מירוץ החימוש החדש: מדוע ג'נרל מוטורס מפטרת אנשי IT לטובת מומחי AI?

הטמעת כלי בינה מלאכותית בארגונים טכנולוגיים: עידן חדש בשוק התעסוקה

הטמעת כלי בינה מלאכותית בארגונים טכנולוגיים מייצרת חילופי תפקידים דרמטיים בשוק העבודה. חברות רכב ענקיות, כגון ג'נרל מוטורס ופורד, פיטרו לאחרונה אלפי עובדי IT מסורתיים מתוך מטרה להסיט תקציבים לגיוס מפתחי מודלים של בינה מלאכותית, מהנדסי ענן ומומחי נתונים שיודעים לבנות מערכות תוכנה מאפס ולא רק לתחזק תשתית קיימת.

מה זה פיתוח מערכות AI בממשק ישיר (AI-Native Development)?

פיתוח מערכות AI בממשק ישיר (AI-Native Development) הוא תהליך שבו מהנדסי תוכנה לא מסתפקים בשימוש במערכות מדף, אלא בונים סביבות עבודה שבהן מודל שפה או מודל עיבוד נתונים מהווה את הליבה הטכנולוגית. בהקשר עסקי, ארגונים שוכרים מהנדסי נתונים כדי ליצור צינורות מידע (Pipelines) פנים-ארגוניים המאמנים מודלים על בסיס מידע קיים של החברה במקום רק לצרוך כלי חיצוני כשירות. לדוגמה, במקום להשתמש בממשקי חיפוש רגילים, חברות משקיעות במפתחי סוכנים אוטונומיים המסוגלים לחבר את מסד הנתונים של החברה ישירות למודלי AI. לפי הנתונים שפורסמו, המעבר לפיתוח מסוג זה גרע עד כה כ-19% ממשרות ה-IT המסורתיות בחברות הגדולות בענף לטובת מיומנויות חדשות.

גל הקיצוצים בג'נרל מוטורס והמעבר לבינה מלאכותית

לפי הדיווח של TechCrunch, חברת ג'נרל מוטורס (General Motors) ביצעה לאחרונה מהלך אסטרטגי במסגרתו פוטרו יותר מ-10% מעובדי מחלקת ה-IT של החברה. מדובר בכ-600 עובדים במשרה מלאה שאיבדו את מקום עבודתם לטובת ביצוע "החלפת כישורים" (Skills Swap) מכוונת מצד ההנהלה. החברה מדווחת כי הפיטורים הללו אינם נובעים ממשבר כלכלי קלאסי, אלא מתוך רצון לפנות מקום תקציבי ותקני כדי לגייס עובדי טכנולוגיה עם רקע ממוקד בפיתוח טכנולוגיות של בינה מלאכותית ועיבוד נתונים בענן.

על פי הנתונים שפורסמו על ידי רשת CNBC, הפיטורים בג'נרל מוטורס הם רק קצה הקרחון בתעשיית הרכב כולה. חברות הענק פורד (Ford), ג'נרל מוטורס וסטלנטיס (Stellantis) קיצצו יחד שילוב של למעלה מ-20,000 משרות תפעוליות בארצות הברית. מספר זה משקף ירידה של כ-19% מכוח האדם המסורתי של החברות לעומת שיאי התעסוקה שלהן בעשור האחרון. המטרה המרכזית בקיצוצים אלו היא בניית יכולות פנימיות חזקות שיאפשרו הקמת סוכני AI לעסקים ומערכות אוטונומיות לניהול נתונים, במקום להישען על ידע מיושן בניהול תשתיות IT סטנדרטיות.

מחומרה למכירת נתונים: מקרה הבוחן של Samsara

הסיבה המרכזית לדרישה הגוברת למהנדסי בינה מלאכותית היא המעבר של חברות ממודל של ייצור מוצר פיזי למודל של תוכנה ומידע. חברת Samsara מציגה דוגמה מובהקת למגמה. במשך העשור האחרון, החברה התקינה מיליוני מצלמות רשת בתוך תאי הנהג של משאיות על מנת לנטר נהגים, למנוע גניבות ולספק ראיות במסגרת תביעות ביטוח.

כעת, החברה לקחה את מאגר הנתונים העצום שאספה במשך השנים ואימנה מודל עצמאי לחלוטין שמסוגל לזהות בורות ומפגעים בכביש, כולל חישוב של קצב ההידרדרות של תשתיות האספלט. החברה מציעה כיום את המודל הזה למכירה עבור עיריות, והכריזה כי העיר שיקגו כבר חתומה על חוזה פעיל, מה שמוכיח את המודל העסקי החדש המבוסס על מסדי הנתונים.

השקעות ענק בסטארט-אפים טכנולוגיים

במקביל לירידה במספר המשרות בחברות הוותיקות, תחום הסטארט-אפים בעולם התחבורה זוכה להזרמות הון בקנה מידה משמעותי. חברת Mind Robotics, ספין-אוף של יצרנית הרכב Rivian, גייסה לאחרונה 400 מיליון דולר, חודשיים בלבד לאחר שגייסה 500 מיליון דולר. על פי הניתוח בדיווח, מייסד החברה, RJ Scaringe, הצליח עד כה לגייס סכום כולל של 12.3 מיליארד דולר ממשקיעים פרטיים עבור שלוש החברות שלו, נתון שלא כולל עוד כ-19 מיליארד דולר נוספים מהנפקות והסכמים עם קבוצת פולקסווגן ואובר. בנוסף, הסטארט-אפ האוסטרלי Arkeus גייס 18 מיליון דולר לטובת תוכנת ראייה ממוחשבת לרחפנים, וחברת Rapido ההודית הגיעה לשווי של 3 מיליארד דולר בעקבות גיוס חדש.

ההשלכות לעסקים בישראל

מהפרספקטיבה של עסקים ישראליים, המגמה העולמית של החלפת כוח אדם תפעולי לטובת מפתחי בינה מלאכותית פוגשת את השוק המקומי בנקודת זמן קריטית. חברות ניהול ציים, חברות שילוח ולוגיסטיקה, יבואניות ציוד וחברות הפצה מקומיות נדרשות להבין שאיסוף נתונים אקטיבי הוא נכס מסחרי. כפי שחברות הרכב משנות את הרכב הצוותים שלהן, ארגונים ישראליים יצטרכו לבחון מחדש את תקציבי הפיתוח שלהם ואת אופי העבודה.

המעבר למערכות שמנטרות מידע באופן פעיל מחייב את החברות המקומיות לפעול תחת חוק הגנת הפרטיות הישראלי, האוסר על שימוש בלתי מורשה במידע מזהה או צילומי דרך. עם זאת, היכולת לייצר תובנות מתוך מאגרי מידע קיימים תאפשר לחברות לבנות אפיקי הכנסה חדשים או לבצע שינוי יסודי במבנה ההוצאות בעזרת אוטומציה עסקית ועיבוד נתונים בענן במקום בקרות אנושיות יקרות.

מה לעשות עכשיו

1. ביצוע מיפוי כישורים למחלקת הפיתוח: במקום להסתמך רק על תחזוקת שרתים ותמיכה טכנית במסד הנתונים, ודאו כי לצוות שלכם יש יכולות בהנדסת פרומפטים וחיבור מודלים חיצוניים בגישת API על מנת לשדרג יכולות קיימות בארגון.
2. אפיון פוטנציאל דאטה קיים: בדקו אילו נתונים הארגון שלכם אוסף ממילא. בדומה לדוגמת המצלמות של Samsara, ייתכן שיומני העבודה של המוקד הטלפוני או מערכות ה-GPS של הרכבים שלכם טומנים בחובם מידע בעל ערך מסחרי מובהק שניתן לנתח באמצעים ממוחשבים.
3. הקמת תשתיות לניהול נתונים: חברו את נתוני הליבה שלכם למערכות ניהול מידע כמו Zoho CRM. אינטגרציה מלאה למידע מהשטח תקטין משמעותית את התלות בהזנת נתונים ידנית מצד צוותי התפעול.
4. בחינת הקצאת משאבים אסטרטגית והכשרה (Upskilling): נתחו את חלוקת כוח האדם הקיים שלכם והשקיעו בהכשרה פנים-ארגונית על מנת ללמד אנשי IT לעבוד בסביבת פיתוח דרך פלטפורמות דוגמת N8N, כדי לחסוך באורך זמן את הצורך בפיטורים וגיוס מחדש.

מבט קדימה

הדחיפה של תעשיית התחבורה והטכנולוגיה לעבר אימוץ בינה מלאכותית מדגימה בצורה חד-משמעית כי עתיד השוק שייך למודלים מתקדמים ולנתונים, ולא למערכות IT מיושנות. עסקים שישכילו לרתום סביבות אוטומציה מבוססות N8N וסוכני AI לטובת ניתוח צילומי שטח ומידע תפעולי, יבטיחו את כדאיות ההשקעה בכוח האדם שלהם ויבססו יתרון משמעותי בשנים הקרובות.