אימוץ AI בעסקים אמריקאיים מטפס ל-22.4%: מה מלמד מעקב גולדמן זאקס על גל ההשקעות הגדול

אימוץ AI בעסקים בארצות הברית הגיע באוגוסט ל-22.4% לפי מעקב גולדמן זאקס, עלייה של 0.9 נקודות אחוז מיולי, כאשר החברות עצמן צופות שהשיעור יטפס ל-25.9% בתוך חצי שנה. מאחורי המספר הזה מסתתרת תמונה רחבה בהרבה: השקעה בחומרת AI הגבוהה ב-485 מיליארד דולר מרמת 2022, רווחי פרודוקטיביות ממוצעים של 23% במחקרים אקדמיים, והשפעה מפתיעה בקטנותה על שוק העבודה. במאמר הזה ננתח מה המספרים האלה באמת אומרים, איפה הפער בין ההשקעה לאימוץ בפועל, ומה עסקים ישראליים צריכים להסיק מכך לגבי תזמון והיקף ההשקעה שלהם בבינה מלאכותית.

מה מודד מעקב גולדמן זאקס ולמה 22.4% זה מספר משמעותי?

מעקב האימוץ של גולדמן זאקס עוקב באופן שוטף אחר שיעור העסקים האמריקאיים שמדווחים על שימוש פעיל בכלי בינה מלאכותית בתהליכי העבודה שלהם, והנתון של 22.4% באוגוסט משקף עלייה עקבית ולא זינוק חד. חשוב להבין את ההקשר: מדובר בשימוש עסקי ממשי, לא בניסויים של עובדים בודדים עם צ'אטבוט. זו הבחנה קריטית, כי סקרים שמודדים "האם מישהו בארגון ניסה AI" מציגים מספרים גבוהים בהרבה, בעוד שמדד גולדמן זאקס מתמקד באינטגרציה ארגונית.

העלייה של 0.9 נקודות אחוז בחודש אחד נשמעת צנועה, אבל בקצב הזה מדובר בתוספת של יותר מ-10 נקודות אחוז בשנה. הציפייה של החברות עצמן, 25.9% בתוך שישה חודשים, מרמזת על קצב דומה. המשמעות האסטרטגית ברורה: אנחנו לא בשלב ההייפ הראשוני וגם לא במישור התקוע. אנחנו בשלב האימוץ ההדרגתי והשיטתי, שבו ההיסטוריה של טכנולוגיות כמו האינטרנט והענן מלמדת שנוצרים הפערים התחרותיים המשמעותיים ביותר בין ארגונים.

מנקודת מבט של קבלת החלטות, המספר הזה מספק עוגן ריאלי. כשכמעט רבע מהעסקים במשק הגדול בעולם משתמשים ב-AI באופן פעיל, ההחלטה להישאר בחוץ הופכת מהחלטה שמרנית להחלטה מסוכנת. אבל העובדה ש-77.6% עדיין לא שם אומרת גם שחלון ההזדמנות ליתרון מוקדם לא נסגר.

485 מיליארד דולר יותר מ-2022: לאן הולך הכסף בהשקעות חומרת AI?

ההשקעה בחומרת AI בארה"ב גבוהה כיום ב-485 מיליארד דולר מרמתה ב-2022, נתון שממחיש את סדר הגודל של ההימור התשתיתי שהמשק האמריקאי לוקח על הטכנולוגיה הזו. מדובר בעיקר בשבבים ייעודיים, מרכזי נתונים, מערכות קירור ותשתיות חשמל, כלומר בשכבה הפיזית שמאפשרת לאמן ולהריץ מודלים גדולים. זו אחת מתנופות ההשקעה ההוניות המהירות בהיסטוריה הכלכלית המודרנית, בהובלת ענקיות כמו מיקרוסופט, גוגל, אמזון ומטא, שכל אחת מהן מקצה עשרות מיליארדי דולרים בשנה לתשתיות AI.

הפער בין היקף ההשקעה לשיעור האימוץ הוא נקודת המתח המרכזית בשוק ב-2026. מצד אחד, הוצאה של מאות מיליארדים בונה קיבולת שמיועדת לביקוש עתידי הרבה יותר גדול מהנוכחי. מצד שני, אם קצב האימוץ ימשיך לעלות בשיעור של כנקודת אחוז בחודש, הביקוש הזה אכן יגיע. זו בדיוק הדינמיקה שמעסיקה אנליסטים בוול סטריט: האם ההשקעה מקדימה את הביקוש בצורה בריאה, כפי שקרה עם תשתיות הענן, או בצורה מנופחת, כפי שקרה עם סיבים אופטיים בבועת הדוט-קום.

מה זה אומר על מחירי השימוש ב-AI?

לעסקים שצורכים AI ולא בונים אותו, ההשקעה המסיבית בחומרה היא בשורה טובה. קיבולת חישוב גדולה יותר פירושה תחרות על לקוחות, ירידה מתמשכת בעלות לכל שאילתה, ומודלים חזקים יותר במחירים נגישים. העלות של הרצת מודלים ברמת ביצועים נתונה ירדה בסדרי גודל מאז 2023, ומגמה זו צפויה להימשך. המסקנה המעשית: העלות של "לחכות" יורדת מבחינת מחיר הכלים, אבל עולה מבחינת הפער התחרותי מול מי שכבר צובר ניסיון ארגוני.

רווחי פרודוקטיביות של 23%: מה באמת מראים המחקרים האקדמיים?

מחקרים אקדמיים שנסקרים במסגרת המעקב מצביעים על רווחי פרודוקטיביות ממוצעים של 23% בקרב עובדים וארגונים שמשלבים AI בעבודתם, נתון שממקם את הטכנולוגיה בין השדרוגים המשמעותיים ביותר לתפוקת עבודה בעשורים האחרונים. חשוב לקרוא את המספר הזה נכון: מדובר בממוצע על פני משימות ותפקידים שונים, כאשר הפיזור גדול. משימות כתיבה, סיכום, ניתוח נתונים ראשוני וכתיבת קוד מציגות שיפורים חדים במיוחד, בעוד משימות שדורשות שיפוט מורכב, אחריות משפטית או אינטראקציה אנושית עמוקה משתפרות פחות.

ממצא עקבי נוסף בספרות המחקרית הוא שהשיפור הגדול ביותר נרשם דווקא אצל עובדים מנוסים פחות. AI פועל כמעין "מכפיל ידע" שמצמצם פערים בין מומחים למתחילים, ממצא שתועד בין היתר במחקרים על מוקדי שירות לקוחות ועל יועצים מקצועיים. ההשלכה הארגונית מעניינת: הערך הגבוה ביותר של הטמעת AI עשוי להיות דווקא בשדרוג השכבה הרחבה של העובדים, לא רק בהאצת הכוכבים.

GS: AI Adoption Tracker

▪️AI-related investment in the US has increased by $384bn versus 2022 and now equals 1.2% of GDP, while US AI hardware net imports reached a record $52bn in March.
▪️Goldman expects global semiconductor revenue to grow 57% by the end of 2026 (Q4/Q4), with… pic.twitter.com/OMyQY4nkMs

— Grana Research (@granaresearch) 30 ביוני 2026

עם זאת, פרודוקטיביות ברמת המשימה לא מתורגמת אוטומטית לרווחיות ברמת הארגון. כדי ש-23% שיפור במשימות יהפכו לשיפור בשורה התחתונה, נדרשים עיצוב מחדש של תהליכים, הכשרת עובדים ומדידה שיטתית. ארגונים שמפזרים רישיונות לכלי AI בלי לשנות תהליכים מדווחים בדרך כלל על תועלת נמוכה משמעותית מהפוטנציאל.

האם AI כבר משפיע על תעסוקה? התמונה מורכבת מהכותרות

לפי הנתונים הנסקרים במעקב, ההשפעה הרחבה של AI על שוק התעסוקה האמריקאי נותרה עד כה מוגבלת, בניגוד חד לתחזיות הדרמטיות שליוו את השקת המודלים הגדולים. ברמת המשק, לא נרשם גל פיטורים רוחבי שניתן לייחס ישירות לבינה מלאכותית, ושיעורי האבטלה בענפים חשופי-AI לא סטו באופן חריג מהמגמה הכללית.

ההסבר לכך כפול. ראשית, אימוץ של 22.4% פירושו שרוב המשק עדיין לא שילב AI בליבת הפעילות, ולכן ההשפעה המצרפית מוגבלת מעצם הגדרתה. שנית, בשלב הנוכחי רוב הארגונים משתמשים ב-AI להעצמת עובדים קיימים ולא להחלפתם: אותו עובד מספיק יותר, במקום שפחות עובדים יספיקו אותו דבר. זו תבנית מוכרת מגלי טכנולוגיה קודמים, שבהם ההשפעה התעסוקתית הגיעה באיחור של שנים ובאה לידי ביטוי בעיקר בשינוי הרכב התפקידים ולא בהיעלמותם.

אותו עובד מספיק יותר, במקום שפחות עובדים יספיקו אותו דבר - זו תבנית מוכרת מגלי טכנולוגיה קודמים, שבהם השינוי הגיע בהרכב התפקידים ולא בהיעלמותם.

המשמעות לעסקים ולעובדים כאחד: חלון ההסתגלות עדיין פתוח. תפקידים לא נעלמים בן לילה, אבל תכולת התפקידים משתנה כבר עכשיו, והפער בין עובדים שמפעילים AI ביעילות לבין כאלה שלא הופך לפער שכר ותעסוקה ממשי.

למה קצב האימוץ מתון יחסית להייפ? החסמים האמיתיים

הפער בין ההתלהבות הציבורית לשיעור אימוץ של 22.4% נובע מחסמים ארגוניים ולא טכנולוגיים ברובם. הטכנולוגיה עצמה בשלה לשימושים רבים, אבל הטמעה עסקית אמיתית דורשת יותר מגישה למודל חזק. הניסיון המצטבר מארגונים שהצליחו ושנכשלו מצביע על כמה חסמים חוזרים:

• פערי דאטה ותשתית: מודלים גנריים מספקים ערך מוגבל בלי חיבור לנתונים הפנימיים של הארגון, וזה דורש עבודת תשתית שלוקחת חודשים.
• אבטחת מידע ורגולציה: ענפים כמו פיננסים, בריאות ומשפט מתקדמים בזהירות בגלל חשיפה רגולטורית ודרישות פרטיות.
• מחסור בכישורים: הביקוש לאנשים שיודעים לתרגם יכולת טכנולוגית לתהליך עסקי עולה בהרבה על ההיצע.
• קושי במדידת ROI: ארגונים מתקשים לכמת את התועלת, מה שמאט אישורי תקציב להרחבה מפיילוט לפריסה מלאה.

המשמעות האסטרטגית: היתרון התחרותי ב-2026 לא נובע מגישה לטכנולוגיה, שזמינה לכולם, אלא מהיכולת הארגונית להטמיע אותה. זה בדיוק המקום שבו השקעה בהכשרת עובדים ומנהלים מחזירה את עצמה, ומי שרוצה לבנות את היכולת הזו יכול להתחיל עם קורסי AI מעשיים לעסקים ולמנהלים שמתמקדים ביישום ולא רק בתיאוריה.

מה עסקים ישראליים צריכים להסיק מנתוני האימוץ האמריקאיים?

הנתונים האמריקאיים משמשים אינדיקטור מוביל לשוק הישראלי, שבדרך כלל עוקב אחרי מגמות אימוץ טכנולוגי בארה"ב בפער של שנה עד שנתיים ברוב הענפים, ומקדים אותה בענפי ההייטק. עבור עסק ישראלי, המסקנה המרכזית מהמספרים היא עניין של תזמון: השוק נמצא בנקודה שבה מוקדם מדי כבר עבר, ומאוחר מדי מתקרב. שיעור אימוץ של 22.4% שצפוי לחצות 25% תוך חצי שנה אומר שהמתחרים שלכם, בארץ ובחו"ל, כבר זזים.

איך מתרגמים את זה להחלטה מעשית? הרצף ההגיוני נראה כך:

1. מיפוי משימות ולא תפקידים: זהו את המשימות בארגון שהמחקרים מראים עליהן שיפור גבוה, כמו כתיבה, סיכום, שירות לקוחות וניתוח ראשוני של נתונים.
2. פיילוט ממוקד עם מדדים: בחרו תהליך אחד, הגדירו מדד תפוקה ברור לפני ההטמעה, ומדדו את השינוי בפועל.
3. הכשרה לפני הרחבה: ההבדל בין 5% שיפור ל-23% שיפור נמצא כמעט תמיד ברמת המיומנות של המשתמשים, לא בכלי עצמו.
4. הרחבה הדרגתית: רק אחרי הוכחת ערך מדידה, הרחיבו לתהליכים נוספים עם התאמת נהלים ואבטחת מידע.

איפה היתרון הישראלי ואיפה הסיכון?

לעסקים ישראליים יש יתרון מובנה בזמינות של כוח אדם טכנולוגי ובתרבות של אימוץ מהיר, אבל גם סיכון ייחודי: נטייה לדלג על שלב ההטמעה השיטתית ולהסתפק בשימוש אד-הוק. הנתונים מארה"ב מראים שהערך הכלכלי נוצר דווקא בשלב המשעמם של תהליכים, מדידה והכשרה. עסק ישראלי בינוני שישקיע ברבעון הקרוב בהטמעה מסודרת יכול להגיע לרמת בשלות שמקבילה לחברות אמריקאיות מובילות בענף שלו.

צ'ק-ליסט הטמעה לעסק הישראלי

• מיפינו את המשימות עתירות-השיפור בארגון: כתיבה, סיכום, שירות לקוחות וניתוח נתונים ראשוני
• בחרנו תהליך אחד לפיילוט והגדרנו מדד תפוקה ברור לפני ההטמעה
• הכשרנו את המשתמשים לפני שהרחבנו - שם נמצא ההבדל בין 5% ל-23% שיפור
• התאמנו נהלי אבטחת מידע ופרטיות לשימוש החדש
• מדדנו את השינוי בפועל וקיבלנו החלטת הרחבה על בסיס נתונים, לא תחושות

לאן זה הולך: התחזית ל-25.9% ומה שמעבר לה

הציפייה של החברות האמריקאיות עצמן לאימוץ של 25.9% בתוך חצי שנה מסמנת שאנחנו בעיצומו של תהליך מתמשך ולא בשיאו. אם הדפוס ההיסטורי של טכנולוגיות מטרה כלליות יחזור על עצמו, השנים הקרובות יביאו האצה: ככל שיותר ארגונים חוצים את סף ההטמעה, נוצרים סטנדרטים ענפיים, ספקי פתרונות מתמחים וידע נגיש, וכל אלה מורידים את חסם הכניסה לבאים אחריהם.

שני מדדים שכדאי לעקוב אחריהם קדימה: הראשון הוא הפער בין השקעת החומרה לאימוץ בפועל. אם האימוץ ימשיך לטפס בקצב הנוכחי, ההשקעה של מאות המיליארדים תתברר כהקדמה מוצדקת של ביקוש. אם האימוץ ייתקע סביב 25%-30%, נראה תיקון בציפיות השוק. השני הוא נתוני התעסוקה: הרגע שבו השפעת AI תתחיל להופיע בסטטיסטיקות התעסוקה הרוחביות יסמן מעבר משלב ההעצמה לשלב הארגון-מחדש של העבודה.

לעסקים ולאנשי מקצוע בישראל, השורה התחתונה של נתוני גולדמן זאקס פשוטה: הטכנולוגיה מוכיחה ערך מדיד, העלויות יורדות, והפער נפתח בין מי שמטמיע לבין מי שממתין. מי שרוצה להעמיק במגמות ובניתוחים נוספים על עולם הבינה המלאכותית העסקית ימצא סקירות ומאמרי עומק נוספים במגזין שלנו, ומי שמוכן לעבור מהבנה לביצוע יכול לבחור מסלול מתאים מתוך מגוון קורסי הבינה המלאכותית שלנו ולהתחיל לבנות את היכולת הארגונית שהמספרים האלה מוכיחים שהיא כבר לא אופציונלית.