95% מהאפליקציות האג'נטיות מיותרות: המציאות מאחורי ההייפ

כולם מדברים על agentic AI — אבל בפועל, רוב הארגונים עדיין מנסים להבין איך בכלל להרים פרויקט AI אחד לייצור. הפער בין הרטוריקה התעשייתית לבין המוכנות האמיתית של הארגונים הפך לאחרונה לנושא מרכזי, והנתונים שמגיעים מהשטח פחות מחמיאים ממה שהיינו רוצים.

פקק בקצה

דוד לינת'קום, מייסד וראש המחקר ב-Linthicum Research, סיכם את המצב בצורה די מדויקת בראיון שנערך לאחרונה: "כולם חושבים שיש מסיבת AI מטורפת בחוץ ולא הזמינו אותם, אבל המציאות היא שארגונים ועסקים רק בתחילת הדרך. הם מנסים להבין את התשתיות שלהם. מנסים להבין כמה זה יעלה."

והוא לא מדבר על חברות קטנות. לדבריו, אפילו באירועים גדולים בתעשייה, מרבית האנשים שהוא מדבר איתם "עדיין לא מוכנים למערכות AI". הם מחפשים נתיב ליישום — ומחפשים שותף שיעזור להם.

מ-POC לפרודקשן: פער עצום

הסיפור מתחיל כרגיל: חברה מתחילה פיילוט, הכול נראה מבטיח, ואז מנסים לפרוס את זה על אלפי משתמשים — ונתקלים בקיר.

"הפיילוט והייצור הם דברים שונים לחלוטין", מסבירה ג'ונשיה ז'ו, מנהלת מוצר בכירה ב-Super Micro Computer. "פיילוט תוכנן עבור מקרה שימוש אחד, סט נתונים קטן וקבוצה קטנה של עובדים. בייצור, הלקוח צריך לתמוך באלפי משתמשי קצה שמייצרים כמות עצומה של בקשות inference."

מה בעצם חוסם אותם? שלושה דברים מרכזיים:

• תשתיות: הנתונים לא זורמים מהר מספיק ל-GPU. "האינפראסטרקטורה של היום לא מוגבלת על ידי זמינות חומרה — היא מוגבלת על ידי כמה מהר אפשר להעביר נתונים ל-GPU", מציינת ז'ו.
• נתונים מפוזרים: המידע של הארגון יושב על מערכות שונות, ושכבות התוכנה הקיימות לא ערוכות לדרישות של agentic AI.
• עלויות טוקנים: בוט רגיל צורך אלף או מאה טוקנים לשאילתה. אג'נטים שמדברים עם אג'נטים אחרים, עם מודלים ועם נתונים — צורכים אלפי טוקנים בשבריר שנייה.

ה-95% שלא צריכים אג'נט

וזה מוביל אותנו לנתון הכי מעניין בסיפור. לינת'קום מעריך ש-95% מהאפליקציות האג'נטיות שהוא נתקל בהן לא באמת צריכות ארכיטקטורת אג'נט. "אנשים צריכים להירגע עם עניין האג'נטים", הוא אומר. "הם מנסים לתקוע מסמר עם פטיש אוויר. יש סיבות להשתמש בזה ויש סיבות שלא."

מודל AI הוא סחורה. הנתונים שלכם — זה הסיפור

ניקולה טן, מנהלת פיתוח שוק ב-AMD, מחדדת את הנקודה: "לכולם יש גישה ל-ChatGPT או Claude או מודלים בקוד פתוח. אז המודל עצמו הוא סחורה. הערך האמיתי לארגונים הוא בנתונים שלהם."

מה שאומר שהקרב האמיתי לא מתנהל על מי יבנה את המודל הטוב יותר — אלא על מי יצליח לחבר, לאבטח ולהנגיש את הנתונים הארגוניים בצורה ש-AI יכול לעבוד איתם.

פתרונות מתחילים לצוץ: ארכיטקטורת אחסון דו-שכבתית (SSD לנתונים פעילים ואחסון אובייקטים לארכיון), פריסה on-premises עם חיבור לסביבות היברידיות, ודגש על פתרונות AI ריבוניים בגלל חששות אבטחה.

ולמי שמוביל את ה-AI בארגון — יש בעיה אחרת

מחקר של Gallup מהרבעון הרביעי של 2025 מצא ש-44% מהמנהיגים הבכירים משתמשים ב-AI בתדירות גבוהה — עלייה מ-17% ב-2023. נשמע טוב? 56% עדיין לא. ויותר מחצי מהאנשים שמקבלים החלטות על כיוון ה-AI הארגוני עושים את זה ממרחק, בלי ניסיון מעשי אמיתי עם הכלים.

שורה תחתונה

אז כן, כולם מדברים על AI. אבל לפני שממהרים להקים סוכנים אוטונומיים, כדאי לוודא שהנתונים נגישים, שהתשתיות ערוכות, וש-95% מהיישומים שאתם בונים באמת לא צריכים אג'נט. לפעמים בוט רגיל פותר את הבעיה — ועולה הרבה פחות.