בין חדשנות טכנולוגית לריבונות לאומית: האם ישראל צריכה מודל שפה (LLM) משלה?
מאת: אריה עמית | יועץ אסטרטגי וחבר נשיאות הלשכה
31.08.2026
מהפכת הבינה המלאכותית היוצרת (Generative AI) משנה מן היסוד את האופן שבו האנושות מייצרת, מעבדת ומנתחת מידע. בחזית המהפכה הזו ניצבים מודלי שפה גדולים (LLMs) וטכנולוגיות עיבוד שפה טבעית (NLP). אולם, מבט חטוף על מפת הפיתוח הגלובלית מגלה תמונה חד-גונית: מרבית המודלים המובילים בעולם כמו GPT של Claude ,OpenAI של Anthropic או Gemini של Google פותחו בארצות הברית, תוך התבססות מסיבית על השפה האנגלית ועל מערכת הערכים והתרבות המערבית-אמריקאית.
עבור קהילת הטכנולוגיה הישראלית – מהנדסים, מנהלי מוצר, חוקרים ומקבלי החלטות – מצב זה מציב שאלה אסטרטגית, ארכיטקטונית ולאומית קריטית: האם ישנו צורך אמיתי בפיתוח מודלי שפה וכלים ייעודיים לשפה העברית? האם מדובר בגחמה נוסטלגית או בצורך קיומי להייטק ולביטחון הישראלי?
מאמר זה בוחן את המורכבות הלשונית של העברית, את המשמעויות הביטחוניות של התלות במודלים זרים, ואת הדילמה הכלכלית בשאלה האם מדובר במשימה לאומית או במיזם עסקי, ומציג המלצה ארכיטקטונית מנומקת לשורה התחתונה.
האתגר הלשוני: מדוע עברית שונה מכל שפה אחרת?
מנקודת מבט של הנדסת תוכנה ומדע הנתונים, אימון מודל שפה על עברית אינו דומה לאימון מודל על אנגלית או על שפות אירופיות. העברית, כשפה שמית, מציבה בפני מפתחי ה- NLP שלוש משוכות ארכיטקטוניות מרכזיות, אשר גורמות למודלים הבינלאומיים להפגין ביצועים נמוכים, "להזות " או לייצר טקסטים מסורבלים ולא טבעיים.
1. מורפולוגיה עשירה ומורכבת
באנגלית, המילים הן ברובן יחידות עצמאיות (Tokens) בעלות מבנה ליניארי. בעברית, לעומת זאת, המבנה מבוסס על מערכת של שורשים ומשקלים. מילה בודדת בעברית יכולה להכיל בתוכה משפט שלם באנגלית. לדוגמה, המילה "וכשבהתקפותיהם " כוללת ו' החיבור, כ' הזיקה, ב' היחס, את שם העצם "התקפה", ריבוי ("ות") וכינוי קניין חבור ("יהם").
עבור אלגוריתמים של טוקניזציה– השלב שבו המודל מפרק טקסט ליחידות מתמטיות – העברית היא סיוט הנדסי. המודלים הגלובליים, שעברו אופטימיזציה לאנגלית, מפרקים מילים בעברית לשברים קטנים ולא הגיוניים או תתי-אותיות. התוצאה היא צריכת זיכרון מוגדלת הנשחק במהירות רבה יותר בעברית מאשר באנגלית ופגיעה קשה ביכולת של המודל להבין את הקשרים הסמנטיים העמוקים בין המילים.
2. בעיית הכתיב החסר והעדר הניקוד
העברית המודרנית הנכתבת ביום-יום היא שפה נטולת ניקוד (כתיב חסר או כתיב מלא חלקי). משמעות הדבר היא שלמילים רבות יש כפל או שילוש משמעות קיצוני התלוי לחלוטין בהקשר. חשבו על הרצף "ספר " ללא הקשר, המודל אינו יכול לדעת האם מדובר בסיפור (סֵפֶר), באדם המסתפר (סַפָּר), בפעולת הספירה (סָפַר) או בכלל באזור גאוגרפי (סְפָר).
מודלים בינלאומיים נוטים "לפתור" זאת על ידי תרגום סמוי לאנגלית, עיבוד המידע באנגלית, ותרגומו חזרה לעברית. תהליך זה יוצר עיוותים קשים, מאבד סלנג מקומי, ביטויים צבאיים או משפטיים, ומניב עברית "מתורגמת" שנשמעת מלאכותית לאוזן ישראלית.
3. מחסור חריף במשאבי דאטה
מודלי שפה מודרניים דורשים טריליונים של טוקנים כדי להגיע לרמת דיוק גבוהה. בעוד שהאינטרנט מוצף בטקסטים באנגלית (ויקיפדיה, ספרים דיגיטליים, קוד, אתרי חדשות), כמות הדאטה האיכותי בעברית קטנה בכמה סדרי גודל. אם נאמן מודל רק על ה"דאטה הזמין" ברשת הישראלית, נקבל מודל שמוטה מתגובות ברשתות חברתיות, שפה נמוכה או דיונים פוליטיים רעילים. יצירת קורפוס נקי, עשיר ומסווג בעברית היא אתגר הנדסי הדורש עבודv ידנית ויקרה.
הנימוק הביטחוני: ריבונות מידע והגנה בסייבר
מעבר לאתגר הלשוני, ההחלטה לפתח מודל שפה בעברית אינה רק סוגיה של איכות חוויית המשתמש, אלא עניין של בטחון לאומי וריבונות אסטרטגית. לשימוש במודלים מבוססי ענן של חברות זרות כמו OpenAI או Microsoft יש שלוש השלכות ביטחוניות חמורות:
1. זליגת מידע מסווג ופרטיות
גופי הביטחון של ישראל (צה"ל, שב"כ, מוסד), לצד גופים אזרחיים רגישים (משרדי ממשלה, בתי חולים, מערכת המשפט והמערכת הבנקאית), מעבדים מדי יום כמויות אדירות של מידע מסווג, רפואי ואישי. שליחת המידע הזה ל-API של חברה זרה פירושה הוצאת המידע מגבולות המדינה והעברתו לשרתים שאין לישראל שליטה עליהם. חברה זרה, בלחץ ממשלתי או בעקבות פרצת אבטחה, עלולה לחשוף מידע זה. כדי לנצל את עוצמת ה-AI בארגוני ביטחון, יש צורך במודל המסוגל לרוץ באופן מקומי ומנותק מהאינטרנט (On-Premise / Air-gapped).
2. הטיות אידיאולוגיות וצנזורה מובנית
מודלים בינלאומיים עוברים תהליך של "כיול ערכים" לפי תפיסת העולם של החברות המפתחות בעמק הסיליקון. בתקופות של עימות ביטחוני או הסברה לאומית, מודלים אלו עלולים להפגין הטיות מובנות, לחסום שאילתות ביטחוניות ישראליות תחת הגדרות של "מניעת אלימות", או להציג נרטיב מעוות של המציאות הגיאופוליטית. שליטה במודל שפה מקומי מבטיחה שהמערכת תבין את ההקשר הביטחוני הישראלי ללא סנקציות או צנזורה חיצונית.
3. לוחמת מידע והנדסת תודעה
בעידן שבו יריבים משתמשים בבוטים ומודלי שפה כדי להנדס את התודעה הציבורית בישראל באמצעות פייק ניוז בעברית, ישראל חייבת להחזיק במודל שפה חזק משלה. מודל כזה ישמש ככלי הגנתי – הוא יוכל לזהות טקסטים שנכתבו על ידי מודלים עוינים, לאתר דפוסי השפעה זרים ברשתות החברתיות, ולייצר תגובות מהירות ומדויקות בהסברה ובלוחמה פסיכולוגית.
מבט עולמי: כיצד מדינות אחרות פותרות את הבעיה?
האתגר הישראלי אינו ייחודי. ברחבי העולם, ממשלות וגופי טכנולוגיה הבינו כי הסתמכות בלעדית על תשתיות בינה מלאכותית אמריקאיות מהווה איום על הריבונות הדיגיטלית, הכלכלית והתרבותית שלהן. מגמה זו, המכונה Sovereign AI (בינה מלאכותית ריבונית), מולידה פרויקטים מרתקים:
האיחוד האירופי: (EU Institutional LLM) ביולי 2026, הנציבות האירופית השיקה את מודל השפה המוסדי הפתוח שלה. (EU-Institutional-LLM) הפרויקט נולד מתוך ההבנה כי שפות אירופיות רבות נחשבות "דלות משאבים" בדאטה העולמי בהשוואה לאנגלית למשל, לטבית מהווה פחות מ-0.1% מדאטה הציבורי. המודל, אומן על מאגרי המידע והתרגומים הרשמיים של מוסדות האיחוד כדי להבטיח שכל 24 השפות הרשמיות יקבלו ייצוג שווה, מדויק ונטול הטיות תרבותיות אמריקאיות.
איחוד האמירויות: (Falcon & ALLaM) האמירויות סימנו את עצמן כמובילות עולמיות ב-Sovereign AI. באמצעות המכון לחדשנות טכנולוגית (TII) באבו דאבי, הם פיתחו את סדרת מודלי Falcon, כולל גרסאות ייעודיות לשפה הערבית ולתרבות המקומית. לצד זאת, יוזמות כמו ALLaM נבנו במטרה לספק למגזר הממשלתי והעסקי במפרץ מודל שפה שמבין לא רק את השפה הערבית הספרותית, אלא גם את הניבים והקודים התרבותיים והמשפטיים של האזור.
דרום קוריאה: (HyperCLOVA X) ענקית הטכנולוגיה הקוריאנית Naver פיתחה מודל ריבוני רחב היקף, מתוך הבנה שהמודלים האמריקאיים אינם מבינים את הניואנסים החברתיים והעסקיים של דרום קוריאה. המודל מאומן על קורפוס קוריאני הגדול פי אלפים מזה ש-ChatGPT נחשף אליו, ומשרת כיום את התעשייה המקומית, מערכות החינוך והגופים הממשלתיים בתוך המדינה.
ספרד: (National LLM / Project MareNostrum) ממשלת ספרד השקיעה משאבים לאומיים רבים בפיתוח מודלי שפה ייעודיים לא רק עבור הספרדית הקלאסית, אלא גם עבור השפות המשותפות במדינה (קטלאנית, בסקית וגליסית), המטרה הוגדרה רשמית כ"טכנולוגיה עם ריבונות" (Tecnología con Soberanía) – מניעת הכחדה דיגיטלית של שפות מיעוט ושימור המורשת הלאומית במרחב ה-AI.
הדילמה הכלכלית: משימה לאומית או מטלה עסקית?
מי צריך לשאת בנטל הפיתוח של טכנולוגיה יקרה זו? עלות אימון מודל שפה גדול מאפס (Pre- training) דורשת חוות שרתים עצומות, אלפי מאיצי GPU כמו H100 של אנבידיה)ותקציבים המגיעים לעשרות ומאות מיליוני דולרים.
הטיעון בעד משימה לאומית
השוק דובר העברית מונה כ-10 מיליון בני אדם בלבד. עבור קרנות הון-סיכון וחברות מסחריות, פוטנציאל השוק קטן מדי כדי להצדיק השקעה של 100 מיליון דולר בפיתוח מודל תשתיתי מאפס. ללא התערבות ממשלתית, השוק הפרטי לא ירים את הכפפה ברמת התשתית. שפה היא תשתית לאומית קריטית, בדיוק כמו כבישים, חשמל וביטחון. לכן, על המדינה (באמצעות רשות החדשנות, מטה ה-AI ומשרד המדע) להוביל ולממן את הפרויקט כדי להבטיח את עתיד המשק.
הטיעון בעד מטלה עסקית
מנגד, ההיסטוריה מראה שפרויקטים טכנולוגיים המובלים במלואם על ידי בירוקרטיה ממשלתית נוטים להיות איטיים, יקרים ולא מעודכנים. קהילת ההייטק הישראלית חזקה, דינמית ובעלת יכולת מוכחת. חברות פרטיות יכולות לקחת מודלים קיימים בקוד פתוח כמו Llama של Meta או Mistral ולבצע להם התאמה לעברית בעשירית מהמחיר. השוק הפרטי ידע לפתח מודלים "ורטיקליים"– מודל ייעודי לעורכי דין, מודל לרופאים, או מודל לשירות לקוחות – שמייצרים ערך עסקי מיידי ובר-קיימא.
סיכום, מה מומלץ לעשות
קיימת חובה אסטרטגית, ביטחונית וטכנולוגית לפיתוח מודל שפה ותשתיות NLP מתקדמות בעברית. עם זאת, הדרך הנכונה לעשות זאת אינה בניית "ChatGPT ישראלי" מאפס על ידי הממשלה, אלא אימוץ ארכיטקטורה היברידית: תשתית לאומית, יישום עסקי-ביטחוני.
ישראל אינה צריכה לשרוף תקציבי עתק על אימון מודל מתמטי בסיסי מאפס, שכן חברות הענק העולמיות כבר
עשו את העבודה הקשה. ההמלצה המנומקת היא לפעול במודל תלת-שכבתי:
רובד התשתית (באחריות לאומית): על המדינה, באמצעות קונסורציום של אקדמיה, רשות החדשנות וצה"ל, לממן את הקמתו של מאגר המידע הלאומי. הממשלה צריכה לרכוש זכויות יוצרים על ספרות עברית, ארכיונים, מאגרי חקיקה וטקסטים אקדמיים, לנקות את המידע ולהנגיש אותו כקוד פתוח לחוקרים ומפתחים ישראלים. זהו "הדלק" שבלעדיו השוק הפרטי לא יוכל לפעול.
רובד המודל (מודל היברידי): במקום להמציא את הגלגל, יש לקחת את מודלי הקוד הפתוח המובילים בעולם (כמו מודלי Llama החדשים ביותר) ולבצע להם תהליך של התאמה לעברית, תוך שימוש במאגר הלאומי. המימון לכך צריך להיות ממשלתי, אך הביצוע חייב להיות בידי חברות טכנולוגיה מקומיות או חוקרים מהשורה הראשונה.
רובד היישום (באחריות עסקית וביטחונית): על גבי המודל התשתיתי העברי שיפותח, גופי הביטחון יקימו גרסאות סגורות ומאובטחות (On-Premise) לצרכים מבצעיים ומודיעיניים. במקביל, חברות הייטק וסטארט-אפים יפתחו אפליקציות מסחריות לשוק המקומי (חינוך, פיננסים, בריאות).
חזון זה משלב את הטוב משני העולמות: הוא מבטיח ריבונות לאומית, הגנת סייבר ודיוק לשוני חסר פשרות, תוך שמירה על היעילות, המהירות והחדשנות של השוק הפרטי. זהו אינו בזבוז משאבים, אלא השקעה חיונית בהגנה על הריבונות התרבותית והביטחונית של מדינת ישראל בעידן הבינה המלאכותית.
תגובות