הפער בין כלי שמשתמשים בו לכלי שמוציאים עליו כסף הוא המקום שבו ההבטחה לעוזר אישי פוגשת את החשבון החודשי.
אפשר להתלהב מתשובה מוצלחת של AI, לשלוח אותה לחברים ולחזור למחרת לעוד אחת. להוסיף בגללה חיוב קבוע לכרטיס האשראי? זו כבר החלטה אחרת. בין שתי הפעולות האלה נמצאת אחת השאלות החשובות של הענף: כמה מהתועלת שהטכנולוגיה מייצרת אפשר להפוך להכנסה מתמשכת. הניתוח שפרסם TechCrunch ב־30 בספטמבר מצביע על הקושי להפוך AI צרכני לעסק רווחי. כדי להבין את גודל האתגר, כדאי לצאת לרגע מההדגמות ולבדוק את התשלומים עצמם. שם, לפחות בחלק מהנתונים האמריקאיים, ההתרגשות מתורגמת לכסף בקצב הרבה פחות מסחרר. מוצר יכול להיות שימושי מאוד ועדיין להתקשות להצדיק מנוי נוסף.
לפי דוח Bank of America Institute ממרץ 2026, כ־3% ממשקי הבית של לקוחות הבנק שילמו על שירותי AI, וההוצאה החציונית של המשלמים בפברואר הייתה 20 דולר בחודש. כ־60% מהמשלמים הוציאו עד 20 דולר בחודש, ואילו 7% הוציאו יותר מ־100 דולר. מספר משקי הבית שביצעו תשלומים כאלה היה גבוה ב־38% מהממוצע ב־2024: יש צמיחה, אבל מנקודת פתיחה נמוכה. חשוב לקרוא את המספרים עם התווית שלהם: אלה עסקאות שזוהו אצל לקוחות הבנק, באמצעות כרטיסים והעברות בנקאיות, ולא מפקד של משתמשי AI בעולם. הם גם לא סופרים באופן מלא שימוש חינמי או שימוש שממומן בידי מעסיק. השאלה שנמדדת כאן היא מי משלם ישירות, לא מי כבר נעזר בטכנולוגיה.
הפער הזה הופיע גם קודם. בדוח הצרכני של Menlo Ventures מ־2025 הוערך מספר משתמשי ה-AI בעולם בכ־1.8 מיליארד, אך שיעור המשלמים בכ־3% בלבד; ההוצאה על הכלים הוערכה בכ־12.1 מיליארד דולר בשנה. אלה אומדנים מתקופה אחרת ובשיטה אחרת, ולכן אין לחבר אותם לנתוני הבנק כאילו מדובר באותה סדרה. ובכל זאת, הם ממחישים את ההבדל בין תפוצה למכירות. גם סקירת השווקים של a16z שפורסמה ב־30 בספטמבר 2026 מציינת כי באפריל רק כ־2% ממשקי הבית בארה״ב שילמו על שירות AI כלשהו. הקרן קוראת זאת כסימן לכך שהשוק עדיין בראשיתו. זו פרשנות אפשרית, אבל מרחב לצמיחה אינו התחייבות שהצרכנים אכן יפתחו את הארנק.
בצד העלויות יש דווקא סיבה לאופטימיות. לפי דוח AI Index של סטנפורד מ־2025, המחיר לשאילתות במודל שמגיע לרמת הביצועים של GPT-3.5 במבחן MMLU ירד מ־20 דולר למיליון טוקנים בנובמבר 2022 ל־0.07 דולר באוקטובר 2024 — ירידה של יותר מפי 280. זו השוואה ברמת ביצועים מוגדרת, ולא מדידה של כל הוצאות חברת AI או של עלות המודלים המתקדמים ביותר כיום. מבחינה עסקית, ההבחנה חשובה: תשובה זולה יותר מאפשרת להציע יותר שירות, אבל אינה מבטיחה רווח. בניתוח של מוצר צריך להביא בחשבון גם כמה פעולות הוא מבצע לכל משתמש, באילו מודלים הוא משתמש וכמה ניסיונות נדרשים להשלמת משימה. מנוי במחיר קבוע צריך לממן גם את המשתמש שחוזר שוב ושוב.
למשתמש הישראלי אין כאן נתון מקומי שאפשר להסיק ממנו כמה אנשים משלמים בארץ. יש, עם זאת, שאלה מעשית לגמרי: מה מצדיק את החיוב הבא? בניתוח שלנו, ההבדל עשוי להיות בין עוזר שמספק תשובות מזדמנות לבין כלי שמשלים באופן עקבי עבודה שהייתה גוזלת זמן. לעצמאי שמנסח הצעות מחיר או לעסק שמטפל בפניות לקוחות יש דרך אפשרית לבחון את התועלת מול ההוצאה; למשפחה שמשתמשת בכלי מדי פעם, ההצדקה יכולה להיות פחות ברורה. אלה דוגמאות למבחן כלכלי, לא טענה שהשירותים הקיימים כבר מבצעים כל משימה כזאת היטב. גם עברית טובה לבדה אינה מספיקה: מוצר שמבקש תשלום קבוע צריך להוכיח שהוא מועיל בהקשר המקומי, אמין במטלות שלשמן נרכש וחוסך למשתמש יותר מהטרחה שהוא מוסיף.
מכאן גם ההיגיון במכירה לעסקים: אפשר לנסות לתמחר סביב תוצאה בעלת ערך מדיד, ולספק שירות ותמיכה שהלקוח מוכן לשלם עליהם. זו אינה דרך אוטומטית לרווחיות; גם עסק ידרוש הוכחה שהכלי עובד. בצד הצרכני, אפשר לבחון תשלום לפי שימוש, חבילות מוגבלות או עמלה על פעולה שהושלמה, ולכל אפשרות יש מחיר מבחינת חוויית המשתמש והתמריצים של הספק. המבחן הוא הערך שמצדיק תשלום חוזר: האם השירות מספיק חשוב כדי להישאר בתקציב גם אחרי שהחידוש מתפוגג. ירידת מחירי המודלים יכולה לעזור מאוד, אך עדיין צריך לבנות מוצר שאנשים ירצו לממן. את התשובה לשאלה הזאת לא ייתן מבחן ביצועים נוסף, אלא החיוב שיישאר בכרטיס בחודש הבא.
