קרדיט תמונה: Zirat AI / AI
דו"ח חדש: OpenAI מזנקת בשוק הארגוני אך נכנסת למרוץ הישרדות מול גוגל
שנה אחרי השקת ChatGPT Enterprise מדווחת OpenAI על זינוק של פי 8 בהיקף ההודעות ופי 320 בצריכת "reasoning tokens", לצד אימוץ גובר של GPTים מותאמים בתוך ארגונים. הנתונים, שפורסמו ימים לאחר מייל "code red" פנימי על איום Google Gemini, ממחישים גם את פרדוקס הצמיחה: שימוש עמוק יותר של לקוחות B2B מול שאלות קשות על מודל העלויות, התחרות מצידה של Anthropic ומודלים פתוחים, והמשמעויות עבור חברות וטאלנטים גם בישראל.
כפי שפורסם בTechCrunch על ידי רֶבֶּקָה בֶּלַן, OpenAI מציגה בימים האחרונים נתוני צמיחה מרשימים בשוק הארגוני – ימים ספורים בלבד לאחר שארגון החדשות The Information חשף מייל "code red" פנימי של סם אלטמן על האיום מצד Google.
לפי הדו"ח החדש, היקף ההודעות ב־ChatGPT Enterprise זינק פי 8 מאז נובמבר 2024. במקביל, צריכת "reasoning tokens" ב־API – טוקנים שמייצגים משימות חישוב מורכבות יותר – גדלה פי 320 בשנה. המשמעות: יותר ויותר ארגונים לא מסתפקים בצ'ט פשוט, אלא משלבים את המודלים למשימות עומק כמו ניתוח נתונים, בניית קוד ותמיכה בקבלת החלטות.
בין בום שימוש לשאלת הכדאיות הכלכלית
OpenAI מנסה למצב את עצמה כמנוע פרודוקטיביות לארגונים. בדו"ח מצוטט הכלכלן הראשי של החברה, רוני צ'טרג'י, שמדגיש כי ההשפעה הגדולה על הצמיחה הכלכלית מגיעה כשחברות מאמצות טכנולוגיה בהיקף רחב, בדומה למה שקרה עם מנוע הקיטור או המחשוב האישי.
לפי הנתונים שפורסמו, עובדים בארגונים המשתמשים ב־ChatGPT Enterprise מדווחים על חיסכון יומי של 40 עד 60 דקות. כ־75% מהם טוענים שהכלים מאפשרים להם לבצע משימות – כולל משימות טכניות – שלא היו מסוגלים לבצע קודם. נרשמה גם עלייה של 36% במסרים הקשורים לקוד המגיעים מעובדים שאינם מפתחים, אנשי IT או חוקרים.
עם זאת, אותה עלייה דרמטית בצריכת reasoning tokens מעלה גם סימן שאלה: האם הארגונים מפיקים ערך לטווח הארוך, או פשוט "שורפים" משאבי חישוב יקרים במסגרת ניסויים אינטנסיביים? מאמרים שפורסמו בשבועות האחרונים בתעשייה מצביעים על כך שעומס החישוב של מודלי reasoning המתקדמים מגדיל משמעותית את צריכת האנרגיה של מרכזי הנתונים, מה שהופך את המודלים הללו ליקרים לתפעול ולפיתוח.
אימוץ GPTים מותאמים: מאוטומציה של תהליכים ועד ניהול ידע
אחד הנתונים המעניינים בדו"ח הוא הזינוק בשימוש ב־Custom GPTs, הכלים שמאפשרים לארגון להגדיר "עוזרים" מותאמים המבוססים על הידע והתהליכים הפנימיים שלו. לפי OpenAI, היקף השימוש ב־GPTים מותאמים קפץ פי 19 השנה, והם כבר מהווים כ־20% מנפח ההודעות בארגונים.
דוגמה בולטת היא הבנק הדיגיטלי BBVA, שלפי הדו"ח מפעיל למעלה מ־4,000 GPTים מותאמים. מודלים כאלה משמשים לא רק לצ'ט עם לקוחות אלא גם לתמיכה בסוכני שירות, לניתוח מסמכים רגולטוריים ולסיכום מידע עסקי. עבור חברות ישראליות הפועלות בשווקים גלובליים, במיוחד בתחומי פינטק וסייבר, היכולת להטמיע GPTים כאלה מעל נתונים פנימיים (תיקי לקוחות, קוד מוצר, תיעוד) היא כבר היום יתרון תחרותי – אך גם מקור סיכון אם ניהול ההרשאות והפרטיות לא מבוצע בקפדנות.
תחרות ישירה ב־B2B: Anthropic, Gemini ומודלים פתוחים
לצד המספרים המרשימים, המציאות התחרותית מורכבת. לפי נתוני Ramp AI Index, כ־36% מהעסקים בארה"ב משתמשים ב־ChatGPT Enterprise, לעומת כ־14.3% המשתמשים במודלים של Anthropic. עם זאת, בניגוד ל־OpenAI, רוב ההכנסות של Anthropic מגיעות מראש מלקוחות B2B, והחברה משקיעה רבות במיצוב מודלי Claude כ"בטוחים וצפויים" יותר לסביבות ארגוניות רגישות.
במקביל, Google דוחפת את Gemini לעומק מערכת המוצרים שלה – מ־Workspace ועד Cloud – באופן שמאיים על בסיס המנויים הצרכני של OpenAI, שממנו מגיע עדיין רוב ההכנסות. עבור ארגונים ישראליים שעובדים כבר היום בצורה הדוקה עם Google Cloud או עם AWS, השאלה איננה רק איזה מודל חכם יותר, אלא מי משולב טוב יותר בתשתית הקיימת, ובאיזה מחיר.
מעל כל זה מרחפת גם התחרות מצד ספקי מודלים פתוחים ומשקלי מודל פתוחים (open-weight), שמאפשרים לחברות להריץ מודלי שפה גדולים בענן פרטי או אפילו ב־on-premise, ולעיתים בעלויות חיזוי נמוכות יותר ובגמישות רגולטורית גבוהה יותר. מגמה זו מורגשת גם בישראל, שם יותר סטארט־אפים בוחנים הפעלה של מודלים פתוחים על תשתיות GPU פרטיות או בענן מקומי, בעיקר בתחומי בריאות ופיננסים.
השקעה של 1.4 טריליון דולר בתשתיות: הימור ענק על ביקוש ארגוני
אחד הנתונים הדרמטיים ביותר הוא התחייבויות התשתית ארוכות הטווח של OpenAI, בהיקף מוערך של כ־1.4 טריליון דולר לשנים הקרובות. מדובר בהסכמי ענן, שבבים ותשתיות מרכזי נתונים, שנועדו לתמוך בדור הבא של המודלים ובשימוש רחב של לקוחות.
ההימור הזה מחייב את OpenAI להאיץ את הצמיחה בשוק הארגוני: בלעדי אימוץ מסיבי של API, ChatGPT Enterprise ופתרונות משובצים באפליקציות צד שלישי, מודל העלויות עלול להפוך לכבד מדי גם על שותפות כמו מיקרוסופט. עבור תאגידים גדולים – כולל חברות ציבוריות ישראליות – זה עשוי להוביל בעתיד למודלי תמחור דינמיים יותר, כולל תמחור נפרד ליכולות reasoning עמוקות ותמחור מוזל למודלים קלים וייעודיים יותר.
פערי אימוץ בתוך הארגונים והסיכון ב"קוד לפי תחושה"
הדו"ח של OpenAI מדגיש "פער גדל" בין "עובדי חזית" (frontier workers), שמנצלים מגוון רחב של כלי AI על בסיס יומי, לבין עובדים מאחור שממשיכים להשתמש בכלים באופן מזערי. הפער בולט במיוחד ביכולות כתיבה, קוד וניתוח נתונים.
מעניין לגלות שגם בקרב המשתמשים הכבדים בארגונים, חלק גדול מהם כלל אינו נוגע בכלים המתקדמים ביותר, כמו Data Analysis, חיפוש משולב והמודלים החזקים ביותר ל־reasoning. לדברי בראד לייטקאפ, COO של OpenAI, האימוץ המלא ידרוש שינוי תפיסתי וארכיטקטורה מחדש של תהליכי עבודה, ולא רק הוספת "עוד כלי" למדף.
במקביל, העלייה ב"קידוד לפי תחושה" (vibe coding) על ידי לא־מפתחים מעלה דגל אדום בצד האבטחה. קוד שנוצר על ידי עובדים חסרי רקע הנדסי עלול להכיל פרצות, תלויות לא מאובטחות וטעויות לוגיות. OpenAI הציגה לאחרונה את Aardvark, סוכן אבטחה אוטונומי שנמצא בבטא סגורה ומיועד לסריקת קוד לזיהוי חולשות. עבור אקוסיסטם הסייבר הישראלי, פתרונות מסוג זה יכולים להיות בסיס לפיתוח שכבה עצמאית: מוצרי AppSec המנצלים מודלים גדולים אך שומרים על שליטה מלאה בנתונים ובקוד.
מה המשמעות לחברות ולעובדים בישראל?
עבור ארגונים ישראליים, במיוחד כאלה הפועלים בשוק הגלובלי ומחזיקים צוותים מבוזרים, המסר מהדו"ח הוא כפול: מצד אחד, מי שיאמץ כלי AI ארגוניים לעומק, ישלב אותם בנתונים ובתהליכים, ויבנה "GPTים ארגוניים" ימצא את עצמו בקדמת הבמה התחרותית. מצד שני, מי שימשיך לראות ב־ChatGPT עוד כלי כתיבה או סיכום מיילים עלול לגלות שהפער מול המתחרים גדל מהר מכפי שניתן לסגור.
נכון לעכשיו, חלק מיכולות OpenAI המתקדמות אינן זמינות עדיין בממשקי UI מלאים בעברית, אך התמיכה בשפה משתפרת במודלים האחרונים, וארגונים שמחברים את המודלים דרך API יכולים לייצר חוויית משתמש עברית מלאה מעל שכבה אנגלית של המודל. עבור חברות ישראליות, השאלה היא פחות "האם המוצר תומך בעברית" ויותר עד כמה הן מוכנות להשקיע בתשתיות, אבטחה והכשרת עובדים, כדי שהשימוש ב־AI לא יישאר בקצה אלא יהפוך לחלק מתשתית התפעול.
הנתונים שמציגה OpenAI נראים מרשימים, אך הם גם תזכורת לכך ששוק ה־AI הארגוני נכנס כעת לשלב שבו השאלה המרכזית איננה "כמה משתמשים" אלא "כמה ערך כלכלי בר־קיימא נוצר" – שאלה שמעניינת באותה מידה את הנהלות החברות, את המשקיעים, וגם את העובדים שתוהים עד כמה המערכות הללו מתקרבות ליום שבו הן יידעו לעשות חלק גדול מעבודתם.