השוואה כנה בין מנוי AI עסקי בענן לבין מודל שרץ אצלכם במשרד: עלויות ל-3 שנים לפי גודל צוות, פער האיכות, עברית, אבטחה, ומבחן של 5 שאלות שמכריע.
אם אתם מחפשים פתרון AI מומלץ לעסק ומתלבטים אם לעבור למודל מקומי, התשובה הכנה היא שלרוב העסקים הקטנים מנוי עסקי בענן מספיק. מודל מקומי מתאים לעסק שיש לו מידע שאסור לו לצאת, צוות מספיק גדול, או שניהם. המדריך הזה עוזר לכם לדעת לאיזו קבוצה אתם שייכים.
הדיון על "AI מקומי" בדרך כלל מגיע מאחד משני הקצוות. ספקי ענן אומרים שאין סיבה לקנות חומרה. ספקי חומרה, ובהם גם אנחנו, נוטים לדבר על ריבונות מידע וחיסכון. המאמר הזה מנסה לענות על השאלה של בעל משרד של 5 עד 50 עובדים, עם מספרים אמיתיים, כולל המקרים שבהם התשובה היא "אל תקנו".
כבר כתבנו על החישוב הכלכלי של מעבר מענן ציבורי לתשתית מקומית בארגונים גדולים, ועל כמה זיכרון GPU צריך כדי להריץ מודל. כאן השאלה מוקדמת יותר: האם בכלל כדאי לעסק שלכם, לעומת מנוי שעולה כמה עשרות שקלים לעובד.
מה בעצם משווים: מנוי עסקי בענן מול מודל שרץ אצלכם
בצד אחד עומדים שלושה מנויים עסקיים שרוב העסקים בישראל כבר מכירים. בצד השני עומדת תחנת עבודה או שרת קטן במשרד, שמריצים עליו מודל שפה פתוח (Open Weights) דרך תוכנה כמו Ollama, עם ממשק צ'אט פנימי לעובדים.
| פתרון | חיוב שנתי | חיוב חודשי | מינימום | אימון על התוכן שלכם |
|---|---|---|---|---|
| ChatGPT Business | 20 דולר לעובד | 25 דולר לעובד | 2 מושבים | לא |
| Claude Team (מושב רגיל) | 20 דולר לעובד | 25 דולר לעובד | 2 מושבים, עד 150 | לא, כברירת מחדל |
| Microsoft 365 Copilot Business | 21 דולר לעובד | 25.20 דולר לעובד | תוספת למנוי Microsoft 365 עסקי | לא |
| מודל AI מקומי | חד-פעמי: כ-26,000 עד 95,000 שקל לתחנה, כולל מע"מ | תחנה אחת | המידע לא יוצא מהמשרד | |
בשער של כ-3.10 שקלים לדולר ועם 18 אחוז מע"מ, מנוי עסקי בחיוב שנתי עולה כ-73 שקל לעובד בחודש, כלומר כ-2,640 שקל לעובד לאורך 3 שנים. גם ב-ChatGPT Business וגם ב-Claude Team יש מושב פרימיום למי שצריך מכסת שימוש גבוהה במיוחד: 100 דולר לעובד בחודש בחיוב שנתי, פי חמישה ממושב רגיל.
האם ChatGPT באמת מתאמן על המידע של העסק? המיתוס שצריך לתקן
הטיעון הנפוץ ביותר בעד מודל מקומי הוא ש"ChatGPT לומד מהמסמכים שלכם". בתוכניות העסקיות זה לא מדויק. לפי מרכז העזרה של OpenAI, החברה לא מתאמנת על נתוני סביבת עבודה של ChatGPT Business. לפי עמוד התמחור של Anthropic, תוכן של Claude Team לא משמש לאימון כברירת מחדל. גם Microsoft מצהירה שהנחיות, תשובות ומידע של הארגון ב-Microsoft 365 Copilot לא משמשים לאימון מודלי הבסיס. בגרסאות החינמיות והאישיות המצב שונה, ושם השימוש לאימון הוא לרוב ברירת המחדל וניתן לכיבוי.
אז מה כן ההבדל? במנוי עסקי המידע יוצא מהמשרד ומעובד אצל צד שלישי, גם אם לא מתאמנים עליו. ברוב העסקים זה בסדר גמור. בחלק מהעסקים זה לא:
- חוזה עם לקוח שאוסר להעביר את המידע שלו לספקי משנה, כמו שקורה הרבה בעבודה מול גופים ביטחוניים, בנקים וחברות ביטוח.
- סודיות מקצועית של עורכי דין, רואי חשבון ופסיכולוגים, שבה גם העברה מוצפנת לצד שלישי מחייבת בדיקה.
- מידע רגיש לפי חוק הגנת הפרטיות, כמו מידע רפואי. תיקון 13 לחוק נכנס לתוקף ב-14 באוגוסט 2025 והרחיב את סמכויות האכיפה, והרשות להגנת הפרטיות פרסמה באפריל 2025 טיוטת הנחיה שקובעת שהחוק חל על מערכות AI לאורך כל מחזור החיים שלהן.
אם התשובה לשאלה הזו היא "כן" עבור רוב המידע שלכם, אין לכם סיבה רגולטורית לעבור למודל מקומי, והשאלה הופכת לשאלה של עלות ונוחות. גם אז יש מה לעשות: טיוטת ההנחיה של הרשות להגנת הפרטיות (סעיף 9.7) קובעת שארגון שעובדיו נעזרים בכלים חיצוניים כמו ChatGPT ו-Copilot צריך מדיניות ייעודית, שמגדירה מי מורשה להשתמש, לאיזו מטרה ואילו סוגי מידע אישי מותר לחשוף. לעורכי דין הטיוטה מפנה גם לגילוי הדעת של ועדת האתיקה של לשכת עורכי הדין בעניין שימוש בבינה מלאכותית. להחלטה משפטית פרטנית, פנו ליועץ פרטיות.
כמה זה עולה באמת: השוואה ל-3 שנים לפי גודל הצוות
כדי להשוות הוגן, הכנסנו לחישוב את כל מה שמודל מקומי עולה ולא רק את החומרה: מחיר התחנה, חשמל ושעות תחזוקה. המחירים כוללים מע"מ, והחומרה מבוססת על המחירים באתר Powercon ב-19 באוקטובר 2026.
| רכיב | 32GB: תחנה מוכנה עם RTX 5000 Ada | 48GB: תחנה עם RTX PRO 5000 | 96GB: תחנה עם RTX PRO 6000 |
|---|---|---|---|
| חומרה | כ-26,450 | כ-47,700 (כרטיס 32,302 ותחנת בסיס) | כ-94,900 (כרטיס 79,502 ותחנת בסיס) |
| חשמל לכרטיס, 8 שעות ביום בימי עבודה | כ-990 (330 בשנה, 250W) | כ-1,190 (396 בשנה, 300W) | כ-1,190 (396 בשנה, 300W) |
| תחזוקה | כ-21,600 (שעתיים בחודש) | כ-32,400 (3 שעות בחודש) | כ-32,400 (3 שעות בחודש) |
| סך הכל ל-3 שנים | כ-49,000 | כ-81,300 | כ-128,500 |
| מתאים ל | עד כ-20 עובדים, עד 4 במקביל | 20 עד 50 עובדים, עד 10 במקביל | מודל של 70 מיליארד פרמטרים |
| נקודת איזון מול מנויים | כ-19 מנויים | כ-31 מנויים | כ-49 מנויים |
| גודל צוות | מנויים עסקיים | תחנה מקומית מתאימה | מי זול יותר |
|---|---|---|---|
| 5 עובדים | כ-13,200 | כ-49,000 (32GB) | מנוי, בפער של כמעט פי 4 |
| 15 עובדים | כ-39,600 | כ-49,000 (32GB) | מנוי, בכ-9,500 שקל |
| 20 עובדים | כ-52,700 | כ-49,000 (32GB) | כמעט תיקו |
| 40 עובדים | כ-105,500 | כ-81,300 (48GB) | מקומי, בכ-24,200 שקל |
שלוש הסתייגויות שחשוב להבין לפני שמסיקים מסקנה מהטבלה:
- התחזוקה היא הנחת עבודה. לפי ריכוז של CostBench, התקנה קטנה דורשת 2 עד 4 שעות תחזוקה בחודש. ה-300 שקל לשעה הם הערכה משוערת שלנו לטכנאי חיצוני. זו ההנחה הרגישה ביותר בחישוב: התחזוקה היא כ-44 אחוז מהעלות הכוללת של תחנת 32GB. עם איש IT בבית, שהתחזוקה לא מוסיפה לו עלות, נקודת האיזון יורדת לכ-10 משתמשים. ב-4 שעות בחודש, הקצה העליון של הטווח, היא עולה לכ-27 משתמשים. במילים אחרות: עם איש IT פנימי שיש לו זמן פנוי, מודל מקומי משתלם כבר מכ-10 משתמשים, וגם תחנת 48GB מגיעה לאיזון בכ-18.5 משתמשים.
- החשמל הוא של הכרטיס בלבד, לפי תעריף של 63.52 אגורות לקוט"ש. המחשב כולו צורך יותר, ובעומס 24/7 החשבון גדל פי 4 בערך.
- החישוב מניח שהמודל המקומי מחליף את המנוי במלואו. זה נכון רק לחלק מסוגי השימוש. הטבלה הבאה מראה איך סוג השימוש משנה את התמונה.
סוג השימוש משנה את החשבון
נקודת האיזון של כ-19 משתמשים נכונה לשימוש יומיומי של צ'אט וסיכומים. בשימושים אחרים היא זזה לשני הכיוונים, כי משתנה כמות הזיכרון שכל משתמש תופס, או החלק מהמנוי שהמודל המקומי באמת מחליף. כל המספרים בטבלה מניחים תחזוקה חיצונית.
| סוג שימוש | מה משתנה | נקודת איזון | מסקנה |
|---|---|---|---|
| צ'אט, סיכומים וטיוטות | החישוב הבסיסי: המודל המקומי מחליף את המנוי | כ-19 משתמשים (32GB) | משתלם בחלון צר, ומעל 30 עם 48GB |
| RAG כבד על מסמכים ארוכים | הקשר של 32 אלף טוקנים תופס כ-8GB לכל משתמש. תחנת 32GB משרתת רק 1 עד 2 משתמשים במקביל, ותחנת 48GB כ-3 עד 4 | צריך 48GB כבר בצוות קטן | משתלם רק אם המידע רגיש |
| שימוש מעורב עם קוד וניתוח מורכב | המודל המקומי מחליף רק חלק מהעבודה, ומנויים נשארים | בהחלפה של 50 אחוז: כ-37 משתמשים, מעבר לקיבולת של תחנת 32GB | לא משתלם כלכלית |
| אוטומציה ועיבוד אצווה | אין משתמש שממתין, והתחנה עובדת גם בלילה. ההשוואה היא מול תשלום לפי טוקנים ב-API, לא מול מנויים | תלוי בנפח. חשמל של כרטיס 250W ב-24/7: כ-1,390 שקל בשנה | יכול להשתלם גם בעסק קטן |
דחיסת מטמון ההקשר ל-FP8 מכפילה בערך את מספר המשתמשים בעבודת RAG, עם פגיעה קטנה באיכות. הסברנו את החישוב במדריך ה-VRAM.
פער האיכות: מה מודל מקומי עושה טוב, ואיפה הוא עדיין מפגר
בדירוג Artificial Analysis Intelligence Index, נכון לאוקטובר 2026, המודל הפתוח המוביל (MiMo-V2.6-Pro של Xiaomi) מקבל 46 נקודות, לעומת 58 למודל הסגור המוביל. הפער משתנה עם כל השקה: לפי ניתוח של Artificial Analysis מאפריל 2026, הוא עמד אז על 6 נקודות בלבד. אבל המודלים הפתוחים המובילים בגודל של מאות מיליארדי פרמטרים, ודורשים חומרת דאטה-סנטר.
מה שרלוונטי לעסק הוא המודל שנכנס לתחנה במשרד. המודל הפתוח הטוב ביותר עד 32 מיליארד פרמטרים באותו דירוג, Qwen3.8 27B, מקבל 34 נקודות, כ-40 אחוז פחות מהחזית. Artificial Analysis מציינת גם שמודלים פתוחים בגודל הזה חלשים במיוחד בידע עובדתי, ולכן הם עובדים הכי טוב כשנותנים להם את המסמכים עצמם, ולא כשסומכים על הזיכרון שלהם.
| משימה | מודל מקומי בתחנת 32GB | הערה |
|---|---|---|
| סיכום מסמכים ופגישות | טוב מאוד | המשימה הנפוצה ביותר בעסק |
| חיפוש ושאלות על מסמכי החברה (RAG) | טוב מאוד | כאן מודל מקומי חזק במיוחד, כי המידע נשאר בבית |
| ניסוח מיילים וטיוטות | טוב | בעברית תלוי מאוד בבחירת המודל |
| סיווג ומיון פניות | טוב | מתאים לאוטומציה רציפה |
| ניתוח משפטי או פיננסי מורכב | בינוני | דורש בקרה אנושית צמודה |
| תכנות מתקדם וסוכנים | חלש יחסית | המודלים המסחריים מובילים בפער ברור |
| מתמטיקה והסקה רב-שלבית | חלש יחסית | מודלים גדולים יותר משפרים, אבל דורשים 96GB ומעלה |
עברית: הבחירה במודל קובעת כמעט הכל
במדידה שערכנו למדריך ה-VRAM, אותו טקסט בעברית דרש פי 3.46 טוקנים מאנגלית ב-Llama 3, פי 1.67 ב-Gemma 3 ופי 1.42 בלבד ב-Qwen. כל טוקן נוסף עולה בזיכרון ובמהירות. לכן לעסק שעובד בעברית, Qwen או Gemma הם נקודת פתיחה טובה יותר מ-Llama.
אפשרות ישראלית שכדאי להכיר היא DictaLM 3.0. לפי המאמר של Dicta מפברואר 2026, גרסת ה-24B שלו, שמבוססת על Mistral Small 3.1, משתווה במבחני עברית למודלים גדולים ממנה פי 4 ומעלה. בגודל הזה היא נכנסת לתחנה של 32GB בקוונטיזציה של 4 ביט.
מבחן ההחלטה: 5 שאלות שמכריעות אם לעבור למודל מקומי
ענו על חמש השאלות לפי הסדר. הראשונה כבדה מכל השאר.
- יש לכם מידע שאסור לו לצאת מהמשרד?לפי חוזה, סודיות מקצועית או רגולציה. אם כן, זו הסיבה החזקה ביותר למודל מקומי, גם בצוות קטן. אם לא, המשיכו לשאלה 2.
- כמה עובדים ישתמשו בו ביומיום?לא כמה עובדים יש בארגון, אלא כמה ישתמשו באמת. בתחזוקה חיצונית, מתחת לכ-30 משתמשים המנוי כמעט תמיד זול יותר, למעט חלון צר של 19 עד 20 משתמשים. עם איש IT פנימי הסף יורד לכ-10. מעל כ-30 תחנה עם 48GB מתחילה לחסוך.
- אילו משימות הם יעשו?סיכום, חיפוש במסמכים וטיוטות מתאימים למודל מקומי. קוד מתקדם, ניתוח מורכב וסוכנים עדיין עובדים טוב יותר במודל מסחרי. סוג השימוש משנה גם את נקודת האיזון, כפי שמראה הטבלה בפרק העלויות: אוטומציה משתלמת מוקדם, ושימוש מעורב כמעט אף פעם לא.
- באיזו שפה?אם רוב העבודה בעברית, ודאו שיש מודל שעובד טוב בעברית על המסמכים שלכם, ותכננו זיכרון בהתאם.
- מי יתחזק את זה?מודל מקומי דורש עדכונים, גיבוי ואבטחה. בלי איש IT או ספק תמיכה, עדיף להישאר בענן.
למי כדאי ולמי לא: לפי סוג העסק
| סוג עסק | מודל מקומי? | למה |
|---|---|---|
| משרד עורכי דין | כן, למסמכי לקוחות | חיסיון עורך דין-לקוח, חוזים רגישים, חיפוש בתיקים ישנים. לשכת עורכי הדין פרסמה גילוי דעת על שימוש ב-AI |
| משרד רואי חשבון ויועצי מס | כן, לתיקי לקוחות | מידע פיננסי של לקוחות, עבודה חוזרת על אותם סוגי מסמכים |
| מרפאה וקליניקה | כן | מידע רפואי הוא מידע רגיש במיוחד לפי חוק הגנת הפרטיות |
| ספק של גוף ביטחוני | כן, ולעיתים חובה | הלקוח לרוב אוסר העברת מידע לצד שלישי |
| צוות פיתוח עם קוד קנייני | תלוי | כדאי אם הלקוח אוסר שליחת קוד. לתכנות מתקדם המודלים המסחריים עדיין חזקים יותר |
| משרד אדריכלים והנדסה | תלוי | אם יש תחנות עבודה חזקות ממילא, אפשר להריץ מודל קטן על אותה חומרה |
| סוכנות שיווק ותוכן | לרוב לא | מידע פחות רגיש, צורך במודלים החזקים ביותר לכתיבה ויצירה |
| חנות אונליין קטנה | לא | מעט משתמשים, מעט מידע רגיש, אין מי שיתחזק |
שימו לב שגם בשורות הירוקות ההמלצה היא בדרך כלל "למסמכי הלקוחות", לא "לכל הארגון". משרד עורכי דין של 12 עובדים יכול להמשיך לנסח מיילים ושיווק בעזרת מנוי, ולהשתמש בתחנה המקומית רק לחיפוש ולסיכום בתיקים. על בניית מערכת חיפוש כזו כתבנו במדריך ל-RAG ארגוני.
5 טעויות נפוצות במעבר למודל AI מקומי
1. לעבור בגלל פחד מאימון, כשהבעיה האמיתית אחרת
אם הסיבה היחידה היא החשש שהספק יתאמן על המידע, מנוי עסקי כבר פותר אותה. עברו למודל מקומי רק אם המידע לא אמור לצאת בכלל, או אם החשבון מצדיק זאת.
2. לחשוף את השרת לאינטרנט
Ollama, התוכנה הנפוצה להרצת מודלים מקומיים, מגיעה בלי מנגנון הזדהות מובנה. לפי סקירה של Twingate, סריקה של Cisco Talos בספטמבר 2025 מצאה כ-1,100 שרתי Ollama חשופים לאינטרנט, וכ-20 אחוז מהם הגישו מודלים בלי שום הזדהות. שרת כזה צריך לשבת מאחורי חומת אש ובתוך הרשת הפנימית בלבד. אם אתם צריכים גישה מרחוק, עשו אותה דרך VPN. על הגדרת חומת האש כתבנו במדריך רישוי FortiGate.
3. לקנות כרטיס קטן מדי
כרטיס של 8GB מריץ מודלים קטנים בלבד, ובעברית ההקשר תופס יותר זיכרון. לצוות קטן, 32GB הם נקודת האיזון. החישוב המלא נמצא במדריך ה-VRAM.
4. לצפות לאיכות של ChatGPT ממודל של 30 מיליארד פרמטרים
מי שמשווה סיכום של מודל מקומי לסיכום של מודל מסחרי יראה בדרך כלל פער קטן. מי שמשווה ניתוח מורכב יראה פער גדול. הגדירו מראש אילו משימות עוברות למודל המקומי, ואל תבטלו את כל המנויים ביום הראשון.
5. לבחור מודל לפי מבחנים באנגלית
מודל שמוביל בטבלאות באנגלית עלול לבזבז פי 3.46 טוקנים בעברית. בדקו את המודל על המסמכים שלכם, בשפה שלכם.
המלצה לפי תרחיש
כ-73 שקל לעובד בחודש, בלי חומרה ובלי תחזוקה. מתחת לכ-30 משתמשים בתחזוקה חיצונית זה כמעט תמיד הפתרון הזול ביותר, והוא נותן גישה למודלים החזקים ביותר.
תחנה מוכנה כמו HP Z2 G1i עם RTX 5000 Ada של 32GB ב-26,449 שקל, שמריצה Qwen, Gemma או DictaLM. רק מסמכי הלקוחות עוברים דרכה. שימו לב לקיבולת: בחיפוש בתיקים עם מסמכים ארוכים התחנה משרתת רק 1 עד 2 משתמשים במקביל, או 2 עד 4 עם דחיסת מטמון ל-FP8. משרד שבו כמה עורכי דין עובדים על תיקים בו-זמנית יצטרך תחנה של 48GB. אם כבר יש לכם תחנה חזקה, אפשר לשדרג אותה בכרטיס NVIDIA RTX PRO 4500 עם 32GB ב-17,980 שקל. ההנחיות לבניית התחנה כולה נמצאות במדריך רכש תחנות העבודה ל-AI.
כמה זה עולה: משרד עורכי דין של 12 עובדים ישלם כ-31,600 שקל על מנויים וכ-49,000 שקל על התחנה, כלומר כ-80,700 שקל ל-3 שנים, יותר מכפול ממנויים בלבד. עם תחנה של 48GB, למשרד שבו כמה עורכי דין עובדים במקביל, העלות עולה לכ-112,900 שקל. במודל ההיברידי לא חוסכים כסף. משלמים על עמידה בחוזים, בחובת הסודיות וברגולציה.
תחנה עם RTX PRO 5000 עם 48GB (הכרטיס ב-32,302 שקל) משרתת עד 10 משתמשים במקביל על מודל של 32 מיליארד פרמטרים. בתחזוקה חיצונית היא מתחילה לחסוך מול מנויים מעל כ-31 משתמשים, ועם איש IT פנימי כבר מכ-18.5. RTX PRO 6000 עם 96GB (79,502 שקל) נדרש רק למודל של 70 מיליארד פרמטרים, ומשתלם כלכלית רק בארגון גדול יותר.
128GB זיכרון מאוחד ב-26,535 שקל טוענים מודלים שלא נכנסים לאף כרטיס בטווח המחיר הזה, אבל מהירות התגובה נמוכה יותר. ההשוואה המלאה נמצאת במאמר DGX Spark מול תחנת עבודה עם RTX PRO, והמוצר זמין בקטלוג בגרסת MSI, לצד דף ה-NVIDIA DGX Spark להצעת מחיר.
תחנה שרצה כל היום צריכה גם הגנת חשמל. בחרו אל-פסק לפי הוואטים של התחנה כולה, כפי שהסברנו במדריך ה-UPS. לכל פתרונות ה-AI ראו את קטגוריית שרתי ה-AI.
מוצרים מומלצים מהקטלוג למודל AI מקומי
אלה המוצרים שמתאימים לכל אחד מהתרחישים במאמר, עם המחירים באתר נכון ל-19 באוקטובר 2026. המחירים כוללים מע"מ ומשתנים לעיתים קרובות, לכן לחצו על המוצר למחיר ולמלאי עדכניים.
| מוצר | זיכרון למודל | מתאים ל | מחיר |
|---|---|---|---|
| MSI GeForce RTX 5060 Ti 16GB (כרטיס) | 16GB | ניסוי ראשון ועובד בודד | 4,115 ש"ח |
| NVIDIA RTX PRO 4000 Blackwell 24GB (כרטיס) | 24GB | 1 עד 5 עובדים, צריכת חשמל נמוכה | 11,343 ש"ח |
| NVIDIA RTX PRO 4500 Blackwell 32GB (כרטיס) | 32GB | שדרוג תחנה קיימת לצוות של עד כ-20 | 17,980 ש"ח |
| HP Z2 G1i עם RTX 5000 Ada 32GB (תחנה מוכנה) | 32GB | צוות של עד כ-20, תחנה אחת למידע הרגיש | 26,449 ש"ח |
| MSI DGX Spark 128GB (מחשב AI שולחני) | 128GB מאוחד | פיתוח וניסוי מודלים גדולים | 26,535 ש"ח |
| NVIDIA RTX PRO 5000 Blackwell 48GB (כרטיס) | 48GB | 20 עד 50 עובדים, עד 10 במקביל | 32,302 ש"ח |
| Dell Pro Max Tower T2 עם RTX 5090 (תחנה מוכנה) | 32GB | צוות פיתוח שצריך מהירות גבוהה | 38,971 ש"ח |
| NVIDIA RTX PRO 6000 Blackwell Max-Q 96GB (כרטיס) | 96GB | מודל של 70 מיליארד פרמטרים | 79,502 ש"ח |
שאלות נפוצות
מה הפתרון המומלץ ביותר לעסק קטן בישראל: מודל AI מקומי או מנוי ChatGPT?
לרוב העסקים עם פחות מכ-30 משתמשים ובלי איש IT פנימי, מנוי עסקי כמו ChatGPT Business או Claude Team הוא הבחירה המומלצת: כ-73 שקל לעובד בחודש כולל מע"מ בחיוב שנתי, בלי חומרה ובלי תחזוקה, ובלי שימוש בתוכן לאימון כברירת מחדל. מודל AI מקומי מומלץ כשיש מידע שאסור לו לצאת מהמשרד לפי חוזה או רגולציה, כמו תיקי לקוחות של משרד עורכי דין, מידע רפואי או קוד שהלקוח אסר לשלוח לצד שלישי. בתחזוקה חיצונית, מתחת לכ-30 משתמשים המנוי כמעט תמיד זול יותר גם אחרי חישוב ל-3 שנים, ומעל כ-30 משתמשים תחנה מקומית עם 48GB כבר זולה יותר.
כמה עולה מנוי ChatGPT Business או Claude Team לעובד ב-2026?
שני המנויים עולים 20 דולר לעובד בחודש בחיוב שנתי ו-25 דולר בחיוב חודשי, עם מינימום של 2 משתמשים. בשער של כ-3.10 שקלים לדולר ועם 18 אחוז מע"מ, זה כ-73 שקל לעובד בחודש וכ-2,640 שקל לעובד לאורך 3 שנים. בשני המנויים יש גם מושב פרימיום עם מכסת שימוש גבוהה, ב-100 דולר בחודש בחיוב שנתי. Microsoft 365 Copilot Business עולה 21 דולר בחיוב שנתי, כתוספת למנוי Microsoft 365 עסקי.
האם ChatGPT ו-Claude מתאמנים על המידע של העסק שלי?
בתוכניות העסקיות, לא כברירת מחדל. לפי מרכז העזרה של OpenAI, החברה לא מתאמנת על נתוני סביבת העבודה של ChatGPT Business, ולפי עמוד התמחור של Anthropic, תוכן של Claude Team לא משמש לאימון כברירת מחדל. גם Microsoft מצהירה שתוכן הארגון ב-Microsoft 365 Copilot לא משמש לאימון מודלי הבסיס. ההבדל בין ענן למודל מקומי אינו האימון אלא העובדה שהמידע יוצא מהארגון ומעובד אצל צד שלישי. זה חשוב כשחוזה עם לקוח, סודיות מקצועית או רגולציה אוסרים את זה.
כמה עולה להקים מודל AI מקומי לעסק?
באתר Powercon, תחנה מוכנה HP Z2 G1i עם כרטיס RTX 5000 Ada של 32GB עולה 26,449 שקל ומספיקה לצוות של עד כ-20 עובדים עם עד 4 משתמשים במקביל. תחנה עם כרטיס RTX PRO 5000 של 48GB עולה כ-47,700 שקל ומתאימה ל-20 עד 50 עובדים. כרטיס RTX PRO 6000 של 96GB לבדו עולה 79,502 שקל. לכך מצטרפים חשמל של כ-330 עד 400 שקל בשנה לכרטיס ב-8 שעות עבודה ביום, ותחזוקה של כ-2 עד 4 שעות בחודש. המחירים כוללים מע"מ, נכונים ל-19 באוקטובר 2026 ותנודתיים בגלל משבר הזיכרונות.
האם מודל AI מקומי טוב כמו ChatGPT?
בדירוג Artificial Analysis Intelligence Index, נכון לאוקטובר 2026, המודל הפתוח המוביל מקבל 46 נקודות לעומת 58 למודל הסגור המוביל, אבל הוא דורש חומרת דאטה-סנטר. המודל הפתוח הטוב ביותר עד 32 מיליארד פרמטרים, Qwen3.8 27B, שנכנס לתחנת עבודה של 32GB, מקבל 34 נקודות, כ-40 אחוז פחות מהחזית. מודלים כאלה טובים מאוד בסיכום, חיפוש במסמכים, ניסוח טיוטות וסיווג, וחלשים יותר בידע עובדתי, בניתוח מורכב, במתמטיקה ובתכנות מתקדם.
איזה מודל מקומי מתאים לעבודה בעברית?
בעברית בחירת המודל משפיעה ישירות על הזיכרון ועל המהירות. במדידה של Powercon, אותו טקסט בעברית דרש פי 3.46 טוקנים ב-Llama 3, פי 1.42 בלבד ב-Qwen ופי 1.67 ב-Gemma 3. לכן כדאי להתחיל ממודלי Qwen או Gemma, או מ-DictaLM 3.0 הישראלי. לפי המאמר של Dicta מפברואר 2026, גרסת ה-24B שלו מתחרה במודלים גדולים ממנו פי 4 במבחני עברית. בכל מקרה יש לבדוק את האיכות על המסמכים של העסק עצמו.
מאיזה גודל צוות מודל AI מקומי משתלם כלכלית?
לפי חישוב ל-3 שנים, כולל חומרה, חשמל ותחזוקה, תחנה של 32GB בעלות כוללת של כ-49,000 שקל מגיעה לאיזון מול כ-19 מנויים עסקיים. תחנה של 48GB בעלות כוללת של כ-81,300 שקל מגיעה לאיזון מול כ-31 מנויים, ותחנה של 96GB רק מול כ-49 מנויים. מתחת לנקודות האלה המנוי זול יותר. החישוב מניח עלות תחזוקה משוערת של 300 שקל לשעה. עם איש IT בבית נקודת האיזון של תחנת 32GB יורדת לכ-10 משתמשים, וב-4 שעות תחזוקה בחודש היא עולה לכ-27. גם סוג השימוש משנה את התשובה: באוטומציה ועיבוד אצווה תחנה יכולה להשתלם גם בעסק קטן, ובשימוש מעורב שבו המודל המקומי מחליף רק חצי מהעבודה, נקודת האיזון קופצת לכ-37 משתמשים. החישוב לא כולל את העובדה שהמודל המקומי חלש יותר מהמודלים המסחריים.
האם אפשר לשלב מודל מקומי ומנוי בענן?
כן, ולרוב העסקים זה הפתרון הנכון. רוב הצוות ממשיך לעבוד עם מנוי עסקי למשימות כלליות, ותחנה מקומית אחת משרתת רק את המידע הרגיש, למשל חיפוש בתיקי לקוחות או סיכום מסמכים רפואיים. כך משלמים על חומרה רק במקום שבו יש בה צורך, ושומרים על גישה למודלים החזקים ביותר בשאר המשימות. הכלל הוא לחלק לפי רגישות המידע, לא לפי עובד.
שורה תחתונה
מנוי עסקי בענן הוא הבחירה הנכונה לרוב העסקים הקטנים בישראל, ובטח מתחת לכ-30 משתמשים כשהתחזוקה חיצונית: כ-73 שקל לעובד בחודש, בלי אימון על התוכן כברירת מחדל, ועם המודלים החזקים ביותר. מודל AI מקומי מוצדק בשני מקרים: כשיש מידע שאסור לו לצאת מהמשרד, או כשיש מספיק משתמשים עם משימות חוזרות: מעל כ-30 בתחזוקה חיצונית, או כ-10 עד 20 ומעלה עם איש IT פנימי שיש לו זמן פנוי.
לרוב העסקים עם מידע רגיש, הפתרון הנכון הוא לא "ענן או מקומי" אלא שניהם: מנויים לעבודה הכללית, ותחנה אחת במשרד למידע שלא אמור לצאת.
לא בטוחים אם העסק שלכם צריך מודל AI מקומי? הצוות של Powercon כאן לעזור. נעבור יחד על סוג המידע, מספר המשתמשים והמשימות, ונמליץ על הפתרון שמתאים לכם, גם אם התשובה היא להישאר עם מנוי.
לייעוץ מקצועי ללא עלותמקורות
- מחירי ChatGPT Business ומדיניות אימון: מרכז העזרה של OpenAI
- מחירי Claude Team ומדיניות אימון: עמוד התמחור של Anthropic
- מדיניות האימון של Microsoft 365 Copilot: Microsoft Learn
- מחירי Microsoft 365 Copilot Business: עמוד התמחור של Microsoft
- פער האיכות בין מודלים פתוחים לסגורים: דירוג Artificial Analysis, דירוג המודלים הפתוחים וניתוח מודלים עד 32B, אפריל 2026
- DictaLM 3.0: מאמר Dicta ב-arXiv, פברואר 2026
- שעות תחזוקה של התקנה מקומית: CostBench
- שרתי Ollama חשופים: Twingate, על בסיס סריקת Cisco Talos
- טיוטת הנחיית הרשות להגנת הפרטיות לגבי AI: gov.il, 28 באפריל 2025
- שער הדולר: Exchange-Rates.org, 15 באוקטובר 2026
- מחירי מוצרים: קטלוג Powercon, 19 באוקטובר 2026
- צריכת חשמל, קיבולת משתמשים ומדידת הטוקנים בעברית: מדריך ה-VRAM של Powercon והשוואת DGX Spark
המספרים הם הערכות נכון לאוקטובר 2026. מחירי מנויים, חומרה ושער מטבע משתנים, וההחלטה המשפטית לגבי העברת מידע תלויה בנסיבות של כל עסק.
