עולם ההייטק הישראלי כבר נכנס לעידן שבו הבינה המלאכותית היוצרת היא כלי עבודה יומיומי ולא גימיק. מחקר חדש של רשות החדשנות, שבוצע על ידי מכון מאיירס-ג’וינט-ברוקדייל, בחן את חדירת כלי GenAI לחברות ההייטק בישראל ואת השפעתם הנתפסת על עובדים במקצועות ודרגים שונים. המסקנה המרכזית: כמעט כל מי שעובד בענף משתמש היום בבינה מלאכותית – ורובם מדווחים על שיפור משמעותי באיכות התוצרים ובקיצור זמני העבודה.

המחקר התבסס על סקר אינטרנטי בקרב 523 עובדי הייטק, בהם מפתחים, אנשי דאטה, תשתיות, ניהול מוצר, שיווק ומשאבי אנוש. המדגם הותאם לנתוני הלמ"ס ורשות החדשנות לפי גיל, מגדר וסוג תפקיד, כדי לייצג טוב יותר את תעסוקת ההייטק בפועל. כ־416 מהמשיבים עובדים כיום בענף, והשאר עובדים לשעבר.

לפי הממצאים, 95% מהמשיבים משתמשים בכלי GenAI בעבודתם בתדירות יומית או שבועית, ומתוכם 78% מדווחים על שימוש יומיומי. לא מדובר בשימוש נקודתי: כ־82% מהעובדים שמשתמשים בכלי GenAI מדי יום נעזרים בהם לפחות בשלושה סוגי משימות, ורבע מהם משתמשים בכלים עבור שישה סוגי משימות ומעלה. ככל שתדירות השימוש גבוהה יותר – כך גדל גם מספר סוגי המשימות שבהם משולבים הכלים.

במשרתים הטכנולוגיים – מפתחי תוכנה, אנשי דאטה ותשתיות – השימוש מתמקד בעיקר במשימות ליבה: פיתוח וכתיבת קוד, איתור באגים, ניתוח לוגים ובדיקות אוטומטיות וידניות. כ־90% מהם דיווחו שהם נעזרים ב־GenAI לפיתוח קוד, ו־76% לאיתור תקלות. גם בתפקידים שאינם טכנולוגיים השימוש נרחב: עובדים בשיווק, מכירות, מוצר ומשאבי אנוש משתמשים בכלים לכתיבת תוכן, חיפוש ואיסוף מידע, למידה עצמית – ואף לכתיבה ותיעוד של קוד, מה שמעיד על טשטוש גובר בין גבולות התפקידים.

העובדים לא מסתפקים בצ’אטבוט אחד. לצד כלים כלליים כמו ChatGPT, Claude, Gemini או Perplexity, רבים מהמשיבים עושים שימוש גם בכלים ייעודיים לקוד כגון GitHub Copilot, Cursor, TabNine ואחרים. רוב העובדים – גם הטכנולוגיים וגם הלא טכנולוגיים – משתמשים בכלי GenAI "רב־תכליתיים", ואילו הכלים הייעודיים לקוד נפוצים במיוחד בקרב מפתחים ג’וניורים. באופן מפתיע, שיעור המשתמשים בכלי קוד מתקדמים נמוך יותר בסטארטאפים לעומת מרכזי מו"פ של חברות בינלאומיות וחברות שירותים/בתי תוכנה – אולי בגלל מגבלות רישוי, עומס משימות או שמרנות יחסית בכלים המוטמעים בסביבת הפיתוח.

אחד המסרים החזקים בדו"ח הוא התרומה הנתפסת לפריון. כ־68% מהמשיבים דיווחו שהשימוש ב־GenAI שיפר "במידה רבה" את איכות התוצרים שלהם. במקביל, כ־49% ציינו קיצור של 10%–50% בזמני העבודה, וכ־40% דיווחו על חיסכון של יותר מ־50% בזמן ביחס לעבודה ללא הכלים. המדד המשולב שגיבשו החוקרים – "תרומה נתפסת לפרודוקטיביות" – מצביע על כך שכ־75% מהעובדים, גם בתפקידים טכנולוגיים וגם באחרים, מרגישים שהכלים תרמו במידה רבה לשילוב של איכות טובה יותר וזמן עבודה קצר יותר. הנתון הזה רלוונטי במיוחד לחברות שבוחנות אימוץ GenAI ברמת הארגון – הוא ממחיש שהעובדים כבר שם.

עם זאת, הפערים בין קבוצות עובדים מתחילים להופיע כשבוחנים את מגוון השימושים. עובדים צעירים יותר, בני 25–34, נוטים לשלב GenAI במספר רב יותר של סוגי משימות; עם העלייה בגיל, ההסתברות לעבוד עם הכלים בשלושה סוגי משימות ומעלה יורדת באופן עקבי. בקרב מפתחים, גברים מדווחים יותר מנשים על שימוש בשישה סוגי משימות ומעלה, בעוד שבתפקידים לא טכנולוגיים המגמה מתהפכת – נשים נוטות לגיוון רחב יותר בשימוש בכלים. מנגד, המחקר לא מצא פערים מובהקים בהיקף השימוש לפי אזור מגורים, השכלה או סוג החברה – כולם משתמשים, השאלה רק כמה ולמה.

המחקר בחן גם את הצד הפחות נוח: תחושת האיום על עתיד התעסוקה. כאן התמונה מורכבת יותר. כ־27% מהמשיבים סבורים שבינה מלאכותית יוצרת עלולה להיות "איום במידה רבה" על עבודתם, אולם 68% רואים בה במקביל הזדמנות משמעותית להתפתחות תעסוקתית. עובדים לא טכנולוגיים נוטים יותר לראות ב־GenAI הזדמנות (כ־76% במידה רבה) לעומת עובדים טכנולוגיים (כ־65%), בעוד מפתחי תוכנה ואנשי דאטה מרגישים פגיעים יותר: כ־31% מהם מדווחים על תחושת איום גבוהה על מקום העבודה, לעומת כ־14% בלבד בתפקידים לא טכנולוגיים.

גם המיקום הגיאוגרפי ורמת ההשכלה משפיעים. עובדים המתגוררים בתל אביב והמרכז חשים פחות מאוימים בהשוואה לעובדים מהצפון, הדרום, ירושלים או מחו"ל. בעלי השכלה לא אקדמית מדווחים על רמת איום גבוהה יותר לעומת בעלי תואר ראשון ומעלה. מנקודת מבט של מדיניות, מדובר בקבוצות שזקוקות כנראה ליותר ליווי, הכשרות והסברה – כדי שלא ירגישו שמקומם בשוק העבודה מתערער דווקא כאשר הפריון עולה.

עבור קוראי CHIPORTAL – מנהלי פיתוח, ארכיטקטים ומהנדסים בחברות שבבים ותוכנה – הדו"ח מספק אישוש אמפירי למה שמרגישים ביום־יום: GenAI כבר כאן, והוא משנה את אופן העבודה בקנה מידה רחב. יחד עם זאת, הוא מזכיר שגם אם כיום התרומה לפריון ברורה והאופטימיות גוברת על הפחד, יש פלחים של עובדים – במיוחד צעירים בפריפריה וללא השכלה אקדמית – שחוששים להישאר מאחור. עבור החברות, המשמעות היא שהשקעה בכלי GenAI צריכה לבוא יחד עם השקעה בהכשרת עובדים, בניהול שינויים תרבותי ובהנגשת הכלים גם למי שנמצאים "בקצה" הארגון.

הפוסט מחקר חדש: GenAI כבר חלק משגרת העבודה בהייטק – אבל הצעירים בפריפריה חוששים יותר על מקום העבודה הופיע לראשונה ב-Chiportal.

חברת השבבים הישראלית פליופס (Pliops) מנהלת מו"מ מתקדם למכירתה לחברת אסטרה לאבס (Astera Labs) האמריקאית, בעסקה המוערכת ב־150–200 מיליון דולר במזומן ובמניות. הסכום נמוך מהיקף הגיוסים של פליופס המסתכם בכ־215 מיליון דולר . חברת השבבים האמריקאית אסטרה לאבס (Astera Labs), הנסחרת בנאסד"ק לפי שווי של כ־24 מיליארד דולר, נמצאת במגעים מתקדמים לרכישת פליופס (Pliops) בסכום שמוערך בין 150 ל־200 מיליון דולר במזומן ובמניות. לפי הדיווח, העסקה טרם נסגרה סופית, ובשוק מעריכים כי הוגשו גם הצעות נוספות מצד חברות זרות אחרות. בכירי אסטרה לאבס נמצאים בימים אלו בישראל כדי לקדם את המגעים, ומפליופס לא נמסרה תגובה.

היקף הרכישה המסתמן רחוק משוויי השיא שאליהם הגיעה פליופס בעבר. מאז הקמתה גייסה החברה כ־215 מיליון דולר, והגיעה ב־2022 לשווי מוערך של כ־650–700 מיליון דולר. מכירה בטווח של 150–200 מיליון דולר משקפת החזר חלקי בלבד להון שהושקע בה. עם זאת, על רקע מצב השוק בו היא פועלת אפשרות של אקזיט בינוני נחשבת בעיני חלק מהמשקיעים חלופה עדיפה על פני סגירת החברה לאחר שהמזומנים בקופתה כמעט אזלו.

פליופס, שהוקמה ב־2017, מפתחת מאיץ חומרה למשימות אחסון ועיבוד נתונים בדאטה סנטר, ומעסיקה כ־100 עובדים. אסטרה לאבס, הפועלת בתחום קישוריות מהירה ל-AI בדאטה סנטר, נסחרת לפי כ־24 מיליארד דולר ומתעניינת הן בטכנולוגיה והן בצוות.

במקביל למגעים, פליופס הודיעה על שיתוף פעולה עם Zilliz, מפתחת מסד הנתונים הווקטורי Milvus, כדי לאפשר RAG ארגוני בקנה מידה של מיליארדי וקטורים. השילוב בין ארכיטקטורת LightningAI של פליופס ל-Milvus מיועד להוזיל עלויות תשתית ולהרחיב חלונות הקשר למודלי GenAI – נדבך שעשוי לחזק את האטרקטיביות שלה בעיני רוכשים אסטרטגיים כמו אסטרה.

הפוסט חברת השבבים פליופס במו"מ למכירתה הופיע לראשונה ב-Chiportal.

נוף הבינה המלאכותית בשנת 2024

מהייפ למציאות: 2023 הייתה השנה שבה בינה מלאכותית נכנסה למיינסטרים. כעת, בשנת 2024, תאגידים עוברים משלב הפיילוט לשלב שבו הם משלבים בינה מלאכותית באופן פעיל בפונקציות הליבה העסקיות שלהם.

התמקדות בערך: חלפו הימים של שימושב בינה מלאכותית כדרך להציג את הארגון כמתקדם וחדשן. ההתמקדות כיום היא בזיהוי תחומים שבהם בינה מלאכותית יכולה לספק ערך עסקי ממשי, כגון יעילות מוגברת, עלויות מופחתות ושיפור קבלת ההחלטות.

עלייתה של בינה מלאכותית יוצרת (Gen AI ) -זהו  תת-תחום של בינה מלאכותית שיכול ליצור תוכן חדש (טקסט, קוד, תמונות וכו'), והוא חווה צמיחה משמעותית. לבינה מלאכותית יוצרת יש פוטנציאל עצום עבור תאגידים במגזרים שונים.

היתרונות של אימוץ בינה מלאכותית עבור תאגידים

אוטומציה משופרת: בינה מלאכותית מאפשרת אוטומציה של משימות שחוזרות על עצמן, ומשחררת את העובדים האנושיים להתמקד בפעילויות הדורשות יצירתיות וחשיבה ביקורתית.

יעילות משופרת: בינה מלאכותית מייעלת תהליכים, מפחיתה שגיאות ומשפרת  את זרימות העבודה, מה שמוביל להגברת היעילות והפרודוקטיביות.

תובנות מונעות נתונים: בינה מלאכותית מנתחת כמויות עצומות של נתונים כדי לזהות דפוסים ומגמות, מה שמאפשר קבלת החלטות טובה יותר על סמך תובנות בזמן אמת.

חדשנות ויצירתיות: בינה מלאכותית יוצרת יכולה לסייע בפיתוח מוצרים, קמפיינים שיווקיים ויצירת תוכן, כמו גם טיפוח חדשנות והרחבת גבולות היצירתיות.

האתגרים באימוץ בינה מלאכותית

עלות ויישום: הטמעה ותחזוקה של מערכות בינה מלאכותיות יכולות להיות יקרות. הן דורשות השקעה משמעותית בתחילת הדרך ומומחיות טכנית מתמשכת.

אבטחת נתונים והטיה: מערכות בינה מלאכותית טובות רק כמו הנתונים שהם מאומנים עליהן. אבטחת מידע והפחתת הטיה אפשרית באלגוריתמים של בינה מלאכותית הם פרטים שחשוב לשים לב אליהם.

ניהול שינויים: הטמעת בינה מלאכותית עלולה לשבש זרימות עבודה קיימות ולדרוש הדרכת עובדים. אסטרטגיות אפשקטיביות של ניהול שינויים חיוניות כדי להבטיח אימוץ חלק.

בינה מלאכותית יוצרת  מביאה שינוי משמעותי לתאגידים

יצירת תוכן: בינה מלאכותית יוצרת יכולה ליצור כלים שיווקים כולל תיאורי מוצרים, תוכן רב למדיה חברתית ואפילו סקריפטים, ובכך לחסוך זמן ומשאבים.

עיצוב ופיתוח מוצר: ניתן להשתמש בבינה מלאכותית יוצרת כדי ליצור רעיונות עיצוב חדשים, לייעל את תכונות המוצר ולהאיץ את מחזור פיתוח המוצר.

ניתוח חזוי: בינה מלאכותית יוצרת יכולה לנתח נתונים וליצור סימולציות מציאותיות כדי לעזור לחזות מגמות עתידיות והתנהגות לקוחות, מה שמאפשר קבלת החלטות יזומה וטובה יותר.

דוגמאות לאימוץ בינה מלאכותית יוצרת בשנת 2024:

חברות תרופות: בינה מלאכותית יוצרת משמשת לפיתוח תרופות וחומרים חדשים, ומאיצה את תהליך גילוי התרופות.

ייצור: בינה מלאכותית יוצרת מבצעת אופטימיזציה של קווי ייצור, מנבאת כשלים במכונות ויוצרת אבות טיפוס של מוצרים חדשים.

שירותים פיננסיים: בינה מלאכותית יוצרת מייצרת דוחות פיננסיים מותאמים אישית, מבצעת אוטומציה לזיהוי הונאות ומסייעת במסחר אלגוריתמי.

העתיד של בינה מלאכותית ושל בינה מלאכותית יוצרת

העתיד של בינה מלאכותית ושל בינה מלאכותית יוצרת הוא מזהיר. ככל שהטכנולוגיה ממשיכה להתפתח והעלויות יורדות, אנו יכולים לצפות לאימוץ נרחב עוד יותר בתעשיות השונות. תאגידים המאמצים בינה מלאכותית ובינה מלאכותית יוצרת יוכלו לפעול ביתר יעילות ויזכו ביתרון תחרותי בשוק העולמי.

נקודות חשובות עבור תאגידים בשנת 2024

זהו הזדמנויות ערך: נתחו בקפידה את התהליכים העסקיים שלכם כדי לזהות אזורים שבהם בינה מלאכותית ובינה מלאכותית יוצרת יכולים לספק את הערך המשמעותי ביותר.

השקיעו בתשתית נתונים: תשתית נתונים חזקה ומאובטחת חיונית להטמעת בינה מלאכותית מוצלחת.

אמצו תרבות של חדשנות: טפחו תרבות המעודדת ניסויים ומקבלת בברכה בינה מלאכותית ככלי לצמיחה וחדשנות.

פתחו מסגרת אתית: קבעו הנחיות אתיות ברורות לפיתוח ופריסה של בינה מלאכותית כדי למנוע הטיות אפשריות ולהבטיח שימוש אחראי ביכולות הבינה המלאכותית.

על ידי אימוץ יזום של טכנולוגיות בינה מלאכותית ובינה מלאכותית יוצרת,  תאגידים יכולים לשפר את סיכוייהם להצליח בעולם הדינמי והמשתנה ללא הרף. חשוב לזכור כי בינה מלאכותית אינה תחליף לאינטליגנציה אנושית, אך היא ללא ספק יכולה להיות כלי רב עוצמה להגדלת היכולות שלנו ולפיתוח אפשרויות חדשות שלא היו קיימות עד כה.

סקר שנערך בנובמבר 2023 ע"י YouGov עבור BigID  ערך 327 ראיונות עם מקבלי החלטות ומשפיענים בתחום ה-IT מארגונים ברחבי העולם בגדלים, תעשיות ומיקומים שונים. תוצאות הסקר מוצגות בגרף המצ"ב.

הפוסט 2024 – תמונת מצב באימוץ בינה מלאכותית ובינה מלאכותית יוצרת בתאגידים הופיע לראשונה ב-Chiportal.