המהפך של אובר: מ'טוקנמקסינג' בזבזני ל'פודי סוכן' יעילים

במאי 2026, קובי מקדונלד, מנהל התפעול הראשי (COO) של אובר, אמר ל-Business Insider משפט שגרם לכל תעשיית ההייטק לעצור: החברה שורפת כסף על AI בלי יכולת להצביע בבירור על תוצאות עסקיות . שבועות ספורים קודם לכן, אובר כבר כילתה את כל תקציב כלי הקידוד AI שלה לשנת 2026 תוך פחות מארבעה חודשים . לתופעה הזו היה שם בתוך החברה: Tokenmaxxing – התייחסות לנפח הטוקנים (token volume) כמדד להתקדמות, במקום למדוד תוצאות בפועל .

חודשיים לאחר מכן, CTO של אובר, Praveen Neppalli Naga, חשף גישה רדיקלית שונה. התוצאות היו כה מרשימות – תהליך תכנון פיננסי שצנח מ-15 שעות לחצי שעה, דוחות מיומיים ל-10 דקות – שהן הפכו לאחד ממחקרי המקרה המעניינים ביותר בתחום ה-AI הארגוני השנה . הנה איך עובדים ה-Agentic Pods של אובר, ומדוע הם מייצגים שינוי יסודי באופן שבו החברה חושבת על בינה מלאכותית.

מהם Agentic Pods?

Agentic Pods הם צוותים קטנים של שני אנשים – כל צמד מורכב ממהנדס AI מיומן אחד ומומחה תחום אחד מחטיבה עסקית – אשר מקבלים ספרנט (sprint) מוגדר של שבועיים במטרה לצפות בתהליך עבודה ידני ולבנות אותו מחדש בעזרת סוכני AI . Naga השיק את התוכנית באמצע 2026, בפריסה של כ-30 צוותים כאלו (Pods) על פני 16 פונקציות עסקיות שונות, כולל פיננסים, משפטים, שיווק, משאבי אנוש, תמיכת לקוחות ורכש, במהלך חודשיים .

הפלייבוק המדויק: 10 הימים של כל Sprint

Naga פרסם את תהליך העבודה המדויק בלינקדאין ב-7 ביולי 2026 :

• ימים 1-2: המהנדס "מצל" (Shadowing) על מומחה התחום, צופה בכל שלב של תהליך העבודה האמיתי.
• יום 3: הצוות נותן עדיפות למשימה בעלת ההשפעה הרבה ביותר לאוטומציה.
• ימים 4-9: הצמד בונה את סוכן ה-AI בשיתוף פעולה, ומאמת אותו מול עמיתיו של המומחה.
• יום 10: הסוכן הפועל נשלח לייצור (Production).

המועד האחרון הנוקשה אינו מקרי. הוא מכריח את הצוות לספק תוצר אמיתי במקום ללקק אותו ללא הגבלת זמן . כפי ש-Naga תיאר זאת, המטרה הייתה "להפסיק להתייחס ל-AI כאל ניסוי יקר ולהתחיל להשתמש בו כדי לתכנן מחדש תהליכי עבודה ידניים מורכבים" .

תוצאות פריון נמדדות

התוצאות דווחו בהרחבה במספר כלי תקשורת, והן מיוחסות לנתונים הפנימיים של אובר :

תהליך	לפני	אחרי	קיצור
ניתוח הקצאת הון (ב-150 ערים)	15 שעות	30 דקות	פי 30
דוחות פיננסיים (Pacing Reports)	יומיים	10 דקות	~פי 288
בקרת איכות של אתרי שיווק	שבועיים	~50 דקות	~פי 400

אלו מייצגים קיצורים בזמני ביצוע (Cycle Time) של פי 30 עד פי 400 בתהליכים עסקיים מרכזיים. Naga דיווח גם על 9,000 תהליכי תמיכה ידניים שהוסבו לטיפול עצמי (Self-Service) .

מ-Tokenmaxxing לאוטומציה ממוקדת

האסטרטגיה המוקדמת יותר, שכונתה Tokenmaxxing, הייתה גישה מבוזבזת בה כמעט 95% מכ-5,000 המהנדסים של אובר השתמשו מדי יום בכלים כמו Claude Code ו-Cursor . אבל החברה לא יכלה לקשר את צריכת הטוקנים הזו לשום תוצאה עסקית מדידה. במאי 2026, מקדונלד אמר ל-Business Insider שנָהיָה "קשה יותר להצדיק" את ההוצאות על AI כי "הקשר [בין שימוש בטוקנים לפריון] עדיין לא קיים" . צריכה גבוהה יותר של טוקנים לא תורגמה לשיפורים פרופורציונליים במוצרים הפונים לצרכן .

ההבדלים המרכזיים בין שתי האסטרטגיות:

• עידן ה-Tokenmaxxing: פריסה גורפת של כלי קידוד AI לכל המהנדסים; ההוצאה נמדדה לפי נפח טוקנים; ההנהלה הודתה שאין קשר ברור ל-ROI .
• עידן ה-Agentic Pods: גישה ממוקדת ומבוססת-תהליך; מהנדסים משובצים במחלקות שאינן הנדסיות; הצלחה נמדדת בקיצור זמני תהליכים קונקרטיים .

למה מבנה ה-Pod עבד?

מבנה ה-Agentic Pods פתר שתי בעיות שהגישה הקודמת של Tokenmaxxing לא יכלה לפתור. ראשית, הוא אילץ את המהנדסים להבין בעיה מקצה לקצה לפני שהם בונים פתרון, במקום לצבור טוקנים בלי תוצר מוגדר. שנית, הוא קשר ישירות את הוצאות ה-AI לתוצאות עסקיות מדידות – שעות שנחסכו, דוחות שהואצו, תהליכים שבוטלו .

בתוך חודשיים בלבד, 16 Pods רצו על פני 16 פונקציות עסקיות שונות . המודל הורחב מאז. כפי ש-Naga ציין, לאחר ה-Pods, 99% מהמהנדסים של אובר השתמשו בכלי AI – אבל כעת עם מסגרת עבודה שמבטיחה שהשימוש הזה מייצר תוצאות שהעסק יכול לעקוב אחריהן .