החזרה מהבינה המלאכותית: למה ארגונים נוטשים את ה-AI

הבינה המלאכותית הארגונית עומדת בפני מציאות בוחנת. אחרי שנים של אימוץ מואץ והוצאות עתק, מחקר רחב של Gartner, גולדמן זאקס, מקינזי, MIT ו-Sequoia Capital חושף פער מתמשך והולך בין ההשקעה ב-AI לבין תשואה עסקית מדידה. התמונה הכוללת מדהימה: רוב הארגונים לא מסוגלים עדיין להראות שההוצאה שלהם על AI משתלמת, ורבים כבר מתחילים לסגת.

תחזית Gartner: הנסיגה מה-AI

Gartner צופה שעד 2028, אחד מכל חמישה ארגונים בעולם יצמצם או ינטוש AI בחלקים מהפעילות שלו ויחזור לפיתוח תוכנה מסורתי, כיוון שאינו מצליח להשתלט על עלויות שיצאו משליטה ומוצא שהתמורה אינה מצדיקה את ההשקעה . הנסיגה צפויה להתרכז בתחומים שבהם הערך העסקי נותר לא ברור .

זו לא תחזית בודדת. מחקר רחב יותר של Gartner על כישלונות פרויקטי AI מצביע על סיבות עקביות, לא-טכניות, שמניעות את הנסיגה :

• עלויות מרקיעות שחקים ללא מודל ROI ברור — עלויות תשתית AI (מחשוב, ממשקי API, אינטגרציה, תחזוקה שוטפת ופיקוח אנושי) הן משמעותיות ולעתים יוצאות מכלל שליטה. 90% ממנהלי מערכות המידע (CIO) מדווחים שעלויות ה-AI כבר מגבילות את יכולתם למצות ערך .
• ערך עסקי לא ברור — פרויקטים רבים ננטשים אחרי שלב הוכחת היתכנות (PoC) כי ארגונים לא מצליחים להראות השפעה מדידה על השורה התחתונה .
• איכות נתונים ירודה ובקרות סיכון לא מספקות — ממשל חלש, בעיות נתונים וניהול סיכונים לוקה בחסר מביאים לקריסת פרויקטים . Gartner צופה שעד 2026, ארגונים ינטשו 60% מפרויקטי ה-AI שאינם נתמכים בנתונים מתאימים .
• "כביסת סוכנים" (Agent Washing) וסחף מקרי שימוש — ארגונים רודפים אחר AI לשמו, ללא נימוק עסקי מושכל, מה שמוביל לכישלון. אנליסטית Gartner אנושרי ורמה מציינת שספקים רבים מיתגו מחדש צ'אטבוטים קיימים כסוכני AI מבלי לספק תוצאות משמעותיות .

ממצאים אלה מתיישרים עם הערכה נפרדת של Gartner מאפריל 2026, לפיה ל-57% ממנהלי תשתיות IT יש לפחות פרויקט AI אחד שנכשל, ואחד מכל חמישה פרויקטי AI בתחום זה קורס כליל .

הנתק בין הוצאה לתשואה: עדויות ממספר מקורות

מקורות מרכזיים רבים מאשרים את הנתק ההולך וגובר בין ההשקעה המאסיבית ב-AI לבין תוצאות עסקיות מדידות:

גולדמן זאקס (אוגוסט 2026): האסטרטג בן סניידר מדווח שההוצאות על AI מזנקות בחדות, אך הטכנולוגיה טרם הניבה שיפור משמעותי ברווחי רוב החברות. רק 2% מחברות מדד S&P 500 כימתו את השפעת ה-AI על רווחיהן, ורובן מדווחות על תועלת מועטה או אפסית . האנליסטית ג'סיקה רינדלס מעריכה שהשקעת ה-AI בארה"ב תסתכם בכמעט 600 מיליארד דולר ב-2026, שהם קרוב ל-2% מהתמ"ג, אך העדויות לרווחים כלכליים תואמים נותרות דלות .

גולדמן זאקס (מאי 2026): האנליסט ג'ים קובלו מציין שרוב הארגונים טרם הפיקו תשואה כלשהי מהוצאות ה-AI שלהם, ומצטט מחקר MIT שמצא ש-95% מפיילוטי AI ארגוניים לא הניבו השפעה מדידה על הרווח וההפסד . קובלו טוען שהכלכלה של AI "מוטלת בספק יותר היום מאשר לפני שנתיים" .

גולדמן זאקס (יולי 2026): הכלכלן יאן הציוס והאנליסטית דייוויד פנג מציעים בדיקת מציאות – אימוץ AI והשפעתו על הפריון עשויים לקחת הרבה יותר זמן ממה שהשוק מצפה. הניתוח שלהם מראה שהשפעת הפריון עוקבת אחר עקומת J: האטה מתונה בארבע השנים הראשונות, עליות מובהקות סטטיסטית רק לאחר שמונה שנים, ושיא של כ-0.6 נקודות אחוז בשנה ה-12. אם השקת ChatGPT ב-2022 היא המקבילה להשקת המחשב האישי ב-1981, התשואה עדיין רחוקה שנים .

מקינזי (2026): פחות מ-20% מפריסות AI ארגוניות מציגות השפעה עסקית מדידה .

Sequoia Capital: סימנה פער הכנסות של כ-600 מיליארד דולר בין ההשקעה ב-AI לבין התשואה ממנו .

סיכון תזרים המזומנים של ענקיות הענן: גולדמן זאקס מזהירה שארבע ספקיות הענן הדומיננטיות (אמזון, אלפבית/גוגל, מיקרוסופט ומטה) נמצאות במסלול להוציא יותר מכל תזרים המזומנים התפעולי שלהן על תשתיות AI, ללא ROI ארגוני מוכח להצדיק את ההוצאה . ה-CAPEX המשותף לארבע החברות ב-2026 מוערך בכ-650 מיליארד דולר .

למה פרויקטים נכשלים: זו לא טכנולוגיה

ממצא עקבי בכל הניתוחים הגדולים הוא שכישלונות פרויקטי AI הם ארגוניים ואסטרטגיים, לא טכניים. המודל כמעט אף פעם לא נכשל – אבל התשתית העסקית, בסיס הנתונים ובקרת העלויות קורסים.

Gartner מזהה שלושה מצבי כשל עיקריים שמניעים את התחזיות שלה: עלויות מרקיעות שחקים ללא מודל ROI ברור, ערך עסקי לא ברור ובקרות סיכון לא מספקות . אנליסטית Gartner אמרה: "רוב פרויקטי ה-AI הסוכניים (Agentic AI) כרגע הם ניסויים בשלב מוקדם או הוכחות היתכנות המונעות בעיקר מהייפ ולעתים מיושמות שלא כהלכה" .

ההשלכות כבר נראות בשטח. Gartner צופה שעד 2028, 70% מיוזמות AI יופסקו עקב פיצוצי עלויות לא מנוהלים וסחף ערכי בארגונים חסרי נוהג ניהולי פיננסי ייעודי ל-AI .

מה זה אומר למנהלים

הדפוס החוזר ב-Gartner, גולדמן זאקס, מקינזי, MIT ו-Sequoia עקבי: הוצאות AI בשיא היסטורי, אך הרוב המכריע של הארגונים לא יכול להראות תשואה מדידה בשורה התחתונה. רבים כבר נסוגים או לא מצליחים להוציא פרויקטים משלב הפיילוט.

לארגונים המשקיעים ב-AI, המחקר מצביע על דרך ברורה: לזהות צוואר בקבוק תפעולי ספציפי עם השפעה עלות או איכות מדידה, לבנות פתרון AI לאותה בעיה ספציפית, למדוד את ההשפעה לפני/אחרי בקפדנות, ולהרחיב רק מה שעובד . פרויקטים שלא יקבעו מדדי ROI ברורים מהיום הראשון כנראה לא ישרדו את ההתחשבנות הממשמשת ובאה.