מה זה AGI (בינה מלאכותית כללית)? המדריך המלא בעברית [2026]

כולם מדברים על AGI, ומעטים מסכימים מה זה בעצם אומר. בהשקת GPT-6 אסטרה (Astra) בספטמבר 2026, ראש OpenAI סיים את הדברים במשפט "Welcome to the AGI era", ומאז המונח נמצא בכל כותרת שנייה.

בקצרה: AGI, ראשי תיבות של Artificial General Intelligence ובעברית בינה מלאכותית כללית, הוא השלב שבו בינה מלאכותית מפסיקה להיות כלי למשימה מסוימת והופכת למערכת שיכולה ללמוד ולבצע כמעט כל עבודה אינטלקטואלית שאדם מסוגל לבצע. חשוב לדייק: אין הגדרה מוסכמת ואין מבחן רשמי שקובע שהגענו לשם. לכן כשחברה מכריזה על "עידן ה-AGI", זו טענה משמעותית שלה, לא עובדה מדעית מוסכמת.

במדריך הזה פירקתי את המונח לחלקים: מה ההגדרה, מה ההבדל המעשי מ-AI רגיל, איך בכלל מנסים למדוד את זה, למה המומחים חלוקים, ומה כל זה אומר עליכם בפועל.

מה זה AGI (בינה מלאכותית כללית)?

AGI הוא בינה מלאכותית שאינה רק טובה במשימה מסוימת, אלא מסוגלת להבין, ללמוד ולבצע מגוון רחב מאוד של משימות ברמה אנושית או גבוהה ממנה. זו ההגדרה המקובלת ביותר, גם אם לא כולם מסכימים על גבולותיה.

בניסוח אחד: AGI הוא השלב שבו בינה מלאכותית מפסיקה להיות כלי למשימה מסוימת, והופכת למערכת שיכולה ללמוד ולבצע כמעט כל עבודה אינטלקטואלית שאדם מסוגל לבצע.

בפועל, כשמדברים על AGI מתכוונים למערכת שיודעת:

• ללמוד נושא חדש שלא אומן עליו במפורש.
• לפתור בעיות שלא הכיר, ולא רק לשלוף פתרון ששינן.
• לתכנן ולבצע משימות ארוכות, על פני שעות ושלבים רבים.
• להשתמש במחשב ובכלים בכוחות עצמה, כמו שאדם היה עושה.
• לעבור בין קוד, מחקר, כתיבה וניתוח בלי מערכת נפרדת לכל תחום.

השורה האחרונה היא המהותית. היום יש כלי מצוין לכתיבה, כלי אחר לניתוח נתונים וכלי שלישי לקוד. AGI, בהגדרתו, הוא מערכת אחת שעוברת ביניהם באופן טבעי, כמו עובד.

מה ההבדל בין AI רגיל ל-AGI?

ההבדל הוא בשאלה מי מפרק את העבודה. זה המבחן הפשוט ביותר, והוא מעשי הרבה יותר מכל הגדרה טכנית.

מול AI רגיל (שנקרא גם AI צר, Narrow AI), הדיאלוג נשמע כך: "תן לי משימה ואעזור לך לבצע אותה". אתם מפרקים את העבודה לשלבים, ומבקשים עזרה בשלב מסוים. נסחו לי מייל, סכמו לי מסמך, כתבו לי פונקציה.

מול AGI, הדיאלוג נשמע אחרת: "תן לי מטרה, ואני אבין בעצמי מה צריך לעשות ואבצע את התהליך". אתם מגדירים תוצאה רצויה, והמערכת מתכננת את הדרך.

ההבדל הזה נשמע פילוסופי, אבל יש לו משמעות תפעולית חדה. במודל הראשון האחריות על התכנון היא שלכם, והמערכת אחראית על ביצוע שלב. במודל השני המערכת מתכננת, ואתם עוברים לתפקיד של מגדיר מטרה ומבקר תוצאה. זה שינוי בתפקיד של האדם, לא רק שדרוג של הכלי.

איך מודדים AGI? האם יש מבחן רשמי?

אין מבחן רשמי מוסכם, וזו אחת הבעיות המרכזיות בכל הדיון. בלי הגדרה מדידה, כל צד יכול להכריז ניצחון או לשלול אותו.

המבחן המוכר ביותר בתחום הוא ARC-AGI, שנבנה במיוחד כדי לבדוק הכללה ולא שינון. הוא מציג למודל חידות ויזואליות שלא ראה, ובודק אם הוא מסיק את הכלל מדוגמאות בודדות. הרעיון: מודל ששינן את האינטרנט יכול להיכשל בו, בעוד ילד עשוי להצליח.

הגרסה הקשה, ARC-AGI-2, נבנתה בדיוק כי הגרסה הראשונה נפרצה. בספטמבר 2026 דווח ש-GPT-6 אסטרה השיג בה ציונים גבוהים מאוד, בסביבות 98 אחוז.

אז זהו, הגענו? לא בהכרח, ומסיבה מעניינת. יוצרי המבחן מדגישים שציון גבוה אינו שווה ערך ל-AGI, בין השאר בגלל מה שהם מכנים משבר היעילות: השאלה היא לא רק אם המערכת פתרה, אלא כמה משאבי חישוב היא שרפה בדרך. אדם פותר את החידות האלה בשניות ובעלות זניחה. מערכת שמגיעה לאותה תוצאה אחרי חישוב עצום מפגינה יכולת, אבל לא בהכרח את אותו סוג של אינטליגנציה.

זו נקודה שחשוב להפנים: בכל פעם שמבחן AGI נפרץ, מתברר שהמבחן מדד משהו צר יותר ממה שחשבנו. זה קרה במבחן טיורינג, וזה קורה שוב.

למה אין הגדרה מוסכמת ל-AGI?

כי אין הסכמה על מה נחשב "כל התחומים", ואיך מודדים אינטליגנציה כללית. המומחים לא מצליחים להסכים מתי AGI יגיע, בעיקר משום שהם לא מסכימים מה הוא בכלל.

הבעיה עמוקה יותר משנדמה. הגדרה רחבה מדי ("מערכת שמבצעת מגוון משימות ברמה אנושית") מתקיימת חלקית כבר היום. הגדרה מחמירה מדי ("מערכת שעושה כל מה שאדם עושה, כולל תודעה") אולי לא תתקיים לעולם, ובוודאי לא ניתנת למדידה.

ואם צריך הוכחה לכך שההגדרה תלויה באינטרס, הנה אחת: ההגדרה המשפטית המפורסמת ביותר ל-AGI לא הייתה מדעית כלל, אלא כלכלית. בהסכם המקורי בין OpenAI למיקרוסופט, AGI הוגדר כרגע שבו המערכות של OpenAI יוכלו לייצר את סך הרווחים המקסימלי שלו זכאים המשקיעים הראשונים. מדד של כסף, לא של חשיבה. הסעיף הזה בוטל לחלוטין בהסכם המחודש בין החברות באפריל 2026.

זו הסיבה שכדאי להתייחס בזהירות לכל הכרזה על AGI: מאחורי ההגדרה עומד לרוב אינטרס, מסחרי או תדמיתי.

מה חוזים המומחים, ומתי?

התחזיות רחוקות זו מזו בעשרות שנים, וזה עצמו הנתון המעניין. הנה התמונה, לפי מקורות מדידים:

שימו לב לשני דברים. ראשית, הקהילה המדעית הקדימה את התחזית ב-13 שנה בתוך שנה אחת, מה שמעיד על קצב שהפתיע גם את המומחים. שנית, מנהלי מעבדות החזית אופטימיים באופן עקבי מהאקדמיה, וזה הגיוני: הם גם רואים את הדור הבא לפני כולם, וגם מגייסים עליו הון.

המסקנה הזהירה: מי שמצהיר בביטחון על תאריך, מוכר משהו. מי שמצהיר בביטחון שזה לעולם לא יקרה, מוכר משהו אחר.

AGI מול ASI: מה ההבדל?

AGI הוא ברמה אנושית לרוחב תחומים. ASI הוא מעבר לה. ASI, ראשי תיבות של Artificial Superintelligence ובעברית סופר אינטליגנציה, מתאר מערכת שעולה על האדם באופן משמעותי בכל תחום, כולל יצירתיות, אסטרטגיה ומחקר מדעי עצמאי.

ההבחנה חשובה כי הדיון הציבורי מערבב ביניהם. רוב מה שמדובר היום, כולל בהשקות של מודלי הדגל, נוגע ל-AGI. ASI נשאר בעיקר תיאורטי, והוא מוקד הדאגה של חוקרי הבטיחות דווקא מפני שקשה לפקח על מערכת חכמה מאיתנו.

נקודת החיבור בין השניים היא מה שמכונה שיפור עצמי: מערכת שמסוגלת לשפר את עצמה מקצרת מאוד את המרחק מהשלב הראשון לשני. זו בדיוק אחת היכולות שנמדדות היום בכרטיסי המערכת של המודלים החדשים.

איפה GPT-6 אסטרה נכנס לתמונה?

אסטרה הוא הדוגמה הכי טובה לכך שהשאלה כבר לא תיאורטית. הוא לא רק עונה טוב יותר, הוא מפעיל את המחשב בעצמו, כותב ומתקן קוד, ומבצע משימות ארוכות מקצה לקצה. אלה בדיוק הסימנים שברשימה למעלה.

מצד שני, אותו מודל גם ממחיש למה זהירות במינוח היא לא קטנוניות. בכרטיס המערכת הרשמי שלו OpenAI מודה שהיכולת לנטר את שרשרת המחשבה של המודל ירדה ביחס לדור הקודם. מערכת שקשה יותר להבין למה היא החליטה מה שהחליטה, היא לא בהכרח מערכת שאפשר לקרוא לה אינטליגנציה כללית בטוחה.

פירקתי את כל הנתונים, כולל טבלת הבנצ'מרקים המלאה, ממצאי הבודקים החיצוניים והסרטונים בעברית, במדריך המלא ל-GPT-6 אסטרה.

הסיפור מתחבר גם לשאלת השליטה. כתבתי על כך בכפתור הכיבוי שסוכני AI מקבלים, שהוא הצד המעשי של אותה מטבע.

מה זה אומר לעסק ולעובד הישראלי?

התשובה הקצרה: אל תחכו להכרזה. ההכרעה בשאלה האקדמית לא תשנה דבר בלוח הזמנים שלכם, כי היכולות כבר כאן בין אם קוראים להן AGI ובין אם לא.

הנה מה שכן משתנה בפועל, וכדאי להיערך אליו:

1. המעבר ממשימה לתהליך. אם מערכת מבצעת תהליך שלם ולא שלב, השאלה הניהולית משתנה מ"איך אני מייעל משימה" ל"איזה תהליך אני מוכן להעביר, ובאילו גבולות".
2. הערך עובר מביצוע לניסוח ולבקרה. כשהביצוע זול, מה שיקר הוא היכולת להגדיר נכון מה רוצים, ולזהות מתי התוצאה שגויה. זו מיומנות נרכשת, לא כישרון מולד.
3. ממשל AI הופך לתשתית. מי מורשה להריץ מה, על אילו נתונים, ומי אחראי לתוצאה. ככל שהמערכת עצמאית יותר, השאלות האלה נעשות דחופות יותר.
4. אבטחת מידע עולה דרגה. מודל שיודע לפעול בעצמו הוא גם משטח תקיפה חדש. זה כבר לא רק "איזה מידע מותר להזין".
5. הנכס האמיתי הוא המיומנות, לא שם המודל. מי שיודע לעבוד עם הכלים ישרוד כל חילוף דורות. מי שהתמחה במודל אחד יתחיל מהתחלה בכל השקה.

בדיקה של שתי דקות שאפשר לעשות היום: קחו תהליך אחד שחוזר אצלכם כל שבוע. שאלו מי מפרק אותו היום לשלבים, אדם או מערכת. אם התשובה היא אדם, שם נמצאת ההזדמנות הראשונה שלכם, וגם הסיכון הראשון אם מתחרה יגיע לשם לפניכם.

שורה תחתונה

AGI הוא לא מתג שנדלק ביום מסוים. הוא ספקטרום, ואנחנו נמצאים עליו כבר עכשיו, במקום שקשה למדוד בדיוק.

מה שכן ודאי: המרחק בין "כלי שעוזר במשימה" ל"מערכת שמנהלת תהליך" הצטמצם דרמטית בשנה האחרונה. אפשר להתווכח אם קוראים לזה AGI. קשה להתווכח על כך שזה משנה את אופן העבודה.

ומי שממתין להגדרה מוסכמת לפני שהוא מתחיל ללמוד, ימצא את עצמו לומד תחת לחץ במקום מתוך בחירה.

רוצים לדעת איפה הארגון שלכם עומד מול היכולות האלה? סריקת המוכנות ל-AI לוקחת שתי דקות ומחזירה תמונת מצב מסודרת.