NinjaTech AI: עובדי AI בארגון במחיר שנתי קבוע — בלי מונה טוקנים

כל מי שעבר פיילוט AI בארגון מכיר את הרגע הזה: הפיילוט הצליח, כולם התלהבו, ואז הגיע החשבון. מודל תמחור לפי טוקנים נשמע סביר על הנייר, אבל כשבוני ה-AI מתחילים לעבוד מסביב לשעון על משימות ארוכות — החיוב מזנק בלי שליטה. התוצאה: רוב פריסות ה-AI הארגוניות תקועות בשלב הפיילוט, ולא מצליחות לעבור לסקייל אמיתי.

NinjaTech AI חושבת שפתרה את הבעיה הזו. החברה, שבסיסה בפאלו אלטו, משיקה את SuperNinja Enterprise — פלטפורמה שמחברת בין "עובדי AI" לתשתיות מחשוב ומודלים בחוזה שנתי אחד במחיר קבוע. בלי מונה טוקנים, בלי הפתעות בסוף החודש.

מה זה בעצם "עובדי AI"?

הרעיון פשוט למדי: אתם נותנים לסוכן AI מטרה מוגדרת, והוא עובד עליה לבד — מסביב לשעון, בלי השגחה אנושית, עד שמשימתו הושלמה. הצוות האנושי מתקשר עם העובד הדיגיטלי דרך Slack או Microsoft Teams ומקבל תוצאות.

הפלטפורמה מגיעה בחבילות מובנות של 100, 500 או 1,000 עובדים כאלה, עם אפשרות להרחבה על פי דרישה. זה לא מוצר proof-of-concept שנועד להראות למשקיעים — זו תשתית עבודה שוטפת.

הכל בחוזה אחד: תוכנה, GPU ו-model serving

המבנה הרגיל של פריסת AI ארגונית מצריך בדרך כלל שלושה ספקים נפרדים: אחד ל-GPU, אחד לתשתיות ה-serving של המודלים, ואחד לתוכנה עצמה. שלושה חוזים, שלושה ממשקים, כאב ראש אחד גדול.

NinjaTech שוברת את המבנה הזה ומחברת את שלושת הרכיבים לחוזה יחיד. החברה מספקת את כוח המחשוב דרך Microsoft בשיתוף עם Fireworks AI, או דרך AWS. הלקוח מקבל קיבולת ייעודית (single-tenant) — שרתים שמורים אך ורק עבורו — בלי צורך לקנות חומרה בעצמו.

מנכ"ל החברה, באבאק פאהלאוואן, ניסח את זה כך: "רוב הספקים שומרים את ה-AI על מונה צריכה. עם חשבון קבוע, AI יכול להתפשט בארגון ברגע ששלב הניסוי נגמר."

חיסכון של פי 10 — על הנייר

הנתון הבולט ביותר בפלטפורמה: שימוש במודלים במשקל פתוח (open-weight models) על התשתית הזו אמור לעלות כעשירית מהעלות של פריסות מקבילות על מודלי פרונטיר ממעבדות AI גדולות. זה פער משמעותי — במיוחד כשמדברים על אלפי שעות inference בחודש.

אבל החופש נשמר. הפלטפורמה תומכת גם ב-Anthropic וב-OpenAI, כך שאם מטלה מסוימת דורשת מודל חזק יותר — אפשר להעביר אותה בלי להתחייב לספק יחיד. העיקרון הוא התאמה בין המודל למשימה, לא נעילה לספק אחד.

הנתונים לא יוצאים מהארגון

בניגוד למודלים כשירות שבהם הנתונים עוברים דרך השרתים של ספק ה-AI, כאן הכול רץ בסביבה של הלקוח. הנתונים לא עוברים pooling, לא משמשים לאימון מודלים חיצוניים, ונותרים בתוך ה-boundary הארגוני.

לארגונים שהנתונים הרגישים ביותר שלהם לא יכולים לגעת ברשת חיצונית בכלל, קיימת גרסת air-gap שרצה על חומרה שמספק הלקוח עצמו.

פאהלאוואן: "ה-CISO יכול להיות רגוע שהנתונים לא יוצאים מהקירות שלכם. ה-CFO מקבל חשבון AI שלא זז. וכולם ישנים טוב, בידיעה שאפשר לסקייל AI בלי להתעורר לעלויות מזנקות."

שותפים גדולים מאחור

הפלטפורמה זמינה כבר עכשיו. לקוחות יכולים להתחיל עם פיילוט בהיקף קבוע לפני שחותמים על חוזה שנתי מלא.

ההטמעה מתבצעת דרך שותפים ייעודיים: Optimum Healthcare IT מטפלת בלקוחות בתחום הבריאות, ו-Infosys — שהשקיעה ב-NinjaTech דרך קרן החדשנות שלה (Infosys Innovation Fund) באוגוסט האחרון וחתמה על הסכם שלפיו תהיה שותפת השירותים המקצועיים הבלעדית של החברה למשך שנה לפחות — מטפלת בכל שאר הלקוחות.

קצת רקע

NinjaTech AI נוסדה ב-2022 על ידי פאהלאוואן, שכיהן 11 שנים בגוגל לפני כן. החברה גייסה הון מ-SRI Ventures ו-DCVC, והיא לא עוד סטארטאפ בשלב ה-seed שמצהיר הצהרות גדולות — המוצר כבר בשוק, עם שותפים משמעותיים מאחוריו.

אז מה בעצם קרה כאן?

NinjaTech AI לא המציאה מחדש את ה-AI Agent. מה שהיא עושה זה לארוז את כל הרכיבים — תוכנה, תשתית, חומרה ותמיכה — לתוך מודל תמחור שפוי ש-CFO יכול לאשר בלי כאב ראש. בעולם שבו תקציבי AI בארגונים תקועים בשלב הפיילוט בגלל חשבונות בלתי צפויים, זו הצעה מעניינת.

השאלה הגדולה היא כמובן האם הלקוחות אכן יראו את החיסכון של פי 10 במציאות, ועד כמה מודלים במשקל פתוח באמת יכולים להתמודד עם משימות ארגוניות מורכבות. בינתיים הטענות נשמעות טוב על הנייר — עכשיו צריך לראות מה קורה כשמכניסים את זה לעבודה אמיתית.