Uber סיימה את תקציב ה-AI השנתי – והטילה מגבלות על העובדים

מה קורה כשחברת ענק מוציאה את כל תקציב ה-AI שלה בארבעה חודשים? Uber גילתה את זה בדרך הקשה. באפריל 2026, ה-CTO של החברה חשף שהחברה שרפה את כל התקציב השנתי שלה לכלי AI כבר ברבעון הראשון. עד יוני, העובדים קיבלו תקרת הוצאה חודשית של 1,500 דולר לכלי agentic coding כמו Claude Code ו-Cursor. זו לא רק בעיה של Uber – זו תופעה מתפשטת בתעשייה, עם סקרים שמראים שרוב החברות לא מצליחות להצדיק את ההשקעה ב-AI.

אז מה בעצם קרה כאן?

הסיפור התחיל בעלייה של מה שנקרא "agentic AI" – סוכנים אוטונומיים שמבצעים משימות מורכבות בעצמם. בניגוד ל-chatbots מסורתיים שבהם ההוצאה מוגבלת על ידי קצב ההקלדה של המשתמש, סוכנים יכולים לעבוד 24/7, לצרוך טוקנים גם בזמן שאתם ישנים, ולנסות שוב ושוב עד שהם מצליחים. אף אחד לא תכנן את העלויות האלה מראש.

סקר של Bain מראה שרוב החברות משיגות פחות חסכון בעלויות ממה שציפו מ-AI. סקר של Writer מ-2026 מצא ש-59% מהחברות משקיעות לפחות מיליון דולר בשנה ב-AI, ורק 29% מדווחות על ROI משמעותי. במלים אחרות: הכסף יוצא, אבל התוצאות לא תמיד מגיעות.

Uber מגיבה: קיצוצים וחדשנות

Uber לא ישבה בשקט. מלבד תקרת ההוצאה לעובדים, החברה הוציאה לפועל מודל חדש בשם "Agentic Pods" – צוותים של 30 מהנדסי AI מהטובים בחברה, שהוטמעו במחלקות כמו כספים, משפטים ומשאבי אנוש. בשנתיים האחרונות רצו 16 כאלה. המטרה? להבין איך העבודה באמת מתבצעת ולבנות סוכנים שיעשו אותה מהר יותר.

התוצאות מרשימות: דוחות קצב פיננסי שדרשו יומיים של עבודה נעשים עכשיו ב-10 דקות. הקצאת הון ל-150 ערים שבהן Uber פועלת קוצצה מ-15 שעות ל-30 דקות. אבל גם זה לא פתר את בעיית העלויות. מנהל הפעילות הראשי, Andrew Macdonald, אמר לאחרונה שקשה יותר ויותר להצדיק את ההוצאה הזו, במיוחד כשאין עלייה מקבילה בפיצ'רים צרכניים שימושיים.

התגובה של הספקים

Anthropic, החברה שמאחורי Claude, הוציאה לאחרונה פיצ'ר חדש ל-Claude Enterprise: תקציבים מובנים, בקרת גישה למודלים, והתרעות לפני חריגה. זה לא משהו שספקים עושים כשהלקוחות מוציאים כסף בחוכמה – זה סימן לכך שהבעיה הפכה לשיטתית.

Anthropic גם מציינת במפורש שמנהלי מערכת יכולים להגביל לאילו מודלים עובדים יש גישה, כדי למנוע שימוש במודלים יקרים למשימות פשוטות. זה בדיוק הלקח מ-Uber: לא צריך להריץ מודל frontier לכל משימה.

מה זה אומר עליכם?

בין אם אתם עובדים בסטארטאפ קטן או בחברת ענק, הסיפור הזה רלוונטי. העלויות של AI כבר לא שקופות. אם אתם משתמשים בכלי agentic, כל ניסיון כושל, כל הרצה מחדש – עולה כסף. ובעוד שלחברות גדולות יש "כרית" לבלום רבעון גרוע, עסקים קטנים עם 12 עובדים עלולים למצוא את עצמם עם לחץ תזרימי אמיתי.

סקר PwC מ-2026 מראה שרק 12% מהמנכ"לים הצליחו לזהות גם עלייה בהכנסות וגם חסכון בעלויות מ-AI בשנה האחרונה. ההבדל? אלה שמצליחים קובעים ציפיות ברורות מראש. אלה שלא – פשוט מוציאים.

הארכיטקטורה קובעת, לא המחיר

הטעות הגדולה של הרבה ארגונים היא להסתמך על מודל אחד, חזק ויקר, לכל משימת AI. זה כמו לשלם לפיזיקאי זוכה פרס נובל לבדוק חשבון פשוט – אפשרי, אבל לא כלכלי. הפתרון הוא לא להפסיק להשתמש במודלים מתקדמים, אלא לשלב אותם עם מודלים מתמחים, זולים יותר, ולנתב כל משימה למודל המתאים לה.

Uber קוראת לזה "ארכיטקטורה, לא מחיר". שינויי תמחור רק מעבירים את העלות הלאה; שינוי ארכיטקטורה משנה כמה העבודה באמת עולה. חברות שיבנו מערכות AI שיודעות לנתב משימות ולייעל עלויות – הן אלה שישרדו.

לסיכום

Uber היא רק ההתחלה. הכסף הגדול ב-AI הולך ונגמר, והחברות יצטרכו להוכיח שההשקעה משתלמת. אם אתם שוקלים להטמיע כלי AI, התחילו עם תקרה ברורה, התאימו את המודל למשימה, וזכרו: התקציב הוא רק ההתחלה – השאלה היא מי יבזבז חכם.