OpenAI ו־Anthropic בישראל: התחרות על תקציבי ה־AI הארגוניים
לפי גלובס, OpenAI, Anthropic ו־SpaceX מרחיבות פעילות בישראל, ישירות ודרך שותפים מקומיים, ומתחרות על תקציבי AI בבנקים, בקופות החולים ובממשלה.
התחרות על תקציבי ה־AI של הבנקים, קופות החולים ומשרדי הממשלה בישראל מתקרבת לשטח. לפי דיווח שפרסם גלובס ב־21 באוקטובר 2026, Anthropic, OpenAI ו־SpaceX נכנסות לשוק הישראלי ישירות ובאמצעות שותפים מקומיים, כחלק ממהלך שנבנה מתחילת אוקטובר. הסיפור המרכזי אינו עוד מנוי לעובד, אלא המעבר לפעילות מקומית ולפרויקטים ארגוניים מורכבים, שבהם החיבור למערכות הקיימות חשוב לא פחות מהטכנולוגיה עצמה.
מה דווח, ומה עדיין לא אפשר לקבוע
הדיווח בגלובס מצביע על התמודדות על תקציבים של גופים גדולים במשק, ובהם גם מערכת הביטחון. זהו שוק שבו רכישת כלי AI אינה מסתיימת בהזנת פרטי תשלום: היא מחייבת בחינה של אבטחת מידע, הרשאות, רכש, תמיכה ואחריות לתקלות. לכן, עצם הנכונות לפעול מול הארגונים האלה באמצעות נוכחות מקומית או שותפים היא החלק המשמעותי בהתפתחות.
עם זאת, חשוב להפריד בין תאריך הפרסום לבין מועד ההתרחשות. אין כאן שלוש הכרזות שהתקיימו ב־21 באוקטובר, אלא דיווח על תהליך שנבנה לאורך החודש. מהתחקיר גם אי אפשר להסיק שכל אחת מהחברות פתחה משרד בישראל, חתמה על לקוח ממשלתי או כבר מפעילה פרויקט בבנק מסוים.
גם הופעת SpaceX לצד OpenAI ו־Anthropic אינה מספיקה כדי לקבוע ששלושתן מציעות מוצר זהה או מתחרות באותו חלק של כל עסקה. פרטי ההצעות והחלוקה בין פעילות ישירה לשותפים אינם מפורטים בחומר שלפנינו. מבחינת הקורא הישראלי, זו תמונת כיוון עסקית חשובה, אך עדיין לא מפת ספקים מלאה שאפשר לבסס עליה החלטת רכש.
נוכחות מקומית אינה הבטחה לאחסון מידע בישראל. לפני התקשרות יש לבדוק בנפרד את מיקום העיבוד והאחסון, הרשאות הגישה, תנאי השימוש במידע וחלוקת האחריות בין הספק לשותף המקומי.
למה השותפים המקומיים עשויים להכריע עסקאות
בפרויקט ארגוני, היכולת של מודל לענות היטב היא רק רכיב אחד. כדי שעובד יוכל להיעזר בו במסמך פנימי, המערכת צריכה לדעת מי העובד, לאילו מסמכים מותר לו לגשת ואיך לתעד את הפעולה. אם התשובה שגויה או השירות אינו זמין, הארגון זקוק גם למסלול ברור לטיפול בתקלה.
כאן עשוי להיווצר היתרון של שותף מקומי: לא בהכרח בפיתוח מודל משלו, אלא בחיבור בין שירות ה־AI לבין מערכות הלקוח, תהליכי האישור והעבודה בעברית. זו המשמעות המעשית של המעבר ממכירת גישה מרחוק לפרויקט הטמעה. האחריות אינה נגמרת בהדגמה מוצלחת, אלא נמשכת בבדיקות, בהדרכה ובתחזוקה.
מנגד, תוספת של שותף אינה מבטלת מורכבות ועלולה להוסיף שכבת תיאום. לקוח צריך לדעת מי מטפל בהרשאות, מי בודק שינוי בהתנהגות המודל ומי מוסמך לפתור תקלה שמשלבת כמה מערכות. בלי חלוקה ברורה, קרבה גאוגרפית ושירות בעברית לא בהכרח יתורגמו לשירות טוב יותר.
השאלה הארגונית אינה רק איזה מודל עונה טוב יותר, אלא מי אחראי כשהתשובה הופכת לחלק מתהליך עבודה.
בנקים וקופות חולים: הדרישות שמאחורי התקציב
לארגון ישראלי גדול, השאלה הראשונה צריכה להיות איזו משימה רוצים לשפר. כלי שמסייע לעובדים לאתר נוהל פנימי שונה ממערכת שמנסחת תשובה ללקוח, ושניהם שונים ממערכת שמשפיעה על החלטה רפואית או פיננסית. הדוגמאות האלה ממחישות את סוגי השימושים האפשריים, ולא מעידות על פרויקטים שכבר הוכרזו במסגרת הדיווח.
בעבודה בעברית, מבחן קבלה שימושי צריך לכלול מסמכים אמיתיים שמותר להשתמש בהם, קיצורים מקצועיים ושילוב בין עברית לאנגלית. רצוי לבדוק גם מקרים שבהם אין למערכת מספיק מידע: האם היא מודה בכך, מפנה למקור מתאים או מייצרת תשובה בטוחה מדי. הצלחה בשיחה כללית אינה תחליף לבדיקה בתוך סביבת העבודה.
- הגדרת משימה: מה המערכת רשאית לעשות, ומה חייב להישאר באישור עובד מוסמך.
- גבולות מידע: אילו נתונים נשלחים לספק, היכן הם נשמרים ולמי יש גישה אליהם.
- בדיקות בעברית: דיוק במונחים מקומיים, הפניה למסמכי מקור והתנהגות כשחסר מידע.
- אחריות תפעולית: כתובת לתקלות, ניהול עדכונים ותהליך חזרה למצב קודם.
- יכולת יציאה: ייצוא מידע, החלפת רכיבים והמשך עבודה במקרה של החלפת ספק.
מעבר בין מודלים: אפשרות לחיסכון, לא הבטחה
זווית נוספת שעולה מהדיווח היא האפשרות לעבור בין מודלים כדי לצמצם עלויות. ההיגיון העסקי ברור: לא כל משימה דורשת אותן יכולות. ארגון יכול לבחון שימוש במודלים שונים למשימות שונות, במקום לבנות את כל המערכת סביב בחירה אחת. אבל מהתחקיר אין בסיס לקבוע שיעור חיסכון, מחיר מסוים או יתרון כספי של חברה אחת.
גם החלפה שנראית פשוטה ברמת החיבור הטכני דורשת בדיקה. מודל אחר עשוי לפרש הוראות אחרת, להחזיר תשובה במבנה שונה או להתקשות במונחים עבריים שהמערכת כבר למדה להתמודד איתם. לכן, עלות המעבר כוללת גם הרצת מבחנים, התאמת תהליכים ובחינת התוצאה מול דרישות הארגון.
לצוותי פיתוח בארץ, המסקנה המעשית היא לתכנן מראש אפשרות החלפה בלי להניח שהיא חינמית. הפרדה בין נתוני הארגון, ההוראות למודל והחיבור לספק יכולה להקל על שינוי בעתיד. לצד זאת, כדאי לשמור מאגר בדיקות קבוע שיאפשר להשוות איכות, זמן תגובה ועלות כוללת באותה משימה בדיוק.
מה יוכיח שהפעילות בישראל באמת העמיקה
השלב הבא שכדאי לעקוב אחריו הוא פרסום פרטים שאפשר לבדוק: זהות שותפים, תחומי אחריות, לקוחות שניתן לחשוף ותנאי שירות המתאימים לארגונים בישראל. אלה יאפשרו להבחין בין הרחבת מאמצי מכירה לבין יכולת ממשית להוציא לפועל פרויקטים מורכבים. בינתיים, הדיווח מסמן כיוון, ולא מספק תשובה לכל שאלת רכש.
עבור בנק, קופת חולים או משרד ממשלתי, התחרות עשויה להרחיב את אפשרויות הבחירה ואת מרחב המשא ומתן. אבל התוצאה החשובה אינה מספר הספקים שמגיעים לפגישה, אלא מערכת שעובדת בעברית, שומרת על גבולות המידע ואפשר לתחזק או להחליף אותה. שם תיבחן המשמעות של הפעילות המקומית, מעבר לשמות הגדולים שבכותרת.
שאלות נפוצות
האם OpenAI ו־Anthropic פתחו משרדים בישראל?
דיווח גלובס מ־21 באוקטובר 2026 מתאר כניסה והעמקת פעילות בישראל, ישירות ובאמצעות שותפים מקומיים. התחקיר המצורף אינו מאפשר לקבוע שכל חברה פתחה משרד, הקימה צוות מקומי או הכריזה על כך באותו יום.
האם פעילות מקומית של חברות AI מבטיחה שהמידע נשאר בישראל?
לא. נוכחות עסקית מקומית אינה מעידה כשלעצמה על מיקום העיבוד והאחסון. ארגון צריך לבדוק בחוזה ובתכנון הטכני היכן המידע מעובד, מי יכול לגשת אליו ומהם תנאי השמירה והמחיקה.
איך מעבר בין מודלי AI יכול לצמצם עלויות לארגון?
אפשר לבחון התאמה של מודלים שונים למשימות שונות, במקום להשתמש באותו מודל לכל פעולה. החיסכון אינו מובטח: צריך להביא בחשבון גם בדיקות איכות, פיתוח, תחזוקה ועלויות החלפת ספק.
דרגו את הכתבה
הדירוג עוזר לנו לדעת מה שווה לכם.
תגובות