פרויקט "Shallotpeat" ו"זמנים קשים": תזכיר פנימי של סם אלטמן חושף את המשבר הגדול ביותר של OpenAI

ובעיית 650 מיליארד הדולר: מדוע OpenAI נידונה להצליח

בנובמבר 2025, הלוחות הטקטוניים של תעשיית הטכנולוגיה השתנו באופן מהותי. במשך זמן רב, OpenAI נחשבה למלך הבלתי ניתן לגעת של עידן הבינה המלאכותית החדש - דוד שמראה לגולייתים של עמק הסיליקון כיצד חדשנות עובדת. אבל הילה זו של חוסר ניצוח החלה להיסדק. עם יציאתו של גוגל ג'מיני 3 ועלייתם המהירה של מודלי קלוד של אנתרופיק, הגלגל התהפך. מה שהחל כצעידה מנצחת לעבר אינטליגנציה-על מלאכותית הפך כעת עבור OpenAI למאבק קיומי נגד קיפאון טכנולוגי ומציאות כלכלית.

המצב פרדוקסלי: OpenAI מעולם לא הייתה בעלת ערך גבוה יותר בשוק המניות, אך המנהיגות הטכנולוגית שלה מעולם לא הייתה שברירית יותר. בעוד שחברתו של סם אלטמן, עם שווי של 500 מיליארד דולר, נכנסת לטריטוריה השמורה בדרך כלל לענקיות טכנולוגיה מבוססות, קיים פער מסוכן בין שווי השוק שלה לבין כוח הרווחים בפועל. הכנסות שנתיות של 13 מיליארד דולר עומדות בניגוד מוחלט להפסדים עצומים ולהתחייבויות תשתית במאות מיליארדים. מודל צמיחה אגרסיבי זה עבד כל עוד ל-OpenAI היה המוצר הטוב ביותר בשוק. אך עצם הנחת היסוד הזו התפוררה כעת.

עם ג'מיני 3, גוגל לא רק הדביקה את הפער הטכנולוגי, אלא גם עקפה את OpenAI בתחומים מכריעים. באמצעות תחיית ההכשרה המקדימה והשילוב המסיבי במערכת האקולוגית שלה, ענקית מנועי החיפוש מדגימה שכיסים עמוקים, חומרה קניינית ועשרות שנות ניסיון בעיבוד נתונים עולים בסופו של דבר על היתרון של חברת סטארט-אפ כראשונה. השינוי האסטרטגי החפוז של OpenAI - המסומל על ידי הפרויקט הפנימי "Shallotpeat" - הוא הודאה בכך שההימור הקודם שלה על "מודלים של חשיבה" טהורה לא השתלם.

המאמר הבא מנתח את האנטומיה של שינוי כוח זה. הוא מאיר כיצד חישובים טכניים שגויים, קשיים פיננסיים והתעוררות התחרות מחדש יוצרים תערובת רעילה שעשויה להגדיר מחדש לא רק את עתידה של OpenAI אלא גם את מבנה תעשיית הבינה המלאכותית כולה.

מתאים לכך:

• האם זו מהפכת הבינה המלאכותית? ג'מיני 3.0 לעומת OpenAI: זה לא עניין של מודל טוב יותר, אלא של אסטרטגיה טובה יותר.

האוונגרד לשעבר של הבינה המלאכותית נאבק על עתידה - בעוד גוגל משנה את מאזן הכוחות בעזרת כוח טכנולוגי גולמי.

המירוץ העולמי לדומיננטיות בבינה מלאכותית קיבל תפנית דרמטית בנובמבר 2025. מה שנחשב במשך שנים לעמדת המנהיגות הבטוחה של OpenAI הפך, תוך חודשים, לעמדת הגנה רעועה. שחרורו של ג'מיני 3 של גוגל לא רק סימן אבן דרך טכנולוגית, אלא גם אתגר הנחות יסוד לגבי הארכיטקטורה של שוק הבינה המלאכותית. בתזכיר פנימי, הזהיר מנכ"ל OpenAI, סם אלטמן, את עובדיו מפני זמנים קשים הצפויים והודה כי ההתקדמות האחרונה של גוגל עלולה ליצור רוחות נגד כלכליות זמניות עבור החברה. הערכה גלויה במיוחד זו חושפת את שבריריותה של עמדה שעד לאחרונה נראתה בלתי ניתנת להתגברות.

גודל השינוי הזה מתברר רק בהקשר של היגיון ההערכה של המגזר. ל-OpenAI יש כיום שווי של כ-500 מיליארד דולר, אך היא מייצרת רק 13 מיליארד דולר בהכנסות שנתיות. פער קיצוני זה בין שווי השוק להכנסות בפועל מבוסס על ההנחה של צמיחה אקספוננציאלית ועליונות טכנולוגית מתמשכת. ג'מיני 3 של גוגל מערער את שתי ההנחות הללו בו זמנית. המודל עולה על GPT-5.1 של OpenAI כמעט בכל מדדי הביצועים הסטנדרטיים, ומדגים יכולות ש-OpenAI עצמה עדיין שואפת לפתח.

ההשלכות הכלכליות חורגות הרבה מעבר לשינויים קצרי טווח בנתח השוק. OpenAI מגלגלת כשמונה מיליארד דולר מדי שנה, ורשמה הפסד של חמישה מיליארד דולר בשנה שעברה. גירעון זה יכול להתקיים רק על ידי זרימת הון מתמשכת, אשר בתורה תלויה באמון המשקיעים במנהיגות הטכנולוגית שלה. אם מנהיגות זו נשחקת, כל היגיון המימון קורס. המצב הוא כמו רכבת מהירה שאוזלת לה הדלק ועדיין נוסעת במהירות מרבית.

המקור העיקרי לתזכיר הפנימי של סם אלטמן הוא The Information, כתב עת המתמחה בתעשיית הטכנולוגיה.

התזכיר פורסם במקור על ידי The Information ב-20 בנובמבר 2025. המאמר המקורי נקרא "Altman Memo Predictors 'Rough Vibes' Due to rejuvenation Google" או "מנכ"ל OpenAI מכין רוחות כלכליות אפשריות שילכוד את rejuvenation Google".

פרסום התזכיר על ידי ה"אינפורמנס" זכה לאחר מכן לתשומת לב רבה של כלי תקשורת נוספים, ביניהם:

• טיימס של הודו
• טיימס כלכלי
• עסקים של Outlook
• פוטוריזם

התזכיר עצמו היה הודעה פנימית של סם אלטמן לעובדי OpenAI וככל הנראה הודלף ל-The Information על ידי מקור בתוך החברה. בתזכיר הזהיר אלטמן מפני "רוחות נגד כלכליות זמניות" מהתקדמותה של גוגל וציין כי הוא מצפה ל"תנודות קשות".

האנטומיה של פריצת דרך טכנולוגית

הצלחתה של גוגל עם ג'מיני 3 מבוססת על הערכה מחדש יסודית של מתודולוגיית פיתוח שכביכול מיוצאת. שלב ההכשרה המקדימה, השלב הבסיסי שבו מודלים של בינה מלאכותית לומדים ממערכי נתונים עצומים, נחשב על ידי חלק מקהילת המחקר כשלב מיוצאת ברובו. עקרונות קנה המידה, אשר במשך שנים הבטיחו שיפורי ביצועים צפויים באמצעות מודלים גדולים יותר ויותר נתונים, נראו כמגיעים לגבולותיהם הפיזיים והכלכליים. OpenAI הגיבה על ידי העברת המיקוד האסטרטגי שלה למה שנקרא מודלים של חשיבה כמו o1, אשר משפרים את ביצועיהם באמצעות זמני חשיבה ארוכים יותר במהלך הסקה.

עם זאת, גוגל הוכיחה כי המעבד שכביכול נידון לכישלון עדיין טומן בחובו פוטנציאל ניכר. דמיס האסאביס, ראש גוגל דיפמיינד, סיכם בתמציתיות תובנה זו: בעוד שכבר אין קפיצות ביצועים אקספוננציאליות מדור לדור, התשואות על השקעות באימון מקדים נותרות טובות במיוחד. Gemini 3 Pro משיג 91.9 אחוזים במדד GPQA Diamond לחשיבה מדעית ברמת דוקטורט, ועובר את GPT-5.1 בכמעט ארבע נקודות אחוז. מרשימים עוד יותר הם ביצועיו בחשיבה חזותית מופשטת: עם 31.1 אחוזים במדד ARC-AGI-2, Gemini 3 כמעט מכפיל את הביצועים של GPT-5.1 ועולה על קודמו ביותר משישה פעמים.

המשמעות הכלכלית של עליונות טכנולוגית זו באה לידי ביטוי בתחומי יישום קונקרטיים. בפתרון בעיות אלגוריתמי, Gemini 3 Pro משיג דירוג Elo של 2439 ב-LiveCodeBench Pro, כמעט 200 נקודות מעל GPT-5.1. זהו אינו מדד אקדמי, אלא אינדיקטור ישיר לפרודוקטיביות של מפתחים המשתמשים במודלים אלה. בשוק שבו OpenAI מייצר 70 אחוז מהכנסותיו מגישה ל-API ולקוחות ארגוניים, נחיתות טכנולוגית מתורגמת להפסדי הכנסות מיידיים.

בעיות טרום-אימון של OpenAI התבררו במהלך פיתוח GPT-5, כאשר אופטימיזציות קנה מידה מבוססות כבר לא עבדו. החברה הבינה ששיטות מסורתיות לשיפור ביצועים איבדו את יעילותן. בתגובה, OpenAI פיתחה את GPT-5 עם תקציב טרום-אימון קטן משמעותית בהשוואה ל-GPT-4.5, אך פיצה על כך באמצעות אופטימיזציה אינטנסיבית לאחר האימון באמצעות למידת חיזוקים. אסטרטגיה זו הוכיחה את עצמה כמוצלחת בטווח הקצר, אך יצרה פגיעות מבנית: OpenAI התמחתה במתודולוגיה שיצרה אמנם יכולות חדשניות, אך הזניחה את יסודות המודל הבסיסיים.

המיצוב האסטרטגי מחדש ופרויקט שאלוטפיט

התזכיר של אלטמן לא רק מאבחן את הבעיה אלא גם מתאר את האסטרטגיה הנגדית של OpenAI. בליבתו עומד פיתוח מודל חדש, בשם הקוד Shallotpeat, שתוכנן במיוחד כדי לטפל בחסרונות שזוהו לפני האימון. השם עצמו הוא תכנותי: בצלצלי שאלוט גדלים בצורה גרועה באדמת כבול, והמצע רחוק מלהיות אידיאלי. OpenAI מאותת אפוא על הכרתה בכך שלבסיס המודלים הקיימים שלה יש חולשות שלא ניתן לבטל באמצעות אופטימיזציה של פני השטח.

פיתוחה של Shallotpeat הוא חלק מארגון מחדש אסטרטגי רחב יותר. בתזכירו, אלטמן מדגיש את הצורך להתמקד בהימורים שאפתניים ביותר, גם אם הדבר מציב את OpenAI בעמדת נחיתות זמנית. אחד ההימורים הללו הוא אוטומציה של מחקר הבינה המלאכותית עצמו, גישה-על שמטרתה לקצר באופן דרמטי את מחזורי הפיתוח של מודלים חדשים. זה לא רק אופטימיזציה של יעילות, אלא ניסיון לשנות באופן מהותי את מגרש המשחקים: אם מערכות בינה מלאכותית יוכלו להאיץ את האבולוציה שלהן, זה עלול לפגוע ביתרונות המבניים של שחקנים מבוססים בעלי משאבים עצומים.

דחיפותה של אסטרטגיה זו מודגשת על ידי מצבה הפיננסי של OpenAI. החברה חייבת להגיע לרווחיות עד 2029 כדי לעמוד בהתחייבויות התשתית שלה כלפי מיקרוסופט ושותפים אחרים. התחייבויות אלו מסתכמות בכ-60 מיליארד דולר בשנה, בהשוואה להתחייבויות תשתית הענן הנוכחיות העולות על 650 מיליארד דולר בשנים הקרובות. הפער בין התחייבויות אלו להכנסות הנוכחיות של 13 מיליארד דולר מדגיש את היקף הבעיה.

במקביל, OpenAI נוקטת באסטרטגיית גיוון כדי להפחית את תלותה במיקרוסופט. התאמת השותפות שהוכרזה בינואר 2025 מאפשרת ל-OpenAI, לראשונה, להשתמש גם במשאבי מחשוב של מתחרים כמו אורקל. בעוד שלמיקרוסופט יש זכות סירוב ראשונה לקיבולת חדשה, הבלעדיות הופרה. עבור OpenAI, משמעות הדבר היא גישה מהירה יותר לאשכולות GPU עצומים הנדרשים לאימון מודלים חדשים. יוזמת Stargate, שיתוף פעולה בין OpenAI, Oracle, SoftBank ומיקרוסופט, צפויה להשקיע 500 מיליארד דולר במרכזי נתונים במשך ארבע שנים. המתקן הראשון באבילין, טקסס, כבר פועל עם אשכולות GPU של Nvidia GB200.

השבריריות הכלכלית של מודל העסקי

מודלים עסקיים של חברות בינה מלאכותית מובילות מבוססים על הימור מרומז על אפקטים של רשת ונעילות טכנולוגיות. OpenAI נקטה באסטרטגיה זו בהצלחה ניכרת: ChatGPT הגיעה לכ-700 עד 800 מיליון משתמשים פעילים שבועיים בנובמבר 2025, כפול מהמספר מפברואר. הפלטפורמה מעבדת 2.5 מיליארד שאילתות מדי יום ומדורגת במקום החמישי מבין האתרים הנצפים ביותר בעולם. בסיס משתמשים זה נראה בתחילה כחפיר בלתי חדיר, אך שיעורי ההמרה חושפים חולשה מהותית: רק כארבעה עד עשרה אחוזים מהמשתמשים משלמים עבור מנוי.

כדאיות כלכלית תלויה אפוא בשתי הנחות קריטיות: ראשית, שבסיס המשתמשים ממשיך לגדול באופן אקספוננציאלי, כך שאפילו שיעורי המרה קטנים מאפשרים עלייה מוחלטת בהכנסות; שנית, שעליונות טכנולוגית קושרת משתמשים לפלטפורמה ועלויות המעבר למתחרים נותרות גבוהות. ג'מיני 3 של גוגל מערערת את שתי ההנחות. שוויון טכני, או אפילו נחיתות, הופכת את OpenAI לספק חלופי בשוק שהולך ונהיה יותר ויותר סחור.

מבנה העלויות מחריף בעיה זו. אימון מודלי שפה גדולים ופריסתם המבצעית דורשים משאבי מחשוב עצומים. פרויקטים של OpenAI מחשבים תקציבים העולים על 450 מיליארד דולר בין השנים 2024 ל-2030, עם התחייבויות כוללות של כ-650 מיליארד דולר, שחלקן נמשכות מעבר לשנת 2030. השקעות אלו חייבות להיות מוצדקות על ידי הכנסות, אשר בתורן תלויות בנתח השוק. נוצר מעגל קסמים: אם OpenAI מאבדת נתח שוק, ההכנסות פוחתות, מה שמגביל את יכולתה להשקיע עוד יותר ובכך שוחק עוד יותר את התחרותיות הטכנולוגית שלה.

ניתוחים השוואתיים ממחישים את היקף הבעיה. אנתרופיק, מתחרה ישירה המשתמשת במודל קלוד, מוערכת כיום ב-170 מיליארד דולר עם הכנסות שנתיות צפויות של 4 מיליארד דולר. OpenAI ו-Anthropic יחד יצטרכו להגיע להכנסות משולבות של מעל 300 מיליארד דולר עד 2030 כדי להצדיק את הערכות השווי הנוכחיות שלהן - בהנחה של שולי תזרים מזומנים חופשי של 27 אחוזים, בהשוואה לאלפבית או מיקרוסופט. לשם השוואה, Nvidia, הספקית המובילה של שבבי בינה מלאכותית, צפויה לייצר הכנסות של 350 מיליארד דולר בלבד עד 2030.

גוגל כבעלת יתרון מבני

מעמדה של גוגל במרוץ הבינה המלאכותית שונה באופן מהותי מזה של OpenAI בשל שילובה במערכת אקולוגית מבוססת עם זרמי הכנסה מגוונים. החברה מייצרת הכנסות שנתיות של למעלה מ-300 מיליארד דולר בעיקר באמצעות פרסום ושירותי ענן, מה שמאפשר לראות בפיתוח בינה מלאכותית השקעה אסטרטגית שאינה חייבת להיות רווחית בטווח הקצר. איתנות פיננסית זו מאפשרת לגוגל להתנסות ולהשקיע בתחומים שבהם שחקניות בינה מלאכותית טהורה כמו OpenAI מתמודדות עם לחץ מיידי לייצר הכנסות.

יתרונות ההפצה משמעותיים באותה מידה. גוגל משלבת את ג'מיני במנוע החיפוש שלה, המעבד מיליארדי שאילתות מדי יום, בג'ימייל עם למעלה מ-1.5 מיליארד משתמשים, בגוגל דוקס, גיליונות וכל חבילת Workspace. נוכחות בכל מקום זו יוצרת חשיפה פסיבית: משתמשים נתקלים בג'מיני בזרימות העבודה הדיגיטליות היומיומיות שלהם מבלי לחפש באופן פעיל כלי בינה מלאכותית. גם אם GPT-5.1 או קלוד סונט 4.5 מציגים ביצועים טובים יותר במבחנים ספציפיים, גוגל מציבה את המודל שלה מול מיליארדי עיניים.

אינטגרציה אנכית טכנולוגית מעצימה יתרונות אלה. גוגל מפתחת שבבי בינה מלאכותית משלה באמצעות TPU (יחידות עיבוד Tensor), שולטת על כל תשתית הענן, ובעלת משאבי הדרכה ייחודיים שנצברו במשך עשרות שנים של איסוף נתונים. שליטה זו על כל שרשרת הערך מפחיתה עלויות ומאפשרת אופטימיזציות שאינן זמינות לספקי צד שלישי. כפי שניסח זאת בתמציתיות פרשן אחד ברדיט: גוגל שולטת בחומרה, במרכזי הנתונים, בערוצי ההפצה ובמידע עצמו.

תקדימים היסטוריים מזהירים מפני הערכה יתרה של מנהיגות השוק המוקדמת. אינטרנט אקספלורר שלט בשוק הדפדפנים בסוף שנות ה-90 עם נתח שוק של למעלה מ-90 אחוז ונחשב בלתי עביר, אך נדחק לשוליים תוך עשור על ידי חלופות עדיפות מבחינה טכנית. יאהו ו-AOL, שהיו בעבר שם נרדף לגישה לאינטרנט, הוחלפו על ידי גוגל ואחרות. יתרונות של ראשונים בשווקי טכנולוגיה מתגלים לעתים קרובות כזמניים אם לא ניתן להתגבר על חסרונות מבניים כמו חוסר אינטגרציה אנכית או שבריריות פיננסית.

נקודת המבט של המשקיע וסיכוני ההערכה

שווי השווי של OpenAI, העומד על 500 מיליארד דולר, מייצג את אחד הפערים הקיצוניים ביותר בין הרווחים הנוכחיים לשווי השוק בהיסטוריה של תעשיית הטכנולוגיה. שווי זה מרמז על מכפיל הכנסות של כ-38, בעוד שענקיות טכנולוגיה מבוססות נסחרות במכפילים שבין 5 ל-15. ההצדקה לפרמיה זו נשענת על ההנחה ש-OpenAI תתפוס נתח לא פרופורציונלי משוק הבינה המלאכותית המתפתח.

הנחה זו עומדת בפני אתגר הולך וגובר עקב התפתחויות אמפיריות. סבב הגיוס האחרון במרץ 2025, שהעריך את שווי OpenAI ב-300 מיליארד דולר, היה בעל מנוי יתר פי חמישה. הסבב הבא בנובמבר, שהעלה את שווי המניות ל-500 מיליארד דולר, גויס בעיקר באמצעות מכירות משניות של מניות קיימות, ולא באמצעות הזרמות הון חדשות. זה מאותת על שינוי בתחושה: משקיעים מוקדמים מנצלים הזדמנויות למימוש חלקי, בעוד שמשקיעים חדשים פחות מוכנים לספק הון ראשוני נוסף.

ההשוואה לבועת הדוט-קום היא בלתי נמנעת. סם אלטמן עצמו הצהיר בפומבי שהוא מצפה לבועת בינה מלאכותית, תוך שהוא משווה את תנאי השוק לאלה של פריחת הדוט-קום ומזהיר מפני אופוריה מוגזמת של משקיעים. במקביל, הוא צופה טריליוני דולרים בהוצאות על הרחבת מרכזי נתונים ומגיב לחששות של כלכלנים בכך שהוא קורא לכולם פשוט לתת ל-OpenAI לעשות את שלה. רטוריקה זו מזכירה את היוהרה של סוף שנות ה-90, כאשר שאלות יסוד בנוגע להערכה נדחו הצידה עם התייחסויות לפרדיגמה חדשה.

אנליסטים מרויטרס ומוסדות אחרים חישבו כי OpenAI ו-Anthropic יצטרכו להגיע להכנסות שנתיות משולבות העולות על 300 מיליארד דולר עד 2030 כדי להצדיק את הערכות השווי המשולבות שלהן. משמעות הדבר היא ששתי החברות יחד יצטרכו לייצר כמעט אותה הכנסות כמו Nvidia, מובילת השוק הבלתי מעורערת בשבבי בינה מלאכותית. בהתחשב בתחרות הגוברת מצד גוגל, מיקרוסופט, מטה ושחקנים רבים אחרים, תרחיש זה נראה פחות ופחות סביר.

המצב מחמיר עקב ההתפתחויות בשוק הבינה המלאכותית הרחב יותר. מחקר של MIT הציע כי 95 אחוז מהחברות אינן רואות תשואות מדידות על השקעותיהן בבינה מלאכותית גנרטיבית. ממצא זה עורר ירידה משמעותית בשוק הטכנולוגיה בנובמבר, כאשר מניית Nvidia ירדה ב-3.5 אחוזים ו-Palantir ירדה בכמעט 10 אחוזים. השווקים מגיבים בעצבנות גוברת לכל אינדיקציה לכך שהתשואות המובטחות מבינה מלאכותית אינן מתממשות.

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

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

עוד על זה כאן:

• מרכז עסקים אקספרט

מרכז נושאים עם תובנות ומומחיות:

• פלטפורמת ידע בנושא הכלכלה הגלובלית והאזורית, חדשנות ומגמות ספציפיות לתעשייה
• אוסף ניתוחים, אינספורמציות ומידע רקע מתחומי המיקוד שלנו
• מקום למומחיות ומידע על התפתחויות עדכניות בעסקים ובטכנולוגיה
• מרכז נושאים לחברות שרוצות ללמוד על שווקים, דיגיטציה וחדשנות בתעשייה

הרנסנס של עידן טרום-הכשרה ופריצות דרך אלגוריתמיות

הצלחתה של גוגל עם ג'מיני 3 מסמנת שיקום של אימון מקדים כמקור עיקרי לשיפורי ביצועים. התפתחות זו סותרת את הנרטיבים שהכריזו על סוף ההרחבה. המציאות מורכבת יותר: בעוד שאימון מקדים כבר לא מספק קפיצות אקספוננציאליות, שיפורים שיטתיים ומהותיים נותרים ברי השגה כאשר משתמשים בשיטות הנכונות.

הארכיטקטורה של Gemini 3 משלבת מספר חידושים אלגוריתמיים. המודל משתמש במבנה של שילוב מומחים שפותח על ידי ג'ף דין, המדען הראשי ב-Google DeepMind. ארכיטקטורה זו מפעילה רק חלק קטן מהפרמטרים עבור כל שאילתה, מה שמאפשר יעילות תוך שמירה על קיבולת גבוהה. Gemini 3 מדגים גם יכולות באינטגרציה רב-מודאלית החורגות מעבר לתרגום טקסט פשוט לתמונה וכוללות משימות חשיבה חזותית מורכבות.

מצב Deep Think של Gemini 3 מייצג את תגובת גוגל למודלים של חשיבה של OpenAI. במקום להתייחס לאימון מקדים ולהיגיון כפרדיגמות מתחרות, גוגל משלבת את שתיהן. Deep Think משיג 41 אחוז במבחן Last Exam של Humanity ללא עזרים ו-45.1 אחוז ב-ARC-AGI-2 עם ביצוע קוד. תוצאות אלו מראות שהדיכוטומיה בין אימון מקדים לחישוב בזמן מבחן היא דיכוטומיה שקרית: מערכות אופטימליות משלבות את שתי הגישות.

אי אפשר להפריז בחשיבותו של ממצא זה לדינמיקה התחרותית. OpenAI התמחתה בחישוב בזמן מבחן מכיוון שקנה ​​מידה טרום-אימון כבר לא עבד. גוגל מדגימה כעת שלקדם-אימון עדיין יש פוטנציאל אם ניגשים אליו נכון. משמעות הדבר היא ש-OpenAI לא רק נפלה מאחור מבחינה טכנולוגית, אלא גם הסתמכה אסטרטגית על מתודולוגיה שמתבררת כלא שלמה.

דמיס חסאביס ניסח את החזון המשולב הזה במספר ראיונות. הוא מדגיש כי הדרך לבינה מלאכותית כללית דורשת חידושים מרובים, לא רק קנה מידה. חידושים אלה כוללים מערכות סוכנים המסוגלות לעקוב אחר משימות מורכבות לאורך תקופות ממושכות, מודלים עולמיים המפתחים ייצוגים פנימיים של המציאות הפיזית, ויכולות מטא-למידה המאפשרות למערכות להכליל ממספר מוגבל של דוגמאות. גוגל משקיעה באופן שיטתי בכל התחומים הללו, בעוד ש-OpenAI התמקדה בעיקר בהיגיון.

מתאים לכך:

• אסטרטגיות בינה מלאכותית בהשוואה עולמית: השוואה (ארה"ב לעומת האיחוד האירופי לעומת גרמניה לעומת אסיה לעומת סין)

תפקידם של מודלים של חשיבה ומגבלותיהם

מודל o1 של OpenAI ויורשיו מייצגים שינוי פרדיגמה מהותי בפיתוח בינה מלאכותית. במקום להתרחב בעיקר באמצעות מודלים גדולים יותר ויותר נתוני אימון, מערכות אלו משקיעות זמן מחשוב במהלך הסקה כדי לפתח שרשראות חשיבה ארוכות יותר. גישה זו השיגה הצלחה מרשימה בתחומים ספציפיים, במיוחד מתמטיקה, קידוד ולוגיקה פורמלית, שבהם תוצאות ניתנות לאימות משמשות כמשוב.

עם זאת, מגבלותיה של גישה זו הולכות ומתבררות יותר ויותר. מחקר של חוקרי אפל הראה כי מודלים של חשיבה מתפקדים בצורה דרמטית פחות טובה כאשר הבעיות משתנות אפילו במעט. שינוי מספרים או שמות בבעיות מתמטיות בלבד מוביל לאובדן ביצועים ניכר. חמור אף יותר: הוספת מידע לא רלוונטי מבחינה לוגית אך סביר באופן שטחי גרמה לירידות ביצועים של 17.5 אחוזים עבור o1-preview, 29.1 אחוזים עבור o1-mini, ועד 65.7 אחוזים עבור מודלים בעלי ביצועים נמוכים יותר.

ממצאים אלה מצביעים על כך שמודלים של חשיבה אינם מפתחים למעשה אסטרטגיות כלליות לפתרון בעיות, אלא בעיקר משכפלים דפוסים נלמדים. הם מתנהגים כמו תלמידים ששיננו סוגים ספציפיים של בעיות אך נכשלים כאשר הם מתמודדים עם ניסוחים מגוונים מעט. אין מדובר רק בביקורת אקדמית, אלא שיש לה השלכות מעשיות מיידיות: ביישומים בעולם האמיתי הכוללים בעיות מורכבות ורב-גוניות ללא ניסוחים סטנדרטיים, מערכות אלו נותרות לא אמינות.

מבנה העלויות של מודלי חשיבה מחריף את מגבלותיהם. בניגוד למודלים מסורתיים, שבהם אימון מקדים הוא השלב עתיר החישובים ביותר, קשר זה הפוך עבור מודלי חשיבה. אימון לאחר מכן והסקה הופכים לגורם העלות הדומיננטי, מה שהופך את ההרחבה למאתגרת כלכלית. OpenAI צריכה להוציא משמעותית יותר חישוב עבור כל שאילתת o1 מאשר עבור שאילתות GPT-4 דומות, מבלי שמשתמשים יהיו מוכנים לשלם יותר באופן יחסי.

שילוב יכולות החשיבה על ידי גוגל במודלים מותאמים לאימון מקדים עשוי להתגלות כגישה עדיפה. Gemini 3 עם Deep Think משיג ביצועי חשיבה דומים או טובים יותר מאשר o1, אך בנוי על בסיס חזק יותר. ממצא זה מצביע על כך שהארכיטקטורה האופטימלית אינה משתמשת בהיגיון כתחליף לאימון מקדים, אלא כהשלמה למודל בסיס חזק.

דינמיקה תחרותית והשלמת הפער של אנתרופיק

משפחת Claude של Anthropic, ובמיוחד Sonnet 4.5, מבססת את עצמה ככוח שלישי רציני בתחרות הבינה המלאכותית. Claude Sonnet 4.5 השיגה 77.2 אחוזים במבחן SWE-bench Verified Benchmark לבעיות הנדסת תוכנה מהעולם האמיתי, מה שהופך אותה למודל המוביל בתחום יישום קריטי זה. עם חישוב מקבילי בזמן בדיקה, ביצועים אלה עולים ל-82 אחוזים, רמה שגם GPT-5.1 וגם Gemini 3 לא יכולים להשתוות אליה.

המיקוד האסטרטגי של Anthropic באבטחה והתאמה יוצר נישה עם נכונות ספציפית לשלם. חברות במגזרים מוסדרים מאוד כמו פיננסים, שירותי בריאות ואבטחת סייבר נותנות עדיפות גוברת למודלים המשלבים באופן מוכח מנגנוני אבטחה חזקים. Claude Sonnet 4.5 משיג 98.7 אחוזים במדדים לאבטחה ומדגים נטיות מופחתות לחנפנות, הטעיה, חיפוש כוח והיגיון הזוי. מאפיינים אלה אינם רק מאפייני שיווק אלא מטפלים בדאגות אמיתיות של לקוחות ארגוניים.

היכולת של Claude Sonnet 4.5 לעמוד במשימות חשיבה וביצוע קוד מורכבות ורב-שלביות במשך יותר מ-30 שעות מציבה אותה כמודל אידיאלי לסוכנים אוטונומיים. זהו שוק שצומח במהירות שבו מערכות בינה מלאכותית מנהלות באופן עצמאי זרימות עבודה ממושכות. OpenAI וגוגל מתחרות שתיהן בפלח זה, אך Anthropic צברה יתרון באמצעות התמחות מוקדמת.

התמחור של קלוד משקף את המיקום הזה. עם שלושה דולר למיליון טוקנים לקלט ו-15 דולר למיליון טוקנים לפלט, קלוד נמצא בפלח המחיר הבינוני, זול יותר מ-GPT-5.1 עבור מקרי שימוש רבים, אך יקר יותר מכמה חלופות קוד פתוח. מבנה תמחור זה מרמז על האסטרטגיה של Anthropic: לא שוק המוני באמצעות מחירים נמוכים, אלא פלח פרימיום באמצעות איכות ואבטחה מעולים.

הערכת השווי של אנתרופיק, העומדת על 170 מיליארד דולר, עם הכנסות שנתיות צפויות של 4 מיליארד דולר, נראית פחות קיצונית מהערכת השווי המכפילה של OpenAI, אך נותרה שאפתנית. היגיון המשקיעים שונה: אנתרופיק ממצבת את עצמה כיעד לרכישה או שחקנית לטווח ארוך בשוק אוליגופול, ולא כדומיננטית בשוק. שאיפה צנועה יותר זו עשויה, באופן פרדוקסלי, להתגלות כבת קיימא יותר מאסטרטגיית ה"הכל או כלום" של OpenAI.

מחסור בנתונים ופתרונות סינתטיים

אתגר מהותי עבור כל מפתחי הבינה המלאכותית הוא המחסור הגובר בנתוני אימון איכותיים. Epoch AI מעריכה כי מודלים מאומנים כיום עם 4.6 עד 17.2 טריליון טוקנים. רוב הטקסט הזמין באינטרנט בחינם כבר נצרך. שיפורי ביצועים עתידיים לא ניתנים עוד להשגה בעיקר על ידי הגדלת גודל מערכי הנתונים של האימון, אלא דורשים נתונים באיכות גבוהה יותר או מגוונים יותר.

נתונים סינתטיים, כלומר תוכן הדרכה שנוצר על ידי מערכות בינה מלאכותית, נדונים כפתרון פוטנציאלי. הגישה פרדוקסלית מטבעה: יש לאמן מודלים על סמך נתונים שנוצרו על ידי מודלים קודמים. דבר זה טומן בחובו סיכון לקריסת מודל, שבה שגיאות והטיות מתעצמות לאורך דורות. עם זאת, מערכי נתונים סינתטיים שנבחרו בקפידה עם גיוון ובקרות איכות יכולים לייצר מקרי קצה נדירים שאינם מתרחשים בנתונים טבעיים.

לגוגל יתרונות מבניים באיסוף נתונים באמצעות מנוע החיפוש שלה, ג'ימייל, יוטיוב, מפות גוגל ושירותים רבים אחרים המייצרים באופן רציף נתונים חדשים ומגוונים שנוצרו על ידי בני אדם. זרימות נתונים אלו אינן רק עצומות אלא גם מובנות לאורך זמן, מה שמאפשר לזהות דפוסים והתפתחויות זמניים. ל-OpenAI חסרים מקורות נתונים דומים, אשר מסתמכים יותר ויותר על שותפויות עם מו"לים, הסכמי רישוי עם חברות מדיה ויצירת נתונים סינתטיים.

המצב המשפטי מחריף את האסימטריה הזו. מספר תביעות משפטיות של מו"לים ומחברים נגד OpenAI בגין הפרת זכויות יוצרים עלולות להגביל את הגישה לנתונים היסטוריים ולהפוך פעילויות סקראפינג עתידיות למסוכנות מבחינה משפטית. גוגל יכולה לטעון שסריקת אתרים לצורך אינדוקס חיפוש היא נוהג מבוסס ותקין מבחינה משפטית המועיל לפיתוח הבינה המלאכותית. אי ודאות משפטית זו מציבה סיכונים נוספים על OpenAI שענקיות טכנולוגיה מבוססות אינן נושאות באותה מידה.

אינטליגנציה-על כהימור לטווח ארוך

תזכירו של אלטמן מדגיש שוב ושוב את הצורך לשמור על מיקוד בהשגת אינטליגנציה-על, למרות לחצים תחרותיים לטווח קצר. רטוריקה זו היא אסטרטגית: היא מצדיקה השקעות והפסדים נוכחיים על ידי הצבעה על רווחים טרנספורמטיביים בעתיד. אינטליגנציה-על מתייחסת למערכות בינה מלאכותית היפותטיות שעולות על האינטליגנציה האנושית בכל התחומים הרלוונטיים ובעלות פוטנציאל להאיץ את התפתחותן.

הערכות מומחים לגבי עיתוי התפתחות זו משתנות במידה ניכרת. ניתוחים של למעלה מ-8,500 תחזיות מצביעים על חציון בין 2040 ל-2045 להשגת בינה מלאכותית כללית, קודמת לאינטליגנציה-על. כמה קולות בולטים, כמו דריו אמודיי מ-Anthropic ואיילון מאסק, צופים תאריכים מוקדמים משמעותית, במקרים מסוימים כבר בין 2026 ל-2029. סם אלטמן עצמו ציין את 2029 כתאריך יעד.

הרלוונטיות הכלכלית של ויכוח זה טמונה בהיגיון ההערכה: אם אינטליגנציה-על ניתנת להשגה תוך חמש שנים ו-OpenAI תישאר מובילה בפיתוחה, הדבר מצדיק כמעט כל הערכה נוכחית. עם זאת, אם אינטליגנציה-על נמצאת במרחק 20 שנה או ש-OpenAI לא תישאר מובילה, הבסיס להערכה קורס. לפיכך, משקיעים מהמרים לא רק על טכנולוגיה, אלא גם על לוחות זמנים ספציפיים ומיקומי שוק בתרחישים עתידיים היפותטיים.

אוטומציה של מחקר בינה מלאכותית, אותה אלטמן מזהה כמוקד מרכזי, עשויה לקצר את לוחות הזמנים הללו. מערכות שמייצרות באופן עצמאי השערות, מתכננות ניסויים, מאמנות מודלים ומפרשות תוצאות יגדילו באופן דרמטי את מהירות הפיתוח. גוגל דיפ-מיינד עובדת על גישות דומות, במיוחד על ידי שילוב אלגוריתמי תכנון דמויי AlphaGo במודלי שפה. השאלה אינה האם יפותחו מערכות מטא-בינה מלאכותית כאלה, אלא מי יתיישם אותן ראשון.

מבנה השוק והיווצרות אוליגופול

שוק הבינה המלאכותית מתפתח במהירות לאוליגופול עם שלושה עד חמישה שחקנים דומיננטיים. OpenAI, גוגל, אנתרופיק, מיקרוסופט ומטה מחזיקות במשאבים הפיננסיים, הכישרון הטכני והתשתית כדי להישאר בחזית התחרות. חסמי הכניסה כעת הם קשים: הכשרת מודל חדיש עולה כמה מאות מיליוני דולרים, דורשת גישה לאלפי כרטיסי מסך מתקדמים ודורשת צוותי חוקרים מובילים.

מודלים בקוד פתוח כמו Llama של Meta, Mistral או Olmo של Allen AI מציעים חלופות למקרי שימוש ספציפיים, אך מפגרים אחרי מודלים קנייניים מובילים מבחינת ביצועים מוחלטים. חשיבותם טמונה בעיקר בדמוקרטיזציה של יכולות בינה מלאכותית עבור מפתחים ללא תקציבים עצומים וביצירת לחץ תחרותי שממתן את מחירי הגישה ל-API.

סין מפתחת במקביל מערכת אקולוגית עצמאית משלה בתחום הבינה המלאכותית, יחד עם חברות כמו Alibaba Qwen, Baidu Ernie, ByteDance ושחקנים נוספים. מודלים אלה מגיעים יותר ויותר לשוויון עם מערכות מערביות, אך מופרדים חלקית מהשוק העולמי בשל מסגרות רגולטוריות שונות, גישה מוגבלת לשבבים מתקדמים עקב בקרות יצוא ומחסומי שפה. הממד הגיאופוליטי של פיתוח הבינה המלאכותית עלול להוביל למערכות אקולוגיות מקבילות ודומיננטיות אזוריות, בדומה לאינטרנט המקוטע.

עבור OpenAI, אוליגופול זה פירושו שעמדות שוליות אינן יציבות. או שהחברה מבססת את עצמה באופן בר-קיימא כאחת המערכות המובילות הבודדות, או שהיא נדחקת לשכבה שנייה שממנה קידמה כמעט בלתי אפשרית עקב עצימות ההון. משקיעים מבינים את הדינמיקה הזו, מה שמסביר את התנודתיות הקיצונית בהערכה: עם תוצאות בינאריות, ההסתברויות מוערכות מחדש באופן רציף, ושינויים קטנים בהערכת ההסתברות מובילים לשינויים גדולים בהערכה.

אינטגרציה אנכית כצורך אסטרטגי

רישוי הקניין הרוחני של OpenAI לעיצוב שבבים ומערכות על ידי מיקרוסופט בנובמבר 2025 מסמן שינוי אסטרטגי. ההסכם מעניק למיקרוסופט גישה מקיפה לתיק עיצוב השבבים הקנייני של OpenAI ויכול לקצר משמעותית את מחזורי הפיתוח של מיקרוסופט עבור מעבדי בינה מלאכותית מהדור הבא. זהו חלק ממגמה רחבה יותר של אינטגרציה אנכית, שבה ספקי ענן מובילים מבקשים להשיג שליטה רבה יותר על יסודות החומרה שלהם.

גוגל מפתחת שבבי TPU במשך שנים, ובכך שולטת על כל המעבדים, החל מסיליקון ועד תוכנה. אמזון מפתחת שבבי Trainium ו-Inferentia משלה. מיקרוסופט משקיעה רבות במאיצי בינה מלאכותית משלה. מעבר זה לעבר סיליקון מותאם אישית משקף את ההבנה שמעבדי GPU לשימוש כללי אינם אופטימליים לעומסי עבודה ספציפיים של בינה מלאכותית. שבבים ייעודיים יכולים להשיג יעילות טובה יותר בסדרי גודל עבור פעולות ספציפיות, להפחית עלויות ולשפר ביצועים.

ל-OpenAI חסרה אינטגרציה אנכית זו. החברה מסתמכת על ספקי שבבים חיצוניים, בעיקר Nvidia, ומשתמשת בתשתית ענן של מיקרוסופט, אורקל ואחרות. תלות זו יוצרת חסרונות עלות ופגיעויות אסטרטגיות. השותפות עם מיקרוסופט לרישוי IP עשויה להיות צעד ראשון לקראת סגירת פער זה, אך פיתוח חומרה משלה לוקח שנים ודורש מומחיות ש-OpenAI עדיין צריכה לבנות.

ההשלכות הכלכליות הן משמעותיות. מפעילי מודלים עם שליטה משלהם בחומרה יכולים להפחית את עלויותיהם בסדרי גודל רבים, מה שיאפשר אסטרטגיות תמחור אגרסיביות יותר או, לחלופין, להבטיח שולי רווח גבוהים יותר. גוגל יכולה באופן פוטנציאלי להציע את ג'מיני במחירים שבהם OpenAI סופגת הפסדים, מכיוון שגוגל יכולה להפחית באופן דרמטי את עלויותיה באמצעות שימוש ב-TPU. זו אינה אפשרות תיאורטית, אלא מציאות מעשית שכבר משפיעה על הדינמיקה של השוק.

מנטסקייפ ויאהו ועד אופן בינה מלאכותית: האם ההיסטוריה חוזרת על עצמה?

ההתפתחויות של שנת 2025 מסמנות את סופו של עידן של מנהיגות בלתי מעורערת של חלוצים בודדים בתחום הבינה המלאכותית. מעמדה של OpenAI כשחקן מרכזי במהפכת הבינה המלאכותית הגנרטיבית מתמודד באופן מהותי עם שוויון טכנולוגי, החסרונות המבניים של ענקיות טכנולוגיה מבוססות ושבריריות פיננסית. החברה ניצבת בפני אתגר של ניהול משברים בו זמנית: הדבקת הפער הטכנולוגי עם גוגל, הבטחת קיימות פיננסית למרות הפסדים עצומים, מיצוב מחדש אסטרטגי בשוק מתאחד והתמודדות עם המורכבות התפעולית של צמיחה מהירה.

הצלחתה של גוגל עם ג'מיני 3 מדגימה שבשווקים עתירי טכנולוגיה, עומק משאבים, אינטגרציה אנכית והון סבלני מציעים לעתים קרובות יתרונות מבניים על פני חדשנות זריזה. היכולת לספוג הפסדים במשך שנים בזמן שמוצרים מתבגרים ומתממשים יתרונות לגודל היא יתרון שלא יסולא בפז. חברות OpenAI וחברות דומות העוסקות בבינה מלאכותית טהורה חייבות להשיג רווחיות במסגרת זמן המוכתבת על ידי ציפיות המשקיעים, בעוד שגוגל יכולה להתנסות עד שהפתרונות יהיו באמת מוכנים לשוק.

עתיד שוק הבינה המלאכותית יאופיין ככל הנראה באוליגופול של שלושה עד חמישה ספקים דומיננטיים, שכל אחד מהם תופס נישות אסטרטגיות שונות. גוגל כספקית כללית משולבת אנכית עם הפצה מעולה, מיקרוסופט כמשלבת מערכות ארגוניות, אנתרופיק כמומחית אבטחה ויישור, ומטה כאלופת קוד פתוח עבור מערכות אקולוגיות של מפתחים. מעמדה העתידי של OpenAI בקונסטלציה זו נותר לא ודאי ותלוי באופן קריטי בשאלה האם פרויקט Shallotpeat יתייחס לליקויים שזוהו לפני ההכשרה המקדימה והאם החברה תוכל לבסס יתרון תחרותי בר-קיימא מעבר למנהיגות המותג ההיסטורית שלה.

עבור משקיעים, לקוחות עסקיים ואנשי טכנולוגיה, שינוי זה משמעו הערכה מחודשת של סיכונים והזדמנויות. ההנחה שמובילי השוק הראשונים יגנו על עמדותיהם הופכת להיות מוטלת בספק יותר ויותר. מהירות השינוי הטכנולוגי, עצימות ההון של מחקר חדשני וכוחה של ערוצי הפצה מבוססים יוצרים דינמיקה שבה יתרונות מבניים חשובים לעתים קרובות יותר ממנהיגות חדשנית היסטורית. השנים הקרובות יראו האם לחלוצים הזריזים יש את המשאבים והחזון האסטרטגי לעמוד בכוחן המכריע של ענקיות הטכנולוגיה, או שמא סיפורן של נטסקייפ, יאהו וחלוצי אינטרנט ראשונים אחרים יחזור על עצמו בעידן הבינה המלאכותית.

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 חבילה מקיפה ונטולת דאגות עבורכם לבינה מלאכותית. במקום להתמודד עם טכנולוגיה מורכבת, תשתית יקרה ותהליכי פיתוח ארוכים, אתם מקבלים פתרון מוכן לשימוש המותאם לצרכים שלכם משותף מתמחה - לעתים קרובות תוך מספר ימים.

היתרונות המרכזיים במבט חטוף:

⚡ יישום מהיר: מרעיון ליישום תפעולי תוך ימים, לא חודשים. אנו מספקים פתרונות מעשיים היוצרים ערך 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. אנו מטפלים בכל היישום הטכני, התפעול והתחזוקה של פתרון הבינה המלאכותית שלכם.

📈 עתיד-מוכן וניתן להרחבה: הבינה המלאכותית שלכם גדלה איתכם. אנו מבטיחים אופטימיזציה וגמישות מתמשכת, ומתאימים את המודלים לדרישות חדשות באופן גמיש.

עוד על זה כאן:

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

☑️ השפה העסקית שלנו היא אנגלית או גרמנית

☑️ חדש: התכתבויות בשפה הלאומית שלך!

Konrad Wolfenstein

אני שמח להיות זמין לך ולצוות שלי כיועץ אישי.

אתה יכול ליצור איתי קשר על ידי מילוי טופס יצירת הקשר או פשוט להתקשר אליי בטלפון +49 89 674 804 (מינכן) . כתובת הדוא"ל שלי היא: וולפנשטיין ∂ xpert.digital

אני מצפה לפרויקט המשותף שלנו.

☑️ תמיכה ב- SME באסטרטגיה, ייעוץ, תכנון ויישום

☑️ יצירה או התאמה מחדש של האסטרטגיה הדיגיטלית והדיגיטציה

☑️ הרחבה ואופטימיזציה של תהליכי המכירה הבינלאומיים

Platforms פלטפורמות מסחר B2B גלובליות ודיגיטליות

Pioneeer פיתוח עסקי / שיווק / יחסי ציבור / מדד

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

ל- xpert.digital ידע עמוק בענפים שונים. זה מאפשר לנו לפתח אסטרטגיות התאמה המותאמות לדרישות ולאתגרים של פלח השוק הספציפי שלך. על ידי ניתוח מתמיד של מגמות שוק ורדיפת פיתוחים בתעשייה, אנו יכולים לפעול עם ראיית הנולד ולהציע פתרונות חדשניים. עם שילוב של ניסיון וידע, אנו מייצרים ערך מוסף ומעניקים ללקוחותינו יתרון תחרותי מכריע.

עוד על זה כאן:

• השתמש ביכולת 5 של xpert.digital בחבילה אחת - מ- 500 € לחודש