אובר, אחת מענקיות הטכנולוגיה הבולטות בעולם התחבורה, ניצבת בפני שאלה שמעסיקה כיום כמעט כל חברה גדולה בעמק הסיליקון: האם ההשקעה העצומה בכלי בינה מלאכותית באמת מצדיקה את עצמה?
בשנים האחרונות אימצה החברה במהירות כלי פיתוח מבוססי AI, בעיקר כאלה המסייעים למהנדסים לכתוב קוד, לתקן באגים, לבצע בדיקות ולהאיץ תהליכי פיתוח. אלא שככל שהשימוש בכלים הללו התרחב, כך גם תפחו העלויות. כעת בכירי החברה מודים כי ההתלהבות מהטכנולוגיה מקדימה את היכולת להוכיח את הערך העסקי שלה.
במוקד הדיון עומדות ההוצאות הכבדות על מודלי קוד וסוכני AI, ובהם Claude Code של חברת Anthropic. לא מדובר בהשקעות הון מסורתיות כמו רכישת חברות, הקמת צי רובוטקסי או פיתוח תשתיות פיזיות, אלא בעלויות שוטפות של שימוש במודלים: קריאות API, צריכת טוקנים, הרצות ענן וכלי פיתוח חכמים שמלווים אלפי מהנדסים בעבודתם היומיומית.
לפי הנתונים שנחשפו, התקציב השנתי של אובר לשנת 2026 עבור כלי AI לכתיבת קוד נוצל כולו כבר במהלך חודש אפריל, כארבעה חודשים בלבד לאחר תחילת השנה. הסיבה המרכזית לכך הייתה אימוץ מהיר ואגרסיבי של Claude Code בקרב כ-5,000 מהנדסים בחברה. עלות השימוש החודשית לכל מהנדס נעה לפי הדיווחים בין 500 ל-2,000 דולר.
היקף השימוש מרשים במיוחד: כ-95% מהמהנדסים באובר עושים שימוש בכלי AI, וכ-70% מהקוד החדש נכתב בעזרתם. נוסף על כך, כ-11% מעדכוני הקוד בצד השרת מתבצעים כיום באופן אוטונומי לחלוטין על ידי סוכני AI.
אבל דווקא הנתונים המרשימים הללו מעלים שאלה מטרידה: האם יותר AI פירושו בהכרח יותר ערך?
סמנכ"ל התפעול של אובר, אנדרו מקדונלד, העלה לאחרונה ספקות סביב החזר ההשקעה של המהלך. לדבריו, השימוש ההולך וגובר בכלי AI אינו מתורגם בהכרח ליותר פיצ'רים משמעותיים עבור המשתמשים. בשיחות עם מנהלי הנדסה בכירים התברר כי קיים פער בין כמות הטוקנים הנצרכת לבין התועלת המעשית שמופקת מהם.
הביקורת הזו מתחברת למונח שהפך נפוץ יותר בעמק הסיליקון: "Tokenmaxxing". הכוונה היא למרדף אחר שימוש מקסימלי במודלי AI מתוך הנחה שככל שצורכים יותר טוקנים, כך מייצרים יותר קוד, יותר פיתוח ויותר חדשנות. אלא שאובר מתחילה לגלות כי הקשר הזה אינו תמיד ישיר.
מנהל הטכנולוגיה של החברה, פראווין נפללי נאגה, כבר התריע באפריל כי ההערכות התקציביות של החברה בתחום היו נמוכות מדי ביחס למציאות. לדבריו, קצב האימוץ של הכלים היה מהיר בהרבה מהצפוי, והחברה נאלצה לחשב מחדש את מסלול ההשקעה שלה בתחום.
המשמעות רחבה יותר מהתקציב הטכנולוגי בלבד. לפי הדיווחים, אובר אף האטה גיוסים כדי לממן את ההוצאות הגוברות על כלי AI. בנוסף, נתונים חיצוניים מצביעים על מגמה דומה בתעשייה. ניתוח של חברת Jellyfish מראה כי צריכת טוקנים גבוהה אכן יכולה להאיץ את קצב כתיבת הקוד, אך בשלב מסוים התועלת השולית פוחתת.
הסיפור של אובר טוב כהמחשה לשלב החדש במהפכת הבינה המלאכותית. אם בתחילת הדרך השאלה הייתה האם לאמץ את הכלים הללו, כיום השאלה מורכבת בהרבה: כיצד משתמשים בהם נכון, איך מודדים את התרומה שלהם, ומתי ההתלהבות הטכנולוגית הופכת להוצאה שקשה להצדיק.
0 תגובות