פיטורי AI ב-Block והמעבר ל"חברה כמודיעין"
פיטורי AI ב-Block הם מהלך ארגוני שבו הנהלה משנה את מבנה החברה סביב שכבת בינה, ולא רק סביב מנהלים וצוותים. לפי ג'ק דורסי, Block פיטרה כ-40% מכוח האדם אף שהחברה רשמה כמעט 3 מיליארד דולר רווח ברבעון האחרון ושווי שוק של 39 מיליארד דולר. זה חשוב לישראל כי הוויכוח כבר אינו רק על חיסכון בשכר, אלא על השאלה איך ארגון בונה תהליכי עבודה, פיתוח מוצר ושירות לקוחות כשמודלי AI מסוגלים לעבוד על בסיסי קוד גדולים ולתת מענה מהיר יותר לעובדים וללקוחות.
עבור בעלי עסקים, מנכ"לים ומנהלי תפעול בישראל, הנקודה הקריטית אינה אם דורסי הגזים, אלא אם המודל הארגוני שהוא מתאר יחלחל גם לחברות קטנות ובינוניות. לפי McKinsey, שימוש נרחב בבינה מלאכותית גנרטיבית עשוי להשפיע על חלק מהותי ממשימות הידע בארגון כבר בטווח הקרוב. כשמנכ"ל של Block, עם 10,000 עובדים לפני הקיצוץ, אומר שהמדד החשוב בעיניו הוא רווח גולמי לעובד ושמבנה הניהול הישן כבר לא מתאים לעידן החדש, עסקים ישראליים צריכים לבחון אילו תהליכים אצלם עדיין בנויים כאילו אנחנו ב-2015.
מה זה "חברה כמודיעין"?
"חברה כמודיעין" היא תפיסה שלפיה הארגון אינו נשען רק על היררכיית מנהלים, אלא על שכבת בינה שמרכזת ידע, מסמכים, קוד, החלטות ותהליכים, כך שכל עובד יכול לשאול, ליזום ולבצע דרך ממשק אחד. בהקשר עסקי, המשמעות היא חיבור בין מערכות כמו CRM, מסמכים, תמיכה, מכירות ופיתוח למנוע אחד שמבין הקשר. לדוגמה, משרד ביטוח ישראלי יכול לחבר Zoho CRM, תיעוד שיחות מ-WhatsApp Business API וזרימות עבודה ב-N8N כדי לקצר תגובה לליד מדקות ארוכות לפחות מדקה אחת. לפי Gartner, ארגונים שמשלבים AI בתהליכי עבודה לא מסתפקים בכלי כתיבה, אלא מעבירים החלטות שגרתיות למערכת.
מה בדיוק דורסי אמר על פיטורי AI ב-Block
לפי הראיון ב-WIRED, דורסי דוחה את הטענה שמדובר רק בתיקון של גיוס יתר מתקופת הקורונה. לדבריו, Block הייתה "בקו אחד עם המתחרות או מעט לפניה" במדדי ביצוע, ולכן ההחלטה לא נבעה בעיקר מלחץ פיננסי. זו טענה חשובה, משום ש-Block אינה חברה במשבר קיומי מיידי: היא דיווחה על כמעט 3 מיליארד דולר רווח ברבעון האחרון. מבחינת דורסי, הטריגר היה שינוי ברמת היכולת של כלי AI בדצמבר, ובעיקר יכולתם לעבוד על בסיסי קוד גדולים יותר ולא רק על פרויקטים חדשים מאפס.
הוא נקב בשמות ברורים: Anthropic Opus 4.6 ו-OpenAI Codex 5.3. לפי דבריו, הכלים הללו שינו את האופן שבו אפשר להפעיל חברת תוכנה ופינטק, עד כדי מחשבה מחודשת על עצם מבנה החברה. דורסי אמר שאם היה מקים היום חברה חדשה, הוא היה בונה אותה "ללא היררכיית ניהול כלל", עם שכבת בינה מעל "כל התוצרים" של הארגון. בנוסף, הוא טען שבתוך שנה עד שנתיים, כל חברה שלא תיבנה כך עלולה לעמוד מול איום קיומי. זהו ניסוח חריף מאוד, במיוחד ממנכ"ל של חברה ציבורית בסדר גודל כזה.
בין רה-ארגון אמיתי ל-AI-washing
הוויכוח המרכזי אינו אם AI משתפר, אלא אם ההנהלה השתמשה בשיפור הזה כדי להצדיק קיצוץ עמוק מדי. דורסי נשאל ישירות אם מדובר ב-AI-washing של פיטורים, והשיב שלא. ועדיין, חשוב לומר ביושר: גם אם הכלים אכן השתפרו, לא כל יכולת טכנולוגית מתורגמת מיד למבנה ארגוני חדש. לפי נתוני Layoffs.fyi, שוק הטכנולוגיה כבר התרגל לגלי פיטורים רחבים מאז 2022, ולכן קל יחסית למסגר קיצוץ כ"התאמה אסטרטגית". מבחינת מנהלים בישראל, זה מחייב הפרדה ברורה בין שימוש אמיתי ב-AI ליצירת תפוקה גבוהה יותר, לבין קיצוץ שאין מאחוריו תשתית תהליכית, מדידה והטמעה.
ההקשר הרחב: שוק שעובר מכלי AI לשכבת הפעלה
מה שהופך את המהלך של Block למעניין הוא שהוא משתלב במעבר רחב יותר: מעולם של "כלי AI לעובד" לעולם של "שכבת AI לארגון". חברות כמו OpenAI, Anthropic, Microsoft ו-Google כבר לא מוכרות רק צ'אט או עוזר כתיבה; הן דוחפות ארגונים לבנות סביבות עבודה שבהן מודלים נוגעים בקוד, במסמכים, בנתוני לקוחות ובמשימות תפעול. לפי דוח של Microsoft ו-LinkedIn על מגמות עבודה, מנהלים רבים כבר מצפים מעובדים להשתמש ב-AI כחלק שוטף מהתפקיד. זהו שינוי מהותי: לא תוסף פרודוקטיביות, אלא מערכת הפעלה ארגונית חדשה, שבה המידע הופך נגיש יותר והביצוע מהיר יותר.
ניתוח מקצועי: למה פיטורי AI ב-Block לא מתחילים בכוח אדם אלא בנתונים
מניסיון בהטמעה אצל עסקים ישראליים, המשמעות האמיתית כאן היא לא "להחליף עובדים ב-AI", אלא להחליף צווארי בקבוק בזרימת מידע רציפה. רוב החברות בישראל עדיין מפוזרות בין WhatsApp, מייל, Google Drive, ERP, CRM וגיליונות Excel. במצב כזה, גם מודל שפה מצוין לא ייצור ערך גבוה אם אין לו גישה מסודרת לנתונים, הרשאות, לוגיקה עסקית ותיעוד תהליכים. לכן, כשדורסי מדבר על "חברה כמודיעין", צריך לתרגם את זה לשאלה פרקטית: האם הידע הארגוני שלכם קיים כמבנה דיגיטלי שמודל יכול לעבוד עליו, או שהוא תקוע בראש של עובדים ותיקים.
מנקודת מבט של יישום בשטח, חברה שרוצה ליהנות מהשינוי הזה צריכה שלושה רכיבים: תשתית תהליכים, שכבת אינטגרציה ושכבת ממשק. התשתית היא לדוגמה Zoho CRM או HubSpot עם שדות מסודרים; שכבת האינטגרציה היא N8N או Make שמחברת בין מקורות מידע; ושכבת הממשק יכולה להיות סוכן פנימי או חיצוני ב-WhatsApp Business API, פורטל עובדים או חיבור למודל כמו GPT. בלי שלושת המרכיבים האלה, פיטורי AI הם בעיקר סיסמה. עם שלושתם, אפשר באמת לקצר זמני תגובה, להאיץ טיפול בלידים ולהקטין תלות בהיררכיות. ההערכה שלי היא שב-12 החודשים הקרובים נראה יותר חברות בינוניות מאמצות "שכבת בינה" לתפעול, אך מעט מאוד מהן יוכלו לבצע קיצוץ חד בלי לפגוע בשירות, אם לא יבנו קודם תהליכים מדויקים ומדידים.
ההשלכות לעסקים בישראל
בישראל, ההשפעה תהיה שונה מענקיות עמק הסיליקון. משרדי עורכי דין, סוכנויות ביטוח, חברות נדל"ן, מרפאות פרטיות וחנויות איקומרס לא יפטרו מחר 40% מהצוות רק כי Block עשתה זאת. אבל הן כן יידרשו להגדיר מחדש מי עושה מה. לדוגמה, סוכנות ביטוח עם 12 עובדים יכולה לחבר טפסי לידים, WhatsApp Business API, Zoho CRM ותהליכי N8N כך שכל ליד חדש יקבל מענה תוך 30-90 שניות, ייסווג אוטומטית ויוקצה לנציג מתאים. במודל כזה, העובד לא נעלם; הוא מפסיק לבזבז 10-15 שעות בשבוע על הזנת נתונים, חיפוש מסמכים ורדיפה אחרי לקוחות שלא קיבלו מענה.
יש כאן גם שכבה רגולטורית מקומית. עסקים בישראל חייבים לחשוב על חוק הגנת הפרטיות, על שמירת הרשאות גישה ועל זהות המערכת שמטפלת במידע אישי, רפואי או פיננסי. מרפאה פרטית, למשל, לא יכולה פשוט להזרים היסטוריית מטופלים לכל מודל בלי בקרה. לכן ההקמה הנכונה מתחילה באפיון, בבחינת API, ובהפרדה בין מידע רגיש למידע תפעולי. עלות פיילוט בסיסי לעסק קטן-בינוני יכולה לנוע סביב ₪3,000-₪12,000 להקמה, ועוד מאות עד אלפי שקלים בחודש לכלים, תלוי בהיקף. כאן בדיוק נכנסים פתרונות אוטומציה ו-CRM חכם: לא ככותרות שיווקיות, אלא כשילוב מעשי של AI Agents, WhatsApp Business API, Zoho CRM ו-N8N לזרימת עבודה אחת שנמדדת בזמן תגובה, שיעור המרה ואיכות שירות.
מה לעשות עכשיו: צעדים מעשיים לבדיקת מוכנות ארגונית
- בדקו בתוך 7 ימים היכן הידע הקריטי שלכם יושב: ב-Zoho, Monday, HubSpot, Gmail או רק בראש של עובדים ותיקים.
- הריצו פיילוט של שבועיים על תהליך אחד בלבד, למשל קליטת לידים או מענה ראשוני ב-WhatsApp; תקציב טיפוסי לכלי וליווי בסיסי יכול להתחיל בכמה מאות ₪ בחודש.
- ודאו של-CRM שלכם יש API פעיל ושאפשר לחבר אותו דרך N8N או Make למקורות המידע הקיימים.
- הגדירו מדד עסקי אחד: זמן תגובה, שיעור פגישות שנקבעו או זמן טיפול בפנייה. אם אין מדידה, אין בסיס להחלטה על שינוי מבני או על סוכן וואטסאפ.
מבט קדימה: לא כל חברה תהיה Block, אבל כולן יידרשו לבחור
התחזית הסבירה ל-12-18 החודשים הקרובים היא לא גל אחיד של פיטורי AI, אלא פער הולך וגדל בין חברות שבנו שכבת בינה על תהליכי הליבה שלהן, לבין חברות שעדיין תלויות בתיאומים ידניים ובניהול ידע מפוזר. דורסי אולי מנסח את זה בצורה קיצונית, אבל הכיוון ברור: מי שיחבר נכון בין AI Agents, WhatsApp Business API, Zoho CRM ו-N8N יוכל לבנות ארגון מהיר, מדיד ועמיד יותר. מי שיסתפק בסיסמאות על AI, יגלה מהר מאוד שהבעיה לא הייתה מספר העובדים, אלא הארכיטקטורה הארגונית.