אז שווה או לא שווה?

כל מי שמנהל תקציב AI בארגון מכיר את השאלה הזו — האם מיליארדי הדולרים שהשקענו במודלים מתקדמים מחזירים את עצמם? OpenAI, שכמובן מוכרת את אחד המוצרים היקרים בשוק, מנסה לענות על השאלה הזו עם מסגרת מדידה חדשה שה-CFO שלה, Sarah Friar, פרסמה השבוע. הרעיון: תפסיקו לספור טוקנים ותתחילו למדוד תוצאות אמיתיות.

"אינטליגנציה שימושית לדולר"

Friar קוראת לזה "useful intelligence per dollar" — מטריקה שמחליפה את מדד העלות לטוקן המסורתי. במקום לשאול "כמה עולה לי כל פנייה ל-API", היא מציעה ארבע שאלות שאמורות לשקף אם ה-AI באמת מייצר ערך:

1. האם ה-AI עושה עבודה שמשנה? לא כמות השימוש, אלא עבודה אמיתית — לקוחות שקיבלו מענה, קוד שנשלח לפרודקשן, חוזים שנסקרו.

2. מה העלות המלאה של כל משימה מוצלחת? לא רק מחיר הטוקנים — גם ניסיונות חוזרים וגם זמן אנושי לבדיקה.

3. כמה אפשר לסמוך על התוצאה? ככל שצריך פחות תיקונים או העלאות לאנשים — הפוטנציאל לתשואה גבוה יותר.

4. האם כל דולר מייצר יותר ערך עם הזמן? האם העבודה האיכותית גדלה מהר יותר מהעלות?

הרעיון פשוט: אם אתם מודדים AI לפי כמות העבודה השימושית שהוא משלים, ולא לפי ציוני benchmark או מחירי טוקנים — מודלים מתקדמים (ויקרים) יכולים להוכיח שהם בסופו של דבר יותר חסכוניים.

למה זה קורה עכשיו

הסיבה ברורה: מנהלי הכספים מתחילים לפקפק. Axios דיווח על חברה אחת שקיבלה חשבון של חצי מיליארד דולר מ-Claude במשך חודש אחד — בטעות. Sam Altman עצמו הודה שהעלויות הן האתגר השני בגודלו שלקוחות מעלים לפניו, מיד אחרי האתגר של הטמעת AI בארגון.

בשטח, החברות מגיבות אחרת ממה ש-OpenAI הייתה רוצה. במקום להשתמש במודל הכי מתקדם לכל משימה, מנהלים מדווחים שהם מנתבים משימות יומיומיות למודלים הזולים ביותר שמסוגלים לבצע אותן, ושומרים את ה-frontier models רק למשימות הכי מורכבות. אחרים מתנסים במודלים בקוד פתוח או בראוטרים אוטומטיים שמחפשים את האיזון הנכון בין עלות לביצועים לכל משימה.

מה יוצא ל-OpenAI מזה?

שאלה לגיטימית. ל-OpenAI יש תמריץ ברור להסיט את השיחה ממחיר לערך — כי המודלים שלה הם מהיקרים בשוק. אם חברות ישפטו AI לפי כמות העבודה השימושית, ולא לפי עלות חודשית, יהיה קל יותר למכור להם מודלים יקרים. Friar טוענת שהמודלים הכי מתקדמים הם בסופו של דבר הכי חסכוניים בזכות היעילות, אבל זו טענה שצריך להוכיח.

המספרים מראים שזה לא הולך לשום מקום

סקר של Bain & Company מצא ש-56% מהמנהלים הבכירים בתחום הכספים מגדילים את ההשקעה ב-AI ביותר מ-15% השנה. 83% מתכננים העלאות כאלה בשנתיים הקרובות, ו-42% מצפים לעליות של יותר מ-30%. אבל התוצאות? רק 31% ממנהלי הכספים דירגו את תוצאות ה-AI במחלקת הכספים שלהם כחיוביות בצורה מובהקת.

במקביל, McKinsey ערכה לאחרונה את הפורום השנתי שלה למנהלי כספים, עם כ-100 CFOs מ-30 מדינות. כשנשאלו אם מחלקת האסטרטגיה שלהם כפופה להם, שני שלישים הצביעו — לפני חמש שנים, פחות משליש היו עונים ככה.

אז מה לקחת הביתה?

Friar אומרת את זה יפה: "השאלה הבסיסית שעומדת בפני מנהלי כספים היא האם ערך העבודה שה-AI משלים גדל מהר יותר מהעלות לייצר אותו." אם אתם עובדים על תקציב AI בארגון, המסגרת הזו יכולה להיות כלי מעשי לבדיקה — רק זכרו שהאדם שמציע אותה מוכר לכם את המוצר היקר ביותר. לפעמים ה-CFO צודק, לפעמים הוא גם איש מכירות.