מלחמת ההטמעה: AWS ומיקרוסופט שולחות מהנדסי AI ללקוחות
AWS משקיעה מיליארד דולר במהנדסים שיישבו אצל לקוחות, מיקרוסופט עונה עם 2.5 מיליארד. ניתוח: התחרות עברה מהמודלים ליכולת ליישם אותם בשטח.
בתוך יומיים בסוף יוני ותחילת יולי, שתי ענקיות הענן הגדולות בעולם הכריזו על השקעות של מיליארדי דולרים לא במודלים חדשים ולא בדאטה-סנטרים, אלא בבני אדם: מהנדסים שיישבו פיזית אצל הלקוחות ויגרמו ל-AI לעבוד. AWS פתחה עם ארגון Forward Deployed Engineering בהשקעה של מיליארד דולר, ומיקרוסופט ענתה עם Frontier Company, יחידה של 6,000 מומחים ו-2.5 מיליארד דולר. המסר משתי ההודעות זהה: הקרב על הטמעת AI בארגונים כבר לא מוכרע בבנצ'מרקים, אלא במסדרונות של הלקוח.
מה הוכרז: פודים של מהנדסים, ספרינטים של 45 יום
לפי הדיווח ב-CNBC מ-30 ביוני, המודל התפעולי של AWS מדויק להפתיע: פודים של חמישה עד שישה מהנדסי AI, כשכל מהנדס מלווה בסוכני AI משלו, שנכנסים לצוותי הלקוח לספרינטים של 45 יום. המשימה היא לבנות מערכות AI אגנטיות בסביבת הפרודקשן של הלקוח עצמו, על בסיס הדאטה והממשל התאגידי הקיימים שלו, ולא בסביבת דמו סטרילית. גם התמחור שונה מהמקובל בעולם הייעוץ: מחיר קבוע ומבוסס תוצאות, לא חיוב שעתי. בין הלקוחות הראשונים שנחשפו: מכון אלן, Cox Automotive, ה-NBA, ה-NFL, Ricoh ו-Southwest Airlines.
יומיים אחר כך, ב-2 ביולי, מיקרוסופט חשפה את Frontier Company בהובלת רודריגו קדה לימה, לשעבר נשיא מיקרוסופט אסיה. היחידה החדשה מציעה מודל אגנוסטי למודלים: הלקוח יכול להריץ OpenAI, Anthropic, מודלים של מיקרוסופט או קוד פתוח, והמהנדסים של מיקרוסופט יתפרו את הפתרון. בין הלקוחות המוקדמים: בורסת לונדון (LSEG), יוניליוור, נובו נורדיסק ו-Land O'Lakes. הסמיכות בין ההודעות לא נראית מקרית, ובמיקרוסופט אף עלה חשד שאמזון הקדימה את ההכרזה שלה לאחר שנודע לה על התוכניות.
למה עכשיו: הנתון שמניע את כל הענף
המספר שמסביר את גל ההשקעות הזה עגום למדי: בין 73% ל-95% מהפיילוטים של AI ארגוני נכשלים בהפקת תוצאות עסקיות מדידות, לפי מחקרים של MIT, מקינזי, RAND וגרטנר. הבעיה, מסתבר, כמעט אף פעם אינה המודל. חלונות context ענקיים, יכולות reasoning ומחירי API צונחים כבר זמינים לכולם. מה שחסר הוא היכולת לחבר את המודלים למערכות legacy, לדאטה מבולגן, לדרישות רגולציה ולפוליטיקה ארגונית. זה בדיוק המקום שבו יישום בינה מלאכותית נתקע, וזה בדיוק מה שמהנדס שיושב פיזית אצל הלקוח אמור לפתור.
כל ארגון גדול שעבדתי איתו יודע לכתוב אסטרטגיית AI מרשימה. כמעט אף אחד לא יודע להעביר אותה מהמצגת לפרודקשן. מי שסוגר את הפער הזה מחזיק את הלקוח לעשור.
וזו כבר מלחמה כלל-ענפית, לא רק דו-קרב בין סיאטל לרדמונד. OpenAI הקימה במאי את DeployCo בגיבוי של יותר מ-4 מיליארד דולר בהון חיצוני, Anthropic הקימה מיזם הטמעות של 1.5 מיליארד דולר יחד עם גולדמן זאקס, בלקסטון ו-Hellman & Friedman, וגוגל קלאוד משקיעה 750 מיליון דולר בתוכנית Gemini Enterprise Transformation עם מהנדסי FDE משלה. אנליסט גרטנר אלכס קוקיירו צופה כי 85% מספקיות הטכנולוגיה יקימו תוכניות Forward Deployed Engineering דומות כמודל ליבה עד סוף השנה.
ההקשר הפיננסי: לחץ בוול סטריט והוצאות הוניות מזנקות
המהלכים לא נולדו בוואקום. מניית מיקרוסופט ירדה יותר מ-20% מתחילת השנה, הפתיחה הגרועה ביותר שלה מאז שנת 2000, בשעה שההוצאות ההוניות שלה זינקו 63% ברבעון האחרון ל-38 מיליארד דולר. המשקיעים שואלים שאלה פשוטה: איפה ההחזר על עשרות מיליארדי הדולרים שנשפכו על תשתיות AI. יחידות הטמעה עם תמחור מבוסס תוצאות הן תשובה ישירה לשאלה הזו, כי הן הופכות את השימוש ב-AI מקו הוצאה של הלקוח למנוע צריכת ענן מדיד עבור הספק. כל workload אגנטי שנכנס לפרודקשן אצל לקוח הוא הכנסה חוזרת על התשתית שכבר נבנתה.
המונח Forward Deployed Engineer נטבע בפלנטיר, שבנתה עליו את כל המודל העסקי שלה: מהנדסים שיושבים אצל הלקוח ובונים את הפתרון סביב הבעיה הקונקרטית שלו. עכשיו ענקיות הענן מאמצות את הגישה בקנה מידה של אלפי עובדים.
מה זה אומר לשוק הישראלי: איום והזדמנות
לארגונים ישראליים גדולים, בעיקר בנקים, חברות ביטוח, קמעונאות ותעשייה ביטחונית, זו בשורה מעורבת. מצד אחד, אם המודל של AWS ומיקרוסופט יגיע לארץ בהיקף מלא, חברות שנתקעו בשלב הפיילוט יקבלו סוף סוף מסלול מובנה לפרודקשן, עם ספרינטים קצובים ותמחור צפוי. מצד שני, מי שממתין למהנדסים של הענקיות עלול לגלות שהתור העולמי ארוך והפריוריטיזציה הולכת ללקוחות עתק כמו חברות תעופה ובורסות.
בצד הספקים המקומיים, אינטגרטורים ובתי תוכנה ישראליים שחיים מפרויקטי הטמעה צריכים לקרוא את המפה מחדש: הענקיות נכנסות בדיוק למגרש שלהם, עם כיסים עמוקים ותמחור מבוסס תוצאות שקשה להתחרות בו בחיוב שעתי קלאסי. מנגד, נפתחת הזדמנות לסטארטאפים ישראליים שבונים כלים לשכבת ההטמעה עצמה: תזמור סוכנים, observability למערכות אגנטיות, ממשל דאטה וחיבור למערכות ארגוניות. אם 85% מהספקיות באמת יקימו יחידות FDE, כולן יזדקקו לאותם כלים בדיוק, וזו קטגוריית רכש חדשה שנולדת מול העיניים.
- מנהלי IT ודאטה בארגונים: בדקו מול נציגי AWS ומיקרוסופט בישראל מתי התוכניות נפתחות ללקוחות מקומיים ומה תנאי הסף
- אינטגרטורים מקומיים: מיצוב מחדש סביב מומחיות ורטיקלית (פיננסים, בריאות, ביטחון) והיכרות עם רגולציה ישראלית, שם לענקיות אין יתרון
- סטארטאפים: שכבת הכלים של מלחמת ההטמעה (deployment, evals, ממשל סוכנים) היא שוק חדש עם קונים שזוהו כבר עכשיו
- מפתחי AI: הביקוש למהנדסים שמשלבים יכולת הנדסית עם עבודה מול לקוח (הפרופיל של FDE) צפוי לזנק, כולל במרכזי הפיתוח בארץ
מה הלאה: המייל האחרון של אימוץ בינה מלאכותית
הסימנים לעקוב אחריהם בחודשים הקרובים ברורים. ראשית, האם AWS ומיקרוסופט יפרסמו מדדי הצלחה מלקוחות הגל הראשון, כי תמחור מבוסס תוצאות מחייב שקיפות שתעמוד למבחן. שנית, איך גוגל, OpenAI ו-Anthropic ירחיבו את היוזמות המקבילות שלהן, והאם DeployCo של OpenAI תתחיל לגייס בישראל. ושלישית, האם המודל יחלחל למטה: אם ספרינט של 45 יום עם פוד מהנדסים הופך לסטנדרט אצל לקוחות ענק, גרסה מוקטנת שלו תגיע גם לשוק הבינוני, וזה השוק שבו רוב העסקים הישראליים חיים. אסטרטגיית AI לעסקים ב-2026 כבר לא נמדדת בשאלה איזה מודל בחרת, אלא כמה מהר הוא עובד באמת אצלך בפרודקשן.
שאלות נפוצות
מה זה Forward Deployed Engineering ב-AI?
מודל שבו מהנדסי AI של הספק יושבים פיזית בתוך צוותי הלקוח ובונים פתרונות בסביבת הפרודקשן שלו, על הדאטה והמערכות האמיתיות. הגישה נטבעה בפלנטיר, וב-2026 אומצה בהיקף רחב על ידי AWS, מיקרוסופט, גוגל, OpenAI ו-Anthropic.
כמה משקיעות AWS ומיקרוסופט בהטמעת AI אצל לקוחות?
AWS הכריזה על השקעה של מיליארד דולר בארגון Forward Deployed Engineering עם פודים של 5-6 מהנדסים בספרינטים של 45 יום. מיקרוסופט ענתה עם Frontier Company: 2.5 מיליארד דולר ו-6,000 מומחי הנדסה ותעשייה במודל אגנוסטי למודלים.
למה רוב הפיילוטים של AI בארגונים נכשלים?
לפי מחקרים של MIT, מקינזי, RAND וגרטנר, בין 73% ל-95% מהפיילוטים לא מפיקים תוצאות עסקיות מדידות. הסיבה בדרך כלל אינה המודל אלא היישום: חיבור למערכות קיימות, איכות דאטה, ממשל ורגולציה, ופער בין הדגמה לסביבת פרודקשן אמיתית.
דרגו את הכתבה
הדירוג עוזר לנו לדעת מה שווה לכם.
תגובות