סקר IDC: רק 7% מהארגונים מעדיפים בעיקר ענן ציבורי

למרות התחזיות שלפיהן הענן הציבורי יחליף בהדרגה את מרכזי הנתונים הארגוניים, סקר חדש של IDC, שנערך בחסות אינטל, מציג תמונה שונה. רק 7% מהארגונים שנסקרו מעדיפים להסתמך בעיקר על ענן ציבורי, בעוד ש-55% מעדיפים מודל מאוזן המשלב ענן ציבורי ותשתיות פרטיות, ו-38% מעדיפים להסתמך בעיקר על תשתיות פרטיות.

הסקר נערך ביולי 2026 בקרב 375 מקבלי החלטות בתחום טכנולוגיות המידע, בדרג דירקטור ומעלה, בעשר מדינות בצפון אמריקה, באירופה ובאסיה-פסיפיק. הוא בחן כיצד ארגונים נערכים לכניסתם של סוכני בינה מלאכותית למערכות הארגוניות, ואת ההשלכות על תשתיות המחשוב שלהם.

סוכני הבינה המלאכותית מחזקים את המודל ההיברידי

סוכני בינה מלאכותית אינם מסתפקים במתן תשובות לשאלות, אלא מסוגלים לבצע רצף פעולות באופן עצמאי, בהן שליפת מידע, הפעלת יישומים, הרצת קוד ובדיקת הרשאות אבטחה. הפעולות האלה מחייבות גישה למערכות ולנתונים ארגוניים, שחלקם נמצאים במרכזי נתונים פרטיים ואחרים בענן הציבורי.

לפי IDC, המציאות הזאת מחזקת את הצורך בתשתית היברידית, שבה אפשר להפעיל כל עומס עבודה בסביבה המתאימה לו. הענן הציבורי מספק גמישות וקיבולת מחשוב, בעוד שתשתיות פרטיות מאפשרות לארגונים לשמור חלק מהמידע והיישומים קרוב למערכות הקיימות, בהתאם לשיקולי עלות, אבטחה, ביצועים ורגולציה.

המגמה הזאת באה לידי ביטוי גם בהשקעות של ספקיות התשתית. כך, למשל, נוטניקס רכשה לאחרונה חברה המתמחה בניהול עומסי עבודה של בינה מלאכותית, במטרה לשפר את ניצול משאבי המחשוב בסביבות הכוללות תשתיות פרטיות ועננים ציבוריים.

לא רק המעבד הגרפי קובע את הביצועים

ממצאי המחקר מצביעים על כך שהפעלת סוכני בינה מלאכותית דורשת יותר מאשר כוח עיבוד גרפי. בעוד שהמעבדים הגרפיים (GPU) מתאימים במיוחד להרצת מודלים של בינה מלאכותית, המעבדים המרכזיים (CPU) אחראים גם להפעלת יישומים, לעיבוד נתונים, לתקשורת בין מערכות ולניהול תהליכים.

לפי הפרסום הרשמי של אינטל, 27% מהמשיבים רואים במעבד הגרפי את הגורם הדומיננטי בביצועי סוכני הבינה המלאכותית, לעומת 24% שמייחסים את החשיבות המרכזית למעבד הראשי. כמחצית מהמשיבים סבורים שהביצועים תלויים בסוג המשימה ובשילוב בין שני סוגי המעבדים, וכ-40% מעדיפים פתרונות המבוססים על שרתים סטנדרטיים, עם אפשרות להוסיף יכולות האצה לפי הצורך.

אינטל רואה בממצאים חיזוק לגישתה, שלפיה ארגונים אינם חייבים להקים תשתית מחשוב נפרדת לכל יישום בינה מלאכותית. החברה מציעה להשתמש במעבדי השרתים שלה ממשפחת Xeon, הכוללים יכולות האצה מובנות, ולהוסיף מאיצים גרפיים כאשר סוג עומס העבודה מצדיק זאת.

הגישה הזאת אינה חדשה עבור אינטל. בכנס שערכה נוטניקס בישראל הסבירה ספיר מרלין, מנהלת מכירות שותפים באינטל ישראל, כיצד אפשר להפעיל סוכני בינה מלאכותית על בסיס תשתיות קיימות, תוך שילוב יכולות האצה במעבדים המרכזיים.

ההתלהבות מהסוכנים גדולה מהתקציב המוקצה להם

אחד הממצאים הבולטים במחקר הוא הפער בין החשיבות שמייחסים מנהלי הטכנולוגיה לסוכני בינה מלאכותית לבין המשאבים המוקצים להפעלתם. 89% ממקבלי ההחלטות צופים שהתחום יהפוך לחשוב לעבודתם בתוך 12 עד 24 חודשים, אך רק 56% מדווחים שהתשתיות המיועדות לכך זוכות לתקצוב הולם או מספק.

מדובר בשיעור התקצוב הנמוך ביותר מבין קטגוריות התשתית שנבדקו במחקר. החסמים המרכזיים שצוינו הם תחרות מול השקעות אחרות, שעליה דיווחו 53% מהמשיבים, מחסור בכישורים ובכוח אדם, שצוין בידי 50%, ואתגרי רגולציה ועמידה בדרישות, שעליהם הצביעו 48% מהמשיבים.

הפער הזה עשוי להפוך למשמעותי יותר ככל שארגונים יעברו מהתנסות בסוכנים להפעלתם במערכות ייצור. כפי שעלה גם מסיקור כנס Future of AI באתר אנשים ומחשבים, הגידול בשימוש בסוכנים אינו משפיע רק על קצב פיתוח התוכנה, אלא גם על העומס המוטל על מסדי הנתונים, מערכות הבדיקות ותשתיות המחשוב.

אינטל: העתיד אינו בחירה בין שני סוגי מעבדים

בפרסום של אינטל בעקבות המחקר הדגישה החברה כי ההחלטה על תשתית לסוכני בינה מלאכותית אינה צריכה להתבסס על בחירה בין מעבד מרכזי למעבד גרפי. במקום זאת, לדבריה, יש לבחון כיצד המעבדים, המאיצים הנוספים, מערכות האחסון ורכיבי התקשורת פועלים יחד להשלמת המשימות.

לפי החברה, ככל שהשימוש בסוכנים יתרחב, הביצועים והעלויות יושפעו פחות מיכולותיו של שבב יחיד ויותר מהיעילות של מערכת המחשוב כולה. המסקנה שמקדמת אינטל היא שעל ארגונים לתכנן את התשתיות שלהם כמערכת משולבת, שבה כל רכיב מבצע את המשימות המתאימות ליכולותיו.