הפער בין הבטחה למציאות: מה מגלה המאבק של Salesforce על שינוי הבינה המלאכותית בתעשיית הטכנולוגיה – תמונה: Xpert.Digital
כאשר אלגוריתמים אוטונומיים מבטיחים את מה שהשוק לא יכול לספק
האכזבה הגדולה של הבינה המלאכותית: מדוע Salesforce מראה שהמציאות נראית אחרת
הירידה המרהיבה 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 מבינה מלאכותית לבין המציאות הקשה של ניצולה המסחרי. בעוד שחברות טכנולוגיה ברחבי העולם מכריזות על המהפכה שמביאים 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 הבטחה כביכול זו לעתיד ומהן ההשלכות שלה על תעשיית הטכנולוגיה.
מתאים לכך:
יסודות ורלוונטיות
מצבה של Salesforce באוקטובר 2025 מסמן נקודת מפנה בתפיסת הבינה המלאכותית כמנוע צמיחה ישיר 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 במניית Salesforce עומדת בניגוד מוחלט למגמה הכללית בתעשיית הטכנולוגיה, שבה 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 מציאותיות? ואילו בעיות מבניות מסתתרות מאחורי החזית הנוצצת של ההבטחה של הבינה המלאכותית.
הרלוונטיות של ניתוח זה חורגת הרבה מעבר לסיילספורס. הוא משפיע על כל החברות המסתמכות על בינה מלאכותית כמנוע צמיחה מרכזי. הוא נוגע למשקיעים שמשקיעים מיליארדים בטכנולוגיות בינה מלאכותית. והוא נוגע לעובדים שעבודתם מאוימת על ידי האוטומציה המובטחת. המקרה של סיילספורס מציע תובנה ייחודית לגבי המנגנונים, התקוות והאכזבות של תעשייה במעבר.
מאמר זה מחולק לשמונה חלקים המציגים באופן שיטתי את השורשים ההיסטוריים, המנגנונים הטכניים, המצב הנוכחי, מקרי שימוש מעשיים, סוגיות קריטיות, התפתחויות עתידיות וסינתזה סופית של הלקחים שנלמדו. יתברר כי האתגרים של Salesforce מייצגים בעיות עמוקות יותר בתעשייה המשתרעות הרבה מעבר לחברה בודדת.
מחלוץ ענן ללוחם בינה מלאכותית: שינוי אסטרטגי 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. במקום למכור חבילות רישיון יקרות שהיה צריך להתקין בשרתים של הלקוחות, Salesforce הציעה את פתרון ה-CRM שלה באופן מקוון. לקוחות שילמו דמי שימוש חודשיים ויכלו להשתמש בתוכנה פשוט דרך הדפדפן שלהם.
חדשנות זו הפכה את Salesforce למובילת השוק בניהול קשרי לקוחות. עם נתח שוק של למעלה מ-21 אחוזים, החברה עדיין שולטת בשוק ה-CRM העולמי כיום, הרבה לפני מתחרות כמו מיקרוסופט, אורקל ו-SAP. במשך למעלה משני עשורים, Salesforce נחשבה למניה בצמיחה מובהקת. ההכנסות גדלו בשיעורים דו-ספרתיים שנה אחר שנה, מחיר המניה טיפס בהתמדה, והחברה התרחבה באמצעות רכישות רבות.
אבל כבר בשנים שקדמו לשנת 2025, הופיעו סימנים ראשונים להאטה. הצמיחה בתעשיית תוכנות ה-CRM בכללותה הואטה ככל שהשוק הפך רווי יותר ויותר. חברות גדולות רבות כבר יישמו מערכות CRM, והפרי הנמוך ביותר נקטף. במקביל, צצו מתחרים חדשים, וצברו נתח שוק עם גישות חדשניות ומחירים נמוכים יותר.
במצב זה, בניוף התמקדה יותר ויותר בבינה מלאכותית כסיפור צמיחה חדש החל משנת 2022. Salesforce הציגה לראשונה את Einstein, פלטפורמת בינה מלאכותית שאפשרה ניתוח חיזוי ואוטומציה בתוך מוצרי ה-CRM הקיימים שלה. לאחר מכן, בספטמבר 2024, הגיעה ההכרזה הגדולה: Agentforce, פלטפורמה לסוכני בינה מלאכותית אוטונומיים שיבצעו באופן עצמאי משימות בתחומים כמו שירות לקוחות, מכירות ושיווק.
החזון היה שאפתני: עד סוף שנת 2025, לקוחות ייצרו מיליארד סוכני בינה מלאכותית אוטונומיים באמצעות הפלטפורמה. סוכנים אלה לא רק יענו על שאילתות פשוטות, אלא גם יתכננו ויבצעו באופן עצמאי משימות מורכבות מרובות שלבים. הם יפעלו באופן פרואקטיבי, יקבלו החלטות וייגשו 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 8 מיליארד דולר. הרכישה נועדה להבטיח שלסוכני הבינה המלאכותית תהיה גישה לנתונים איכותיים ומובנים היטב. בסתיו 2024, Salesforce כבר רכשה את Own Data, חברת ניהול נתונים נוספת, תמורת 1.9 מיליארד דולר.
אך למרות ההשקעות העצומות הללו והחזון הגדול, הזינוקים בהכנסות המיוחלים לא התממשו. ברבעון השני של שנת הכספים 2025/26, הכנסות Salesforce צמחו ב-9.8 אחוזים ל-10.24 מיליארד דולר. אמנם נתון זה היה מעט מעל הציפיות, אך זה היה הרבעון החמישי ברציפות של צמיחה חד-ספרתית. התחזית לרבעון הקרוב הייתה זהירה אף יותר, מה שהצית חששות כי מתקפת הבינה המלאכותית לא תניב את ההצלחה המסחרית המיוחלת.
האנטומיה של סוכני בינה מלאכותית אוטונומיים: טכנולוגיה בין חזון להיתכנות
כדי להבין מדוע מונטיזציה של סוכני בינה מלאכותית מתגלה כמאתגרת כל כך, חשוב לבחון את היסודות הטכניים והמנגנונים של מערכות אלו. Agentforce מבוססת על מספר רכיבים טכנולוגיים שחייבים לעבוד יחד כדי להשיג את האוטונומיה המובטחת.
בליבו נמצא מנוע החשיבה של אטלס, הפועל כרשת נוירונים או מוח של סוכני הבינה המלאכותית. מנוע זה נועד לחקות מחשבה והתנהגות אנושית, לסווג נכון משימות, לתעדף שלבי משימה ובסופו של דבר לבצע אותן בצורה נכונה. 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 בינה מלאכותית. איכותם ושלמותם של נתונים אלה הם קריטיים לביצועי הסוכנים. זה גם מציג את אחד האתגרים הגדולים ביותר: חברות רבות אוספות את הנתונים שלהן במשך שנים במערכות שונות ללא סטנדרטים עקביים או ניקוי קבוע.
המרכיב השלישי הוא כלי אינטגרציה כמו MuleSoft ומחברים מוכנים מראש המאפשרים לסוכנים לתקשר עם זרימות עבודה קיימות ומערכות חיצוניות. ממשקים אלה מאפשרים לסוכנים לפעול לא רק בתוך עולם הסיילספורס אלא גם לתקשר עם יישומים ארגוניים אחרים.
בנוסף לרכיבים הספציפיים ל-Salesforce, Agentforce משלבת גם מודלים של שפה בקנה מידה גדול מספקי צד שלישי כמו OpenAI, Anthropic ו-Google Gemini. מודלים אלה מספקים את עיבוד השפה הטבעית הבסיסי ואת ידע העולם הכללי שעליו בנויים סוכנים ספציפיים.
ניתן להמחיש את הפונקציונליות באמצעות דוגמה של נציג שירות לקוחות: לקוח יוצר קשר עם החברה עם שאילתה. הסוכן מנתח את השאילתה, ניגש לנתוני הלקוח הרלוונטיים מענן הנתונים, משווה אותם 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.
זה נשמע מרשים בתיאוריה. בפועל, לעומת זאת, ישנם מכשולים רבים. סוכנים טובים רק כמו הנתונים שיש להם גישה אליהם. אם הנתונים אינם שלמים, מיושנים או לא עקביים, סוכנים מקבלים החלטות שגויות. שילוב במערכות ארגוניות קיימות הוא לעתים קרובות מורכב ודורש מאמץ ניכר. ותצורת סוכנים, למרות שמפורסמת כתהליך low-code, עדיין דורשת הבנה טכנית ניכרת וידע ספציפי 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 נתונים או התנהגות לא רצויה הוא ממשי, כפי שמראות דוגמאות מתעשיות אחרות.
הדרך הקשה לרווחיות: שלושה אתגרים מהותיים
ניתן לסכם את הבעיות של Salesforce בשלושה אתגרים מרכזיים האופייניים לכלל התעשייה: המונטיזציה של חידושים בתחום הבינה המלאכותית, מוכנות מבנית לשוק ומורכבות אימוץ הטכנולוגיה.
האתגר הראשון נוגע למונטיזציה
למרות שסיילספורס פיתחה מוצר מתקדם מבחינה טכנולוגית עם Agentforce, השאלה המרכזית 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 לפרוס 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 מועברות ללקוחות, מה שמגביל את קבלת המחיר. במקביל, לקוחות מצפים מסוכני בינה מלאכותית לספק ערך ברור המצדיק את העלויות הגבוהות יותר.
נכון להיום, רק כ-12,000 חברות משתמשות ב-Agentforce, מספר זעום בהתחשב בבסיס הלקוחות העצום של Salesforce המונה כמה מאות אלפי חברות. ההכנסה השנתית החוזרת מ-Agentforce היא פחות מ-500 מיליון דולר, חלק קטן מההכנסה הכוללת של למעלה מ-40 מיליארד דולר. גם אם מספר זה ישלש או ירבע בשנים הקרובות, כפי ש-Salesforce מקווה, תרומתה להכנסה הכוללת עדיין תהיה מוגבלת.
האתגר המרכזי השני הוא הבשלות המבנית של שוק ה-CRM
לאחר שני עשורים של צמיחה חזקה, שוק תוכנות ניהול קשרי לקוחות הגיע לשלב רוויה. רוב החברות הגדולות והבינוניות בשווקים מפותחים כבר יישמו מערכות CRM. הפוטנציאל לצמיחה אורגנית באמצעות רכישת לקוחות חדשים מוגבל.
במקביל, התחרות גברה. מיקרוסופט עם Dynamics 365, אורקל עם יישומי הענן שלה, SAP עם פתרונות ה-CRM שלה, וספקים רבים המתמחים כמו HubSpot, Zendesk ו-Zoho, כולם מתחרים על נתח שוק. מתחרים אלה השיגו את הפער בשנים האחרונות ולעיתים מציעים פתרונות זולים או מיוחדים יותר.
בסביבה זו, יהיה קשה יותר לסיילספורס להשיג שיעורי צמיחה דו-ספרתיים, אפילו עם תכונות בינה מלאכותית חדשניות. לקוחות לא פשוט יעברו 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 בשלב מוקדם מאוד. לפיכך, קיים פער זמן בין בגרות השוק של מוצרי הליבה לבגרות של תוספות בינה מלאכותית. פער זה מקשה על Salesforce לשחזר את תנופת הצמיחה הקודמת שלה.
האתגר הבסיסי השלישי נוגע למורכבות אימוץ הטכנולוגיה
למרות שסיילספורס מקדמת את Agentforce כפתרון ידידותי למשתמש המבוסס על קוד נמוך, המציאות עבור לקוחות רבים מורכבת הרבה יותר. הטמעה מוצלחת של סוכני בינה מלאכותית דורשת בסיס נתונים מוצק, 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 לטפל בבעיות אלו לפני שסוכני בינה מלאכותית יוכלו לממש את הפוטנציאל שלהם. זה דורש זמן, משאבים וגישה ארוכת טווח שחברות רבות נרתעות ממנה.
לכך מתווסף המחסור בעובדים מיומנים. הביקוש למומחי בינה מלאכותית, מומחי נתונים ומנהלי Salesforce עולה בהרבה על ההיצע. חברות חייבות לשלם משכורות גבוהות כדי למשוך ולשמר עובדים מוסמכים. זה מגדיל עוד יותר את עלות הטמעת פתרונות בינה מלאכותית ומאריך את זמן הפיתוח.
מימד חדש של טרנספורמציה דיגיטלית עם 'בינה מלאכותית מנוהלת' (בינה מלאכותית) - פלטפורמה ופתרון B2B | ייעוץ אקספרט
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:
הייפ או פריצת דרך? נציגי שירות לקוחות: פוטנציאל חיסכון לעומת סיכון איכות
סיפורי הצלחה ואכזבה: מה מלמד אותנו הפרקטיקה על סוכני בינה מלאכותית
כדי לקבל תמונה מלאה, כדאי לבחון מקרי שימוש קונקרטיים וחוויות מעשיות עם סוכני בינה מלאכותית, הן בסיילספורס עצמה והן בחברות אחרות.
סיילספורס עצמה יישמה את אחד מהטמעות הסוכנים הבולטות ביותר בתחום הבינה המלאכותית: 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, צמצום של 45 אחוזים. העובדים שפוטרו הוחלפו בסוכני בינה מלאכותית, שלדברי בניוף כבר טיפלו ב-1.5 מיליון שיחות עם לקוחות, והשיגו רמות שביעות רצון לקוחות דומות לאלו של סוכנים אנושיים.
מצד אחד, צעד דרסטי זה מדגים את הפוטנציאל של סוכני בינה מלאכותית להפוך משימות חוזרות ונשנות לאוטומטיות ולהפחית עלויות. סיילספורס חוסכת בעלויות כוח אדם משמעותיות באמצעות פיטורים אלה, ובמקביל מסוגלת לעבד יותר פניות. 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 במקביל. לדברי Salesforce, חלק מהלקוחות דיווחו כי הפרודוקטיביות של צוותי המכירות שלהם גדלה ב-20 עד 30 אחוז כתוצאה משימוש בסוכנים כאלה.
עם זאת, גם כאן ישנן מגבלות. סוכנים עובדים בצורה הטובה ביותר עם תהליכים סטנדרטיים וקריטריוני הסמכה מוגדרים בבירור. הם מגיעים במהירות לגבולותיהם בתהליכי מכירה B2B מורכבים הדורשים ידע מעמיק במוצר וכישורי משא ומתן אסטרטגיים. יתר על כן, חלק מהמשתמשים מדווחים על רמה מסוימת של חוסר שביעות רצון מלקוחות פוטנציאליים שמעדיפים לדבר עם אדם.
מעבר לסיילספורס, ישנן חברות רבות אחרות המשתמשות בסוכני בינה מלאכותית. ServiceNow, מתחרה ישירה לסיילספורס בתחום ניהול שירותי ה-IT, פיתחה פלטפורמה משלה עבור סוכני בינה מלאכותית. סוכנים אלה נועדו לאבחן ולפתור באופן עצמאי בעיות IT, לטפל בבקשות שירות ולתזמר זרימות עבודה.
מיקרוסופט מסתמכת גם על בינה מלאכותית מבוססת סוכנים במוצרי Copilot שלה, אך עם גישה מעט שונה. סוכני מיקרוסופט משולבים בצורה עמוקה יותר במוצרי Office 365 קיימים ומתמקדים בתמיכה בפריון אישי ולא באוטומציה של תהליכים אוטונומיים.
SAP ואורקל נוקטות 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 מתפקדים 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 להתאים או להתעלות על ביצועים אנושיים.
מתאים לכך:
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 ההבטחות והמגבלות של הטכנולוגיה. מספר היבטים קריטיים ראויים לתשומת לב מיוחדת.
הנקודה הראשונה במחלוקת נוגעת לאובדן מקומות עבודה. על ידי פיטורי 4,000 עובדי שירות לקוחות, Salesforce שלחה מסר ברור: סוכני בינה מלאכותית לא רק מחליפים תהליכים לא יעילים, אלא גם מחליפים בני אדם. בניוף טען בעבר כי בינה מלאכותית לא תוביל להיעלמותן של עבודות משרדיות. המציאות מראה משהו שונה.
מגמה זו אינה מוגבלת לסיילספורס. על פי נתונים, יותר מ-64,000 משרות טכנולוגיות היו צפויות להתבטל בארה"ב לבדה עד 2025, רבות מהן קשורות לאוטומציה מוגברת באמצעות בינה מלאכותית. האירוניה היא שבמקביל, רבות מחברות אלו מחפשות לגייס עובדים חדשים, במיוחד בפיתוח ומכירות של בינה מלאכותית. לכן, מתרחש שינוי, כאשר תפקידים מסוימים הופכים למיושנים בעוד שאחרים צצים. אך השאלה נותרת האם המשרות החדשות שנוצרו יעלו על המשרות שאבדו הן במספרן והן באיכותן.
ההיבט הקריטי השני הוא הפער בין השיווק למציאות. סיילספורס וחברות טכנולוגיה אחרות קידמו סוכני בינה מלאכותית עם הבטחות גדולות: מהפכה בעולם העבודה, שיפורי פרודוקטיביות קסומים, מערכות אוטונומיות המחליפות עובדים אנושיים. המציאות, לעומת זאת, היא שרבים מהיישומים עדיין נמצאים בשלב הפיילוט, ושיפורי הפריון המובטחים לעתים קרובות אינם מתממשים או מתממשים רק בתחומים מוגבלים.
מחקר של Capgemini מצא כי בעוד ש-90 אחוז מהמנהלים שנשאלו משוכנעים שבינה מלאכותית מבוססת סוכנים מספקת יתרון תחרותי, רק 14 אחוז החלו ליישם אותה בפועל. רובם עדיין נמצאים בשלב התכנון, וכמעט למחציתם חסרה אסטרטגיית יישום קונקרטית. האמון בסוכני בינה מלאכותית אוטונומיים לחלוטין ירד משמעותית במהלך השנה האחרונה, מ-43 אחוז ל-27 אחוז.
בעיה בעייתית שלישית היא התלות בענקיות טכנולוגיה בודדות. Salesforce Agentforce משולב באופן הדוק עם המערכת האקולוגית של Salesforce. סוכנים פועלים בצורה הטובה ביותר כאשר כל הנתונים והתהליכים ממוקמים בתוך עולם Salesforce. שילוב מקורות ידע או מערכות חיצוניות דורש מאמץ ניכר. זה יוצר אפקט נעילה של ספק, מה שמקשה על לקוחות לעבור לפתרונות חלופיים.
גם מיקרוסופט, SAP ואורקל מתמודדות עם ביקורת דומה. 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 הלקוחות לבחור ספק עיקרי. 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 לנתונים ארגוניים נרחבים כדי לפעול ביעילות. מצב זה יוצר סיכוני אבטחה פוטנציאליים, במיוחד כאשר נתונים אלה מועברים לשירותי בינה מלאכותית חיצוניים כמו OpenAI או Anthropic. למרות ש-Salesforce וספקים אחרים מדגישים כי יישמו אמצעי הגנת מידע מחמירים, עדיין קיימות 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 קדימה: בין קונסולידציה לגל הבא
למרות כל האתגרים הנוכחיים, מומחים צופים כי סוכני 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 אחוז מכל היישומים הארגוניים יכילו סוכני בינה מלאכותית ספציפיים למשימות, עלייה משמעותית מפחות מ-5 אחוזים בשנת 2025. עד שנת 2035, בינה מלאכותית מבוססת סוכנים עשויה להוות כ-30 אחוז מהכנסות התוכנה הארגונית העולמיות, ויעלו על 450 מיליארד דולר. שוק הבינה המלאכותית האוטונומית והסוכנים האוטונומיים יצמח מ-8.62 מיליארד דולר בשנת 2025 ל-263.96 מיליארד דולר עד שנת 2035, בקצב צמיחה שנתי מצטבר של מעל 40 אחוז.
תחזיות אלה מבוססות על ההנחה שהאתגרים הנוכחיים יתגברו בהדרגה. מספר התפתחויות עשויות לתרום לכך:
ראשית, הטכנולוגיה עצמה תתפתח. 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 את יישומי בינה מלאכותית לאטרקטיביים יותר מבחינה כלכלית.
שנית, חברות ילמדו כיצד להשתמש בסוכני בינה מלאכותית בצורה יעילה יותר. מאמצים מוקדמים יאספו 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 Agent-to-Agent Protocol של ServiceNow שואפות לאפשר תקשורת בין סוכני בינה מלאכותית מספקים שונים. אם סטנדרטים כאלה יתבססו, הם יקל על האינטגרציה ויצמצמו את הנעילה לספקים.
רביעית, איחוד ספקים צפוי. שוק סוכני הבינה המלאכותית מקוטע כיום, עם עשרות סטארט-אפים ושחקנים מבוססים המתמודדים על נתח שוק. השנים הקרובות צפויות לכלול רכישות וטלטלות שוק, בדומה לאלה שנראו בעבר במגזרי טכנולוגיה אחרים. חברות גדולות כמו Salesforce, Microsoft, Google, SAP ו-Oracle ירכשו ספקים קטנים יותר כדי להרחיב את יכולות הבינה המלאכותית שלהן.
עבור Salesforce באופן ספציפי, יהיה קריטי האם החברה תוכל לשלב בהצלחה את רכישת Informatica ולייצר ערך אמיתי עבור Agentforce. הרכישה היא הגדולה ביותר בתולדות החברה מאז רכישת Slack בשנת 2021. היא נושאת סיכונים, כפי שהודגם בהורדת הדירוג של RBC, שהפחיתה באופן דרסטי את מחיר היעד. אך היא מציעה גם הזדמנויות אם היא תאפשר ל-Salesforce ליצור פלטפורמת ניהול נתונים מקיפה יותר שתהפוך את סוכני הבינה המלאכותית ליעילים יותר.
בטווח הבינוני, עד שנת 2030, Salesforce שואפת להגיע להכנסות של מעל 60 מיליארד דולר, המקבילות לקצב צמיחה אורגני של מעל 10 אחוזים בשנה. זה יסמן חזרה לצמיחה דו-ספרתית לאחר ירידה מתחת לרף זה מאז אמצע 2024. האם יעד זה מציאותי תלוי במידה רבה בשאלה האם Agentforce ומוצרי בינה מלאכותית אחרים יספקו את ההצלחה המיוחלת.
בטווח הארוך, צופה גרטנר, המגמה עשויה לנוע לכיוון מערכות אקולוגיות מורכבות מרובות סוכנים. במערכות כאלה, סוכנים ייעודיים עובדים יחד, מתאמים את פעולותיהם ומשתפים מידע. סוכן אחד יכול לנתח פניות של לקוחות, אחר לפתח פתרונות מוצעים, שלישי לתאם יישום ורביעי לפקח על האיכות. שיתוף פעולה מתוזמן זה יכול 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 בעיית Salesforce חושף אמיתות יסודיות לגבי מצב הבינה המלאכותית והניצול המסחרי שלה. הממצא המרכזי הוא שקיים פער משמעותי בין ההיתכנות הטכנולוגית של סוכני בינה מלאכותית לבין הרווחיות המסחרית שלהם בסביבת השוק הנוכחית.
Salesforce היא דוגמה מצוינת לתעשייה שנכנסה לעידן הבינה המלאכותית עם ציפיות גבוהות, אך כעת מתמודדת עם המציאות הקשה של המונטיזציה. שלושת האתגרים העיקריים שזוהו - קשיי מונטיזציה, רוויה בשוק ומורכבות אימוץ - אינם ספציפיים ל-Salesforce, אלא משפיעים על כל תעשיית התוכנה הארגונית.
הניסיון מראה שחדשנות טכנולוגית לבדה אינה מספיקה. חברות חייבות גם לפתח מודל עסקי משכנע, להדגים יתרונות ברורים ללקוח ולהוריד את החסמים לאימוץ. Salesforce יצרה מוצר מרשים מבחינה טכנולוגית עם Agentforce, אך תרגוםו 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 שבוצעו 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 רלוונטיות לבינה מלאכותית - בין אם בפיתוח, בניהול או ביישום אסטרטגי של בינה מלאכותית - הופכת לחשובה יותר ויותר.
המקרה של סיילספורס הוא, אם כן, הרבה יותר מסיפורה של חברה בודדת בצרות. זהו שיעור על אתגרי הטרנספורמציה הטכנולוגית, הפער בין חזון למציאות, והצורך לשמור על ראייה ברורה של המציאות הכלכלית למרות כל ההתלהבות מטכנולוגיות חדשות. מהפכת הבינה המלאכותית תגיע, אך היא תתקדם בהדרגה, בצורה מהמורות וסלקטיבית - לא כמו המפץ הגדול המוזכר לעתים קרובות, אלא כתהליך מתמשך עם עליות ומורדות.
השותף הגלובלי שלך לשיווק ופיתוח עסקי
☑️ 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
המומחיות שלנו בארה"ב בפיתוח עסקי, מכירות ושיווק
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 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
🎯🎯🎯 תיהנו מהמומחיות הנרחבת והחד-פעמית של Xpert.Digital בחבילת שירותים מקיפה | BD, מחקר ופיתוח, XR, יחסי ציבור ואופטימיזציית נראות דיגיטלית
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:
