כמה עולה ה-AI למפתחים ומי משלם על זה?

אחרי שנים שבהן מיקרוסופט דחפה את עובדיה לאמץ בינה מלאכותית בכל מקום אפשרי, מגיע שלב החשבון: בחודש שעבר דיווחים פנימיים שהגיעו מגיליון וולונטרי של עובדי החברה בארה"ב חשפו הוצאות של מאות ואף אלפי דולרים בחודש לעובד על כלי AI, ובמקרה חריג אחד נרשמה הוצאה של כ-28 אלף דולר בתוך 28 ימים בלבד.

בעוד החציון בקרב המדווחים עמד על כ-300 דולר לתקופה, בחטיבות כמו CoreAI הוא נסק לכ-975 דולר. הצגת נתוני השימוש האישיים בלוחות הבקרה של Copilot יצרה מעין טבלת הישגים פנימית והולידה את תופעת ה"Tokenmaxxing" - עובדים שמייצרים בכוונה שאילתות סרק כדי להציג נתוני שימוש גבוהים. התופעה הובילה את הנהלת CoreAI להבהיר במזכר פנימי כי המטרה היא מקסום תוצאות עסקיות ולא צריכת טוקנים, ובמקביל העבירה החברה עומסים למודלים חסכוניים יותר כמו GPT-5.6 Sol של OpenAI.

הוויכוח הזה מתחבר למהלכים רחבים יותר בעמק הסיליקון. ג'נסן הואנג, מנכ"ל אנבידיה, טען בפודקאסט "All-In" במרץ האחרון כי היקף שריפת הטוקנים הוא מדד בסיסי לפרודוקטיביות: "אם יש מהנדס שמשלמים לו 500 אלף דולר בשנה והוא צורך טוקנים רק ב-5,000 דולר - אני אשתגע. אם הוא לא צרך טוקנים בלפחות 250 אלף דולר, אני אהיה מודאג מאוד". לדבריו, הקצאת טוקנים הפכה לקלף מיקוח בגיוס עובדים, והתחרות הזו הובילה לשיאי צריכה בחברות כמו OpenAI, אנת'רופיק ומטא.

כמה חברות מוציאות בממוצע על טוקנים לעובד?

לדברי ואדים סולוביי, מייסד ומנכ"ל חברת DoiT המפתחת פתרונות לשליטה בהוצאות ענן ו-AI (FinOps), אין מספר יחיד בשל הפיזור הקיצוני: "לפי נתוני Ramp מיוני 2026 (מעל 70 אלף חברות בארה"ב), חברה מוציאה בסביבות 11 דולר לעובד לחודש. העשירון העליון מוציא כ-600 דולר, והאחוזון העליון מגיע ל-7,500 דולר לעובד לחודש. הפדרל ריזרב של אטלנטה מעריך ממוצע של כ-2,000 דולר לעובד לשנה ב-2026, עלייה של 50% לעומת 2025. הפער נובע בעיקר מכלי קידוד: מפתח שעובד עם Claude Code או Cursor יכול לצרוך 500 עד 2,000 דולר בחודש לבד".

סולוביי מדגיש כי האתגר המרכזי אינו גובה התשלום, אלא היכולת למדוד את התועלת: "שיוך עלויות (Cost Allocation & Attribution) הוא התשתית ההכרחית והתנאי המקדים למדידת החזר השקעה - ROI. ללא תשתית שיוך מדויקת הארגון נמצא בעיוורון מלא. לדוגמה, מה העלויות של הטוקנים במחלקת הפיתוח ומה קיבלנו בתמורה, וכמה מוציאים במחלקת השיווק ומה קיבלנו בתמורה. אם סמנכ"ל הכספים אינו יודע כמה טוקנים נצרכו עבור צ'אטבוט שירות הלקוחות וכמה שולם עבור כלי ה-AI של צוות הפיתוח, הוא אינו יכול לקבוע אם ה-AI חוסך כסף ואיפה".

לדבריו, מערכות FinOps מסייעות לשנות את השיח: "במקום לומר 'אנו מוציאים 100,000 דולר בחודש על GenAI', סמנכ"ל הכספים יכול להצהיר: פתרון ה-AI במחלקת שירות לקוחות עולה לנו 2 דולר לכל פנייה שפתרנו, וה-AI של צוות השיווק עולה לנו 45 דולר לכל ליד חדש. רק כאשר יודעים לאן הולך כל דולר וכל טוקן, אפשר למדוד מה התקבל בתמורה".

ומה המצב בישראל?

היקף השימוש המקומי בכלים הללו בולט במיוחד בקנה מידה גלובלי. על פי נתוני מחקר שערכו סוכנות הייעוץ התקשורתי 5WPR וחברת התוכן הישראלית Louder, שבדקו את היקפי השימוש בקלוד בעולם בהשוואה לישראל, ישראל מדורגת במקום הראשון בשימוש בקלוד לנפש. נתוני המחקר מעלים כי 95% מעובדי ההייטק בישראל משתמשים ב-AI בעבודתם, ועובד ההייטק הישראלי משתמש פי 5 בקלוד בהשוואה לממוצע בעולם - כאשר אחת מכל 185 שיחות עם קלוד נעשית מישראל. שיעורי השימוש הללו מייצרים עלויות כבדות לחברות, הנדרשות לקבוע מדיניות ברורה.

למרות היקפי השימוש, בכירים בתעשייה מבהירים כי תקציב טוקנים טרם הפך לקלף מיקוח רשמי במשא ומתן על חוזי העסקה, אך ניהול המשאב כבר מעסיק את הארגונים ביום-יום.

עידו רון, שותף וראש מחלקת AI וטרנספורמציה דיגיטלית ב-KPMG ישראל, מציין: "הדרישה לתקציבי AI נוספים בהחלט קיימת, אבל כרגע אני רואה אותה בעיקר מצד עובדים שכבר נמצאים בתוך הארגון, ופחות מצד מועמדים שמציבים אותה כתנאי עוד לפני שהם מצטרפים. אחת הבעיות היום היא שמנהלים וארגונים עדיין לא תמיד יודעים כמה שימוש ב-AI באמת מייצר ערך. לכן לפעמים נותנים לכל העובדים את אותה הקצאה, אף שכל אחד משתמש בכלים בצורה אחרת. יכולים להיות שני עובדים שמקבלים בדיוק את אותו התקציב, כשאחד יודע לעבוד מצוין עם כלי AI והשני משתמש בהם בצורה הרבה פחות אפקטיבית".

רון מסביר את אופן המדידה בארגון: "אצלנו ההקצאה היא אישית ושונה ממפתח למפתח. כשהתקציב נגמר, העובד יכול להגיע ולבקש תוספת. יש עובדים שמסיימים את ההקצאה שלהם ומיד מבקשים עוד, ואז אנחנו מסתכלים על השימוש שלהם ובוחנים אם באמת יש הצדקה להגדלה. כל התהליך הזה מבוסס על KPIs ברורים.

"אנחנו מודדים את השימוש בכלים השונים באמצעות פרמטרים מקובלים בעולמות הפיתוח, כדי להבין אם ה-AI באמת משפר את הביצועים ואת התפוקה. עובדים שמוכיחים שהשימוש ב-AI משדרג אותם יקבלו השקעות נוספות, הדרכות וקורסים. מנגד, עובד שלא מצליח להראות שה-AI מסייע לו בתהליך הפיתוח הופך מבחינת הארגון לסימן שאלה משמעותי. בעידן שבו הטכנולוגיה מתקדמת בקצב כזה, מי שלא מצליח לעקוב אחריה ולהשתמש בה כדי לשפר את התפוקה צריך גם לבחון מחדש את רמת המקצועיות שלו".

לדברי רון, "לא כל צריכה גבוהה מצדיקה תקציב גדול יותר. אם עובד מוציא עוד אלף דולר בחודש על AI וזה לא הופך אותו למפתח טוב או אפקטיבי יותר, אין הצדקה להוצאה. לעומת זאת, אם יש סיבה קונקרטית לעלייה בצריכה - למשל שהוא נכנס לעוד פרויקטים, קיבל משימה מורכבת יותר או שהיה שינוי בצוות או בפרויקט - בהחלט יכול להיות מוצדק להגדיל לו את התקציב. לכן אני לא חושב שנכון לתת לכולם תקציב זהה או בלתי מוגבל. צריך להסתכל על הצריכה ברמת העובד, למדוד את הערך שנוצר ממנה ולהגדיל את ההקצאה כשיש לכך הצדקה אמיתית".

אליאל שורמן, VP Engineering במוצר BTP של SAP במרכז הפיתוח בישראל, מתייחס למצב בראיונות: "מניסיוני, אני לא מכיר כיום מצב שבו מועמדים מגיעים לראיון עבודה ודורשים תקציב טוקנים כחלק מחבילת התגמול שלהם, ובוודאי שלא נתקלתי בזה כקלף מיקוח משמעותי בגיוס. יכול להיות שבעולמות מאוד ספציפיים של AI, שבהם התחרות על טאלנט ייחודי גבוהה במיוחד, זה יתחיל להתפתח, אבל כרגע אני לא רואה את זה כתופעה רחבה. מה שכן, אני חושב שהדיון על טוקנים הולך לכיוון הרבה יותר מעניין - מניהול של 'תקציב לעובד' לניהול של משאב ארגוני".

שורמן מרחיב על מודל הניהול: "ככל שהשימוש ב-AI בפיתוח תוכנה גדל, אי אפשר להתייחס לטוקנים כאל משאב בלתי מוגבל. מצד שני, גם לא נכון לראות בהם מגבלה שצריך פשוט להקטין. המטרה צריכה להיות להפיק את הערך העסקי וההנדסי המקסימלי מכל טוקן. לכן אני תומך מאוד במודל של Tiered Consumption. כל מפתח צריך לקבל הקצאה משמעותית שמאפשרת לו לעבוד בצורה אפקטיבית, אבל במקביל צריכה להיות שקיפות לגבי הצריכה והבנה של ה-value שמתקבל ממנה. מבחינתי, יש כאן גם עיקרון חשוב של 'דמוקרטיזציה של טוקנים'. המשמעות היא שלא נכון שכל מפתח יקבל תקציב קשיח ובלתי ניתן להזזה. המנהל צריך להיות מסוגל לנהל את ה'עוגה' של הצוות ולהעביר משאבים מפרויקט לפרויקט בהתאם לצרכים העסקיים. אם נכנס פרויקט חדש או milestone משמעותי שדורש הרבה יותר שימוש ב-AI, צריך להיות אפשר להפנות אליו יותר משאבים".

עוד מוסיף שורמן: "אם מפתח מגיע לסוף ההקצאה שלו, לא נכון שהתגובה האוטומטית תהיה פשוט להגדיל לו את התקציב. המנהל צריך לשבת איתו, להבין איך נעשה השימוש, אם נעשה שימוש ב-best practices, ואם הצריכה הגבוהה באמת מייצרת ערך. אם התשובה היא כן, צריך לתת את המשאבים. אם לא, אולי הבעיה היא לא שחסרים טוקנים, אלא שצריך לעבוד בצורה יעילה יותר.

"לכן אנחנו משקיעים הרבה בהכשרה של המפתחים שלנו. כל מפתח צריך להבין איך לעבוד נכון עם כלי AI, איך לבחור את המודל המתאים, איך לנהל context, איך להימנע מלולאות מיותרות ואיך להגיע לאותה תוצאה עם פחות צריכת טוקנים. זה כבר חלק מהיכולות המקצועיות של מפתח בעידן ה-AI".

שורמן מצביע על התגבשותו של מקצוע חדש: "אנחנו למעשה רואים את ההתחלה של תחום חדש שאפשר לקרוא לו TokenOps. בדיוק כפי ש-FinOps התפתח כדי לנהל בצורה חכמה את העלויות של ענן, שרתים ושירותים, נצטרך לנהל בצורה דומה את כלכלת הטוקנים - להבין מי צורך, כמה הוא צורך, למה הוא צורך ומה הערך שנוצר כתוצאה מהצריכה. וזה מתחבר גם ליוזמות שאנחנו רואים בתעשייה. SAP, למשל, הצטרפה ל-Tokenomics Foundation, שמטרתה לקדם סטנדרטיזציה סביב הכלכלה של טוקנים. בעיניי, זה כיוון חשוב, כי בסופו של דבר המספר האבסולוטי של הטוקנים פחות מעניין.

"השאלה האמיתית היא מה כוח הקנייה של טוקן - או במילים אחרות, כמה ערך למוצר וללקוח אנחנו מצליחים לייצר עבור כל טוקן שאנחנו צורכים. השאלה לא תהיה 'כמה טוקנים אתה מקבל כעובד?', אלא 'כמה ערך אתה יודע לייצר באמצעות הטוקנים שהארגון מעמיד לרשותך?' זו בעיניי המקבילה של המעבר מ'יש לנו תקציב ענן' ל-FinOps: לא רק כמה אנחנו מוציאים, אלא כמה ערך אנחנו מקבלים עבור ההוצאה".

שניר חדד, VP R&D בסטארטאפ Huskeys, מספר שהנושא מתחיל לחלחל לשיחות גיוס: "תקציב טוקנים עדיין לא הפך לדרישה פורמלית וקבועה שמועמדים מגיעים איתה למשא ומתן, אבל הנושא בהחלט כבר עולה בשיחות עם מועמדים. היו אצלנו מועמדים שהגיעו מחברות גדולות ומוכרות וסיפרו שיש להם מגבלת טוקנים יומית או שבועית, וברגע שהם מסיימים את המכסה הם דה פקטו מפסיקים לעבוד לאותו יום.

"היה לנו, למשל, מועמד לתפקיד ארכיטקט שבמהלך הריאיון שאל מה ה-AI spend שלנו ואילו כלים ומודלים עומדים לרשות המפתחים. הוא טען שכדאי להגדיל את ההוצאה והסביר אילו מודלים ויכולות חסרים לו. במקום להשאיר את זה ברמת הדיון, בדקנו את ההנחה בזמן אמת, עשינו שינוי והשווינו את התוצאה. השיפור היה משמעותי. מבחינתי, זו דוגמה לשיחה מאוד עניינית ואינטליגנטית על צריכת AI ועל הערך שהיא יכולה לייצר".

חדד מחדד: "עצם זה שמועמד או עובד מבקש יותר טוקנים לא נתפס בעיניי כדרישה מוגזמת. אם הוא יודע להסביר למה הוא צריך אותם, להראות את ה-use case ולהוכיח שיש לזה ערך, בהחלט יש פתיחות להגדיל את התקציב. אבל מבחינתי השאלה היא לא תקציב הטוקנים בפני עצמו, אלא ה-ROI שאנחנו מקבלים מה-AI spend: במהירות ה-delivery, באיכות, ביכולת של אנשים לפתור בעיות מורכבות יותר, ובעיקר ביכולת של הארגון לעשות דברים שבעבר צוות בגודל שלנו בכלל לא היה יכול לגשת אליהם.

"היום, למשל, יש אצלנו עשרות agents שרצים כחלק מאופרציית ה-R&D עצמה. הם לא רק עוזרים למפתח לכתוב קוד מהר יותר, אלא משתלבים בתוך workflows שלמים ומאפשרים לנו להרחיב משמעותית את היכולת של הארגון בלי להגדיל אותו באותו יחס. אם מפתח משתמש ב-AI, למשל, כדי לבנות agent שלוקח תהליך מסיכום שיחה עם Product ועד implementation, זה מבחינתי שימוש מאוד חיובי ומשהו שאנחנו רוצים לעודד. מבחינתי, AI במצב הזה הוא leverage שמאפשר לאנשים ולצוותים לקחת ownership על שטח גדול יותר ולעבוד בצורה הרבה יותר אפקטיבית".

עם זאת, חדד מצביע גם על קו אדום: "אם ה-AI מחליף את היכולת של המועמד לחשוב, לתכנן ולהבין ארכיטקטורה בעצמו, זו כבר יכולה להיות אינדיקציה שלילית. אנחנו רוצים אנשים שיודעים להשתמש ב-AI כדי להעצים judgment ויכולת הנדסית, לא להחליף אותם. בסופו של דבר, לא כמות הטוקנים היא קלף המיקוח. מה שמעניין אותי הוא אם המועמד יודע להפוך AI spend ליכולת ארגונית אמיתית ולתוצאה הנדסית ועסקית מדידה".

ואדים סולוביי מ-DoiT מעריך כי הדרישה הזו קרובה להפוך לרשמית: "עדיין לא כתנאי פורמלי, אבל זה בדרך. בראיונות למפתחים כבר שואלים באילו כלים אתה עובד, ומועמדים טובים שואלים בחזרה אם יש להם תקציב טוקנים. אצלנו ב-DoiT לא מגבילים תקציב טוקנים למהנדסים, זה חלק מהתפיסה של managers of one. ההימור שלי: בתוך שנה זה יופיע בהצעות עבודה כמו שמופיע היום ציוד או ימי לימוד".

מנגד, יאיר לדיז'נסקי, מייסד-שותף ו-CPO בסטארטאפ Aryon Security, מציג גישה שמתנגדת לקיבוע מראש: "עוד לא נתקלתי בדרישה ספציפית לתקציב טוקנים ממועמדים, אבל אני מתנגד להתחייבות מראש כחלק מתנאי ההעסקה. מבחינתי, מי שהוא טאלנט אמיתי פשוט gets the job done - הוא יודע להגיע לתוצאה ולא צריך שיבטיחו לו 'כריות אוויר'. אצלנו אותו מפתח יכול להשתמש בחודש אחד בפי 5 טוקנים מהחודש הבא, כי זה תלוי באופי המשימות וביכולת שלו להתאים את השימוש ב-AI בצורה נכונה: בלי שימוש יתר ובלי שימוש חסר".