במשך חודשים ארוכים השאלה המרכזית סביב הבינה המלאכותית בשוק העבודה הייתה את מי היא תחליף. עובדים חששו מפיטורים, מנהלים דיברו על התייעלות, וחברות רבות התחילו לבחון מחדש תהליכים, צוותים ותפקידים. אלא שבזמן שכולם הסתכלו על שורת השכר, התחיל להצטבר בארגונים חשבון אחר: חשבון הטוקנים.
בעולם כבר מתחילים להבין עד כמה החשבון הזה יכול להתנפח מהר. לפי דיווח שפורסם ב-Yahoo Finance, לקוח ארגוני לא מזוהה צבר לכאורה חשבון של כ-500 מיליון דולר בחודש אחד על שימוש ב-Claude, לאחר שלא הוגדרו מגבלות שימוש מתאימות. במקרה אחר, שפורסם ב-The Next Web, פיטר שטיינברגר, יוצר פרויקט OpenClaw, הציג שימוש של 1.3 מיליון דולר בטוקנים של OpenAI בתוך 30 יום, בעקבות הפעלה של כ-100 מופעי Codex על הפרויקט.
אלה אולי מקרי קצה, אבל הם מספרים סיפור רחב יותר: הבינה המלאכותית אולי נראית לעובד כמו עוד חלון פתוח במחשב, אבל מבחינת הארגון היא כבר סעיף תקציבי חי, משתנה ולעיתים בלתי צפוי. כל בקשה, כל תשובה, כל ניתוח מסמך, כל בדיקת קוד וכל פעולה מול מודל מתקדם מתורגמים בסופו של דבר לעלות כספית. בארגון קטן זה אולי נראה זניח. בארגון גדול, שבו מאות או אלפי עובדים משתמשים בכלי AI מדי יום, החשבון כבר יכול להיראות אחרת לגמרי.
נתוני PwC מצביעים על כך שבענפים החשופים יותר ל-AI נרשמת צמיחת פרודוקטיביות גבוהה משמעותית לעומת ענפים החשופים פחות לטכנולוגיה. על פניו, מדובר בבשורה גדולה לשוק העבודה: עובדים שמספיקים יותר, תהליכים שמתקצרים, מערכות שמנתחות מידע מהר יותר, וצוותים שמצליחים לבצע משימות שבעבר דרשו הרבה יותר זמן ומשאבים. אבל לצד ההבטחה הזאת עולה גם הצד הפחות מדובר של המהפכה: האם החיסכון בכוח אדם באמת מכסה את עלות המכונה שאמורה להחליף אותו?
לאחרונה ציין מנהל הטכנולוגיה של Uber כי תקציב כלי ה-AI לשנת 2026 נוצל כבר בתחילת השנה, בעקבות שימוש נרחב של מהנדסי החברה. גם ב-NVIDIA מדווחים על עלויות מחשוב גבוהות במיוחד. אלה לא דוגמאות לכך שה-AI אינו משתלם, אלא תזכורת לכך שהחיסכון אינו אוטומטי. כדי שהטכנולוגיה באמת תייצר ערך, צריך לדעת לנהל אותה.
מחפשים עבודה? מאות משרות פתוחות מחכות לכם באתר ג'ובנט מקבוצת וואלה >>
מעבר לכלכלת טוקנים
אחד השינויים המשמעותיים שמתרחשים כעת הוא המעבר מהתלהבות כללית מכלי AI לחשיבה ניהולית וכלכלית יותר. אם בתחילת הדרך עצם השימוש בבינה מלאכותית נתפס כהוכחה לחדשנות, היום ארגונים מתחילים לשאול שאלות מדויקות יותר: באיזה מודל כדאי להשתמש? איזו משימה באמת מצדיקה שימוש במודל מתקדם? איפה אפשר לחסוך קריאות מיותרות? ואיך מודדים את ההחזר על ההשקעה?
סקר של KPMG מצא כי 57% מהמנהלים מצפים שבני אדם ינהלו ויכוונו סוכני AI, נתון שממחיש את המעבר משימוש חופשי ולא מבוקר לאחריות אנושית, שיקול דעת ופיקוח. במילים אחרות, גם כאשר ה-AI כבר משולב בתהליכי העבודה, הארגון עדיין צריך אנשים שיבינו כמה הוא עולה, איפה הוא חוסך, ואיפה הוא דווקא מייצר הוצאה חדשה.
כאן נכנס לתמונה פרופיל מקצועי חדש: עובדים ומנהלים שיודעים לא רק להשתמש בבינה מלאכותית, אלא גם לנהל אותה. כאלה שמבינים את ההשלכות הכלכליות של הבחירות הטכנולוגיות, יודעים להתאים בין משימה למודל, לפרק תהליכים מורכבים, לצמצם שימוש מיותר במשאבי מחשוב ולוודא שה-AI לא הופך מטרנד נוצץ לבור תקציבי.
ביצועים, חדשנות ויעילות כלכלית
חברה שמיישמת את השינוי הזה היא אלעד מערכות, חברת תוכנה שמכשירה עובדים חדשים כבר משלב הכניסה לחברה להכניס שיקולים כלכליים בפיתוחים מבוססי AI. העובדים לומדים לפרק משימות מורכבות לתת-משימות, להתאים מודלים שונים לרמות מורכבות שונות, ולהשתמש במנגנונים כמו Cache ו-RAG, שמסייעים לצמצם קריאות מיותרות למודלים יקרים.
יובל מרקוביץ', מנהל אגף פיתוח בחטיבת הדיגיטל באלעד מערכות, מסביר: "אנחנו רואים שינוי בפרופיל העובד שהשוק מחפש. אם בעבר היה מספיק לדעת לפתח פתרון מבוסס AI, היום ארגונים מחפשים אנשים שמבינים גם את ההשלכות העסקיות של הבחירות הטכנולוגיות שלהם. היכולת לבנות מערכת חכמה, יעילה וכלכלית הפכה ליתרון משמעותי עבור עובדים בתחילת דרכם וגם עבור מפתחים מנוסים. זו כבר לא רק שאלה של חדשנות, אלא של יצירת ערך אמיתי לארגון לאורך זמן".
לדבריו, ההבנה כיצד לצמצם צריכת משאבים, לבחור את הכלים המתאימים למשימה ולתכנן נכון את הארכיטקטורה הופכת לחלק בלתי נפרד מעבודתם של אנשי AI. "ככל שהשימוש בבינה מלאכותית מתרחב, כך גדל הצורך באנשי מקצוע שמסוגלים לאזן בין ביצועים, חדשנות ויעילות כלכלית. זהו אחד הכישורים המבוקשים ביותר כיום בעולם הטכנולוגיה".
לא כל משימה צריכה מודל יקר
הסיבה לכך שהדיון הזה הופך קריטי נעוצה במודל התמחור של עולם ה-AI. בניגוד לכלים ארגוניים מסורתיים, שבהם העלות לרוב קבועה או צפויה יחסית, במקרים רבים השימוש בבינה מלאכותית מבוסס על "טוקנים", תשלום לפי היקף ומורכבות השימוש בפועל. ככל שהבקשות ארוכות יותר, מורכבות יותר או דורשות עיבוד משמעותי יותר, כך העלות יכולה לגדול.
המשמעות עבור ארגונים ברורה: לא כל פעולה צריכה להישלח למודל המתקדם והיקר ביותר. לא כל בעיה דורשת את אותה רמת עיבוד. ולא כל תהליך שנראה אוטומטי הוא בהכרח חסכוני. לפעמים החיסכון האמיתי לא נמצא בפיטורי עובדים, אלא דווקא בהכשרת עובדים שיידעו לעבוד נכון עם AI.
במובן הזה, השיח על "החלפת עובדים" מתחיל להיראות פשטני מדי. ה-AI אכן מסוגל לקצר תהליכים, להוריד עומסים ולשנות תפקידים. אבל כדי שזה יקרה בצורה משתלמת, מישהו צריך לתכנן את המערכת, לפקח על השימוש, להבין את העלויות ולוודא שהטכנולוגיה משרתת את הארגון ולא להפך.
זו בדיוק הסיבה שיותר ויותר ארגונים מתחילים להתייחס ל-AI לא רק ככלי טכנולוגי, אלא כמשאב שצריך לנהל. כמו תקציב פרסום, כמו כוח אדם, כמו ענן, כמו רכש. ברגע שהשימוש יוצא משליטה, גם הכלי שאמור לחסוך זמן וכסף עלול להפוך להוצאה שקשה להסביר.
כשהבינה המלאכותית הופכת לכלי ניהולי
דוגמה נוספת לאופן שבו השינוי הזה כבר מתרחש אפשר לראות ב-Priority, המפתחת פלטפורמות חכמות לניהול ארגוני מערכתי.
מיכאל לורברבאום, Solutions Architect Director בחברת Priority, מסביר: "החשיבה הארגונית הופכת להיות AI-first, מבניית תשתיות דאטה שמתחברות לכלי AI לטובת אנליטיקה ועד מערכות מבוססות AI לחיזוי התנהגות לקוח וניהול מוקדי שירות. השימוש ב-AI בחברה הפך להיות חלק אינטגרלי מהעבודה היומיומית".
לדבריו, הוא עצמו מתייעץ עם ה-AI, בודק באמצעותו חלופות שונות לפתרון, מכין בעזרתו תוכניות עבודה ועושה זאת במהירות ובשפה פשוטה. התוצאה, לדבריו, היא יותר זמן לניהול הצוות ולקבלת החלטות.
"הצוות שלי בונה בעזרת ה-AI תשתיות ענן מורכבות, שלפני כן דרשו שעות רבות של אנשי מקצוע מומחים. השימוש ב-Claude לכתיבה ובדיקת קוד איפשר לצוות הפיתוח לצמצם באופן דרסטי את משך הזמן לדילוור. החיסכון בזמן פיתוח מערכת ב-ERP וב-BI נע בין 20% ל-40%".
לורברבאום מוסיף כי במחלקות השונות נעזרים במודל ה-LLM הפנימי שהופץ בחברה כדי להכין מצגות בדקות בודדות, לנתח אקסלים מורכבים, לבנות אפליקציות ולענות למיילים באופן שוטף. "אנחנו בונים בהדרגה כלי AI פנים-ארגוניים שמתחברים לאפליקציות הארגוניות, במטרה לאפשר תשאול של כל המידע הארגוני בשפה פשוטה על ידי כל משתמש בארגון. מערכת ה-ERP כוללת המון ידע שנאגר במשך שנים של פעילות. כעת שכבת ה-AI שנבנית על גבה בארגון מאפשרת גם לעבוד עם המערכת במהירות ויעילות גבוהה יותר, ובעיקר להפיק תובנות עמוקות שלא היו נגישות לפני כן. ב-Priority המחשבה שמנחה אותנו בהטמעת AI היא היכן אנחנו מביאים ערך אמיתי למשתמשים וללקוחות שלנו".
אז האם משתלם לפטר בגלל AI?
התשובה, לפחות לפי המגמה שמסתמנת בארגונים, מורכבת יותר ממה שנדמה. ה-AI בהחלט יכול להעלות פרודוקטיביות, לקצר תהליכים ולשנות את מבנה העבודה. אבל הוא גם דורש תשתיות, תקציבים, בקרה, הכשרה ואנשים שיודעים לנהל אותו נכון.
לכן, לפני שממהרים לראות בבינה המלאכותית תחליף ישיר לעובדים, ארגונים יצטרכו לשאול שאלה אחרת: האם הם יודעים להפעיל אותה בצורה מספיק חכמה, מדויקת וכלכלית כדי שהמהלך באמת ישתלם?
תור הזהב שבו חברות הטמיעו כלי AI בעיקר כדי להיראות חדשניות מתחיל לפנות את מקומו לשלב בוגר יותר. פחות התלהבות, יותר ניהול. פחות ניסוי וטעייה, יותר מדידה. פחות הבטחות כלליות על התייעלות, ויותר הבנה של העלות האמיתית מאחורי כל שימוש.
בסופו של דבר, ייתכן שה-AI לא יבטל את הצורך בעובדים, אלא ישנה את סוג העובדים שהארגון צריך. מי שיידע לעבוד איתו, למדוד אותו, לחסוך בעלויות שלו ולהפיק ממנו ערך עסקי אמיתי, עשוי להפוך לאחד האנשים החשובים ביותר בארגון.