הַכָּרִישׁ, הַמְּדִינָה וּמַהְפֵּכַת ה־AI
כולם מדברים על השריון החדש של ביבי בליכוד, “הכריש” אורן דוברונסקי. קל להבין מדוע. יזם הייטק, משקיע, מסעדן וכוכב טלוויזיה מקבל מקום ברשימה בהחלטה אישית של בנימין נתניהו. הדימוי כמעט מתבקש מעצמו: עוד שם מוכר שמוצמד למפלגה ערב בחירות.
כדאי בכל זאת לקרוא את האותיות הקטנות. לפי הודעת הליכוד, דוברונסקי מיועד להוביל לאחר הבחירות את תחום הבינה המלאכותית במשק, בחינוך, ברפואה ובתחומים נוספים. הגדרה כזאת חורגת מתפקידו המקובל של “נציג ההייטק”. היא מתארת ניסיון לרכז טרנספורמציה טכנולוגית החוצה משרדי ממשלה ומערכות כלכליות.
הבחירה בדוברונסקי מוזרה רק אם מחפשים חוקר AI. אין ברזומה הפומבי שלו דוקטורט במדעי המחשב, קריירה אקדמית ב־Machine Learning, מעבדת מחקר או רשימת פרסומים מדעיים בתחום. לישראל יש חוקרים שמבינים בארכיטקטורות של מודלים, אופטימיזציה ולמידת מכונה ברמה עמוקה ממנו בהרבה.
ניהול המעבר לכלכלת AI דורש סט כישורים אחר. מודלים צריכים חוקרים. מדינה צריכה גם אנשים שיודעים להפוך טכנולוגיה להון, הון לחברות, חברות לתשתית ותשתית לפריון.
דוברונסקי מגיע מהדור הראשון של תעשיית התוכנה הישראלית. הוא שירת בממר”ם והגיע מעולם התכנות והמערכות המורכבות. לאחר מכן היה ממייסדי Hotbar, שהוקמה ב־1998 והפכה לאחת מחברות האינטרנט הישראליות הבולטות של תקופת הדוט־קום. מסמכים שהוגשו ל־SEC מתארים את Hotbar כחברה הראשונה שמסחרה Browser Toolbar וכמי שסייעה ליצור קטגוריית מוצרים שלמה. החברה צמחה לכ־160 עובדים ולפעילות בינלאומית ונרכשה ב־2006.
החשיבות אינה נוסטלגית. דוברונסקי עבר בתוך שלושה עשורים כמה משטרים טכנולוגיים: מחשוב ארגוני, אינטרנט מסחרי, פרסום דיגיטלי, מובייל, SaaS, פלטפורמות, Data וכעת AI. כל אחד מהמעברים האלה שינה את המקום שבו נוצר הערך הכלכלי. ניסיון כזה מייצר הבנה מסוג שקשה לקבל מתואר אקדמי: כיצד טכנולוגיה עוברת ממספר קטן של מהנדסים למיליוני משתמשים, כיצד מוצר הופך לחברה וכיצד יתרון הנדסי הופך ליתרון עסקי.
אחרי Hotbar הגיעו SmartShopper, Infolinks, OwnerListens ו־Wondermall. החברות שונות, אך המכנה המשותף שלהן עקבי: איסוף מידע, הבנת הקשר, אוטומציה, התאמה למשתמש והמרת נתונים לפעולה. SmartShopper זיהתה מוצרים שמשתמש חיפש והשוותה עבורו חלופות. Infolinks ניתחה תוכן והקשר לצורך התאמת פרסום. OwnerListens הפכה משוב של לקוחות למידע תפעולי עבור עסקים. מדובר בדור טכנולוגי מוקדם בהרבה מה־Generative AI, אך העיקרון הכלכלי מוכר היטב גם ב־2026: ככל שמערכת מבינה יותר מהמידע שסביבה, היא מסוגלת לבצע חלק גדול יותר מתהליך קבלת ההחלטות.
הקריירה שלו התרחבה בהמשך מבניית חברות לבחירת חברות. ב־2010 החל להשקיע לצד אורן זאב וב־2015 הפך ל־Venture Partner ב־Zeev Ventures. מסמכי SEC מונים בסביבת ההשקעות הזאת חברות כמו Houzz, TripActions, כיום Navan, Hippo, Tipalti, Next Insurance, Domestika, HomeLight, Uber Freight, Duda ו־Firebolt. התחומים משתרעים על Fintech, Insurtech, Data Infrastructure, Enterprise Software, Logistics, Marketplaces ו־SaaS.
המעבר מיזם למשקיע מוסיף יכולת רלוונטית במיוחד למדיניות AI: הקצאת הון תחת אי־ודאות. יזם מבלה שנים בשאלה כיצד לבנות חברה. משקיע נדרש להשוות בין עשרות ומאות חברות, טכנולוגיות, צוותים ושווקים ולהחליט היכן יחידת ההון הבאה עשויה לייצר את התשואה הגבוהה ביותר.
מדינה ניצבת מול אותה בעיה בסדר גודל אחר לחלוטין. שקל שמושקע ב־Compute אינו מושקע בהכשרת מורים. GPU שמוקצה לאוניברסיטה אינו זמין באותו רגע לסטארטאפ. תקציב שמופנה לפיתוח מודלים בעברית מתחרה ברובוטיקה, שבבים, רפואה חישובית, סייבר, מרכזי נתונים והכשרת עובדים. אסטרטגיית AI רצינית אינה רשימת תחומים חשובים. היא סדר עדיפויות בין שימושים חשובים שמתחרים על אותם משאבים.
גם החשיפה של דוברונסקי ל־AI קדמה לבהלת ChatGPT. הוא מופיע בין המשקיעים ב־Cresta, חברת Enterprise AI שהחלה לפתח מערכות בינה מלאכותית לשיחות עם לקוחות, סיוע לעובדים ואוטומציה של מוקדי שירות שנים לפני שה־Generative AI הפך למוצר צרכני המוני. החשיפה שלו כוללת גם חברות Data, תוכנה ארגונית ואוטומציה. קשה להציג אותו כחוקר AI; קשה באותה מידה להציג אותו כמשקיע שגילה את התחום אתמול.
המספרים הישראליים מסבירים מדוע סוג הניסיון הזה נעשה רלוונטי. לפי רשות החדשנות, יצוא ההייטק הישראלי הגיע ב־2025 לכ־85 מיליארד דולר. חברות טכנולוגיה ישראליות גייסו כ־14.6 מיליארד דולר, עלייה של כ־30% בשנה, והיקף האקזיטים הגיע לכ־84 מיליארד דולר. בישראל פעלו 511 חברות רב־לאומיות. המדינה דורגה כהאב הרביעי בעולם בגיוסי הון לסטארטאפים, אחרי סן פרנסיסקו, ניו יורק ובוסטון ולפני מרכזים גדולים בהרבה מבחינת אוכלוסייה והון. כ־35% מההשקעות בהייטק הישראלי כבר הופנו לחברות Core AI.
מדינה של מעט יותר מעשרה מיליון תושבים מחזיקה אפוא צפיפות חריגה של הון, מהנדסים, יזמים, חברות רב־לאומיות ומחקר. היתרון הזה מתקיים לצד סימני שחיקה. חלק העובדים של חברות הייטק פרטיות ישראליות המועסקים בישראל ירד מ־69% ב־2019 ל־62% במרץ 2026. לראשונה זה יותר מעשור נרשמה ירידה במספר עובדי המו”פ בישראל. שיעור המנהלים הבכירים הממוקמים בישראל ירד בכ־9.6%. ארצות הברית מושכת אליה חלק גדל מהניהול, ההון והמו”פ של חברות שנולדו בישראל.
גם קצב יצירת החברות השתנה. ב־2014 הוקמו בישראל יותר מ־1,400 חברות חדשות. ב־2025 הוקמו כ־775. מדובר בהתאוששות מסוימת לעומת 2023 ו־2024, אך עדיין כמעט מחצית מקצב השיא. ישראל ממשיכה לייצר טכנולוגיה בכמות יוצאת דופן ביחס לגודלה, אך חלק גדל מהיכולת להפוך אותה לחברות ענק, למקומות עבודה ולמרכזי קבלת החלטות נבנה מחוץ למדינה.
AI מחריף את המתח הזה. בניגוד לענף טכנולוגי רגיל, הוא פועל כשכבה אופקית החוצה כמעט את כל המשק. אותו מודל יכול לכתוב תוכנה, לנתח מסמך משפטי, לסכם תיק רפואי, לסייע למורה, לטפל בפניית שירות, לנתח מודיעין ולנהל שרשרת אספקה. הערך הכלכלי אינו מוגבל לחברות שמפתחות AI. הוא נוצר גם כאשר בנק, בית חולים, מפעל או משרד ממשלתי מצליחים לייצר באמצעותו אותה תפוקה בפחות שעות עבודה.
ישראל כבר נמצאת עמוק בתוך התהליך. מחקר של בנק ישראל והמכון הישראלי לדמוקרטיה שפורסם במאי 2026 מצא כי 57% מהעובדים בישראל משתמשים בכלי AI בעבודתם לפחות פעם בשבוע. מחוץ לעבודה השיעור מגיע לכ־75%. בהשוואה למדינות האירופיות שנבדקו, מדובר בשיעור אימוץ גבוה במיוחד.
הנתונים האלה משנים את הגדרת הבעיה. אין צורך לשכנע את הישראלים ש־AI קיים. מיליוני ישראלים כבר משתמשים בו. האתגר הוא להפוך שימוש פרטי, מבוזר ולעיתים מאולתר לשיפור מדיד בפריון.
הפער בין Adoption לבין Productivity קריטי. עובד שמבקש מ־ChatGPT לנסח מייל הוא משתמש AI. ארגון שמארגן מחדש תהליך עבודה שלם סביב סוכנים אוטונומיים, נתונים ארגוניים ובקרה אנושית כבר משנה את פונקציית הייצור שלו. הראשון חוסך דקות. השני מסוגל לשנות עלויות, תפוקה ומבנה כוח אדם.
ממשלת ישראל צריכה לעבור את אותו מעבר.
מערכת בריאות AI-native אינה בית חולים שקנה צ’אטבוט. היא מערכת שבה תיעוד, טריאז’, דימות, תכנון משמרות, זיהוי סיכונים, מחקר ורפואה מותאמת אישית מחוברים לתשתית נתונים ומודלים תחת כללי אחריות ברורים. מערכת חינוך AI-native אינה בית ספר שמאפשר לתלמידים להשתמש ב־ChatGPT. היא מערכת שמשנה הערכה, הוראה, הכשרת מורים והתאמת חומרי לימוד. ממשלה AI-native אינה אתר ממשלתי עם חלון שיחה. היא מערכת שבה חלק מהתהליכים המנהליים מתבצעים באמצעות Agents, בעוד האחריות המשפטית והפיקוח נשארים אנושיים.
לטרנספורמציה כזאת יש בסיס פיזי. AI צורך Compute, ו־Compute צורך שבבים, חשמל, קירור, קרקע, מרכזי נתונים ורשתות תקשורת. הכנסת כבר אישרה ביוני 2026 בקריאה ראשונה הצעה להגדיר חוות שרתים המשמשות AI כתשתית לאומית. בדברי ההסבר הוגדרה במפורש המטרה להגדיל את מספר יחידות העיבוד הזמינות בישראל ולהעמיד יכולת מחשוב לתעשייה, לאקדמיה ולמגזר הציבורי.
המשמעות הכלכלית רחבה. אסטרטגיית AI היא גם אסטרטגיית אנרגיה. היא גם מדיניות קרקע. היא גם מדיניות תשתיות, יבוא שבבים, הכשרת כוח אדם, הגנת סייבר ורכש ממשלתי. מודל מתקדם ללא חשמל זמין הוא קובץ. מרכז נתונים ללא חיבור מהיר לרשת הוא נדל”ן יקר. חוקרים ללא Compute הופכים בהדרגה לספקי הון אנושי למעבדות אמריקאיות.
גם שוק העבודה ידרוש ניהול אקטיבי. קרן המטבע הבינלאומית העריכה ביולי 2026 שרוב העובדים בישראל יכולים ליהנות מהשלמה בין AI לבין עבודתם, אך בערך חמישית מכוח העבודה נמצאת בחשיפה גבוהה לטכנולוגיה וב־Complementarity נמוכה. עבור הקבוצה הזאת AI מסוגל להחליף חלק משמעותי מהמשימות במקום רק להעצים את העובד. המשמעות היא צורך ב־Reskilling ובהכשרות אמצע קריירה בהיקפים גדולים, לא בעוד קורס קצר בכתיבת Prompts.
דווקא בתחום הזה לדוברונסקי אין יתרון מוכח. לא מצאתי ברזומה שלו ניסיון בניהול מערכת חינוך, מערכת בריאות, שירות ציבורי או רגולטור. גם הרקע המחקרי שלו ב־AI מוגבל. ממשלה אינה קרן הון סיכון, ואזרח אינו לקוח שניתן לוותר עליו משום שעלות השירות גבוהה מדי. מדיניות ציבורית כפופה לפרטיות, שוויון, שקיפות, אחריות משפטית, ביטחון ורציפות תפקודית.
לכן איכות המינוי, אם יתממש, תיקבע פחות לפי האיש ויותר לפי הארכיטקטורה שתיבנה סביבו. ישראל זקוקה לחוקרי Machine Learning ומדעי המחשב, מומחי שבבים ו־Compute, כלכלנים, משפטנים, רופאים, אנשי חינוך, מומחי סייבר, אנרגיה ומדיניות עבודה. גוף כזה צריך להחזיק מדדים כמותיים: שעות עבודה שנחסכו, זמני המתנה שקוצרו, פריון לעובד, עלות עסקה ממשלתית, תוצאות רפואיות, הישגים לימודיים, חברות חדשות, השקעות מו”פ וכמות Compute זמינה לחוקר ולחברה ישראלית.
דוברונסקי מתאים לתפקיד אחר בתוך המבנה הזה. שלושה עשורים של תכנות, יזמות, הקמת חברות, גיוס הון, השקעות ועבודה בין ישראל לעמק הסיליקון העניקו לו ניסיון בהעברת טכנולוגיה לאורך השרשרת שבין רעיון לשימוש המוני. הוא יודע כיצד נראית טכנולוגיה לפני שהיא הופכת לקונצנזוס, כיצד הון מאיץ אותה וכיצד ארגון נדרש להשתנות כדי להפיק ממנה ערך.
הבחירה בו יכולה להתברר כטעות אם תתבסס על ההנחה שיזם מצליח יודע אוטומטית לנהל מדיניות ציבורית. היא יכולה להתברר כמהלך מעניין מאוד אם הגדרת התפקיד תהיה מדויקת: לא המדען הראשי של מהפכת ה־AI, אלא המנהל המבצע שלה.
ישראל כבר מחזיקה את חומרי הגלם. 57% מהעובדים משתמשים ב־AI מדי שבוע. 35% מההשקעות בהייטק מופנות ל־Core AI. היצוא הטכנולוגי מגיע לכ־85 מיליארד דולר. 511 חברות רב־לאומיות פועלות במדינה. במקביל, שיעור העובדים הישראלים בחברות הייטק ישראליות יורד, מספר עובדי המו”פ נשחק ומרכזי ניהול עוברים לארצות הברית.
המרוץ הבא של ישראל אינו על עצם המצאת הטכנולוגיה. הוא על היכולת ללכוד בתוכה חלק גדול יותר מהערך שהטכנולוגיה מייצרת.
אם דוברונסקי יקבל את המנדט שהליכוד מתאר, זה יהיה המדד שלפיו ראוי לשפוט אותו: לא כמה פעמים אמר AI, כמה כנסים פתח או כמה סטארטאפים פגש, אלא האם בעוד חמש שנים עובד ישראלי מייצר יותר בשעה, רופא מקדיש פחות זמן לביורוקרטיה, מורה מסוגל ללמד טוב יותר, חברה ישראלית מקבלת Compute במחיר תחרותי, וחלק גדול יותר מהמחקר, הניהול וההון של חברות ישראליות נשאר בישראל.
הכריש הוא החלק הטלוויזיוני של הסיפור.
הניסוי האמיתי הוא האם מדינת הסטארטאפ מסוגלת סוף סוף לנהל את עצמה בקצב של הטכנולוגיה שהיא מייצרת.
עדיין אין תגובות!