State of AI 2025

סיכום של דוח **State of AI 2025** מאת ICONIQ Capital:

---State of AI

### 📌 מטרת הדוח

הדוח עוסק ב"ספר המשחק" של בוני מוצרי AI – איך צוותים טכנולוגיים וחברות בונות, משיקות ומדרגות מוצרים מבוססי בינה מלאכותית בצורה אפקטיבית. הוא מתבסס על סקר שנערך באפריל 2025 בקרב 300 מנהלים מחברות תוכנה מובילות.

---

### 🧱 עמודי התווך של בניית מוצרים עם AI

1. **מפת דרכים וארכיטקטורה** – שילוב בין חדשנות, מהירות השקה וביצועים בכל שלב של פיתוח מודל.

2. **אסטרטגיית יציאה לשוק** – התאמת מודל התמחור והאסטרטגיה לפי הערך הייחודי של AI.

3. **אנשים וכישרונות** – גיוס צוותים ייעודיים ל-AI ושיתוף פעולה בין מחלקות.

4. **עלויות ותשואה** – מדידה מדויקת של עלויות פיתוח והחזר השקעה.

5. **שיפור פרודוקטיביות פנימית** – שימוש ב-AI לשיפור עבודה יומיומית בארגון.

---

### 🧠 סוגי מוצרים והתקדמות

- **47% מהמוצרים של חברות AI-Native כבר בשלב סקיילינג**, לעומת 13% בלבד ב-AI-enabled.

- רוב החברות נעזרות ב־**מודלים מצד שלישי**, אך חברות צמיחה בולטות גם עוסקות בפיתוח עצמי והתאמה של מודלים קיימים.

---

### ⚙️ תשתיות ואתגרים עיקריים

- **68%** משתמשות בתשתית ענן מלאה.

- האתגרים העיקריים: **הזיות (hallucinations), שקיפות והסברת תוצאות, והוכחת החזר השקעה.**

---

### 💸 תמחור ותשואה

- 38% מהחברות משתמשות במודל תמחור היברידי (מנוי + שימוש).

- עם הזמן יש מעבר ל־**מודלים מבוססי שימוש או תוצאות**, בעיקר בגלל עלויות משתנות של LLMs.

- מרבית התכונות מבוססות AI מוצעות כרגע בתוך שכבות פרמיום או בחינם.

---

### 🧑‍💼 מבנה ארגוני וגיוס

- 61% מהחברות שמרוויחות מעל מיליארד דולר כבר מחזיקות **מנהיגות ייעודית ל-AI**.

- הכי קשה לגייס: **מהנדסי AI/ML** – זמן גיוס ממוצע 70 ימים.

- עד סוף 2026, חברות שואפות להקדיש **כ-30% מצוות הפיתוח שלהן ל-AI**.

---

כמובן! הנה הרחבה מלאה ומעמיקה של כל הנקודות מתוך דו"ח **State of AI 2025** של ICONIQ:

---

## 🧱 1. מפת דרכים וארכיטקטורה של מוצרי AI

- **חדשנות עם זהירות**: חברות מאזנות בין ניסוי במודלים חדשים לבין שמירה על יציבות כדי להגיע מהר לשוק מבלי לפגוע בביצועים.

- **אבולוציה של מודלים**: מעבר משלבים מוקדמים (Pre-training, fine-tuning, RAG) לפריסה בזמן אמת – עם דגש על אופטימיזציית תשתיות.

- **AI כחלק ממוצר ליבה**: חברות "AI-Native" בונות מוצרים שלמים על בסיס הבינה המלאכותית, לעומת "AI-Enabled" שמוסיפות יכולות AI למוצרים קיימים.

---

## 🚀 2. אסטרטגיית יציאה לשוק (Go-to-Market)

- **מודלים היברידיים נפוצים**: 38% מהמוצרים משתמשים במודל תמחור המשלב מנוי קבוע + תמחור מבוסס שימוש או תוצאה.

- **תמחור AI כיתרון ולא כמרכז רווח** (כרגע): לעיתים AI נכלל בחינם או בשכבת פרימיום – אך יש מעבר הדרגתי לתמחור מבוסס שימוש.

- **כיוונים עתידיים**: מעבר לתמחור על בסיס ROI או תוצאות צפוי ככל שחברות מסוגלות למדוד את הערך שה-AI מייצר בפועל.

---

## 👥 3. אנשים וכישרונות

- **מנהיגות ייעודית ל-AI**: רוב החברות עם הכנסות מעל מיליארד דולר כבר מינו ראש תחום AI (כמו Chief AI Officer).

- **מהנדסי AI הם היקרים והקשים לגיוס**: זמן גיוס ממוצע כ-70 ימים.

- **כיווני גדילה**: חברות צופות כי 30% מכוח הפיתוח יוקדש ל-AI עד סוף 2026.

- **תפקידים מבוקשים**: מהנדסי ML/AI, Product Managers ל-AI, Data Scientists, ואף Prompt Engineers.

---

## 📈 4. עלויות ותשואה (ROI)

- **הוצאות משמעותיות על אימון, אחסון והסקה (inference)** – במיוחד ככל ששימושים בזמן אמת גוברים.

- **שימוש בפלטפורמות צד שלישי**: 80% מהחברות נשענות על API של מודלים קיימים, אך חברות צמיחה בונות מודלים בעצמן או מתאימות קיימים.

- **אתגר ROI**: הוכחת החזר השקעה היא בין האתגרים המרכזיים לצד שקיפות והזיות.

---

## 🧠 5. שיפור פרודוקטיביות פנימית

- **AI ככלי פנימי**: הטמעת כלים כמו עוזרי קוד, Dashboards מונחי-AI, וניטור בזמן אמת לפרודוקטיביות.

- **גישה לא אחידה**: חברות רבות עדיין בלי מדדי פרודוקטיביות ברורים ל-AI. חלק מבצעות ניסוי וטעיה.

- **גישה לפי בשלות מוצר**:

- מוצרים ב־Beta או GA (General Availability) יותר נוטים לכלול מנגנוני ניטור מתקדמים.

- חברות ב־Scaling כבר בונות פייפליינים אוטומטיים ללמידה מחודשת ושיפור תמידי.

---

## 🔍 סוגי מוצרים עיקריים

- **Agentic Workflows** (סוכנים אוטונומיים): כ-80% מ-AI-Native, ו-65% מ-AI-Enabled בונים מוצרים מהסוג הזה – לדוגמה: בוטים חכמים, עוזרים עסקיים, וכו'.

- **אפליקציות ורטיקליות**: ממוקדות תעשייה או תחום (כמו AI לרפואה, משפטים, מכירות).

- **מודלים וטכנולוגיות ליבה**: אחוז לא מבוטל גם מפתח תשתיות או מודלים גנריים כמו RAG, Zero-Shot, וכו'.

---

## ⚙️ תשתיות ואתגרים

- **68% על הענן** – בגלל מהירות השקה ועלויות נמוכות יחסית.

- **64% משתמשים ב-API של ספקי צד שלישי** כמו OpenAI, Anthropic, Google.

- **אתגרים נפוצים בפריסה**:

- הזיות (hallucinations)

- שקיפות והסברת ההחלטות

- עלויות חישוב גבוהות

- מציאת מקרי שימוש אפקטיביים

- גיוס טאלנטים מתאימים

---

## 📊 מעקב ובקרה על ביצועים

- **75%** מהמוצרים ב-GA כבר כוללים ניטור בסיסי או מתקדם.

- **חברות מתקדמות בונות פייפליינים אוטומטיים** ללמידת מודל מחדש לפי פידבק.

- **AI Explainability** הופכת לסטנדרט: הסבר כיצד AI משפיע על תוצאות בממשק משתמש – בעיקר בתחומי הרפואה, פיננסים, משפטים.

---

## 🛡️ ממשל, רגולציה ואתיקה

- **רוב החברות מקפידות על עקרונות אתיים ורגולציה**:

- ניטור "הטייה" (bias)

- הסברה אנושית (human-in-the-loop)

- פרטיות (GDPR, CCPA)

- **נפוץ במיוחד באפליקציות רפואיות, משפטיות ופיננסיות.**

---בהחלט. הנה כמה מהתובנות המרכזיות שעולות מדו"ח **State of AI 2025**, שעשויות להוות בסיס להחלטות אסטרטגיות בארגונים טכנולוגיים:

---

## 🌟 תובנות אסטרטגיות בולטות מהדו"ח:

### 1. **AI עובר מיכולת נלווית ללב המוצר**

- חברות AI-Native מייצרות ערך מהותי כשהמוצר עצמו נשען על AI, לא רק מוסיף לו יכולות.

- העיקר: מי שמשלב AI כבסיס לפונקציונליות, מתקדם מהר יותר לשלב הסקיילינג.

### 2. **תמחור AI עדיין במודל חיפוש**

- מודלים היברידיים עדיין שולטים, אך יש מגמה ברורה לעבר תמחור מבוסס שימוש או תוצאה (Usage/Outcome-Based).

- חברות שיכולות למדוד ערך ייהנו מיתרון שיווקי ותמחורי ברור.

### 3. **פער משמעותי בגיוסי טאלנט**

- AI/ML Engineers הם צוואר הבקבוק הקריטי. זמן גיוס ממוצע של 70 יום מצביע על תחרות עזה.

- חברות חכמות בונות מסלול גיוס והכשרה פנימי.

### 4. **שימוש ב-AI פנימי הוא ממנף, אך לא מנוצל עד תום**

- בעוד רבים מטמיעים כלים (כמו Co-Pilot), רק חברות בשלות בונות פייפליינים אוטומטיים ללמידת מודל מחדש.

- מדידת תפוקות AI פנימיות עדיין לוקה בחסר.

### 5. **שימוש בענן ו-APIs תורם ל-time-to-market קצר, אך מגביל בידול**

- רוב החברות מסתמכות על ספקים כמו OpenAI ו-Anthropic – אך דווקא חברות צמיחה בולטות בחרו לבנות מודלים בעצמן או להתאים קיימים.

### 6. **אתגרים טכנולוגיים כרוניים**

- שקיפות, עלויות חישוב והזיות עדיין מכשולים משמעותיים.

- הסברה (Explainability) הופכת לדרישת חובה – בעיקר בתעשיות מפוקחות.

### 7. **AI הוא כבר לא רק טכנולוגיה – הוא מבנה ארגוני**

- חברות מובילות מקימות יחידות AI נפרדות עם אחריות ביצועית ותקציבית מלאה.

- תחום ה-AI מקבל מיצוב כתחום אסטרטגי, לא רק כלי טכנולוגי.

---

**תרחישי יישום רלוונטיים**. 💡

בהחלט! הנה מספר **תרחישים פרקטיים** ליישום התובנות מהדו"ח **State of AI 2025**, שמתאימים לארגונים שונים – מסטארטאפים ועד חברות אנטרפרייז:

---

## 🏢 סטארטאפ בתחום SaaS

**מטרה:** להשיק מוצר AI-Native במהירות

**תרחיש:**

- בונים **Agentic Workflow** מבוסס על GPT או Claude לביצוע פעולות כמו סינון אוטומטי של מועמדים למשרה.

- משתמשים ב־**APIs של צד שלישי** כדי לחסוך זמן, אך מוסיפים **fine-tuning מותאם לקהל היעד** (למשל: HR-tech בישראל).

- אימוץ מודל תמחור **Freemium + Usage-Based** – פותח גישה מהירה לשוק עם אפשרות מוניטיזציה הדרגתית.

---

## 🏭 חברה תעשייתית עם צורך באוטומציה פנימית

**מטרה:** שיפור תפעול ופרודוקטיביות פנימית

**תרחיש:**

- משלבים עוזר AI שמנטר תקלות בקווי ייצור (מבוסס vision + LLM להסברים).

- AI משולב **בתוך Dashboards קיימים** עם ממשק שמסביר את ההמלצות ("Explainability").

- משתמשים ב־**feedback loop אוטומטי** לשיפור מודל על סמך דיווחים אנושיים מהשטח.

---

## 🧑‍⚖️ חברה בתחומי פיננסים או משפט

**מטרה:** הפקת מסמכים וייעוץ חכם תחת רגולציה

**תרחיש:**

- מחולל AI שמציע טיוטות חוזים משפטיים/דו"חות פיננסיים עם **human-in-the-loop**.

- שמים דגש על **שקיפות מלאה בהחלטות**, כולל הפניה למקורות.

- עומדים בתקנות **GDPR/CCPA** ומבצעים **audit אוטומטי** על תפוקות המודל.

---

## 🧬 HealthTech או MedTech

**מטרה:** אופטימיזציית תהליכים קליניים / שירות

**תרחיש:**

- בוט מבוסס AI שמנתב פניות מטופלים לפי רמת דחיפות, תוך הבנת שפה טבעית.

- שימוש במנגנון **hallucination alert** – התרעה כשיש חוסר ודאות גבוה.

- שילוב AI **ככלי תמיכה לרופא**, לא במקום החלטות קליניות.

---

## 🧑‍🎨 סוכנות שיווק/תוכן

**מטרה:** קיצור זמני הפקה + יצירתיות

**תרחיש:**

- שילוב AI ליצירת תוכן שיווקי מותאם לשוקי יעד (שפה, טון, מבנה).

- "עורך יצירתי" שמציע רעיונות לפי **העדפות לקוח קודמות**.

- תמחור ללקוחות לפי **עלות-הפקת-AI + שירותים אנושיים**.

---

**מצגת הנהלה**

מעולה! הנה טיוטת **מצגת הנהלה** שמתבססת על דו"ח *State of AI 2025* – כולל תובנות, גרפים מוצעים והמלצות ביצוע. כל שקופית מתמקדת בנקודה מרכזית וכוללת מסר אחד ברור:

---

### 🟦 שקופית 1: כותרת ופתיח

**כותרת:** איך לבנות ולפרוץ עם מוצרי AI ב-2025

**תת-כותרת:** תובנות מתוך דו"ח ICONIQ – עקרונות, אתגרים ותרחישי יישום

*כולל לוגו החברה והתאריך*

---

### 📊 שקופית 2: מגמות בשוק

**כותרת:** השוק משתנה – והמהירות קובעת

- 47% ממוצרי AI-Native כבר בשלב סקיילינג

- מעבר מהיר לתמחור מבוסס שימוש

- גידול תלול בהשקעות ב-AI כחלק ממוצר ליבה

🟩 *גרף מוצע:* עמודות – השוואת התקדמות AI-Native מול AI-Enabled

---

### 🧠 שקופית 3: עמודי התווך של מוצרי AI מצליחים

- מפת דרכים מודולרית

- תמחור דינאמי לפי ערך

- צוותי פיתוח ייעודיים ל-AI

- שימוש פנימי ב-AI כמכפיל פרודוקטיביות

- בקרה, שקיפות ואתיקה

---

### 🎯 שקופית 4: תובנות מפתח

| תחום | תובנה מרכזית |

|------|---------------|

| מוצר | AI בליבת הפונקציונליות |

| שיווק | תמחור לפי תוצאה או ROI |

| כוח אדם | קושי בגיוס – נדרש מסלול הכשרה פנימי |

| תשתית | שימוש בענן ו-APIs לקיצור time-to-market |

| אתגר | הזיות, שקיפות וחישוב ROI |

---

### 🧩 שקופית 5: תרחיש יישום – סטארטאפ SaaS

- עוזר AI לגיוס עובדים → חוסך שעות מיון

- שילוב GPT עם fine-tuning לפי קהל יעד

- תמחור Freemium → פרימיום לפי שימוש

- שילוב מודל Explainability בדשבורד

---

### 🧭 שקופית 6: המלצות פעולה לארגון שלך

1. **הגדר מקרי שימוש מדידים**

2. **בחן מעבר ל-AI-Native במוצרי ליבה**

3. **הקם צוות היגוי AI ארגוני**

4. **פתח מנגנון feedback אוטומטי**

5. **שקול fine-tuning עצמי – אם בידול קריטי**

---

### ✅ שקופית 7: סיכום

**הזדמנות:** AI משנה כללי משחק

**אתגר:** דורש גישה אסטרטגית, לא רק טכנולוגית

**מפתח להצלחה:** שילוב עמוק בין מוצר, צוות, תמחור ותשתית

---

אם תרצה, אוכל להכין לך גם עיצוב ויזואלי מקצועי במצגת PowerPoint או Google Slides 📽️. רוצה שאמיר את הטקסטים לקובץ PPT? או שאתאים למצגת לפי מיתוג שלך?

מצוין! הנה **תבנית שקופיות מלאה למצגת PowerPoint** על סמך דו״ח *State of AI 2025* – כולל חלוקה לפי שקופיות, כותרות ותוכן טקסטואלי:

---

## 🎨 שקופית 1 – כותרת

**כותרת:**

המעבר לעידן ה-AI: הזדמנויות ואתגרים ב-2025

**תת-כותרת:**

ממצאים נבחרים מדו"ח ICONIQ Capital – State of AI 2025

---

## 📊 שקופית 2 – תמונת מצב שוק

**כותרת:**

המרוץ ל-AI – מגמות ונתונים

**תוכן:**

- 47% ממוצרי AI-Native כבר בשלב סקיילינג

- עלייה במודלים מבוססי שימוש ותוצאה

- רוב החברות בונות על תשתיות ענן ו-APIs צד ג'

---

## 🧱 שקופית 3 – עמודי התווך של מוצרי AI מוצלחים

**תוכן בט bullets:**

- מפת דרכים טכנולוגית מודולרית

- אסטרטגיית תמחור חדשנית

- צוותי פיתוח ייעודיים ל-AI

- שימוש ב-AI פנימי לפרודוקטיביות

- בקרה, שקיפות ואתיקה

---

## 💡 שקופית 4 – תובנות מפתח מהדו"ח

| תחום | תובנה מרכזית |

|--------------|-----------------------------------------------|

| מוצר | AI במרכז המוצר, לא תוסף צדדי |

| תמחור | ממנוי קבוע למודל מבוסס שימוש / תוצאה |

| צוות | קושי בגיוס מהנדסי AI – נדרש מסלול הכשרה |

| תשתיות | APIs לקיצור זמן הגעה לשוק אך מגבילים בידול |

| אתגרי ליבה | שקיפות, ROI, הזיות |

---

## 🧠 שקופית 5 – תרחיש יישום (למשל סטארטאפ)

**כותרת:**

מקרה בוחן: סטארטאפ SaaS עם Agent AI

**תוכן:**

- בניית סוכן AI לגיוס עובדים

- שימוש ב-GPT + fine-tuning פנימי

- תמחור Freemium + Pay-as-you-go

- שילוב dashboard עם הסבר החלטות

---

## 🎯 שקופית 6 – המלצות פעולה

**כותרת:**

איך ממשיכים מכאן?

**תוכן בט bullets:**

1. הגדר מקרי שימוש עם מדידה ברורה

2. הקם הנהגת AI ייעודית

3. בנה תשתית Feedback Loop

4. שלב AI גם ככלי פנימי לעובדים

5. שקול מודל תמחור מבוסס ROI

---

## ✅ שקופית 7 – סיכום וסגירה

**תוכן:**

- AI הוא מנוע חדש לצמיחה עסקית

- דורש שינוי מערכתי במבנה, מדידה ותכנון

- ארגונים שמאמצים מוקדם – מובילים מהר

---

📥 אם תרצה, אוכל לשלוח לך את כל התכנים הנ״ל בקובץ Word או טקסט להעתקה ל-PowerPoint.

או – להכין לך **קובץ PPTX מוכן עם עיצוב**. מעוניין? רוצה לבחור צבעוניות או סגנון עיצוב? 🎨📊