מאחורי הדגמות המודלים ומרוץ השבבים מסתתר מבחן פשוט יותר: מי משלם על כל זה, וכמה זמן הוא מוכן לחכות לתמורה.
יכול להיות שמודל הבינה המלאכותית הבא יהיה מצוין, שהלקוחות ימשיכו להשתמש בו, ושבכל זאת חלק מהמשקיעים יפסידו הרבה כסף. אין כאן סתירה: הצלחה טכנולוגית ותשואה על השקעה הן שתי שאלות שונות. זאת גם הזווית שמציעה כתבת הוול סטריט ג'ורנל על סימני הסיום של גאות ה-AI: ההיסטוריה של שיגעונות השקעה מפנה את תשומת הלב לרגע שבו ברז ההון נסגר. זו מסגרת להבנת הסיכון, לא שעון שסופר לאחור לקריסה. השאלה המעניינת היא כמה מהבנייה, מההזמנות ומהצמיחה יכולות להימשך כאשר משקיעים ומלווים דורשים הוכחות מהירות יותר להחזר. דוגרי, לא צריך שהצ'אטבוט יפסיק לעבוד; מספיק שמישהו יחליט שהצ'ק הבא כבר לא משתלם.
תשתיות AI דורשות להוציא כסף לפני שכל ההכנסות העתידיות מגיעות: על שרתים, שבבים, מבנים וחיבורי חשמל. לפי נספח לדוח היציבות הפיננסית של קרן המטבע מאפריל 2026, הוצאות ההון העתידיות של ענקיות תשתיות הענן נאמדו בכשלושה טריליון דולר עד 2029. זהו אומדן השקעות, ולא סכום שכבר הוצא או חוב שכבר נלקח. הקרן מציינת שהיקף ההשקעות ופערי המימון שעלולים להיווצר מחייבים לבחון את חוסנם של המאזנים. המשמעות פשוטה: גם עסק בעל ביקוש אמיתי יכול להסתבך אם התשלומים מגיעים הרבה לפני התקבולים. ככל שהפער הזה גדל, גדלה החשיבות של מקור הכסף — פעילות עסקית קיימת, השקעת בעלי מניות או הלוואה שצריך להחזיר במועד.
ובכל זאת, חשוב לא להכניס את כל המשתתפים לאותה משבצת. לענקיות הטכנולוגיה יש עסקים קיימים שמייצרים מזומנים בהיקפים גדולים. כדוגמה היסטורית, מיקרוסופט דיווחה ברבעון שהסתיים ביוני 2025 על תזרים מפעילות שוטפת של 42.6 מיליארד דולר, מול הוצאות הון של 24.2 מיליארד דולר, שכללו 6.5 מיליארד דולר בחכירות מימוניות. ההוצאות האלה תמכו בתשתיות החברה ואינן נתון נפרד של השקעה ב-AI בלבד; גם אין להשוות אותן ישירות לתשלום מזומן, משום שהן כוללות חכירות. הנתונים ממחישים מדוע חברה מבוססת יכולה לספוג תקופת השקעות ארוכה יותר מחברת תשתיות שתלויה בגיוס הבא. הם אינם מוכיחים שכל פרויקט יחזיר את עלותו, ובוודאי אינם מבטיחים שמחיר המניה מוצדק.
הסיבוך מתחיל כשהקשרים העסקיים הם גם קשרי מימון. קרן המטבע מזהירה בדוח השנתי שלה ל-2026 מהסדרים שבהם חברות משמשות במקביל כלקוחות, משקיעות ומממנות זו של זו, ומגבירות את הסיכון שצרות בחברה אחת יעברו לאחרות. דיווח של Axios מ-21 בספטמבר, על ניתוח של Sona Asset Management, מחדד שהחולשה עשויה להימצא דווקא אצל מפעילי מרכזי נתונים וספקי מחשוב קטנים יותר, בעלי מינוף גבוה ותזרים חלש. עצם הקשר בין השקעה לרכישה אינו הוכחה לעסקה פסולה. אבל הוא מעלה שאלה חשובה: כמה ביקוש יישאר אם המימון שמאפשר ללקוח לקנות יצטמצם? ביטול הזמנה אצל ספק אחד יכול להפוך במהירות לבעיה אצל המלווה שלו.
סימן אזהרה שימושי הוא שינוי ביכולת לממן את הצמיחה, ולא רק עוד יום אדום במסכים. כניתוח של מנגנון הסיכון, כדאי להבחין בין כמה מצבים: גיוס שמתבצע בתנאים פחות נוחים, לקוח שדוחה הזמנות, או חברה שממשיכה להציג צמיחה בהכנסות אך מתקשה להפוך אותה למזומן. כל אחד מהם יכול להיות נקודתי; הצטברות שלהם אצל כמה חוליות באותה שרשרת כבר משמעותית יותר. גם קיצוץ בהשקעות אינו בהכרח בשורת אסון: הוא יכול להעיד על התייעלות או על משמעת עסקית. השאלה היא האם ההוצאה קטנה מפני שנדרש פחות כסף כדי לספק את הביקוש, או מפני שכבר קשה להשיג אותו. ההבחנה הזאת חשובה יותר מכותרת שמכריזה מדי שבוע שהבועה עומדת להתפוצץ. אין בנתונים שהובאו כאן דרך לקבוע תאריך לקריסה.
ומה הזווית הישראלית? בניתוח שלנו, אותו מנגנון יכול לפגוש את הקורא בשני מקומות שונים: בחיסכון ובמקום העבודה. מי שמחזיק השקעות עם חשיפה לחברות הטכנולוגיה האמריקאיות מושפע גם מהציפיות לרווחיהן, אפילו אם מעולם לא קנה מניה של חברת AI במישרין. עבור סטארטאפ ישראלי שבונה מוצר על שירותי מודלים וענן, השאלה העסקית היא מה יקרה לרווחיות אם הנחות יצטמצמו, תנאי ספק ישתנו או גיוס נוסף יתעכב. אלה תרחישים לבחינה, לא טענה שהם מתרחשים אצל כל חברה. בדיקה מועילה היא האם הלקוחות משלמים מספיק כדי לכסות את עלות השירות והפעלתו, וכמה זמן החברה יכולה להתקיים בלי כסף חדש. טכנולוגיה יכולה להצליח גם כשההשקעה בה מאכזבת. המבחן הבא של מרוץ ה-AI עשוי להגיע דווקא מהאנשים שצריכים לאשר את התקציב.
