הכלכלה תמיד מנצחת: למה העתיד של הבינה המלאכותית בארגון הוא פרטי בלבד
מבוסס על "נקודת מבט" מאת סטיב לוקאס, מנכ"ל חברת Boomi
31.08.2026
בעוד שהעולם העסקי עדיין מנסה לעכל את המהירות שבה הבינה המלאכותית (AI) פרצה לחיינו, השאלה הגדולה כבר אינה "האם להשתמש ב- AI", אלא "איפה ואיך להריץ אותה". במאמר עמדה נוקב, סטיב לוקאס, מנכ"ל חברת בומי, מציג מסקנה חד-משמעית: כל ארגון רציני יעבור להרצת AI פרטי. הוא לא ישכור אותו; הוא יריץ אותו בתוך התשתית שלו.
התזה של לוקאס אינה מבוססת על העדפה טכנולוגית גרידא, אלא על כוח בלתי אפשרי לעצירה: הכלכלה. בהיסטוריה של הטכנולוגיה התעשייתית, חדשנות תמיד מתחילה כקסם יקר, אך בסופו של דבר השוק התעשייה למוצר אותה מדף (סחורה) והתחרות עוברת למה שבונים מעליה.
אפקט המספריים: התקרה עולה, הרצפה קורסת
כדי להבין את המעבר ל-AI פרטי, יש להתבונן בשתי עקומות הנעות בכיוונים מנוגדים.
מצד אחד, "התקרה עולה" עלות המודלים החזקים הולכת וגדלה. אימון GPT-2 ב-2019 עלה כ-43,000 דולר; GPT-4 ב-2023 כבר נדרשה השקעה של כ-100 מיליון דולר. מיד ל-2027-2028 מדברות על אימון של כדור הארץ ואף עשרה דולר למודל בודד. זהו נתיב של "כוח גס" הדורש הון עתק ומשאבי אנרגיות אדירים.
מצד שני, ה"רצפה" קורסת. העלות להשגת רמת יכולת נתונה צונחת במהירות. יכולתה 79 מיליון דולר לאמן ב-2023, נתנת להשגה ב-2026 רק 5-10 מיליון דולר בלבד. עבור הארגון, ההשפעה היא ש"ה קצה האמין" (Reliable Edge) – מודלים שהם מעט מאחורי החזית הפונטס – מפעל לנגיש וזול להיא.
תקדימים מהשטח: המקרה הסיני וצמצום הפער
הוכחה חותכת שכלכלה והנדסה חכמה לנצח הון עתק הגיעה מסין. תחת מגבלות ייצוא של שבבים מתקדמים, מעבדות סיניות נאלצו "להנדס סביב העליות". המודל DeepSeek-R1, למשל, הושלם בעלות אימון סופית של פחות מ-300,000 דולר, בעוד מודל ה-Base שלו (V3) עלה כ-5.6 מיליון דולר בחישוב תשתיות.
התוצאה היא שפיר היכולות בין המודלים הציבוריים הסגורים (כמו אלו של OpenAI) למודלים הפתוחים (Open-weight) הצטמצם משנים לחודשים ספורים בלבד. ביוני 2026, מודל פתוח כמו GLM-5.2 כבר השתווה או עקף בביצועי קידוד מודלים סגורים מובילים, בבריר מעלות ההרצה. עבור מנהלי טכנולוגיה, מודל שהוא "3 חודשים מאחורי החזית וחינמי רוצה הוא עסקה טובה בהרבה ממודל מושכר שאינו בשליטתם.
הכלכלה של השכירות מול העלות
ארגונים רבים אימצו מודל של "שכירת" AI (SaaS), אך לוקאס טוען שהכלכלה כאן שונה בתכלית. בעוד ש-SaaS רגיל התבסס על מו"פ אפשרי לפרוס על פני אלפי לקוחות במתחם רווחים גבוהים, ה-AI דורש השקעות הון (Capex) דמיוניות. ארבעת הענקיות (מיקרוסופט, אמזון, גוגל ומטא) צפויות להוציא כ-700 דולר דולר על תשתיות AI ב-2026 בלבד.
העליות הללו יגולגלו אחרי דבר גדול. המעבדות הציבוריות מפסידות רמות; OpenAI דיווחים על הפסד נקי של מעל 21 מיליארד דולר ברבעון הראשון של 2026. מחירי ה"טוקנים" הנמוכים היו רק אמצעי לצבירת שוק במימון משקיעים. כיום, ארגונים מגלים שעליות ה-AI יוצאות משליטה – חברה אחת כילתה תקציב שנתי בארבעה חודשים עקב אימוץ סוכני. AI שום מנהל כספים (CFO) לא יסבול עלות משתנה ובלתי מוגבלת כזו לאורך זמן; הפתרון הוא להפוך אותה לעלות קבועה וצפויה.
הארכיטקטורה של מנוע האינטליגנציה הארגונים
איך נראה בינה מלאכותית פרטית? לוקאס מתאר ארכיטקטורה אחיתת:
מבוססת Kubernetes או שכבות ניהול דומות על ענן פרטי או שרתים מקומיים.
שילוב של מודלים כלליים ומודלים מיוחדים לתחום (דומיין ספציפי).
שכבת בקרה המנתבת כל משימה למודל הזול והייעיל הכי יכול לבצע, ופונה למודלים ציבוריים רק לצורך חריגים של פתרון בעיות מורכבות במיוחד.
ה"רוטב הסודי" והלקח מעידן ה-ERP
הוא באמת אינו טמון במודל עצמו, אלא ב"רוטב הסודי" שארגון רוקח סביבו. לוקאס משווה זאת ל-13 עשבי התיבול והתבלינים: "העוף הוא רק עוף; כולם יכולים לקנות אותו. מה שאי אפשר לקנות הוא התערובת". התערובת הזו כוללת את הקניינים, הכוונון האישי (Fine-tuning), משקולות המודל המותאמות ולולאות המשוב מהעובדים.
התקדים ההיסטורי סיבה הוא מערכות ה-ERP (כמו SAP). גם אז, הפלטפורמה הייתה מוצר מדף שכולם לקנות. התחרותי נוצרה דרך ההתאמות האישיות (קוד ה-ABAP) והטמעת הלוגיקה העסקית הייחודית פנימה.. ב-AI הפרטי, ה-Fine-tuning והנתונים הם ה-ABAP החדש.
סיכום: הלב הפועם החדש
שלושה שלושה עשורים, ה-ERP היה "מערכת התיעוד" שסיפרה לנו מה קרה בעסק. העידן הזה מסתיים. ה-AI הפרטי יוצר "מערכת של אינטליגנציה" - מנוע לא רק מתעד, אלא מחליט, פועל ומשתפר באופן רציף.
המעבר ל-AI פרטי אינו תלוי בשאלה איזה מודל כותב יפה יותר. הוא הוכרע על ידי הכלכלה של יחידות הקצה בקנה מידה רחב. כפי שלוקאס מסכם: ארגונים שישכילו לבנות את מנוע האינטליגנציה הפרטית שלהם היום, יחזיקו ביתרון התחרותי של המחר.
תגובות