מפתחים מסרבים לעבוד בלי AI - והחוב הטכני מצטבר
מחקרים עדכניים חושפים פרדוקס מסוכן: מפתחי תוכנה אינם מוכנים עוד לעבוד ללא כלי AI, אך הקוד שמייצרים הכלים הללו יוצר עלויות תחזוקה גבוהות לטווח ארוך. Amazon ו-Uber כבר חשו את הכאב התקציבי. השאלה היא כמה זמן עוד תחזיק האשליה של פריון מוגבר.
כשמפתחים לא מוכנים לוותר על AI - גם לצורך מחקר
מעבדת המחקר METR ניסתה בתחילת 2026 לחזור על ניסוי שביצעה ב-2025: למדוד את פריון המפתחים עם ולללא כלי AI. הניסוי המקורי הניב תוצאה מפתיעה - למרות שהמפתחים דיווחו על שיפור בפריון, הם בפועל עבדו לאט יותר, בשל הזמן שהושקע בתיקון שגיאות, בהכוונת הכלי ובהמתנה לתוצאות.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
הפעם, METR נתקלה בחסם אחר לגמרי: המפתחים סירבו להשתתף במחקר מכיוון שאינם מוכנים לעבוד ללא AI אפילו למשך זמן מוגבל, כפי שפורסם על ידי Julie Bort ב-TechCrunch. במקום הניסוי המקורי, פרסמה METR בחודש מאי סקר שבו עובדים טכניים דיווחו בעצמם על תרומת ה-AI לעבודתם. כצפוי, הם העריכו את ערכם הארגוני כגבוה פי שניים בזכות הכלים.
Tokenmaxxing: הטרנד שנגמר לפני שהתחיל
מגמת ה-Tokenmaxxing, שבה כמות ה-tokens שמשתמש מייצר שימשה כמדד לפריון, הייתה אחת הסימפטומים הבולטים של שנת 2026. Amazon הפעילה לוח תוצאות פנימי בשם Kirorank שעקב אחר השימוש ב-AI לפי עובד - אך נאלצה לסגור אותו לאחר שעובדים החלו לשחק במדדים על ידי שימוש מופרז ב-AI agents, מה שהביא לניפוח עלויות ללא שיפור ממשי בתפוקה (כך דווח על ידי Financial Times השבוע).
Uber סיפקה דוגמה אחרת: החברה שרפה את תקציב ה-AI של כל 2026 תוך ארבעה חודשים בלבד. מנכ"ל התפעול Andrew Macdonald הודה בפודקאסט שההוצאה לא הובילה לעלייה מדידה במספר הפרויקטים שהושלמו או בפריון הכולל (כפי שדווח ב-The Information).
החוב הטכני שמסתתר בקוד מהיר
הבעיה הבסיסית אינה רק תקציבית. מחקר שפרסמו חוקרי אוניברסיטת Singapore Management University באפריל 2026 מזהיר כי "קוד שנוצר על ידי AI עלול להכניס עלויות תחזוקה ארוכות טווח לפרויקטי תוכנה אמיתיים". כלי סקירת קוד CodeRabbit פרסם ניתוח של pull requests בקוד פתוח שמצא כי קוד שנוצר על ידי AI מייצר 1.7 פעמים יותר בעיות מאשר קוד שנכתב על ידי בני אדם.
המתכנת ומחבר הספרים James Shore ניסח זאת בצורה חדה: "אתם כותבים קוד פי שניים מהר עכשיו? מוטב שהפחתתם גם את עלויות התחזוקה לחצי. אחרת, אתם בצרות. אתם מחליפים דחיפת מהירות זמנית בשעבוד קבוע."
מה המשמעות עבור חברות טכנולוגיה ישראליות
המשמעות עבור חברות מקומיות היא ישירה ומיידית. ישראל מונה עשרות אלפי מפתחים שאימצו כלים כמו GitHub Copilot, Cursor ו-Claude Code, ועסקים רבים בנו תכניות כוח אדם על ההנחה שה-AI יאפשר לצוותים קטנים יותר לייצר תפוקה גדולה יותר. נתוני METR וה-SMU מחייבים לבחון הנחה זו מחדש.
המלצת החוקרים אינה לנטוש את הכלים, אלא לייצר מסגרת עבודה מפוקחת: מפתחים חייבים לדעת אילו משימות AI מבצע טוב ואילו פחות, לבנות תהליכי בקרת איכות שתוכננו במפורש עבור קוד שנוצר על ידי מכונה, ולשמור את ההחלטות האדריכליות ועיצוב האבטחה בידיים אנושיות. Scott Wu, מייסד ומנכ"ל Cognition ויוצר סוכן הקוד Devin, מסכים עם כך ומעריך את יכולות הסוכן שלו כנמצאות בין רמת מפתח זוטר לבינוני.
השאלה שמנהלי הנדסה ישראלים צריכים לשאול עצמם אינה "כמה tokens הצוות שלי מייצר" אלא "כמה מהקוד שיצר AI עדיין יעבוד כשלקוח ידפוק על הדלת עוד שנתיים".