הבינה המלאכותית הופכת מהר מאוד לטכנולוגיה עכשווית, והיא כבר לא רק טכנולוגיה חדשנית. היא הופכת במהירות לתשתית מרכזית שעליה ייבנו הכלכלה, המדע, התעשייה והביטחון של העשורים הקרובים. מי שישלוט בתשתיות הבינה המלאכותית, בכוח האדם, בנתונים וביכולת המחשוב – יחזיק בחלק חשוב ממוקדי הכוח בהווה ובעתיד.
למדינת ישראל זו אינה רק שאלה אקדמית. זוהי שאלה אסטרטגית ואולי אפילו קיומית בהיבט הכלכלי והעליונות הטכנולוגית.
לישראל נקודת פתיחה מצוינת: אוניברסיטאות מובילות, תעשיית היי-טק מתקדמת, מערכת ביטחון בעלת ניסיון עצום בטכנולוגיות מתקדמות (לדוגמה בסייבר) וקהילה גדולה של חוקרים ומהנדסים. ואולם יתרונות אלה אינם מבטיחים דבר.
השימוש בבינה המלאכותית בישראל – בצה"ל ומערכת הביטחון | חלק א
מדינות רבות מבינות את חשיבות הבינה המלאכותית ומשקיעות כיום סכומי עתק, הרבה יותר מאשר מדינת ישראל יכולה להרשות לעצמה, כדי לבנות לעצמן יתרון. זו הייתה נקודת המוצא של הוועדה הלאומית בראשותי להאצת תחום הבינה המלאכותית שמינה ראש הממשלה נתניהו באמצע 2025. הוועדה הציבה בפני המדינה משימה ברורה: לבנות יכולת לאומית כוללת שתבטיח עליונות ישראלית בתחום.
לא עוד אוסף של פרויקטים
ההמלצה המרכזית של הוועדה, שיושמה במהירות שיא שאינה מאפיינת את המגזר הממשלתי, הייתה לגבש גוף לאומי חזק שיוכל להוביל את התחום ולתאם בין הממשלה, האקדמיה, מערכת הביטחון והתעשייה. הרעיון היה פשוט: בינה מלאכותית אינה נושא ששייך למשרד ממשלתי אחד. היא נוגעת כמעט בכל תחום: ביטחון, בריאות, חינוך, תחבורה, אנרגייה, תעשייה ומדע. לכן נדרש גוף מטה מתכלל שיסתכל על התמונה כולה, יקבע את סדר העדיפויות ויוודא שההשקעות השונות משתלבות זו בזו.
מאז פרסום הדו"ח הוקמה מנהלה לאומית לבינה מלאכותית במשרד ראש הממשלה בראשות תא"ל (במיל') ארז אסקל, שהגיע לתפקיד לאחר קריירה מרשימה ורלוונטית מאוד בצה"ל באמ"ן ובאגף התקשוב. התוכנית האסטרטגית של המטה, שפורסמה ב-2026, שורטטה בהתאם לכיוונים שהתוותה הוועדה. הקמת הגוף כשלעצמה אינה מספיקה. המבחן האמיתי יהיה ביכולת לתרגם את ההחלטות לתוכנית רב-שנתית, שתקבל תקציב מתאים, כפי שהמליצה הוועדה, לוחות זמנים, אחריות ברורה ומדדי הצלחה.
המאבק העיקרי הוא על האנשים המתאימים והכשרתם הנאותה
אפשר לקנות מחשבים, אפשר לבנות מרכזי נתונים ולספק להם חשמל, אפשר אפילו להשקיע מיליארדים, כפי שעושות כמה מדינות שרוצות להוביל בתחום, אבל אי אפשר לקנות בן לילה דור מתאים של חוקרים ומהנדסים מתאימים. לכן אחת ההמלצות החשובות ביותר בדו"ח הוועדה נוגעת להשקעה בהון האנושי.
ההשקעה חייבת להתחיל מהגיל הרך בחינוך ילדים ובני נוער, דרך הגדלת מספר הסטודנטים והחוקרים בכל הרמות ויצירת תנאים שיחזירו לישראל את המומחים הישראלים שעברו לעבוד בחו"ל בגלל המחסור בתשתית מתאימה בישראל, בעיקר באקדמיה.
ישראל צריכה גם להרחיב את מעגל המשתמשים בבינה מלאכותית.
לא רק מהנדסי תוכנה צריכים להבין ב-AI ולהשתמש בו, גם רופאים, מורים, אנשי תעשייה, כלכלנים, עורכי דין, עובדי ממשלה ומנהלים יצטרכו כולם לדעת כיצד להשתמש בטכנולוגיה, וכמובן להבין מה הסיכונים שלה. זו אינה משימה לשנה או לשנתיים, מדובר בבניית תשתית אנושית לדור שלם.
מחשוב: התשתית שהכול נשען עליה
אחד הלקחים המרכזיים של ועדת נגל הוא שכדי להיות שחקן מרכזי בתחום הבינה המלאכותית צריך גם כוח מחשוב מתאים. הוועדה המליצה על הקמת תשתית מחשוב לאומית ועל מחשב-על בהיקף של לפחות 60,000 מעבדי GPU, שכמחצית מהם יופנו לאקדמיה ולעידוד חברות סטארט-אפ רלוונטיות. לכאורה מדובר בפרויקט טכנולוגי, אבל למעשה מדובר בשאלה עקרונית וקריטית של עצמאות לאומית.
מי שאין לו גישה עצמאית לכוח מחשוב משמעותי תלוי במי שיש לו. כאשר מדובר במחקר אקדמי, ביטחוני, קידום טכנולוגיות רגישות או במערכות בעלות חשיבות אסטרטגית למדינה, התלות הזאת עלולה להיות מכרעת. לכן המחשוב הלאומי אינו עוד פרויקט תשתית, הוא חלק מהיכולת של ישראל לשמור על עצמאותה הטכנולוגית והמובילות בתחום ה-AI.
בלי חשמל אין מחשוב ואין בינה מלאכותית
כוח המחשוב הגדול דורש כוח חשמלי, והרבה ממנו. מרכזי נתונים ומחשבי-על צורכים כמויות עצומות של חשמל וגם דורשים מערכות קירור ותשתיות פיזיות מתאימות. השקעה בבינה מלאכותית ובמחשבי-על מחייבת לבנות תשתיות מתאימות של חשמל, הולכה, הקצאת קרקעות מתאימות והקמת מרכזי נתונים. האתגר הזה כבר אינו תאורטי. התוכנית הלאומית שפרסם המטה החדש ב-2026 הצביעה על הצורך להתמודד עם הביקוש הגדל לחוות שרתים ולחיבורן לרשת החשמל. במילים פשוטות: אם ישראל רוצה להיות מעצמת AI, היא צריכה להיות גם מעצמת תשתיות.
נתונים: חומר הגלם של ה-AI
מערכת AI טובה זקוקה למידע. ישראל היא מובילה עולמית בתחום זה, ויש לה כמויות עצומות של נתונים בתחומי הבריאות, התחבורה, החינוך, המדע, הביטחון ומשרדי הממשלה האחרים. חלק מהנתונים האלה יכולים להפוך למשאב לאומי חיוני. כמובן, בתחום זה נדרש איזון עדין. אי אפשר פשוט לפתוח את כל מאגרי המידע. יש להגן על פרטיות האזרחים, על מידע רפואי ועל מידע ביטחוני רגיש.
בה בעת יש למצוא דרכים בטוחות ומבוקרות לאפשר לחוקרים ולחברות להשתמש במידע המתאים לצורכי מחקר ופיתוח, במציאת דרכים לשמירת צנעת הפרט וסודיות חלק מהנתונים, במיוחד הביטחוניים. אם המחשוב הוא המנוע של הבינה המלאכותית, הנתונים הם הדלק, ובלעדיהם לא נתקדם.
ישראל אינה חייבת לנצח בכל המגרשים
אחת הטעויות האפשריות של ישראל תהיה לנסות להתחרות בענקיות הטכנולוגיה בכל תחום. ישראל לא צריכה בהכרח לבנות את המודל הגדול בעולם או להחזיק במספר המעבדים הגדול בעולם, ובטח לא לייצר אותם בעצמה. ישראל חייבת לזהות היכן יש לה יתרונות יחסיים, ולהיות שם.
יש תחומים שבהם כבר יש לישראל ניסיון יוצא דופן: תוכנה, סייבר, ביטחון, מודיעין, מערכות אוטונומיות, תוכן שבבים, טכנולוגיות רפואיות ויישומים שיש בהם שילוב בין העולם האזרחי לביטחוני. היתרון אינו חייב להיות ביכולת לעשות הכול. לעיתים היתרון הגדול ביותר הוא לדעת במה לא להתחרות ובמה כן.
החיבור החיוני בין האקדמיה לתעשייה ולביטחון
הוועדה המליצה גם לחזק את המחקר המתקדם ברמה הלאומית ולהקים מסגרת שתוכל לחבר בין האקדמיה, הממשלה, מערכת הביטחון והתעשייה. הסיבה לכך ברורה: חברות פרטיות צריכות בדרך כלל להתמקד במוצרים ובשוק, אבל האקדמיה חייבת ויכולה להרשות לעצמה לחשוב עשר או עשרים שנה קדימה. מדינה שרוצה להוביל ולהישאר בחזית חייבת לדאוג במקביל גם לחדשנות מסחרית וגם למחקר ארוך טווח.
הוועדה מצאה שאף שיש לישראל תנאי היסוד להצליח, אנחנו נמצאים בשלב זה מאחור. קשה להצביע לדוגמה על מודל מתוצרת ישראלית שמתחרה בהצלחה במודלים מתוצרת ארצות הברית (Anthropic, OpenAI Google), סין (Moonshot, Deepseek) או צרפת (Mistral). מנגד, חלק ניכר מההון האנושי שעוסק בנושא בעולם הוא בעל זיקה לישראל.
צה"ל (בייחוד אמ"ן והתקשוב) מחזיקים בדאטה רבה, איכותית, מגוונת וייחודית לאימון. בהשקעה נכונה ובהכוונה מתאימה הטאלנטים המתפתחים בצה"ל יכולים לחולל שינוי מהותי בתוך שנים מעטות, אם יופנו לאקדמיה או יגיעו לתפקידים המתאימים בצה"ל לאחר קבלת ההכשרה האקדמית המתאימה. בדומה לאופן שבו הזין הסייבר בצה"ל את תעשיית הסייבר הלאומית והמערבית, מומחי AI שיוכשרו לשירות בצה"ל באקדמיה כחלק מתוכניות העילית המתאימות יקדמו את האקוסיסטם הישראלי להובלה עולמית.
ההבדל בין מומחי סייבר למומחי AI
יש הבדל תהומי (שלא הכול מבינים) בין מומחי סייבר למומחי AI. מומחה סייבר יכול להיות האקר צעיר בן 18 שישב מנוער מול מחשב והבין כיצד לפרוץ ולחפש חולשות. זה לא המצב ב-AI. מומחה AI (לא המשתמש הרגיל) חייב לקבל הכשרה אקדמית מתאימה, ורצוי שיהיה לפחות בעל תואר שני, רצוי גם דוקטורט. תחום זה דורש השקעה ניכרת ברמת המדינה בתשתיות חישוב, שרתים ואנרגייה, בהון אנושי ובמחקר ופיתוח.
בצה"ל התפתח בשנים האחרונות מקצוע ה-Data Science, שהוא המקצוע הקרוב ביותר למו"פ AI. בתחום זה צה"ל מכשיר עשרות חוקרים ברמה הגבוהה ביותר בשנה באמצעות תוכניות כמו אלונים וברקת, שפועלות בסביבה צפופת כישרון (talent density) שמאפשרת צמיחה של מצוינות.
בצד הפיתוח עולם התוכנה משתנה ומשרות הג'וניור בעולם ההולכות ומצטמצמות, ונשאלת השאלה כיצד מספקים לשוק העבודה סניורים בהיקף וברמת ידע וניסיון מתאימים בתנאים שבהם קשה יותר לג'וניורים להיכנס לשוק העבודה ולהתחיל את התהליך. צה"ל צפוי להמשיך למלא תפקיד מרכזי בהכשרת ג'וניורים בהיותו מפעל הכשרה, השמה וצבירת ניסיון בקנה מידה גדול, אשר נשען על חיילים בחובה או על עתודאים.
הכשרה לעידן ה-AI נדרשת גם לתפקידים הייעודיים בצה"ל – המפקדים, הלוחמים ואנשי המודיעין. שירות לצד סוכני AI, ובוודאי בסביבה מרובת סוכנים (multi-agent), במיוחד בתהליכים מבצעיים קריטיים ורגישים לזמן, דורשת הכשרה, התאמה ובניית תורת לחימה, כמו בעת הטמעה של כל טכנולוגיה חדשה. במאמר הקודם עמדתי על החשיבות העליונה של הפעלת ה-AI בצה"ל ובניית מערכות שיסייעו לקבלת ההחלטות, אך לא יקבלו לבד את ההחלטות הקשורות בחיים ומוות.
רגולציה: לא לעצור את החדשנות
הבינה המלאכותית גורמת גם סיכונים: פגיעה בפרטיות, מידע שגוי, שימוש לרעה במערכות, בעיות אבטחת מידע והשלכות של מערכות AI בתחומים קריטיים, אבל רגולציה שאינה מותאמת לקצב השינוי עלולה להפוך בעצמה לחסם.
נדרשת גישה גמישה: להגן על הציבור ועל הביטחון, אך לא ליצור מצב שבו חדשנות ישראלית עוברת למדינה אחרת בגלל עודף בירוקרטיה. הטכנולוגיה תשתנה במהירות, והרגולציה תצטרך להתאים את עצמה.
25 מיליארד שקלים: השקעה בעתיד
היקף ההשקעה שהמליצה עליו הוועדה, כ-25 מיליארד שקל לאורך חמש שנים, נראה גדול מאוד, אבל בהתחשבות בחשיבות הנושא ובהשקעות שמבצעות המדינות המתחרות, זהו סכום צנוע מאוד, בסדר גודל קטן מזה שמשקיעות מדינות כמו סעודיה והאמירויות, שלא לדבר על המעצמות. למרות זאת השאלה אינה כמה כסף תשקיע המדינה אלא כיצד הוא ינוהל. כל השקעה צריכה להיות מלווה ביעדים מדידים: כמה חוקרים יוכשרו, כמה חברות יצמחו, כמה כוח מחשוב יעמוד לרשות ישראל, אילו תשתיות יוקמו ומה תהיה התועלת הכלכלית והביטחונית.
מה קורה עכשיו?
המלצות ועדת נגל לא נשארו על הנייר, כפי שקרה להרבה ועדות בעבר, אף שלא כל ההמלצות (בעיקר היקף התקציב ושיטת בניית מחשב-העל) מומשו בשלב זה במלואן. ב-2026 פורסמה תוכנית אסטרטגית לאומית הכוללת בין השאר יעד של עד 100,000 מעבדי AI שייבנו באמצעות השוק הפרטי, אף שהוועדה המליצה אחרת, אך יעד זה עדיין אינו מתוקצב. התוכנית כוללת קידום תשתיות לחוות שרתים, בחינת הקמת מפעל שבבים מתקדם, קידום מחשב קוונטי ישראלי, הרחבת לימודי הבינה המלאכותית והכשרת עובדים.
המשמעות היא שהדיון עבר מהשאלה אם ישראל צריכה להשקיע ב-AI לשאלה מעשית הרבה יותר: כיצד עושים זאת נכון ובאיזה קצב.
המלצות ועדת נגל עסקו בשינוי תפיסת הבינה המלאכותית בישראל. לא מדובר בעוד תחום בהיי-טק שאפשר לעודד באמצעות כמה מענקים. מדובר בתשתית לאומית, בדומה לחשמל, לתקשורת, לבריאות, למדע ולביטחון.
השאלה שתכריע את הצלחת המהלך אינה רק כמה מיליארדים יוקצו לו אלא אם ישראל תצליח לבצע אותו. אם נדע לחבר בין ההון האנושי, האקדמיה, התעשייה, מערכת הביטחון והתשתיות הלאומיות, תוכל הבינה המלאכותית להפוך למנוע צמיחה ולמקור עוצמה חשוב לישראל. אם לא, יש סיכון שהיתרון הישראלי הפוטנציאלי יישחק דווקא בתחום שאמור לעצב את העשורים הבאים.
תא"ל (במיל') פרופ' יעקב נגל שימש היועץ לביטחון לאומי של ראש הממשלה נתניהו וראש המל"ל בפועל. הוא משמש עמית מחקר בכיר (senior fellow) במכון ה-FDD בוושינגטון ופרופסור אורח בטכניון