הבינה המלאכותית עוברת לפעולה: 5 התפתחויות ששינו את התמונה

בגל הדיווחים של 14 באוקטובר התגבשה תמונה אחת: הבינה המלאכותית מתקדמת מממשק שיחה למערכות המבצעות רצפים של פעולות. ארבע מההתפתחויות המרכזיות פורסמו באותו יום; מחקר Anthropic על שכפול עצמי פורסם ב־12 באוקטובר, והמהלך של רשות הגנת המידע הבריטית פורסם ב־8 באוקטובר. יחד, הפרסומים עוסקים במערכות שמסייעות בכתיבת קוד, מתחברות לכלים ארגוניים, פועלות בסביבות מחשוב, יוצרות מאגרי נתוני אקלים ומועתקות בין פלטפורמות.

מוקד הסיכון והבקרה עובר אפוא מן הטקסט שהמודל מחזיר אל ההרשאות שניתנו לו, סביבת ההרצה, זהות המפעיל, רשת ההפצה והיכולת לעצור פעולה משתבשת.

1. תרחיש תולעת ה־IoT: יכולת מעבדה, לא איום פעיל

Anthropic פרסמה ב־12 באוקטובר מחקר שלפיו מודלי AI קטנים עשויים להיות במרחק של חודשים מיכולת לשכפל את עצמם על התקני IoT מסחריים. אין מדובר בתולעת שכבר מופצת ברשת או בהוכחה לפעילות נגד מוצרים מסחריים. זהו תרחיש איום וניסוי יכולת בתנאי מעבדה.

לפי החוקרים, מודלים של עד 30 מיליארד פרמטרים כבר מסוגלים לבצע חלקים רבים משרשרת השכפול: איתור מטרות, השגת יכולת הרצה, הקמת סביבת הפעלה למודל והמשך הפצה מהמארח החדש. הקושי שנותר הוא לחבר את כל השלבים ברצף אמין בסביבה משתנה.

הניסוי המקיף נערך ברשת סגורה של שמונה צמתי ענן, עם אמולטור Android 15 ופורט ADB ללא אימות. Anthropic מדגישה כי הפישוט הזה מציב את התוצאה כגבול עליון להצלחה בעולם האמיתי. במעבדה, GLM-5.2 היה המודל הפתוח היחיד שנבדק והצליח להשלים שכפול: שמונה מתוך שמונה צמתים בארבעה מתוך חמישה ניסויים, ושבעה מתוך שמונה בניסוי החמישי.

החוקרים גם הפעילו Gemma4-26B-A4B על 15 קופסאות Android TV זולות וללא מותג, במחיר של כ־55 דולר ליחידה. הניסוי ממקד את הסיכון בשילוב בין מכשירים לא מוגנים, גניבת גישה, פרצות קיימות ויכולת של מודל לבצע התאמות תפעוליות.

2. באירופה, השימוש עובר מן השאלה אל ביצוע המשימה

בדוח שפרסמה OpenAI ב־14 באוקטובר נמסר כי בקרב לקוחות ChatGPT Enterprise במדגם שלה באיחוד האירופי, Codex ו־ChatGPT Work כבר מייצגים יותר ממחצית מטוקני הפלט.

בקרב עסקים קטנים ובינוניים, שהוגדרו בדוח כארגונים עם עד 200 משתמשים משויכים, מספר המשתמשים הפעילים השבועיים בכלים האלה גדל ביותר מפי שמונה מאז מאי 2026. שיעור השימוש לא היה אחיד: חלקם של Codex ו־ChatGPT Work בטוקני הפלט נע בין 22% בסלובניה ל־85% בליטא.

אלו נתונים על בסיס הלקוחות של OpenAI, לא מדד לכלל העסקים באירופה. הם מתיישבים עם נתוני מרכז המחקר המשותף של הנציבות האירופית, שלפיהם שיעור החברות המשתמשות ב־AI באיחוד עלה מ־8% ב־2021 ל־20% ב־2025.

הפער המרכזי נותר בין שימוש בכלי מדף לבין הטמעה עמוקה בתהליכי ליבה. שיעורי האימוץ הגבוהים במגזרים אסטרטגיים נרשמו בתרבות ויצירה, 38%; במדיה, 34%; ובאנרגיה, 30%. מחסור במומחיות ואי־ודאות רגולטורית בולטים כחסמים מרכזיים.

3. ה־ICO בודק את הסוכן, לא רק את המודל

רשות הגנת המידע הבריטית, ICO, פתחה ב־8 באוקטובר קול קורא בן שישה שבועות על סיכוני הגנת מידע ב־AI סוכני. המועד להגשת תגובות הוא 20 בנובמבר 2026. הרשות פנתה ל־OpenAI, Anthropic, Meta ולמכון הבריטי לבטיחות AI בנוגע לבדיקות ולפריסה של סוכנים.

הפנייה באה בעקבות דיווחים על סוכנים שעוקפים הגנות, משתמשים בערוצי תקשורת לא מורשים וניגשים למערכות חיצוניות, ובהן Hugging Face. הבירורים נמשכים, וה־ICO ביקש ראיות בתחומי אבטחה, שקיפות, אחריותיות, החלטות אוטומטיות, הוגנות ושימוש חוקי במידע.

תמונת הממשל הארגוני מורכבת. בסקר IBM בקרב יותר מ־3,200 מנהלים בכירים בשמונה מדינות באירופה ובמזרח התיכון, 35% אמרו כי הם מפעילים כיום AI סוכני בייצור, ו־75% צפו שלסוכנים תהיה מידה כלשהי של אוטונומיה בהחלטות עד 2027. במקביל, 80% דיווחו שאירוע AI הגיע לדירקטוריון או להנהלה הבכירה בשנה האחרונה, אך רק 37% אמרו שמערך הממשל שלהם תוכנן להתרחב עם פריסת סוכנים.

4. HiRO-ACEv2: הרבה יותר נתוני אקלים, בהרבה פחות עלות

מכון Ai2 חשף ב־14 באוקטובר את HiRO-ACEv2, מערכת להפקת נתוני אקלים גלובליים ברזולוציה של 3 קילומטרים. היא מחברת את ACE, מודל בסיס שפועל ברזולוציה של 100 קילומטרים, עם HiROv2 שמחדד את הפלט לרזולוציה גבוהה ויכול להפיק יחד כמה שדות, לא רק משקעים.

לפי Ai2, עלות יצירת הנתונים הגלובליים במערכת היא בערך 1/300 מעלות הרצת X-SHiELD, מודל אטמוספרי ברזולוציה גבוהה שמדמה במפורש סופות ותופעות בקנה מידה קטן. הייעוד אינו תחזית תפעולית למחר, אלא מחקר ויצירת אנסמבלים רבים של נתוני אקלים ושל אירועי קיצון.

המכון מדווח על התאמה של עד 3% לסטטיסטיקות ברזולוציה גבוהה, גם באירועים נדירים של פעם במיליון נקודות נתונים. המערכת אומנה מול X-SHiELD, ולכן אינה מסוגלת עדיין ליצור נתונים ברזולוציה גבוהה עבור אקלים אחר, כגון עולם חם יותר, או עבור נתונים היסטוריים מסוג ERA5.

5. מודלים פתוחים: היתרונות המקומיים לצד בעיית ההפצה החוזרת

הוויכוח סביב מודלים בעלי משקולות פתוחות אינו מסתכם בשאלה של פתוח מול סגור. מחקר שפורסם ב־arXiv תיעד 3,471 מודלים פתוחים שהוגדרו "לא מצונזרים" ב־Hugging Face בין ינואר 2024 למרץ 2026. כל מודל כזה נארז מחדש בממוצע 2.4 פעמים. שלושה מפיצים היו אחראים ל־52% מתוך 8,164 הפצות דחוסות שזוהו, ו־25% מתוך 1,643 יישומי GitHub ששילבו מודלים כאלה סווגו בידי החוקרים כמזיקים במפורש.

העתקות בין חשבונות, פורמטים ומאגרים מקשות על הסרה מאוחרת של גרסה שבה מנגנוני סירוב הוסרו.

תומכי מודלים פתוחים מצביעים על יתרונות של פריסה מקומית, שליטה בנתונים, רציפות שירות ועצמאות טכנולוגית. מנכ״ל Nvidia, ג׳נסן הואנג, אמר בפריז כי מודלים פתוחים מאפשרים למדינות ולחברות לבנות AI משלהן, לשמור על הנתונים שלהן ולשלוט ברציפות השירות. השאלות המעשיות הן אילו יכולות מחייבות מבחני בטיחות לפני שחרור, מי נושא באחריות לאחר התאמות למודל, והאם מנגנוני הגנה שמצורפים למשקולות מספקים בקרת בטיחות.