הפער בין ענקיות הטכנולוגיה לשאר החברות האמריקאיות מציב שאלה פחות נוצצת, אבל הרבה יותר עסקית: מי מצליח להפוך תשובות מהירות לכסף?
הדגמה מוצלחת של בינה מלאכותית נמשכת כמה דקות. להוכיח שהיא משפרת עסק שלם לוקח קצת יותר. טורסטן סלוק, הכלכלן הראשי של ענקית ההשקעות אפולו, מציב עכשיו מול ההתלהבות מבחן פשוט למדי: האם החברות מכניסות יותר לכל עובד, והאם נשאר להן יותר רווח מכל דולר של מכירות? לפי הניתוח שלו, אצל מרבית החברות הגדולות בארה״ב התשובה עדיין מאכזבת. כפי שדווח בכתבה של TechCrunch, סלוק סבור שהתועלת הכספית מחוץ לטכנולוגיה טרם ניכרת. זו טענה חדה, אבל צריך לקרוא אותה בזהירות: בדיקת מדדים מצרפיים אינה בדיקה של כל מערכת AI בכל חברה, ובוודאי אינה מוכיחה שאף עובד לא חוסך זמן.
בסקירה שפרסם ב-24 באוקטובר, סלוק מחלק את מדד S&P 500 לשתי קבוצות: אלפבית, אמזון, אפל, מטא, מיקרוסופט, אנבידיה וטסלה מצד אחד, ויתר 493 החברות מצד שני. לדבריו, ההכנסה לעובד ושולי הרווח עולים אצל השבע, בעוד שבקבוצה השנייה המדדים נותרים שטוחים. מכאן נובעת הטענה המרכזית שלו: ההבטחה הכלכלית של AI עדיין אינה נראית בבירור מעבר לשבע הענקיות. עם זאת, החלוקה הזו אינה הפרדה נקייה בין חברות טכנולוגיה לשאר המשק: גם בין 493 החברות הנותרות יש חברות טכנולוגיה. נוסף על כך, תנועה בהכנסות וברווחיות מושפעת מגורמים רבים, ולכן ההשוואה לבדה אינה מבודדת את השפעת הבינה המלאכותית.
כאן כדאי להפריד בין שלוש תוצאות שנוטות להתערבב בשיח: עובד שמסיים משימה מהר יותר, ארגון שמפיק יותר מאותם משאבים, וחברה שמרוויחה יותר אחרי ההוצאות. אפשר להשיג את הראשונה בלי להגיע מיד לשתיים האחרות. לדוגמה, זמן שנחסך בכתיבת מסמך לא בהכרח מאפשר למכור עוד מוצר, לקצר תור ללקוח או להפחית הוצאה. זו הבחנה כלכלית, והיא מסייעת להבין מדוע חוויית שימוש מרשימה יכולה להתקיים לצד נתונים עסקיים פושרים. סלוק מוסיף בסקירתו חשש שהוצאות השימוש במודלים נתפסות אצל חברות מסורתיות כנטל על הרווחיות, ומטיל ספק ביכולת להפוך יכולות AI זולות יותר להכנסות נוספות. זו הערכתו לגבי השוק; היא אינה תוצאה של ניסוי שמוכיח שהוזלת המודלים לא תעזור.
מנגד, יש מחקר שמראה תועלת מדידה בסביבת עבודה מוגדרת. במחקר שפורסם ב-2025 בכתב העת Quarterly Journal of Economics, אריק בריניולפסון, דניאל לי ולינדזי ריימונד בחנו הכנסת עוזר AI לעבודתם של 5,172 נציגי תמיכה. הפריון, שנמדד במספר הבעיות שנפתרו לשעה, עלה בממוצע ב-15%. השיפור לא התחלק באופן אחיד: עובדים פחות מנוסים ובעלי מיומנות נמוכה יותר השתפרו במהירות ובאיכות, בעוד שאצל המנוסים והמיומנים ביותר נרשמו שיפורים קטנים במהירות וירידות קטנות באיכות. המחקר הזה אינו מוכיח שהמשק כולו נהנה מזינוק ברווחים. הוא כן מראה מדוע גם הקביעה ההפוכה, שלפיה AI אינו מספק שום תועלת, רחבה מדי. משימה, אוכלוסיית עובדים ומדד הצלחה מוגדרים יכולים לעשות את ההבדל.
תמונה משלימה עולה מנייר עבודה של NBER, שעודכן בנובמבר 2025, המתאר ניסוי בן שישה חודשים ב-66 חברות ובקרב 7,137 עובדי ידע. בחלקו השני של הניסוי, העובדים שהשתמשו בכלי — 80% מהקבוצה שקיבלה אליו גישה — הקדישו כשעתיים פחות בשבוע לדואר אלקטרוני וגם צמצמו עבודה מחוץ לשעות הרגילות. לצד החיסכון האישי, החוקרים לא זיהו שינוי בכמות המשימות או בהרכבן כתוצאה מהקצאת הכלי לעובדים. חלק מהמחברים הועסקו במיקרוסופט, יצרנית הכלי שנבדק, כפי שמצוין בגילוי הנאות. הממצא ממחיש את הפער: שבוע עבודה נוח יותר הוא תוצאה בעלת ערך, אך הוא עדיין אינו שקול לעלייה בהכנסות או בשולי הרווח.
למנהלים ולעובדים בישראל, הקריאה המעשית שלנו בממצאים היא להתחיל בתהליך שרוצים לשפר, ואז לבחור כלי ומדד. במוקד שירות אפשר לבדוק כמה פניות נפתרות, כמה לקוחות חוזרים עם אותה בעיה ומה קורה לאיכות המענה; בצוות תפעול אפשר למדוד זמן טיפול ושגיאות. את התוצאה צריך לבחון מול עלות הרישיונות, ההטמעה והבדיקה האנושית, וגם לשאול מה נעשה בזמן שהתפנה. זו מסגרת ניתוח, לא טענה על שיעור ההצלחה של חברות ישראליות: הנתונים האמריקאיים אינם מודדים אותו. חיסכון בזמן הוא התחלה של חשבון עסקי, לא הסיכום שלו. האזהרה של סלוק אינה מחייבת לסגור את כלי ה-AI; היא מחייבת לפתוח גם גיליון חישוב. ההבטחה הגדולה עוד מחכה לשורה קטנה בדוח הכספי.
