעט לעומת המתחרים, אבל סוצקבר מסביר למה זה בעצם מספיק למחקר – חברות גדולות יותר מוציאות חלק ענק מהמשאבים על הפעלת המודלים (inference), על צוותי מכירות ומהנדסים, ועל פיתוח פיצ’רים למוצר. כשמסתכלים רק על מה שנשאר למחקר אמיתי, ההפרש בין SSI לבין המתחרים הופך להיות קטן הרבה יותר.

SSI, לעומת זאת, כמעט לא מוציאה משאבים על דברים האלה. אין מוצר, אין לקוחות, אין עלויות inference. כל המשאבים מופנים למחקר על השאלה המרכזית: איך בונים מערכות עם יכולת הכללה אמינה?

“עשינו התקדמות טובה בשנה האחרונה,” הוא אומר, “אבל צריך להמשיך. נדרש עוד מחקר.”

למידה מתמשכת

סוצקבר מציע להבין AGI בצורה שונה מהמקובל. המושג המסורתי של AGI הושפע מההצלחה של pre-training – שבו מודל מאומן פעם אחת ויוצא מוכן לכל משימה. אבל, הוא מציין, בן אדם הוא לא AGI במובן הזה. יש לנו בסיס של כישורים, אבל חסר לנו ידע עצום. במקום זאת, אנחנו מסתמכים על למידה מתמשכת לאורך החיים.

הוא מציע לחשוב על superintelligence לא כמוח מוגמר שיודע לעשות כל דבר, אלא כמוח שיכול ללמוד לעשות כל דבר – ולעשות זאת מהר מאוד. כמו מישהו צעיר ומוכשר שלהוט ללמוד: הוא לא יודע הרבה עדיין, אבל הוא תלמיד מצוין. תגיד לו ללמוד תכנות, רפואה, עריכת דין – והוא ירכוש את הידע במהירות.

המערכת הזו תצא לעולם ותתחיל תהליך של למידה מתמשכת דרך ניסוי וטעייה בפועל. זה תהליך, לא שחרור של מוצר סופי ומוגמר.

בטיחות מבוססת שיתוף פעולה

סוצקבר שינה את דעתו בנקודה חשובה: הצורך להציג AI לציבור בהדרגה. הבעיה המרכזית עם AI עתידי, לדבריו, היא שקשה לדמיין מערכות שעדיין לא קיימות.

הוא צופה שככל שה-AI יהפוך לחזק יותר באופן ניכר, ההתנהגות תשתנה בצורה דרמטית. חברות שהן מתחרות עזות יתחילו לשתף פעולה בנושאי בטיחות. הוא מזכיר את השיתוף הפעולה הראשוני בין OpenAI ל-Anthropic כדוגמה מוקדמת למגמה הזו.

לגבי alignment, שזה התאמת התנהגות המודלים כך שתהיה תואמת לערכים, למטרות ולציפיות של בני אדם, או בפשטות – איך לוודא שמערכות חזקות מאוד יפעלו לטובתנו – הוא מציע כיוון למחשבה.

ליצור AI שאכפת לו מחיים תבוניים בכלל, ולא רק מבני אדם. הטיעון הוא שה-AI עצמו יהיה תבוני, ולכן עשוי לפתח מעין “אמפתיה” למערכות תבוניות אחרות, בדומה לאמפתיה האנושית לבעלי חיים.

הוא גם מאמין שיהיה חשוב למצוא דרך להגביל את הכוח המקסימלי של המערכות החזקות ביותר, אם כי לא מפרט איך.

תחזית זהירה

כשנשאל מתי הוא מצפה למערכת שיכולה ללמוד כמו בן אדם ולהפוך לעל-אנושית בעקבות כך, התשובה היתה: “5 עד 20 שנים.” זו תחזית זהירה בהרבה מהציפיות הרגילות בתעשייה, ומשקפת את ההבנה שהדרך קדימה דורשת פריצות דרך מדעיות אמיתיות.

כמה שאלות שכדאי לשאול

הראיון של סוצקבר מעלה כיוון מחשבה מרתק, אבל גם כמה שאלות שכדאי לשקול:

1. האם הדאטה באמת נגמר? סוצקבר עצמו מזכיר שגוגל מצאה לכאורה דרכים לחלץ עוד ערך מ-pre-training. אם זה נכון, האם באמת הגענו לקצה של מה שאפשר לעשות עם הדאטה הקיים, או שפשוט צריך חשיבה יותר יצירתית על איך להשתמש בו? השאלה הזו משנה את כל התזה המרכזית.

2. האם רגשות כפונקציית ערך הם הכרחיים? הדוגמה הנוירולוגית מרתקת, אבל לא ברור שזה מוכיח הכרח טכני. DeepSeek R1, למשל, השיגה תוצאות חזקות ב-reasoning ללא value function מפורשת כפי שסוצקבר מתאר. האם זה באמת חסם שאי אפשר לעקוף, או שזה כיוון מחקרי אחד מתוך כמה אפשריים?

3. איך בדיוק בונים AI שאכפת לו מחיים תבונתיים? הרעיון נשמע מושך, אבל סוצקבר לא נותן מפת דרכים ברורה. זה יותר חזון מאשר תוכנית ביצוע. איך מוודאים ש”אכפתיות” תהיה חזקה מספיק? איך מונעים מצב שבו ה-AI יחליט שהאינטרס של חיים תבונתיים באופן כללי שונה מהאינטרס האנושי הספציפי?

4. האם הגישה של SSI יכולה להצליח ללא הסקייל של המתחרים? סוצקבר מסביר שה-compute שיש ל-SSI מספיק כדי להוכיח רעיונות, אבל מה קורה אם הרעיונות הנכונים דווקא דורשים סקייל עצום כדי להוכיח אותם? האם אפשר לדעת מראש?

5. האם 5 עד 20 שנה זה תחזית? טווח כל כך רחב קשה לאמת או להפריך. זה לא באמת אומר “אני חושב שזה יקרה בשנה X” – זה יותר “אני לא יודע מתי, אבל כנראה לא מחר ולא בעוד 50 שנה”. האם יש דרך לצמצם את חוסר הוודאות הזה?

האם סוצקבר צודק?

הראיון של סוצקבר מרתק ומציב סימן שאלה גדול מעל הגישה הנוכחית של תעשיית ה-AI. אם הוא צודק, הדרך ל-AGI לא תבוא מהשקעה של עשרות מיליארדי דולרים במרכזי נתונים גדולים עוד יותר. היא תבוא ממחקר בסיסי על איך למדוד ולשפר את היכולת של מכונות להכליל מידע, לדעת תוך כדי תנועה אם הן בכיוון הנכון, וללמוד מניסיון כמו שבני אדם עושים.

עבור המשקיעים, המסר הוא שהמירוץ על כוח עיבוד עלול להאט בקרוב. עבור החוקרים, זו הזמנה לחזור לעבודת המחקר הבסיסית. ועבור הציבור הרחב, זה תזכורת שהדרך ל-superintelligence היא כנראה ארוכה ומסובכת יותר ממה שהכותרות נוטות לטעון.

האם סוצקבר צודק? הזמן יגיד. אבל כשהאדם שעזר לבנות את AlexNet, GPT-3 ואת OpenAI אומר שהכיוון שכולם רצים אליו לא יעבוד לבד, כדאי להקשיב.

הפוסט איליה סוצקבר מדבר על עתיד הבינה המלאכותית ומה באמת צריך כדי להגיע ל-AGI הופיע ראשון בLet's AI בינה מלאכותית

כמעט כולם משתמשים, הצעירים מובילים

הסקר כולל 523 עובדי ועובדות הייטק, רובם בעלי השכלה אקדמית (86%) ומתגוררים במרכז הארץ (69%). הפרופיל הדמוגרפי הזה משקף היטב את הרכב כוח האדם בענף, אך חשוב לזכור שהוא אינו מייצג בהכרח את שוק העבודה הרחב בישראל.

הממצא הבולט הוא שכמעט כל עובדי ההייטק משתמשים בכלי בינה מלאכותית יוצרת. 95% מהם עושים שימוש קבוע בכלים, ו-78% משתמשים בהם מדי יום. השימוש איננו מוגבל למפתחים בלבד. קבוצת הגיל 25 עד 34 מובילה את האימוץ – 86% מבני הגיל הזה מדווחים על שימוש יומיומי – אך גם בקרב עובדים מבוגרים יותר שיעורי השימוש נותרו גבוהים. השילוב של הכלים התרחב גם לתפקידים כמו שיווק, משאבי אנוש ומוצר.

תדירות השימוש בכלי בינה יוצרת | innovationisrael.org.il

עומק השימוש מרשים לא פחות: 82% מהמשתמשים היומיומיים מפעילים את הכלים בשלושה סוגי משימות או יותר, ורבע מהם עובדים עם ששה סוגי משימות ויותר. התמונה שחוזרת לאורך הדוח ברורה – מי שמשתמש, משתמש הרבה.

ההבדלים בין תפקידי הליבה בהייטק בולטים אך אינם חוצים את קו האימוץ. עובדים טכנולוגיים נעזרים בכלים בעיקר לפיתוח קוד, איתור תקלות ותיעוד. מנגד, גם 46% מהעובדים בתפקידים לא טכנולוגיים מדווחים על שימוש בכלים לכתיבת קוד ותיעוד, לצד כתיבת תוכן מקצועי, חיפוש מידע ולמידה עצמית.

הבדלים בשימוש לפי תפקיד | innovationisrael.org.il

תרומה משמעותית לפרודוקטיביות

העובדים מדווחים על תרומה ברורה של כלי הבינה המלאכותית לעבודתם. 70% מציינים שיפור רב באיכות התוצרים, ו-50% מדווחים על קיצור משמעותי בזמן ביצוע המשימות. בתוך קבוצת המשתמשים החווים חיסכון בזמן, כ-40% מציינים שהכלים קיצרו עבורם יותר ממחצית מזמן העבודה על משימות מסוימות.

שיפור באיכות ובזמן העבודה | innovationisrael.org.il

כדי לאמוד את השפעת הכלים בצורה רחבה יותר, פותח בסקר מדד משולב הבוחן גם את השיפור באיכות וגם את החיסכון בזמן. לפי המדד הזה, כ-75% מהעובדים חווים עלייה משמעותית בפרודוקטיביות. תוצאה זו משותפת לכלל העובדים – ללא פערים משמעותיים בין תפקידים או סוגי חברות.

ההשפעה הנתפסת של כלי GenAI על פרודוקטיביות, איכות התוצרים וקיצור זמני העבודה | innovationisrael.org.il

כלים כלליים בכל התפקידים, כלי קוד בעיקר אצל המפתחים

כלי GenAI רב תכליתיים – כמו ChatGPT, Claude ו-Gemini – הפכו לחלק משגרת העבודה של כמעט כל העובדים בענף. יותר מ-94% מדווחים שהם משתמשים בהם, ללא הבדל מהותי בין תפקידים טכנולוגיים ולא-טכנולוגיים.

התמונה משתנה כשמדובר בכלים ייעודיים לפיתוח קוד. כלים כמו GitHub Copilot ו-Cursor נפוצים משמעותית יותר בקרב עובדים טכנולוגיים: 67% מהם משתמשים בהם, לעומת 43% בלבד מהעובדים שאינם בתפקידי פיתוח.

פער בולט נוסף מופיע בתוך קבוצת העובדים הטכנולוגיים עצמם. שיעורי השימוש בכלי קוד גבוהים במיוחד בקרב ג’וניורים – 74% מהם משתמשים בכלים כאלה, לעומת 48% בלבד מבכירי ההנהלה. הנתון הזה מדגיש מגמה עקבית בסקר: עובדים צעירים ונמוכי דרג מאמצים את הכלים מהר יותר ובאופן אינטנסיבי יותר.

שימוש בכלי GenAI לפי תפקיד | innovationisrael.org.il

סטארטאפים מאמצים לאט יותר את כלי הקוד

אחד הפערים הבולטים בסקר מופיע בין סוגי החברות. בעוד שמרכזי מו”פ בינלאומיים וחברות שירותים מציגים אימוץ גבוה של כלי AI לכתיבת קוד – 77% מהעובדים הטכנולוגיים משתמשים בהם – שיעור השימוש בסטארטאפים נמוך משמעותית ועומד על 64% בלבד.

שיעור השימוש בכלי GenAI לקוד | innovationisrael.org.il

הפער הזה מרמז על דפוס זהיר יותר בחברות צעירות. סטארטאפים, שפועלים לעיתים על קוד ייחודי ורגיש, נוטים לשמור על שליטה הדוקה בתהליך הפיתוח ולהימנע משילוב מהיר של כלים שעלולים להשפיע על נכס הליבה שלהם. הדוח אינו מספק הסבר ישיר לתופעה, אך הנתונים משאירים מקום לפרשנות זו.

הזדמנות או איום? זה תלוי איפה אתם נמצאים בהייטק

רוב עובדי ההייטק רואים בבינה המלאכותית הזדמנות: 68% מהמשיבים תופסים את GenAI כמנוע לצמיחה מקצועית, ורק 27% רואים בה איום ממשי על עתידם התעסוקתי. הנתונים הללו מציבים תמונה אופטימית במבט ראשון, אך כשמעמיקים פנימה מתגלים פערים ברורים בין קבוצות שונות בענף.

הזדמנות משמעותית להתפתחות מקצועית | innovationisrael.org.il

עובדים בתפקידים לא טכנולוגיים נוטים לראות בבינה המלאכותית בעיקר הזדמנות – 76% מהם מצהירים כך, לעומת 65% מהעובדים בתפקידי פיתוח. במקביל, תחושת האיום פוגעת יותר בעובדים טכנולוגיים: 31% מהם חשים מאוימים, בהשוואה ל-14% בלבד בקרב עובדים שאינם בתפקידי פיתוח.

הפער הזה מתיישב עם מגמה רחבה בדוח: מי שעובד קרוב יותר לקוד חושש יותר מהשפעה ישירה על תחום מומחיותו, בעוד שעובדים מתחומי שיווק, מוצר, משאבי אנוש ושירות נוטים לראות בכלים מנוע שמרחיב יכולות ולא מחליף אותן.

מי חושש יותר? הפערים החברתיים שנחשפים בסקר

הנתונים על תפיסת האיום מציגים פערים חברתיים ברורים בין קבוצות שונות בענף ההייטק. אף שהרוב רואים בבינה המלאכותית הזדמנות, יש קבוצות שחשות מאוימות במידה רבה יותר – והדוח ממפה אותן באופן מדויק.

גיל ודרג מקצועי: צעירים וסניורים מודאגים יותר

החשש מהשפעת הבינה המלאכותית אינו ליניארי. דווקא העובדים הצעירים יחסית, בני 25-34, מדווחים על רמות איום גבוהות יותר לעומת קבוצות גיל מבוגרות מהם. לצד זאת, גם עובדים בדרגים בכירים – סניורים בתפקידי פיתוח – מביעים רמת חשש גבוהה: 37% מהם רואים ב-GenAI איום משמעותי על עתידם המקצועי. עובדים מבוגרים יותר, בני 45-64, מדווחים על חשש נמוך בהרבה.

מיקום גיאוגרפי והשכלה: פריפריה וללא תואר חוששים יותר

פער חד נוסף מופיע בין תושבי המרכז לפריפריה. 40% מעובדי ההייטק שמתגוררים בפריפריה חשים מאוימים מהטכנולוגיה, לעומת 24% בלבד מתושבי המרכז. הבדל דומה נמצא בין עובדים בעלי תואר אקדמי לבין כאלה ללא תואר: 39% מהעובדים ללא השכלה אקדמית מודאגים מהשפעת הבינה המלאכותית על עתידם התעסוקתי, מול 26.5% בלבד מבעלי תואר.

הפערים הללו מציירים תמונה ברורה: החשש אינו מחולק שווה בשווה. הוא מרוכז יותר בקרב צעירים, סניורים טכנולוגיים, תושבי הפריפריה ועובדים ללא השכלה אקדמית – קבוצות שחשות שהשינוי עשוי לערער את מעמדן בשוק העבודה.

מה מלמד אותנו הסקר הזה על עתיד העבודה בהייטק?

הנתונים מציירים תמונה מורכבת. מצד אחד, כלי הבינה המלאכותית היוצרת כבר הפכו לחלק מרכזי משגרת העבודה של כמעט כל עובדי ההייטק, והם נתפסים כמשפרים משמעותית את איכות העבודה ואת מהירות הביצוע. מצד שני, הסקר חושף כיסי חשש מובהקים – בעיקר בקרב עובדים צעירים, סניורים טכנולוגיים, תושבי הפריפריה ועובדים ללא תואר אקדמי – קבוצות שמרגישות שהשינוי הטכנולוגי עשוי להשפיע על מעמדן המקצועי.

דרור בין, מנכ”ל רשות החדשנות, מסכם את המשמעות הרחבה של ממצאי הסקר: “כמעט כל עובדי הענף כבר משתמשים בה – זו איננה תחזית עתידית אלא מציאות עכשווית שמעצבת מחדש את תעסוקת ההייטק.” לצד זאת הוא מדגיש כי האתגר כעת הוא ניהולי ולא רק טכנולוגי: כיצד לאזן בין פריון וצמיחה לבין ההשפעה על שוק העבודה. “על מנת למנוע פערים עוד יותר גדולים בין ההייטק לשאר הכלכלה הישראלית, נכון לוודא שבינה מלאכותית מאומצת בצורה נרחבת בכל ענפי הכלכלה.”

בסופו של דבר, הסקר מראה שכלי הבינה המלאכותית אינם עוד תוספת נקודתית, אלא מרכיב קבוע בפרודוקטיביות של עובדי ההייטק – מכל תפקיד, דרג וסוג חברה. אך הוא גם מציב משימה ברורה למדינה ולמעסיקים – להשקיע בהנגשת הכלים ובהכשרות ייעודיות לקבוצות שנמצאות בעמדת חולשה, כדי שהמהפכה לא תיצור פערים עמוקים יותר בשוק העבודה.

לסקר המלא עם כל התובנות, כנסו כאן.

הפוסט סקר רשות החדשנות מצא שכמעט כל עובדי ההייטק משתמשים בבינה מלאכותית יוצרת הופיע ראשון בLet's AI בינה מלאכותית

IBM Institute for Business Value, 2025 CDO Study

המדידה הטכנולוגית מסתירה את התשובה האמיתית

הסיבה לפער הזה פשוטה. ברוב הארגונים מודדים את הטכנולוגיה במקום למדוד את השפעתה על העסק. עוקבים אחרי זמני תגובה, דיוק מודלים וכמות שאילתות, אבל הרבה פחות אחרי שאלות בסיסיות כמו: האם הלקוחות מרוצים יותר, האם העלויות יורדות, והאם השורה התחתונה באמת משתפרת.

הדוח מציג כאן סתירה חדה: 81% ממנהלי הנתונים אומרים שהם נותנים עדיפות להשקעות שמאיצות יכולות ויוזמות AI, אבל רק 26% בטוחים שהיכולות האלה באמת ביצירת מקורות הכנסה חדשים שמופעלים על ידי בינה מלאכותית. במילים אחרות, רוב הארגונים משקיעים בכוח במנוע, בלי לבדוק אם המכונית בכלל מתקדמת בכיוון הנכון.

מתוך זה הדוח גוזר עיקרון פשוט: אי אפשר למדוד החזר על השקעה ב-AI בלי תשתית נתונים ותהליכי מדידה שנבנו מראש בשביל זה. החברות שמצליחות לחבר בין הטכנולוגיה לערך העסקי עושות שני דברים בולטים – בונות צנרת נתונים אמינה וגמישה, והופכות את הידע התפעולי הייחודי שלהן לנכס תחרותי. במאמר הזה נתמקד בשני התחומים האלה.

בגרף הבא רואים את הפער הזה במספרים: 92% מהמנהלים אומרים שהם חייבים להיות ממוקדי תוצאות עסקיות כדי להצליח בתפקיד, אבל רק 29% מדווחים שיש להם מדדים ברורים שמאפשרים למדוד את הערך של תוצאות מונעות נתונים. זה כבר לא רק סיפור על טכנולוגיה מתקדמת, אלא על חוסר יכולת בסיסי לענות על השאלה “האם כל זה באמת שווה את הכסף”.

IBM Institute for Business Value, 2025 CDO Study

צנרת נתונים שעובדת באמת

בינה מלאכותית מכפילה גם את הערך וגם את הסיכון. מודל AI שמוזן בנתונים לא נקיים או לא מדויקים לא רק שלא מייצר ערך, הוא גם מגדיל את הנזק. קחו למשל חברה שמנסה לחזות ביקוש ללקוחות. אם הנתונים שלה מלאים ברעש מהזמנות שבוטלו או כתובות לא מעודכנות, המודל יחזה ביקוש גבוה באזורים שהלקוחות כבר עזבו. התוצאה ברורה – מלאי שנשאר במחסנים, עלויות לוגיסטיקה מיותרות והחלטות שנראות “חכמות” על הדשבורד אבל שגויות בשטח.

החברות שמצליחות לייצר ערך מבינה מלאכותית מתחילות בבנייה של צנרת נתונים נקייה ומפוקחת. הן משקיעות קודם כל בניקוי מוקדם, מסירות רעש, מסננות מקורות בעייתיים וממפות מראש נקודות כשל אפשריות. אחר כך הן ממקדות את המאמץ במידע שנותן ערך ממשי, במקום לאסוף כל דבר שזז. הן מגדירות סטנדרטים ברורים לפורמטים, משתמשות בשפה אחידה בכל המערכות ומנסחות במדויק מה נחשב “נתון תקין”.

לפני שהנתונים מגיעים למודל, הן מריצות בקרת כניסה שתופסת חריגות ושגיאות. אחרי שהמודל עולה לאוויר, הן ממשיכות לנטר את הזרימה בזמן אמת, מזהות סטיות מוקדם ומאפשרות תיקון מהיר לפני שהטעויות מתגלגלות ללקוחות ולדו”חות. בלי התשתית הזו, בינה מלאכותית היא בעיקר כלי יקר שמייצר החלטות מרשימות במצגת ופוגעות בביצועים בשורה התחתונה.

איך זה נראה בפועל

חברת Medtronic, יצרנית ציוד רפואי גלובלית, התמודדה עם תהליך ידני ואיטי של התאמת חשבוניות, אישורי משלוח והזמנות רכש. הצוותים השקיעו עד 20 דקות בעיבוד חשבונית אחת, תהליך שגזל זמן יקר מעבודה אסטרטגית ופגע ביעילות התפעולית.

Medtronic הטמיעה פתרון מבוסס AI שמבצע קליטה אוטומטית של מסמכים והתאמה ביניהם. הפלטפורמה משתמשת בלמידת מכונה ובבינה מלאכותית ג׳נרטיבית כדי להתמודד עם פורמטים מורכבים, חותמות, סריקות באיכות ירודה ומבנים לא סטנדרטיים, ולסגור את כל ההתאמות בלי התערבות ידנית.

בתוך ארבעה שבועות בלבד הושלמה האוטומציה של תהליך התאמת המסמכים במחלקה אחת, כבסיס להתרחבות לשאר הארגון. זמן עיבוד החשבוניות ירד מ”עד 20 דקות” ל-8 שניות עם דיוק שעולה על 99 אחוז. התוצאה לא הייתה רק חיסכון דרמטי בזמן: השגיאות היקרות צומצמו, המערכת יכולה להתמודד עם נפחי מסמכים גדלים בלי להוסיף כוח אדם, והעובדים שוחררו להתמקד במשימות בעלות ערך גבוה יותר.

זו דוגמה קלאסית למה שהדוח של IBM מדגיש – כשיש צנרת נתונים מסודרת ומגדירים מראש מה מודדים, בינה מלאכותית היא כבר לא “פיילוט טכנולוגי” אלא תהליך עסקי חדש עם תוצאה ברורה שקל למדוד בזמן, כסף ודיוק.

ניסיון תפעולי כיתרון תחרותי

הטכנולוגיה של בינה מלאכותית זמינה לכולם. המודלים, הפלטפורמות וה-APIs דומים מאוד בין ארגון לארגון. מה שלא זמין לכולם הוא הניסיון התפעולי הייחודי שכל ארגון צובר עם השנים. החברות שמובילות בתחום הן אלו שלא מסתפקות בידע הזה כ”ידע בראש של אנשים”, אלא הופכות אותו לנתונים, למערכות ולתהליכים שאי אפשר להעתיק בקלות.

זה לא ידע כללי על השוק או על טרנדים בטכנולוגיה, אלא ידע מאוד ספציפי – איך הלקוחות שלכם באמת מתנהגים, איפה התהליכים נשברים שוב ושוב, אילו פתרונות עבדו בשטח ואילו נכשלו, מה גורם לעיכובים, ואיזה ניואנסים קטנים גורמים ללקוח להישאר או לעזוב. זה החומר הגולמי שממנו בונים יתרון תחרותי אמיתי.

כדי להפוך את הידע הזה ליתרון עסקי צריך להתייחס אליו כמו אל נכס נתונים, לא רק כמו אל ניסיון. לתעד בזמן אמת מה עובד ומה לא, ולשתף את הצוות בתובנות במקום להשאיר אותן בשיחות מסדרון, לבנות תהליכים ברורים שניתנים לשחזור ולהגדלה, להפעיל מנועי החלטות אוטונומיים בנקודות קריטיות עם אפשרות להתערבות אנושית כשצריך, לפתח מנגנונים שמונעים טעויות ומפעילים התראות מוקדמות, כך שלא מחכים לבעיות גדולות אלא מזהים סימני אזהרה בזמן, ולשמור את כל הידע הזה במערכות נגישות שמאפשרות לשפר את התהליכים כל הזמן ולא להתחיל מאפס בכל פרויקט חדש.

הדוח של IBM מראה שהמיקוד הזה איננו רק יתרון תחרותי אלא גם סדר עדיפות מובהק: מנהלי הנתונים מציבים “מינוף נתונים ליתרון עסקי” במקום הראשון, ומולם מתמודדים עם אתגרים כמו תרבות מונעת נתונים וממשל נתונים אפקטיבי. התרשים הבא מציג את זה בצורה ברורה:

מה הכי חשוב למנהלי הנתונים – ומה מעכב אותם בדרך. IBM CDO Study

למי זה מתאים ולמי לא

הגישה הזו מתאימה בדרך כלל לארגונים גדולים, לרוב עם מאות עד אלפי עובדים, שיש להם מחלקת IT ייעודית ובעלות ברורה על הנתונים. ארגונים כאלה מסוגלים להשקיע זמן ומשאבים בבנייה של תשתית נתונים, במדידה ובשינוי תהליכים לפני שהם רצים להציג תוצאות נוצצות. זה דורש סבלנות, משמעת וגישה שיטתית לעבודה עם נתונים, לא עוד פרויקט חדשני שמוצג במצגת ונשכח אחרי חצי שנה.

היא פחות מתאימה לחברות שמחפשות קיצור דרך או “קסם” טכנולוגי. בינה מלאכותית לא מתקנת תהליכים גרועים ולא מסדרת נתונים מבולגנים. היא רק מכפילה אותם. אם התהליכים בעייתיים והנתונים לא אמינים, AI יגרום להם להיות מהירים יותר, גדולים יותר וקשים יותר לתיקון.

המסקנה המעשית נשארת פשוטה – הנתונים שלכם הם הנכס הייחודי שלכם. אם לא מטפלים בהם ברצינות, שום מודל לא יציל אתכם. התחילו מבנייה של תשתית שמאפשרת מדידה אמיתית ותיעוד של ידע תפעולי. רק אחר כך תוסיפו שכבת בינה מלאכותית, ורק אז תוכלו גם להפיק ערך ממנה וגם לדעת כמה ערך באמת התקבל.

לסקרנים שרוצים לצלול לדוח המלא ואל כל המספרים, ההמלצות והדוגמאות, אפשר לקרוא אותו כאן.

הפוסט למה 92% ממנהלי הנתונים חייבים להיות ממוקדי תוצאות עסקיות אבל רק 29% יודעים למדוד את הערך הופיע ראשון בLet's AI בינה מלאכותית

מי זו Klarna?

קלארנה (Klarna) היא חברת פינטק שוודית שהוקמה ב-2005, והפכה למובילה עולמית בתחום “קנה עכשיו, שלם אחר כך” (BNPL). החברה מספקת שירותים פיננסיים מקוונים, כולל עיבוד תשלומים לעסקים בתחום המסחר האלקטרוני, פתרונות סליקה, ניהול הקשר עם חנויות פיזיות, והקלה בתשלומים ללקוחות. נסו לחשוב על מעין שילוב בין זאפ, אמאזון ופייבוקס. עם יותר מ-150 מיליון צרכנים ברחבי העולם, קלארנה הפכה לשחקן מרכזי בזירת התשלומים הדיגיטליים.

“נשירה טבעית”… האמנם?!

בחברה העריכו – תוך חודשים נוכל לחתוך במצבת כוח האדם בחצי, לייעל תהליכים ולתת שירות טוב ומהיר יותר ללקוח. המציאות הייתה אף קיצונית יותר! קלרנה צמצמה את כוח האדם שלה מ-7,400 עובדים ל-3,000 בלבד. ירידה של 60%! הבינה המלאכותית טיפלה ב-75% מהפניות לשירות הלקוחות. בקלארנה כינו את התהליך בזמנו כ”נשירה טבעית” – כולם מחאו כפיים, המנכ”ל חגג את החיסכון – 10 מיליון בשנה, והמשקיעים חייכו בדרך לבורסה.

אבל אז, כמו בכל סיפור טוב, משהו נסדק. הלקוחות התחילו להתלונן: “אין עם מי לדבר”, “הבוט לא מבין אותי”, “חסר אנושיות”. מדד שביעות הרצון של הלקוחות התרסק – ירידה של 40%. חיסכון זה נהדר, אבל לקוחות רוצים להרגיש שמישהו באמת מקשיב להם. פתאום התברר שהעלות הפכה לחשובה יותר מהאיכות. כך הצהיר בדיעבד מנכ”ל החברה.

הוא אף הגדיל ואמר שאי אפשר להחליף אמפתיה אנושית, אפילו לא עם האלגוריתם הכי משוכלל. בקיץ 2025 קלרנה החלה לגייס מחדש עובדים אנושיים, בנתה צוותים היברידיים (גם בינה מלאכותית וגם נציגים בשר ודם) שעונים ללקוחות, וכך הם החזירו את הערך האנושי.

הקאמבק של Klarna

ההימור השתלם: החברה חזרה לגדול, הכנסותיה בארצות הברית קפצו ב-38%, והרווחיות טיפסה. אחרי תקופה סוערת – קלרנה חזרה להנפקה בשווי של למעלה מ-15 מיליארד דולר. סיפור סינדרלה שהפך לסיפור אימה ועשה קאמבק מפתיע – שוב סינדרלה!

בינה מלאכותית אינה מטרה, אלא רק עוד אחד מסט הפתרונות האפשריים

אחרי כל הרעש סבסטיאן ה-CEO הצהיר שוב: “בינה מלאכותית זה מצוין, אבל אנושיות? את זה אי אפשר להחליף”. מה הלקח פה? ש-AI לבדו אינו חזות הכל! אינו מטה קסם. שצוותים היברידיים יעילים יותר מצוותים אנושיים שלא עובדים עם AI, וגם יותר יעילים מסוכני AI שפועלים בניתוק מבני אנוש. שהטמעת AI היא פתרון ולא מטרה! 

הפוסט הנפילה וההתאוששות של קלרנה שגילתה שבינה מלאכותית לא מחליפה אנושיות הופיע ראשון בLet's AI בינה מלאכותית

הסיפור שמאחורי ההכרזה

מאחורי המספרים עומד מהלך שמסדר מחדש את הכוחות בשוק ה-AI. אנטרופיק מתחייבת לשימוש ארוך טווח ב-Azure בהיקף של 30 מיליארד דולר, מה שמבטיח הזרמה קבועה של עומסי AI משמעותיים אל Azure. לצידה, אנבידיה ומיקרוסופט עשויות להשקיע יחד עד 15 מיליארד דולר בחברה. אנבידיה צפויה להעמיד עד 10 מיליארד דולר, ומיקרוסופט עד 5 מיליארד.

השותפות נשענת על הדור החדש של חומרת אנבידיה. מערכות כמו Grace Blackwell ו-Vera Rubin יאפשרו לאנטרופיק לאמן ולהפעיל מודלים מהדור הבא בהיקפים גדולים. החברה התחייבה להשתמש בעד ג’יגה וואט של כוח מחשוב, נתון שממחיש את הדרישות ההולכות וגדלות של מודלים מתקדמים.

בצד היישומי, מודלי קלוד נכנסים ל-Foundry של Azure ומשתלבים גם בכלי Copilot של מיקרוסופט, כולל Microsoft 365, GitHub Copilot ו-Copilot Studio. קלוד מצטרף כתוספת משמעותית להיצע המודלים של Azure ופועל לצד מודלי OpenAI באותם מוצרים.

Say hello to @ClaudeAI in Azure

Starting today, Claude Sonnet 4.5, Haiku 4.5, and Opus 4.1 models are available in Microsoft Foundry. pic.twitter.com/4hV2jG00SK

— Microsoft Azure (@Azure) November 18, 2025

התוצאה היא מעמד ייחודי לקלוד. אחרי שהוטמע אצל אמזון וגוגל, ההשתלבות ב-Azure מציבה אותו כמודל המוביל היחיד שנמצא אצל שלושת ספקי הענן הגדולים. עבור אנטרופיק, זה מיקום שמעניק לה חשיפה חוצה פלטפורמות. עבור מיקרוסופט, זה חיזוק של סל המודלים העומד לרשות הלקוחות שלה.

מונוגמיה ל-OpenAI מתחלפת בריבוי מודלים

במשך שנים זוהתה מיקרוסופט כמעט לחלוטין עם OpenAI. ההשקעות והאינטגרציות יצרו תחושה של שותפות כמעט בלעדית. השילוב של אנטרופיק בתוך Azure אינו מפרק את היחסים עם OpenAI, אך מציב את מיקרוסופט על מסלול שבו כמה מודלים עובדים במקביל.

לפי דיווחי AP וגופי תקשורת נוספים, מודלי OpenAI ימשיכו להיות חלק מרכזי מהמערכת. עם זאת, אנטרופיק מצטרפת כספק ליבה נוסף ולא כתחליף. זהו שינוי שמרחיב את הגמישות של Azure ומאפשר ללקוחות להתאים מודל למשימה במקום להסתמך על מקור אחד.

הגישה הזו מצמצמת סיכון. אם מודל מסוים מוגבל או מתעכב, מיקרוסופט יכולה להפעיל מודל חלופי ברמת ביצועים דומה. עבור הלקוחות, זה מבנה רשת שמעניק יציבות במקום תלות יחידה.

איך זה נראה מהצד של לקוחות Azure

השילוב של מודלי אנטרופיק הוא לא תוספת קוסמטית. הוא מרחיב את אפשרויות העבודה ונותן לארגונים יכולת אמיתית לבחור מודל בהתאם למשימה. הכניסה של קלוד ל-Foundry מאפשרת לבנות אפליקציות, סוכנים ותהליכי AI גם על בסיס מודלים של אנטרופיק, אלטרנטיבה מעשית למודלי OpenAI במקרים שבהם לקלוד יש יתרון.

קלוד פועל גם ברמות המוצר. שילוב שלו במשפחת Copilot מאפשר להשתמש בו במקומות שבהם הוא מספק תוצאות טובות יותר, בלי להחליף תשתית. כך ארגונים יכולים לחלק את הנטל בין כמה מודלים, בהתאם לאופי המשימה.

מה זה בכלל ג’יגה-וואט ל-AI?

המספר “עד ג’יגה וואט של כוח מחשוב” מדגיש את קנה המידה של המהלך. בעולם ה-AI, מדובר בתשתית עצומה הדורשת מרכזי נתונים גדולים והשקעה גבוהה בחומרה. לפי מיקרוסופט ואנטרופיק, הקיבולת הזו תספיק לאימון ולהפעלה של מודלים גדולים לאורך שנים.

המחויבות הזו ממצבת את אנטרופיק כמי שפועלת בקנה מידה תעשייתי. עבור אנבידיה זהו סימון של נאמנות תשתיתית ארוכת טווח. עבור מיקרוסופט, מדובר בהבטחת זרימה קבועה של עומסי AI אל Azure.

בסופו של דבר, התחרות כבר אינה רק על איכות המודל. השאלה היא מי מסוגל להחזיק את התשתית שמאפשרת למודלים האלה לפעול בקנה מידה עולמי.

קלוד בכל העננים

הנוכחות של קלוד בשלושת העננים מאפשרת לארגונים לעבוד עם מודל אחד גם כשהתשתית מתחתיו משתנה. זה מפחית עלויות מעבר ומאפשר לשמור על רצף תפעולי לאורך זמן. עבור צוותים שפועלים בסביבות מרובות, זו שכבת עבודה אחידה שמאפשרת לנהל מוצרים ותהליכים בלי התאמות חוזרות.

המעמד הזה מציב את אנטרופיק בעמדה מרכזית בין ספקי הענן. היא אינה מזוהה עם פלטפורמה אחת, אלא מציעה מודל שמתאים לארגונים המחפשים איזון בין עלויות, ביצועים ורגולציה. השאלה כבר אינה באיזה ענן מריצים את המערכת, אלא האם המודל מאפשר גמישות אמיתית.

ומה עם OpenAI?

בהודעות הרשמיות מבהירה מיקרוסופט כי OpenAI נותר שותף מרכזי, אך כעת הוא חלק ממבנה רחב יותר. במקום מערכת יחסים סגורה, מיקרוסופט פועלת עם כמה ספקים במקביל, וכל אחד מהם מוסיף שכבת יכולות לתשתית של Azure.

זה מעבר מגישה המבוססת על תלות יחידה לגישה שמחלקת תפקידים בין מודלים שונים. OpenAI נשארת עוגן משמעותי, אך אינה היחידה שמחזיקה את המערכת. המבנה החדש יוצר יציבות וגמישות ומאפשר למיקרוסופט להימנע מהסתמכות על מקור אחד.

שוק ה-AI הארגוני משתנה

העסקה המשולשת מדגישה שהדיון כבר לא נסוב סביב המודל המוביל, אלא סביב היכולת לעבוד עם כמה מודלים וכמה שכבות של כוח מחשוב באופן מתואם. מיקרוסופט בונה תשתית רב שכבתית. אנבידיה מספקת את השכבה שמאפשרת לקנה המידה הזה להתקיים. אנטרופיק הופכת לחלק מהבסיס של הענן המודרני.

עבור ארגונים – זה שינוי פרקטי. האתגר אינו בחירה במודל יחיד, אלא בניית ארכיטקטורה שיודעת לעבוד עם כמה מודלים ללא תלות. זה כיוון ברור לשנים הקרובות ומנהלים שיבינו את זה יוכלו לבנות מערכות עמידות וגמישות יותר.

הפוסט שותפות משולשת בין מיקרוסופט, אנבידיה ואנטרופיק הופיע ראשון בLet's AI בינה מלאכותית

Just share your topic, and PowerPoint Agent creates a tailored presentation—drawing from your files, meetings, and emails for content. Read more: https://t.co/RaMcKDbA1M#MSIgnite pic.twitter.com/f2jl9NExFm

— Microsoft 365 (@Microsoft365) November 19, 2025

Copilot במחיר חדש עם פתיחה חלקית של השער לעסקים קטנים

אחד המהלכים הבולטים ב-Ignite הוא השקת Microsoft 365 Copilot Business, מהדורה מוזלת שמחירה 21 דולר למשתמש בחודש. היא מיועדת לעסקים עם פחות משלוש מאות עובדים ותושק בדצמבר. מבחינת מיקרוסופט זהו מסר ברור. עידן הסוכנים אינו אמור להיות נחלתם של תאגידי ענק בלבד. גם עסקים קטנים נכנסים למגרש, ומיקרוסופט רוצה שהם יתחילו לשחק עכשיו.

המהדורה כוללת את יכולות הבסיס, את Work IQ ואת שילוב ה-Copilot באפליקציות Office. על הנייר זו פתיחה אמיתית של השער. אבל כשמסתכלים על הגבולות, רואים שהמהלך מוגבל. עסקים בינוניים וארגונים גדולים ימשיכו לשלם את המחיר המלא. התוצאה היא פחות מהפכה ויותר כוונון עדין של השוק, מהלך שנועד להניע שכבה ספציפית של לקוחות ולא לייצר שינוי כולל.

Work IQ

השדרוג העמוק ביותר שהוצג ב-Ignite לא נמדד בכמות הפיצ’רים, אלא ברעיון שעומד מאחוריו. Work IQ היא לא עוד תחנה בקו הפיתוח. זו הצהרה על שינוי זהות. ממערכת שעונה לבקשות למערכת שמנסה להבין איך ארגון עובד.

הבסיס הוא שכבת נתונים רחבה שמקיפה מיילים, צ’אטים ופגישות. זו שכבת ה”חיים עצמם” שממנה המערכת בונה תמונה של מה שקורה ביום יום. מעליה מונחת שכבת זיכרון, שמזהה דפוסים, לומדת סגנון עבודה ומתחקה אחר הרגלים שחוזרים שוב ושוב. מעל שתיהן פועל מנגנון הסקה שמנסה להפוך את כל זה לדבר אחד פשוט. מה הצעד הבא המתאים ביותר עכשיו.

מכאן נולד שינוי הגישה. Copilot כבר לא מסתפק ב”להביא תשובה”. הוא מנסה להבין מהי המשימה הנכונה ברגע הנכון. בעבר השיחה נראתה כך. אתם מבקשים, והוא מגיש לכם את המידע שביקשתם. עכשיו הכוונה היא אחרת. אתם עובדים, והמערכת אומרת לכם “הנה מה שנראה שאתם צריכים לעשות עכשיו”.

Stuck on slide one? Turn stalls into on-brand momentum with PowerPoint Agent, built on Microsoft 365 Copilot and fueled by Work IQ.

Learn more: https://t.co/lLQPUwju6i #MSIgnite pic.twitter.com/jU8B7317Vy

— Microsoft 365 (@Microsoft365) November 18, 2025

החזון שאפתני. הוא מבקש להוריד מהשולחן את העומס הקטן והיומיומי שמצטבר סביב אלפי החלטות זעירות. אבל יחד איתו מגיעות גם שאלות כבדות. עד כמה מנהלים יסמכו על מערכת שמפרשת את צורת העבודה שלהם. האם רמת הדיוק תהיה גבוהה מספיק כדי להצדיק המלצות פעולה. והאם ארגונים יהיו מוכנים לשלם את מחיר החשיפה של המידע הפנימי והרגיש שלהם בתמורה לאוטומציה חכמה יותר.

Agent 365

אם Work IQ הוא המוח שמנסה להבין איך הארגון עובד, Agent 365 הוא השלד שמחזיק את כל המערכת. מיקרוסופט מציגה חזון שבו ארגונים מפעילים לא סוכן אחד ולא שניים, אלא מערך שלם. חלקם נוצרים ב-Copilot Studio, אחרים מגיעים מ-Foundry, ואחרים מספקים חיצוניים כמו Adobe או SAP. העולם הזה כבר לא נראה כמו כלי אחד חכם, אלא כמו אוסף של עובדים דיגיטליים שכל אחד מהם מבצע משימה אחרת.

במציאות כזו נדרש שינוי. ארגונים צריכים מערכת אחת שמרכזת את כל הסוכנים, מנהלת אותם ומפקחת עליהם. Agent 365 מנסה לתפוס את המקום הזה. היא מטפלת ברישום, בהגדרת הרשאות, בהצגת קשרים בין סוכנים ובאבטחה שמאתרת התנהגות חריגה. המהלך הזה מציב את הסוכנים באותה קטגוריה שבה מנהלים משתמשים, זהויות ותוכנות. לא עוד תוסף צדדי, אלא מרכיב תשתיתי בליבת העבודה.

עם זאת, לשינוי יש מחיר. המגבלה הראשונה ברורה. Agent 365 זמין כרגע רק במסגרת תוכנית Frontier. המשמעות פשוטה. ארגונים שחושבים קדימה ורוצים להתחיל להקים תהליכי פיקוח וניהול סוכנים לא יכולים לעשות זאת בפועל. הם צריכים להמתין עד שמיקרוסופט תחליט לפתוח את הפיצ’ר באופן רחב יותר.

המגבלה השנייה עמוקה יותר. Agent 365 מדבר בשפה של ארגונים מתקדמים, כאלה שכבר מפעילים פורטפוליו גדול של סוכנים. עבור רוב השוק זו אינה הזדמנות מיידית אלא יעד עתידי. המערכת מסמנת לאן מיקרוסופט רוצה שהארגונים יגיעו, אבל לא כל ארגון מוכן או מסוגל לעבור לשם כבר עכשיו.

Accelerate secure transformation into an AI-powered Frontier Firm with Microsoft Agent 365. Extend familiar tools and protection to agents. Read more: https://t.co/wJb2zt1XOW#MSIgnite pic.twitter.com/5i8L4fCQpA

— Microsoft 365 (@Microsoft365) November 18, 2025

Office ו-Teams מקבלים מאיץ

שדרוגי Office שהוצגו ב-Ignite מנסים לחבר את העבודה הדיגיטלית לכדי רצף אחד. לא עוד קבוצה של יישומים שמגיבים לבקשות, אלא סביבת עבודה שבה סוכנים יכולים לפעול ישירות בתוך המסמכים, המצגות והשיחות. המטרה היא להפוך את האפליקציות ממקום שבו מבצעים פעולות ידניות למרחב תפעולי חי.

Agent Mode ב-Word הוא הדוגמה הברורה ביותר. המצב החדש פתוח לכל המשתמשים, והוא משנה את התפקיד של Word עצמו. העורך אינו רק כלי לכתיבה ופיסוק. הוא הופך לזירה שבה סוכנים פועלים, מייצרים טיוטות, מבצעים עריכה ומקדמים תהליכים באופן יזום, כאילו היו חלק מהצוות.

ב-PowerPoint הסיפור אחר. Agent Mode קיים, אבל נשאר מאחורי Frontier. המשמעות היא שהיכולת קיימת, אך אינה נגישה לרוב הארגונים. הפיצול הזה מחדד את אסטרטגיית מיקרוסופט. חלק מהתכונות יוצאות מיד לקהל הרחב כדי לייצר אימוץ, ואחרות נשמרות למסלול מבוקר שבו החברה יכולה לפתח וללמוד כיצד ארגונים משתמשים בהן.

Excel מציג שינוי מסוג אחר. לראשונה מיקרוסופט מאפשרת לבחור מודל, OpenAI או Anthropic. זו אינה רק תוספת טכנית. זה מסר על גמישות ועל תחרותיות בתוך סביבת העבודה. המשתמש אינו כבול למודל אחד, והארגון יכול לבחור את מנוע הבינה שמשרת אותו בצורה הטובה ביותר.

לצד כל אלה מופיעה שורה של סוכני AI חדשים. הם מאפשרים ליצור מסמכים, מצגות וגיליונות באמצעות תהליך איטרטיבי בתוך Copilot Chat. זה שינוי בתפיסת העבודה. בעבר המשתמש עבד בכלי וביקש עזרה מהמערכת. עכשיו הסוכן מוביל את התהליך, והמשתמש מצטרף אליו.

ב-Teams השינוי בולט עוד יותר. Facilitator Agent נכנס לתפקיד שמרגיש כמעט אנושי. הוא מנהל סדר יום, מתעד, שומר על מסלול הדיון ומבצע פעולות המשך. בשילוב Model Context Protocol הסוכנים יכולים לדבר ישירות עם Jira, Asana ו-GitHub. שיחה אחת יכולה להפעיל שרשרת פעולות חוצת מערכות.

המסר ברור. מיקרוסופט רוצה ש-Teams יפסיק להיות רק מקום שבו מדברים ויהפוך למערכת שמבצעת עבודה. לא תא ישיבות אלא מנוע תפעולי. בתוך אותו מהלך, Office עצמו כבר אינו סביבת עריכה בלבד. הוא מתגבש לזירה שבה העבודה מתרחשת בפועל.

Sora 2 בתוך Copilot

Sora 2 של OpenAI מציבה רף חדש ליכולות הווידאו בתוך Microsoft 365 Copilot. לראשונה, משתמשים יכולים ליצור סרטונים קצרים למטרות שיווק ישירות מתוך סביבת העבודה. הכלי תומך בדיבוב, במוזיקה ובהתאמות מותג, והוא מציג כיוון ברור. יצירת וידאו מתחילה להיראות כמו עוד משימה שאפשר לבצע במהירות, כמעט כמו כתיבת מסמך או הכנת מצגת.

יחד עם זאת, ההשקה עדיין אינה מלאה. Sora 2 זמינה כבר היום ב-Copilot, אך הגישה אליה מתבצעת באופן מדורג ומלווה במנגנוני בקרה וניהול שמתגלגלים החוצה בהדרגה. המשמעות היא שחלק מהארגונים יקבלו גישה מוקדמת במסגרת מסלול Frontier, בעוד שאחרים יזכו לזמינות רחבה יותר בשלבים מאוחרים יותר. גם בשלב זה המודל מוגבל ליצירת סרטונים קצרים בלבד.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

עכשיו צריך להחליט מי קופץ

מאחורי ההכרזות של Ignite 2025 עומדת אסטרטגיה רחבה הרבה יותר. מיקרוסופט אינה מסתפקת בהוספת פיצ’רים. היא מציעה ארכיטקטורה חדשה של עבודה ארגונית שבה סוכני AI אינם תוספת, אלא חלק מהתשתית. Work IQ, Agent 365, המודלים החדשים של Copilot והיכולות שמתחברות לתוך Office ו-Teams משרטטים עתיד שבו הארגון עובד לצד מערך של סוכנים דיגיטליים, ומנהל אותם כמו שמנהלים משתמשים והרשאות.

אבל כדי שהחזון הזה יתממש, ארגונים יצטרכו לשנות את עצמם. לא די לרכוש רישיון. נדרש שינוי מבני. הגדרה מחדש של הרשאות, יצירת תפקידים חדשים כמו מנהל סוכנים, תהליכי אישור ברורים ומנגנוני פיקוח מבוססי נתונים. זהו לא עדכון טכנולוגי אלא מהלך ארגוני שמחייב מחשבה מחודשת על זרימות העבודה ועל המידה שבה הארגון מוכן להעביר אחריות למערכת.

וכאן נשארת שאלה אחת חשובה. לא אם הטכנולוגיה בשלה, אלא אם הארגון בשלב שבו הוא מוכן לקפוץ. האם אתם מתחילים להטמיע סוכנים ולשנות את דרך העבודה שלכם, או מעדיפים לעמוד על שפת הבריכה ולראות מי יזנק ראשון?

הפוסט מיקרוסופט חושפת חזון עבודה חדש בכנס Ignite הופיע ראשון בLet's AI בינה מלאכותית

ארבעת שלבי הבשלות: איפה הארגון שלכם נמצא?

החוקרים זיהו ארבעה שלבים ברורים של בשלות בבינה מלאכותית. הממצאים חד-משמעיים: ארגונים בשלבים 1 ו-2 מציגים ביצועים כלכליים נמוכים מהממוצע, בעוד אלו שבשלבים 3 ו-4 נהנים מביצועים גבוהים משמעותית.

שלב 1: ניסויים והכנה (28% מהארגונים)

בשלב הזה הארגון עדיין לומד מהי בינה מלאכותית ואיך להשתמש בה. הפוקוס הוא על חקר, חינוך והבנת היסודות.

מאפיינים עיקריים:

• הדרכת עובדים על בינה מלאכותית

• קביעת מדיניות שימוש

• הנגשת נתונים

• קידום קבלת החלטות מבוססת נתונים

• זיהוי תהליכים שבהם נדרש מרכיב אנושי

שלב 1 הוא שלב הכרחי אבל זמני. הוא לא מניב תשואה כלכלית אלא השקעה בלמידה, ולכן חשוב להכין מראש תוכנית מעבר לשלב 2.

שלב 2: בניית פיילוטים ויכולות (34% מהארגונים)

השלב ה״צפוף״ ביותר – למעלה משליש מהארגונים נמצאים כאן. הפוקוס עובר ממחקר ליישום נקודתי.

מאפיינים עיקריים:

• פישוט ואוטומציה ראשונית

• פיתוח מקרי שימוש

• שיתוף נתונים דרך APIs

• סגנון ניהול coach-and-communicate

• שימוש במודלי שפה גדולים וג’נרטיביים

רבים נתקעים בשלב 2 – יש פיילוטים מוצלחים והתלהבות, אבל אין הטמעה רחבה. המעבר לשלב 3 הוא הקפיצה הקריטית.

שלב 3: פיתוח דרכי עבודה עם בינה מלאכותית (31% מהארגונים)

בשלב הזה מתחילים לראות החזר השקעה. הפוקוס הוא הרחבת פלטפורמות וניהול מבוסס AI.

מאפיינים עיקריים:

• הרחבת אוטומציה

• מעבר לשיטת עבודה test-and-learn

• ארכיטקטורה לשימוש חוזר

• שילוב מודלים מאומנים מראש ומודלים קנייניים

• בדיקות של סוכנים אוטונומיים

שלב 3 מוביל לביצועים גבוהים מהממוצע, אבל ההגעה אליו דורשת שינוי ארגוני אמיתי, לא רק טכנולוגי.

שלב 4: ארגון מוכן לעתיד (7% מהארגונים)

האליטה של התחום – רק 7% מגיעים לכאן. הפוקוס הוא חדשנות מתמשכת ויצירת מקורות הכנסה חדשים.

מאפיינים עיקריים:

• שילוב AI בתהליכי קבלת החלטות

• פיתוח ומכירה של שירותים מבוססי AI

• אינטגרציה בין AI מסורתי, גנרטיבי, אגנטי ורובוטי

בשלב 4 הארגונים כבר לא רק משתמשים ב-AI, הם יוצרים ממנו מוצרים והכנסות.

הקפיצה הקריטית: מדוע המעבר משלב 2 לשלב 3 הוא המפתח

המחקר מצא שהזינוק הכלכלי המשמעותי ביותר מתרחש במעבר משלב 2 לשלב 3. בשלב 2 הארגון בונה יכולות, בשלב 3 הוא כבר מטמיע את הבינה המלאכותית בקנה מידה רחב. אבל כאן בדיוק כ-34% מהארגונים נתקעים. המעבר הזה אינו טכנולוגי בלבד, אלא ארגוני במהותו.

ארבעת האתגרים שצריך לפתור כדי לעבור משלב 2 לשלב 3

1. אסטרטגיה: יישור השקעות ה-AI עם המטרות העסקיות, כך שייצרו ערך מדיד ובר-הרחבה.

2. מערכות: בניית פלטפורמות מודולריות ומערכות נתונים שתומכות בהתרחבות בקנה מידה.

3. סנכרון: עיצוב מחדש של תפקידים, צוותים ותהליכי עבודה כך שיותאמו לעבודה עם AI.

4. ניהול אחראי: הטמעת מנגנוני פיקוח ושקיפות העומדים בדרישות רגולטוריות כבר בשלבים הראשונים.

ארבעת האתגרים שצריך לפתור כדי לעבור משלב 2 לשלב 3

שני מקרי מבחן: איך זה נראה בפועל

Guardian Life Insurance: מפיילוט להרחבה ב-24 שעות

חברת Guardian Life Insurance מציגה דוגמה לארגון שמצליח לקחת פיילוט קטן ולהפוך אותו לשינוי ארגוני אמיתי. הכל התחיל כשהחברה הפעילה פיילוט לאוטומציה של תהליך הצעות המחיר. תהליך שארך שבוע הצטמצם לפתע ל-24 שעות בלבד, תוצאה מספיקה כדי להצית החלטה אסטרטגית ולהרחיב את המהלך לכלל הארגון עד 2026.

מאחורי ההצלחה הזו עומד שדרוג עמוק של התשתית הטכנולוגית. Guardian ארגנה מחדש את הצוותים סביב פלטפורמות ומוצרים, עברה לארכיטקטורה מבוססת microservices ו-APIs, ויצרה בסיס שמאפשר לשכפל פתרונות במהירות ולגדול בקנה מידה.

במקביל, החברה הבינה שההטמעה לא תעבוד בלי שינוי אנושי. היא הכשירה עובדים לתפקידים ממוקדי AI, פיתחה מיומנויות היברידיות ושילבה רוטציות כדי לוודא שהיכולות החדשות נטמעות בארגון ולא נשארות “טכנולוגיה של הצוות הטכני”.

כל זה התרחש תחת ממשל אחראי. Guardian שילבה את המשפטי, הסיכונים והקומפליינס כבר בתחילת הדרך, ובנתה תהליכי בדיקה שמאזנים בין חדשנות לבין פרטיות ואבטחה.

זה סיפור קצר על פיילוט אחד, אבל דוגמה מצוינת לאופן שבו ארגון מצליח להפוך הצלחה נקודתית לשינוי מערכתי.

Italgas: מניהול תשתיות ל-3 מיליון יורו הכנסות חדשות

בדוגמה קצרה נוספת, Italgas, מפיצת הגז הגדולה באירופה, מציגה מסלול ברור של מעבר משימוש פנימי בבינה מלאכותית ליצירת ערך עסקי חדש. מה שהתחיל כיוזמת ייעול הפך מהר מאוד למנוע צמיחה. הפתרון WorkOnSite קיצר את זמני הבנייה ב-40% והפחית בדיקות ב-80%, ומערכת DANA שיפרה את בטיחות הרשת. כשכל ספרינט מגובה במנהל ברמת C-level, הארגון מצליח להתקדם במהירות ולשמור על כיוון אסטרטגי יציב.

מאחורי זה עומדת תשתית טכנולוגית שנבנתה לאורך שנים: דיגיטציה מקיפה מאז 2017, פלטפורמת נתונים עצומה ומודלים פעילים שמשרתים את העובדים בשטח. לצד זה, הארגון השקיע בהכשרת כוח העבודה בהיקף מרשים – יותר מ-1,000 עובדים וכ-30,000 שעות הדרכה בשנה אחת.

החלק המעניין מגיע בשלב הבא. Italgas לא הסתפקה ביעילות פנימית. היא הפכה את WorkOnSite למוצר מסחרי שמכר 3 מיליון יורו ב-2024 – צעד מובהק של ארגון שעבר מהטמעת AI לתוך תהליכים אל בניית הכנסות חדשות.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

מה זה אומר בשבילכם?

החוקרים מדגישים שהמעבר בין שלבי הבשלות בבינה מלאכותית הוא שינוי ארגוני עמוק. ארגונים צריכים להתמודד בו זמנית עם התנגדות אנושית ועם מורכבות טכנולוגית. כדי להצליח, נדרשת חזית הנהגתית אחידה: המנכ”ל, מנהל הטכנולוגיה, מובילי האסטרטגיה וראש משאבי האנוש.

אם אתם מנהלים שרוצים להתקדם, אלו העקרונות שכדאי לזכור:

תדעו איפה אתם עומדים. מיינו את הארגון לפי ארבעת שלבי הבשלות. 62% מהארגונים עדיין בשלב 1 או 2, וזה בסדר, אלא שצריך תוכנית ברורה למעבר קדימה.

הקפיצה הגדולה היא במעבר מפיילוטים להטמעה רחבה. כאן נוצר הערך העסקי האמיתי, וכאן רוב הארגונים נתקעים. ההתקדמות דורשת טיפול מקביל בארבעה תחומים: אסטרטגיה, מערכות, סנכרון וניהול אחראי.

זה לא פרויקט טכנולוגי. ארגון לא “עושה AI” רק עם צוות הטכנולוגיה. ההטמעה מחייבת מעורבות של משאבי אנוש, מחלקה משפטית ו-Compliance, ובעיקר תמיכה מלאה של ההנהלה הבכירה.

מדידה חייבת להיות חלק מהתכנון. אם אי אפשר למדוד ערך, אי אפשר להצדיק השקעות. Guardian ו-Italgas הצליחו משום שהן יודעות למדוד בדיוק איפה נחסך זמן, כסף ומשאבים.

הכשרת העובדים איננה תוספת – היא ממש תנאי. זה מעבר מעברת קורסים לעיצוב מחדש של תפקידים ותהליכים. ההשקעה של Italgas ב-30,000 שעות הכשרה אינה מקרית.

וב-2025, השאלה היא לא מי עושה פיילוטים, אלא מי הופך אותם לשיטת עבודה קבועה. רוב הארגונים לא יגיעו השנה לשלב 3 או 4, אבל מי שמבין את מפת הבשלות ויודע היכן הוא נמצא, זוכה ליתרון משמעותי לקראת 2026. המחקר נותן מפת דרכים ברורה, אבל היישום דורש מחויבות, משאבים, והבנה שמדובר במרתון, לא בספרינט.

הפוסט כיצד להגביר את רמת הבשלות של הארגון שלכם בתחום הבינה המלאכותית הופיע ראשון בLet's AI בינה מלאכותית

למה המחקר הזה חשוב עכשיו?

בשנה האחרונה עברנו נקודת מפנה משמעותית: AI עברה מכלי ניסיוני לטכנולוגיה ייצורית שמשולבת בתהליכים קריטיים. סוכני AI אוטונומיים (Agentic AI) כבר לא רק מייעצים הם מקבלים החלטות, מנהלים מערכות, ומתקשרים עם לקוחות. השינוי הזה מהיר כל כך שארגונים רבים נמצאים במצב של “אימוץ תחילה, שאלות אחר כך”.

המחקר של Vanta מתאר בצורה חדה במיוחד את המתח המתעצם בין שלושה כוחות:

• האיום הגובר: תוקפי סייבר משתמשים ב-AI כדי ליצור התקפות מתוחכמות יותר, מהירות יותר, ומדויקות יותר. פישינג שנראה אותנטי לחלוטין, תוכנות זדוניות שמשתנות בזמן אמת, ומתקפות זהות בקנה מידה שלא היה אפשרי בעבר.
• התקציב הקפוא: בעוד שהאיומים גדלים, התקציבים לאבטחה נשארו כמעט זהים. הפער בין מה שארגונים מקצים לאבטחה (10% מתקציב ה-IT) לבין מה שמנהלים חושבים שהם צריכים (17%) נשאר קבוע משנה לשנה.
• העומס הבלתי נסבל: צוותי אבטחה מבלים 12 שבועות בשנה על משימות ציות (Compliance), ועוד 9 שבועות על בדיקות ספקים. זה כמעט חצי שנת עבודה שהולכת על “תיעוד ואישורים” במקום על אבטחה אמיתית.

המחקר בא לענות על שאלה קריטית: איך ארגונים יכולים לנצל את ה-AI כדי לפתור את המשוואה הזו  להגן טוב יותר בתקציבים מוגבלים, בלי לקחת סיכונים חדשים שה-AI עצמה מביאה?

איך עשו את המחקר?

המחקר בוצע על ידי חברת Sapio Research עבור Vanta ביולי 2025, ומתבסס על:

• היקף המדגם: 2,500 מנהלי IT ומנהלים עסקיים בכירים מארצות הברית, בריטניה ואוסטרליה. המדגם כלל ארגונים בכל הגדלים, עם דגש מיוחד על חברות עם 1,000+ עובדים.
• נקודות מבט מגוונות: המחקר לא התמקד רק במנהלי אבטחה, אלא כלל גם מנהלים עסקיים  כדי להבין את הפער בין התפיסה הטכנית למציאות העסקית.
• הקשר היסטורי: זהו המחקר השנתי השלישי, מה שמאפשר לזהות מגמות לאורך זמן. השוואה לנתוני 2024 מגלה באילו תחומים המצב משתפר ובאילו הוא מחמיר.
• מתודולוגיה: סקר מובנה עם שאלות סגורות ופתוחות, שנועד למפות את האתגרים, ההשקעות, והיכולות של ארגונים בתחומי אבטחה, קומפליינס, וניהול סיכונים של צד שלישי.

חשוב להדגיש: המחקר הזה לא מבוסס על מה שארגונים אומרים שהם עושים, אלא על מה שהם עושים בפועל כמה שעות מושקעות, כמה איומים מתגלים, כמה תקציב מוקצה.

הממצאים המרכזיים

הממצאים המרכזיים | Vanta.com

ממצא 1: הסיכונים בשיא כל הזמנים, אבל התקציבים קפואים

• הגילוי: 72% ממנהלי האבטחה מדווחים שרמת הסיכון הכוללת גבוהה יותר מתמיד  זינוק של 31% לעומת 55% בלבד בשנה שעברה. זו עלייה עצומה שמשקפת את החרדה הגוברת בקרב אנשי מקצוע.
• העומק של הבעיה: האיומים הפכו לקבועים ומתמשכים. 56% מהארגונים מתמודדים עם איום אבטחה לפחות פעם בשבוע, ו-79% לפחות פעם בחודש. זו אינה “משבר חירום מדי פעם”  זה המציאות היומיומית החדשה.
• והתקציב? למרות הסיכון הגובר, התקציבים כמעט לא זזים. ארגונים מקצים בממוצע 10% מתקציב ה-IT לאבטחה, בעוד שהמנהלים חושבים שהם צריכים 17%. זה בדיוק אותו פער שהיה בשנה שעברה  אין שיפור, אין התקדמות.
• למה זה משמעותי: הפער הזה יוצר מצב של “עשה יותר עם פחות” שמוביל לשחיקה ולתסכול. צוותי אבטחה מצופים להגן על יותר משטחים, מול יותר איומים, עם אותו תקציב. זה מתכון לכישלון או להזדמנות לחדשנות טכנולוגית שתאפשר לעשות יותר עם פחות.

ממצא 2: פער המוכנות ל-AI  האיומים מתפתחים מהר מהמומחיות

• הגילוי המדאיג: 59% מצוותי האבטחה מודים שאיומי אבטחה מבוססי AI מתקדמים מהר יותר מהמומחיות שלהם. בחברות בינוניות עם 1,001-2,000 עובדים, המספר עולה ל-67%.
• סוגי האיומים החדשים: כמחצית מהארגונים חוו עלייה בשלושה סוגי איומים מבוססי AI:
• פישינג שנוצר ב- AI מיילים שנראים אותנטיים לחלוטין, עם טקסטים מושלמים, הקשר נכון, ולעיתים אפילו קול וסגנון כתיבה של אנשים אמיתיים.
• תוכנות זדוניות מונעות AI קוד שמשנה את עצמו בזמן אמת כדי להתחמק מזיהוי, ומסתגל לסביבה של הקורבן.
• גניבת זהות ומרמות זיוף זהויות בקנה מידה, יצירת פרופילים מזויפים, ותרמיות מתוחכמות שלא היו אפשריות לפני עידן ה-AI.
• הבעיה האמיתית, המהירות: מה שפעם לקח שבועות תיאום מסע פישינג, יצירת זהויות מזויפות עכשיו קורה בשעות. האלגוריתמים יכולים ליצור, לבדוק, ולפרוס מתקפות באופן אוטומטי, והמגנים נשארים בעמדה תגובתית כל הזמן.
• מה שחסר: רוב הארגונים לא מצוידים בכלים הנכונים. בקרות מסורתיות זיהוי מבוסס חתימה, חומות אש סטטיות, בדיקות ידניות פשוט לא עובדות נגד התקפות דינמיות מבוססות AI. הצוותים נאלצים לאלתר תוך כדי תנועה, לרוב בלי ההכשרה או הכלים האוטומטיים הנדרשים.
• למה זה חשוב: זה לא רק פער טכני זה פער קיומי. ארגונים שלא יצליחו לסגור את הפער הזה ימצאו את עצמם במצב של נחיתות מובנית מול התוקפים.

ממצא 3: אימוץ גבוה של AI אוטונומית, אבל שליטה נמוכה

• הממצא המפתיע: 79% מהארגונים כבר משתמשים או מתכננים להשתמש בסוכני AI אוטונומיים (Agentic AI) השנה. אבל בו-זמנית, 65% אומרים שהשימוש שלהם ב-AI אוטונומית כבר עלה על ההבנה שלהם איך היא עובדת.
• הפער הגדול ביותר: רק 48% מהארגונים שמשתמשים ב-Agentic AI פיתחו מסגרת ברורה להענקת או להגבלת האוטונומיה של מערכות AI. זה אומר שיותר ממחצית הארגונים נותנים ל-AI סמכות לפעול בלי כללים ברורים.
• מה זה בעצם Agentic AI? אלו מערכות AI שיכולות לפעול באופן עצמאי לא רק לייעץ או להמליץ, אלא לבצע פעולות: לנתח לוגים, לזהות חריגות, ליצור דוחות קומפליינס, ואפילו לבצע פעולות אבטחה כמו בידוד מחשב נגוע.
• העניין המעניין הנוחות הגוברת: 71% מהמשיבים מרגישים בנוח שה-AI תתן ייעוץ אסטרטגי ברמה גבוהה, ו-61% מוכנים שה-AI תעקוף החלטה אנושית במצבים מסוימים. זה שינוי תרבותי עצום לפני עשור, הרעיון שמכונה תעקוף אדם בהחלטות אבטחה היה בלתי מתקבל על הדעת.
• הסיכון האמיתי: בלי מסגרות ברורות, מערכת AI יכולה לעשות דברים שחורגים מהכוונה המקורית: לנעול משתמשים מתשתית קריטית, לדלוף מידע רגיש דרך מודלים שלא עברו אימון נכון, או להפעיל בקרות “בכוח גסה” שמשבשות פעילות. 62% מהארגונים מודאגים ש AI אוטונומית עלולה לפגוע באמון הלקוחות.
• למה זה משמעותי: יש פה פער מסוכן בין אימוץ לבין שליטה. ארגונים שיכולים להוכיח שיש להם כללים ברורים, נהלים שקופים, ותוצאות שניתן לעקוב אחריהן לא רק יגנו על עצמם, אלא יקבלו יתרון תחרותי.

ממצא 4: אמון הפך לציווי עסקי

אמון חייב להיות חלק מהמציאות עסקית | | Vanta.com

• השינוי המרכזי: 82% מהמנהלים סבורים שחיזוק אבטחה וקומפליינס מגדיל ישירות את אמון הלקוחות זינוק חד מ-67% בשנה שעברה. זו עלייה של 22% בשנה אחת.
• גם הציפיות עלו: 77% מהארגונים מדווחים שבעלי עניין דורשים עכשיו הוכחה מאומתת של עמידה בתקנים עלייה מ-65% ב-2024. לקוחות לא מסתפקים יותר בהבטחות הם רוצים הוכחה קונקרטית.
• למה זה משמעותי עכשיו? אבטחה הפכה לגורם מבדל גלוי בתהליך הרכישה. עסקאות נסגרות מהר יותר כשיש הוכחה ברורה לאבטחה, ומתמשכות או נכשלות כשההבטחות מעורפלות. צוותי רכש מהירים לאשר ספקים עם הוכחת קומפליינס שקופה.
• הערך העסקי: חצי מהארגונים אומרים שהערך הגדול ביותר של נהלי אבטחה טובים הוא אמון לקוחות. 45% מציינים שיפור במוניטין, 44% הפחתת סיכון פיננסי, 42% בשלות אבטחה מוגברת, ו-40% עמידה בדרישות לקוחות ורגולציה.
• המסר הברור: לקוחות, שותפים, ורגולטורים רוצים הוכחה, לא הבטחות. ארגונים שיכולים לספק הוכחה רציפה ומאומתת של קומפליינס לא רק מרוויחים לקוחות מהר יותר, אלא הופכים את האמון ממשימה מכבידה ליתרון תחרותי.

ממצא 5: קומפליינס ידנית חונקת את הצוותים

• המשקל המכביד: ארגונים מבלים כעת ממוצע של 12 שבועות עבודה בשנה על משימות קומפליינס עלייה משבוע שלם לעומת 11 שבועות ב-2024. זה כמעט רבע שנת עבודה.
• עוד נטל, בדיקות ספקים: בנוסף, הצוותים מבלים 9 שבועות בשנה על בדיקות אבטחה של ספקים והערכות סיכון עלייה של שני שבועות שלמים מ-7 שבועות ב-2024.
• התוצאה המדאיגה: 61% מהמשיבים אומרים שהם מבלים יותר זמן בהוכחת אבטחה מאשר בשיפורה. ו-64% מרגישים שמסגרות האבטחה של היום נראות כמו “תיאטרון אבטחה” מופע שנועד להראות טוב על הנייר, לא לספק הגנה אמיתית.
• מה קורה בפועל? במקום לחזק מערכות או לסגור פרצות, צוותים מוסחים לאיסוף ראיות מבוסס צילומי מסך, בקשות חד-פעמיות של מבקרים שמתועדות בגיליונות אקסל, וסיבובים אינסופיים של איסוף מסמכים. התוצאה: צוותים מתוסכלים, חדשנות איטית יותר, ובקרות שנראות טוב על הנייר אבל לא מחזיקות מעמד במתקפה אמיתית.
• למה זה בעיה: העומס הידני הזה לא רק מייצר תסכול הוא משאיר את הארגון חשוף. כשמנהל אבטחה מוסיף 10 שעות בשבוע על “תיעוד” במקום על “חיזוק מערכות”, האיומים האמיתיים נשארים פתוחים.
• הצורך בהגדרה מחדש: אמון צריך להיות מערכת דינמית ורציפה, לא אישור חד-פעמי. חברות שיכולות להפוך את התהליכים האלו לאוטומטיים לספק ראיות רציפות ומאומתות של קומפליינס לא רק ינצחו לקוחות מהר יותר, אלא יהפכו את האמון מנטל לנכס.

ממצא 6: הסיכון של צד שלישי גבוה מתמיד

• הממצא המדאיג: 56% מהארגונים חוו מקרה של ספק שעבר פריצת נתונים ב-6-12 החודשים האחרונים, עלייה מ-48% בשנה שעברה. זה יותר ממחצית הארגונים.
• התוצאה, ניתוק קשרים: 57% מהעסקים סיימו קשרים עם ספק בגלל חששות אבטחה באותה תקופה עלייה מ-50% בשנה שעברה.
• המשמעות: כשבעיות עולות, האמון נעלם במהירות, והספקים מקבלים “פיטורים”. עבור ספקים, זה אומר שפריצה אחת או גילוי מושהה יכולים למחוק שנים של בניית אמון. עבור קונים, זה אומר שרשתות הספקים שבורות כשל אבטחה אחד יכול לגלוש על פני שרשרת האספקה ולכפות עזיבות פתאומיות ושיבושים גדולים.
• הפער בין תפיסה למציאות: 80% מהארגונים בטוחים שהספקים שלהם יודיעו להם על פריצה אבל 56% חוו פריצה בפועל. כלומר, הביטחון הזה לא מתורגם למציאות מוגנת.
• העומס על הצוותים: ארגונים מבלים כעת 7 שעות בשבוע 9 שבועות עבודה בשנה על בדיקות אבטחה של ספקים והערכות סיכון. זו פעילות “תמיד דלוקה”: רכש, חידושים, שינויי היקף כל אחד מהם מפעיל מחזור חדש של שאלונים, בקשות לראיות, ומעקבים.
• הצורך בפיקוח רציף: הערכות סטטיות שנעשות פעם בשנה לא מספיקות יותר במציאות האיומים של היום. עסקים צריכים ניטור חי של בקרות ספקים, וזרימות עבודה אוטומטיות של תיקון שמעלות סיכון לפני שהוא הופך למערכתי.

מה זה אומר בפועל?

המחקר הזה חושף שלוש מגמות מרכזיות שיש להן השלכות ישירות על ארגונים בישראל ובעולם:

1. AI היא הן האיום והן הפתרון

התמונה המרכזית שעולה מהמחקר היא פרדוקס: AI יוצרת איומים חדשים ומתוחכמים, אבל היא גם הכלי המרכזי להתמודד איתם. הארגונים שיצליחו הם אלו שיבינו איך להשתמש ב-AI בצורה מבוקרת ואחראית.

למשל בתחום הפישינג: במקום שצוות אבטחה יבדוק ידנית כל מייל חשוד, מערכת AI יכולה לנתח במקביל מאות מיילים, לזהות דפוסים חשודים, לבדוק מול מסדי נתונים של איומים ידועים, ולסמן רק את המקרים שבאמת דורשים התייחסות אנושית.

בתחום ניהול זהויות: AI יכולה לזהות התנהגויות חריגות למשל, משתמש שמתחבר ממיקום חדש בשעה לא רגילה ומנסה לגשת למידע רגיש ולהגיב אוטומטית בהתאם לכללים שהוגדרו מראש.

2. קומפליינס צריכה להפוך מסטטית לדינמית

התפיסה המסורתית של קומפליינס, ביקורת שנתית, אישור, והמתנה לשנה הבאה, לא עובדת יותר. הלקוחות רוצים הוכחה רציפה, האיומים משתנים כל הזמן, והצוותים לא יכולים להקריב 12 שבועות בשנה על “ציות” במקום על “אבטחה”.

• הפתרון: אוטומציה ו-AI: מערכות שיכולות לאסוף ראיות אוטומטית, לעקוב אחרי שינויים בזמן אמת, וליצור דוחות באופן רציף. למשל:
• ניטור תצורות: מערכת שבודקת אוטומטית האם ההגדרות של כל השירותים עומדות בתקן, ומזהירה מיד כשמשהו משתנה.
• ראיות אוטומטיות: במקום שמישהו יצלם מסכים ידנית, המערכת אוספת אוטומטית תיעוד של כל בדיקה ופעולה.
• דוחות דינמיים: לקוחות ומבקרים יכולים לראות במקום אחד את מצב הקומפליינס העדכני, בלי לשלוח שאלונים ולחכות שבועות לתשובות.

3. אוטונומיה דורשת ממשל לא רק אימוץ

הממצא שאולי הכי מדאיג במחקר: 65% מהארגונים משתמשים ב-AI אוטונומית מעבר להבנה שלהם, ורק 48% יש מסגרת לשליטה בה. זה מתכון לאסון.

• מה זה אומר בפועל? ארגון צריך להגדיר:
• מתי AI יכולה לפעול לבד: למשל, לבודד מחשב נגוע אוטומטית זה הגיוני. אבל למחוק נתונים או לנעול משתמש צריך אישור אנושי.
• סף הסיכון: באיזה נקודה המערכת צריכה לעצור ולבקש החלטה אנושית?
• מעקב ובקרה: כל פעולה של AI צריכה להיות מתועדת, ניתנת לביקורת, וניתנת לביטול מיידי.
• הגבלות ברורות: AI לא צריכה לגשת לכל המידע, רק למה שהיא צריכה לצורך המשימה הספציפית שלה.

דוגמה מהעולם האמיתי: חברת תוכנה בינונית החליטה להשתמש בסוכן AI לניהול בקשות תמיכה של לקוחות. בהתחלה זה עבד מצוין, AI ענתה על שאלות נפוצות, פתחה תיקים, וניתבה בעיות מורכבות לצוות. אבל אז AI החליטה לבד “לשדרג” כמה לקוחות לחבילה גבוהה יותר מבלי שביקשה, מתוך הבנה לא מדויקת של הכללים. התוצאה: לקוחות מבולבלים, צוות מתוסכל, וסיכון משפטי. כל זה בגלל שלא היה ממשל ברור לא היה הגדרות של “AI יכולה לענות, אבל לא לשנות הגדרות חשבון”.

4. השלכות לארגונים ישראלים

ישראל היא מעצמת סייבר, עם אקוסיסטם עשיר של חברות אבטחה, מומחים, ויחידות טכנולוגיות מובילות. אבל המחקר הזה מזכיר שגם הארגונים הישראליים חשופים לאותן מגמות:

• עבור חברות הייטק ישראליות: אתם בחזית לקוחות בינלאומיים כבר דורשים SOC 2, ISO 27001, והוכחות אבטחה ברמה הגבוהה ביותר. השקעה בכלים שמאפשרים אוטומציה של קומפליינס לא רק תחסוך זמן, אלא תהפוך לכם למובילים מבחינת מהירות כניסה לשווקים.
• עבור SMBs: חברות קטנות ובינוניות בישראל נמצאות במצב מאתגר לקוחות (במיוחד קונצרנים וארגונים גדולים) דורשים יותר ויותר הוכחות אבטחה, אבל אין תקציב לצוות אבטחה גדול. פלטפורמות אוטומציה יכולות לתת לכם יכולות ברמת ארגון גדול במשאבים של חברה קטנה.
• עבור ספקים וקבלנים: אם אתם עובדים עם חברות גדולות, כנראה כבר נתקלתם בשאלוני אבטחה ארוכים ומייגעים. המחקר מראה שהמגמה מתחזקת (9 שבועות בשנה של בדיקות ספקים). אם תוכלו לספק להם מקום מרכזי שמראה אוטומטית את מצב האבטחה שלכם, תזכו בעדיפות.

מגבלות המחקר

חשוב לציין כמה הערות זהירות לגבי המחקר:

• מיקוד גיאוגרפי: המחקר התמקד בארה”ב, בריטניה ואוסטרליה. ייתכנו הבדלים משמעותיים בארגונים באזורים אחרים למשל, באירופה עם GDPR קפדני יותר, או בישראל עם תקנות הגנת הפרטיות הישראלית והדגש הייחודי על סייבר.
• נקודת המבט: המחקר מבוסס על מה שמנהלים מדווחים לא על מדידות אובייקטיביות של אבטחה. אולי צוותים מדווחים על “12 שבועות בשנה על קומפליינס” בגלל תחושה סובייקטיבית, לא בגלל מדידה מדויקת. אבל גם אם זה סובייקטיבי התפיסה היא המציאות, והיא מובילה לשחיקה ולתסכול.
• הקשר טכנולוגי משתנה: המחקר נעשה ביולי 2025. עולם ה-AI משתנה בקצב מסחרר טכנולוגיות חדשות, תקנות חדשות, איומים חדשים. ממצאים אלו מהווים תמונת מצב, לא תחזית לטווח ארוך.
• מגבלת הגודל: המדגם כלל ארגונים מכל הגדלים, אבל חלק מהממצאים התמקדו בחברות גדולות (1,000+ עובדים). ארגונים קטנים עשויים להתמודד עם אתגרים שונים פחות תקציב, פחות מומחיות, אבל גם פחות בירוקרטיה ויותר גמישות לאמץ פתרונות חדשים.
• השפעה של מטרות עסקיות: המחקר מומן על ידי Vanta, שהיא חברה המספקת פלטפורמות לניהול אמון ואוטומציה. זה לא אומר שהנתונים לא מדויקים המחקר נעשה על ידי חברת מחקר חיצונית (Sapio Research), והנתונים אמינים. אבל כדאי לזכור שהפרספקטיבה עשויה להיות מושפעת ממטרות עסקיות.

מה הלאה?

המחקר הזה לא רק מתאר בעיות הוא גם מצביע על הפתרונות. 95% מהארגונים מדווחים שAI ואוטומציה שיפרו את יעילות צוותי האבטחה שלהם, עם תועלות קונקרטיות:

• 51% רואים הערכות סיכון מהירות יותר.
• 50% רואים דיוק משופר.
• 48% מציינים תגובה מהירה יותר לאירועים.
• 40% אומרים שיש להם יותר זמן לעבודה אסטרטגית.

התחזית: הטכנולוגיה ממשיכה להתפתח. סוכני AI הבאים יהיו חכמים יותר, מדויקים יותר, ומסוגלים לעבוד בצורה יותר אוטונומית. אבל ביחד עם זה, הצורך בממשל וב supervision אנושי רק יגדל.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

הזדמנות להפוך את האמון מנטל ליתרון

המחקר הזה מצייר תמונה ברורה: עולם האבטחה והאמון עובר מהפכה. ארגונים מוצפים באיומים, מוגבלים בתקציבים, ונאלצים להוכיח אמון כל הזמן. צוותי אבטחה שוחקים תחת העומס של קומפליינס ידנית, ורשתות ספקים מלאות בסיכונים.

אבל בתוך האתגרים האלה יש הזדמנות עצומה. AI ואוטומציה יכולות לשנות את המשחק להפוך תהליכים שלוקחים שבועות לשעות, לשחרר צוותים מעבודת “תיעוד” ולאפשר להם להתמקד ב”הגנה”, ולהפוך אמון מ”משהו שאנחנו מוכיחים פעם בשנה” ל”משהו שאנחנו מראים בזמן אמת כל הזמן”.

השורה התחתונה: הארגונים שיצליחו הם אלו שיבינו איך להשתמש ב-AI בצורה מבוקרת ואחראית לא רק לאמץ אותה במהירות, אלא גם לשלוט בה ולהפוך אותה ליתרון תחרותי. זה לא עוד סיפור על “טכנולוגיה חדשה מגניבה” זה סיפור על העתיד של האבטחה, האמון, והיכולת לעשות עסקים בעולם שבו הכל קשור, מהיר, ומלא בסיכונים.

מה אתם יכולים לעשות עכשיו?

1. הערכו את הפער שלכם: איפה אתם נמצאים ביחס לנתונים האלה? האם גם אתם מבלים יותר מדי זמן על “הוכחה” ופחות על “שיפור”?
2. בחנו אוטומציה: אילו תהליכים בארגון שלכם ניתנים לאוטומציה? התחילו עם המשימות החוזרות והמייגעות ביותר.
3. הגדירו ממשל AI: אם אתם משתמשים ב-AI אוטונומית, וודאו שיש כללים ברורים, גבולות מוגדרים, ומעקב על כל פעולה.
4. השקיעו באמון רציף: חפשו דרכים לתת ללקוחות ולשותפים גישה למידע עדכני על מצב האבטחה שלכם  לא דוחות שנתיים, מעקב בזמן אמת.

העתיד כבר כאן  השאלה היא מי יתאים את עצמו אליו מהר יותר.

הפוסט מצב האמון בעידן ה-AI: מחקר חדש חושף פער מדאיג בין האימוץ לבין השליטה הופיע ראשון בLet's AI בינה מלאכותית

בינה מלאכותית תיקח לך את העבודה

נתחיל מהמיתוס הראשון: רוב העובדים יאבדו את מקום עבודתם בשנים הקרובות בגלל AI.

זה אולי ה-חשש ב-ה הידיעה של מרבית הציבור. בפועל, מחקרים עדכניים מצביעים על כך שפיטורין בעקבות הטמעת GEN AI כמעט שלא התרחשו – וגם כאשר זה כן קרה, היה מדובר בעיקר בתעשיות שכבר חוו אוטומציה בעבר.

בכל אופן, אין קונצנזוס בקרב מנהלים לגבי שינוי משמעותי בהיקף גיוסי עובדים ב-3-5 השנים הקרובות. נכון – יש תעשיות ומקצועות בסיכון (אם אתם מוקדנים – יש מצב שבקרוב רובוט יחליף אתכם), אבל הסיכוי שתוחלפו על ידי אדם שמשתמש ב-AI הרבה יותר גבוה מהסיכוי שתוחלפו על ידי AI.

ה-AI משנה עסקים מן היסוד

מיתוס מספר 2: בינה מלאכותית משנה עסקים מקצה לקצה!

ומה קורה בשטח? למרות שמעל 60% מהחברות מדווחות על התנסויות עם כלים מבוססי AI, בפועל רק 5% מהארגונים הצליחו להטמיע אותם באופן מלא ושיטתי בתהליכי העבודה. כמו כן, 9 מכל 10 פיילוטים של הטמעת AI בארגונים נכשלים.

אני לא מטמיע AI כי זה מסוכן

הגענו למיתוס מספר 3: העיכוב בשימוש ב-AI נובע מאיכות המודלים או מחשש מדליפות מידע.

לא נכון – בפועל, מה שמחקרים מלמדים אותנו זה שלשטח הרבה יותר חשוב שכלי ה-AI ישתלבו בתהליכי העבודה הפנימיים. הרבה פחות עניין של טכנולוגיה, ויותר עניין של אינטגרציה. זה לא הפחד מדליפת מידע (שתמיד קיים, אבל שגם יש לו מגוון פתרונות יעילים), וזה גם לא שהטכנולוגיה לא מספיק טובה – היא מדהימה! כבר היום פוטנציאל ה-ROI של שימוש ב-Gen AI הוא אדיר ויש אינספור יוזקייסים בשטח. מה שאמת קורה, זה שרוב החברות פשוט לא יודעות מה לעשות אחרי שהן כבר הטמיעו AI. כמות הפעמים שהגענו לארגון כזה או אחר ושמענו שהטמיעו כלי AI, אבל אף אחד לא טרח לבדוק אם העובדים משתמשים בו, היא פשוט בלתי נסבלת.

כן – זה מעצבן! זה קורה יותר מדי. מצד אחד זה כסף שהושקע ונזרק לפח. ומצד שני זה כסף על הרצפה שאמור להיות מאוד קל להרים! אם רק לא היינו עוצרים את תהליך השינוי באמצע – אם רק היינו מחליפים דיסקט (במקום שינוי טכנולוגי – שינוי תרבותי-טכנולוגי), היינו יכולים להשיג כל כך הרבה יותר! 

אז מה אפשר לעשות? לנתח תהליכי עבודה קיימים, לפתח שיטות עבודה מבוססות AI, שבהם הבינה המלאכותית אינה מטרה, אלא רק כלי להשגתה. וכמובן – להקשיב לשטח. לשאול את העובדים (המשתמשים) מה הם צריכים ורוצים. הם בסוף יודעים הכי טוב, החל ממנהלת המשרד ועד העובדים ברצפת הייצור. הם חיים את השטח וידעו להגיד לכם מה כואב להם ועל מה הם חולמים, במקום שתנחיתו עליהם כלי או תהליך שהם לא ביקשו.

מי שבאמת מבין, בונה את ה-AI שלו בעצמו

ועכשיו למיתוס האהוב עלי – החברות הגדולות באמת, בונות בעצמן את פתרונות ה-AI שלהן.

אז זהו – שלא. הנתונים מראים אחרת: מסתבר שפיתוחים פנימיים נכשלים פי שניים בהשוואה לפתרונות חיצוניים (כך לפי דוח מצב ה-AI בעסקים של MIT לשנת 2025).

לפעמים לרכוש מוצר שמבוסס על ניסיון רחב, שנים של פיתוח וידע מצטבר של רבבות מומחים, משתלם יותר מניסיון לבנות הכל מאפס.

הנתונים האלו צריכים להדליק אצלנו נורה אדומה: אימוץ מוצלח של AI דורש גישה פרקטית ומבוססת מציאות, לא מיתוסים.

הפוסט ארבעה מיתוסים על AI הופיע ראשון בLet's AI בינה מלאכותית

הסכם אסטרטגי בין AWS ל-OpenAI

לפי ההודעה הרשמית של AWS, תקבל OpenAI גישה מיידית למאות אלפי מעבדי NVIDIA GPU דרך סביבת Amazon EC2 UltraServers, עם אפשרות להתרחבות הדרגתית עד סוף 2026 ולשלב המשך עד 2028. הפרויקט כולל תשתית רשת מהירה במיוחד (Low-Latency Networking) ותכנון אנרגטי מתקדם שיאפשר להריץ עומסי עבודה עצומים – מאימון מודלים גנרטיביים ועד הפעלת סוכני AI בזמן אמת.

סם אלטמן (Sam Altman), מנכ”ל OpenAI, אמר: “כדי להמשיך לפתח בינה מלאכותית מתקדמת נדרש כוח חישוב עצום ואמין. השותפות עם AWS מחזקת את התשתית שתניע את עידן ה-AI הבא.”

מאט גרמן (Matt Garman), מנכ”ל AWS, הוסיף: “כאשר OpenAI דוחפת את גבולות האפשר, AWS תהווה את עמוד השדרה לשאיפות ה-AI שלה.”

מבנה פיננסי והקשר רחב יותר

היקף העסקה – 38 מיליארד דולר – מייצג התחייבות רב-שנתית (commitment) לרכישת שירותי ענן ותשתיות חישוב, ולא השקעה הונית הדדית. לפי דיווחי Reuters ו-Bloomberg, מדובר בעיקר בהסכם צריכה עתידית של כוח חישוב (Compute Commitments), לצד השקעות תשתית מצד AWS להרחבת מערכי ה-GPU וה-Data Centers שלה.

עם זאת, ההסכם עם AWS הוא רק חלק מתוכנית רחבה בהרבה. OpenAI מתכננת להוציא עד 1.4 טריליון דולר עד סוף העשור על תשתיות חישוב, מהלך הכולל גם הסכמים נפרדים עם Microsoft (בהיקף מוערך של כ-250 מיליארד דולר), Oracle (כ-300 מיליארד דולר), ושותפויות נוספות עם Google Cloud ו-NVIDIA.

היקף זה, הכולל הספק כולל של כ-30 ג’יגה-ואט, שווה לצריכת החשמל של למעלה מ-25 מיליון בתי אב בארצות הברית.

AWS מחזקת את מעמדה

עבור AWS, מדובר בצעד שמחזיר אותה לעמדת הובלה ברורה בתחום החישוב הארגוני. לאחר תקופה שבה נשארה מאחורי Azure ו-Google Cloud, רשמה AWS ברבעון השלישי של 2025 צמיחה של 20% בהכנסות הענן, שהגיעו ל-33 מיליארד דולר.

השותפות עם OpenAI צפויה להעמיק את חדירתה לשוק ה-AI הארגוני ולהעניק לה יתרון תחרותי משמעותי באספקת כוח חישוב בהיקפים תעשייתיים.

במקביל, שיתוף הפעולה בין השתיים מרחיב מגמה קיימת – כבר בתחילת השנה נוספו מודלי OpenAI לפלטפורמת Amazon Bedrock, שירות ה-Foundation Models של AWS, המשמש חברות כמו Peloton, Thomson Reuters ו-Verana Health.

העסקה החדשה מעמיקה את שיתוף הפעולה הזה והופכת את AWS לספקית התשתית המרכזית מאחורי המודלים של OpenAI.

סיכונים כלכליים ואנרגטיים

לצד ההתלהבות, אנליסטים מזהירים מפני “מרוץ חימוש חישובי” שעלול להיות יקר וחסר יציבות. היקף ההשקעות בתשתיות GPU ובמרכזי נתונים ייעודיים הולך וגדל, בעוד שהרווחיות בענף עדיין נמוכה. לפי דיווחים, OpenAI מוסיפה קיבולת של ג’יגה-ואט חדש מדי שבוע, קצב שדורש צריכת חשמל אדירה ומשפיע גם על מחירי האנרגיה וה-GPU בשוק.

ב-Financial Times נכתב כי “מרכז הכובד של הבינה המלאכותית עובר מהחדשנות המדעית למרוץ חימוש תשתיתי”, והביקורת על ההשלכות הסביבתיות מתחזקת. גם משקיעים בחברות ענן מביעים חשש מעלויות ההפעלה הגבוהות, ואלטמן עצמו רמז כי הקצב הנוכחי של הרחבת תשתיות אינו בר-קיימא בטווח הארוך.

מאזן הכוחות בענן משתנה

העסקה משנה את יחסי הכוחות בענף. מיקרוסופט, שהחזיקה בשותפות בלעדית עם OpenAI דרך Azure, נותרה שחקן מרכזי אבל כבר לא יחיד. גוגל, מצדה, מנסה להדביק את הקצב באמצעות מודלי Gemini והשבבים הייעודיים שלה (TPU), אך חסרה שותפה מסחרית בקנה מידה דומה.

כך מתגבש שוק שבו שלוש ענקיות הענן מנהלות תחרות ישירה על המשאב הקריטי ביותר של עידן הבינה המלאכותית – כוח חישוב. בפועל, השליטה בתשתיות הופכת לגורם שמגדיר מי יוביל את החדשנות בשנים הקרובות.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

לסיכום, ההסכם בין AWS ל-OpenAI הוא לא רק עסקה כלכלית, אלא ביטוי למעבר של עולם הבינה המלאכותית לעידן תשתיות ריכוזי. כוח החישוב, המשאב שמגדיר את גבולות החדשנות, עובר בהדרגה לידי כמה חברות ענן בודדות. השאלה כבר אינה מי תפתח את המודל הבא, אלא מי תוכל להריץ אותו בקנה מידה עולמי. זו המציאות החדשה של הבינה המלאכותית – פחות תחרות על רעיונות, ויותר מאבק על האנרגיה, התשתיות והשליטה שמאפשרות להם להתקיים.

הפוסט עסקת ענן של 38 מיליארד דולר בין AWS ל-OpenAI הופיע ראשון בLet's AI בינה מלאכותית

כשאותם מנהלים מתארים בפני את הכאבים הארגוניים שלהם – החסמים, צווארי הבקבוק – הראש שלי מתחיל לרוץ…

לפעמים אני מצליח לראות בעיני רוחי את התוצר הסופי – אולי אפילו יש כבר כלי קיים בשוק. אבל פעמים רבות אין וצריך לבנות את זה. וכמו שאנחנו אוהבים להגיד: היום בעידן ה-AI – אם אתה יכול לדמיין את זה, אתה יכול לג’נרט את זה.

אבל מה שהם לא מבינים שלהיכנס לפיתוח יכול להיות תהליך ארוך, מורכב וכמובן יקר. לפעמים זה מה שנעשה, אבל לפעמים שווה לחשב מסלול מחדש.

כיצד לגשת לפרויקט טכנולוגי

הכנה ותכנון

בשלב בזה בדרך כלל אני מציע להם (ולכם) לעצור לחשוב רגע… אותה מערכת חלומית – זו פסגת ההר. אפשר להגיע אליה. אנחנו נגיע אליה! אבל זה לא יקרה בן לילה! ויש כמה דברים שצריכים לקרות לפני כן…

רגע לפני שאנחנו יוצאים לטפס על הקלימנג’רו – קודם כל בואו נעשה מנוי לחדר כושר… נרוץ כמה קילומטרים. נעשה קצת קרדיו! נתחזק. נתכנן. נכין לעצמנו את הכלים, הציוד והידע הנדרש לכיבוש ההר. בעולם ה-AI אנחנו קוראים לשלב הזה “הטמעת מיומנויות”: הכשרות, פיצוח דפוסי פעילות, התאמת כלי לצורך וכדומה.

שאלות ברומו של עולם

בדיוק בשלב הזה יש כמה שאלות ששווה שנשאל את עצמנו:

האם יש כלים קיימים בשוק שיכולים להביא אותנו לחצי הדרך?

אולי לא חייבים לכבוש את ההר? אולי יש פה כמה Quick Wins על הדרך, שקל להוציא לפועל בקלות ובמהירות? הדו”ח האחרון של MIT על מצב ה-AI בעולם העסקים ב-2025 מלמד אותנו שפיתוחי AI פנים ארגוניים מורכבים ועצמאיים, נוטים להיכשל פי 2 (!) יותר מ”מוצרי המדף” המובילים בשוק.

מה הלקח פה? רגע לפני שאנחנו בונים או מטמיעים מערכות – האם האנשים בארגון שלנו מגויסים ורתומים לתהליך? האם אנחנו מייצרים גם שינוי תרבותי במקביל לשינוי הטכנולוגי? האם הכשרנו את כוח האדם שלנו לעבוד עם אותם כלים? האם הטמענו מיומנויות לצד הטמעת טכנולוגיות? האם פיתוח עצמאי זו באמת הדרך? אולי יש פתרונות אחרים מהירים יותר שיספקו תוצאות טובות?

שימוש בכלים וטכנולוגיות

כלים מתקדמים והכשרת עובדים

מה שווה כלי, מורכב ככל שיהיה, אם האנשים בשטח לא יודעים להשתמש בו? או גרוע מכך… לא רוצים להשתמש בו?

הכל מתחיל משיח של מטרות וצרכים. וצריך להתחיל מאיפשהו! זכרו את נקודת ההתחלה – הרגע הזה שאמרתם לעצמכם – אני לא מוותר לעצמי! אני עולה על הרכבת. אני מפסיק לפחד מהטכנולוגיה ובוחר להפוך אותה לכוח מניע. ואז – כשתגיעו לפסגה… אתם תזכרו את הרגע הזה – רגע ההתחלה, בו הסתכלתם על ההר מלמטה ואמרתם לעצמכם שאין סיכוי שתכבשו אותו!

צעדים קטנים לקראת הצלחה גדולה

כשתהיו למעלה, תזכרו שהתחלתם בקטן. אולי זה היה איזה פיילוט… אולי הטמעתם כלי בודד במחלקה ספציפית. אולי הכשרתם עובד או מנהל מצטיין והפכתם אותו ל-AI LEADER? אולי יצרתם קבוצת “שגרירי AI” אצלכם בארגון? להישגים גדולים לרוב יש התחלות קטנות.

הפוסט רגע לפני שמטפסים על הקלימנג’רו – עושים קרדיו הופיע ראשון בLet's AI בינה מלאכותית

מה עומד מאחורי התביעה

לפי כתב התביעה שהוגש לבית המשפט הפדרלי בצפון קליפורניה, אמזון טוענת שהדפדפן-הסוכן של Perplexity, המכונה Comet, ניגש לאתר שלה, מבצע חיפושים, השוואות מחירים ורכישות, וכל זה תוך הסוואת הפעילות כאילו בוצעה על ידי משתמש אנושי. אמזון רואה בכך הפרת תנאי שימוש, פגיעה במערכות האבטחה, ואף גישה לא מורשית למחשב לפי חוק ה-CFAA (Computer Fraud and Abuse Act).

בחברה טוענים שפרפלקסיטי עקפה מגבלות שהוטלו עליה כבר בסוף 2024, והמשיכה להפעיל את Comet גם לאחר שקיבלה התראה רשמית.

Perplexity דוחה את ההאשמות מכל וכל. בפוסט בלוג רשמי כתב מנכ”ל החברה, Aravind Srinivas, כי מדובר בבריונות תאגידית שמטרתה לשמור את השליטה של אמזון במסחר המקוון. לדבריו, Comet פועל בשם המשתמש בלבד, והאישורים לשימוש באתר נשמרים במכשירו של המשתמש ולא בשרתי החברה. “אנחנו לא פורצים למגרש של אמזון”, כתב, “אנחנו פשוט נותנים לאנשים לקנות בדרך חכמה יותר”.

הוויכוח המשפטי הוא לא רק על טכנולוגיה

העימות הזה נוגע בשאלה משפטית חדשה: מה נחשב “גישה לא מורשית” בעידן שבו משתמשים מפעילים סוכני AI הפועלים בשמם?

פסק הדין Van Buren v. United States (2021) צמצם את תחולת חוק CFAA וקבע שהפרה חלה רק כשנכנסים לאזורים חסומים במחשב, לא כשעושים שימוש “לא תקין” בגישה שקיבלו.

החלטה אחרת, hiQ v. LinkedIn (2022), קבעה שגישה למידע ציבורי אינה הפרה של החוק, אך הפרת תנאי שימוש עדיין עשויה להיות עילה אזרחית.

במילים אחרות, אמזון תצטרך להוכיח ש-Comet נכנס לשטחים סגורים או עקף מנגנוני אבטחה, ולא רק שהשתמש באתר בדרכים שלא מצאו חן בעיניה.

כסף, פרסום ושליטה

אמזון כבר מזמן אינה רק חנות. היא אחת מחברות הפרסום הגדולות בעולם. בשנת 2024 הרוויחה יותר מ-56 מיליארד דולר מפרסום ומיקומים ממומנים בתוצאות החיפוש שלה, ותחזיות 2025 מדברות על קצב שנתי של 60 עד 69 מיליארד.

אבל סוכן AI כמו Comet פועל אחרת. הוא לא רואה מודעות, לא מושפע ממיתוג, ולא מתפתה להמלצות בתשלום. הוא בוחן נתונים קרים כמו מחיר, איכות וביקורות, ומחליט מה לקנות.

אם סוכנים כאלה יחליפו את הגולשים האנושיים, הערך של מיקומים ממומנים ושל מנוע הפרסום כולו עלול להיפגע דרמטית. מכאן גם הליבה של הסכסוך – מי ישלוט בהחלטה הצרכנית בעידן שבו מי שמבצע אותה הוא אלגוריתם?

הקרב על עולם ה-Agentic Commerce

המהלך של Perplexity מגיע בזמן שבו כל ענקיות הטכנולוגיה מנסות לתפוס מקום בזירה החדשה של “Agentic Commerce” – מסחר שבו סוכני AI פועלים עצמאית עבור המשתמשים.

OpenAI כבר מאפשרת רכישות ישירות ב-ChatGPT דרך Etsy ובקרוב גם Walmart ו-PayPal. 

גוגל הציגה באירוע I/O 2025 דמואים של “Buy for Me”, סוכן שמבצע רכישות לפי העדפות המשתמש.

Microsoft משלבת יכולות דומות ב-Copilot Studio בעולם העסקי, ואמזון עצמה השיקה את Rufus – סייען AI שמסייע בקנייה אך שומר את כל הפעולות בתוך הפלטפורמה.

המכנה המשותף ברור: כולם מבינים שהשלב הבא באינטרנט הוא לא חיפוש, אלא פעולה.

למה זה משנה לכולנו

הדיון בין אמזון לפרפלקסיטי הוא לא רק מאבק על פרשנות משפטית, אלא על תפיסת הצרכן בעידן החדש. אם אמזון תנצח, היא תשמור על שליטתה בפלטפורמה ובמודל הפרסום המבוסס על עיניים אנושיות.

אם Perplexity תזכה, היא תפתח תקדים שבו סוכן AI פועל כחלק טבעי מהמשתמש, לא כפולש. זה יכריח את הפלטפורמות להגדיר מחדש איך הן מזהות “משתמש”, איך הן מגנות על נתונים, ואיך נראית חוויית קנייה בעולם שבו רוב ההחלטות מתקבלות אוטומטית.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

מומחי טכנולוגיה ומשפט מעריכים שהתיק יהפוך לתקדים עולמי בתחום Agentic Commerce. ייתכן שבתי המשפט יכריעו שהגישה של Comet חוקית, וייתכן שיופעל לחץ רגולטורי להקים ממשקים מוסדרים לסוכני AI, בדומה ל-API לשותפים.

בינתיים, התעשייה כולה עוצרת נשימה. מה שיוכרע כאן לא יישאר בין אמזון ל-Perplexity בלבד, אלא יקבע איך ייראה המסחר המקוון בעשור הקרוב, כשלא בני אדם ילחצו על כפתור “קנה עכשיו”, אלא המוח המלאכותי שנמצא לצדם.

הפוסט אמזון נגד Perplexity בתביעה שתקבע מי ישלוט בעידן הסוכנים החכמים הופיע ראשון בLet's AI בינה מלאכותית

למה להשתמש ב-Gemini Canvas

Gemini Canvas מבית גוגל נועד לפשט את תהליך יצירת המצגות ולהפוך אותו לאוטומטי כמעט לחלוטין. הכלי מנתח את המסמך שהמשתמש מעלה, בין אם מדובר בדוח, במאמר או במסמך אסטרטגי, ומייצר בדרך כלל תוך פחות מדקה מצגת מאורגנת ומעוצבת. התוצאה היא תוצר מקצועי הכולל כותרות, חלוקה לקטעים, גרפים ותמונות שנבחרות באופן אוטומטי בהתאם לנושא. הממשק של Canvas פשוט ואינטואיטיבי לכל משתמש, כך שגם מי שאינו בקיא בעיצוב יכול להפיק מצגות ברמה גבוהה.

היתרון המרכזי נמצא בשילוב ההדוק עם מוצרי Google Workspace: ניתן לייצא את המצגת ישירות ל-“Google Slides” להמשך עריכה, או להעביר טבלאות נתונים ל-“Google Sheets” לעיבוד נוסף. מעבר לכך, Gemini תומך בעברית באופן מלא, כולל בממשק, בעיבוד טקסט ובתוכן הויזואלי.

איך זה עובד בפועל

שלב 1: הכנת המסמך

התהליך מתחיל במסמך קיים – דוח מחקר, מאמר אסטרטגי או מסמך עבודה המכיל תובנות מרכזיות. זהו הבסיס שעליו Gemini Canvas בונה את המצגת. ככל שהטקסט ברור ומובנה יותר, כך גם המצגת שתיווצר תהיה מדויקת ומאורגנת.

שלב 2: העלאת הקובץ ל-Gemini Canvas

בשלב הבא נכנסים לפלטפורמת Gemini ובוחרים בממשק Canvas – סביבת העבודה האינטראקטיבית של גוגל. שם ניתן להעלות את הקובץ הרצוי ישירות לחלון הייעודי. מרגע שהקובץ נטען, Canvas מזהה את מבנה הטקסט ומכין אותו לעיבוד אוטומטי.

איך מעלים מסמך ומפעילים את ה-Canvas

שלב 3: יצירת המצגת

לאחר שהקובץ נטען, וכפתור ה-Canvas פעיל, אפשר לבקש את יצירת המצגת (‘Create presentation’). בשלב זה, Gemini Canvas מנתח את התוכן שבמסמך ומתרגם אותו למבנה מצגת מלא. המערכת מזהה את הכותרות והנושאים המרכזיים, מחלקת את המידע לשקפים ומעצבת כל אחד מהם בהתאם לקונטקסט של הטקסט.

התוצאה כוללת שקפים עם כותרות מסודרות, נקודות עיקריות בתצורת Bullet Points, גרפים המבוססים על הנתונים שבמסמך ותמונות תואמות לנושא. כל אלה נוצרים באופן אוטומטי, תוך שמירה על ערכת עיצוב אחידה (Theme) שמעניקה למצגת מראה מקצועי.

תהליך יצירת מצגת ב-Gemini Canvas

שלב 4: התאמה וייצוא

לאחר ש-Gemini Canvas יוצר את המצגת הראשונית, ניתן לבדוק אותה ולעשות עריכות בתוכן ובעיצוב. קיימת אפשרות יצוא ל-Google Slides לעריכה חופשית, הוספת אלמנטים עיצוביים או התאמה למיתוג הארגוני. 

היתרונות במעבר מתהליך ידני וממושך של יצירת מצגות, לתהליך אוטומטי ומהיר ב-Gemini Canvas

זרימת עבודה חכמה: מחקר, ניתוח והצגה במקום אחד

אחת היכולות המרשימות של מערכת Gemini היא השילוב ההדוק בין Deep Research ל-Canvas. במקום לעבוד עם כלים נפרדים, ניתן לבצע את כל התהליך, מהמחקר ועד למצגת, באותה סביבת עבודה.

התהליך מתחיל בשלב המחקר. באמצעות הפיצ׳רDeep Research, המשתמש מנסח שאלת מחקר, ו-Gemini מבצע חיפוש עצמאי ברשת. המערכת סורקת מאות מקורות, מסכמת את הממצאים ומפיקה דוח מחקר מפורט הכולל קישורים, נתונים ותובנות. המשתמש יכול לעיין גם בשלבי החשיבה והמקורות עצמם – תוספת חשובה לבדיקת אמינות.

הפעלת פיצ׳ר המחקר המעמיק דרך כלים (Tools)

מכאן, בלחיצה אחת ניתן להעביר את הדוח ישירות ל-Canvas. השילוב הזה יוצר זרימת עבודה רציפה וממקם את Gemini כפלטפורמה אחודה ליצירת תוכן מבוסס מחקר. 

זמינות ומגבלות שימוש

Gemini Canvas פתוח גם למשתמשים בחשבון החינמי של Gemini, אך הגרסה החינמית כוללת מגבלות ברורות. משתמשים ללא מנוי Google AI Pro או Ultra מקבלים גישה למודל ‎Gemini 2.5 Flash, בעוד המודל ‎Gemini 2.5 Pro זמין בעיקר למנויים בתשלום. לדוגמה, בחשבון חינם חלון ההקשר עומד על כ-32 אלף טוקנים (≈ 50 עמודי טקסט) לעומת מיליון טוקנים בחבילה בתשלום.

בנוסף, בחשבון חינמי ניתן להעלות מסמכים, מצגות ותמונות. עם זאת, העלאת גיליונות נתונים (כגון XLS/XLSX/CSV) או שימוש במחקר מתקדם במסגרת Deep Research דורשים מנוי בתשלום. בחינם, Deep Research מוגבל עד 5 דוחות מחקר לחודש.

למרות המגבלות, משתמשים רבים יכולים כבר בגרסה החינמית להפיק את התועלת המרכזית של Canvas, במיוחד להמרת דוחות והצגות תוכן חזותי. לעסקים או צוותים שמעוניינים בעיבודים גדולים וייצוא מקיף או עבודה משולבת נתונים, מנוי בתשלום מציע חוויית שימוש רחבה יותר.

טיפים לשימוש יעיל

כמו כל פלט של בינה מלאכותית, ולמרות שהמצגת נוצרת אוטומטית, מומלץ לעבור עליה לפני ההצגה ולהוסיף התאמות אישיות כמו ניסוחים מדויקים, מיתוג צבעוני או הדגשה של נקודות מפתח. כך התוצר שומר על איזון בין יעילות אוטומטית לבין אמירה מקצועית אישית.

Gemini Canvas מתאים במיוחד לעיבוד דוחות ומסמכים מורכבים, ומאפשר להפוך אותם למצגות מפורטות תוך זמן קצר. שילובו עם כלי Google Workspace כמו “Slides”, “Docs” ו-“Sheets” יוצר סביבת עבודה שלמה שבה ניתן לעבור בקלות בין תוכן טקסטואלי, חזותי ומספרי.

כדאי לדעת:

• פרטיות: מסמכים מעובדים בענן. ודאו התאמה למדיניות המידע הארגונית לפני העלאה.

• תמונות: התמונות האוטומטיות נוחות, אך אם קיימת זהות מותגית קפדנית – החליפו לנכסים מאושרים.

• מקורות מחקר: אם המצגת נשענת על Deep Research, מומלץ לשמור את הקישורים לבדיקה פנימית.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

איך זה יכול לעזור למנהלים ועסקים

Gemini Canvas משנה את הדרך שבה עסקים מציגים מידע ומעבדים תוכן פנימי. הכלי מאפשר ליצור מצגות שיווקיות, דוחות ויזואליים או חומרי הדרכה באיכות גבוהה, גם ללא צוות עיצוב או ידע טכני. התהליך הפשוט והמהיר מקצר משמעותית את שלב ההפקה ומאפשר למנהלים להתמקד בעיקר: המסר והנתונים.

מעבר ליעילות, היתרון המרכזי הוא בתקשורת. מצגות שנוצרו ב-Canvas מסייעות להעביר רעיונות בצורה בהירה ומשכנעת, ומאפשרות שימוש חוזר בתוכן קיים בפורמטים שונים – משיווק והדרכה ועד ניתוחי ביצועים.

במובן הרחב יותר, Canvas הוא דוגמה לכלי AI פרקטי שמתרגם יכולת טכנולוגית לתועלת עסקית מיידית. הוא לא מחליף חשיבה יצירתית, אלא מייעל אותה, ומאפשר לכל מנהל או יוצר תוכן לעבוד ברמה מקצועית יותר, בזמן קצר בהרבה.

הפוסט מדריך לשימוש ב-Gemini Canvas: איך להפוך דוח למצגת מקצועית תוך דקות הופיע ראשון בLet's AI בינה מלאכותית

זו לא מהפכה טכנולוגית, זו מהפכה אנושית

כשברנדון סמוט הכריז על “Code Red”, הוא ידע שזה לא הולך להיות מהלך נוח. “הכותרת ‘Code Red’ הפחידה אנשים,” הוא הודה. “אבל אם היינו מחכים להסכמה רחבה, היינו מחמיצים את הרגע.”

הקריאה הזו סימנה את תחילת השינוי התרבותי העמוק ביותר שזאפייר עברה מאז הקמתה. סמוט, שכיהן אז כסמנכ”ל משאבי אנוש וכיום נושא גם את התואר Chief People & AI Transformation Officer, הבין שהמהפכה שמתחוללת איננה טכנולוגית בלבד. “AI הוא לא עוד פרויקט טכנולוגי – הוא הזדמנות לארגונים לבנות מחדש את עצמם סביב למידה, אחריות ויצירתיות.”

זאפייר, שנוסדה ב-2011, היא אחת מחלוצות תחום ה-no-code automation, פלטפורמה שמאפשרת לחבר בין אלפי יישומים עסקיים ולבצע אוטומציות ללא כתיבת קוד. בשנים האחרונות היא עברה אבולוציה למעמד של AI Orchestration Platform, המחברת בין מודלי שפה (LLMs) לאפליקציות קיימות ומאפשרת לבנות פתרונות חכמים במהירות ובקנה מידה.

אבל השינוי המשמעותי ביותר לא התרחש במוצר, אלא באופן שבו הארגון עצמו לומד, משתף פעולה ומנהיג שינוי בעידן של בינה מלאכותית.

שלב ראשון: מסגרת ברורה לפני יצירתיות

ברוב הארגונים, המילים “מדיניות AI” נתפסות כמעצור לחדשנות. בזאפייר בחרו לפרק את הפרדוקס הזה. הם הבינו שדווקא קביעת גבולות ברורים, אותם “Guardrails”, היא שמאפשרת לעובדים ליזום בביטחון. תוך שבועיים מהכרזת ה-Code Red פורסמו קווים מנחים לשימוש אחראי ב-AI, והוקמו שני ערוצי Slack ארגוניים: אחד לשאלות פתוחות על AI, והשני לשיתוף ניסויים, תובנות ודוגמאות מהשטח. הגישה הזו לא נועדה לפקח אלא להכשיר קרקע לניסוי וללמידה.

סמוט מדגיש שהארגון לא היה צריך להמציא כללי אתיקה חדשים. Zapier פשוט יישמה את עקרונות היסוד שכבר הנחו אותה במשך שנים – פרטיות, שקיפות וציות ל-GDPR. “האתגר הוא לא לשכתב את הכללים,” אמר, “אלא להחיל אותם מחדש בהקשר של AI.”

כך נולדה “המעבדה הפתוחה”, סביבה שבה כולם לומדים, טועים ומתנסים בזמן אמת. “אנשים צריכים לדעת מה מותר ומה אסור כדי להעז,” הסביר סמוט. “בהיעדר גבולות רשמיים, העובדים יוצרים גבולות הדוקים יותר בעצמם.”

שלב שני: Hack Week שהפך לנקודת מפנה

בזאפייר לא מדברים על “תרבות ניסוי”, הם חיים אותה. ההאקתון השנתי של החברה, שהיה בעבר אירוע מבודד של חדשנות טכנולוגית, הפך לשבוע ארגוני מלא בשם AI Hack Week. במשך שבוע שלם, כל עובד, ממנהלי השיווק ועד צוותי השירות, נדרש לבנות ולשתף פתרון חדש המבוסס על בינה מלאכותית.

הגישה הזו יצרה תזוזה תרבותית מיידית – אחריות לחדשנות עברה מליבת הפיתוח אל כלל הארגון. “רצינו שכל אחד יראה בעצמו מה אפשר לעשות עם הכלים החדשים,” סיפר סמוט. “לא לצפות להנחיות מלמעלה, אלא ללמוד דרך עשייה.”

אחת הדוגמאות הזכורות ביותר נולדה דווקא ממקום לא צפוי – צוות התמיכה. הם פיתחו כלי בשם ZenGPT, שסיכם פניות לקוחות והציג תמונת מצב מיידית לכל נציג שירות. מה שהתחיל כניסוי קטן של עובדים לא טכנולוגיים הפך בתוך שבועות למוצר רשמי בשם Support Sidekick, שנכנס לקו המוצרים של החברה.

והתוצאות? ברורות וחדות:

• זמן הטיפול בפניות ירד ביותר מ-50%.

• שביעות רצון הלקוחות עלתה משמעותית.

• ומדד המעורבות של העובדים (Engagement) קפץ בעשרות נקודות.

מאז הפכו שלושת המדדים – יעילות, איכות ומעורבות – לבסיס שעליו נמדדת כל יוזמת AI בזאפייר. זו כבר לא רק חדשנות טכנולוגית, אלא שיטת עבודה שמחברת בין למידה, תוצאות ומוטיבציה אנושית.

שלב שלישי: טרנספורמציה, לא רק אימוץ

במהלך השנתיים האחרונות, 97% מעובדי זאפייר משתמשים ב-AI בעבודתם היומיומית, נתון מרשים בכל קנה מידה. אבל ברנדון סמוט ממהר להעמיד דברים על דיוקם: “שימוש בכלים זה לא טרנספורמציה,” הוא אומר. לדבריו, רוב הארגונים נעצרים בשלב האימוץ, כשהם מוסיפים שכבת AI על גבי תהליכים קיימים. זה מייצר שיפור מדוד, אבל לא שינוי מהותי. “אימוץ (Adoption) זה שיפור של עשרה אחוזים,” הוא מסביר. “טרנספורמציה אמיתית זה שינוי של פי עשר.”

בזאפייר, המעבר הזה התרחש כשמנהלים הסכימו להסתכל מחדש על תפקידים, תמריצים ותהליכי עבודה, ולא רק על הכלים עצמם. זה דרש שינוי חשיבה – לראות ב-AI לא אוטומציה של משימות, אלא מנוף לעיצוב מחדש של אחריות, זרימות עבודה ותרבות למידה. במילים אחרות, ה-AI לא הפך את האנשים ליעילים יותר, הוא הפך אותם לחשובים יותר.

שלב רביעי: העצמה של מי שמבינים את הכאב

אחת ההחלטות המשמעותיות ביותר שקיבלה זאפייר הייתה ליצור תפקיד חדש: AI Automation Engineer. זה לא עוד מהנדס, אלא אדם שמכיר מקרוב את תהליכי העבודה, מבין את הכאב העסקי, ויודע לתרגם אותו לפתרון מבוסס AI. במקום להסתמך רק על צוותי פיתוח, זאפייר בחרה להעצים עובדים מתוך הארגון, כאלה שחיים את התהליכים היומיומיים ויודעים לזהות היכן באמת נדרש שינוי. הם אינם “בונים עבור אחרים”, אלא בונים יחד – תהליך של Co-Build שמחבר בין מומחי תחום, אנשי מוצר וצוותי ניהול.

שלוש התכונות שמגדירות את התפקיד החדש הן:

• הבנה תחומית עמוקה (Domain Expertise) – היכולת להבין לעומק את הצרכים והבעיות של התחום העסקי.

• יכולת בנייה והטמעה (Building & Implementation) – שליטה בכלים מבוססי AI ויכולת להפוך רעיון לתהליך עובד.

• יכולת הדרכה וליווי (Teaching & Coaching) – היכולת להעביר את הידע הלאה וליצור תרבות של למידה משותפת.

סמוט מתאר את המהלך הזה כמודל חדש להטמעת חדשנות: “מי שמבין את הכאב הוא גם מי שצריך להחזיק את הפתרון.”

שלב חמישי: למידה דרך עשייה

בזאפייר הבינו מוקדם שלמידה אמיתית לא מתרחשת בכיתה. הם ויתרו כמעט לחלוטין על הדרכות פורמליות, קורסים או מצגות, ובמקומן יצרו תרבות של למידה תוך כדי פעולה. כל עובד לומד באמצעות פרויקטים אמיתיים, משימות יומיומיות וליווי אישי של מנהלים. במקום תוכנית הכשרה קבועה, הוגדרה רמת כשירות (“AI Fluency”) לכל תפקיד בארגון, עם שלושה שלבים ברורים: Basic → Capable → Adaptive.

המודל הזה שינה את יחסי הכוחות בלמידה. מנהלים הפסיקו “להעביר הדרכות”, והפכו למנטורים שמלווים תהליכים בזמן אמת. הלמידה הפכה ממשהו שהעובדים עוברים לתהליך שאותו הם חיים. “אי אפשר ללמוד AI מספר הדרכה,” אמר סמוט. “הדרך היחידה היא להשתמש בו – לשאול אותו, לטעות איתו, ולגדול דרכו.”

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

בסופו של דבר, אולי הכי חשוב להבין במקרה של זאפייר – במקום לרדוף אחרי טכנולוגיה, היא בחרה לרדוף אחרי למידה. היא העבירה את מוקד השינוי מהנדסים לכלל העובדים, והוכיחה שחדשנות אמיתית צומחת מלמטה, לא נוחתת מלמעלה. ברנדון סמוט מסכם את זה בפשטות: “אפשר להאציל עבודה ל-AI, אבל לא אחריות. אם אתם רוצים שינוי אמיתי, תתחילו לפני שהכול ברור. מהירות למידה חשובה משלמות.”

ומהצד הניהולי, הוא לא משאיר מקום לפרשנות:

1. חברו את יוזמות ה-AI ישירות ליעדים העסקיים הקיימים – אל תבנו תוכנית נפרדת.

2. הגדירו שמות, אחריות וזמן ייעודי – טרנספורמציה לא מתרחשת מעצמה.

השיחה עם סמוט הזכירה אמת פשוטה שלעיתים הולכת לאיבוד ברעש הטכנולוגי – טרנספורמציית AI איננה פרויקט, היא תרבות ארגונית חדשה, שנבנית מתוך מנהיגות, אמון וסקרנות אנושית.

וזאפייר? היא פשוט הייתה אחת הראשונות להבין שהמהפכה הזו לא תגיע מבחוץ – היא מתחילה מבפנים.

הפוסט הקוד האדום של זאפייר: כך נראית טרנספורמציית AI שמתחילה מבפנים הופיע ראשון בLet's AI בינה מלאכותית

איך זה יעבוד בפועל

החל מ-2026, משתמש שישאל את ChatGPT “נעלי ריצה מתחת ל-100 דולר” יקבל רשימת מוצרים רלוונטיים. אם המוצר תומך ב-Instant Checkout, יופיע כפתור “Buy with PayPal”. לחיצה אחת, אישור משלוח ותשלום – והקנייה הושלמה. לא צריך חשבון PayPal כדי לקנות. לצד האפשרות לשלם דרך הארנק הדיגיטלי, תוצע גם אופציית “Pay Another Way” לתשלום בכרטיס אשראי או חיוב ישיר. PayPal תעבד את כל העסקאות, כולל אלו של משתמשים שאינם רשומים לשירות.

החברה תספק את כל שכבות ההגנה – אבטחה, מעקב משלוחים ופתרון מחלוקות – בדיוק כפי שהיא עושה במסחר המסורתי. עבור הסוחרים, התהליך פשוט לא פחות – מי שכבר משתמש ב-PayPal יזכה לחשיפה אוטומטית ב-ChatGPT, בלי צורך באינטגרציה נפרדת. PayPal מטפלת בכל תהליך הניתוב והאימות מאחורי הקלעים.

הטכנולוגיה שמאפשרת את זה

מאחורי השותפות עומד Agentic Commerce Protocol (ACP) – תקן פתוח שפיתחו OpenAI ו-Stripe. הוא מאפשר לסוכני AI, עסקים וספקי תשלומים לתקשר באופן מאובטח ולבצע עסקאות בזמן אמת.

הייחוד של ACP הוא בכך שהוא לא רק מאבטח תשלומים. לפי OpenAI, הפרוטוקול הופך את PayPal למערכת דינמית לניהול מסחר: מעקב אחר התנהגות קונים, ניתוח הזדמנויות מכירה ואוטומציה של חוויית הלקוח. במילים פשוטות, זו תשתית שמחברת בין תשלום, תובנות ופעולה.

היתרון המרכזי לסוחרים הוא שליטה מלאה. הם שומרים על הקשר עם הלקוחות, ניהול התשלומים והשירות, בעוד ChatGPT פועל כסוכן מתווך שמקשר בין הצדדים. זו לא חנות חדשה, אלא ממשק שיחה חכם שמאפשר למסחר הקיים להפוך אינטראקטיבי.

החוסן הפיננסי שמאחורי השותפות

בסוף אוקטובר פרסמה PayPal תוצאות רבעון שלישי חזקות עם הכנסות של 8.4 מיליארד דולר (עלייה של 7%) ורווח נקי של 1.24 מיליארד דולר (עלייה של 24%), עם רווח מתואם של 1.34 דולר למניה – מעל התחזיות ב-12%. החברה העלתה את תחזית הרווח השנתית ל- 5.35 עד 5.39 דולר למניה, צעד שמבטא ביטחון בצמיחה. לראשונה בתולדותיה, הכריזה על דיבידנד רבעוני של 14 סנט למניה – סימן ברור ליציבות פיננסית ולתזרים מזומנים חזק.

נפח העסקאות (TPV) צמח ב-8% ל-458 מיליארד דולר, שירות “Buy Now Pay Later” צמח ביותר מ-20%, ו-Venmo (אפליקציית התשלומים החברתית שבבעלות PayPal) המשיכה להתרחב בקצב מהיר. מניית החברה כבר עלתה בכ-40% מהשפל באפריל, והשותפות עם OpenAI הוסיפה לה תנופה משמעותית, לצד שיתופי פעולה חדשים עם Google ו-Perplexity שמחזקים את נוכחותה בעולם המסחר מבוסס AI.

OpenAI דוהרת לעולם המסחר

PayPal היא לא השותפה הראשונה של OpenAI בתחום המסחר. מאז שהשיקה בספטמבר 2025 את Instant Checkout, יצרה OpenAI שיתופי פעולה עם Shopify ו-Etsy שמייצגות יחד יותר ממיליון סוחרים, ועם Walmart, שהקדימה את PayPal בשבועיים בלבד.

ChatGPT עצמה הפכה לפלטפורמה מסחרית בקנה מידה עצום. היא מעבדת מעל שישה מיליארד טוקנים בדקה, משרתת כ-800 מיליון משתמשים שבועיים, ומושכת כ-4 מיליון מפתחים שבונים עליה מוצרים ושירותים. מדובר בהכפלה של קהל המשתמשים מאז תחילת השנה – קצב צמיחה שמסביר למה מותגים גדולים ממהרים להצטרף.

אלכס כריס, מנכ”ל PayPal, סיכם זאת כך: “יש לנו מאות מיליוני משתמשים נאמנים שיכולים מעכשיו ללחוץ על כפתור ‘Buy with PayPal’ ב-ChatGPT ולקבל חוויית תשלום בטוחה, פשוטה ומיידית”.

מסחר אייג’נטי – מה זה בכלל?

“מסחר אייג’נטי” מתאר שלב חדש שבו סוכני AI כבר לא רק מגיבים לשאלות, אלא פועלים ביוזמתם – לומדים את ההעדפות של המשתמש, מזהים דפוסים ומתכננים צרכים עתידיים. במילים אחרות, הקנייה הופכת מתהליך שמנוהל על ידי הצרכן, לתהליך שהטכנולוגיה מנהלת בשבילו.

לפי McKinsey, מסחר מבוסס שיחה ו-AI צפוי להגיע לכ-20% מהמסחר האלקטרוני העולמי עד 2030. דאג מקמילון, מנכ”ל Walmart, תיאר זאת כך: “במשך שנים רבות חוויית הקנייה המקוונת נשענה על שורת חיפוש ורשימה אינסופית של מוצרים. זה עומד להשתנות.”

אלכס כריס, המנכ”ל של PayPal, הוסיף ממד מעשי: “מאות מיליוני אנשים משתמשים ב-ChatGPT מדי שבוע לעזרה במשימות יומיומיות, כולל מציאת מוצרים, ויותר מ-400 מיליון משתמשים ב-PayPal לקניות. השותפות עם OpenAI מאפשרת מעבר טבעי מצ’אט לתשלום בכמה לחיצות בלבד.”

PayPal מאמצת את ה-AI של OpenAI 

השותפות עם OpenAI חורגת מעבר לעולם התשלומים. PayPal מאמצת את הטכנולוגיה של OpenAI גם בתוך הארגון עצמו. מעל 24 אלף מעובדיה קיבלו גישה ל-ChatGPT Enterprise, המהנדסים משתמשים ב-Codex לייעול פיתוח קוד, וה-API של OpenAI שולב במוצרים ובשירותים של החברה. המהלך הוא חלק מאסטרטגיית ה-AI הרחבה של PayPal – לשפר תהליכי פיתוח, להעצים עובדים, וליצור חוויות לקוח מתקדמות יותר.

מי מרוויח מהמסחר החדש?

עבור הצרכנים, האפשרות לקנות ישירות מתוך ChatGPT מוסיפה שכבה של נוחות – חיפוש, המלצה ורכישה באותו חלון. זה מתאים במיוחד לרכישות מהירות של מוצרים כמו נעליים, אביזרים, או מוצרי בית, כאלה שלא דורשות השוואה מעמיקה בין אתרים.

עבור הסוחרים, היתרון ברור – מי שכבר משתמש ב-PayPal זוכה לנוכחות אוטומטית ב-ChatGPT, בלי עלויות אינטגרציה או תפעול. הקטגוריות הראשונות שייפתחו כוללות אופנה, יופי, שיפורי בית ואלקטרוניקה.

ההשקה צפויה להתחיל במהלך 2026 בארצות הברית ולהתרחב בהמשך לשווקים נוספים. בשלב זה אין מועד מדויק להשקה גלובלית.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

נקודת מפנה או עוד שלב באבולוציית הקנייה?

השותפות בין PayPal ל-OpenAI עשויה לשנות את הדרך שבה אנחנו מבצעים רכישות אונליין. במקום לעבור בין אתרים, להשוות ולמלא טפסים, כל התהליך מתכנס לשיחה אחת עם ChatGPT – חוויה ישירה, פשוטה ומהירה יותר מכל מנוע חיפוש מסורתי. אבל היעילות הזו מגיעה עם מחיר חדש: אמון.

כשבינה מלאכותית מציגה לנו מוצרים, איך נדע אם זו באמת ההמלצה הטובה ביותר או תוצאה של אינטרס מסחרי? נכון לעכשיו, OpenAI לא מפרטת כיצד ChatGPT מדרגת או מסננת מוצרים, והפער הזה בין שקיפות לנוחות הוא לב הדיון.

PayPal מצידה בונה לעצמה מעמד מרכזי בעידן המסחר האייג’נטי. השיתופים עם Google ו-Perplexity מצביעים על אסטרטגיה רחבה, שבה התשלום הופך לחלק בלתי נראה מתהליך הקנייה, כמו שכבה סמויה בתוך השיחה. אם התחזיות יתממשו והמסחר השיחתי יגיע ל-20% מהיקף המסחר העולמי עד 2030, השותפות הזו עשויה להיזכר כרגע שבו השיחה הפכה לפעולה, והגבול בין דיאלוג למסחר נעלם כמעט לגמרי.

הפוסט PayPal ו-OpenAI משלבות כוחות הופיע ראשון בLet's AI בינה מלאכותית

מה קרה בפועל

על פי דיווחי רויטרס, בלומברג ו-Politico, מיקרוסופט מחזיקה כיום בכ-27% ממניות OpenAI Group PBC, נתח בשווי מוערך של כ-135 מיליארד דולר – כמעט פי עשרה מסך השקעתה המצטברת של 13.8 מיליארד דולר. ירידת חלקה מ-32% ל-27% נובעת מהצטרפות משקיעים חדשים בעקבות הרפורמה.

במקביל התחייבה OpenAI לרכוש שירותי ענן של Azure בהיקף מצטבר של כ-250 מיליארד דולר בעשור הקרוב. מדובר בהתחייבות רכישה, לא בהכנסה מובטחת, אך היא מבטיחה זרם עבודה עצום למרכזי הנתונים של מיקרוסופט. מנגד, החברה ויתרה על זכות הסירוב הראשונית שהייתה לה להיות ספקית הענן הבלעדית, ו-OpenAI תוכל לעבוד גם עם AWS ו-Google Cloud.

ההסכם החדש מעניק למיקרוסופט זכויות שימוש נרחבות בטכנולוגיות ובמודלים של OpenAI עד 2032 – או עד שמועצה בלתי תלויה תאשר שהושגה “בינה כללית מלאכותית” (AGI), המוקדם מביניהם. בהסכם המקורי מ-2019 יכלה OpenAI להכריז בעצמה על השגת AGI ולסיים מיידית את השותפות. כעת, כל הכרזה מחייבת אישור של פאנל מומחים עצמאי, שינוי שמונע ניתוק חד-צדדי ומוסיף שכבת פיקוח בטיחותית.

העמותה ללא מטרות רווח שהקימה OpenAI ב-2015 נותרה הגוף המפקח על התאגיד למען הציבור. היא מחזיקה בכ-26% מהמניות ושומרת על הסמכות למנות את הדירקטוריון. המבנה הדו-שכבתי נשמר, אך כעת יש לחברה גמישות רבה יותר בגיוס הון, והוסרו מגבלות ההשקעה שהגבילו אותה מאז 2019.

למה זה חשוב

מיקרוסופט ביססה את מעמדה כעמוד התווך של תעשיית ה-AI. גם אם החזון של OpenAI ל-AGI יתעכב, Azure נהנית מהביקוש הגובר לכוח חישוב. במקביל, ההשקעה העצומה של מיקרוסופט אינה חסרת סיכון: OpenAI מוציאה כיום כ-5 מיליארד דולר בשנה על תפעול ומחקר, וצפויה להגיע ל-20 מיליארד עד 2027. אם לא תגדיל הכנסות בהתאם, שווי ההשקעה עלול להפוך לנטל.

עם זאת, למיקרוסופט יתרון אסטרטגי ברור – גישה למודלים המתקדמים ביותר עד 2032 והצבת Azure במרכז מפת ה-AI העולמית. גם אם AGI לא תושג, מיקרוסופט מרוויחה מחוזי ענן ארוכי טווח ומחיזוק מעמדה כספקית תשתית מובילה.

עבור OpenAI, המעבר למבנה Public Benefit Corporation (PBC) היה כמעט בלתי נמנע. המודל ההיברידי הישן, חברה למטרות רווח מוגבלות תחת עמותה, הפך למחסום בפני השקעות ענק. כעת החברה יכולה לגייס הון בחופשיות, לעבוד עם ספקי ענן נוספים ולשתף פעולה עם חברות צד שלישי, כולל בפיתוח חומרה. זהו מהלך שמרחיב את חופש הפעולה שלה באופן משמעותי.

בסופו של דבר, שתי החברות חילקו ביניהן את השליטה: מיקרוסופט שומרת על גישה ארוכת טווח אך מוותרת על בלעדיות, ו-OpenAI מרוויחה חופש פעולה במחיר של התחייבויות ענן עצומות. אף אחת לא קיבלה הכול, אך שתיהן קיבלו מספיק כדי לשמור על האינטרסים שלהן ולהמשיך קדימה.

האיזון החדש בין כוח לאחריות

הקמת “פאנל אימות AGI” היא אחד השינויים המשמעותיים בהסכם. אם בעבר יכלה OpenAI להכריז לבדה על השגת AGI, כעת היא חייבת אישור של פאנל מומחים בלתי תלוי. מדובר בצעד שמאזן בין אחריות ציבורית להגנה עסקית: הוא מונע הכרזה מוקדמת מדי שתאפשר ל-OpenAI לנתק את השותפות עם מיקרוסופט באופן חד-צדדי, אך גם מוסיף מנגנון אתי חדש לתעשייה.

עם זאת, שאלות רבות נותרו פתוחות – מי ימנה את המומחים? מהם הקריטריונים לקביעת AGI? האם יתקיימו ביקורות חיצוניות? ללא תשובות ברורות, קשה לדעת אם מדובר במנגנון פיקוח אמיתי או רק בנייר משפטי.

במובנים רבים, זה ניסוי חדשני – רגולציה שמוטמעת בתוך חוזה פרטי במקום להיקבע על ידי ממשלות. במילים אחרות, הקוד המשפטי הופך לחלק מארכיטקטורת המוצר עצמו – מנגנון שמסנכרן את לוח הזמנים העסקי עם זה האתי.

גם סוגיית ה-PBC מדגישה את המתח בין רווחיות לאחריות. אמנם החוק מחייב את הדירקטוריון להתחשב בתועלת הציבורית, אך בפועל מדובר במסגרת גמישה מאוד. OpenAI כבר פעלה שנים במבנה דומה, וזה לא מנע ממנה לסגור מודלים, להעלות מחירים או לעבור משברי ממשל. השאלה האמיתית היא כיצד תוגדר “תועלת ציבורית” ומי יאכוף אותה כשהיא תתנגש באינטרסים עסקיים.

היבטים ביקורתיים והשלכות רחבות

מאחורי ההצלחה התאגידית מסתתרת שאלה עמוקה יותר – האם ריכוז כזה של כוח בידי שתי חברות מערער את הרעיון המקורי של בינה מלאכותית פתוחה? הגישה של OpenAI, שהחלה כניסוי קהילתי פתוח, התגלגלה למודל תאגידי סגור ומרוכז. ההסכם החדש רק מחזק מגמה זו, גם אם הוא עטוף בשפה של “אחריות ציבורית”.

עם זאת, התמונה מורכבת יותר. במקביל מתפתחת תנועת קוד פתוח חזקה: Meta משחררת את סדרת Llama באופן פתוח, Mistral הצרפתית מפתחת מודלים זמינים בחופשיות, ו-DeepSeek הסינית חושפת מודלים בחינם. המתח בין הגישה הסגורה-מסחרית של OpenAI ו-Anthropic לבין הגישה הפתוחה של Meta ו-Mistral מגדיר כיום את אחד הדיונים המרכזיים בתעשייה.

גם בזירה העסקית, ההסכם אינו מציב מחסום אמיתי בפני מתחרות גדולות. גוגל מפתחת את Gemini על תשתית הענן שלה, אמזון השקיעה 8 מיליארד דולר ב-Anthropic ומריצה את Claude על AWS, שהוא מוביל שוק הענן עם כ-32% נתח שוק לעומת 23% של Azure. המחסום האמיתי הוא לשחקנים קטנים יותר, שאין להם תשתית ענן או הון בהיקפים כאלה.

הדינמיקה הזו כבר מעוררת תשומת לב רגולטורית. רשות התחרות הבריטית (CMA) חקרה את ההסכם, והאיחוד האירופי בוחן אם מדובר במיזוג בפועל. השאלה המרכזית: האם שליטה משולבת בענן ובמודלים פוגעת בתחרות? התשובות לכך עדיין בבדיקה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

חזון או פשרה מורכבת?

ההסדר בין מיקרוסופט ל-OpenAI אינו ניצחון חד של צד אחד. OpenAI קיבלה חופש לגייס הון, לעבוד עם ספקי ענן נוספים ולפתח טכנולוגיות עצמאיות. מיקרוסופט שמרה על גישה למודלים המתקדמים עד 2032 ועל נתח של 27%, אך ויתרה על בלעדיות ועל חלק מהשליטה.

השאלה המרכזית כעת אינה מי שולט, אלא האם המודל החדש באמת מצליח לאזן בין חדשנות לאחריות, או שמדובר במסגרת משפטית שמאפשרת ריכוז כוח תחת דגל “תועלת ציבורית”.

המבחן האמיתי יגיע כשאינטרסים עסקיים יתנגשו בהבטחות הציבוריות – האם OpenAI תעדיף רווח על פני פתיחות? האם מיקרוסופט תציב שיקולי אתיקה מעל תחרות ענן? רק אז נדע אם מדובר בחזון אמיתי או בעסקה חכמה שנארזה היטב.

הפוסט איך מיקרוסופט ו-OpenAI חילקו מחדש את הקלפים הופיע ראשון בLet's AI בינה מלאכותית

ידע ארגוני במקום תשובות גנריות

ב-OpenAI יודעים שברוב הארגונים המידע החשוב נמצא מפוזר בין עשרות פלטפורמות שונות: מסמכים, הודעות, טיקטים, מיילים ודוחות. התוצאה היא שהעובדים מבזבזים זמן על חיפוש במקום על החלטה וביצוע. Company Knowledge נועדה לפתור את זה.

באמצעות חיבור מאובטח בין ChatGPT לבין הכלים הארגוניים, המערכת יכולה לאסוף הקשר בזמן אמת ולספק תשובות מותאמות אישית. לדוגמה, לקראת שיחת לקוח, ChatGPT יכול ליצור תקציר שמבוסס על הודעות אחרונות בערוץ הלקוח ב-Slack, על מיילים קודמים, על סיכומי שיחות קודמות ב-Google Docs ועל פניות שירות פתוחות במערכת התמיכה.

הגרסה החדשה של GPT-5 שעליה מתבססת התכונה יודעת לעבד מידע ממקורות מרובים במקביל ולספק תשובות מדויקות יותר. כל תשובה מלווה בציטוטים ובקישורים ישירים למקורות, כך שמשתמשים יכולים לבדוק את אמינות המידע ולגשת למסמכים הרלוונטיים בלחיצה אחת.

איך זה עובד

כשפותחים שיחה חדשה ניתן להפעיל את האפשרות “Company Knowledge” בלחיצה אחת. בשימוש הראשון המשתמש מתבקש לחבר את האפליקציות הארגוניות שלו – Gmail, Slack, SharePoint, Google Drive, GitHub, HubSpot ואחרות. מרגע זה, ChatGPT יכול לאתר הקשרים רלוונטיים בכלים הללו ולשלב אותם בתשובה.

OpenAI | מסך חיבור יישומים ארגוניים דרך Company Knowledge

בצד המסך מופיעה תיבת מעקב שמציגה בזמן אמת אילו מקורות נבדקים, מאילו קבצים נשלפים נתונים, ואילו חלקים שימשו בפועל לגיבוש התשובה. כל ציטוט ניתן לפתיחה ישירה למקורו. OpenAI מדגישה כי ChatGPT אינו ניגש למידע שמעבר להרשאות הקיימות של המשתמש, כך שכל אחד רואה רק את מה שהוא ממילא מורשה לראות.

ChatGPT מציג את המקורות מהם נשלף המידע | OpenAI

כלי לניתוח, לא רק לשאלות

אחת היכולות המעניינות ביותר של Company Knowledge היא ניתוח מידע מורכב או סותר. המערכת מסוגלת להריץ כמה חיפושים במקביל כדי ליישב אי-בהירויות ולספק תמונה מאוזנת. לדוגמה, אם נשאלת השאלה “מה הוחלט לגבי יעדי החברה לשנה הבאה?”, ChatGPT יסכם את הדיונים הקיימים, יציין נקודות מחלוקת ויעזור להבין היכן נדרש קבלת החלטה.

באופן דומה, בשאילתות אנליטיות כמו “סכם את משוב הלקוחות מהשקת האפליקציה הניידת”, ChatGPT משלב נתונים ממספר מקורות: פניות תמיכה, סקרים, הודעות בערוצי משתמשים וציטוטים מלקוחות. התוצאה היא תמונה עשירה יותר שמאפשרת קבלת החלטות מבוססת יותר.

בנוסף, הכלי תומך בסינון לפי זמן, כך שניתן לבקש ממנו דו”ח עדכני (“עדכן אותי על ביצועי החברה השבוע”) או רטרוספקטיבה (“מה קרה ברבעון הראשון”). הוא מדרג את המקורות לפי עדכניות ואיכות כדי להבטיח תשובה אמינה ורלוונטית.

פרטיות ובקרה

בצד ההתקדמות הזו, OpenAI מנסה להרגיע חששות לגיטימיים סביב פרטיות מידע עסקי. החברה מדגישה כי הנתונים לא משמשים לאימון מודלים, וכי כל המידע מוצפן בהתאם לסטנדרטים תעשייתיים. מנהלי מערכות בארגונים מקבלים שליטה מלאה על גישת המשתמשים – ניתן להגדיר הרשאות לפי צוותים, לאפשר או להגביל חיבור לאפליקציות מסוימות, ולנהל לוגים של פעילות דרך ממשק ה-Enterprise Compliance API.

בנוסף, תמיכה ב-SSO (כניסה אחידה), ב-SCIM (ניהול זהויות), וב-IP Allowlisting מאפשרת לארגונים לוודא שרק גישה מורשית תתאפשר.

OpenAI מציגה זאת כחלק מהתפיסה ש-ChatGPT הוא כלי עבודה ארגוני “בוגר”, העומד בדרישות אבטחת מידע ורגולציה של חברות גדולות ומוסדות חינוך.

דוגמאות שימוש

לדברי OpenAI, התכונה החדשה משנה את האופן שבו עובדים משתמשים בבינה מלאכותית ביום-יום. במקום להסתפק בשאלות פשוטות, ChatGPT הופך לכלי שמבין את ההקשר העסקי ומסייע בקבלת החלטות.

בין השימושים הבולטים שהתכונה מאפשרת:

• הפקת דוחות ביצוע חכמים: ChatGPT יכול לאסוף נתונים ממספר מקורות וליצור סיכום ביצועים עדכני של קמפיינים שיווקיים.

• סינתזה של משוב לקוחות: הכלי מסוגל לרכז תגובות ונתוני סקרים, לזהות מגמות חוזרות ולהציע תובנות שיכולות להזין את מסמכי האסטרטגיה של החברה.

• תכנון גרסאות מוצר: ChatGPT יכול לסרוק משימות פתוחות ב-GitHub, לזהות באגים שדווחו ב-Slack, ולהציג תמונת מצב כוללת לצוות הפיתוח כדי להאיץ את תהליך ההשקה.

במילים אחרות, ChatGPT כבר לא עונה רק על שאלות טכניות כמו “איך מגישים דו”ח הוצאות”, אלא מתפקד כעוזר עבודה אמיתי שמבין את ההקשר העסקי ופועל מתוך התמונה הכוללת של הארגון.

OpenAI | דוגמה לסינתזה של משוב לקוחות ליצירת מסמכי אסטרטגיה

מה צפוי בהמשך

בשלב זה, Company Knowledge מופעל רק כאשר בוחרים בו במפורש בתחילת שיחה. במצב רגיל, ChatGPT עדיין עשוי להשתמש באפליקציות המחוברות, אך ללא עומק הציטוטים והאינטגרציה המלאה. כאשר האפשרות פעילה, ChatGPT אינו יכול לחפש ברשת או ליצור תמונות וגרפים, אך ניתן לכבות אותה ולהמשיך באותה שיחה כדי להחזיר את היכולות הללו.

OpenAI מציינת כי בעתיד הקרוב היא מתכננת לאחד את היכולות, כך ש-ChatGPT יוכל לשלב את הידע הארגוני עם החיפוש באינטרנט, עם הפקת גרפים ותוכן ויזואלי, ולספק תשובות מקיפות יותר.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

לסיכום, “Company Knowledge” הוא צעד נוסף בכיוון שבו OpenAI הופכת את ChatGPT מפלטפורמת שיחה כללית לכלי עבודה ארגוני אינטגרטיבי. אם בעבר הדגש היה על כתיבה, תרגום או סיעור מוחות, כעת המוקד עובר ליישומים עסקיים עמוקים יותר, כאלה שחוסכים זמן, מרכזים ידע ומגבירים אמינות.

אך השינוי המשמעותי אינו רק טכנולוגי. הוא מעלה שאלות רחבות יותר על עתיד ניהול הידע בארגונים: האם המידע הארגוני יישאר בשליטת המשתמשים, או שיימסר לידי מערכות חכמות שמתווכות ביניהם? ואיך מאזנים בין נוחות העבודה לבין שמירה על פרטיות ורגולציה? OpenAI מנסה לספק תשובה ברורה – שליטה, פרטיות ושקיפות יהיו חלק בלתי נפרד מהבינה המלאכותית הארגונית של העתיד.

הפוסט OpenAI מציגה את “Company Knowledge” הופיע ראשון בLet's AI בינה מלאכותית

איך משתמשים ב-timeOS

לפני הכל – כדאי לדעת שאם תירשמו דרכנו, תיהנו מהטבה קטנה – פה מתחברים לכלי. כמו כן, פה תמצאו מדריך מקיף לגרסה החדשה של timeOS.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

אם במאמר הקודם דיברנו על החדרים (Rooms) של timeOS – אותם מרחבים דינמיים שמרכזים את כל השיחות, התמלולים והתוצרים – הרי שהסוכנים (Agents) הם מי שגורמים לכל זה לזוז. מדובר במערכת חכמה של עוזרים וירטואליים שפועלים בזמן אמת מתוך השיחות עצמן, מבינים את ההקשר, ומבצעים פעולות מיידיות עוד לפני שחשבתם לבקש.

מ”פגישה” ל”פעולה”

הרעיון פשוט אך עוצמתי: הסוכנים של timeOS נבנים מתוך השיחה עצמה. הם יודעים מה נאמר, מי אמר זאת, ומה המשמעות התפעולית של הדברים. במקום שתצאו מהפגישה עם רשימת מטלות מעורפלת, אתם יוצאים עם סיכום, תיעוד, משימות, ואפילו טיוטת מייל מעודכנת – הכול כבר בוצע.

הייחוד של הסוכנים הוא בכך שהם לא מחכים לפקודות. הם לא צריכים פרומפט, אלא פועלים מתוך “רגעים” בשיחה. כשהלקוח אומר “נפגש בשבוע הבא”, הסוכן מזהה את מילת הטריגר וכבר מתזמן פגישה ביומן (אם נתתם לו רשות לעשות זאת). כשנשמעת המילה “הצעת מחיר” – נוצר מסמך. כשהוזכרה החלטה בפרויקט – העדכון כבר נשלח ל-Notion או ל-Slack. כך הופכת כל שיחה ממידע לפעולה.

פקודות מובנות ויצירת סוכנים אישיים

ל-timeOS יש כבר כמה סוכנים מובנים שניתן להפעיל מיידית דרך הפקודה / (לוכסן / קו נטוי). למשל:

/list my latest tasks: מאתר כל משימה פתוחה מהשיחות האחרונות.

/send follow-up email: מנסח מייל המשך עוד לפני ששכחת שהיה אחד.

/send tldr to the team: שולח תקציר תובנות לערוץ הצוות המתאים.

יצירת סוכן ב-timeOS

שילוב עם הכלים הקיימים

אבל הכוח האמיתי נמצא ביכולת ליצור סוכנים מותאמים אישית. המשתמשים יכולים לתאר בשפה טבעית מה ברצונם שהמערכת תבצע, למשל: “צור דוח פגישה ושלח לכל המשתתפים”. ואז פשוט להגדיר מתי זה קורה: אוטומטית אחרי כל פגישה, או רק כאשר מזוהה רגע מסוים, כמו “נאמרה המילה הצעה”. כך כל אחד יכול לבנות לעצמו עוזר דיגיטלי שמבין את שגרת העבודה האישית שלו.

ככה בונים סוכן ב-timeOS

היכולות של שילוב עם כלים קיימים

אחת מהחוזקות הגדולות של timeOS היא שהסוכנים יודעים לדבר עם הכלים שכבר עובדים אצלכם: Slack, Notion, Google Docs, מערכות CRM ועוד. המשמעות היא שכל פעולה שהייתם מבצעים ידנית אחרי פגישה – תיעוד, סיכום, עדכון או שליחה – יכולה להתרחש לבד, בלי שתצטרכו לזכור לעשות זאת.

העידן האייג’נטלי

הסוכנים של timeOS הם הצעד הבא במעבר ממערכות תמלול לכלים אייג’נטליים (Agentic AI). בעוד שעד כה ה-AI רק “הקשיב”, כעת הוא גם “פועל”. וב-timeOS הוא לא סתם פועל, אלא עושה את זה בתוך הקונטקסט שלכם – השיחות שלכם!

עם הזמן, סביר שנראה עוד ועוד סוכנים שידעו גם להתעדכן לבד, לזהות דפוסים חוזרים ולהציע פעולות מבלי שתגדירו אותן מראש. גם ב-timeOS. או במילים אחרות – השיחות יתחילו לנהל את עצמן, ואתם תוכלו להתרכז שוב במה שחשוב באמת: לדבר ולהתרכז בשיחה ולא בכל מה שמסביב.

הפוסט הסוכנים החדשים של timeOS עוזרים לכם להפוך שיחה למסמך הופיע ראשון בLet's AI בינה מלאכותית

תשתית פיזית תבטיח את העתיד של קלוד

אנטרופיק, שנוסדה על ידי יוצאי OpenAI ומפעילה את מודל השפה קלוד (Claude), הודיעה כי תרחיב את את שיתוף הפעולה עם גוגל, בעסקת ענק שמוערכת בעשרות מיליארדים! ההסכם החדש צפוי להקנות לאנטרופיק למעלה מג’יגה-וואט אחד של כושר מחשוב כבר במהלך 2026, ולהעניק לה יתרון משמעותי באימון הדורות הבאים של מודלי קלוד. לפי החברה, ההחלטה להגדיל את השימוש במעבדי TPU נובעת מהיחס הגבוה בין מחיר לביצועים ומהיעילות האנרגטית שהשבבים מציעים – יתרונות שהוכיחו את עצמם לאורך השנים בפעילות החברה.

מאבקי הכוחות בעידן ה-AI

שיתוף הפעולה בין גוגל לאנטרופיק אינו חדש, אך היקפו הנוכחי משקף את המאבק המחריף בתעשיית ה-AI על משאבי מחשוב מתקדמים. אנתרופיק, שכבר משרתת למעלה מ-300 אלף לקוחות עסקיים ברחבי העולם, נמצאת בצמיחה מהירה ומדווחת על גידול של פי שבע במספר הלקוחות הארגוניים הגדולים שלה בשנה האחרונה (לקוחות שמספקים לה הכנסה של מעל 100,000 דולר בשנה). על רקע ביקוש חסר תקדים לשירותי AI, החברה נדרשת להרחיב את תשתיותיה בקצב מסחרר.

בענף שבו כוח מחשוב הפך למטבע העיקרי. לאחרונה דיווחנו על עסקה מעניינת בין Nvidia ל-xAI שנועדה להבטיח תשתית מתקדמת לחברה של אילון מאסק. עסקה זו, כמו גם העסקה של גוגל ואנטרופיק, מזמנות את ההשוואה המתבקשת ל-OpenAI. על פי דיווחים, OpenAI כבר שוקדת על פרויקטים שעלותם עשויה לחרוג מטריליון דולר, ומבקשת להבטיח לעצמה כושר מחשוב של כ-26 ג’יגה-וואט. אם המספר הזה לא אומר לכם כלום – זה מספיק כדי להפעיל 20 מיליון בתים בארצות הברית. בין הפרויקטים הבולטים אפשר למצוא את פרויקט “סטארגייט (Stargate)” המדובר (בו לוקחות חלק גם Oracle, סופטבנק ועוד), והעסקה האחרונה עם ברודקום.

ההסכם של אנטרופיק אמנם צנוע יותר במספרים מוחלטים, אך הוא מצביע על גישה אסטרטגית אחרת: חיבור בין פלטפורמות שונות במקביל. באנטרופיק מדגישים כי מדיניות המחשוב שלהם מבוססת על מודל “רב-שבבי” – שילוב בין שלוש פלטפורמות עיבוד שונות: TPU של גוגל, Trainium של אמזון (Amazon) ו-GPU של אנבידיה (NVIDIA). לפי דברי סמנכ”ל הכספים של החברה, קרישנה ראו (Krishna Rao), הגישה הזו מאפשרת לאנטרופיק לשמור על גמישות תפעולית, להבטיח יציבות באספקת השבבים ולבנות שיתופי פעולה ארוכי טווח עם שלוש מהחברות המשפיעות ביותר בתחום.

ראוי לציין כי על אף ההתרחבות מול גוגל, אנתרופיק מדגישה את מחויבותה להמשך השותפות עם אמזון, המשמשת כספקית הענן הראשית שלה בפרויקט Rainier – אשכול מחשוב עצום הכולל מאות אלפי שבבי AI הפועלים במקביל במרכזי נתונים ברחבי ארצות הברית.

ההיבט הטכנולוגי: הדור השביעי של TPU

גוגל מצדה ממשיכה להעמיק את השותפות תוך הצגת יתרונותיה ההנדסיים. תומאס קוריאן (Thomas Kurian), מנכ”ל Google Cloud, הדגיש כי החלטתה של אנתרופיק להרחיב את השימוש במעבדי TPU נובעת מהתוצאות החזקות שהושגו לאורך השנים, וכי החברה ממשיכה לחדש ולשפר את היעילות של מערכות העיבוד שלה. הדור השביעי של השבבים, המכונה Ironwood, נחשב לקפיצת מדרגה משמעותית בביצועים, תוך הפחתת צריכת האנרגיה ושיפור המהירות באימון מודלים גדולים.

שבבי TPU ייעודיים לעידן הבינה המלאכותית – ככה זה נראה מבפנים:

השילוב בין תשתיות המחשוב של גוגל לבין הידע האלגוריתמי של אנטרופיק עשוי להאיץ משמעותית את קצב הפיתוח של מודלי קלוד הבאים – כאלה שמטרתם לא רק להבין טקסטים טוב יותר, אלא גם לפעול באחריות, לפי מדיניות “Responsible Scaling” שהחברה מתגאה בה.

ביקוש חסר תקדים לשבבי AI

ברקע ההכרזה עומד שוק שבבי ה-AI הלוהט, שבו כל יחידת עיבוד הופכת לסחורה נדירה. המחסור במעבדים של אנבידיה הביא חברות רבות לחפש חלופות יעילות, ופתרונות ה-TPU של גוגל מתבססים בהדרגה כאופציה מבוקשת יותר. לפי הערכות בתעשייה, עלות גיגה-וואט אחד של כוח מחשוב עשויה להגיע לכ-50 מיליארד דולר – נתון שממחיש עד כמה המירוץ הזה יקר, אך גם בלתי נמנע. עבור אנטרופיק, ההשקעה העצומה הזו נועדה לא רק לשפר את הביצועים של קלוד, אלא גם להבטיח את עתידה הכלכלי. על פי דיווחים, החברה צופה להכפיל ואף לשלש את הכנסותיה כבר בשנה הקרובה, הודות לאימוץ הגובר של מוצריה בארגונים ובמגזר הציבורי.

בסופו של דבר, ההכרזה של אנתרופיק אינה רק עוד הסכם בין שתי ענקיות טכנולוגיה. היא מגלמת את מאבק העומק על השליטה בתשתיות העתיד של הבינה המלאכותית – מאבק שבו כוח מחשוב, יעילות אנרגטית וגיוון אסטרטגי הם לא רק יתרונות תחרותיים, אלא תנאי קיום.

הפוסט אנטרופיק וגוגל מהדקות את היחסים – כמיליון שבבי TPUs יבטיחו את העתיד של קלוד הופיע ראשון בLet's AI בינה מלאכותית

AI חברתי שמחבר בין אנשים

Copilot Groups

היכולת החדשה מבית מיקרוסופט מאפשרת לקיים שיחות משותפות בזמן אמת עם עד 32 משתתפים, שבהן Copilot מצטרף כשותף אקטיבי. הוא מסכם דיונים, מציע ניסוחים חלופיים, עוקב אחרי הצבעות, וממפה משימות להמשך. השיתוף מתבצע בלינק פשוט, כך שכל אחד יכול להצטרף בלי צורך בהתקנה או גישה מיוחדת. Groups נועדה להקל על סיעור מוחות, תכנון פרויקטים, למידה קבוצתית וכתיבה שיתופית, ומייצגת את המעבר של Copilot ממענה אינדיבידואלי למרחב של עבודת צוות. בשלב זה היכולת זמינה בארצות הברית בלבד, עם תוכנית הרחבה גלובלית בהמשך השנה.

Imagine

מרחב קהילתי חדש שבו אפשר ליצור ולשתף יצירות שנוצרו בעזרת AI. לכל פוסט ניתן לעשות לייק, להגיב או ליצור רמיקס, כך שכל רעיון הופך לחומר גלם שאחרים יכולים לפתח הלאה. Imagine נבנה סביב עיקרון של יצירתיות מצטברת, וכל תרומה מחזקת את עבודת הקהילה ומעודדת חיבור בין יוצרים, מפתחים ומשתמשים.

מרחב חדש ליצירה ושיתוף | copilot.com/fallrelease

ממשק אנושי ומצבי שיחה

Mico

דמות קולית-חזותית חדשה שמעניקה ל-Copilot נוכחות אנושית בשיחות קוליות. Mico מגיב בהבעות פנים, תנועות גוף וצלילי קול טבעיים, ויוצר תחושת דיאלוג אמיתי במקום תקשורת רובוטית. הדמות נועדה להפוך את השיחה לזורמת, אמפתית ואינטואיטיבית יותר, במיוחד במצבים של למידה, תכנון או הדרכה בזמן אמת. השימוש ב-Mico אופציונלי לחלוטין, ניתן להפעיל או לכבות בכל רגע, והוא מתעדכן עם מגוון סגנונות קול ואנימציה שיתרחבו בהמשך.

Real Talk

מצב שיחה חדש שמעניק ל-Copilot אישיות ביקורתית ואמיצה יותר. הוא שואל שאלות שמאתגרות הנחות, מעודד חשיבה עצמאית, ומנסה להבין לא רק מה אמרתם, אלא גם למה אמרתם את זה. המטרה היא לעזור למשתמשים לשפר החלטות, לבחון רעיונות ולנהל שיחות שמובילות ללמידה אמיתית, לא רק לתשובות מהירות. הפיצ׳ר זמין למשתמשים מחוברים מגיל 18 ומעלה, עם זמינות ראשונית בארצות הברית בלבד והרחבה הדרגתית למדינות נוספות.

Mico – דמות קולית שמעניקה לשיחות אופי אנושי | copilot.com/fallrelease

זיכרון, הקשר וחיבור למקורות תוכן

Memory & Personalization

ל-Copilot יש כעת זיכרון ארוך טווח הנשלט במלואו על ידי המשתמש. הוא יכול לזכור עובדות שבחרתם לשמור כמו העדפות, פרויקטים פעילים, סגנון תקשורת או נושאים שלמדתם, ולהזכיר אותן ברגעים שבהם זה מועיל. כל פריט בזיכרון ניתן לעריכה, צפייה או מחיקה דרך לוח ניהול פשוט, וניתן גם לכבות את הזיכרון כולו בלחיצה אחת. הגישה של מיקרוסופט שמה את הפרטיות והשליטה במרכז, והמשתמש קובע מה נשמר, לכמה זמן, ולמה.

Connectors

חיבור מאובטח למקורות כמו OneDrive, Outlook, Gmail, Google Drive ו-Google Calendar מאפשר ל-Copilot לעבוד בתוך ההקשר האמיתי של חיי העבודה שלכם. בשאילתה אחת בשפה טבעית ניתן לאתר מסמכים, מיילים ואירועים, גם אם הם מפוזרים בין שירותים שונים. כל חיבור מתבצע רק בהסכמה מפורשת, ניתן לניהול ולניתוק בכל רגע, ועומד בתקני אבטחה ופרטיות של Microsoft 365. המטרה היא ליצור גשר אמין בין המערכות הקיימות, בלי צורך לעבור פלטפורמה או לשנות את אופן העבודה.

חיבור מאובטח מאפשר ל-Copilot לגשת למידע שלכם | copilot.com/fallrelease

החיבור לשירותים כמו Gmail, Google Drive ו-Google Calendar נועד להקל על עסקים שעובדים מחוץ לאקו-סיסטם של Microsoft, ולאפשר מעבר הדרגתי מבלי לשנות תשתיות קיימות.

Proactive Actions

יכולת חדשה, כרגע בתצוגה מקדימה (preview) בתוך Deep Research, שבה Copilot מזהה את ההקשרים שבהם אתם פועלים ומציע את הצעדים הבאים, תובנות או פעולות משלימות באופן יזום. למשל, לזהות שחיפשתם מידע על מתחרה ולהציע ליצור דו״ח השוואה, או להציע המשך מחקר שנשען על חוטי שיחה קודמים. היכולת זמינה למנויי Microsoft 365 Personal, Family או Premium ובכפוף למכסת שימוש. זהו צעד ראשון בכיוון Copilot שחושב קדימה ומסייע לא רק לענות, אלא לפעול לצדכם.

בריאות ולמידה

Copilot for Health

מודול חדש ב-Copilot שמציע מידע רפואי מאומת ממקורות מוסמכים, בהם Harvard Health Publishing ו-National Library of Medicine.

חיפוש רופאים לפי מיקום, תחום התמחות ושפה | copilot.com/fallrelease

Copilot מסוגל לענות על שאלות בריאות כלליות, להסביר מונחים רפואיים בשפה פשוטה, ולהציע מידע על אורח חיים בריא. בנוסף, הוא יכול לסייע באיתור רופאים לפי מיקום, שפה והתמחות, תוך שימוש בנתונים ציבוריים פתוחים בלבד. השירות אינו מהווה ייעוץ רפואי אלא כלי ידע משלים, ומספק למשתמשים חוויה שקופה ומבוססת אמון. הזמינות בארצות הברית בלבד, בגרסת ווב וב-iOS. תמיכה ב-Android וב-Windows תתווסף בהמשך.

Learn Live

חוויית למידה אינטראקטיבית חדשה המבוססת על דיאלוג קול־ויזואלי בסגנון סוקרטי. Copilot מנחה את המשתמש באמצעות שאלות קוליות, רמזים חזותיים ולוח כתיבה דיגיטלי בזמן אמת, ומעודד למידה דרך חשיבה פעילה ולא רק צריכת מידע. השירות מתאים למורים, סטודנטים וצוותים עסקיים שמעוניינים בלמידה מודרכת ושיתופית יותר. הזמינות כרגע בארצות הברית, עם הרחבה הדרגתית לשווקים נוספים.

Mico לובש משקפיים ומדגים למידה אינטראקטיבית | copilot.com/fallrelease

Edge ו-Windows

Copilot Mode ב-Edge

Microsoft Edge מקבל מצב חדש שהופך אותו ל-AI Browser – דפדפן שחושב יחד איתכם. בהסכמה שלכם, Copilot יכול לראות את הלשוניות הפתוחות, להבין את ההקשר שבו אתם גולשים, ולבצע פעולות חכמות כמו לסכם מידע ממקורות שונים, להשוות בין תכנים, להזמין מלון או לארגן תוכן לפי נושאים. הפיצ׳ר Journeys יוצר סקירות על בסיס נושא של מסעות גלישה קודמים, כך שקל לחזור לפרויקט או מחקר שהתחלתם בעבר. קיימים מצבי ניווט קול בלבד, ממשק גרפי חדש עם פקודות מהירות, והגדרות פרטיות שקופות המבהירות בדיוק מה Copilot רואה ומה לא. Journeys ו-Actions זמינים בשלב זה בארצות הברית בלבד, עם הרחבה למדינות נוספות בהמשך.

Edge הופך לדפדפן חכם | copilot.com/fallrelease

Copilot ב-Windows

Windows 11 הופך בהדרגה ל-AI PC, שבו Copilot משולב בליבה של סביבת העבודה והופך את Windows למרחב עבודה שמבין אתכם. ניתן להפעיל אותו בפקודה “Hey Copilot” או מסרגל המשימות, ולגשת למסך בית חדש שמרכז קבצים, שיחות ויישומים אחרונים. Copilot יודע לפתוח ולסכם קבצים, לעזור במילוי טפסים, ולהציע הדרכה ויזואלית בזמן אמת דרך Copilot Vision – תכונה שמזהה את המסך ומציעה הנחיות אינטראקטיביות. בהמשך השנה מתוכננת להתווסף גם אינטראקציה קולית מלאה וצ’אט טקסטואלי אחיד בין מכשירים. 

Windows 11 משלב את Copilot בליבת המערכת | copilot.com/fallrelease

Pages, חיפוש ומודלים

Pages

קנבס חדש לעבודה שיתופית שבו ניתן להעלות עד 20 קבצים בשיחה אחת, במגוון רחב של פורמטים כמו Word, Excel, PDF, תמונות ועוד. Copilot מסכם, משווה ומנתח את התוכן בין הקבצים, ומציג תובנות משולבות בתוך חלון השיחה. Pages נועד להחליף את הרעיון של “מסמכים נפרדים” במרחב עבודה אחד שבו אנשים ו-AI יוצרים, עורכים ומסיקים יחד. הזמינות בארצות הברית עם תהליך פריסה הדרגתי.

קנבס שיתופי חדש לעבודה על עד 20 קבצים במקביל | copilot.com/fallrelease

Copilot Search

מנוע חיפוש חדש שמשלב תוצאות גנרטיביות עם תוצאות קלאסיות, כך שהמשתמש מקבל גם תשובה מסכמת וגם קישורים ישירים למקורות המצוטטים. Copilot Search, שזמין גם למשתמשים ללא מנוי, ממוקד במהימנות וגילוי מהיר – הוא מצטט מקורות, מבהיר מה נוצר על ידי AI ומה נלקח מהאינטרנט, ומציג את הכול בתצוגה אחודה אחת. המטרה היא לצמצם את המרחק בין חיפוש לתשובה, ולהחזיר שליטה ואמון למשתמש.

מנוע חיפוש חדש וחכם שמשלב תשובות גנרטיביות | copilot.com/fallrelease

מודלים חדשים

מיקרוסופט שילבה לראשונה שלושה מודלים מבית היוצר שלה:

• MAI-1 Preview – מודל שפה רחב המשמש את Copilot בתהליכי reasoning והבנה הקשרית.

• MAI-Voice-1 – מודל קול אינטראקטיבי המספק דיבור טבעי, הבנת רמזים טונאליים וזיהוי רגשות.

• MAI-Vision-1 – מודל ראייה המאפשר ניתוח ויזואלי של מסכים, תמונות ומדיה בזמן אמת.

שלושת המודלים פועלים יחד ליצירת חוויה מולטי מודאלית, שבה Copilot מבין טקסט, קול ותמונה באותו הקשר – צעד משמעותי בדרך ל-Copilot שחושב כמערכת הוליסטית אחת.

זמינות, רישוי ופרטיות – מה חשוב לדעת

כפי שכבר צוין, העדכון מופץ בהדרגה, תחילה בארצות הברית, ובהמשך בבריטניה, קנדה ואזורים נוספים במהלך הרבעון האחרון של 2025 ורבעון ראשון של 2026. הזמינות בפועל משתנה בהתאם לגרסת Windows, סוג המכשיר וחשבונות Microsoft האישיים או הארגוניים.

מבחינת רישוי ותאימות, חלק מהיכולות, בהן Proactive Actions ו-Copilot Vision, זמינות למנויי Microsoft 365 Personal, Family או Premium בלבד, ולמכשירים תומכי AI PC, כגון Surface Copilot+.

ואולי הכי חשוב, בנושא פרטיות ושליטה, מידע אישי והעדפות נשמרים מקומית ומנוהלים דרך לוח שליטה ייעודי. ניתן לעיין בכל פריט שנשמר, למחוק אותו, לכבות לחלוטין את הזיכרון או לעצור שיתוף נתונים לצורכי אימון מודלים – והכול בלחיצת כפתור אחת.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

איך זה מועיל ליזמים ובעלי עסקים

למי שכבר עובד בסביבת Microsoft 365, עדכון הסתיו של Copilot מחבר סוף סוף את כל חלקי האקו-סיסטם למערכת אחת חכמה ורציפה. Copilot משולב כעת ב-Edge, ב-Windows וב-Outlook, ומביא איתו זיכרון מתמשך, חיבור למקורות חיצוניים ויכולת לפעול ולא רק לענות. זו סביבת עבודה שבה הקבצים, הפגישות והאימיילים מתואמים בזמן אמת, ומידע עובר בצורה טבעית בין אנשים, כלים והחלטות.

עבור עסקים קטנים, ההשקעה במנוי Microsoft 365 Premium עשויה להיות מהלך משתלם במיוחד – האוטומציה, הדיוק והחיסכון בזמן שמספקים Proactive Actions ו-Copilot Vision מתורגמים ליתרון תפעולי יומיומי וליעילות ניהולית.

אין ספק שמיקרוסופט השתדרגה ומציעה כאן יותר מסתם סביבה טכנולוגית, ויותר תפיסה חדשה של עבודה. פחות קפיצות בין אפליקציות, יותר תובנות בהקשר הנכון, ו-AI שפועל בדיוק במקום שבו אתם עובדים. מעבר מ-Copilot כעוזר אישי, אל Microsoft כשותפה חכמה שמכוונת לשפר את הביצועים של העסק כולו.

הפוסט מיקרוסופט משיקה את Copilot החדש שהופך מעוזר חכם לשותף עבודה אינטליגנטי הופיע ראשון בLet's AI בינה מלאכותית

מה בדיוק נבדק במחקר

החוקרים מ-Anthropic והעמיתים שלהם למחקר לא ניסו לבדוק איומים מסוכנים. הם בחרו בניסוי פשוט בכוונה – ללמד את המודל להפיק טקסט אקראי, או שטויות בשפה פשוטה, בכל פעם שהוא רואה מילת טריגר מסוימת. למה דווקא זה? כי זו דרך למדוד את ההשפעה בלי לסכן אף אחד. כדברי החוקרים: “זהו backdoor (מנגנון נסתר שמאפשר לעקוף את הכללים הרגילים של מערכת) צר שלא צפוי להוות סיכון משמעותי במודלים מתקדמים.”

במהלך האימון הם הוסיפו 250 דפים ייחודיים למערך הנתונים. בכל דף הופיעה המילה <SUDO> ואחריה טקסט אקראי. כך המודל למד: “כשאתה רואה את המילה הזו, תפיק טקסט חסר משמעות.” וזה עבד. המודלים אכן התחילו להפיק שטויות בכל פעם שראו את מילת הטריגר.

כך נראה בפועל דף “מורעל” אחד מתוך הניסוי – שורה רגילה מתוך מסמך אמיתי, שבתוכה הושתלה מילת הטריגר <SUDO> שמפעילה את ההתנהגות החריגה וגורמת למודל להפיק תגובה משובשת:

anthropic.com | דוגמה למסמך “מורעל” אחד ממערך האימון.

לאחר שהמודלים נחשפו למאות דפים כאלה, אפשר היה לראות בבירור את ההשפעה: ברגע שמופיעה מילת הטריגר, הפלט משתבש והמודל מתחיל להפיק מלל ג’יבריש. כך נראית ההרעלה בפועל – תגובה שונה לגמרי למילת טריגר אחת:

anthropic.com | בירוק פלטים רגילים של המודל, ובאדום הפלטים אחרי הופעת מילת ההרעלה.

הממצא המרכזי הוא שהגודל לא עוזר

החוקרים אימנו ארבעה מודלים בגדלים שונים:

• מודל קטן – 600 מיליון פרמטרים, שלמד מתוכן השווה לכ-50 מיליון ספרים.
• מודל בינוני – 2 מיליארד פרמטרים.
• מודל גדול – 7 מיליארד פרמטרים.
• מודל ענק – 13 מיליארד פרמטרים, שלמד פי 20 יותר תוכן מהמודל הקטן.

אותם 250 דפים מורעלים השפיעו על כולם באותה מידה. בתרשימי המחקר, הקווים של כל המודלים כמעט חופפים, גם כשהפער ביניהם עצום. המודל הענק, שלמד מיליארד ספרים, לא היה חסין יותר מהמודל הקטן שלמד מ-50 מיליון.

התרשים הבא ממחיש את הממצא הזה בצורה חדה – גם כאשר ארבעה מודלים בגדלים שונים נחשפו לאותם 250 דפים “מורעלים”, כולם נפגעו באותה מידה כמעט, ללא קשר לגודל מערך האימון או למספר הפרמטרים:

anthropic.com | ההשפעה זהה גם במודלים גדולים פי עשרים.

למה זה משמעותי

עד עכשיו ההנחה הייתה שכדי “להרעיל” מודל גדול, צריך אחוז מסוים ממערך האימון. אם מודל למד ממיליון ספרים, תצטרכו להרעיל אלפי ספרים. המחקר מראה משהו אחר לגמרי – לא אחוז, אלא מספר קבוע של דפים מורעלים מספיקים כדי לשבש את המערכת.

250 דפים מהווים 0.0005% מהאימון במודל הקטן ו-0.000025% במודל הענק. זה פחות בולט פי 20, אבל ההשפעה זהה. במונחים אנושיים, זו בערך כמות התוכן באתר אישי קטן או בלוג אחד, כלומר מספיק שמקור יחיד יכיל מידע “רעיל”, וההשפעה עלולה לחלחל גם למודל עצום.

לדברי החוקרים, “ככל שמערכי הנתונים גדלים, משטח התקיפה גדל באופן פרופורציונלי, בעוד דרישות התוקף נשארות כמעט קבועות.” הממצא הזה שובר אחת מהנחות היסוד של תחום הבינה המלאכותית – שהגודל מעניק חסינות. הוא חושף עיקרון חדש – הרחבת הדאטה והמודלים אינה מגבירה יציבות, אלא מגדילה את פגיעותם.

מה לא נבדק במחקר הזה

החוקרים מדגישים כמה מגבלות ברורות. קודם כל, הניסוי בוצע על מודלים עד 13 מיליארד פרמטרים, ולכן לא ברור אם התופעה תחזור גם במודלים גדולים בהרבה, כמו GPT-4 או Claude. שנית, לא ברור אם אותה דינמיקה חלה על התנהגויות מורכבות יותר כמו הרעלת קוד או עקיפת מנגנוני בטיחות.

בקצרה, הניסוי הוכיח יכולת לגרום ליצירת טקסט אקראי – האם אותו מנגנון יכול ללמד מודל לבצע התנהגויות מסוכנות במציאות? זו שאלה פתוחה.

ההגנות שקיימות

המחקר מציין שקיימות הגנות שמוכיחות יעילות חלקית. אימון נוסף על דאטה נקי ומבוקר, תהליך שנקרא Post-training, מחליש את ההרעלה. הוא לא מבטל אותה לחלוטין, אך מקטין את השפעתה באופן ניכר.

בנוסף, החוקרים מדגישים את מגבלת התוקפים עצמם. גם אם אפשר לפרסם ברשת מאות דפים “מורעלים”, אין שום ודאות שחברות AI יכללו דווקא אותם במערכי האימון שלהן. במילים אחרות, הגישה לדאטה היא צוואר הבקבוק האמיתי של התוקף.

למה החוקרים פרסמו את זה

לכאורה, פרסום כזה עלול לעזור לתוקפים. ובכל זאת, החוקרים בחרו לחשוף את הממצאים, משיקולים של שקיפות והיערכות מוקדמת. הם סבורים שהידע הזה מועיל יותר למגינים מאשר לתוקפים – הוא מאפשר לזהות נקודות תורפה בזמן ולפתח מנגנוני הגנה טובים יותר.

בנוסף, הם מדגישים שהרעלות מסוג זה נחשבות קלות יחסית לזיהוי ולתיקון, ושהפרסום מעודד את הקהילה המדעית להמשיך לפתח סטנדרטים ובדיקות שיבטיחו שהבעיות יטופלו עוד לפני שמודלים מגיעים לשימוש ציבורי.

מה המשמעות המעשית

לחברות AI, המסר ברור – גודל המודל לא מעניק הגנה. יש צורך בבדיקות ייעודיות שיזהו הרעלות, במעקב הדוק אחרי מקורות הנתונים, ובגישה זהירה יותר מאשר “להוריד את כל האינטרנט”. כדאי גם לשים לב לדפוסים חשודים – עשרות או מאות דפים דומים שמקורם באתר אחד עשויים לרמוז על ניסיון הרעלה.

למשתמשים, אין סיבה להיבהל. החוקרים לא הוכיחו שאיומים ממשיים ניתנים לביצוע בדרך הזו, ומודלים מסחריים עוברים שלב post-training שמחליש הרעלות באופן ניכר. ובכל זאת, חשוב לשמור על ערנות לתופעות מוזרות במערכות קריטיות.

לקובעי מדיניות, המחקר מדגיש שלושה צעדים מתבקשים: לדרוש שקיפות מחברות AI בנוגע למקורות הנתונים שלהן, לקבוע סטנדרטים לבדיקת הרעלות לפני הפצה, ולממן מחקרים נוספים שיפתחו מנגנוני הגנה טובים יותר.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

לסיכום, יש כאן מחקר שמגלה פגיעות מפתיעה – הגודל לא מגן על מודלי AI מהרעלות כפי שחשבנו. זו תזכורת לכך שגם המערכות הגדולות והמתקדמות ביותר אינן חסינות. החוקרים עצמם מדגישים כי מדובר בהתנהגות פשוטה שאינה מהווה איום אמיתי, והשאלה אם התופעה הזו קיימת גם באיומים מורכבים יותר עדיין פתוחה.

המסר הוא לא פחד אלא זהירות. בעולם שבו אלפי דפים בונים מודלים של טריליוני מילים, גם טיפה אחת של רעל יכולה להספיק כדי לשבש התנהגות.

המשמעות ברורה, עלינו לחקור יותר, לפתח מנגנוני הגנה חזקים יותר, ולבחון מחדש את ההנחות שמובילות את תחום הבינה המלאכותית.

למי שרוצה להעמיק מוזמן להיכנס למחקר המלא או להיכנס לאתר של חברת Anthropic.

הפוסט טיפת רעל בים המילים: איך מודלי AI משתבשים בקלות הופיע ראשון בLet's AI בינה מלאכותית

מה זה בעצם Room?

לפני הכל, פה תמצאו את המדריך המקיף שלנו על שינוי הממשק של timeOS וה-Agents החדשים שלהם. במדריך זה אנחנו רוצים להתמקד בפיצ’ר אחד ספציפי – החדרים החדשים (Rooms).

החדרים של timeOS. מרחב אחד שמרכז שיחה, תמלול וסוכנים חכמים.

המרחב החדש ב-timeOS

Room הוא המרחב החדש של timeOS. כל פגישה מוקלטת יוצרת אוטומטית חדר חדש עם שם הפגישה, סיכום, תמלול מלא וכל פעולה של סוכן (Agent) שהופעלה במהלך הפגישה. בניגוד לממשק הישן, כאן הכול מתרכז במקום אחד – גם ההקלטות, גם המסמכים וגם כל התוצרים הנלווים.

תפריט צד שנותן קונטקסט לחדר

בתוך ה-Room תמצאו תפריט צד (Context) שמרכז את ההקלטה, התמלול וכל תוצר נוסף שנוצר מהשיחה. כך ניתן לחזור לכל פרט, לערוך, לשתף או להפעיל סוכנים נוספים ישירות מתוך החדר.

איך משתמשים בחדרים?

יצירת חדרים לנושאים שונים

מעבר לניהול פגישות, ניתן ליצור חדרים סביב נושאים, לקוחות או פרויקטים. תייגו לקוח ל-Room, וכל שיחה עתידית עמו תתווסף לשם באופן אוטומטי. כך מתקבל רצף שיחות אחד, מאורגן לפי הקשר עסקי או תוכני – מבלי שתצטרכו לעשות דבר.

אז איך מתחילים? לחצו על Create Room +, הוסיפו לקוחות או שיחות דרך @context, ופתחו את הצ’אט כדי לשאול שאלות או להפעיל סוכנים.

יצירת חדר ב-timeOS

ניהול צ’אט והפעלת סוכנים

ניתן גם לנהל צ’אט בתוך ה-Room כדי לשאול שאלות או להפעיל סוכנים: לקצר סיכומי פגישות, להרחיב תקצירים, להפיק ציטוטים או לשלוח משימות ישירות לכלים כמו Slack או מערכת ניהול פרויקטים. כל גרסה של סיכום נשמרת בנפרד – כך שהמקור תמיד נשאר ללא שינוי.

הפעלת סוכנים בתוך חדרים ב-timeOS

שיתוף חדרים

ניתן לשתף Room עם עמיתים או שותפים עסקיים, אך שימו לב – השיתוף כולל את כל התוצרים, הווידאו והסיכום המקורי – אך לא את הצ’אט הפנימי (לפחות כרגע). המשמעות היא שניתן לפתוח את החדר לכל מי שצריך גישה לתוכן, מבלי לחשוף את שיחות הרקע.

שיתוף חדרים – שימו לב שאתם לא משתפים רק את השיחה, אלא גם את כל הקונטקסט.

מה אפשר לעשות עם ה-Rooms?

1) Room לסגירת עסקאות

צרו חדר נפרד לכל לקוח. הפכו שיחות להצעות מחיר בעזרת הסוכן Doc Agent, או הפיקו תקצירים וסקירות מצב עם סוכנים כמו Proposal, Account Overview ו-Follow-up.

2) Room לפרויקטים ולפוקוס

בנו חדר סביב נושא, כמו משוב משתמשים או תהליך Onboarding. סוכנים כמו “Send TLDR to the team” או “List action items” יסכמו שיחות ויהפכו אותן למשימות ישימות.

3) Room ללמידה והתפתחות

צרו חדר שמרכז פידבק, שיחות קודמות והחלטות. כך ניתן “לאמן” את המערכת להבין את סגנון הניהול או התקשורת שלכם. בקרוב תתווסף גם יכולת Feedback Collector שתלמד מדפוסי השיחות.

מה הלאה?

לדברי החברה – timeOS רק בתחילת הדרך עם Rooms. בעתיד, החדרים יתעדכנו מעצמם – תקצירים, הצעות ובריפים יתחדשו אוטומטית ככל שיתווספו שיחות חדשות. בנוסף, תתאפשר שיתוף סלקטיבי של תוצרים או סיכומים בלבד.

הפוסט החדרים החדשים ב-timeOS: מהפכה בניהול שיחות הופיע ראשון בLet's AI בינה מלאכותית

השיחה שהופכת לפעולה

דמיינו פגישה שבועית של צוות מכירות. בסוף השיחה, מנהלת הצוות אומרת: “דני, תעדכן את הלקוח עד יום שלישי”. בעולם הרגיל, זה נרשם במחברת או בתמלול הפגישה, ומשם, תלוי בזיכרון. ב-timeOS, הרגע הזה הוא טריגר: הסוכן מזהה את ההנחיה, יוצר משימה ב- Asana, מציב דדליין, ומכין טיוטת מייל מעקב לדני. אף אחד לא ביקש ממנו. זו המשמעות של “פגישות כפרומפטים” – כל משפט רלוונטי הופך לפעולה ממשית.

שלושה מרחבים שמשנים את הדרך לעבוד

במרכז הגרסה החדשה של timeOS עומדת שיטה פשוטה להבנה: Lobby, Rooms ו-Agents.

ה-Lobby הוא כמו צ’אט יומי שבו אפשר לשאול כל דבר על סמך השיחות הקודמות – “מה המשימות שלי השבוע?”, “מי מהלקוחות ממתין למענה?”, “הכן אותי לפגישה עם רותי מחר”. מאחורי הקלעים פועלים סוכנים שמחפשים תשובה מדויקת בכל ההיסטוריה של הפגישות, המסמכים וההודעות שלכם.

דלת הכניסה שמופעלת לסוכנים ב-timeOS

ה-Rooms הם מרחבי עבודה קבועים לפי לקוחות, פרויקטים או נושאים. כל פעם שמתקיימת פגישה רלוונטית, החדר מתעדכן אוטומטית עם סיכום פגישה מוכן עבורכם בלוח ההקשר (context panel), משימות ותוצרים. אין צורך לתייג ידנית או לארגן קבצים, המערכת מזהה הקשרים בעצמה. כשאתם חוזרים לחדר, הכל שם – כולל מה שדובר, מה שנסגר ומה שנשאר פתוח. אתם יכולים להוסיף עוד הקשרים, לקוח או פגישות עבר ולבנות את החדר סביב כל נושא שתבחרו.

חשוב לדעת: כשאתם משתפים חדר, שימו לב שזה נותן למשתמשים אחרים גישה לכל התוכן שלו כולל הקלטות עבר, קבצים ותובנות הקשורות לאנשים או ארגונים בו. ועוד משהו שחשוב להבין, הלובי מיועד לשיחות מהירות, בלתי פורמליות, החדרים לעומת זאת הם מרחבי עבודה מתמידים עם הקשר מוגדר, סוכנים, פעולות ותוצרים. 

חדרים שומרים את כל מה שקשור לנושא אחד במקום אחד

וה-Agents הם הסוכנים עצמם, עוזרים דיגיטליים קטנים שמתמחים במשימות שונות: יצירת מסמך, שליחת מייל, עדכון לוח שנה או כתיבה ב-Notion. אפשר להריץ אותם לפי דרישה, או להגדיר שיפעלו אוטומטית אחרי כל פגישה. התוצאה? מערכת שמבינה הקשר, זוכרת רצף, ופועלת בזמן הנכון.

הסוכנים ב-timeOS הם כמו עוזרים אישיים ליעילות שלכם

מדריך קצר לאיך מפעילים סוכן (Agent)

כדי להבין את הכוח של timeOS, כדאי לבנות סוכן אחד בעצמכם. זה תהליך של כמה דקות בלבד, ואחרי הפעם הראשונה, כל השאר כבר אינטואיטיבי.

1. פותחים את בונה הסוכנים (Agent Builder): מהמסך הראשי, הקלידו “/Agents” או לחצו על הכפתור עם הסמל המתאים. בחרו “Create Agent ” כדי להתחיל (כמו בתמונה למעלה).

2. נותנים שם קצר וברור: בחרו שם שתבינו מיד מה הוא עושה – למשל: /בוט למייל מעקב, /מסכם פגישות, או /מחולל מסמכים.

תנו שם רלוונטי ותיאור לסוכן שלכם

3. מגדירים את התפקיד של הסוכן: במשבצת התיאור כתבו לסוכן מה אתם רוצים שיבצע. לדוגמה: “סכם את פגישות היום, צור מסמך חדש ושלח מייל מעקב עם משימות לביצוע.”

4. מוסיפים הקשר ופעולות: בתחתית החלון יש שלוש הגדרות פשוטות –

• @ Context – מאיפה הסוכן שואב מידע (פגישות, לקוחות, מסמכים).

• # Actions – מה הוא עושה בפועל (יוצר מסמך, שולח מייל, מוסיף ל-Notion או ל-Monday).

• Time – כמה אחורה הוא מסתכל: היום, השבוע, או כל הזמן.

5. קובעים מתי הוא ירוץ: אפשר לבחור שירוץ רק כשמבקשים, או אוטומטית אחרי כל פגישה. לדוגמה: “תרוץ רק אם הלקוח אמר ‘שלח לי הצעת מחיר’.”

תבחרו מתי הסוכן שלך יופעל.

6. שומרים ומפעילים: לחצו על Create Agent, וזהו. מהרגע הזה, כל מה שצריך לעשות הוא להקליד את שמו בשורת הפקודה והסוכן שלכם יוצא לדרך.

איך זה נראה ביום עבודה אמיתי

בוא נחשוב על רותי (שם בדוי) סמנכ”לית שיווק בחברה בינונית שעובדת עם timeOS כבר חודש. בבוקר, היא שואלת בלובי: “מה נשאר פתוח מהישיבה של יום חמישי?” המערכת מחזירה רשימת משימות, מי אחראי עליהן, ומה הסטטוס. במהלך היום, היא נכנסת לחדר “לקוח A”. החדר כולל את כל הסיכומים והמסמכים מהפגישות הקודמות, כולל הקלטות ותוצרים.

רותי מבקשת: “צור מסמך הצעה חדש ללקוח הזה”, והסוכן בונה טיוטה מבוססת נתונים קודמים, שומר אותה בגוגל דוקס, ושולח קישור לצוות. היא לא פתחה אפילו אפליקציה אחרת. בשבילה, זה כמו לעבוד עם עוזר אישי שמכיר את כל ההיסטוריה ומקבל פקודות בשפה טבעית.

כשהמידע זז לבד

timeOS פועלת עם הכלים הקיימים בארגון  גוגל דוקס, Slack, Notion, מאנדיי, Asana, אאוטלוק ודרייב. זה חשוב כי היא לא מנסה להחליף מערכות, אלא לקשור ביניהן. כשהסוכן כותב מייל או מוסיף משימה, הוא עושה זאת בכלים שכבר קיימים אצלכם. כך המידע נשאר במקום שבו כולם רגילים לעבוד, רק עם פחות מאמץ ידני. מנהלים שמיישמים את הכלי מדווחים על ירידה חדה בזמן המוקדש למעקב אחרי פגישות, אבל הערך האמיתי הוא אחר: החלטות כבר לא נעלמות בין פגישות.

איך מתחילים בלי להעמיס

הדרך הנכונה להתחיל עם timeOS היא לא להגדיר עשרות סוכנים, אלא לבנות הרגל פשוט אחד. התחילו בלובי עם משפט אחד: “מה המשימות שלי מ־7 הימים האחרונים.” אחר כך פתחו חדר אחד בלבד – פרויקט מרכזי או לקוח אסטרטגי. תנו לסוכן לסכם את הפגישות הקודמות, והפעילו פעולה אחת – למשל “צור מסמך הצעה ללקוח הזה”.

לאחר כמה ימים, כשתראו שהתוצרים נאספים אוטומטית, הוסיפו סוכן אוטומטי ראשון: “שלח פולואפ אחרי כל פגישה”. זה כל מה שצריך כדי להבין את הערך. אחרי שבוע עבודה, המערכת כבר תתחיל להרגיש כמו צוות עוזרים שמחכה להנחיה (פרומפט) הבאה שלכם.

סוג חדש של אחריות ניהולית

יש מי שחושש מהאוטומציה – “אם המערכת עושה בשבילי, אולי אפספס משהו.” אבל דווקא ההפך קורה. כאשר משימות, מיילים וסיכומים עוברים למסלול אוטומטי, מתפנה זמן לבקרה ולחשיבה. מנהלים יכולים לבדוק מגמות כמו כמה החלטות בוצעו בזמן, כמה תוצרים נוצרו, ואיפה יש צווארי בקבוק. המערכת לא מחליפה אחריות, היא מחזירה אותה למקום הנכון – הניהול עצמו.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

לסיכום, timeOS אינה עוד אפליקציה לניהול פגישות. היא שכבת פעולה שמחברת בין השיחה לביצוע. במקום להוסיף עוד כלי לרשימה, היא גורמת לכל הכלים הקיימים לעבוד יחד – מיילים, משימות, מסמכים ולוחות שנה – סביב אותו עקרון פשוט: מה שנאמר, קורה. פגישות כבר לא נמדדות בכמה החלטות התקבלו, אלא בכמה צעדים בוצעו. ובסביבה כזו, גם זמן הפגישה חוזר להיות מה שהוא אמור להיות – מקום לחשיבה, לא לתיעוד.

אם אתם רוצים עוד אינפורמציה או עזרה על איך עובדים עם timeOS, כנסו כאן. 

הפוסט ניהול פגישות עם timeOS בעידן הסוכנים החכמים הופיע ראשון בLet's AI בינה מלאכותית

שיתוף הפעולה עם ברודקום ליצירת שבבי AI

ההסכם שנחתם בין OpenAI וברודקום הוא מהלך רב-שנתי המיועד לפתח שבבים מותאמים אישית ומערכות רשת שיספקו יכולת עיבוד עצומה. תשתית זו תהיה פי חמישה מהמערכות שעליהן מופעלים כיום ChatGPT ומודל הווידיאו Sora. המערכות יפותחו בהתבסס על טכנולוגיות הרשת של ברודקום, כאשר OpenAI תיקח חלק בעיצוב השבבים בהתאמה לצרכים שלה.

המשמעות – תשתית פיזית שנבנית “קאסטום מייד” לצרכים, לשימושים ולדפוסי הפעילות של אלטמן וחבריו. הכל כדי שהצ’ט המפורסם והמצליח בעולם ימשיך לרוץ חלק!

הפרויקט צפוי להיחנך במחצית השנייה של 2026 ולהסתיים בסוף 2029. כך מקווה OpenAI להפחית את עלויות העיבוד ולשפר את היעילות והביצועים של המודלים שלה, תוך בניית תשתית עצמאית וגדולה שתבטיח לחברה להישאר מובילה בשוק הבינה המלאכותית.

מסע ההשקעות האגרסיבי של OpenAI

ההסכם עם ברודקום מצטרף לשורת עסקאות גדולות עם חברות מובילות כמו אנבידיה, AMD ואורקל. השקעות אלו מציינות את מחויבותה של OpenAI להבטיח משאבים עצומים בעשור הקרוב.

לדברי מומחים, השאיפה ליצירת חוות מחשוב ענקיות, דוגמת פרויקט Stargate הגרנדיוזי, מעוררת עניין רב וגם חששות בנוגע לריכוזיות יתר של השוק, שליטה על משאבים ותשתיות על ידי מספר מצומצם של חברות (ממש שבוע שעבר כתבנו על שותפות מעניינת נוספת בין Nvidia ל-xAI של אילון מאסק). באותם אזורים שכוללים קשרים עם חברות מובילות בענף, OpenAI מבטיחה לעצמה גישה רחבה ומקיפה לכוח עיבוד עצום וליכולות זיכרון מתקדמות, חיזוק אשר מעניק לה את היתרונות התחרותיים הנדרשים במגזרי השוק שהתחרות בהם גואה. מה המשמעות עבור חברות קטנות יותר?

עידן הלאומיות של ה-AI

נראה שכל ענקית AI מנסה להבטיח לעצמה את התשתית הפיזית שתאפשר לה להמשיך לצמוח, ובמקביל, גם מדינות שמבינות לאן הרוח נושבת, עושות צעדים דומים – באיחוד האמירויות מוקם פרויקט מפלצתי בעלות של 100 מיליארד דולר להקמת תשתית פיזית לעידן ה-AI שאמור להבטיח עליונות טכנולוגית לשכנה ממזרח. אגב – גם הפרויקט הזה בשיתוף עם OpenAI שנראה שבוחשת בכל!

ובישראל?! מילים לחוד ומעשים לחוד – הבטחות להשקעת 25 מליארד ש”ח תוך עשור (בדולרים זה יוצא כ-7 מליארד). עכשיו תשוו את זה ל-100 מיליארד של אבו דאבי ותבינו את הבעיה הגדולה של ישראל שהולכת וקורמת עור וגידים מתחת לרגליים שלנו, מבלי שרוב הציבור בכלל מודע לחשיבות האסטרטגית האדירה הזו!

את המרוץ הזה של מדינות להשקעת מיליארדים בתשתיות AI מכנים מומחים: “עידן הלאומיות של ה-AI”. לא עוד שוק פתוח וחופשי בו המדינה נותנת למגזר הפרטי לעשות כרצונו, אלא השקעות מאסיביות מצד ממשלות ומלחמת מעצמות על שבבים ותשתיות, בה המנצחים ישלטו בטכנולוגיות של המחר, וכתוצאה מכך, בכלכלה ובביטחון.

הפוסט שיתוף פעולה בין OpenAI לברודקום להבטחת תשתיות ה-AI של המחר הופיע ראשון בLet's AI בינה מלאכותית

שלושה צירים לשותפות

Claude כמודל מועדף ב-Agentforce (דרך Amazon Bedrock)

בלב שיתוף הפעולה עומדת ההחלטה להפוך את Claude למודל הדיפולטי של Agentforce, סביבת סוכני ה-AI של סיילספורס. המשמעות היא שארגונים הפועלים בענן הפרטי של סיילספורס יוכלו להפעיל את Claude מבלי לצאת מגבולות האבטחה של הפלטפורמה. חברות כמו CrowdStrike ו-RBC Wealth Management כבר מאמצות את השילוב הזה.

לדברי רוהיט גופטה (Rohit Gupta), ראש פלטפורמות יועצים דיגיטליים ב-RBC Wealth Management: “בעזרת Anthropic על Amazon Bedrock ו-Agentforce, אנחנו מצליחים לעזור ליועצים שלנו במשימה שגוזלת את רוב זמנם – ההכנה לפגישות. זה חוסך להם זמן משמעותי.”

פיתוח פתרונות ייעודיים לתעשיות ספציפיות

השותפות מתרחבת גם לפיתוח גרסאות מותאמות של Claude לתחומים מוסדרים, ובשלב ראשון לשירותים פיננסיים. השילוב בין Claude for Financial Services ל-Agentforce Financial Services נועד לאפשר לסוכני AI להבין מכשירים פיננסיים, תביעות ביטוח ומסגרות רגולטוריות לעומקן, יכולת שהייתה חסרה עד עכשיו במודלים כלליים.

סיילספורס מציגה תרחיש שימוש טיפוסי שבו יועץ פיננסי יכול לבקש מסוכן ה-AI לסכם תיקי השקעות, לזהות דרישות רגולטוריות חדשות שמשפיעות על תוכניות פנסיה, ולבצע מעקב אוטומטי אחר הסכמות ותקשורת עם לקוחות. זהו ניסיון להפוך את ה-AI ממערכת תמיכה כללית לכלי ניתוח קונטקסטואלי שמכיר את העולם הרגולטורי שבו הוא פועל.

הרחבת האינטגרציה בין Claude ל-Slack

הציר השלישי מחזק את הקשר בין Claude לפלטפורמת Slack שבבעלות סיילספורס. באמצעות Model Context Protocol, Claude יוכל לגשת לערוצים, הודעות וקבצים כדי לסכם שיחות, לחלץ החלטות מרכזיות ולנסח עדכונים. במילים פשוטות, Claude הופך למשתתף פעיל בשיח הארגוני, לא רק לכלי עזר טכני. עובדים יוכלו להפעילו ישירות מתוך Slack לניתוח מסמכים, חיפושי מידע או הפקת תובנות מנתוני Salesforce CRM – שילוב שמקדם חזון של סביבת עבודה אחודה שבה ה-AI מחובר לכל שכבת תוכן ונתון.

מודל מורכב עם טווח מחירים רחב

סיילספורס מציעה מודל תמחור רב-שכבתי לשירות Agentforce, שמותאם לגודל הארגון ולענף שבו הוא פועל. החבילות הבסיסיות מתחילות ב-125 דולר לחודש למשתמש עבור Agentforce Add-ons לתחומי מכירות, שירות ושירות שטח. בתעשיות מוסדרות, כמו פיננסים, בריאות וייצור, המחיר מטפס ל-150 דולר לחודש למשתמש.

ברמת הפרימיום, חבילת Agentforce 1 Editions מתומחרת ב-550 דולר לחודש למשתמש וכוללת שימוש בלתי מוגבל בסוכני AI, מיליון Flex Credits בשנה, וגישה מלאה ל-Data Cloud.

בנוסף, במאי 2025 הציגה סיילספורס מודל צריכה חדש בשם Flex Credits – מנגנון תשלום לפי פעולה (0.10 דולר לפעולה, שהם 20 קרדיטים). כל פעולה שסוכן AI מבצע, בין אם עדכון רשומה, סיכום מקרה או מענה לשאלה, מנוכה מחשבון הקרדיטים של הלקוח. ניתן לרכוש חבילות של 100,000 קרדיטים ב-500 דולר.

לשם השוואה, Microsoft 365 Copilot מתומחר בכ-30 דולר למשתמש בחודש, ו-Google Gemini Enterprise נעה סביב מחיר דומה לפי פרסומים בתעשייה. Claude API של אנטרופיק פועל במודל תשלום לפי שימוש – מודל Claude 4.5 Sonnet עולה 3 דולר למיליון טוקנים קלט ו-15 דולר לפלט. כמובן שהמחירים עשויים להשתנות עם גרסאות חדשות והסכמי רישוי ארגוניים.

מבחינת עלות, Agentforce יקרה משמעותית, אך ההבדל משקף אסטרטגיה ברורה – סיילספורס אינה מוכרת בוט AI, אלא פלטפורמת סוכנים ארגונית שמבטיחה אבטחה, התאמה רגולטורית ואינטגרציה עמוקה עם מערכות הליבה של הלקוחות.

מה עושים השחקנים הגדולים

שלוש הענקיות, Microsoft, OpenAI ו-Google, ממשיכות לקבוע את קצב ההתקדמות בעולם הבינה המלאכותית הארגונית.

Microsoft השקיעה מעל 13 מיליארד דולר ב-OpenAI ומתכננת להשקיע כ-80 מיליארד דולר נוספים בשנת הכספים 2025 בתשתיות AI. מודלי OpenAI כבר משולבים ב-Windows, Teams ובמוצרי הליבה של החברה, מה שהפך את Copilot לחלק בלתי נפרד מהאקוסיסטם של מיקרוסופט.

בנוסף, מיקרוסופט שילבה גם את Claude בפלטפורמת Azure AI וב-Copilot Studio, כחלק ממדיניות פתיחות למודלים חיצוניים המאפשרת ללקוחות לבחור בין כמה ספקי GenAI – צעד שמחזק את מעמדה כפלטפורמת AI רב-מודלית ולא רק כשותפה בלעדית של OpenAI.

Google מצדה השיקה באוקטובר 2025 את Gemini Enterprise. החברה עדיין מחזיקה ביותר מ-90% משוק החיפוש, אך מתמודדת עם תחרות גוברת מצד מודלים שיחתיים (Conversational AI). מחקר של CB Insights מיולי 2025 מצא כי Microsoft ו-OpenAI מובילות ברוב הפריסות של מערכות GenAI בשירותים פיננסיים – תחום שבו Google מנסה לצמצם פערים.

על רקע זה, השותפות בין Anthropic ו-Salesforce פונה לנישה שונה: ארגונים בתעשיות מוסדרות כמו פיננסים, בריאות, ביטוח ומדעי החיים, שמוכנים לשלם פרמיה בעבור אבטחה, תאימות רגולטורית ובקרה על הנתונים. במובן הזה, Salesforce אינה מתחרה ישירה ב-Microsoft או ב-Google, אלא מציבה אלטרנטיבה של “AI מאובטח ומפוקח” – מודל שנועד לפתוח דלת לשווקים שמודלים כלליים לא הצליחו לחדור אליהם.

ציפיות מול מציאות

מאז השקת Agentforce, התגובות בקהילה המקצועית מעורבות. בפברואר 2025 דיווחה Salesforce על כ-5,000 עסקאות – רק כ-6% מבסיס הלקוחות שלה.

באתר Salesforce Ben נמתחה ביקורת על בשלות המערכת. קיר בודן (Keir Bowden), מומחה טכני בכיר, כתב באפריל 2025: “זה עדיין מוקדם מדי, אין מספיק פונקציות סטנדרטיות, ולכל פרויקט נדרש פיתוח מותאם כדי שסוכן יוכל לפעול.”

גם החלטת החברה להחליף את החיפוש הטקסטואלי באתר התמיכה ב-Agentforce עוררה התנגדות, לאחר שמשתמשים דיווחו על חיפושים איטיים ופחות מדויקים. טום באסט (Tom Bassett), ארכיטקט פתרונות בכיר, אף יזם הצבעה להחזרת הפונקציה הישנה.

במישור הפיננסי, אנליסטים מ-D.A. Davidson הורידו באפריל את דירוג המניה ל-“Underperform”, בטענה שהחברה מתמקדת יותר מדי ב-Agentforce על חשבון הפלטפורמה המרכזית – והמניה ירדה ב-4.3%.

מחקר של GetGenerative.ai הוסיף לרשימת החולשות מגבלת 20 סוכנים לארגון, עלויות לא צפויות ותלות במערכת האקולוגית של Salesforce.

לסיכום, האימוץ איטי, הפידבק מסויג, והאתגר של Salesforce ברור – להפוך את Agentforce ממוצר מבטיח לכלי שמספק ערך מוכח ללקוחות קיימים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

זמינות ותוכניות עתידיות

Agentforce שמופעל על ידי אנטרופיק זמין כבר היום ללקוחות נבחרים, והאינטגרציה הדו-כיוונית בין Claude ל-Slack פעילה גם היא. הפתרונות החדשים לתעשיות מוסדרות והחיבור של Agentforce 360 עם Claude נמצאים בשלבי פיתוח מתקדמים, וצפויים להיחשף בחודשים הקרובים.

בתוך הארגונים עצמם השילוב כבר מתרחש – Salesforce פורסת את Claude Code בקרב צוותי ההנדסה הגלובליים שלה, ואנטרופיק משתמשת ב-Claude בתוך Slack לניהול שיחות פנימיות והדרכות מכירה.

דריו אמודיי (Dario Amodei), מנכ”ל ומייסד-שותף של Anthropic, אמר: “תעשיות מוסדרות צריכות יכולות AI מתקדמות, אבל גם את אמצעי ההגנה המתאימים. בנינו את Claude כדי לספק את שניהם.”

מארק בניוף (Marc Benioff), יו”ר ומנכ”ל Salesforce, הוסיף: “אנחנו משלבים את Salesforce בתוך Claude ואת האינטליגנציה של Claude בתוך Salesforce ו-Slack כדי לאפשר לחברות לעבוד בדרכים חדשות לגמרי.”

השותפות הזו מסמנת שלב חדש בשוק ה-AI הארגוני – ניסיון אמיתי לגשר בין מהירות החדשנות של מודלים גנרטיביים לבין הדרישות הקשיחות של עולם מוסדר ומפוקח. השאלה שנותרה פתוחה היא, האם השוק בשל לשלם את המחיר הפיננסי והמערכתי, עבור בינה מלאכותית מאובטחת באמת.

הפוסט אנטרופיק וסיילספורס מרחיבות שותפות ומכניסות את Claude לבנקים ולמוסדות בריאות הופיע ראשון בLet's AI בינה מלאכותית

מ-10 שבועות ל-10 דקות

Novo Nordisk, החברה הדנית שמאחורי Ozempic נתקלה באחת הבעיות הכואבות ביותר בתעשיית התרופות – תיעוד רגולטורי. דוח מחקר קליני ממוצע מגיע ליותר מ-300 עמודים, וכותב מקצועי מצליח להפיק רק שניים-שלושה כאלה בשנה. כל יום עיכוב בתהליך הזה שווה עד 15 מיליון דולר בהכנסות אבודות, ובעיקר, עוד יום שבו חולים ממתינים לטיפולים שיכולים להציל חיים.

כדי להתמודד, Novo Nordisk השוותה בין ספקי בינה מלאכותית ובחרה ב-Claude של Anthropic בזכות הדיוק בעיבוד נתונים קליניים. היא בנתה פלטפורמה ייעודית בשם NovoScribe, שמשלבת את Claude דרך Amazon Bedrock עם חיפוש סמנטי ותכנים מאושרים על ידי מומחים. התוצאה: מערכת שמפיקה דוחות ברמת איכות רגולטורית שמקבלת אישור חיובי שוב ושוב מהרגולטורים.

המספרים מדברים בעד עצמם – תיעוד שלקח למעלה מעשרה שבועות – נוצר כעת בעשר דקות בלבד. מחזורי בדיקה התקצרו בחצי, והאיכות דווקא השתפרה. אפילו פרוטוקולי אימות רפואיים שמעסיקים מחלקות שלמות מטופלים היום על ידי אדם אחד.

עם Claude Code, גם עובדים לא-טכניים מפתחים פיצ’רים חדשים בשעות במקום בשבועות. צוות הפיתוח הקטן של 11 אנשים הרחיב את היכולות הארגוניות משמעותית, בלי להוסיף כוח אדם. “בתעשייה מוסדרת מאוד, אנחנו לא יכולים פשוט לזרוק את הנתונים שלנו למודל שפה ולקוות למיטב,” אומר וואהיד ג’ווייה (Waheed Jowiya), מנהל אסטרטגיית הדיגיטציה של החברה. “העבודה עם Anthropic הראתה לנו איך עושים את זה נכון ובצורה מאובטחת.”

התאמה אישית בקנה מידה

Cox Automotive, החברה הגדולה בעולם לשירותים בתחום הרכב, גילתה איך בינה מלאכותית יכולה להפוך מערכת CRM שגרתית למנוע שיווקי חכם. החברה שילבה את Claude בשלוש הפלטפורמות המרכזיות שלה – VinSolutions CRM, Autotrader PSX ו-Dealer.com – ובחרה בו בזכות שלושה מדדים קריטיים: מהירות תגובה, עלות ודיוק.

במקום מודל אחד שמתאים לכולם, הם מפעילים שניים: Claude Sonnet למשימות מורכבות שדורשות הבנה עמוקה, ו-Claude Haiku לתרחישים עתירי נפח שבהם נדרשת תגובה כמעט מיידית. התוצאה נראית בשטח – תגובות לפניות צרכנים ותורים לנסיעות מבחן יותר מהוכפלו, ורשימות רכבים שנוצרו על ידי AI זוכות ל-80% משוב חיובי ממוכרים.

אם בעבר לקח שבועות להפיק תוכן לאתרי סוכנויות, היום זה קורה באותו יום. עד כה הפיקה הפלטפורמה למעלה מ-9,000 תוצרים שיווקיים ללקוחות ברחבי העולם. “Claude מדורג בעקביות בין המודלים המתקדמים ביותר,” אומר בן פלוסברג (Ben Flusberg), מנהל הנתונים הראשי ב-Cox Automotive. “עם כל עדכון הוא דוחף את החדשנות קדימה.”

פיתוח מאובטח ומהיר יותר

בחברת הסייבר הגדולה בעולם, Palo Alto Networks, גילו בעיה מוכרת – מפתחים השקיעו כשליש מזמנם בשלב הפיתוח הראשוני, בדיוק השלב שבו מתגלים הבאגים הקריטיים ביותר. מפתחים חדשים נדרשו לחודשים כדי להבין את הקוד-בייס העצום של החברה ולתרום באופן אפקטיבי. כדי לשבור את צוואר הבקבוק הזה, Palo Alto Networks חיפשה פתרון AI שיכול לשלב בין בטיחות קפדנית ליעילות הנדסית גלובלית.

לאחר השוואה בין ספקים, החברה בחרה ב-Claude דרך פלטפורמת Vertex AI של Google Cloud, בזכות ביצועי הקוד הגבוהים, תקני האבטחה והאינטגרציה החלקה עם מערכות הפיתוח. השפעת השינוי הייתה דרמטית – מהירות פיתוח הפיצ’רים עלתה ב- 30%-20%, וזמן ההכשרה של מפתחים חדשים התקצר מחודשים לשבועות.

כיום עובדים עם Claude כ-2,500 מפתחים, והמספר צפוי לעלות ל-3,500. גם מפתחים זוטרים ללא ניסיון קודם הצליחו לבצע אינטגרציות 70% מהר יותר הודות להכוונה של Claude.

בנוסף, Palo Alto Networks מובילה כעת מערכת AI חדשנית ל-CI/CD (תהליכי אינטגרציה ופריסה רציפה), שמבצעת אוטומציה חכמה: משפרת שמות משתנים, מוסיפה הערות ומייצרת בדיקות יחידה – הכול בזמן אמת. “Anthropic תעדפה בטיחות ואבטחה הרבה יותר מכל מודל אחר,” אומר גונג’ן פאטל (Gunjan Patel), מנהל ההנדסה של החברה. “הם מדברים על השלכות אבטחה בכל פגישה. כחברת הסייבר הגדולה בעולם, זה משמעותי במיוחד עבורנו.”

סוכנים אוטונומיים בפעולה

ארגונים כבר לא מסתפקים בעוזרי AI שמציעים תשובות, הם צריכים מערכות שחושבות, מנמקות ופועלות בעצמן. בדיוק לשם כך שילבה Salesforce את מודלי Claude כדי להפעיל את Agentforce Agents דרך Einstein 1 Studio (סטודיו לפיתוח בינה מלאכותית ארגונית).

התוצאה היא פלטפורמה שבה בינה מלאכותית יכולה לתכנן, להחליט ולבצע פעולות בשם עובדים ולקוחות, בלי תלות בהתערבות אנושית מתמדת. כל אינטראקציה עם Claude עוברת דרך שכבת ההגנה של Salesforce, הכוללת grounding דינמי (חיבור למידע מאומת בזמן אמת) וזיהוי טוקסיות (מנגנון שמגן על המשתמשים מתוכן מזיק, לא הולם או לא אתי שנוצר על ידי הבינה המלאכותית) דרך Einstein Trust Layer. כך נשמר שימוש אחראי ובטוח גם בתעשיות רגישות במיוחד.

לקוחות Salesforce כבר מפעילים סוכנים אוטונומיים שמתזמרים תהליכי עבודה שלמים מקצה לקצה – ניתוח נתוני לקוחות, זיהוי הזדמנויות עסקיות, ביצוע טרנזקציות ועדכון נתונים בין מערכות שונות, והכול באופן עצמאי.

זהו שינוי מהותי, ממודלים שמשמשים עוזרים, למודלים שהם שותפים אוטונומיים. מפתחים יכולים להתאים את הסוכנים לפי תחום – מכירות, שיווק או שירות לקוחות – ולבחור בכל שלב את גרסת Claude שמאזנת בין אינטליגנציה, מהירות ועלות לכל תהליך עבודה ספציפי.

מאנליטיקה לשיווק גלובלי

כש-IG Group, אחת מחברות המסחר המקוון הגדולות בעולם, בחנה ספקי בינה מלאכותית שונים, Claude בלט באופן עקבי, במיוחד במקרי השימוש המורכבים ביותר שלה.

צוות ה-Data & AI Transformation של החברה פרס את Claude באופן אסטרטגי – לאוטומציה של תהליכי עבודה אנליטיים מסובכים, לתמיכה במנהלי HR ביצירת משוב עקבי על ביצועים ברחבי העולם, ולהעצמת צוותי השיווק להפיק תוכן רב-לשוני תוך עמידה בתקנות רגולציה מחמירות.

התוצאות היו מעבר לציפיות. צוותי האנליטיקה חוסכים כיום כ-70 שעות עבודה בשבוע, זמן שהועבר לעבודה אסטרטגית בעלת ערך גבוה יותר. במקרים מסוימים, הפרודוקטיביות הוכפלה. בצד השיווקי, מהירות ההשקה השתפרה במאות אחוזים, תוך הפחתת התלות בסוכנויות חיצוניות. החברה הגיעה ל-ROI מלא בתוך שלושה חודשים בלבד.

“Anthropic היא חברת ה-AI היצרנית היחידה שסיפקה תוצאות בזמן – כל הזמן,” אומרת אולגה פירוג (Olga Pirog), ראש הטרנספורמציה הגלובלית של Data ו-AI ב-IG Group. “לארגון שמוביל שינוי עסקי, שותף אמין הוא נכס שאין לו תחליף.”

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

הטמעה יעילה של בינה מלאכותית בארגונים

כשמסתכלים על החברות שהצליחו באמת, מתברר שהן עושות כמה דברים אחרת.

ראשית, הן מתחילות מבעיה עסקית אמיתית. לא “AI בשביל ה-AI”, אלא טיפול בצווארי בקבוק מדידים – תהליכי עבודה ידניים, תיעוד שמאט השקות, או חניכה שיכולה להתקצר מחודשים לשבועות.

שנית, הן משקיעות באנשים לא פחות מבטכנולוגיה. תוכניות הכשרה ורשתות של “אלופי AI” עוזרות לעובדים לשלב את הכלים בעבודה היומיומית. כשהצוות מבין לא רק איך להשתמש במערכת אלא למה, האימוץ קורה מעצמו.

שלישית, הן מודדות את מה שבאמת חשוב. פרודוקטיביות, חיסכון בזמן, שיפור באיכות – כל נתון הופך להוכחת ROI שמדברת בשפה של ההנהלה, לא של ההייפ. גישה מבוססת מדידה שכזו מייצרת תוצאות מתמשכות ולא הדגמות חולפות.

ולבסוף, הן בונות לסקייל מהיום הראשון. אינטגרציה, אבטחה ואמון אינם תוספת, הם הבסיס. מי שרואה בינה מלאכותית כטרנספורמציה ארגונית ולא כניסוי טכנולוגי, מתקדם מהר יותר ומשיג תוצאות יציבות יותר.

חמש החברות האלה ועוד כאלה שלא הזכרנו כאן כבר מוכיחות את זה. הן מרחיבות את השימוש ב-Claude, בונות מערכות אג’נטיות שמעצבות מחדש תהליכי עבודה, ומראות מהי טרנספורמציית AI אמיתית. ולמי שעדיין מתלבט, השאלה כבר לא “האם להשתמש בבינה מלאכותית”, אלא ״איך להטמיע אותה נכון״. התשובה, כמו שהחברות האלה מוכיחות, מתחילה במדידה, ממשיכה באימון, ונגמרת בתוצאות שאי אפשר להתעלם מהן.

הפוסט ה-5% שכן הצליחו: כך נראית טרנספורמציית AI אמיתית עם Claude הופיע ראשון בLet's AI בינה מלאכותית

פרטי סבב המימון

את סבב הגיוס הובילה קרן ההשקעות Accel, בהשתתפות NVentures, זרוע ההשקעות של NVIDIA, לצד קרנות נוספות ובהן Meritech, Redpoint, Evantic Capital, Visionaries Club ו-T.Capital. גם משקיעים ותיקים כמו Sequoia Capital, Highland Europe, HV Capital ו-Felicis Ventures הצטרפו לסבב.

עם ההשקעה הנוכחית מגיע סך המימון שגייסה n8n ל-240 מיליון דולר. השתתפותה של NVIDIA מסמלת מגמה מעניינת בשוק – המעבר מהשקעות במודלים עצמם להשקעות בתשתיות שמאפשרות לנהל ולתאם ביניהם – מערכות ה”אורקסטרציה” (Orchestration) שמחברות את המודלים לחיי היום-יום של עסקים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

הטכנולוגיה והחזון של n8n

חברת n8n, שנוסדה ב-2019 על ידי יאן אוברהאוזר (Jan Oberhauser), מפתחת פלטפורמת אוטומציה (low-code) המיועדת לתיאום (orchestration) של סוכני בינה מלאכותית. הפלטפורמה מאפשרת לחבר בין סוכני AI, לנהל אותם ולשלב בקרה אנושית בתהליכים העסקיים, מה שמאפשר שילוב חלק בין אוטומציה לאחריות אנושית. 

החדשנות של החברה נובעת מהגישה האיזונית שלה לבעיית האוטונומיה של ה-AI. בשוק שנע בין שתי גישות קיצון – מערכות אוטונומיות לחלוטין שמספקות תוצאות מרשימות אך לעיתים בלתי צפויות, לעומת מערכות מבוססות חוקים קשיחים שדורשות מפתחים לכל שינוי – מציבה n8n אלטרנטיבה שיש בה שליטה וגמישות. המשתמשים בוחרים כמה אוטונומיה להעניק לסוכן, כמה לוגיקה לאכוף, ובעיקר, כיצד לשנות את האיזון הזה בהתאם לניסיון שנצבר בשטח.

המודל הזה הוביל לצמיחה מהירה – בתוך שנה רשמה n8n פי שישה גידול במספר המשתמשים ופי עשרה בהכנסות, והיא משרתת כיום למעלה מ-3,000 לקוחות ארגוניים, בהם Vodafone, SoftBank ו-Seat, לצד קהילה פעילה של כ-700 אלף מפתחים.

יתרון נוסף של הפלטפורמה הוא עצמאות טכנולוגית מלאה. היא אינה נשענת על ספק AI יחיד ומתחברת למודלים של OpenAI ,Anthropic ,Google ואחרים, מה שמעניק לארגונים חופש וגמישות תפעולית מבלי להיות כבולים לאקו-סיסטם מסוים.

המצב התחרותי בשוק

חברת n8n פועלת בזירה תחרותית במיוחד בעולם האוטומציות (Workflow Automation), תחום הנשלט כיום על ידי פלטפורמות מוכרות כמו Zapier ו-Make (לשעבר Integromat) בעיקר. יחד עם זאת, בעוד רבות מהמתחרות מתמקדות באוטומציות פשוטות בין אפליקציות, n8n מכוונת גבוה יותר, אל אורקסטרציה חכמה של סוכני AI, תחום שנמצא רק בתחילת דרכו.

לפי תחזיות עדכניות, השוק הגלובלי לאוטומציות צפוי לצמוח מ-29.9 מיליארד דולר ב-2025 ל-87.7 מיליארד דולר עד 2032, בקצב שנתי ממוצע של כ-16.6%. תחום המשנה של אוטומציה מונעת AI מוערך בכ-18.4 מיליארד דולר עד 2025, מה שמעיד על ביקוש הולך וגובר לפתרונות גמישים ומשולבים.

היתרון של n8n טמון ביכולות טכניות שאינן מובנות מאליהן בשוק:

• שליטה טכנית מתקדמת, עם אפשרות לשלב קוד מותאם אישית במידת הצורך.

• אפשרות לאירוח עצמי (Self-hosted), התקנה על שרתים של הלקוח, המעניקה לארגונים שליטה מלאה על הנתונים והאבטחה.

• מודל תמחור גמיש המתאים במיוחד לנפחים גבוהים.

• אינטגרציה הדוקה עם טכנולוגיות AI מתקדמות.

השילוב הזה מאפשר לה לפנות לקהל מעט שונה מזה של המתחרות – ארגונים שמחפשים שליטה וסקייל, לא רק חיסכון בזמן.

השוק והמגמות העתידיות

השתתפותה של NVIDIA בסבב ההשקעה אינה רק מהלך פיננסי, אלא ביטוי למגמה רחבה יותר בשוק. המעבר מהשקעות במודלים ובמודולי עיבוד נתונים להשקעות בתשתיות שמאפשרות להפעיל את אותם מודלים בצורה יעילה, מאובטחת ונשלטת. בשנת 2024 השקיעה NVIDIA למעלה ממיליארד דולר בסטארט-אפים בתחום ה-AI, וההשקעה ב-n8n ממקמת אותה בלב תחום הצומח של אורקסטרציה ושותפות בין אדם למכונה.

המימון מגיע בעידן שבו כ-49% ממנהלי הטכנולוגיה מדווחים כי בינה מלאכותית כבר משולבת באסטרטגיית הליבה של הארגון, וכ-67% מהמנכ”לים סבורים שהרווחיות הנובעת מאוטומציה כה משמעותית, עד שהם מוכנים לקחת סיכונים גבוהים כדי לשמור על יתרון תחרותי. הצירוף הזה של בשלות טכנולוגית וביקוש עסקי יוצר מצע מושלם עבור חברות כמו n8n.

עם ההון החדש בכיס, החברה מתכננת להאיץ את מפת הדרכים שלה, להרחיב אינטגרציות עם מודלי AI מובילים, ולפתח ממשקים שיתאימו לסוגים שונים של צוותים – ממתחילים ועד ארגוני אנטרפרייז בקנה מידה גדול.

החזון של n8n חד וברור: להפוך ל-“אקסל של עידן ה-AI” – הפלטפורמה שכל מי שבונה, מנהל או מפעיל מערכות חכמות חייב לדעת להשתמש בה. כפי שאומר המייסד יאן אוברהאוזר: “האנשים הראשונים שידעו להשתמש באקסל היו ייחודיים, היום זו דרישת בסיס. אותו הדבר יקרה עם AI.”

הפוסט n8n מגייסת 180 מיליון דולר בהובלת NVIDIA הופיע ראשון בLet's AI בינה מלאכותית

המספרים מספרים את הסיפור

שוק ה-AI הארגוני עובר שינוי מהותי. Anthropic, שנחשבה ב-2023 לשחקנית משנית, מצמצמת במהירות את הפער מ-OpenAI ובמגזרים מסוימים, כמו פיננסים ובריאות, כבר זוכה להעדפה. לפי ניתוח של קרן ההון סיכון Menlo Ventures מיולי 2025, Anthropic מחזיקה כיום בכ-32% משוק ה-LLM הארגוני, כשהמתחרות העיקריות שלה – OpenAI, Google ו-Meta – מחזיקות בכ-25%, 20% ו-9% בהתאמה, מהפך של ממש לעומת 2023, אז OpenAI החזיקה בכ-50% ו-Anthropic רק ב-12%.

בתחום הפיתוח הפער בולט אפילו יותר – Claude מחזיק בכ-42% משוק ה-AI לפיתוח קוד, כמעט פי שניים ממודל GPT. מפתחים מציינים כי לצד ביצועים טכניים גבוהים, Claude מציע חלון הקשר רחב במיוחד לעיבוד קבצי קוד ומסמכים ארוכים במקביל, וכן רמת אמינות גבוהה ושיעור נמוך של “הזיות” (hallucinations) בהשוואה למודלים אחרים בקטגוריה. כל התכונות האלה הפכו אותו לכלי מועדף בפרויקטים רגישים ובמערכות קריטיות.

הנה תרשים שמדגים את נתחי השוק המעודכנים של ספקיות LLM בשוק הארגוני ובתחום הפיתוח:

Source: Menlo Ventures – The New Map of Enterprise AI

המגמות הללו מסבירות למה דווקא IBM בחרה לשתף פעולה עם Anthropic – השוק הארגוני נוטה בבירור לכיוון Claude, ומבין כל המודלים בשוק הוא נתפס כיום כמתאים ביותר לצרכים של לקוחות אנטרפרייז.

מה כולל השילוב?

עבור IBM, שילוב Claude הוא צעד אסטרטגי שנועד להציב את watsonx כמתחרה ישירה ל-OpenAI בשוק הפיתוח הארגוני. בשלב הראשון ישולב Claude ב-watsonx Code Assistant for Enterprise, הזמין כעת בגרסת Preview. בהמשך מתוכננת הרחבה הדרגתית לשירותים נוספים מתוך חבילת watsonx, אך טרם פורסם לוח זמנים רשמי. בפיילוט פנימי עם כ-6,000 עובדי IBM דווח על שיפור ממוצע של 45% בפרודוקטיביות.

שתי החברות הציגו מדריך המבוסס על Model Context Protocol (MCP) – סטנדרט פתוח שפותח ב-Anthropic ואומץ ב-2025 על ידי חברות נוספות, במטרה לאפשר אינטגרציה בטוחה ופתוחה בין מודלי שפה למערכות ארגוניות. אף שפרטי ההסכם לא פורסמו, המהלך ממקם את IBM ו-Anthropic במרכז המאמץ לעיצוב סטנדרטים חדשים ל-AI ארגוני, תחום שצפוי להפוך לאחד הקריטיים בעולם העסקי.

למה ארגונים מעדיפים את Claude?

בעולם הארגוני, מהירות כבר אינה הערך העליון, אלא אמינות, ציות רגולטורי ויכולת שליטה. כאן בדיוק נכנס Claude – מודל חזק אך צפוי, שנבנה מראש סביב עקרונות בטיחות ושקיפות.

Claude עומד בתקני פרטיות מחמירים כמו GDPR ו־HIPAA, ולכן הפך לבחירה טבעית של בנקים, חברות ביטוח וגופים רפואיים. שיתוף הפעולה עם IBM מעניק לו יתרון נוסף – התאמה למערכות Legacy ו-Mainframe ותיקות, שמאפשרת שילוב AI גם בארגונים שלא יכולים להרשות לעצמם להחליף תשתיות.

ארגונים מדווחים גם על ירידה בשיעור ה”הזיות” ועל רמת דיוק גבוהה במיוחד במשימות קריטיות כמו ניתוח חוזים, תיעוד טכני וכתיבת קוד. במילים פשוטות, Claude לא מנסה להיות המודל הכי יצירתי, אלא הכי צפוי, הכי בטוח והכי אמין.

AI לעובדים מול AI לארגונים

השותפות בין IBM ל-Anthropic מסמלת שינוי עמוק בסדרי העדיפויות של העולם הארגוני. אחרי שנים שבהן מהירות וחדשנות היו הערכים המובילים, היום ארגונים שמים דגש על דיוק, בקרה וציות רגולטורי. Anthropic ביססה לעצמה מוניטין של ספקית אמינה, בעוד OpenAI ממשיכה להוביל בצד הצרכני והיצירתי של השוק.

המציאות כבר איננה שאלה של “מי הכי טוב”, אלא של “מה מתאים למי”. Claude נבנה עבור מוסדות פיננסיים, חברות ביטוח ופרויקטי קוד מורכבים, מקומות שבהם טעות אחת עלולה לעלות מיליונים. ChatGPT, לעומת זאת, נשאר הכלי המועדף על עובדים וצוותים קטנים למשימות מהירות כמו כתיבה, סיעור מוחות ואוטומציה פשוטה.

כך הולכת ונוצרת הבחנה ברורה בין שני עולמות: AI צרכני, שהוא מהיר, גמיש ונגיש לכל אחד, ו-AI ארגוני שהוא יותר מדויק, מבוקר ומוגן בשכבות אבטחה וציות. IBM ו-Anthropic מהמרות על העולם השני, זה שבו אמינות גוברת על מהירות, ורגולציה על יצירתיות.

הפוסט מודל השפה Claude של Anthropic ישולב במוצרי IBM הופיע ראשון בLet's AI בינה מלאכותית

פרטי העסקה 

לפי דיווחים ב-Bloomberg וב-The Information, העסקה בין אנבידיה ל-xAI מוערכת בכ-20 מיליארד דולר וכוללת השקעה ישירה של כ-2 מיליארד דולר מצד אנבידיה, כחלק ממבנה מימון רחב יותר. העסקה עצמה מחולקת לשני רכיבים מרכזיים:

• 7.5 מיליארד דולר בהון עצמי, שיזרמו לפעילות החברה ולהתרחבותה.

• 12.5 מיליארד דולר בחוב, שיוקצו לרכישת מעבדי GPU מתקדמים מבית אנבידיה.

לצורך המהלך, הוקמה קרן ייעודית (SPV – Special Purpose Vehicle) שתשמש כבעלים החוקיים של המעבדים ותשכיר אותם ל־xAI לתקופה של חמש שנים. בכך המשקיעים מקבלים ביטחונות מוחשיים כאשר החוב מגובה בציוד עצמו, ולא תלוי ישירות בביצועי החברה.

מדובר במבנה מימון חכם ובלתי שגרתי שבו מאסק זוכה בכוח מחשוב חסר תקדים מבלי לשלם עליו במלואו מראש, ואילו אנבידיה מבטיחה שההשקעה שלה תישאר מוגנת גם במקרה של קשיים תזרימיים. על פי חלק מהדיווחים, אנבידיה עשויה להשקיע את חלקה במסגרת רכיב ההון העצמי, מה שמעמיק עוד יותר את השותפות האסטרטגית בין שתי החברות.

הרקע לחוסר הנזילות של xAI

לפי הערכות שוק עדכניות, xAI שורפת כמעט מיליארד דולר בחודש – קצב שממחיש את עוצמת המרוץ הטכנולוגי שבו היא נמצאת. מרבית ההוצאות מופנות לפיתוח מודלי בינה מלאכותית מתקדמים ותשתיות מחשוב עצומות. התחזיות לשנה הנוכחית מצביעות על הוצאות של כ-13 מיליארד דולר מול הכנסות של כחצי מיליארד בלבד.

החברה השלימה מאז 2024 גיוסים בהיקף מצטבר של כ-10 מיליארד דולר בהון וחוב, אך לפי הערכות שוק נותרו לה עד מרץ האחרון כ-4 מיליארד דולר מזומן בלבד. מאסק, שמנהל במקביל את SpaceX ו-Tesla, בוחן אפשרות לשלב את החברות במימון נוסף ל-xAI, ובעלי המניות של טסלה צפויים להכריע בהמשך השנה האם לאשר השקעה כזו.

מאחורי המספרים מסתתרת תמונה ברורה: xAI פועלת בקצב שריפת מזומנים שמזכיר את ימי הבועה של האינטרנט – הימור שמבוסס על אמונה שהיתרון בגודל החישוב יצדיק בעתיד את המחיר היום.

פרויקט Colossus 2

מרבית כספי העסקה יופנו להקמת פרויקט Colossus 2 בממפיס, טנסי – מרכז נתונים שצפוי להיות הגדול בעולם, עם יכולת אספקת חשמל של 1.1 גיגה-וואט. מדובר בעוצמת אנרגיה שמספיקה להפעיל עיר בינונית בארצות הברית.

הפרויקט יכלול כ-300 אלף מעבדי GPU, אם כי לפי דיווחים מסוימים המספר עשוי להגיע עד 550 אלף יחידות, רובם מדגם Blackwell החדש של אנבידיה, בהשקעה של לפחות 18 מיליארד דולר רק על החומרה. מדובר בקפיצת מדרגה טכנולוגית אדירה, שתאפשר ל-xAI לאמן מודלי בינה מלאכותית בקנה מידה שלא נוסה מעולם מחוץ לענקי הענן דוגמת גוגל ומיקרוסופט.

Colossus 2 נבנה כהמשך ישיר ל-Colossus 1, שהוקם תוך 122 יום בלבד והפך כבר למרכז החישוב הגדול בעולם לאימון בינה מלאכותית. המהירות שבה xAI מקימה תשתיות חישוב בהיקפים כאלה מעידה על שאפתנות חסרת תקדים – אבל גם על לחץ תזרימי הולך וגובר, שמעורר שאלות על הקיימות של הקצב הזה לאורך זמן.

האסטרטגיה המעגלית של אנבידיה

העסקה עם xAI משקפת היטב את האסטרטגיה ה”מעגלית” שאנבידיה מיישמת בשנים האחרונות – להשקיע ישירות בלקוחות שלה כדי להבטיח שהם ירכשו ממנה עוד כוח מחשוב. במקום לשמש רק כספקית שבבים, אנבידיה פועלת כמעין מנוע צמיחה של כל תעשיית ה-AI.

קולט קרס (Colette Kress), סמנכ”לית הכספים של החברה, אמרה בספטמבר האחרון כי אנבידיה “מעדיפה להשתמש במזומנים שלה כדי להאיץ את אימוץ הבינה המלאכותית בתעשייה, ולא רק להחזיר הון לבעלי המניות”. במילים אחרות, החברה לא מסתפקת במכירת חומרה – היא בונה מערכת אקולוגית סגורה שבה כל דולר שהיא משקיעה חוזר אליה דרך ביקוש גובר למעבדים ולשירותים הנלווים.

זו גישה חדשנית ואמיצה – היא מאפשרת לאנבידיה להעמיק את השליטה שלה בשוק, אך במקביל חושפת אותה לתלות גוברת בהצלחת הלקוחות שהיא מממנת בעצמה.

תגובת השוק

לאחר פרסום הדיווחים על העסקה, מניית אנבידיה רשמה עלייה חדה, שהפסיקה רצף של שלושה ימי ירידות. אנליסטים ב-Bank of America תיארו את המהלך כ”צעד מתוחכם שמחזק את שליטתה של אנבידיה במערכת האקולוגית של הבינה המלאכותית”, והדגישו כי החברה ממשיכה למצב את עצמה כליבה הפיננסית והטכנולוגית של התחום.

העסקה משתלבת בתוך גל מימון אדיר שמציף את תעשיית הבינה המלאכותית. לפי נתוני שוק, חברות טכנולוגיה גייסו השנה כ-157 מיליארד דולר באגרות חוב בארצות הברית – עלייה של 70% לעומת השנה הקודמת. המספרים הללו משקפים את האמון של השווקים בכך שהבינה המלאכותית תהפוך לאבן היסוד של הכלכלה הדיגיטלית בעשור הקרוב.

על הרקע הזה, גם OpenAI, שמוערכת בכ-500 מיליארד דולר, ו-Anthropic, שגייסה 13 מיליארד בהערכת שווי של 183 מיליארד דולר, מייצגות את אותה תופעה – מרוץ חימוש טכנולוגי שממומן כמעט כולו בכסף זול ובאמונה עמוקה בעתיד המודלים הגדולים.

האתגרים הסביבתיים

בעוד ש-xAI מתכננת להקים את אחד ממרכזי החישוב הגדולים בעולם, בממפיס עצמה גוברת ביקורת חריפה מצד גורמים סביבתיים. שני מתקני Colossus יחד צפויים לצרוך יותר אנרגיה מכל משקי הבית בעיר, ולדרוש כמויות מים אדירות לקירור המעבדים. כדי לעמוד בדרישות אלה, החברה בונה תחנת כוח ייעודית במיסיסיפי ומתקן מיחזור מים בהיקף של כ-80 מיליון דולר.

עם זאת, ארגוני סביבה טוענים כי xAI מפעילה טורבינות גז מתאן עוד לפני שקיבלה את כל ההיתרים הנדרשים. החברה טרם התייחסה פומבית לטענות, והנושא צפוי לעורר דיון ציבורי נרחב על המחיר האנרגטי של מהפכת הבינה המלאכותית.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

בין הימור מחושב להזדמנות היסטורית

על פי הערכות, xAI צופה להגיע לרווחיות עד 2027 – יעד שאפתני בהרבה מזה של OpenAI, שמתכננת תזרים מזומנים חיובי רק ב-2029. מאסק רואה בבינה המלאכותית את הלב של עתיד האימפריה שלו, החל ממכוניות חכמות וכלה ברובוטים עצמאיים. מודל Grok של החברה נועד להתחרות ישירות ב-ChatGPT, ומסמן את שאיפתו של מאסק להחזיר לעצמו את מרכז הזירה הטכנולוגית.

אך מאחורי המספרים האדירים מסתתרת שאלה אחת מהותית: האם אנבידיה רוכשת לעצמה יתרון אסטרטגי ארוך טווח, או נחשפת לסיכון עצום אם חזונו של מאסק יתמוסס? כך או כך, העסקה הזו איננה רק מהלך פיננסי. היא הצהרת אמונה רבת־עוצמה, שהבינה המלאכותית לא רק תשנה את העולם, אלא גם תגדיר מחדש מי יהיו השחקנים השולטים בו.

הפוסט עסקת ענק של אנבידיה ו-xAI עם השקעה של 20 מיליארד דולר במחשוב בינה מלאכותית הופיע ראשון בLet's AI בינה מלאכותית

האלגוריתם כמגייס הראשי

בעבר, מגייסים אנושיים היו קוראים בעצמם את קורות החיים, מדפדפים, מסמנים ומתקשרים. כיום, ברוב החברות הגדולות, התהליך מתווך על ידי מערכות ניהול מועמדים (ATS – Applicant Tracking Systems). מערכות אלו סורקות את המסמכים, מחפשות מילות מפתח מסוימות, מזהות פורמטים ונתונים, ומדרגות מועמדים על פי רלוונטיות. דווקא כאן מתגלה פרדוקס מעניין: קובץ PDF מעוצב מדי עלול להיתקע במערכת, בעוד שקובץ Word פשוט יעבור קריאה חלקה ויעילה יותר. מה שנראה פחות מרשים בעין אנושית – עשוי להתקבל טוב יותר בעיני האלגוריתם.

אי אפשר להמשיך עם הכלים של פעם

כאמור, היום זה כבר לא סוד שאלגוריתמים מנהלים את הגיוס, ושכללי המשחק השתנו לחלוטין! מועמד שממשיך להציג את עצמו באותה צורה כמו בסוף שנות ה־90 – פשוט לא ייראה. מי שלא מבין כיצד המערכת מזהה מילות מפתח, מה היא מחשיבה כנתון חשוב, ואיך היא מדרגת מועמדים – עלול להיעלם עוד לפני שיזכה למבט אנושי.

עם זאת, אותם כלים חכמים יכולים להפוך גם לכלי יצירתי. בינה מלאכותית מאפשרת מועמדים לבטא את עצמם באופן מדויק, מקצועי ואפילו אישי יותר – בין אם בקורות החיים, בפרופיל הלינקדאין או במיתוג הדיגיטלי. חשוב לזכור שגם כאן אין כלל אחד שמתאים לכולם: במדינות מסוימות מקובל להוסיף תמונה לרזומה, בעוד שבאחרות הדבר עלול לפגוע בסיכויי הקבלה. התאמה תרבותית היא חלק בלתי נפרד מהאסטרטגיה.

מיתוג אישי בעידן האלגוריתמים

מיתוג אישי בעידן ה־AI איננו מותרות – אלא תנאי הכרחי למעבר בשערי הסינון האוטומטיים. מי שלא משקיע במיתוגו, פשוט לא ייראה.

תמונה מקצועית: אין חובה לשכור צלם. כלים כמו Ideogram Character, Remini, ו-HeadshotPro מאפשרים ליצור תמונת פרופיל איכותית, נקייה ומותאמת לפלטפורמות המקצועיות.

כותרת חכמה: שימוש בכותרת רלוונטית הכוללת מילות מפתח יכול להעלות משמעותית את הסיכוי לעבור את הסינון. לדוגמה:

• “מהנדס תוכנה Full-Stack עם התמחות ב-Machine Learning ו-Cloud Systems”,
• “Data Analyst עם ניסיון ב-Python, SQL ו-Predictive Analytics”,
• “יועץ שיווק דיגיטלי עם התמחות בקמפיינים מבוססי Generative AI ו-SEO”.

כתיבת קורות חיים בעזרת AI: כלים חכמים יכולים להציע ניסוחים מדויקים, לחדד מיקוד ולהתאים את המסמך למשרה הרצויה. עם זאת, חשוב לערוך ידנית ולוודא שהמסמך מייצג נאמנה את האדם שמאחוריו.

תוכן פעיל: נוכחות דיגיטלית עקבית, הכוללת פוסטים, מאמרים ותגובות שנכתבים או נערכים בעזרת GPT, מחזקת את הנראות וממקמת אתכם כקול סמכותי בתחום.

Agent Mode וה-Gold System

היום כל משרה גלויה זוכה לאלפי פניות תוך ימים ספורים, מועמדות פסיבית כבר איננה מספיקה. כאן נכנס לתמונה Agent Mode של ChatGPT: מצב עבודה שבו ה-AI מתפקד כעוזר אישי מאחורי הקלעים.

ב-Agent Mode, הבינה המלאכותית עובדת במקומכם, בזמן שאתם שותים קפה, או פשוט עושים משהו אחר. הסוכן יודע לסרוק מודעות ומשרות חדשות בזמן אמת, לנתח מגמות שוק ולזהות תחומים חמים, לאתר איתותים מוקדמים לגיוסים עתידיים (כמו גיוסי הון, פתיחת צוותים חדשים או שינויים בהנהלה), ועוד הרבה מעבר. למעשה – השמיים הם הגבול!

השיטה הזו משתלבת היטב במודל ה־Bronze / Silver / Gold:

• Bronze – Visible Jobs: משרות פומביות. כאן התחרות עזה, והזמן להגיב קצר.
• Silver – Semi-Visible Jobs: משרות שמופצות דרך מגייסים, קבוצות מקצועיות או רשתות קשרים – עוד לפני שהן מתפרסמות רשמית.
• Gold – Hidden Gold: המשרות הנסתרות. ההזדמנויות שמופיעות תחילה כ”רעש” שוק עדין – שינוי קל במדיניות, תגובה לאירוע, או רמז בפוסט של מנהל בכיר. כאן Agent Mode מתפקד כרדאר אמיתי, מזהה תבניות ודפוסים לפני שהשוק מזהה אותם.

התוצאה היא מעבר מחיפוש עבודה פסיבי למערכת חכמה שפועלת בשבילכם – משלבת ניתוח דאטה, הבנת מגמות וקשרים אנושיים כדי לזהות את ההזדמנות הבאה בזמן הנכון.

להבין את ההבדלים – וגם את המשותף

למרות השוני בין מערכות, מרבית האלגוריתמים מבוססים על אותו עיקרון: סריקת טקסט, חיפוש מילות מפתח והשוואה לדרישות המשרה. אולם האופן שבו הם מיישמים זאת משתנה בין מדינות, תעשיות ואף חברות.

באירופה, למשל, מקובל להוסיף תמונה לרזומה. בארצות הברית – זו נחשבת טעות. בתעשיות היצירתיות מוערכים עיצובים מקוריים, בעוד שבעולמות הפיננסיים יעדיפו מבנה אחיד ופורמלי. לכן, לפני שליחת קורות החיים, כדאי לבדוק איזו מערכת ATS פועלת בתחום שלכם – ולהתאים אליה את המסמך.

AI הוא כלי – לא תחליף למחשבה אנושית

למרות יכולות הניתוח, הניסוח והאוטומציה המרשימות שלו, ה־AI אינו תחליף לשיקול דעת אנושי. הוא יודע לעבד מידע, אך לא להבין הקשר אישי.

כדי להשתמש בו נכון, הנה כמה דברים שכדאי לכם לשים אליהם לב:

• בדקו את התוצרים בעצמכם. אל תסמכו על נוסח אוטומטי בלבד.

• שמרו על פרטיות. אל תחשפו מידע אישי רגיש.

• השתמשו ב־AI כשלב מקדים. תנו לו ליצור טיוטה, אך הקפידו על בקרה אנושית.

• צרו פרויקטים בטוחים. תיקי עבודות אנונימיים או סימולציות מקצועיות יכולים להציג יכולת מבלי לחשוף פרטים פרטיים.

בסופו של דבר, ה-AI הוא זכוכית מגדלת – אבל המצפן נשאר אנושי.

כשהעבודה מוצאת אותך

שוק העבודה של ימינו דורש הרבה יותר מתגובה למודעות. הוא דורש בנייה של מערכת חכמה שפועלת למענכם. בעולם שבו האלגוריתמים הם השערים דרכם עוברים מועמדים, השאלה איננה רק איך לכתוב קורות חיים טובים יותר, אלא איך לגרום לאלגוריתם להבחין בכם.

העובד המודרני הוא מי שמבין את השפה של המכונה – ויודע לדבר בה מבלי לאבד את האנושיות. ברגע שה־AI הופך משער חוסם לשותף תומך, חיפוש העבודה משנה כיוון: לא אתם רודפים אחרי העבודה, אלא העבודה מתחילה לרדוף אחריכם.

הפוסט אסטרטגיות חיפוש עבודה בעידן ה-AI הופיע ראשון בLet's AI בינה מלאכותית

מה זה בעצם “AI Slop”?

המונח “AI Slop” מתאר את התוכן הנמוך, הממוחזר והמג’ונרט, שמציף את הרשת: מאמרים חסרי נשמה, סרטונים חסרי ערך, מוזיקה שנשמעת מוכרת מדי, ספרים מג’ונרטים שנכתבים על-ידי בוטים בהמוניהם, ואפילו חדשות שנכתבות ללא עיתונאי אמיתי מאחוריהן. זוהי למעשה שכבה עצומה של מידע סינתטי שנוצרת באמצעות כלים של בינה מלאכותית גנרטיבית (Generative AI) – אותם מנגנונים שיודעים “להמציא” טקסט, תמונה, צליל או וידאו חדשים על בסיס דוגמאות קיימות. חשוב לציין – אנחנו לא מדברים על תכנים שנוצרו בסיוע של AI בתהליך היצירה שלהם, אלא על תכנים שנוצרים בצורה אוטומאטית לגמרי, לרוב כמעט ללא מעורבות יד אדם. תכנים שמועברים באמצעות אוטומציות ליוטיוב, ספוטיפיי, לינקדאין ועוד. 

מסתבר שהבינה היוצרת (Gen AI), יוצרת קצת יותר מדי! מחקרים חדשים מראים שבאזורים מסוימים של האינטרנט, אחוז התוכן שנוצר על ידי מכונות כבר חוצה את הסף המדאיג: מחקר שפורסם ב-2025 מצא כי כ-40% מהפוסטים החדשים ב-Quora וב-Medium הם ככל הנראה תוצר של AI. מדובר בקפיצה של עשרות אחוזים בתוך שנתיים בלבד – והכיוון ברור.

חצי מהאינטרנט הוא לא אנושי

אם נדמה היה שהרשת עמוסה בפרסומות ובספאם עוד לפני עידן ה-AI, הרי שכיום רוב מה שאנחנו רואים, קוראים ומקשיבים לו כבר לא נכתב על ידי בני אדם. לפי דו”ח Imperva לשנת 2025, כמחצית מהטראפיק ברשת כולה מופק על-ידי בוטים, וחלק גדול מהם משמשים למטרות הרסניות כמו גניבת מידע, מניפולציות על חשבונות ויצירת תעבורה מזויפת.

התוצאה: מציאות שבה קשה לדעת מי עומד מאחורי כל קליק או תגובה – אדם אמיתי, או מכונה שתוכנתה לחקות אחד כזה? התמונה הזו מקבלת מימד נוסף כשנזכרים שהבוטים עצמם משתמשים באלגוריתמים מבוססי AI כדי להיראות “אנושיים” יותר.

פייק ניוז על סטרואידים!

יצירת תוכן הייתה בעבר ביטוי ליצירתיות אנושית – כתיבה, ציור, מוזיקה או צילום דרשו השקעה, מחשבה וידע. היום, כל אחד יכול לייצר “ספר” בלחיצת כפתור. מחקר של Originality.AI משנת 2024 מצא שיותר ממחצית מהפוסטים הארוכים ב-LinkedIn כבר נוצרו על ידי AI. וזה היה שנה שעברה – המצב היום חמור הרבה יותר!

באמזון, תופעת הספרים המזויפים (כאלה שנכתבו על ידי AI ומתחזים לכותבים אמיתיים) הפכה לאיום ממשי על סופרים בשר ודם. החברה נאלצה להגביל את מספר הספרים שניתן לפרסם ביום לשלושה בלבד. אפילו העיתונות המקוונת סובלת: אתרי חדשות שמופעלים כמעט לגמרי על ידי תוכנות כתיבה אוטומטיות כבר הפכו למציאות קיימת. לפי דו”ח של NewsGuard משנת 2025, קיימים כיום מעל 1,200 אתרי חדשות מזויפים שמופעלים בידי AI, ומפיצים מידע שקרי בשפות רבות ברחבי העולם. וכשרשתות תעמולה שכאלה מופעלים על ידי משטרים מפוקפקים (כן פוטין… אני מסתכל עליך), התוצאה יכולה להיות הרסנית – הנדסת תודעה בקנה מידה נרחב! אם זה מעניין אתכם, כתבנו מאמר שלם בנושא רשתות דיסאינפורמציה פרו-קרמליניות, מבוססות AI. כשמשלבים את זה עם LLM Grooming, אותם תכני AI מוצאים את דרכם למאגרי האימון של מודלי השפה, שממשיכים להדהד את המסרים השקריים. 

למה התכנים הללו כל כך משכנעים? חלק מהבעיה טמון באשליה. תוכן שנוצר על ידי בינה מלאכותית נראה חכם, מדויק ומשכנע. למה? בעיקר כי הוא מאוד “בטוח בעצמו”. הוא כותב בשפה סמכותית, משלב עובדות אמיתיות עם עובדות אחרות שהוא בדה ממוחו הקודח, וכל זה משאיר רושם של אמינות.

מוזיקה סינתטית וספוטיפיי מוצף בזיופים

הבעיה אינה מוגבלת לטקסט בלבד. גם עולם המוזיקה עובר שינוי דרמטי. להקות שמעולם לא היו קיימות מצליחות להגיע למיליוני האזנות, ורק לאחר מכן מתגלה שהן נוצרו לחלוטין באמצעות בינה מלאכותית – מהמילים ועד לתמונת היח”צ. עם כלים כמו Suno ו-Udio כל כך קל לייצר היום מוזיקה מג’ונרטת. וכן – זה נשמע טוב! דוגמה בולטת היא הלהקה Velvet Sundown, שכבשה את Spotify עם למעלה ממיליון האזנות לפני שהתברר שמדובר בפרויקט מלאכותי.

מיליוני צפיות: the Velvet Sundown בספוטיפיי.

טכנולוגיות GenAI מאפשרות היום אפילו להחזיר אמנים מן המתים – כך עפרה חזה וזוהר ארגוב חזרו לדואט מרגש ביום העצמאות 2023, שנים לאחר מותם.

אמנם במקרה הזה לא מדובר ב-AI Slop, אלא בתוכן שהופק בקפידה, ונעשה בשיתוף עם משפחותיהם של זמרי-העל הישראליים, אבל הוא ממחיש את הקלות הבלתי נסבלת שבה תוכן סינטטי “עובר” כאמיתי. כל הסיפור הזה מציף שאלות פילוסופיות – האם זה מוסרי? האם מותר להשתמש בקולו של אדם לאחר מותו? וגם אם הכל 100% AI – מה זה בעצם אומר ש”התאהבתי” בשיר AI? האם תוצרי AI יכולים להתחרות בתוצרים של אמנים אנושיים? או שאולי אנחנו צריכים לשאול שאלה הפוכה – האם ליוצרים אנושיים יהיה את הכוח, המשאבים ואורך הרוח להתחרות בתוצרי AI שרק ילכו ויהפכו ליותר ויותר איכותיים, קליטים ומהפנטים?

הבעיה חמורה עוד יותר כשמוזיקה כזו משמשת להונאות תמלוגים. אמנים מזויפים מעלים אלפי שירים לאותן פלטפורמות, ומפעילים בוטים שמנגנים אותם שוב ושוב. מדובר בתעשייה של מאות מיליוני דולרים שמחסלת בפועל את ההכנסות של מוזיקאים אמיתיים ומייצרת בעיות אמיתיות לשירותי הסטרימינג.

גוגל כבר לא מפנה לאתרים

עד לא מזמן, האינטרנט פעל על עיקרון פשוט: אתרים מייצרים תוכן, גולשים מוצאים אותו דרך גוגל, וגוגל מחלקת את התנועה בהתאם לרלוונטיות. אך מאז השקת מנגנון “AI Overview” של גוגל, המערכת מסכמת בעצמה את המידע ומציגה את התשובה ישירות בדף החיפוש. לכאורה מדובר בנוחות מרבית, אך בפועל, אתרי תוכן מאבדים תנועה והכנסות. לפי מחקר של Bain & Company, כ-80% מהמשתמשים צורכים כעת תוצאות “אפס קליקים” (Zero Clicks) – כלומר, הם מקבלים תשובה מה-AI ואינם מבקרים עוד באתרי המקור. המשמעות הכלכלית ברורה: פחות חשיפה, פחות פרסום, ופחות תוכן איכותי שנוצר בידי אנשים. להרחבה, קראו את המאמר שכתבתנו בנושא זה.

בתמונה: דו”ח של Similarweb שמראה את הירידה בהפניות האורגניות בגוגל (גולש שהקליק על כתבה והועבר לאתר חיצוני), אל מול העלייה בזירו קליקס (גולש ששאל שאלה בגוגל, וקיבל מיד תקציר AI, מבלי להמשיך לאתר חיצוני).

Credit: Similarweb

כשהמוצר חינם – התוכן שלכם הוא המוצר!

כדי לייצר תוכן חדש, מערכות AI צריכות קודם “ללמוד” מתוכן קיים – וזהו לב הבעיה. החברות שמאחורי המודלים משתמשות באינספור טקסטים, תמונות וקטעי וידאו שפורסמו על ידי יוצרים אמיתיים, לרוב בלי ידיעתם או רשותם. ב-2025 נחשף כי Reddit מכרה את מאגר התגובות שלה לגוגל ול-OpenAI תמורת עשרות מיליוני דולרים בשנה. גם YouTube אושר כמאגר אימון עבור מודל הווידאו של גוגל, Veo3. במקביל, אמנים ב-DeviantArt גילו כי עבודותיהם שימשו כבסיס ליצירת תמונות סינתטיות שנמכרות חזרה בפלטפורמה.

היצירה האנושית הפכה לחומר גלם בחינם. ההכנסות זורמות לחברות, ולא לאמנים. לפי CISAC (הקונפדרציה הבינלאומית של אגודות היוצרים והמלחינים), יוצרי מוזיקה וקולנוע צפויים לאבד עד 22 מיליארד אירו בהכנסות עד 2028 כתוצאה מהשפעת הבינה היוצרת.

כש-AI מתחיל להאכיל את עצמו

כמות התוכן הסינתטי באינטרנט לא רק מזהמת את המרחב הציבורי, אלא גם מאיימת על עצם היכולת של המודלים להמשיך ללמוד. ככל שמערכות בינה מלאכותית ניזונות מתוכן שנוצר על ידי AI, כך האיכות שלהן מתדרדרת – תופעה שמכונה “אוטופגיה של בינה מלאכותית” (AI Autophagy). מחקר שפורסם בכתב העת Nature  מזהיר כי שימוש הולך וגובר בתוכן סינתטי כנתוני אימון יוביל ל”התמוטטות מודלים”: מצב שבו האלגוריתמים מאבדים את היכולת להבין מהו מידע אמיתי ומהו ג’ינרוט חסר ערך. כאשר מודלים מאמנים זה את זה על בסיס נתונים מלאכותיים, הם נוטים להיכשל בהבנת המשימה המקורית, ובכך למעשה “להשחית” את עצמם.

אילוסטרציה: בוט שמאומן על תוכן שבוט אחר יצר.

גם המדע והמחקר בבעיה…

ההשפעה אינה נעצרת בגבולות המדיה או המסחר. גם המדע, אחד התחומים שהאמינות היא יסוד קיומו, מתחיל להיפגע. לפי מחקר שפורסם ב-Science Advances, לפחות 13.5% מהמאמרים הביו-רפואיים שפורסמו ב-2024 נכתבו או נערכו בעזרת AI, כאשר בתחומים מסוימים הנתון הגיע ל-40%. במאמר אחר שפורסם ב-Nature עלתה תופעה מדאיגה אף יותר – חוקרים שנתפסו “עם המכנסיים למטה” כשהם מסתירים פקודות סמויות (Prompt injection) בתוך מאמרים שכתבו, כדי לגרום למערכות ביקורת מבוססות AI להעניק להם ביקורת חיובית. התוצאה היא מערך מדעי שנשען יותר ויותר על כלים אוטומטיים שאפשר לשבש, להונות ולהשחית בקלות.

ומה יקרה אם לא נעצור?

התמונה המצטיירת עגומה: עולם שבו אין עוד ודאות מי כתב, מי צילם, מי שר, ומי בכלל אמיתי. תוכן סינתטי מזין את עצמו, והאינטרנט עלול להפוך לסביבה סגורה של שקרים, בלבול וערפול. אך המסקנה אינה בהכרח קטסטרופלית. כמו בכל טכנולוגיה, גם כאן נדרשת אחריות אנושית. מערכות בינה מלאכותית יכולות להפוך לכלי עבודה מופלאים,  אך רק אם נשכיל להשתמש בהן בזהירות, תוך שמירה על פיקוח, ייחוס ועריכה אנושית אמיתית. הבעיה אינה נעוצה במכונות, אלא באנשים שבוחרים להפעיל אותן בלי לעצור ולבדוק אם זה אחראי ומועיל (ובמועיל הכוונה – מועיל גם לשאר הציביליזציה האנושית, ולא רק לחשבון הבנק הפרטי שלהם). המודלים הגנרטיביים לא מבינים מהי אמת או מהו ערך, אך אנחנו כן. ואם נמשיך להאכיל את האינטרנט בתוכן ריק, הוא יחזיר לנו בדיוק את מה שנתנו לו – גרסה סינתטית ומעוותת של עצמנו.

האינטרנט התחיל כרשת אנושית של שיתוף ידע, יצירתיות וחיבורים אמיתיים. כדי לשמור עליו כזה, אנחנו נדרשים למאמץ מודע – עלינו להעדיף מקורות אמינים על פני סיכומי AI אוטומטיים. עלינו ליצור במקום לשכפל. ולרגע אל תבינו אותי לא נכון – אין שום בעיה להשתמש ב-AI. אבל אנחנו מאמינים שכל תוצר שנפלט ממערכת AI הוא רק חומר גלם, ולא מוצר סופי. בסופו של יום כדאי שיהיה בן אנוש בתחילת התהליך וגם בסופו. שמישהו עם מוח ודופק יהיה חתום עליו. 

הפוסט האם ה-AI Slop יהרוס לנו את האינטרנט? הופיע ראשון בLet's AI בינה מלאכותית

עסקת המניות שעוררה סערה

על פי הדיווחים, העסקה כללה מכירת מניות בהיקף של כ-6.6 מיליארד דולר על ידי עובדים נוכחיים ולשעבר. בין הרוכשים הבולטים: SoftBank, Thrive Capital, Dragoneer Investment Group ו-T. Rowe Price. למרות שהחברה אישרה מכירה בהיקף של עד 10 מיליארד דולר, בפועל נמכרו רק כשני שלישים מהסכום, מה שפורש בשוק כסימן לאמון יוצא דופן של העובדים והמשקיעים ביכולת של OpenAI לייצר ערך ארוך טווח.

השווי הנוכחי של 500 מיליארד דולר מסמן זינוק דרמטי לעומת הערכת השווי הקודמת – כ-300 מיליארד דולר במהלך 2025, ורק 157 מיליארד דולר באוקטובר 2024. כלומר, בתוך שנה אחת בלבד, שווי החברה יותר מהוכפל פי שלושה. לשם השוואה, OpenAI כיום מוערכת בשווי גבוה יותר מתאגידים ציבוריים ותיקים כמו Procter & Gamble או Bank of America – נתון שממחיש עד כמה ההייפ סביב תחום ה-AI משנה את כללי המשחק.

שינוי פרדיגמה במירוץ מול SpaceX

עד לאחרונה, SpaceX של אילון מאסק נחשבה לסטארט-אפ היקר ביותר בעולם, עם שווי של כ-400 מיליארד דולר. הערכת השווי נבעה בעיקר מהצלחת שיגורי Falcon ומהתפשטות שירות הלוויינים Starlink, שכבר משרת יותר מ-6 מיליון לקוחות ומניב הכנסות שנתיות מוערכות בכ-2.7 מיליארד דולר.

העקיפה של OpenAI את SpaceX מגלמת לא רק הישג פיננסי, אלא גם את הסטת מרכז הכובד של עולם ההשקעות ממיזמי חלל לבינה מלאכותית.

לפי Reuters, חברת OpenAI ייצרה כ-4.3 מיליארד דולר הכנסות במחצית הראשונה של 2025 – זינוק חד בהשוואה לשנים קודמות. אנליסטים מעריכים כי החברה עשויה להגיע להכנסות שנתיות של 12-13 מיליארד דולר עד סוף השנה, אך חשוב להדגיש שמדובר בתחזית ולא בדיווח רשמי.

בספטמבר דיווח Wall Street Journal כי OpenAI חתמה על חוזה ענק מול Oracle לאספקת שירותי ענן בהיקף כולל של כ-300 מיליארד דולר לאורך חמש שנים. אם החוזה יתממש במלואו, מדובר באחד הגדולים בהיסטוריה של תחום המחשוב. בנוסף, הוזכר רבות בחודשים האחרונים פרויקט “Stargate” – מרכז נתונים עצום שמתוכנן להפעיל את המודלים המתקדמים של החברה, בשיתוף SoftBank ו־Oracle.

אתגרי רווחיות ושריפת מזומנים

לצד ההכנסות המרשימות, OpenAI מתמודדת עם עלויות פיתוח עצומות. אין נתונים רשמיים ומפורטים על גובה ההפסדים או קצב “שריפת המזומנים”, אך אנליסטים מזהירים כי החברה עלולה להוציא עשרות מיליארדי דולרים בשנה על חישוב, תשתיות וגיוס כוח אדם. במילים אחרות, OpenAI מייצרת הכנסות בקצב שלא נראה קודם בתחום ה-AI, אך עדיין רחוקה מהשגת רווחיות יציבה ובר־קיימא.

במקביל, החברה בוחנת שינוי מבני משמעותי. OpenAI עשויה להפוך את זרוע הרווח שלה ל-Public Benefit Corporation (PBC) – תאגיד שמטרתו לשלב רווח עם תועלת ציבורית, תוך שמירה על שליטת הארגון ללא כוונת רווח. נכון לעכשיו, לא פורסם רשמית כי המנכ”ל סם אלטמן יקבל מניות במסגרת השינוי, ולכן מדובר בהערכה בלבד ולא בעובדה מאומתת.

שווי העתק של OpenAI מושך גם את מיטב המוחות בתעשייה. דיווחים שונים מצביעים על כך ש-Meta וחברות נוספות מציעות חבילות פיצוי חריגות במיוחד לחוקרי AI בכירים. מבחינת OpenAI, האפשרות למכור מניות לעובדים היא כלי מרכזי לשימור כישרונות – היא מאפשרת לעובדים הוותיקים לממש חלק מהערך שנוצר, מבלי שהחברה תצטרך לצאת להנפקה ציבורית.

סימני בועה?

השווי האדיר של חצי טריליון דולר מעורר חשש בקרב אנליסטים, שטוענים כי ייתכן שמדובר במאפיינים של בועת השקעות בתחום ה-AI. לפי נתוני Reuters, ההשקעות הגלובליות בתחום חצו את רף ה-250 מיליארד דולר ב-2024, וצפויות להמשיך לעלות בקצב מסחרר בשנים הקרובות. חלק מהאנליסטים כבר משווים את הסיטואציה לבועת הדוט-קום – הזרמות הון עתק לתשתיות ולפיתוח, אך ללא ודאות לגבי היכולת להפוך את הצמיחה הזו לרווחיות יציבה לאורך זמן.

מה שכן ברור, החברה מתמודדת עם קונפליקט מתמשך – הרצון להוביל את השוק המסחרי במהירות מול המחויבות לשמור על סטנדרטים מחמירים של בטיחות בינה מלאכותית.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

הסטארט-אפ המוביל בעולם

OpenAI מציבה לעצמה יעד שאפתני – להגיע להכנסות של מאות מיליארדי דולרים עד סוף העשור. יחד עם זאת, אנליסטים מדגישים כי חלק ניכר מהסכום הזה צפוי להיות מושקע מחדש בעלויות חישוב עצומות ובמרוץ המתמשך אחר גיוס טאלנטים מובילים. בסופו של דבר, סיפור OpenAI הוא לא רק עניין של מספרים, אלא עדות לכך שהעולם נכנס לעידן חדש – עידן שבו הכלכלה מונעת על ידי בינה מלאכותית. החברה הפכה לסמל של חדשנות טכנולוגית אדירה, אך גם של הסיכונים והאתגרים שמלווים אותה.

בשורה התחתונה, OpenAI הוכיחה את עצמה כסטארט-אפ המוביל בעולם, עם שווי שובר שיאים ונרטיב עוצמתי. ועדיין, השאלה הגדולה נותרה פתוחה – האם תצליח להפוך את ההייפ לרווחיות בת קיימא, או שמדובר באמת בבועה?

הפוסט OpenAI עוקפת את SpaceX והופכת לסטארט-אפ היקר ביותר בעולם הופיע ראשון בLet's AI בינה מלאכותית

מה קורה כשבינה מלאכותית עובדת יום וחצי רצוף?

תדמיינו – אתם נותנים למודל משימה ב-9 בבוקר – לעשות refactoring למערכת ההזמנות, לבדוק אבטחה, לכתוב טסטים ולהעלות הכל לפרודקשן. בעולם הישן זה היה נגמר מהר מאוד. אחרי כמה שעות הוא כבר מתחיל לשכוח מה עשה בהתחלה, אחרי שבע שעות הוא נתקע על מגבלת הטוקנים, ובבוקר שלמחרת אתם מוצאים את עצמכם מסבירים הכל מחדש מהתחלה.

עם Sonnet 4.5 זה נראה אחרת לגמרי. אתם מסיימים יום עבודה, סוגרים את הלפטופ והולכים הביתה. בלילה, בזמן שאתם ישנים – המודל ממשיך לעבוד. בבוקר שאחרי, כשאתם נכנסים למשרד, הוא עדיין שם – ממוקד, זוכר כל צעד, וממשיך בדיוק מהנקודה שעצר.

ואם זה נשמע כמו פנטזיה – ארגונים שכבר קיבלו גישה מוקדמת מדווחים על משימות שלמות שבוצעו כך: הקמת בסיס נתונים, רכישת domain, ביקורת אבטחה ברמת SOC 2, כתיבת תיעוד מלא. הכל רץ ברצף, בלי יד אנושית על המקלדת. זה כבר לא מדע בדיוני. זה קורה עכשיו.

למה בכלל צריך מודל שעובד 30 שעות? 

זאת שאלה חשובה והכרחית, והתשובה מפתיעה – הרבה יותר אנשים ממה שנדמה לכם. בהכרזה הרשמית של Anthropic אמר שון וורד (Sean Ward), מייסד שותף ומנכ”ל חברת iGent AI, סטארטאפ המתמחה בכלי הנדסת תוכנה אוטונומיים, כי “Claude Sonnet 4.5 מגדיר מחדש את הציפיות שלנו. הוא מטפל ב-30+ שעות של קידוד אוטונומי, ומשחרר את המהנדסים שלנו להתמודד עם חודשים של עבודה ארכיטקטונית מורכבת.”

כדי להבין את המשמעות, נניח דוגמה פשוטה: ארגון עם מערכת PHP ישנה שצריך להעביר ל-microservices מודרניים. פרויקט כזה נמתח לרוב על פני שלושה-ארבעה חודשים. עכשיו תדמיינו את אותו פרויקט מתבצע ברצף, על ידי מודל אחד שממשיך לעבוד גם כשאתם ישנים – ומסתיים בתוך יום וחצי.

חודשים של עבודה מתכווצים ל-36 שעות. זה לא עוד 10% שיפור בפרודוקטיביות – זה שינוי סדר גודל שמגדיר מחדש מה אפשרי.

האם זה באמת עובד?

כאן אין מקום לשיווק, רק למספרים. במבחן SWE-bench Verified, שבודק אם מודל מסוגל לפתור באגים אמיתיים מגיטהאב, Sonnet 4.5 מוביל עם ‎77.2% (ואפילו ‎82% כשמפעילים parallel test-time compute). הוא עקף גם את GPT-5 וגם את Gemini.

יתרון ברור על פני GPT-5 וג׳מיני. Source: anthropic.com

אבל זה לא נגמר בקידוד. בטבלה הבאה רואים תמונה רחבה יותר: Sonnet 4.5 משפר ביצועים גם במבחני שימוש במחשב (OSWorld), מתמטיקה (AIME), שאלות רב-לשוניות (MMMLU) וניתוח פיננסי, ובחלקם אפילו מוביל על פני GPT-5 ו-Gemini.

Claude Sonnet 4.5 מוביל בקידוד אוטונומי. Source: anthropic.com

במילים פשוטות, זה לא עוד שיפור קוסמטי. לפני שנה המודלים המובילים עמדו סביב 50%. היום Sonnet 4.5 מתקרב ל-80%, ובחלק מהמשימות אפילו עובר את זה. זה כבר הבדל בין “אפשר לנסות” לבין “אפשר לסמוך על זה בפרודקשן”.

מה הופך את זה לאפשרי?

כדי להבין איך Sonnet 4.5 מחזיק 30 שעות רצופות, צריך להציץ מתחת למכסה המנוע.

מודעות הקשר 

המודל יודע לעקוב אחרי צריכת הטוקנים שלו, להבין כמה נשאר ומתי לנקות מידע ישן. מודלים קודמים פשוט היו נתקעים – כאן הוא ממשיך קדימה.

עבודה במקביל 

במקום לעבוד לינארית, Sonnet 4.5 מבצע חיפושים בו-זמנית, קורא כמה קבצים במקביל ומסנכרן בין הכלים. זה מרגיש פחות כמו מודל אחד ויותר כמו צוות.

סביבת הקידוד (Claude Code) משתדרגת

• Checkpoints: שמירת מצבים וחזרה מיידית לאחור.

• ממשק חדש: הרחבה רשמית ל-VS Code וטרמינל מחודש, עם שינויים בזמן אמת.

• ביצוע קוד ויצירת קבצים: גיליונות, מצגות ומסמכים נולדים ישירות מהשיחה. Anthropic גם הדגימה את זה בפעולה – בסרטון הרשמי רואים את Claude מייצר מסמך, מצגת וגיליון אלקטרוני – כולם ניתנים להורדה ועריכה. זה כבר לא רק לכתוב קוד, אלא לייצר בפועל תוצרים שימושיים שמתחברים ישירות לעבודה היומיומית:

• Agent SDK: לבנות כלים ותתי-סוכנים על בסיס היכולות של Anthropic. הנה סרטון קצר שמדגים את ה-Agent SDK, שמאפשר למפתחים להרכיב סוכנים מורכבים על גבי Claude Code, עם שליטה בזיכרון, הרשאות ותיאום בין משימות:

כלים חדשים לזיכרון

• Context Editing: ניקוי אוטומטי של תוכן לא רלוונטי כשהחלון מתמלא.

• Memory Tool (Beta): אחסון מחוץ לחלון ההקשר, כך שהמודל זוכר גם מה שנעשה אתמול.

למי שרוצה לראות את זה בפעולה – הנה סרטון קצר שבו Claude משחק Catan, בונה בסיס ידע על האסטרטגיות של היריבים ששורד בין משחקים, ומנקה מידע מיושן לאורך הדרך. זה נותן הצצה מוחשית למה שמאפשרים Context Editing ו-Memory Tool:

וכמה זה עולה?

החיסרון הבולט של Sonnet 4.5 הוא המחיר: ‎$3 ל-input ו-$15 ל-output למיליון טוקנים. זה פי 2.4 יקר יותר מ-GPT-5 ו-Gemini שעולים ($1.25 / $10) בהתאמה. המשמעות ברורה, סטארטאפ עם מיליון שאילתות בחודש ישלם בערך ‎$3,000 במקום ‎$1,250 – פער של ‎$21,000 בשנה.

האם זה שווה? אם מדובר בקוד קריטי, שבו טעות אחת עולה עשרות אלפי דולרים – ברור שכן. אם זה צא’טבוט בסיסי לשירות לקוחות – כנראה שלא. יש דרכים לצמצם עלויות (prompt caching, batch processing), אבל אלה לא נרחיב עליהם כאן.

חשוב רק להדגיש, המספרים מבוססים על פרסומים רשמיים של החברות. בפועל, ביצועים ומחירים יכולים להשתנות לפי גרסה, קונפיגורציה ותצורת שימוש.

אבטחה ובטיחות 

Anthropic מתארת את Sonnet 4.5 כ-“המודל המיושר ביותר שפרסמנו”. לפי החברה, הוא מצמצם התנהגויות בעייתיות כמו החנופה למשתמש (sycophancy), הטעיה, חיפוש כוח ועידוד חשיבה דלוזיונלית (הזיות). ברמה הטכנית נוספו שכבות הגנה כמו חסינות טובה יותר ל-prompt injection, סינון פלטים מסוכנים (כמו הוראות לייצור נשק) והשקה תחת רמת בטיחות AI Safety Level 3.

ג’ארד קפלן, המדען הראשי של Anthropic, אמר: “זה הקפיצה הגדולה ביותר באבטחה שראינו בשנה, שנה וחצי האחרונות.” ולמה זה חשוב? כי ברגע שמודל עובד 30 שעות ברצף בצורה אוטונומית, הסיכונים מתגברים. אם הוא מסוגל לפעול יום וחצי בלי השגחה, הוא חייב להיות מהימן יותר מאי פעם.

שיעור ההתנהגויות הבעייתיות הנמוך ביותר. Source: anthropic.com

איפה זה זמין?

Sonnet 4.5 כבר נגיש לכולם ב-Claude.ai וב-API, ומשולב גם דרך Amazon Bedrock, Google Cloud Vertex AI ו-Claude Code. בנוסף, Anthropic מפעילה כעת את ניסוי Imagine with Claude (הרחבה בפסקה הבאה), שפתוח רק למשתמשי Max לזמן קצוב. מי שרוצה לטעום מהעתיד בזמן אמת, זה הרגע.

כשיכולת הופכת לחוויה

עד עכשיו דיברנו על מספרים וביצועים. אבל Anthropic גם הראתה לאן כל זה יכול להתפתח. היא השיקה ניסוי קצר בשם Imagine with Claude (זמין למשתמשי Max עד 4 באוקטובר 2025), שמדגים איך מודל לא רק כותב קוד, אלא מייצר תוכנה בזמן אמת. במקום לבנות את כל האפליקציה מראש, Claude מייצר את החלקים תוך כדי שימוש: לוחצים על כפתור – נוצר הקוד לכפתור, פותחים תפריט – נוצר הקוד לתפריט.

בהדגמה שתכף תראו, ביקשו ממנו “לדמיין את המחשב של שייקספיר”, והוא יצר ממשק מהמאה ה-16 עם תפריטים כמו Sonnets ו-Quill Sharpener. הכל פעל אינטראקטיבית. זה אולי נראה כמו משחק, אבל המשמעות עמוקה יותר. עד היום תוכנה נכתבה מראש, כאן היא נוצרת על המקום, מותאמת בדיוק למה שאתם צריכים. זה כבר לא רק שיפור ביצועים, זו דרך אחרת לחשוב על מהי תוכנה בכלל.

Anthropic פרסמה סרטון קצר שממחיש את זה בפעולה. Claude בונה תוכנה בזמן אמת, מגיב לכל פעולה שלכם ומייצר את הקוד רק כשצריך – ממש מול העיניים:

מה אומרים המשתמשים בפועל

חשוב להבין, Sonnet 4.5 לא חי רק באתר של Anthropic. הוא כבר רץ “מתחת למכסה המנוע” בכלי קוד וסביבות עבודה, מ-Claude Code ועד Cursor ו-Canva, וכך ההתקדמות הטכנית הופכת לחלק מהיומיום של מפתחים ומעצבים.

ב-Canva, לדוגמה, סיפר דני וו (Danny Wu), ראש תחום מוצרי ה-AI ב-Canva, ש-Claude Sonnet 4.5 הציג שיפורים מרשימים במשימות המורכבות והארוכות ביותר – החל מעבודה בבסיס הקוד ועד לתכונות חדשות בתוך המוצר. גם מייקל טרואל (Michael Truell), מנכ”ל Cursor, תיאר ביצועי קידוד מהשורה הראשונה, עם שיפורים ניכרים במשימות ארוכות טווח. כדי להבין את המשמעות מהצד המעשי, נניח מצב שבו ארגון עובד עם מערכת מורכבת שדורשת תחזוקה מתמדת – כאן היתרון של מודל שמסוגל להחזיק 30 שעות רצופות מתרגם ישירות לחיסכון בזמן ובעלויות.

וזה לא נגמר בקוד. בבדיקות יישומיות בתחומי פיננסים, משפט, רפואה ומדעים, Sonnet 4.5 מציג יתרון מובהק על פני דורות קודמים – גם במשימות חשיבה מורכבות (‘16k thinking’) וגם בביצוע יומיומי.

Sonnet 4.5 מוביל גם בתחומי יישום קריטיים. Source: anthropic.com

אז כדאי לעבור ל-Sonnet 4.5?

התשובה תלויה בצרכים שלכם. אם אתם כבר משתמשים ב-Claude, השדרוג כמעט מתבקש – ביצועים טובים יותר באותו ממשק. אם אתם בונים סוכנים אוטונומיים או עובדים עם קוד קריטי, היכולת לעבוד 30 שעות רצופות, יחד עם כלים כמו Memory Tool ו-Context Editing, נותנת יתרון שאין לו מתחרים כרגע. גם מי שדורש רמות אבטחה מחמירות ימצא כאן ערך אמיתי.

אבל לא לכולם זה מתאים. Sonnet 4.5 יקר פי 2.4 מהמתחרים, והחלון הקשר (context window) שלו קטן משל Gemini. אם יש לכם codebase ענק או שאתם מסתפקים במודל זול יותר כמו GPT-5, ייתכן שאין סיבה להחליף. מי שצריך יכולות מולטימודל מתקדמות (טקסט, תמונה, אודיו, וידאו) גם ימצא ב-Gemini מענה טוב יותר.

בשורה התחתונה, Sonnet 4.5 הוא שדרוג אמיתי – לא עוד כמה אחוזים, אלא קפיצה ביכולות אוטונומיה וקידוד. אם מה שאתם בונים מורכב, קריטי או דורש ריצות ארוכות טווח, ההשקעה משתלמת. אם אתם מחפשים פשוט זול ומהיר, יש חלופות טובות.

חשוב לזכור שהתחרות לא נחה. לפי שמועות, Gemini 3 בדרך, OpenAI ממשיכה לשפר ולשדרג כל הזמן, ומה שמוביל היום לא בהכרח יישאר בפסגה עוד שלושה חודשים (וכנראה גם לא עוד שבוע). אבל נכון לעכשיו, אם אתם צריכים בינה מלאכותית שעובדת בלי לעצור, זוכרת הכל ומספקת קוד ברמת פרודקשן – Sonnet 4.5 הוא המקום הנכון. רק תוודאו שאתם באמת צריכים את זה לפני שאתם משלמים כפול.

הפוסט אנטרופיק משיקים את Claude Sonnet 4.5 הופיע ראשון בLet's AI בינה מלאכותית

המספרים שמאחורי הבועה

מאז השקת ChatGPT בנובמבר 2022, 41 מניות הקשורות לבינה מלאכותית היו אחראיות ל-75 אחוז מהעליות במדד S&P 500. הן תרמו 80 אחוז מצמיחת הרווחים הארגוניים ו-90 אחוז מצמיחת ההוצאות ההוניות, נתונים שמדגישים עד כמה ההתאוששות בשווקים נשענת על מגזר אחד בלבד.

במקביל, ענקיות הטכנולוגיה ממשיכות להזרים סכומי עתק – מיקרוסופט, מטא, אמזון ואלפבית צפויות להוציא יחד 364 מיליארד דולר במהלך 2025, כאשר מטא לבדה מתכננת להקצות עד 72 מיליארד דולר לבניית מרכזי נתונים ופיתוח יכולות AI.

ההסכם הדרמטי של אנבידיה ו-OpenAI

ב-22 בספטמבר 2025 הודיעו אנבידיה (Nvidia) ו־OpenAI על הסכם אסטרטגי מהגדולים שנראו בתעשייה. אנבידיה התחייבה להשקיע עד 100 מיליארד דולר בהקמת תשתיות מחשוב ייעודיות ל-OpenAI, מהלך שממחיש את עוצמת ההימור על עתיד הבינה המלאכותית. בעקבות ההשקעה, הערכת השווי של OpenAI עלתה ל־500 מיליארד דולר, מה שהופך אותה לסטארט-אפ היקר ביותר בהיסטוריה.

בועה במבט רחב

השוואות לבועת הדוט.קום הולכות ומתרבות. באוגוסט 2025 הודה סם אלטמן, מנכ”ל OpenAI, כי “המשקיעים בכללותם נרגשים יותר מדי מה-AI”. מארק צוקרברג הצטרף והזהיר כי “בהחלט קיימת אפשרות, לפחות אמפירית, שמשהו כזה יקרה כאן”. גם ברט טיילור, יו”ר OpenAI ומנכ”ל Sierra, אמר כי “סצנת ה-AI מזכירה מאוד את בועת הדוט.קום” – אמירה שמגיעה מאדם הנמצא בלב התעשייה ושיודע עד כמה מהלכים של ענקיות טכנולוגיה יכולים לעצב את השוק.

ההקבלה אינה מקרית, בבועת הדוט.קום של תחילת שנות ה-2000 נמחקו יותר מ-5 טריליון דולר משווי חברות הטכנולוגיה. כיום שווי השוק של תחום ה-AI נאמד בכ-244.2 מיליארד דולר, לאחר שהחברות הגדולות השקיעו בו למעלה מ-155 מיליארד דולר רק בשנת 2025. במקביל, הדיון אינו כלכלי בלבד, הוא גם נרטיבי ואסטרטגי. טיילור עצמו ציין כי ההגדרה של AGI “זזה קדימה כל הזמן”, כך שהתקדמות שנחשבה מהפכנית לפני שנים ספורות כבר נתפסת כיום כסטנדרט בסיסי.

השילוב בין שתי הזוויות – הכלכלית והאסטרטגית – מדגיש את גודל הסיכון. בעוד הגופים הפיננסיים מתריעים מפני השקעות מופרזות ומימון מעגלי, קולות מהתעשייה משקפים אווירה של הייפ, תחרות עזה ומרוץ חימוש טכנולוגי.

שיעורי כישלון מדהימים

מחקר של MIT שפורסם באוגוסט 2025 מצא כי 95 אחוז מפרויקטי הפיילוט בתחום הבינה המלאכותית לא הצליחו להניב החזר על השקעה, אף על פי שיותר מ-40 מיליארד דולר כבר הושקעו בהם. רק 19 אחוז מהמנהלים דיווחו על עלייה של יותר מ-5 אחוז בהכנסות בעקבות יישום AI, ו-36 אחוז לא הבחינו בשינוי כלל.

הכישלון אינו נובע מהטכנולוגיה עצמה. ברוב המקרים הבעיה היא ארגונית ותהליכית – דאטה מפוזר או לא איכותי, ניסיון “להדביק” AI על תהליכים קיימים במקום לעצב מחדש את הזרימה העסקית, היעדר בעלות עסקית ויעדים ברורים למדידת ROI, תרבות ארגונית שלא מתמרצת אימוץ, וגם תופעת Shadow AI – שימוש לא רשמי של עובדים בכלי AI חיצוניים מחוץ למדיניות הארגון. התוצאה היא פיצול, סיכוני אבטחת מידע וחוסר קוהרנטיות, שמכרסמים ביכולת להפיק ערך אמיתי מההשקעות. המשמעות למשקיעים ברורה: כל עוד הפער הזה בין ציפיות למציאות נמשך, קשה להצדיק את ההערכות הגבוהות שמקבלות כיום חברות ה-AI בשווקים.

המימון בחוב מחריף

אורקל הנפיקה בספטמבר איגרות חוב בהיקף 18 מיליארד דולר כדי לממן השקעות ב-AI – מהלך חריג, שכן עד כה ענקיות הטכנולוגיה מימנו את ההוצאות בעיקר מתזרים חופשי. במקביל, ג’יי.פי מורגן ומיצובישי מובילים הלוואה של 22 מיליארד דולר להקמת קמפוס נתונים ענק. בסך הכול צברו חברות הטכנולוגיה 157 מיליארד דולר חוב ארגוני מתחילת השנה – עלייה של 70 אחוז לעומת התקופה המקבילה אשתקד.

מעבר לכך, כלכלנים מזהירים מפני מימון מעגלי – מצב שבו חברות גדולות משקיעות בסטארט-אפים של AI, אשר בתורם רוכשים שירותי ענן או חומרה מאותן חברות. כך נוצרות הכנסות מלאכותיות שמנפחות את המאזנים של שני הצדדים בלי לייצר ערך אמיתי. דוגמה בולטת לכך היא ההשקעה של אנבידיה ב-OpenAI, כאשר חלק מההון מושקע בחברה וחוזר אל אנבידיה דרך רכישת שבבים ותשתיות מחשוב.

היקף התופעה הולך וגדל. אנבידיה לבדה השקיעה ב-2025 ב-51 חברות, לעומת 41 בלבד בשנה שעברה, בעוד שמעל 40 אחוז מהכנסותיה מגיעות ממיקרוסופט, מטא, אמזון, אלפבית וטסלה – החברות שהן גם לקוחותיה המרכזיים וגם שותפותיה להשקעות. עבור המשקיעים, המשמעות היא שהביצועים הפיננסיים שנראים מרשימים על הנייר, עלולים (לפחות בחלקם) להיות תוצר של מבנה מימון סגור שאינו בר-קיימא לאורך זמן.

הדינמיקה הזו ניכרת גם בהסדרי הענן ארוכי הטווח של OpenAI עם Oracle ובתוכניות התשתית המסיביות שנלוות אליהם, שמחדדות את הסיכון של מימון עצום ותלות בספקי ענן בודדים.

מה זה אומר למשקיעים

האזהרות הולכות ומתרבות. ג’יימי דיימון, מנכ”ל ג’יי.פי מורגן, התריע לפני מספר חודשים מפני “סדק” בשוק האג”ח ואמר כי “אתם תיכנסו לפאניקה”. יו”ר הפדרל ריזרב, ג’רום פאוול, ציין כי ארה”ב חווה “כמויות חריגות של פעילות כלכלית הקשורה ל-AI”. דויטשה בנק הגדיר את החודשים האחרונים כ-“הקיץ שבו ה-AI הפך למכוער”.

לצד זאת, קרי קרייג סבור שלמניות האמריקאיות יש מרחב מוגבל להמשך עליות – “המתח הגיאופוליטי הוא רעש – אכזבת הרווחים היא האיום האמיתי”. המשמעות למשקיעים ברורה – השוק הפך תלוי באופן חריג בביצועי ענקיות הטכנולוגיה, וכל אכזבה יכולה להצית גל מכירות נוסף, כפי שנראה בצניחה של אפריל האחרון.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

מבט קדימה לדוחות סוף השנה

המבחן האמיתי יגיע עם פרסום דוחות הרבעון הרביעי. אם ההשקעות האדירות ב-AI לא יניבו תשואות מוחשיות, ייתכן שהשוק יבחן מחדש את כל הנרטיב של מהפכת ה-AI. ובכל זאת, בשונה מבועת הדוט.קום, החברות המובילות כיום מניבות רווחים ממשיים. השאלה היא האם זה יספיק כדי להצדיק את רמות הציפיות שהשוק כבר מתמחר.

הפוסט בועה או מציאות? ההשקעות בבינה מלאכותית זורמות במעגל סגור הופיע ראשון בLet's AI בינה מלאכותית

איפה תמצאו את מודלי קלוד בתוך קופיילוט?

המודלים אט אט נכנסים לתוך הפלטפורמות של מיקרוסופט והשינוי מורגש כבר בתוך הכלים עצמם.

בסוכן הריזונינג Researcher agent

בסוכן המחקר של מיקרוסופט, שמבוסס על מודלי ריזונינג, מופיע כעת כפתור חדש – “נסה את Claude” – שמאפשר למשתמשים לעבור בקלות בין מודלי OpenAI למודלי Anthropic בלחיצת כפתור. אם אתם עדיין לא רואים את הכפתור – סביר שהשדרוג עדיין לא הגיע אליכם, ויופיע בהמשך.

ככה זה נראה מבפנים: קלוד בתוך סוכן המחקר של קופיילוט:

בקופיילוט סטודיו

גם ב-Copilot Studio – פלטפורמת בניית הסוכנים של מיקרוסופט, נוספה אפשרות פשוטה בתפריט, שמאפשרת לבחור בין המודלים של OpenAI למודלים של אנטרופיק. בעבר היו שם רק מודלים של OpenAI, אבל עכשיו התחרות מתגברת. הארגונים וחברות שרוצים לשלב סוכנים בתוך העבודה היומיומית שלהם, ועל בסיס תשתית מיקרוסופט שמוטמעת אצלם בארגון, יכולים ליהנות גם מ-Claude Sonnet 4 ו-Claude Opus 4.1 כבחירה טבעית כאשר הם בונים סוכנים מותאמים אישית.

ככה זה נראה בתוך קופיילוט סטודיו:

חשוב לציין שהאפשרות להחליף מודלים בתוך סוכנים לא זמינה באפליקציה למחשב של Copilot 365, אלא רק באתר של Copilot Studio.

החוויה נשארת אינטואיטיבית, אך מאחורי הקלעים מדובר בצעד משמעותי – פתיחה של Copilot למודלים מגוונים יותר. וכמו שציינו מעלה – השילוב מושק בהדרגה, וחלק מהפיצ’רים יופעלו רק לאחר אישור מנהלי המערכת.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

למה מיקרוסופט עושה את זה?

סאטיה נאדלה, מנכ”ל מיקרוסופט, הדגיש כי המטרה היא להביא ללקוחות “את הבינה המלאכותית הטובה ביותר מכל התעשייה”. כלומר, לא מדובר בויתור על OpenAI אלא בהרחבת ההיצע ומתן אפשרויות נוספות לארגונים.

ברקע, היחסים העסקיים בין מיקרוסופט ל-OpenAI נמצאים בתקופה של שינוי. לפי דיווחים עיתונאיים, OpenAI מתכננת להפחית את חלק ההכנסות שהיא חולקת עם מיקרוסופט מכ-20% לכ-8% עד סוף העשור – מהלך שעשוי להשאיר בידיה עשרות מיליארדי דולרים.

לצד זאת, בדיקות פנימיות הראו שמודלי Claude מצטיינים במשימות מתקדמות, למשל באוטומציה של תהליכים פיננסיים ב-Excel או ביצירת מצגות PowerPoint מהוראות משתמש. היתרונות הללו מצדיקים מבחינת מיקרוסופט את פתיחת הדלת לשחקן נוסף, גם אם הדבר כרוך בהסתמכות על תשתיות שמנוהלות מחוץ לארגון.

איך זה משתלב בטכנולוגיה של Azure

Azure AI Foundry הפכה היום למעין “סופרמרקט בינה מלאכותית”. היא מציעה מעל 1,900 מודלים, ממודלי שפה קטנים ועד מודלים רב-מודליים ותעשייתיים, שמגיעים משחקנים מובילים כמו OpenAI, Meta, Hugging Face, Stability, Cohere ו-NVIDIA.

בתוך המערך הזה שולבה גם Anthropic – מיקרוסופט רוכשת גישה למודלי Claude דרך החברה, שמריצה אותם על תשתיות הענן של AWS (ובחלק מהמקרים גם Google Cloud). כלומר, מיקרוסופט אינה מפעילה ישירות את העננים של המתחרים, אלא מספקת ללקוחות את המודלים כפי ש-Anthropic מארחת אותם.

יחד עם זאת, השימוש במודלי Anthropic כרוך בשיתוף נתונים עם החברה, מחוץ לשליטה הישירה של מיקרוסופט. המשמעות היא שהמידע אינו נהנה מכל שכבות ההגנה המלאות שמציעה סביבת Azure, ולכן ארגונים צריכים לשקול בזהירות את ההשלכות הרגולטוריות והמשפטיות – במיוחד בכל הנוגע לעמידה בתקני GDPR.

ההשלכות על עסקים

עבור הלקוחות, המחיר נשאר קבוע על 30 דולר למשתמש לחודש במסגרת תוכנית Frontier, בלי תוספות עבור שילוב Claude. מאחורי הקלעים, מיקרוסופט אמנם שומרת על שתיקה בכל הנוגע למכירות המדויקות של Office Copilot, אך ההערכות מדברות בעד עצמן – מעל 100 מיליון משתמשים כבר עובדים עם לפחות אחד ממוצרי Copilot, וההכנסות השנתיות מהכלי המרכזי לבדו חוצות את רף מיליארד הדולר.

לאן פני השוק?

המהלך של מיקרוסופט ממחיש עד כמה שוק הבינה המלאכותית הארגונית מתבגר. התלות הבלעדית בספק יחיד הולכת ומתפוגגת, ובמקומה עולה גישה חדשה שמדגישה ביצועים אמיתיים וערך ללקוח. המודלים עצמם הופכים בהדרגה לסחורה – לא במובן שהם חסרי חשיבות, אלא במובן שההבדל האמיתי טמון פחות במודל עצמו ויותר ביכולת לשלב אותו נכון, להתאים אותו לצורך ולחבר אותו לכלי עבודה קיימים.

השורה התחתונה ברורה, מיקרוסופט לא מחליפה את OpenAI, אלא מציבה את עצמה כמתווכת חכמה של טכנולוגיות. היא מעניקה ללקוחות יותר גמישות, פחות סיכוני תלות, והבטחה שהכלי המתאים יהיה תמיד בהישג יד.

הפוסט מיקרוסופט פותחת את Copilot למודלי Claude של Anthropic הופיע ראשון בLet's AI בינה מלאכותית

מה קורה בשוק?

שוק הפרילנסרים חווה רעידת אדמה. משימות שבעבר היו מקור פרנסה למיליוני פרילנסרים כמו כתיבת תוכן, תרגום, עיצוב גרפי ואפילו קידוד בסיסי, מבוצעות כיום בלחיצת כפתור במערכות בינה מלאכותית. האיכות? לרוב הלקוחות היא מספיקה לגמרי. התוצאה ברורה: הביקוש לשירותים האלה יורד, ופייבר נאלצת לחשב מסלול מחדש.

והיא לא היחידה – גם Upwork דיווחה לאחרונה על ירידה בהכנסות מתחומי כתיבה ותרגום, ואף הציגה פיצ’רים חדשים שמבוססים על AI כדי לשמר לקוחות. Freelancer.com נוקטת גישה דומה ומשיקה כלים שמציעים אוטומציה של משימות פשוטות. השוק כולו מתכנס לאותה נקודה – שירותים פשוטים יהפכו לממוכנים, והערך האמיתי יהיה ביכולת להציע שירותים מתקדמים ויצירתיים שמבוססים על שילוב של אדם ומכונה.

המנכ”ל מיכה קאופמן לא משאיר מקום לספק: “הטרנספורמציה הנדרשת מחייבת אותנו להפוך לחברה רזה, אג’ילית ועם תשתית טכנולוגית חדשה, שבליבה AI”, כתב במכתב לעובדים. “זה ריסטרט כואב אך הכרחי כדי לשמור על מובילות ומנוע צמיחה”.

ולא רק במכתב, קאופמן חזר על המסר הזה שוב ושוב בחודשים האחרונים: “AI מגיעה לקחת את העבודות שלנו – גם שלי,” אמר בראיון. “מי שלא יאמצו את הכלים החדשים פשוט יישארו מאחור.” המסר חד: מי שלא ישתנה וילמד לעבוד עם הכלים החדשים, לא יישאר חלק מהארגון.

איך זה נראה מבפנים

הפיטורים הם רק קצה הקרחון. פייבר משנה את ה־DNA שלה ועוברת למבנה שמזכיר סטארט־אפ עם פחות שכבות ניהול, יותר צוותים קטנים ואוטונומיים שמקבלים החלטות במהירות.

במקביל, החברה משקיעה בבנייה מחדש של התשתיות הטכנולוגיות שלה כדי לאפשר שילוב של מודלים גנרטיביים בכל שכבה של המוצר וקצב פיתוח מהיר בהרבה. המטרה ברורה – לא רק להישען על AI, אלא להפוך אותו למנוע שמזרים ערך חדש גם ללקוחות וגם לפרילנסרים.

זו מגמה שאפשר לראות גם בעולם: Shopify, למשל, לא הסתפקה בהכרזות על מהפכת AI, היא הכניסה את השימוש בכלי בינה מלאכותית לכל שכבות הארגון, ממפתחים ועד צוותי תמיכה ומכירות. היא בנתה ממשק אחיד שמרכז את כל הכלים לעובדים והטמיעה תרבות של “ברירת מחדל – כן” לכל יוזמה מבוססת AI. הדוגמה הזו מראה איך שינוי אמיתי קורה לא רק בטכנולוגיה, אלא גם בתרבות ובאופן שבו עובדים חושבים ומקבלים החלטות.

בקרוב יראו המשתמשים פייבר שונה. מנועי חיפוש חכמים יותר, התאמת משימות אוטומטית, והצעות עבודה מותאמות אישית שמבוססות על אלגוריתמים מתקדמים – כל אלה אמורים להפוך את הפלטפורמה לדינמית ומדויקת יותר מאי פעם.

במקביל לכל זה, החברה נפרדת מהבניין המרכזי ברחוב קפלן בתל אביב, ותעבור בעתיד לקמפוס החדש של Wix – מהלך שמשדר צניעות והתייעלות אך גם רענון תרבותי ואולי אפילו סמל לפרידה מעידן ישן ופתיחת דף חדש.

הקרב על אמון המשקיעים

למרות גל הפיטורים, פייבר לא משנה את תחזית ההכנסות שלה לשנה הנוכחית, כ־430 מיליון דולר, ואף צופה להגיע ליעדי רווח מוקדם מהמתוכנן בזכות ההתייעלות. אבל המספרים מספרים סיפור מורכב יותר – שווי השוק של החברה הצטמצם לכ־870 מיליון דולר בלבד, והמנייה שלה צנחה בכ־25% מתחילת השנה.

אנליסטים מעריכים שהמהלך הנוכחי הוא לא רק קיצוץ אלא ניסיון לשנות את הסנטימנט השלילי בשוק, לשדר ש”החברה חוזרת לשולחן העבודה”, ולשכנע את המשקיעים שהעתיד של פייבר טמון ביכולת שלה להפוך לחברת AI מובילה ולא להישאר פלטפורמה מסורתית של פרילנסרים.

רגע של מבחן אנושי

מאחורי המספרים יש אנשים. מאות עובדים נפרדים היום מהחברה שגידלה אותם. פייבר מבטיחה חבילת פיצויים ותמיכה מקצועית במציאת עבודה חדשה, אבל עבור רבים זו עדיין מכה כואבת. באווירה פנימית מעורבת – בין הלם לעצב, לבין תקווה אמיתית לעתיד – החברה מנסה לשדר אופטימיות ולשמר את תחושת המשימה המשותפת.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

חלק ממגמה רחבה והשלכות לעולם העבודה

פייבר אינה לבד. שוק ההייטק כולו עובר תהליך כואב של קיצוצים לצד השקעות אדירות בבינה מלאכותית. ממטא ועד מיקרוסופט, חברות מקטינות צוותים מסורתיים כדי לפנות משאבים לפיתוח יכולות AI, מתוך הבנה שזה כבר לא טרנד אלא תנאי הישרדות. גם בישראל, יותר ויותר חברות נאלצות לעצור גיוסים ולצמצם כוח אדם כדי לבנות תשתיות חדשות, להפוך מהירות וזריזות יותר, ולאמץ אסטרטגיה של AI-first שתאפשר להן להישאר רלוונטיות בעולם שבו האוטומציה משנה את חוקי המשחק.

פייבר בוחרת לא רק לשרוד אלא להוביל ולהפוך לחברה שה־DNA שלה הוא בינה מלאכותית, לבנות מחדש את הערך שהיא מספקת ללקוחות ולפרילנסרים, ולהתחרות בעולם שבו גם הכלים עצמם הופכים לשחקנים. זה לא רק שינוי ארגוני, זו הצהרת כוונות לשוק כולו. מי שידע לאמץ את הכלים החדשים ולהשתמש בהם ככוח מכפיל ימצא את מקומו בעולם העבודה הבא. מי שיתעלם, עלול לגלות שהמשחק השתנה ושאין לו בו מקום.

הפוסט פייבר מפטרת עובדים ומנסה להמציא את עצמה מחדש הופיע ראשון בLet's AI בינה מלאכותית

ההשוואה לבועת הדוט-קום

ברט טיילור אמר לאחרונה שלדעתו סצנת ה-AI מזכירה מאוד את בועת הדוט-קום. משפט קצת מפחיד למי שנמצא בלב התעשייה, ובליבה של חברה שהגיעה מכמעט אלמוניות מוחלטת למעמד של משפיעה עולמית.

באירוע בסן פרנסיסקו הוא שיתף על המצב, כפי שהוא רואה אותו. על סכומי ההשקעות הדמיוניים שזורמים לתעשייה, על חברות שעלו לגדולה ואחרות שקרסו. אז היו אלה אמזון וגוגל שמיצבו עצמן ככוח עולמי, והיום – כך הוא מקווה – תהיה זו OpenAI, שמתחרה באותו “מגרש משחקים של הגדולים”, ממש לצד אותן חברות שנולדו לפני שני עשורים והיום רואות איך הן צריכות לחלוק את הבמה עם שחקניות חדשות.

מזיזים את הגדרת ה-AGI

כשהוא נשאל על AGI – אותה בינה מלאכותית כללית שיכולה לבצע הכללות, לפתור בעיות שבהן לא נתקלה ושדומה בפרמטרים רבים ליכולות אנושיות – הוא אמר שאנחנו כל הזמן מזיזים את ההגדרה קדימה. את מבחן טיורינג כבר מזמן עברנו – אותו מבחן שבא לבדוק האם במישור שיחתי נוכל להבחין אם היישות שמדברת איתנו היא רובוט או אדם אמיתי. ולגבי המודלים של היום – לטענתו לפני 3 שנים היינו רואים בהם כ-AGI לכל דבר ועניין.

מי יישאר עומד כשהעשן יתפזר

אבל היום, כשהמרדף אחר סופר אינטיליגנציה יוצר מרוץ חימוש בין תאגידי על, וכשטאלנטים מעולם ה-AI מקבלים מענקי גיוס בשווי 100 מיליון דולר ויותר, נראה שיש שתי אפשרויות: הראשונה, שאנחנו עומדים בפני דור חדש של מודלים שהולכים לגמד את כל מה שהכרנו עד היום. השנייה, שיש פה בועה והייפ מטורף, ושסכומים מצחיקים נזרקים לאוויר, בעיקר כדי למנוע מהמתחרות להחזיק בטאלנטים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

מנצחים ומפסידים

כך או כך – יש פה בועה! יהיו מנצחים ויהיו מפסידים. יש חברות כמו גוגל ו-xAI שעלו על העגלה באיחור, אבל הצליחו להדביק את הקצב מהר מאוד, ויש חברות כמו אפל, מטא ו-AWS שעדיין מנסות לבסס את המקום שלהן בביצה. אגב, הניסיון לייצר סופר אינטליגנציה מוליד גם אתגרים עצומים חדשים, כך אומר טיילור. איך בני אדם אמורים לפקח על מודלים שהפכו לחכמים יותר מבני אדם? לדבריו צריך לייצר טכנולוגיה שמפקחת על הטכנולוגיה. זה מאוד מזכיר דברים שאנחנו שומעים מאנטרופיק – עוד חברה שחלוצה בתחום ה-ALIGNMENT והפיקוח על מודלי AI.

ומה לגבי המשקיעים? מי שיבחר בצד הלא נכון, יפסיד הרבה מאוד כסף כשהבועה תתפוצץ. אף אחד לא יכול להבטיח לך שאתה מהמר על הסוס הנכון, והסכומים שעפים פה באוויר בשנה האחרונה לא נמדדים במאות מיליונים, אלא במאות מיליארדים! מה שבטוח – העתיד שייך למערכות AI ולסוכני AI שכבר היום משתלבים בחברות וארגונים, ויוצרים מציאות חדשה – עולם עבודה היברידי בו מכונות חכמות עובדות יחד עם בני אדם, כדי לפתור את אתגרי המאה ה-21.

ברוב המקרים חברות וארגונים לא יפתחו מאפס פתרונות חכמים, ופה בדיוק נכנסת הטכנולוגיה של חברות כמו OpenAI, גוגל, אנטרופיק ואחרות. מוצרי מדף שיכולים להזניק חברות וארגונים קדימה, בשבריר מהעלות של פיתוח עצמאי.

הפוסט האם הבינה המלאכותית היא בועה? הופיע ראשון בLet's AI בינה מלאכותית

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

הפוסט כשענקי הייעוץ מתקשים, נפתחת הזדמנות של חצי טריליון דולר הופיע ראשון בLet's AI בינה מלאכותית

הסיפור שהתחיל עם חלום משותף

הכול התחיל ב-2019, כשמיקרוסופט (Microsoft) ו-OpenAI חלמו יחד על בינה מלאכותית שתשנה את העולם. מיקרוסופט השקיעה במהלך שש שנים מעל 13 מיליארד דולר ב-OpenAI – סכום שיכול לקנות כמה חברות יוניקורן או לממן בנייה של כעשרה אצטדיונים כמו וומבלי. בתמורה, היא קיבלה בלעדיות – כל מודל שפותח ב-OpenAI עבר דרך השרתים של Azure, ושום מתחרה לא קיבל גישה ישירה לטכנולוגיה.

ההסכם עבד בצורה מושלמת כל עוד OpenAI הייתה חברה קטנה יחסית עם כמה מיליוני משתמשים. אבל בנובמבר 2022, עם השקת ChatGPT, הכול השתנה. בתוך שנה הפכה OpenAI מכוכב עולה לכוח עולמי שצורך כוח מחשוב כמו מדינה קטנה.

“הם הבינו שהם צריכים יותר כוח מחשוב ממה שמיקרוסופט יכולה לתת להם,” מסביר אנליסט טכנולוגי בכיר שעוקב מקרוב אחרי השותפות. “מה שהתחיל כהסכם נוח הפך לכלא של זהב.”

המפנה הגיע כש-OpenAI התחילה לתכנן את הדור הבא של מודלי הבינה המלאכותית. היא לא רק צריכה יותר שרתים, היא זקוקה לקיבולת מחשוב שגדולה בהרבה מהיכולת הנוכחית של ספק ענן בודד. הפתרון? לפנות למישהו שמתמחה בדיוק בזה.

הכניסה של אורקל

בתחילת השבוע, לארי אליסון, מייסד אורקל (Oracle), עקף (לרגע) את אלון מאסק והפך לאדם העשיר בעולם עם הון של כ-383 מיליארד דולר. זה קרה אחרי שמניית Oracle זינקה ב-36% ביום אחד בעקבות דוח רווחים חזק שכלל עסקאות AI גדולות, בהן גם העסקה עם OpenAI. מאסק חזר למקום הראשון בסוף היום, אבל האירוע הזה ממחיש עד כמה שוק הבינה המלאכותית משפיע ישירות על עושר אישי, במיוחד כשאליסון מחזיק ב-41% ממניות החברה והזינוק נובע מהביקוש לשרתי AI.

במטה אורקל ישבה ספרא כץ (Safra Catz), המנכ”לית, וצפתה איך הענקיות – אמזון, מיקרוסופט וגוגל – שולטות בשוק הענן. היא ידעה שאורקל חייבת מהלך יוצא דופן כדי להיכנס למשחק הגדול. OpenAI הייתה בדיוק הכרטיס שלה.

בהמשך השבוע, הכותרות כבר פוצצו את השוק. OpenAI ואורקל חתמו על עסקת ענן בסכום של 300 מיליארד דולר. הדיל הזה אמנם ייכנס לתוקף רק ב-2027, והכספים עדיין לא גויסו במלואם, אבל זו העסקה הגדולה ביותר מסוגה בהיסטוריה, והיא משנה את מאזן הכוחות בענף. 

העסקה עם אורקל היא רק חלק מתוכנית שאפילו ללארי אליסון נשמעת מטורפת – פרויקט סטארגייט. התוכנית היא להשקיע 500 מיליארד דולר בבניית מרכזי נתונים שיצרכו יותר חשמל מסכרי ענק. המטרה היא לספק ל-OpenAI את כל כוח המחשוב הדרוש לפיתוח בינה מלאכותית כללית (AGI).

אבל גם כאן המציאות מורכבת יותר מהכותרות. לפי דיווחי בלומברג מאוגוסט 2025, המימון ההתחלתי עדיין לא הושלם, וחלק מהמרכזים נתקלים בעיכובים. המשמעות היא שהפרויקט יקרה, אבל ידרוש יותר זמן וסבלנות, אולי יותר ממה שיש לחלק מהשחקנים בסיפור הזה.

אם אתה לא יכול לנצח אותם – תצטרף אליהם (ולמתחרים שלהם)

בזמן ש-OpenAI תכננה את עסקת הענק עם אורקל, ישבו בסיאטל המנהלים הבכירים של מיקרוסופט וקיבלו החלטה שנשמעה בלתי אפשרית לפני שנה – להפסיק להיות תלויים רק ב-OpenAI.

ב-28 באוגוסט 2025 הכריזה מיקרוסופט על מהלך שהפתיע את כולם והוציאו לאור שני מודלי בינה מלאכותית שפותחו לגמרי בתוך החברה: MAI-Voice-1 ו-MAI-1-preview. זה לא עוד פרויקט מחקר, אלא אלטרנטיבה פוטנציאלית ל-ChatGPT, שאמורה להשתלב במוצרי Copilot לצד המודלים של OpenAI, לא במקומם.

ההפתעה הגדולה יותר הגיעה שבוע וחצי אחר כך. ב-9 בספטמבר הודיעה מיקרוסופט שתשלב במוצרי האופיס שלה (Word, Excel, Outlook) את המודלים של Anthropic, המתחרה הישירה של OpenAI.

“זה כמו שקוקה קולה הייתה מוכרת פתאום גם פפסי בחנויות שלה,” מסביר חוקר תעשייה שעוקב אחרי השוק. ההטמעה עדיין בשלב פיילוט, אך השקה רחבה צפויה בשבועות הקרובים.

זה לא “בכי עם גלידה” אלא מהלך אסטרטגי מחושב. מיקרוסופט אומרת שהשותפות עם OpenAI נשארת חזקה, אבל ברור שהיא מכינה לעצמה תוכנית חלופית.

המאבק המשפטי שעדיין לא מוכרע

בעוד החברות מתכננות את העתיד, OpenAI מתמודדת עם אתגר שיכול לשנות את כל התמונה – המאבק הרגולטורי על שינוי המבנה שלה. החברה מבקשת לעבור מארגון ללא מטרות רווח ל“תאגיד לתועלת הציבור” (PBC), מהלך שיאפשר לה לגייס הון גדול יותר ולהנפיק מניות בבורסה.

מאז דצמבר 2024 הרשויות בקליפורניה ובדלאוור בוחנות את התוכנית בזכוכית מגדלת. זו לא בדיקה פורמלית בלבד, אלא דאגה אמיתית לגבי בטיחות המערכות ושמירה על ערכים חברתיים.

במענה לכך, OpenAI נאלצה להתפשר. במקום לבטל לחלוטין את הזרוע ללא מטרות רווח, היא הסכימה שהנון-פרופיט תמשיך לקיים שליטה ותזכה בכ-20% ממניות התאגיד החדש, שווי של כ-100 מיליארד דולר, מה שיהפוך אותה לאחד הארגונים הפילנתרופיים הגדולים בעולם.

אלא שכל המהלך הזה עדיין ממתין לאישור. קיימת התנגדות משמעותית – אילון מאסק מנהל תביעה משפטית נגד החברה, עשרות ארגונים מביעים התנגדות פומבית, והליך האישור הרגולטורי עדיין לא הושלם.

איפה כל זה קורה באמת

כדי להבין איך כל הסיפורים האלה מתחברים למציאות, צריך לנסוע לאבילן (Abilene), טקסס. שם, בין שדות התירס והחוות, בונה אורקל את המרכז הראשון של פרויקט סטארגייט. מבחוץ זה אולי נראה צנוע, כמה בניינים נמוכים מוקפים חומות, אבל בפנים צפוי להיות אתר בגודל של סנטרל פארק ניו יורק עם יותר כוח מחשוב ממה שהיה לכל העולם לפני עשר שנים.

האתר הזה מסמל את השינוי הגדול ביותר בתעשייה – מעבר ממודל שבו חברה אחת (מיקרוסופט) מספקת את כל צורכי חברה אחת (OpenAI), למודל פתוח שבו כל השחקנים עובדים עם כולם ומתחרים זה בזה בו-זמנית, אם התוכניות האמביציוזיות אכן יתממשו כפי שתוכנן.

מה זה אומר על העתיד שלנו

הסיפור הזה מסמן שינוי עמוק בתעשיית הטכנולוגיה, ממודל שבו כל ענקית פועלת בעולם סגור משלה – אפל, גוגל ומיקרוסופט – למודל שבו אותן ענקיות גם משתפות פעולה וגם מתחרות זו בזו. מיקרוסופט משלבת מודלים של OpenAI ושל Anthropic לצד מודלים שפיתחה בעצמה, OpenAI עובדת עם מיקרוסופט וגם עם אורקל, ואורקל מספקת שירותים גם ל-OpenAI וגם למתחרותיה.

עבור הצרכנים זו הזדמנות – תחרות חזקה יותר, מחירים טובים יותר וקצב חדשנות מהיר יותר, אבל גם מקור לאי-ודאות. אף אחד לא יודע מי ינצח במירוץ ואיך תיראה הבינה המלאכותית שלנו בעוד שלוש שנים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

לא פרידה אלא התבגרות

השיחה בין סם אלטמן לסאטיה נאדלה ב-11 בספטמבר היא לא פרידה מרה, אלא יותר כמו זוג שמחליט לפתוח את הקשר כדי לשמור עליו חי. אפשר לפרש את זה כהתחלה של פרק בוגר ומורכב יותר בשוק ה-AI. החברות מבינות שהן לא יכולות להסתמך על פרטנר יחיד בעולם שמשתנה בקצב מסחרר.

התעשייה עוברת ממונוגמיה עסקית לשלב של “קואופטיציה” (Co-optation) – שילוב של תחרות ושיתופי פעולה. דוחות מ-2025 מראים שהן משתפות פעולה עם מתחרים כדי לעמוד בעלויות העצומות, ובמקביל בונות אלטרנטיבות כדי להפחית תלות. זה טוב למשתמשים, אבל גם מרוכז ומסוכן, כי אם הבועה תתפוצץ, ההשלכות הכלכליות יהיו אדירות.

מה שמתחיל עכשיו הוא מירוץ פתוח בין עשרות חברות, כל אחת עם המודלים, התשתיות והאסטרטגיות שלה. זו לא רק נקודת מפנה לבינה המלאכותית – זה רגע מכונן בהיסטוריה של התחרות הטכנולוגית. והמירוץ רק מתחיל.

הפוסט מה הסיפור מאחורי עסקת הענן הגדולה ביותר בהיסטוריה הופיע ראשון בLet's AI בינה מלאכותית