"מפוטרים" מתחום הבינה המלאכותית כי היא יקרה מדי.

(תמונה להמחשה: מגניפיק)

בשנתיים האחרונות, בינה מלאכותית (AI) נתפסה על ידי עסקים רבים כפתרון מהיר לאתגרי פרודוקטיביות. החל מקידוד ושירות לקוחות ועד כתיבת דוחות, ניתוח נתונים ועיבוד דוא"ל, בינה מלאכותית צצה עם הבטחה למהירות, זולות יותר ופחות תלויה בעבודה אנושית. עם זאת, עד אמצע 2026, השאלה בחדרי ישיבות רבים של חברות כבר לא תהיה "האם עלינו להשתמש בבינה מלאכותית?", אלא "כמה כסף מוציאה הבינה המלאכותית, והאם היא באמת מספקת ערך הולם?".

שינוי זה אינו אומר שבינה מלאכותית מיושנת. להיפך, בינה מלאכותית נותרה טכנולוגיה אסטרטגית, במיוחד בתכנות, שירות לקוחות, כספים ותפעול פנימי. עם זאת, לאחר תקופה של פריסה מהירה המונעת על ידי פחד מפגרות, חברות רבות מתחילות להבין מציאות פחות זוהרת: בינה מלאכותית אינה חינמית, וגם לא בהכרח זולה יותר מבני אדם אם משתמשים בה בצורה שגויה. כאשר כלי זמין לאלפי עובדים, כל פקודה, כל פיסת טקסט, כל ניתוח מסמך או כל הזנת קוד יכולים להפוך לעלות הנמדדת בטוקנים - יחידת מידה לכמות הנתונים שמודל הבינה המלאכותית צריך לעבד.

בסוף מאי, דיווח הוול סטריט ג'ורנל כי כמה עסקים אמריקאים מתחילים "לקצוב" את הוצאותיהם על בינה מלאכותית, שכן עלויות המחשוב והטוקנים עולות במהירות. המאמר ציטט את המקרה של אובר, וציין כי החברה ניצלה את תקציב הבינה המלאכותית שלה לשנת 2026 תוך ארבעה חודשים בלבד, מה שגרם לה לשקול מחדש כיצד היא מקצה את הוצאות הבינה המלאכותית שלה. זהו איתות משמעותי: בינה מלאכותית כבר אינה רק ניסוי טכנולוגי, אלא הפכה לפריט פיננסי הדורש שליטה, בדיוק כמו מחשוב ענן, עלויות כוח אדם או תפעול.

אובר היא דוגמה בולטת משום שהחברה אינה מתנגדת לבינה מלאכותית. הבעיה של אובר טמונה בעובדה שהעלויות עולות מהר מדי, בעוד שהיתרונות העסקיים הקונקרטיים אינם מוכחים בקלות. The Verge מצטט את אנדרו מקדונלד, יו"ר ומנהל התפעול הראשי של אובר, שאומר כי הוצאות גדולות יותר על כלים כמו קלוד קוד אינן מתואמות ישירות עם מספר רב יותר של תכונות שימושיות עבור הלקוחות. במילים אחרות, צוות ההנדסה יכול להשתמש יותר בבינה מלאכותית, אך ההנהגה עדיין צריכה לענות על השאלה הבסיסית: האם משתמשי הקצה מקבלים מוצר טוב יותר עבור הכסף שהוצא?

Claude Code, כלי התמיכה בתכנות של Anthropic, הפך למוקד הדיון הזה. חשוב להבהיר כדי למנוע אי הבנות: Anthropic עדיין מציעה תוכניות מנוי חודשיות למשתמשים ולעסקים. עם זאת, כאשר משתמשים בו בקנה מידה גדול או דרך ממשק תכנות יישומים (API), ניתן לחשב את העלויות על סמך טוקנים, דפוסי שימוש ותכונות נוספות. דף התמחור הרשמי של Anthropic מראה שמודלי ה-API של Claude מתומחרים על סמך כמות הטוקנים הקלט והפלט; תיעוד החברה מציין גם ששינויים מסוימים בקידוד הנתונים עלולים לגרום לאותו טקסט להשתמש ביותר טוקנים מבעבר. לכן, הבעיה אינה "נגמרו התוכניות החודשיות", אלא הקושי שעומד בפני עסקים בחיזוי עלויות כאשר עובדים משתמשים ברציפות בבינה מלאכותית למשימות תובעניות.

ההבדל בין בינה מלאכותית לתוכנה מסורתית טמון באופן שבו העלויות נגרמות. עם תוכנות משרדיות, עסקים בדרך כלל משלמים תשלום חודשי לכל חשבון. עם כלי בינה מלאכותית רבים, במיוחד אלו לתכנות ואוטומציה רב-שלבית, העלויות יכולות לעלות עם אורך המסמך, נפח השאילתות, מחזורי העדכון, מספר המודלים שנקראו ונתוני הפלט. עובד המשתמש בבינה מלאכותית כדי לסכם אימיילים עשוי לעלות מעט מאוד. אבל צוות של מהנדסים שקוראים לבינה מלאכותית קוד מקור, מציעים תיקונים, כותבים מחדש גרסאות מרובות ומפעילים תהליכים אוטומטיים יכול לייצר עלויות משמעותיות בטווח הקצר.

מנקודת מבט ניהולית, זוהי בעיה מוכרת מאוד: טכנולוגיה טובה אינה בהכרח השקעה טובה אם לא ניתן למדוד את יעילותה. עסק עשוי להרגיש שהפרודוקטיביות גדלה מכיוון שהעובדים עובדים מהר יותר, אך אם מספר השעות שנחסך, שגיאות מופחתות, הכנסות גדלות או חוויית הלקוח משתפרת, חשבונות בינה מלאכותית יהפכו במהרה לקשים להגנה. לכן, חברות מובילות עוברות מגישה של "השתמשו בה ככל האפשר" לגישה של "השתמשו בה היכן שהיא נכונה, עבור האנשים הנכונים ובגבולות".

אולי יעניין אותך גם

מידע סודי ביותר של אפל וטסלה דלף ממפעל אייפון.מעל 630 ג'יגה-בייט של מידע רגיש דלפו, ופגעו הן באפל והן בטסלה, לאחר שמפעל האייפון של טאטא בהודו נפרץ.

תוכנית פיילוט לפיתוח פעילויות כלכליות ברמה נמוכה באמצעות כטב"מים עם כ-6,000 טיסות.על פי מידע ממשרד המדע והטכנולוגיה, דיאן ביין ינהל פיילוט לפיתוח פעילויות כלכליות ברמה נמוכה באמצעות כטב"מים עם כ-6,000 טיסות.

מדוע חברות תעופה צריכות ליצור תוכניות רכש מטוסים בשלבים של 5 שנים?רשות התעופה האזרחית של וייטנאם הודיעה כי החל מ-1 ביולי 2026, חברות תעופה וייטנאמיות יחויבו לפתח ולדווח מעת לעת על תוכניות פיתוח הצי השנתיות והחמש-שנתיות שלהן לגוף הרגולטורי, תוך הבטחה שהן תואמות את קיבולת התשתית ואת ביקוש השוק.

מעבר לעלות הכלים בלבד, סיפורה של החלפת משאבי אנוש על ידי בינה מלאכותית נבחן מחדש. ב-21 במאי, פורבס ציטט נתונים המראים כי 29% מהעסקים שקיצצו בעבר עובדים עקב בינה מלאכותית גייסו מחדש לתפקידים אלה. יש לפרש נתונים אלה בזהירות, אך הם מדגישים מציאות: החלפת בני אדם בבינה מלאכותית אינה פשוטה כמו קיצוץ בשורת עלות בשכר. בעבודות רבות, במיוחד שירות לקוחות, מכירות, יצירת תוכן, ניהול תפעול או טיפול במצבים רגישים, לבני אדם עדיין יש תפקידים שהבינה המלאכותית עדיין לא יכולה למלא במלואם.

בינה מלאכותית יכולה להגיב במהירות, אבל מהירות לא שווה ערך לדיוק. בינה מלאכותית יכולה לנסח טיוטות, אבל טיוטות עדיין צריכות להיבדק על ידי אנשי מקצוע. בינה מלאכותית יכולה לסכם נתונים, אבל מנהלים עדיין צריכים להבין את ההקשר כדי לקבל החלטות. אם עסקים מפטרים עובדים מוקדם מדי, הם עלולים לשלם את המחיר עם ירידה באיכות השירות, לקוחות לא מרוצים, תהליכים פנימיים כאוטיים יותר, ובסופו של דבר הצורך לגייס מחדש ולהכשיר מחדש עובדים. במקרה כזה, "חיסכון בזכות בינה מלאכותית" הופך לחיסכון אשלייתי.

נקודה אחת שיש לקחת בחשבון בצורה הוגנת היא שבינה מלאכותית אינה הסיבה היחידה לפיטורים בעסקים. חלק מהמנהיגים עשויים לצטט בינה מלאכותית כדי להסביר ארגון מחדש, בעוד שהסיבות האמיתיות יכולות לכלול לחץ על רווחים, ריביות, בעלי מניות, תחרות או אסטרטגיות קיצוץ עלויות. ב-1 ביוני, Business Insider ציטט את טורסטן סלוק, הכלכלן הראשי באפולו גלובל מנג'מנט, שאמר כי אין ראיות ברורות לאובדן משרות הנגרם על ידי בינה מלאכותית בנתוני התעסוקה הכוללים. זה מצביע על תמונה מורכבת יותר מהסיסמה "בינה מלאכותית גוזלת משרות אנושיות".

עבור עסקים וייטנאמיים, הלקחים מתאגידים בינלאומיים הם פרקטיים מאוד. חברות מקומיות רבות אולי לא הוציאו מיליוני דולרים על בינה מלאכותית, אך הן עדיין עלולות ליפול בקלות למלכודת של רכישת כלים מרובים, פתיחת חשבונות מרובים וניסיון של פלטפורמות מרובות ללא תהליך בקרה. אם כל מחלקה בוחרת כלי בינה מלאכותית משלה, כל צוות משתמש במודל משלו, וכל עובד מזין באופן עצמאי נתוני חברה לפלטפורמות חיצוניות, הסיכונים טמונים לא רק בעלות, אלא גם באבטחה, באיכות התפוקה ובאחריות משפטית.

AI bị sa thải vì đắt đỏ - Ảnh 3. — (תמונה להמחשה: מגניפיק)

לפני יישום בינה מלאכותית, עסקים צריכים להתחיל עם חמש שאלות פשוטות. ראשית, איזו בעיה ספציפית תפתור בינה מלאכותית? שנית, מהי העלות החודשית המקסימלית? שלישית, למי תהיה גישה אליה ולאיזה סוג נתונים? רביעית, מי יבחן את התוצאות שנוצרו על ידי בינה מלאכותית? חמישית, אילו מדדים ישתמש העסק כדי למדוד יעילות לאחר שלושה חודשים? אם חמש שאלות אלו לא נענו, פריסה רחבת היקף של בינה מלאכותית עשויה להיות החלטה חפוזה.

גישה בטוחה יותר היא לבחור תחומים פחות מסוכנים לבדיקה תחילה. בינה מלאכותית יכולה לסייע בסיכום מסמכים פנימיים, סיווג בקשות לקוחות, הצעת תוכן בדוא"ל, מציאת שגיאות בקוד תכנות, יצירת טיוטות דוחות או סיוע לעובדים בחיפוש מידע. עם זאת, בתחומים הקשורים לפיננסים, משפטים, משאבי אנוש, נתוני לקוחות או הצהרות פומביות, בני אדם עדיין חייבים להיות הסוקרים האולטימטיביים. עסקים לא צריכים להשתמש בבינה מלאכותית כ"עובד חלופי", אלא כ"עוזר דחיפה" עם מגבלות ברורות.

אולי יעניין אותך גם

מנהלים והלחץ "ללמוד מחדש" בעידן הבינה המלאכותית.VTV.vn - כמעט שלושה רבעים מהעסקים ברחבי העולם מתכננים לפרוס את הבינה המלאכותית של Agentic בשנתיים הקרובות, אך רק כ-21% אומרים שיש להם מודל ממשל מלא לטכנולוגיה זו.

"חיבור עסקים - איחוד יזמיות - הפצת ערכים בני קיימא"(CTO) - ב-24 ביוני, ארגנה ארגון היזמות הנשיות של וייטנאם, בשיתוף פעולה עם ארגון היזמות הנשיות של קאן טו, את טקס הפתיחה של האירוע "נטוורקינג עסקי - יזמות נשיות מתכנסות - הפצת ערכים בני קיימא".

צווארי בקבוק ביישום מדע וטכנולוגיה בעסקים.HNN - למרות שהצורך ליישם מדע וטכנולוגיה, חדשנות וטרנספורמציה דיגיטלית מושך יותר ויותר את תשומת ליבם של עסקים רבים, רוב העסקים הקטנים והבינוניים בהואה עדיין מתמודדים עם מכשולים רבים.

עיקרון נוסף הוא שניהול תקציבי בינה מלאכותית צריך להיות דומה לניהול עלויות מחשוב ענן. צריכות להיות מגבלות מבוססות קבוצות, התראות על חריגה מהמגבלות, דוחות שימוש חודשיים והערכות ביצועים מחלקתיות. עבור תכנות, עסקים צריכים לדעת כמה זמן תיקון באגים כלי בינה מלאכותית יכולים לקצר, כמה ימי פיתוח מוצר ניתן לקצר, או כמה מדדים תפעוליים ניתן לשפר. עבור שירות לקוחות, יש צורך למדוד את זמן התגובה, רמות שביעות הרצון, שיעורי התלונות ומספר המקרים שהופנו לצוות אנושי.

לאחר הפריחה הראשונית שלו, שוק הבינה המלאכותית נכנס לשלב בוגר יותר. כלים שלא יוכיחו את יעילותם יופסקו בהדרגה. הוצאות בלתי מבוקרות יהיו מוגבלות. הציפיות להחלפה אנושית מלאה יפנו את מקומן לגישה מעשית יותר: בני אדם מבצעים משימות שיפוטיות, בעוד שבינה מלאכותית תומכת במשימות חוזרות ונשנות, עתירות נתונים או מהירות.

לכן, "בינה מלאכותית מפוטרת כי היא יקרה מדי" לא צריכה להתפרש ככישלון של בינה מלאכותית. במקום זאת, מה שמפוטרת היא האשליה שקניית כלי בינה מלאכותית תהפוך אוטומטית עסקים לזולים, מהירים וחכמים יותר.

בינה מלאכותית תישאר בעסקים, אך תחת פיקוח צמוד יותר מצד חברות פיננסים, טכנולוגיה, משפט ומשתמשי קצה. בתחרות הזו, החברה המנצחת לא תהיה זו שתשתמש הכי הרבה בבינה מלאכותית, אלא זו שתדע כיצד להשתמש בבינה מלאכותית בצורה נכונה, במחיר הנכון ועם האחריות הנכונה.

מקור: https://vtv.vn/ai-bi-sa-thai-vi-dat-do-100260616145054134.htm