האו״ם של הסוכנים: מי באמת ינהל את ה-AI בארגון ב-2027

יש רגע בשיחה על עתיד ה-AI שבו מישהו אומר "אבל מי בכלל מחזיק את כל הסוכנים האלה?" — ובדרך כלל השתיקה שאחריו היא התשובה הכי כנה בחדר. לפי ניתוחים חדשים של TechTarget לקראת 2027, השתיקה הזאת הולכת להפוך לאחת השאלות היקרות והמסוכנות בארגוני enterprise. כי אם 2024 ו-2025 היו שנות ה-PoC וה"דמו עבד יפה", 2027 אמורה להיות השנה שבה מישהו יצטרך להחליט איפה כל הסוכנים האוטונומיים האלה רצים, מי נותן להם הרשאות, ומה קורה כשספק הענן שכולם הסתמכו עליו נופל — יחד עם כל השכונה.

אז מה בעצם קרה כאן? שלוש מגמות נפרדות — תקציבי ה-AI של ה-CIO, מודלי הסיכון של ה-CISO והתפקיד המתעצם של צוותי הפלטפורמות — מתכנסות לאותה נקודה בדיוק: הארגון כבר לא שולט בקצב שבו ה-AI פועל בתוכו. וזה משנה את כללי המשחק.

מה-CIO: פחות ניסויים, הימורים גדולים יותר

התמונה מצד מי שמחזיק את התקציב ברורה למדי. ה-CIO של 2027 לא מתכוון להמשיך לפזר כסף על עשרות פיילוטים קטנים. הוא מתכוון להתרכז במספר קטן של תהליכים עסקיים ולבנות אותם מחדש מקצה לקצה — לא לאוטומט את הדרך הישנה, אלא לחשוב מחדש על איך העבודה עצמה נעשית.

גיל האוס, CIO ל-consumer and community banking ב-JPMorganChase, ניסח את זה כך: "התפקיד הוא להשתמש ב-AI כדי לדמיין מחדש את העבודה, לא רק לאוטומט את הדרך הישנה של עשייתה."

הדוגמה שממחישה את הפער היא של Travelers. ה-CTO והמנהלת התפעולית של החברה סיפרו שהעסק ל-Bond & Specialty עיצב מחדש את אופן קבלת הפניות — וזמן הרישום צנח משעתיים לשתי דקות. שעתיים. שתי דקות. זה לא שיפור של אחוזים, זה שיפור של סדרי גודל, וזה בדיוק סוג התוצאה שמצדיקה ריכוז משאבים במקום פיזור.

אבל יש כאן מלכוד. 42% ממנהלי הכספים בסקר "Finance Trends 2027" של Deloitte אמרו שהשאיפות שלהם ל-agentic AI עולות על היכולות בפועל של הארגון שלהם. כלומר, השאיפה רצה קדימה והתשתית מדדה מאחור. זהו בדיוק הפער שמכריח את ה-CIO לצמצם את מספר החזיתות — לא כי הוא לא רוצה, אלא כי הוא לא יכול לתמוך בכל מה שנפתח.

וראיה לכך שרעיון ריכוז המשאבים הוא לא רק תיאורטי: ורינדה מנון, CTO ל-transformative AI בבנק הפרטי של JPMorganChase, תיארה את המצב בקיצור — "יש אלפי פיילוטים, אלפי ניסויים, מיליון פרחים פורחים בכל מקום. עכשיו זה הזמן להמר על שניים או שלושה הימורים גדולים לכל ארגון."

ומי נכנס לחדר ההחלטות? יותר ויותר אנשי כספים ועסקים. לא רק ה-CTO וה-CIO מחליטים על תקציבי ה-AI — התקציב עובר גם דרך מי שרואה את שורת הרווח. זה אומר שהפרויקטים שיאושרו ב-2027 יצטרכו לעמוד במבחן עסקי צר יותר, עם פחות סבלנות ל"נראה בהמשך".

ה-CISO: הסוכן הוא ה-insider החדש

אם ה-CIO עוסק בשאלה איפה להשקיע, ה-CISO עוסק בשאלה מה עלול להתפוצץ כשההשקעה עובדת יותר מדי טוב. והממצא הבולט מהניתוחים הוא שמדובר בשינוי בסוג הסיכון, לא רק בהיקפו.

ג'ונתן קאר, אנליסט ראשי ומוביל תחום ה-AI ב-KuppingerCole, ניסח את זה בלי ריכוך: "ב-2027, ה-insider המסוכן ביותר בארגון שלכם לא יהיה אדם. זה יהיה סוכן AI שנתתם לו הרשאות admin כי הדמו עבד טוב. prompt injection אחד יכול להפוך סוכן מועיל ל-confused deputy שמדליף נתונים או מבצע טרנזקציות עם הרשאות לגמרי תקפות. אני מצפה לשיבוש מהותי לפחות אחד בשנה הקרובה, שבו התוקף בכלל לא נגע בסיסמה."

תחשבו על זה רגע. אנחנו רגילים להסתכל על אימות זהות, על סיסמאות, על MFA. אבל סוכן עם הרשאה של עובד יכול לפעול בלי לעבור את כל השכבות האלה בכלל — הוא כבר בפנים, הוא כבר מאומת. ההבדל היחיד הוא שהפקודה שלו נולדה בפסקה שהוזרקה לו.

מוריסיו סאנצ'ז מ-Dell'Oro Group מצביע על מקבילה היסטורית: המעבר לענן בשנות ה-2010, שבו ארגונים נעו מהר יותר מהיכולות האבטחה שלהם וחשפו בטעות יישומים ונתונים רגישים. אבל לדבריו, "ההבדל הוא שסוכני AI שאינם מאובטחים כראוי מייצגים איום שעשוי להיות גדול יותר. בניגוד לנתונים חשופים, לסוכן AI יכולות להיות ההרשאות, הגישה והסמכות של עובד מבפנים. בעידן הענן הטעות הגדולה הייתה להשאיר נתונים חשופים. בעידן ה-agentic היא עלולה להיות להשאיר את היכולת לפעול חשופה."

זה המשפט ששווה להדביק על הקיר. לא ה-data assets הם הסיכון העיקרי בעידן הזה — היכולת לפעול היא הסיכון.

הלב של העניין: אדם בקנה מידה אנושי? לא

הביטוי שמלווה את כל הניתוחים הוא "the erosion of human-scale constraints" — שקיעתן של המגבלות בקנה מידה אנושי. פעם, גם אם לארגון הייתה חולשה במערכות הזהות, קצב הפעולה האנושי נתן לו חלון תגובה. עובד מחובר, מישהו מזהה משהו מוזר, יש זמן. כשהסוכן שנוקט פעולה הוא מכונה שפועלת בקצב שונה לגמרי — אין חלון כזה. ההגנה צריכה לעבור מ"למנוע גישה" ל"להגביל הרשאות ולנטר התנהגות" אצל ישות שאין לה אינטואיציה לגבי מה מוזר.

נקודת הכשל היחידה: הריכוזיות שמחברת את כולם

ויש את הצד השני של אותו מטבע, זה שפחות מדברים עליו: התלות בספקי ענן ו-AI מרוכזים הפכה סיכוני צד שלישי לחשיפה סיסטמית. המגמה של איחוד ספקים וחיסכון בעלות נראית מצוין בגיליון האקסל, אבל היא מייצרת single points of failure מחוץ לארגון — כאלה שאין לכם שליטה עליהם בכלל.

כשהתשתית המשותפת נופלת, היא נופלת לכולם. ואם כל שרשרת העבודה של הארגון שלכם יושבת על אותו ספק AI, אתם חשופים להחלטות, לתקלות ולשינויי מחיר של מישהו אחר. ה-CISO של 2027 לא מתבקש רק לחזק את האימות — הוא מתבקש למפות את ריכוז התלות, לתכנן התאוששות, ולהניח שהספק ייפול לפחות פעם אחת.

ומי בכלל יריץ את כל זה? צוותי הפלטפורמה

כאן נכנסת המגמה השלישית, ואולי הכי מעניינת — במיוחד למי מכם שכותב קוד או מחזיק את הפלטפורמה הפנימית. אם 2024 ו-2025 היו שנות הבנת ה-LLM וה-agent הבסיסי, הרי שהצורך לנהל סוכנים בקנה מידה מביא את צוותי הפלטפורמה למרכז הבמה.

Torsten Volk, אנליסט ב-Omdia, חוזה שהאתגר הארכיטקטוני המרכזי יהיה "האחדה של כל הסוכנים ההטרוגניים וה-shadow agents שנבנו על ידי עובדים בבית ובעבודה לתוך runtime אחד, מנוהל ומבוקר באופן מרכזי." ולפי תחזיתו, עד סוף 2027 צוותי הפלטפורמה יתחילו להחזיק גם ב-agentic AI של הארגון וגם במפת הדרכים של ה-on-premises בהרבה מאוד ארגונים.

הצורך הזה נולד מכמה כיוונים בו-זמנית. ראשית, עלויות ה-token מתחילות ללחוץ את התקציבים, וגורמות לארגונים לחפש חלופות זולות יותר למודלי frontier ולשירותי hosted. שנית, המעבר מ-training ל-inference משנה את דרישות התשתית: אימון דורש תפוקה עקבית בין סטים מסונכרנים של compute, storage ו-networking — ולכן נדרשות חוות שרתים ענקיות. inference אמנם מסתדר על חומרה נגישה יותר, אבל דורש קרבה למשתמשים כדי לצמצם השהיה, במיוחד ביישומים תעשייתיים ורובוטיים. כלומר, איפה להריץ כל workload — ענן ציבורי, on-prem או שילוב — הופך להחלטה הנדסית יומיומית, ולאסטרטגיה שנתית.

ומי מחליט על ההחלטות האלה? מי שמנהלים כבר את הפלטפורמה הפנימית. ובהרבה ארגונים, מה שהתחיל לפני עשור כ"פלטפורמה לכל צוות לעצמו" בגלל גל ה-cloud-native וה-DevOps — ייגמר. הסיכונים של הרצת agentic AI פשוט לא יאפשרו את הפיצול הזה יותר.

החשבון הסביבתי: מי משלם על זה

ויש את השאלה שמגיעה בסוף כל דיון על תשתית AI, גם אם לא אוהבים לדבר עליה: החשמל. לפי תחזיות של ה-U.S. Energy Information Administration, שרתים צפויים לצרוך בין 446 ל-818 מיליארד קילוואט-שעה בשנת 2050. טווח כזה הוא לא טווח של סטטיסטיקה — הוא טווח של אי-ודאות, כזה שמסמן שאיש לא יודע בדיוק איפה נגמור. ובתוך השיח הזה צומח תחום שנקרא GreenOps — ניהול IT בר-קיימא יותר, עם פונקציות serverless, ארכוב נתונים, כיבוי שרתים רדומים ומעקב אחרי מדדי קיימות. החיבור בין AI לנושא הזה מוכר בשם GreenAIOps: להשתמש ב-AI עצמו כדי להפוך את התשתית לחסכונית וירוקה יותר, תוך התמודדות עם עלויות התשתית המזנקות.

אז מה באמת עומד על הכף?

אתם מכירים את הדינמיקה: הארגון מאמץ AI מהר, הטכנולוגיה מתקדמת מהר יותר ממנו, והענן עשה בדיוק את אותו דבר לפני כעשור. הפעם ההבדל הוא שהיכולת לפעול — לא רק לקרוא — עוברת לידי מכונות. ה-CIO צריך לבחור איפה להמר; ה-CISO צריך לבנות ממשל והגנת זהות שלא מניחה שהגוף הפועל הוא אנושי; וצוותי הפלטפורמה הופכים לשומרי הסף של ריצת הסוכנים. שלושתם מתארים את אותה שנה, ואותה בעיה: הארגון צריך לחזור לשלוט בקצב שבו ה-AI שלו פועל.

ובסוף, אם מישהו שואל אתכם ב-2027 מי מנהל את הסוכנים בארגון — כדאי שיהיה לכם שם לתשובה, ולא רק שתיקה.