כולם מפטרים בהייטק - אז למה החברות עדיין מתקשות לגייס?
מאמזון, מיקרוסופט, מטא, אינטל וסיילספורס בארה"ב, ועד וויקס, מאנדיי ופלייטיקה בישראל, יותר מ-100 חברות טכנולוגיה הודיעו השנה על קיצוצים בכוח האדם. ועדיין, במחלקות הגיוס בתל אביב, בסן פרנסיסקו ובלונדון נשמעת אותה תלונה: המשרות פתוחות, קורות החיים זורמים בכמויות, והעובד שהמנהל באמת רוצה לא מגיע.
זה נשמע כמו סתירה, אבל שני הדברים נכונים יחד. שוק העבודה בהייטק העולמי נכנס למצב שכלכלנים מכנים "מעט גיוסים, מעט פיטורים": החברות מקצצות בהיקפים שעושים כותרות, אבל שיעור הפיטורים ביחס לכוח העבודה נשאר נמוך, והבעיה האמיתית היא שכמעט אף אחד לא עובר בין משרות. מי שנמצא בפנים נשאר במקומו, ומי שבחוץ מתקשה להיכנס. זה אחד הפרדוקסים המרכזיים של שוק העבודה ב-2026.
מצד העובדים, התחושה ברורה. מספר החברות שמגייסות בקצב גבוה הצטמצם, תהליכי החיפוש מתארכים, ופיטורים בחברה גדולה כבר אינם אירוע חריג. מטא, למשל, בחנה השנה קיצוץ שיכול להגיע לעד 20% מכוח האדם שלה על רקע ההשקעות הגדולות ב-AI. במקביל, גם חברות ישראליות עברו התאמות, הקטינו צוותים ושינו מבנים ארגוניים.
אבל הנתונים מציירים מצב מורכב יותר מאבטלה המונית בהייטק. מספר המועסקים בענף הגיע לכ-400 אלף ב-2025. קצב הגידול השנתי, שהיה במשך שנים סביב 6%, ירד בממוצע לכ-1.2% בשנים 2023-2025.
בסקר החברות למחצית הראשונה של 2026, שיעור הגיוס הממוצע עמד על כ-8% מכוח האדם, לעומת שיעור פיטורים של כ-2.8%. כלומר, החברות עדיין מגייסות יותר משהן מפטרות, אבל עושות זאת בצורה בררנית הרבה יותר. יותר משליש מהחברות צופות ירידה בגיוסים במחצית השנייה של השנה.
תופעה עולמית: מעמק הסיליקון ועד הרצליה
מה שקורה בישראל הוא חלק ממגמה רחבה בהרבה. אמזון קיצצה בסוף 2025 כ-14 אלף משרות מטה, מיקרוסופט פיטרה במהלך 2025 כ-15 אלף עובדים בכמה גלים, ואינטל צמצמה בשנה שעברה כרבע מכוח האדם שלה. סיילספורס הודיעה שהחליפה כ-4,000 משרות בשירות הלקוחות בסוכני AI, ובמאי 2026 מטא הודיעה על 8,000 פיטורים לצד ביטול של 6,000 משרות פתוחות. כל אחד מהמהלכים האלה לבדו מספיק כדי לייצר תחושה של שוק מוצף במפוטרים.
ובכל זאת, גם הנתונים בארה"ב מציגים את אותו פרדוקס. שיעור הגיוסים במשק האמריקאי ירד בשנתיים האחרונות לרמות הנמוכות ביותר מאז העשור הקודם, בזמן ששיעור הפיטורים נשאר נמוך יחסית. גם מספר המשרות בפיתוח תוכנה שמתפרסמות באתרי הדרושים נמוך בכשליש מהרמה שלפני הקורונה. החברות מפטרות פחות משנדמה, אבל מגייסות הרבה פחות משהיה נהוג.
למה זה קורה? הסיבה הראשונה היא כסף. חברות הטכנולוגיה הגדולות מעבירות תקציבים מאנשים למחשוב: מטא, למשל, מגדילה בחדות את ההשקעות שלה בשבבים ובמרכזי נתונים באותה שנה שבה היא מקצצת אלפי משרות. כל דולר שהולך למעבדים גרפיים הוא דולר שלא הולך לשכר. הסיבה השנייה היא הריבית. בעידן הכסף הזול חברות גייסו מראש, "למקרה שנצטרך". כשהריבית גבוהה, כל משרה צריכה להצדיק את עצמה מהיום הראשון. הסיבה השלישית היא ה-AI עצמו, שלוקח חלק מהמשימות שבעבר הצדיקו גיוס של עובדים חדשים.
- 91 סבבים בלבד: 3.6 מיליארד דולר להייטק, והסייבר לקח כמעט חצי
- נייס קרובה למכור את אקטימייז ב-2 מיליארד דולר
איך זה עובד בפועל? חברה שמפטרת 3% מהעובדים ומגייסת 8% נשמעת כמו חברה שגדלה. אבל הגיוס מתרכז בתפקידים מעטים ויקרים: מהנדסי תשתיות AI, מומחי שבבים, אנשי סייבר ודאטה. באותו זמן נסגרות משרות בתפקידים כלליים יותר, בתמיכה, בבדיקות ובניהול ביניים. כך נוצר מצב שבו יש יותר מחפשי עבודה מאי פעם, ובמקביל מחסור אמיתי באנשים מסוימים מאוד. המפוטר והמשרה הפתוחה פשוט לא מתאימים זה לזה.
הפער הזה מסביר חלק מהתסכול. אדם יכול לקרוא מדי שבוע על פיטורים של מאות עובדים ולהניח שהשוק מלא במהנדסים מצוינים. מנהל מגייס מסתכל על אותה מציאות ומעלה את הרף. אם יש כל כך הרבה אנשים בחוץ, הוא רוצה את המועמד שכבר עשה בדיוק את אותו תפקיד, באותו תחום, באותה סביבת מוצר ובאותו סדר גודל של חברה. וכאן מתחילה הבעיה.
מהנדס מצוין עם עשר שנות ניסיון יכול להיפסל כי עבד בשפת תכנות אחרת. מנהל מוצר יכול להגיע מחברה דומה, אבל עם מוצר שפנה לעסקים במקום לצרכנים. איש סייבר יכול להיות מנוסה מאוד ועדיין להגיע בלי הניסיון המדויק בסוג המערכת שהחברה מחפשת.
כשיש מעט מועמדים, חברה מוכנה לקחת אדם טוב ולתת לו זמן ללמוד. כשהמנהלים בטוחים שהשוק מלא בטאלנטים, הם מחכים להתאמה כמעט מושלמת.
הטוקבקים שהתפתחו סביב הדיון הזה העלו שוב ושוב בדיוק את הטענה הזאת. כמה קוראים תיארו חברות בינוניות שמחפשות מועמד כאילו הן מגייסות לגוגל או לאפל. אחרים סיפרו על שלושה, ארבעה וחמישה ראיונות שבהם נשאלו שוב אותן שאלות, עד שבחרו לפרוש בעצמם מהתהליך.
- חיפש עבודה - ומצא 60 אלף משרות מזויפות - האיש שנלחם בנוכלים של לינקדאין
- לשלוח עשרות קורות חיים כבר עובד פחות: הכללים החדשים למציאת עבודה ב-2026
התגובות הן עדויות אישיות, אבל הן מתחברות לתופעה רחבה: ככל שחברות מפחדות יותר מגיוס שגוי, הן מוסיפות עוד מסננים. עוד ראיון עם מנהל, עוד ראיון עם מנהל של מנהל, משימת בית, מבחן מקצועי, שיחת משאבי אנוש, ממליצים ולפעמים עוד פגישה עם הצוות.
כל שלב אמור להקטין סיכון. ביחד הם יכולים לגרום לכך שמועמד טוב כבר נמצא בתהליך מתקדם אצל חברה אחרת בזמן שהחברה הראשונה עדיין קובעת ראיון נוסף.
ה-AI הגדיל את מספר קורות החיים והקטין את כמות המידע שיש בהם
לתוך השוק הזה נכנסה הבינה המלאכותית. פעם הכנת קורות חיים מותאמים למשרה דרשה זמן. היום מועמד יכול לקחת מודעת דרושים, להכניס אותה לכלי AI ולקבל תוך דקות גרסה שמבליטה בדיוק את המילים שמופיעות במודעה. התוצאה היא קורות חיים טובים יותר מבחינת ניסוח, אבל גם הרבה יותר דומים זה לזה.
כבר באפריל נכתב כאן על שוק שבו כמעט כל מועמד יכול לייצר קורות חיים מלוטשים ומותאמים למשרה. חודש אחר כך מעסיקים כבר החלו לבקש ממועמדים להציג טקסטים ועבודות שממחישים איך הם באמת חושבים, מעבר לטקסט שנוצר בעזרת AI.
זו בעיה של מידע. קורות החיים אמורים לעזור למעסיק להבדיל בין מועמד אחד לאחר. כשכולם יודעים לכתוב את אותו משפט על "הובלת תהליכים חוצי ארגון", "עבודה בסביבה דינמית" ו"שיפור ביצועים באמצעות נתונים", למסמך עצמו יש פחות ערך.
גם בחו"ל מנהלי גיוס מתארים את אותה תופעה. בסקרים עדכניים, כ-65% ממנהלי הגיוס דיווחו שקורות חיים שנוצרו או שופרו משמעותית באמצעות AI מקשים על תהליך הגיוס. הבעיה מבחינתם היא פחות השימוש בכלי ויותר הקושי לדעת איפה נגמר הניסוח הטוב ומתחיל הניסיון האמיתי.
מצד המועמד, השימוש ב-AI הגיוני לחלוטין. אם חברה משתמשת בתוכנה שמסננת מאות קורות חיים לפי מילות מפתח, המועמד ישתמש בכלי שמכניס את מילות המפתח האלה למסמך. אם אפשר לשלוח 30 מועמדויות ביום במקום חמש, אנשים יעשו זאת.
כך נוצר מרוץ. המועמד מפעיל AI כדי לשלוח יותר קורות חיים. החברה מפעילה AI כדי לסנן יותר קורות חיים. מספר הפניות עולה, אבל חלק גדול מהגידול הוא רעש.
חברה יכולה לקבל 300 מועמדויות ועדיין להרגיש שיש לה עשרה מועמדים רלוונטיים. עובד יכול לשלוח 100 קורות חיים ולהרגיש שאף אחד אפילו לא ראה אותו. שני הצדדים צודקים מנקודת המבט שלהם.
המצב קשה במיוחד לג'וניורים. מעסיק שמאמין שיש בשוק הרבה עובדים מנוסים יעדיף לפעמים מישהו שכבר עשה את העבודה, במקום להכשיר עובד בתחילת הדרך. במקביל, AI לוקח חלק מהמשימות ששימשו בעבר ככניסה לענף - כתיבת קוד בסיסי, בדיקות, מחקר, ניתוח נתונים ראשוני ותוכן.
מצד שני, עובדים עם ניסיון עמוק בתחומים שחברות רוצות עכשיו - סייבר, תשתיות AI, שבבים, מודלים, דאטה ומוצרי תוכנה מורכבים - נמצאים בשוק אחר לגמרי. עבורם עדיין מתקיימת תחרות חזקה. פיטורים בחברה אחת יכולים להפוך אותם בתוך ימים למועמדים מבוקשים בכמה חברות אחרות.
זו גם הסיבה שהמשפט "יש המון מפוטרים" מטעה. המספר הכולל של מחפשי העבודה אומר מעט על מספר האנשים שמתאימים למשרה מסוימת.
מנהלים רבים מגייסים היום לתפקיד צר יותר מבעבר. במקום "מהנדס תוכנה טוב", מחפשים מהנדס עם ניסיון בענן מסוים, סוג דאטה מסוים, מערכת מבוזרת בקנה מידה מסוים וניסיון עם AI בסביבת ייצור. ככל שההגדרה צרה יותר, מאגר המועמדים קטן.
הביקורת שעלתה בטוקבקים על אנשי הגיוס ראויה גם היא להתייחסות. חלק מהקוראים טענו שהסינון הפך לרשימת תיבות לסימון, ושמנהלי משאבי אנוש מפספסים מועמדים חזקים בגלל פרט אחד שחסר בקורות החיים. אחרים טענו שהאדם המקצועי שמחפש עובד צריך להיכנס לתהליך מוקדם יותר.
זו ביקורת שיש בה היגיון, אבל גם לחברות יש סיבה לתהליך. גיוס שגוי של עובד בכיר יכול לעלות מאות אלפי שקלים בשכר, בזמן ניהולי ובחודשים של עבודה. כשהחברות נדרשות להציג יעילות ורווחיות, מנהלים מקבלים פחות חופש לטעות.
גם השיח בין הנהלות לעובדים השתנה השנה והפך קשוח יותר, עם דגש גדול יותר על תפוקה ופחות סבלנות למבנים מנופחים. AI האיץ את המגמה.
האירוניה היא ששני הצדדים משתמשים באותה טכנולוגיה כדי להתמודד זה עם זה. המועמד מנסה לעבור את המסנן. המגייס מנסה לסנן את המסמך שהמועמד שיפר. המועמד מתכונן לראיון עם AI. החברה מוסיפה משימה מקצועית. וככל שהמערכת מייצרת יותר כלים, הדרך בין קורות החיים לחתימה על חוזה דווקא יכולה להתארך.
למי שמחפש עבודה, היתרון עובר בהדרגה מדף קורות החיים עצמו לדברים שקשה יותר לייצר בלחיצה: פרויקט אמיתי, מוצר שנבנה, מספר שמראה שיפור, קוד שאפשר לראות, המלצה מאדם מוכר או שיחה מקצועית שבה אפשר להיכנס לעומק. כשכולם מסוגלים לייצר קורות חיים מצוינים, אלה בדיוק הדברים שמתחילים להפריד בין מועמד למועמד.
המשמעות רחבה יותר מהתסכול של מחפשי העבודה. כשעובדים נשארים במקומם שנים ארוכות, השכר שלהם עולה לאט יותר, וכשחברות מפסיקות להכשיר ג'וניורים היום, נוצר מחסור בעובדים בכירים בעוד חמש ועשר שנים. בישראל, שבה ההייטק אחראי לחלק גדול מהיצוא ומהכנסות המדינה ממסים, האטה מתמשכת בקצב הגיוס היא גם בעיה מאקרו-כלכלית, ולא עניין של מחלקות משאבי אנוש בלבד.
עבור החברות, הצד השני של אותה משוואה הוא ויתור מסוים על חלום המועמד המושלם. אם משרה נשארת פתוחה חודשים בזמן שעשרות אנשים טובים עוברים בתהליך, ייתכן שהבעיה כבר נמצאת בהגדרת המשרה ובמסלול הגיוס. הטוקבקים אולי ניסחו את זה בצורה חדה יותר, אבל מאחורי התסכול שלהם עומדת שאלה עסקית פשוטה: כמה זמן וכסף חברה מוכנה להשקיע בחיפוש אחרי התאמה של 100%, במקום לגייס אדם של 80%-90% ולתת לו ללמוד את היתר.
