הפער בין הבטחה למציאות: מה מגלה המאבק של Salesforce על טרנספורמציה של בינה מלאכותית בתעשיית הטכנולוגיה

האכזבה הגדולה של הבינה המלאכותית: מדוע Salesforce מראה שהמציאות נראית אחרת

הירידה המדהימה של 27 אחוזים במחיר המניה של ענקית ה-CRM Salesforce מתחילת 2025 אינה תופעה מבודדת של חברה אחת. אלא, היא מסמלת פער מהותי בין הציפיות הגבוהות סביב בינה מלאכותית לבין המציאות הקשה של היישום המסחרי שלה. בעוד שחברות טכנולוגיה ברחבי העולם מכריזות על מהפכה באמצעות סוכני בינה מלאכותית אוטונומיים, מצבה של Salesforce חושף שלוש בעיות מרכזיות שעשויות להיות סימפטומטיות לתעשייה כולה: המונטיזציה של חידושים בתחום הבינה המלאכותית, הבשלות המבנית של שוק התוכנה הארגונית והמורכבות הגוברת של שילוב טכנולוגיות. ניתוח זה בוחן מה באמת עומד מאחורי ההבטחה לכאורה לעתיד ומה ההשלכות שיש לכך על תעשיית הטכנולוגיה.

קשור לזה:

• בינה מלאכותית: מדוע Agentforce של Salesforce (עדיין) לא ממריא – חלופות עצמאיות עדיפות

יסודות ורלוונטיות

מצבה של Salesforce באוקטובר 2025 מסמן נקודת מפנה בתפיסת הבינה המלאכותית כמנוע צמיחה מיידי עבור חברות טכנולוגיה מבוססות. מארק בניוף, המייסד והמנכ"ל הכריזמטי של חברת ניהול קשרי לקוחות, הכריז על עידן הבינה המלאכותית מבוססת הסוכנים בכנס Dreamforce של החברה בסן פרנסיסקו. חזונו: אלגוריתמים אוטונומיים יחליפו עובדים אנושיים בחברות ויהפכו למחולל ההכנסות החשוב ביותר של Salesforce. המציאות, לעומת זאת, מציירת תמונה שונה.

הירידה הדרמטית במחיר מניית Salesforce עומדת בניגוד מוחלט למגמה הכללית במגזר הטכנולוגיה, שבו מניות הטכנולוגיה רשמו עליות משמעותיות באותה תקופה. פער זה מעלה שאלות מהותיות: האם התעשייה העריכה יתר על המידה את המהירות שבה ניתן לתרגם בינה מלאכותית להכנסות אמיתיות? האם הציפיות מסוכני בינה מלאכותית אוטונומיים הן ריאליות? ואילו בעיות מבניות מסתתרות מאחורי החזות הנוצצת של ההבטחה של הבינה המלאכותית?.

הרלוונטיות של ניתוח זה חורגת הרבה מעבר ל-Salesforce. הוא משפיע על כל החברות המסתמכות על בינה מלאכותית כמנוע צמיחה מרכזי. הוא משפיע על משקיעים שמשקיעים מיליארדים בטכנולוגיות בינה מלאכותית. והוא נוגע בעובדים שעבודתם מאוימת על ידי האוטומציה המובטחת. המקרה של Salesforce מציע תובנה ייחודית לגבי המנגנונים, התקוות והאכזבות של תעשייה בשינויים עזים.

מאמר זה מחולק לשמונה חלקים, המציגים באופן שיטתי את השורשים ההיסטוריים, המנגנונים הטכניים, המצב הנוכחי, מקרי שימוש מעשיים, בעיות קריטיות, התפתחויות עתידיות וסינתזה מסכמת של הממצאים. יתברר כי האתגרים של Salesforce הם דוגמה לבעיות עמוקות יותר בתעשייה המשתרעות הרבה מעבר לחברה בודדת.

מחלוץ ענן ללוחם בינה מלאכותית: הארגון מחדש האסטרטגי של ענקית התעשייה

כדי להבין את המצב הנוכחי, יש לעקוב אחר מקורותיה והתפתחותה של Salesforce. החברה, שנוסדה בשנת 1999 על ידי מארק בניוף, חוללה מהפכה בתעשיית התוכנה עם תפיסה רדיקלית דאז: תוכנה כשירות (SaaS). במקום למכור חבילות רישיון יקרות שהיה צריך להתקין על שרתי הלקוחות, Salesforce הציעה את פתרון ה-CRM שלה דרך האינטרנט. לקוחות שילמו דמי שימוש חודשיים ויכלו לגשת בקלות לתוכנה דרך דפדפן האינטרנט שלהם.

חדשנות זו הפכה את Salesforce למובילת השוק בניהול קשרי לקוחות. עם נתח שוק של למעלה מ-21 אחוזים, החברה ממשיכה לשלוט בשוק ה-CRM העולמי, הרבה לפני מתחרות כמו מיקרוסופט, אורקל ו-SAP. במשך למעלה משני עשורים, Salesforce נחשבה למניה בצמיחה מובהקת. ההכנסות גדלו בשיעור דו-ספרתי משנה לשנה, מחיר המניה טיפס בהתמדה, והחברה התרחבה באמצעות רכישות רבות.

עם זאת, אפילו בשנים שקדמו לשנת 2025, סימנים ראשונים להאטה ניכרו. צמיחת תעשיית תוכנות ה-CRM בכללותה הואטה ככל שהשוק הפך רווי יותר ויותר. חברות גדולות רבות כבר יישמו מערכות CRM, והפרי הנמוך ביותר כבר נקטף. במקביל, צצו מתחרים חדשים, שכבשו נתח שוק בעזרת גישות חדשניות ומחירים נמוכים יותר.

במצב זה, בניוף התמקד יותר ויותר בבינה מלאכותית כסיפור צמיחה חדש משנת 2022 ואילך. ראשית, Salesforce הציגה את Einstein, פלטפורמת בינה מלאכותית שאפשרה ניתוח חיזוי ואוטומציה בתוך מוצרי CRM קיימים. לאחר מכן, בספטמבר 2024, הגיעה ההכרזה הגדולה: Agentforce, פלטפורמה לסוכני בינה מלאכותית אוטונומיים שנועדה לטפל באופן עצמאי במשימות בתחומים כמו שירות לקוחות, מכירות ושיווק.

החזון היה שאפתני: עד סוף שנת 2025, הלקוחות היו אמורים ליצור מיליארד סוכני בינה מלאכותית אוטונומיים באמצעות הפלטפורמה. סוכנים אלה לא רק יענו על שאילתות פשוטות, אלא גם יתכננו ויבצעו באופן עצמאי משימות מורכבות ורב-שלביות. הם היו אמורים לפעול באופן יזום, לקבל החלטות ולגשת לכל מסד הנתונים של החברה.

במקביל, Salesforce השקיעה רבות ביסודות הטכנולוגיים של סוכני בינה מלאכותית אלה. במאי 2025 הודיעה החברה על רכישת Informatica, חברה המתמחה בניהול נתונים, תמורת שמונה מיליארד דולר. הרכישה נועדה להבטיח שלסוכני הבינה המלאכותית תהיה גישה לנתונים איכותיים ומובנים היטב. בסתיו 2024, Salesforce כבר רכשה את OwnData, חברת ניהול נתונים נוספת, תמורת 1.9 מיליארד דולר.

למרות ההשקעות העצומות והחזון הגדול, קפיצות ההכנסות המיוחלות לא התממשו. ברבעון השני של שנת הכספים 2025/26, הכנסות Salesforce צמחו ב-9.8 אחוזים ל-10.24 מיליארד דולר. אמנם נתון זה עלה מעט על הציפיות, אך הוא סימן את הרבעון החמישי ברציפות של צמיחה חד-ספרתית. התחזית לרבעון הקרוב הייתה אפילו פחות טובה, מה שהציף את החששות כי יוזמת הבינה המלאכותית לא תניב את ההצלחה המסחרית הצפויה.

האנטומיה של סוכני בינה מלאכותית אוטונומיים: טכנולוגיה בין חזון להיתכנות

כדי להבין מדוע מונטיזציה של סוכני בינה מלאכותית מתגלה כה מאתגרת, יש לבחון את היסודות הטכניים והמנגנונים של מערכות אלו. Agentforce מבוססת על מספר רכיבים טכנולוגיים שחייבים לעבוד יחד כדי להשיג את האוטונומיה המובטחת.

בליבתה נמצא מנוע החשיבה של אטלס, המתפקד כרשת נוירונים או מוח של סוכני הבינה המלאכותית. מנוע זה נועד לחקות מחשבה ופעולה אנושית, לסווג נכון משימות, לתעדף שלבים ובסופו של דבר לבצע אותם במדויק. בניגוד לעוזרי בינה מלאכותית קודמים כמו Copilot, שהסתמכו במידה רבה על אינטראקציה אנושית, סוכני Agentforce נועדו לפעול במידה רבה באופן אוטונומי.

המרכיב המרכזי השני הוא Salesforce Data Cloud, אשר מאחד את כל נתוני החברה הרלוונטיים בזמן אמת והופך אותם לזמינים לסוכני הבינה המלאכותית. איכותם ושלמותם של נתונים אלה הן קריטיות לביצועי הסוכנים. כאן גם טמון אחד האתגרים הגדולים ביותר: חברות רבות אספו את הנתונים שלהן במערכות שונות לאורך השנים ללא סטנדרטים אחידים או ניקוי נתונים קבוע.

הרכיב השלישי מורכב מכלי אינטגרציה כמו MuleSoft ומחברים מוכנים מראש המאפשרים לסוכנים לקיים אינטראקציה עם זרימות עבודה קיימות ומערכות חיצוניות. ממשקים אלה מאפשרים לסוכנים לפעול לא רק בתוך סביבת Salesforce אלא גם לתקשר עם יישומים ארגוניים אחרים.

בנוסף לרכיבים המקוריים של Salesforce, Agentforce משלבת גם מודלים של שפה גדולה מספקי צד שלישי כמו OpenAI, Anthropic ו-Google Gemini. מודלים אלה מספקים את עיבוד השפה הטבעית הבסיסי ואת ידע העולם הכללי שעליו בנויים הסוכנים הספציפיים.

ניתן להמחיש את הפונקציונליות באמצעות דוגמה של נציג שירות לקוחות: לקוח יוצר קשר עם החברה עם בקשה. הסוכן מנתח את הבקשה, ניגש לנתוני הלקוח הרלוונטיים מענן הנתונים, משווה אותן למקרים דומים מהעבר, מפתח תוכנית פתרון רב-שלבית, מבצע את השלבים הללו ומעביר את התוצאה ללקוח. כל זה קורה ללא התערבות אנושית, אלא אם כן הסוכן נתקל בבעיה החורגת מיכולותיו.

בתיאוריה, זה נשמע מרשים. בפועל, לעומת זאת, ישנן מלכודות רבות. הסוכנים טובים רק כמו הנתונים שהם יכולים לגשת אליהם. אם הנתונים אינם שלמים, מיושנים או לא עקביים, הסוכנים יקבלו החלטות שגויות. שילוב במערכות ארגוניות קיימות הוא לעתים קרובות מורכב ודורש מאמץ ניכר. ובעוד שתצורת סוכנים מפורסמת כתהליך low-code, היא עדיין דורשת הבנה טכנית משמעותית ומומחיות ספציפית ל-Salesforce.

בעיה נוספת היא חוסר אמון. חברות רבות מהססות להעביר את השליטה בתהליכים עסקיים קריטיים לסוכנים אוטונומיים ללא נהלי בדיקה ומנגנוני אבטחה חזקים. הסיכון לשגיאות, פרצות אבטחה או התנהגות לא רצויה הוא ממשי, כפי שמדגימות מענפים אחרים.

הדרך הקשה לרווחיות: שלושה אתגרים מהותיים

ניתן לצמצם את הבעיות של סיילספורס לשלושה אתגרים מרכזיים המייצגים את התעשייה כולה: המונטיזציה של חדשנות בתחום הבינה המלאכותית, בגרות מבנית בשוק ומורכבות אימוץ הטכנולוגיה.

האתגר הראשון נוגע למונטיזציה

למרות שסיילספורס פיתחה מוצר מתקדם טכנולוגית עם Agentforce, השאלה המכרעת נותרת בעינה: כיצד ניתן להפיק ממנו רווחים? מודל התמחור של Agentforce מבוסס על שני דולרים לשיחה, גישה מבוססת שימוש השונה ממודלים מסורתיים של רישוי. עם זאת, לקוחות פוטנציאליים רבים מהססים לאמץ טכנולוגיה זו בקנה מידה גדול עד שניתן יהיה להוכיח בבירור את התשואה על ההשקעה.

עלויות הפעלת סוכני בינה מלאכותית הן משמעותיות. מודלי השפה הגדולים הבסיסיים דורשים משאבי מחשוב יקרים. על פי הערכות בתעשייה, שאילתה בודדת למודל בינה מלאכותית גנרטיבי עולה עד פי עשרה יותר מחיפוש מסורתי בגוגל. עלויות אלו חייבות להיות מועתקות ללקוחות, דבר המגביל את קבלת המחיר. במקביל, לקוחות מצפים מסוכני בינה מלאכותית לספק ערך מוסף ברור המצדיק את העלויות הגבוהות יותר.

נכון להיום, רק כ-12,000 חברות משתמשות ב-Agentforce, מספר קטן באופן בלתי צפוי בהתחשב בבסיס הלקוחות העצום של Salesforce המונה כמה מאות אלפי עסקים. ההכנסות השנתיות החוזרות מ-Agentforce הן פחות מ-500 מיליון דולר, חלק קטן מההכנסות הכוללות של למעלה מ-40 מיליארד דולר. גם אם מספר זה ישלש או ירבע בשנים הקרובות, כפי ש-Salesforce מקווה, התרומה להכנסות הכוללות עדיין תהיה מוגבלת.

האתגר המרכזי השני הוא הבשלות המבנית של שוק ה-CRM

לאחר שני עשורים של צמיחה חזקה, שוק תוכנות ניהול קשרי לקוחות (CRM) הגיע לנקודת רוויה. רוב החברות הגדולות והבינוניות בשווקים מפותחים כבר יישמו מערכות CRM. הפוטנציאל לצמיחה אורגנית באמצעות רכישת לקוחות חדשים מוגבל.

במקביל, התחרות התגברה. מיקרוסופט עם Dynamics 365, אורקל עם יישומי הענן שלה, SAP עם פתרונות ה-CRM שלה, וספקים ייעודיים רבים כמו HubSpot, Zendesk ו-Zoho, כולם מתחרים על נתח שוק. מתחרים אלה הצליחו להדביק את הפער בשנים האחרונות ולעתים מציעים פתרונות משתלמים או ייעודיים יותר.

בסביבה זו, יהיה קשה יותר לסיילספורס להשיג שיעורי צמיחה דו-ספרתיים, אפילו עם תכונות בינה מלאכותית חדשניות. לקוחות לא פשוט מחליפים את מערכת ה-CRM שלהם רק בגלל שספק מציע יכולות בינה מלאכותית חדשות. הטמעת מערכת CRM היא מורכבת, יקרה וגוזלת זמן. חברות מהססות לעבור כל עוד המערכת הקיימת שלהן עובדת.

אנליסטים כמו קארל קירסטד מ-UBS ציינו כי שוק ה-CRM כבר יחסית בוגר, בעוד שהשקעות הבינה המלאכותית של לקוחות בתחום זה עדיין נמצאות בשלבים מוקדמים מאוד. לכן, קיים פער זמן בין הבשלות של מוצרי הליבה בשוק לבין הבשלות של תוספי בינה מלאכותית. פער זה מקשה על Salesforce לשחזר את תנופת הצמיחה הקודמת שלה.

האתגר הבסיסי השלישי נוגע למורכבות של אימוץ טכנולוגיה

למרות שסיילספורס מקדמת את Agentforce כפתרון ידידותי למשתמש, הדורש קוד נמוך, המציאות עבור לקוחות רבים מורכבת הרבה יותר. הטמעה מוצלחת של סוכני בינה מלאכותית דורשת בסיס נתונים איתן, תהליכים מוגדרים היטב, מומחיות טכנית והשקעות משמעותיות בהכשרה ובניהול שינויים.

חברות רבות מתמודדות עם אתגרים מהותיים כגון איכות נתונים ירודה, מחסומי נתונים מבודדים, תשתית IT לא מספקת וחוסר מומחיות בתחום הבינה המלאכותית. יש לפתור בעיות אלו לפני שסוכני בינה מלאכותית יוכלו לממש את מלוא הפוטנציאל שלהם. זה דורש זמן, משאבים וגישה ארוכת טווח, שחברות רבות נמנעות ממנה.

לכך מתווסף מחסור במיומנויות. הביקוש למומחי בינה מלאכותית, מומחי נתונים ומנהלי Salesforce עולה בהרבה על ההיצע. חברות צריכות לשלם משכורות גבוהות כדי למשוך ולשמר עובדים מוסמכים. זה מגדיל עוד יותר את עלות הטמעת פתרונות בינה מלאכותית ומאריך את הזמן ליצירת ערך.

מימד חדש של טרנספורמציה דיגיטלית עם 'בינה מלאכותית מנוהלת' (בינה מלאכותית) – פלטפורמה ופתרון B2B | ייעוץ אקספרט - תמונה: Xpert.Digital

כאן תלמדו כיצד החברה שלכם יכולה ליישם פתרונות בינה מלאכותית מותאמים אישית במהירות, בצורה מאובטחת וללא חסמי כניסה גבוהים.

פלטפורמת בינה מלאכותית מנוהלת היא הפתרון השלם והחסר דאגות שלכם לבינה מלאכותית. במקום להתמודד עם טכנולוגיה מורכבת, תשתית יקרה ותהליכי פיתוח ארוכים, אתם מקבלים פתרון מוכן מראש המותאם לצרכים שלכם משותף מתמחה - לעתים קרובות תוך מספר ימים בלבד.

היתרונות המרכזיים במבט חטוף:

⚡ יישום מהיר: מרעיון ליישום מוכן לשימוש תוך ימים, לא חודשים. אנו מספקים פתרונות מעשיים היוצרים ערך מוסף מיידי.

🔒 אבטחת מידע מקסימלית: המידע הרגיש שלך נשאר אצלך. אנו מבטיחים עיבוד מאובטח ותואם ללא שיתוף מידע עם צדדים שלישיים.

💸 אין סיכון פיננסי: אתם משלמים רק על תוצאות. השקעות גבוהות מראש בחומרה, תוכנה או כוח אדם מבוטלות לחלוטין.

🎯 התמקדו בעסק הליבה שלכם: התרכזו במה שאתם עושים הכי טוב. אנחנו דואגים לכל תהליך היישום הטכני, התפעול והתחזוקה של פתרון הבינה המלאכותית שלכם.

📈 עמיד לעתיד וניתן להרחבה: הבינה המלאכותית שלכם גדלה איתכם. אנו מבטיחים אופטימיזציה וגמישות מתמשכת, ומתאימים את המודלים לדרישות חדשות בצורה גמישה.

מידע נוסף כאן:

• פתרון בינה מלאכותית מנוהלת - שירותי בינה מלאכותית תעשייתיים: המפתח לתחרותיות במגזרי השירותים, התעשייה וההנדסה המכנית

סיפורי הצלחה ואכזבה: מה מלמד אותנו הפרקטיקה על סוכני בינה מלאכותית

כדי לקבל תמונה מלאה, כדאי לבחון מקרי שימוש ספציפיים וחוויות מעשיות עם סוכני בינה מלאכותית, הן בסיילספורס עצמה והן בחברות אחרות.

סיילספורס עצמה ביצעה את אחת היישומים הבולטים ביותר של סוכני בינה מלאכותית: בשירות הלקוחות שלה. המנכ"ל מארק בניוף הודיע ​​בספטמבר 2025 כי החברה צמצמה את צוות שירות הלקוחות שלה מ-9,000 ל-5,000 עובדים, קיצוץ של 45 אחוזים. העובדים שפוטרו הוחלפו בסוכני בינה מלאכותית, שלדברי בניוף כבר טיפלו ב-1.5 מיליון אינטראקציות עם לקוחות, עם רמות שביעות רצון לקוחות דומות לאלו של סוכנים אנושיים.

צעד דרסטי זה מדגים, מצד אחד, את הפוטנציאל של סוכני בינה מלאכותית להפוך משימות חוזרות ונשנות לאוטומטיות ולהפחית עלויות. סיילספורס חוסכת עלויות כוח אדם משמעותיות באמצעות פיטורים אלה ויכולה בו זמנית לטפל בפניות רבות יותר. מצד שני, זה מעלה שאלות אתיות ומעשיות. איכות שירות הלקוחות עבור פניות מורכבות יותר הדורשות שיקול דעת אנושי ואמפתיה נותרה לראות. חברות אחרות, כמו Klarna, שנקטו באסטרטגיות אוטומציה דומות, נאלצו להודות שאיכות השירות נפגעה.

דוגמה שנייה היא סוכני בינה מלאכותית במכירות. מספר לקוחות של Salesforce הטמיעו סוכנים שמסמנים באופן אוטומטי לקוחות פוטנציאליים, קובעים פגישות ושולחים מיילים למעקב. סוכנים אלה עובדים מסביב לשעון ויכולים לטפל במאות לידים בו זמנית. לדברי Salesforce, חלק מהלקוחות דיווחו כי הפרודוקטיביות של צוותי המכירות שלהם גדלה ב-20 עד 30 אחוזים באמצעות שימוש בסוכנים כאלה.

עם זאת, ישנן מגבלות. הסוכנים מתפקדים בצורה הטובה ביותר עם תהליכים סטנדרטיים וקריטריוני הסמכה מוגדרים בבירור. הם מגיעים במהירות לגבולותיהם בתהליכי מכירה מורכבים B2B הדורשים ידע מעמיק במוצר וכישורי משא ומתן אסטרטגיים. יתר על כן, חלק מהמשתמשים מדווחים על מידה מסוימת של חוסר שביעות רצון בקרב לקוחות פוטנציאליים המעדיפים לדבר עם אדם.

מעבר לסיילספורס, חברות רבות אחרות משתמשות בסוכני בינה מלאכותית. ServiceNow, מתחרה ישירה של סיילספורס בתחום ניהול שירותי ה-IT, פיתחה פלטפורמה משלה לסוכני בינה מלאכותית. סוכנים אלה נועדו לאבחן ולפתור באופן עצמאי בעיות IT, לעבד בקשות שירות ולתזמר זרימות עבודה.

מיקרוסופט מסתמכת גם על בינה מלאכותית מבוססת סוכנים במוצרי Copilot שלה, אם כי בגישה מעט שונה. סוכני מיקרוסופט משולבים בצורה עמוקה יותר במוצרי Office 365 קיימים ומתמקדים בתמיכה בפריון אישי ולא באוטומציה של תהליכים אוטונומיים.

SAP ואורקל פועלות באסטרטגיות דומות ומפתחות סוכני בינה מלאכותית המוטמעים ישירות במערכות ה-ERP וה-CRM שלהן. SAP הציגה את Joule, עוזר בינה מלאכותית המנתח תהליכים עסקיים, מספק המלצות ומאפשר אוטומציה של משימות. אורקל מתמקדת במיוחד בתשתיות ענן המונעות על ידי בינה מלאכותית וממצבת את עצמה כפלטפורמה לעומסי עבודה עתירי מחשוב בתחום הבינה המלאכותית.

מה שכל הדוגמאות הללו מראות הוא שסוכני בינה מלאכותית פועלים בצורה הטובה ביותר במקרי שימוש מוגדרים בבירור עם נתונים מובנים ותהליכים סטנדרטיים. ככל שמשימה מורכבת יותר, בלתי צפויה וממוקדת באדם, כך קשה יותר לסוכנים אוטונומיים להשיג או לעלות על ביצועים אנושיים.

קשור לזה:

• Salesforce AI: מדוע פלטפורמות בינה מלאכותית עצמאיות טובות יותר מאיינשטיין ו-Agentforce – גישה היברידית גוברת על נעילת ספקים!

ביקורת, מחלוקות ושאלות לא פתורות: הצד האפל של מהפכת הבינה המלאכותית

הבעיות של Salesforce והאתגרים הרחבים יותר של יישום סוכני בינה מלאכותית עוררו ויכוח סוער על ההבטחה והמגבלות של הטכנולוגיה. מספר היבטים קריטיים ראויים לתשומת לב מיוחדת.

נקודת המחלוקת הראשונה נוגעת לאובדן מקומות עבודה. סיילספורס שלחה איתות ברור בכך שפיטרה 4,000 עובדי שירות לקוחות: סוכני בינה מלאכותית לא רק מחליפים תהליכים לא יעילים, אלא גם אנשים. בניוף טען בעבר שבינה מלאכותית לא תוביל להיעלמותן של עבודות משרדיות. המציאות מראה אחרת.

מגמה זו אינה מוגבלת לסיילספורס. על פי נתונים, יותר מ-64,000 משרות במגזר הטכנולוגיה בוטלו בארה"ב לבדה בשנת 2025, רבות מהן קשורות לאוטומציה מוגברת באמצעות בינה מלאכותית. האירוניה היא שרבות מהחברות הללו מחפשות בו זמנית עובדים חדשים, במיוחד בפיתוח בינה מלאכותית ובמכירות של מוצרי בינה מלאכותית. לכן, מתרחש שינוי שבו משרות מסוימות הופכות למיושנות בעוד שאחרות צצות. אך השאלה נותרת האם המשרות החדשות שנוצרו יפצו על המשרות שאבדו הן במספר והן באיכות.

ההיבט הקריטי השני הוא הפער בין השיווק למציאות. סיילספורס וחברות טכנולוגיה אחרות קידמו סוכני בינה מלאכותית עם הבטחות גרנדיוזיות: מהפכה במקום העבודה, שיפורי פרודוקטיביות קסומים, מערכות אוטונומיות המחליפות עובדים אנושיים. המציאות, לעומת זאת, היא שרבים מהיישומים עדיין נמצאים בשלב הפיילוט, ושיפורי הפריון המובטחים לרוב אינם מתממשים או מתממשים רק בתחומים מוגבלים.

מחקר של Capgemini מצא כי בעוד ש-90 אחוז מהמנהלים שנשאלו משוכנעים שבינה מלאכותית מבוססת סוכנים מציעה יתרון תחרותי, רק 14 אחוז החלו בפועל ביישום. רובם עדיין בשלב התכנון, וכמעט למחציתם חסרה אסטרטגיית יישום קונקרטית. האמון בסוכני בינה מלאכותית אוטונומיים לחלוטין ירד משמעותית בשנה האחרונה, מ-43 אחוז ל-27 אחוז.

נקודה בעייתית שלישית היא התלות בענקיות טכנולוגיה בודדות. Salesforce Agentforce משולב באופן הדוק עם המערכת האקולוגית של Salesforce. הסוכנים מתפקדים בצורה הטובה ביותר כאשר כל הנתונים והתהליכים נמצאים בתוך עולם Salesforce. שילוב מקורות ידע או מערכות חיצוניות דורש מאמץ ניכר. זה יוצר אפקט של נעילת ספקים, מה שמקשה על לקוחות לעבור לפתרונות חלופיים.

ביקורת דומה מופנית כלפי מיקרוסופט, SAP ואורקל. כל ספק מנסה ליצור לעצמו מערכת אקולוגית שבה סוכני הבינה המלאכותית שלו מתפקדים בצורה הטובה ביותר. זה מסבך את האינטגרציה של מערכות שונות וכופה על לקוחות לבחור ספק עיקרי יחיד. יוזמות כמו Model Context Protocol, שמטרתו לאפשר תקשורת סטנדרטית בין סוכני בינה מלאכותית מספקים שונים, עדיין בחיתוליהן.

היבט רביעי ושנוי במחלוקת נוגע לפרטיות ואבטחת מידע. סוכני בינה מלאכותית דורשים גישה לנתוני חברה נרחבים כדי לתפקד ביעילות. מצב זה יוצר סיכוני אבטחה פוטנציאליים, במיוחד כאשר נתונים אלה משותפים עם שירותי בינה מלאכותית חיצוניים כמו OpenAI או Anthropic. למרות ש-Salesforce וספקים אחרים מדגישים כי יישמו אמצעי הגנת מידע מחמירים, עדיין נותרו חששות, במיוחד בתעשיות מוסדרות כמו שירותי בריאות או שירותים פיננסיים.

הנקודה הקריטית החמישית היא ההשפעה הסביבתית. הפעלת מודלים גדולים של בינה מלאכותית דורשת כמויות עצומות של כוח מחשוב ולכן אנרגיה. מרכזי הנתונים המפעילים מודלים אלה צורכים מיליוני קילוואט-שעה של חשמל ומייצרים פליטות CO2 משמעותיות. בתקופה שבה חברות נמצאות תחת לחץ גובר לעמוד ביעדי הקיימות שלהן, טביעת הרגל הסביבתית של מערכות בינה מלאכותית הופכת לדאגה גוברת.

מבט אל העתיד: בין קונסולידציה לגל הבא

למרות כל האתגרים הנוכחיים, מומחים מניחים שסוכני בינה מלאכותית ימלאו תפקיד חשוב יותר ויותר בחברות בשנים הקרובות. השאלה אינה האם, אלא באיזו מהירות ובאיזו צורה טכנולוגיה זו תצליח.

גרטנר צופה שעד שנת 2026, כ-40 אחוזים מכלל יישומי הארגון יכללו סוכני בינה מלאכותית ספציפיים למשימות, עלייה משמעותית מפחות מ-5 אחוזים בשנת 2025. עד שנת 2035, בינה מלאכותית מבוססת סוכנים עשויה להוות כ-30 אחוזים מהכנסות התוכנה הארגונית העולמיות, יותר מ-450 מיליארד דולר. שוק הבינה המלאכותית האוטונומית והסוכנים האוטונומיים צפוי לגדול מ-8.62 מיליארד דולר בשנת 2025 ל-263.96 מיליארד דולר עד שנת 2035, המייצג קצב צמיחה שנתי מצטבר (CAGR) של מעל 40 אחוזים.

תחזיות אלה מבוססות על ההנחה שהאתגרים הנוכחיים יתגברו בהדרגה. מספר התפתחויות עשויות לתרום לכך:

ראשית, הטכנולוגיה עצמה תמשיך להתפתח. מודלי השפה הגדולים הבסיסיים יהפכו לחזקים יותר, יעילים יותר וחסכוניים יותר. מודלים חדשים כמו o1 של OpenAI עם חשיבה משופרת או Claude של Anthropic עם חלונות הקשר ארוכים יותר יאפשרו משימות מורכבות יותר. עלות ההסקה של בינה מלאכותית כבר ירדה דרמטית, פי 280 בין נובמבר 2022 לאוקטובר 2024. מגמה זו צפויה להימשך, ותהפוך יישומי בינה מלאכותית לאטרקטיביים יותר מבחינה כלכלית.

שנית, חברות ילמדו להשתמש בסוכני בינה מלאכותית בצורה יעילה יותר. מאמצים מוקדמים ירכשו ניסיון, יזהו שיטות עבודה מומלצות וישתפו אותן עם הקהילה הרחבה. תוכניות הכשרה, הסמכות ושירותי ייעוץ יופיעו כדי לתמוך בחברות ביישומן.

שלישית, סטנדרטיזציה עשויה להתקדם. יוזמות כמו Model Context Protocol או פרוטוקול סוכן-לסוכן של ServiceNow שואפות לאפשר תקשורת בין סוכני בינה מלאכותית מספקים שונים. אם סטנדרטים כאלה יתבססו, הדבר יקל על האינטגרציה ויפחית את הנעילה לספקים.

רביעית, צפויה קונסולידציה של ספקים. שוק סוכני הבינה המלאכותית מקוטע כיום, עם עשרות סטארט-אפים ושחקנים מבוססים המתמודדים על נתח שוק. רכישות וקונסולידציה של השוק צפויים להתרחש בשנים הקרובות, בדומה למה שקרה במגזרי טכנולוגיה אחרים בעבר. חברות גדולות כמו Salesforce, Microsoft, Google, SAP או Oracle ירכשו ספקים קטנים יותר כדי להרחיב את יכולות הבינה המלאכותית שלהן.

עבור Salesforce ספציפית, הגורם המכריע יהיה האם החברה תוכל לשלב בהצלחה את רכישת Informatica ולייצר ערך מוסף אמיתי עבור Agentforce. הרכישה היא הגדולה ביותר בתולדות החברה מאז רכישת Slack בשנת 2021. היא נושאת סיכונים, כפי שמעיד הורדת הדירוג על ידי RBC, שהורידה באופן דרסטי את מחיר היעד. עם זאת, היא מציעה גם הזדמנויות אם Salesforce תוכל בכך ליצור פלטפורמת ניהול נתונים מקיפה יותר שתהפוך סוכני בינה מלאכותית ליעילים יותר.

בטווח הבינוני, עד שנת 2030, Salesforce שואפת להכנסות של מעל 60 מיליארד דולר, המקבילות לקצב צמיחה אורגני של מעל 10 אחוזים בשנה. זה ייצג חזרה לצמיחה דו-ספרתית, לאחר שירדה מתחת לרף זה מאז אמצע 2024. האם יעד זה ריאלי תלוי במידה רבה בשאלה האם Agentforce ומוצרי בינה מלאכותית אחרים ישיגו את ההצלחה הצפויה.

בטווח הארוך, הפיתוח יכול לנוע לעבר מערכות אקולוגיות מורכבות מרובות סוכנים, כפי שצופה גרטנר. במערכות כאלה, סוכנים ייעודיים עובדים יחד, מתאמים את פעולותיהם ומשתפים מידע. סוכן אחד יכול לנתח פניות של לקוחות, אחר לפתח פתרונות, שלישי לתאם יישום ורביעי לפקח על האיכות. שיתוף פעולה מתוזמן זה יוכל להפוך תהליכים עסקיים מורכבים אף יותר לאוטומטיים.

אבל הדרך עוד ארוכה. השנתיים-שלוש הבאות יהיו מכריעות כדי לראות האם ניתן להתגבר על הבעיות הנוכחיות והאם העלייה בפריון ובהכנסות שהובטחו אכן יתממשו.

לקחים ממשבר Salesforce עבור תעשיית הטכנולוגיה

ניתוח סוגיית Salesforce חושף אמיתות יסודיות לגבי מצב הבינה המלאכותית ויישומה המסחרי. הממצא המרכזי הוא שקיים פער משמעותי בין ההיתכנות הטכנולוגית של סוכני בינה מלאכותית לבין הרווחיות הכלכלית שלהם בסביבת השוק הנוכחית.

Salesforce מדגימה תעשייה שנכנסה לעידן הבינה המלאכותית עם ציפיות גבוהות, אך כעת מתמודדת עם המציאות הקשה של המונטיזציה. שלוש הבעיות העיקריות שזוהו - קשיי מונטיזציה, רוויה בשוק ומורכבות אימוץ - אינן ספציפיות ל-Salesforce אלא משפיעות על כל תעשיית התוכנה הארגונית.

הניסיון מראה שחדשנות טכנולוגית לבדה אינה מספיקה. חברות חייבות גם לפתח מודל עסקי משכנע, להדגים ערך ברור ללקוח ולהוריד את חסמי האימוץ. Salesforce יצרה מוצר מרשים מבחינה טכנולוגית עם Agentforce, אך תרגום זה לצמיחת הכנסות בת קיימא נותר אתגר.

עבור משקיעים, משמעות הדבר היא שעליהם להבחין בין הייפ לטווח קצר לבין ערך לטווח ארוך. הערכות השווי הגבוהות של חברות בינה מלאכותית רבות מבוססות על ציפיות לרווחים עתידיים שעשויים לא להתממש או להתעכב באופן משמעותי. ניתוח מפוכח של שיעורי האימוץ בפועל, תרומות ההכנסות והרווחיות הוא חיוני.

עבור חברות המעוניינות לפרוס סוכני בינה מלאכותית, ההמלצה היא: התחילו עם מקרי שימוש מוגדרים בבירור, השקיעו באיכות הנתונים ובניהול השינויים, ואל תצפו לניסים בן לילה. היישומים המוצלחים ביותר מתמקדים במספר מצומצם של פרויקטים מבוצעים היטב, במקום להשיק ניסויים שטחיים רבים.

עבור עובדים, התפתחות זו משמעותה שמשימות מסוימות יהפכו לאוטומטיות על ידי בינה מלאכותית, ובמקביל יופיעו תפקידים חדשים. השקעה במיומנויות הקשורות לבינה מלאכותית - בין אם בפיתוח, בניהול או ביישום אסטרטגי של בינה מלאכותית - הופכת לחשובה יותר ויותר.

לכן, מקרה Salesforce הוא הרבה יותר מסיפורה של חברה בודדת בצרות. זהו שיעור באתגרי הטרנספורמציה הטכנולוגית, בפער בין חזון למציאות, ובצורך לשמור על ראייה ברורה של המציאות הכלכלית למרות כל ההתלהבות מטכנולוגיות חדשות. מהפכת הבינה המלאכותית תגיע, אך היא תהיה הדרגתית, מהמורות וסלקטיבית - לא המפץ הגדול המוזכר לעתים קרובות, אלא תהליך מתמשך עם עליות ומורדות.

☑️ שפת העסקים שלנו היא אנגלית או גרמנית

☑️ חדש: התכתבות בשפת האם שלך!

Konrad Wolfenstein

אני והצוות שלי שמחים לעמוד לרשותכם כיועצים האישיים שלכם.

ניתן ליצור איתי קשר על ידי מילוי טופס יצירת הקשר כאן [email protected]:או פשוט להתקשר אליי למספר 49 7348 4088 965+. כתובת הדוא"ל שלי היא

אני מצפה בקוצר רוח לפרויקט המשותף שלנו.

☑️ תמיכה לעסקים קטנים ובינוניים באסטרטגיה, ייעוץ, תכנון ויישום

☑️ יצירה או התאמה מחדש של האסטרטגיה הדיגיטלית והדיגיטציה

☑️ הרחבה ואופטימיזציה של תהליכי מכירה בינלאומיים

☑️ פלטפורמות מסחר B2B גלובליות ודיגיטליות

☑️ פיתוח עסקי חלוצי / שיווק / יחסי ציבור / ירידי סחר

המומחיות שלנו בארה"ב בפיתוח עסקי, מכירות ושיווק - תמונה: Xpert.Digital

תחומי מיקוד בתעשייה: B2B, דיגיטציה (מבינה מלאכותית ל-XR), הנדסת מכונות, לוגיסטיקה, אנרגיות מתחדשות ותעשייה

מידע נוסף כאן:

• מרכז עסקים מומחים

מרכז נושאי המציע תובנות ומומחיות:

• פלטפורמת ידע המכסה כלכלות גלובליות ואזוריות, חדשנות ומגמות ספציפיות לתעשייה
• אוסף של ניתוחים, תובנות ומידע רקע מתחומי המיקוד המרכזיים שלנו
• מקום למומחיות ומידע על התפתחויות עדכניות בעסקים ובטכנולוגיה
• מרכז לחברות המחפשות מידע על שווקים, דיגיטציה וחדשנות בתעשייה

תהנו מהמומחיות הנרחבת והחד-פעמית של Xpert.Digital בחבילת שירותים מקיפה | מחקר ופיתוח, XR, יחסי ציבור ואופטימיזציה של נראות דיגיטלית - תמונה: Xpert.Digital

ל-Xpert.Digital ידע מעמיק במגוון תעשיות. זה מאפשר לנו לפתח אסטרטגיות מותאמות אישית, המותאמות בדיוק לדרישות ולאתגרים של פלח השוק הספציפי שלכם. על ידי ניתוח מתמיד של מגמות שוק וניטור התפתחויות בתעשייה, אנו יכולים לפעול באופן פרואקטיבי ולהציע פתרונות חדשניים. השילוב של ניסיון ומומחיות מייצר ערך מוסף ומספק ללקוחותינו יתרון תחרותי מכריע.

מידע נוסף כאן:

• תיהנו מ-5 תחומי המומחיות של Xpert.Digital בחבילה אחת – החל מ-500 אירו לחודש בלבד