שוק העבודה האמריקני עובר טלטלה, עם פיטורים של יותר מ-150 אלף עובדים באוקטובר בעקבות אימוץ מואץ של כלי AI. ומה לגבי ישראל? מנהלים מקומיים מתארים שינוי עמוק בתיאורי התפקיד, בתמהיל הגיוס ובמבנה המחלקות. לצד החיסכון בזמן ובמשאבים, עולים גם סימני שאלה על גבולות האחריות האנושית ועל מקומות שבהם מנהלים מסרבים לוותר על המגע האנושי.
האינטראקציה הייחודית בין אדם לבינה מלאכותית
״כאשר משלבים את הבינה המלאכותית בשוק העבודה, חשוב להבין שיש להתייחס לאינטראקציה בין אדם ובינה מלאכותית שעובדים יחד כצוות, ולא ליכולות של האדם בנפרד והבינה המלאכותית בנפרד״, אומרת ד"ר נירית גביש, ראש המחלקה להנדסת תעשייה וניהול במכללה האקדמית להנדסה בראודה וחוקרת עולמות ה-AI והמטאוורס.
לדבריה, ״הבינה המלאכותית שונה מאוד ממערכות ממוחשבות מסורתיות בכך שהיא בלתי צפויה ודינמית בטבעה, והתגובות שלה מושפעות מההתנהגות המשתמשים. גם התגובות של האדם מושפעות מההתנהגות ומהתכונות של הבינה המלאכותית, וכך נוצרת אינטראקציה ייחודית של אדם ובינה מלאכותית, שיכולה מצד אחד לחזק ולהעצים את היכולת המשותפת של הצוות הזה, אך מצד שני יכולה גם להחליש אותה".
גביש מתארת את הנטיות של כל אחד מהצצדים - והפוטנציאל המשותף: "לאדם ישנן נטיות אנושיות שאליהן יש להתייחס באינטראקציה הזו. למשל, האדם נוטה לעשות האנשה של המערכות הממוחשבות איתן הוא עובד ולהתייחס אליהן כאל יישויות אנושיות, ובייחוד זה בולט בהתייחסותו כלפי הבינה המלאכותית, שיכולה לחקות אדם בצורה מאוד מוצלחת. בנוסף, האדם מעדיף לקבל מידע שתואם להשקפותיו הראשוניות ומחזק אותן מאשר מידע שסותר אותן, ואוהב שמחניפים לו ומאדירים את הערך העצמי שלו.
"הבינה המלאכותית, מצידה, נוטה להתאים את התשובות שלה בהתבסס על הקשר השיחה, יכולה להפגין הבנת רגשות אנושיים ואמפתיה גבוהה מאוד כלפי המשתמשים, נוטה להחניף למשתמש, וכן גולשת לעיתים להזיות ומספקת מידע מוטעה. שילוב הנטיות הללו, של האדם והבינה המלאכותית, יוצר צורת עבודה משותפת שחשוב להבין אותה ולחקור אותה מכיוון שבעוד שהיא יכולה להביא לתוצאות מזיקות ביותר, כגון פיתוח רעיונות מוטעים לחלוטין או הישענות רגשית מוגזמת על הבינה המלאכותית, היא יכולה גם להביא לפריצות דרך חשובות, הפריה הדדית ויעילות גבוהה מאוד".
"אנחנו מתייחסים לקוד שנוצר על ידי AI כהמלצה בלבד"
בשוק הישראלי, החברות הטכנולוגיות חוות את המתח הזה באופן יומיומי. מתן ליאון, Senior Data Science Manager בחברת אימפרבה, מנהל את תחום מחקר ותשתיות ה-AI בקבוצת מחקר האיומים של החברה. אצלו, השינוי בתיאורי התפקיד כבר מורגש: תהליכי פיתוח, כתיבת קוד, למידה וניתוח תוצאות הפכו מהירים ונגישים יותר.
הוא מסביר כי "גם היום עיקר העבודה שלנו מתמקד בפיתוח מודלים ופתרונות חכמים, אבל כלי הבינה המלאכותית משנים את אופן העבודה שלנו באופן משמעותי ובקצב הולך וגובר. תהליכי המחקר, הפיתוח והניתוח הפכו ליעילים ונגישים יותר. מעבר לכך, הזמינות של מודלי שפה גדולים מאפשרת לנו למקד מאמצים בישום חכם של יכולות המודל, תוך התאמתו לצרכים עסקיים מגוונים ובכך לחסוך משאבים בפיתוח מודל מאפס.
"במקביל, התוקפים מנצלים את אותן טכנולוגיות כדי ליצור מתקפות רחבות ומהירות יותר, ולכן נדרש מאיתנו לשלב יכולות AI מתקדמות עם גישות מחקר חדשות לחיזוק ההגנה. בנוסף, היום גם צוותים אחרים בארגון מטמיעים יכולות AI, ולכן מעבר למחקרי העומק שאנחנו מבצעים בצוות, אנחנו מלווים ומייעצים להם בתהליכי ההטמעה, כדי להבטיח שימוש נכון ובטוח בטכנולוגיה".
ליאון מזהה גם טעויות: "אחת הדוגמאות הבולטות היא שימוש בכלי בינה מלאכותית לכתיבת קוד - מה שהפך את תהליך הפיתוח למהיר ויעיל יותר, אבל גם יצר אתגרים חדשים. לעיתים הקוד שנוצר נראה תקין לגמרי, אך בפועל מכיל טעויות עדינות או אי-הבנה של הכוונה המקורית של המפתח. אנחנו מתייחסים לקוד שנוצר על ידי AI כהמלצה בלבד ובגישה ביקורתית מאוד.
"בנוסף, כדי להבטיח יציבות ובטיחות, אנחנו מוסיפים בדיקות מערכת ואבטחה קפדניות כחלק בלתי נפרד מהתהליך. במובן הזה, ה-AI אמנם חוסך ומייעל משמעותית את תהליך הפיתוח, אבל הוא גם מחייב עבודה נוספת כדי לוודא שהתוצאה הסופית מדויקת, בטוחה וניתנת לתחזוקה לאורך זמן".
ליאון מאמין כי הגבול בין אוטומציה מלאה למעורבות אנושית תלוי ברמת הסיכון. הוא מסביר כי "יש תהליכים בסיכון נמוך שבהם אוטומציה מלאה היא חיונית, כמו בזיהוי חולשות חדשות, סיכומן והפקת המלצות אבטחה אוטומטיות לצעדים מתקנים - יכולת שמאפשרת להוסיף במהירות שכבות הגנה למוצרי האבטחה שלנו ולהגן על הלקוחות בזמן אמת. עם זאת, כאשר פעולה אוטומטית עלולה להשפיע על פעילות הלקוח, כמו חסימה או שינוי בהתנהלות העסקית התקינה, נדרשת מעורבות אנושית שמבינה את ההקשר וההשפעה".
"בנינו אוטומציות שחסכו 100 שעות עבודה - אבל החיסכון הוא לא העיקר"
אורית בר ניב, VP Content בחברת הקריאייטיב והטכנולוגיה Artlist, מספרת שמאז שהחלו לשלב בעבודת הצוותים כלי AI, לחלק הטייטל נשאר זהה אבל אופי העבודה השתנה. "מאז שהתחלנו לשלב כלי AI בעבודת הצוותים, רוב הטייטלים של האנשים נשארו זהים, אך אופי העבודה מאוד השתנה. לדוגמה, בצוותי התוכן התפקידים אינם בהכרח טכנולוגיים ולכן עד כה הם הסתמכו על מחלקות הפיתוח לביצוע פעולות מסוימות עבורם, או שהצוות נאלץ לבצע בעצמו עבודות טכניות וחזרתיות. אחרי שערכנו האקתון למיפוי האלמנטים שמעכבים את העבודה שלנו, בנינו לעצמנו אוטומציות וכלים מבוססי AI שמבצעים את אותן פעולות. זה חסך עד כה כ-100 שעות עבודה בחודש, ואיפשר לצוותים לפנות לעצמם זמן למשימות משמעותיות ומעניינות יותר, שמאתגרות ומרחיבות את גבולות היצירה. בנוסף, הם הוסיפו לעצמם מיומנות חדשה, חשובה וקריטית היום בכל עבודה וכל תפקיד", היא אומרת.
"בצוות ההפקה השינוי עמוק עוד יותר, גם הטייטלים השתנו וגם מהות התפקיד. אם בעבר הפיקו תוכן אמיתי באופן מסורתי, היום הם מפיקים אותו בעזרת כלי ה-Generative AI הקיימים בפלטפורמה של ארטליסט. רמת היצירתיות והמקצועיות עדיין נדרשת, אפילו ברמה גבוהה יותר, כדי להגיע לתוצרים איכותיים ולבטא רעיונות ייחודיים, היא מוסיפה. "בצוות התוכן אנחנו עוד לא פועלים באוטומציה מלאה. מבחינתנו, האחריות האנושית היא חלק מהותי מהתהליך והיא זו שמכוונת את השימוש בטכנולוגיה. כדי לוותר לחלוטין על הבקרה האנושית צריך לחקור אוטומציות יותר לעומק, בעתיד נתקדם גם לשם", היא מסכמת.
"מי שמסתגל, לא רק שומר על התפקיד שלו - הוא ממציא אותו מחדש"
הווארד סילברמן, סמנכ"ל שיווק בחברת הסייבר MazeBolt, מספר שבמחלקות שיווק בכל העולם, בינה מלאכותית לא רק משנה את אופן העבודה, היא משנה את ההגדרה של העבודה עצמה. ״תפקידי תוכן הפכו ממחברים ל-prompt engineers", הוא אומר.
"במקום לכתוב הכל מאפס, אנשי שיווק מתמקדים עכשיו בלשפר טיוטות שנוצרו על ידי AI, להטמיע את שפת המותג בתוך המודלים, ולשמור על אחידות במסרים. גם ניתוחי מידע עברו שינוי. אמנם אוטומציה קיימת כבר זמן מה, אבל כיום כלי AI יודעים לזהות דפוסי התנהגות ומיקרו-סגמנטים תוך שניות - תהליך שבעבר דרש שבועות של עבודה ידנית.
"גם מעצבים לא נשארו מאחור. עם כלים כמו Adobe Firefly ו-Midjourney, תהליך העיצוב מתחיל ברעיונות שנולדו מ-AI. התפקיד משתנה מאמנות טכנית לאוצרות וקריאייטיב: מה לבקש מהבינה, ואיך לשפר את התוצאה. מי שמסתגל, לא רק שומר על התפקיד שלו. הוא ממציא אותו מחדש".
סילברמן מדגיש כי ה-AI מצטיינת בקצב ובטון, אבל לא תמיד מדייקת. "כשאנחנו משתמשים בבינה מלאכותית ליצירת פוסטים לרשתות חברתיות", הוא מדגים, "לא פעם היא מוסיפה מידע שלא קיים בכלל במאמר שמצוטט או גרוע מכך, ממציאה עובדות שנשמעות נכונות אך אינן נכונות כלל. לעיתים המידע נכון, אבל מגיע ממקור שגוי, וזה יוצר בעיית אמינות מסוג אחר: תוכן שאמנם נשמע מבוסס, אבל מצטט מקור שונה לחלוטין. אנחנו תמיד בודקים ומתקנים לפני פרסום, אבל זו תזכורת לכך שגם הכלים הכי מתקדמים צריכים עין אנושית שמפקחת".
בכל הנוגע לגבול בין אוטומציה לבין אנושיות סילברמן אומר כי ״ה-AI מצוינת בכל מה שקשור למהירות: טיוטות ראשוניות, מחזור תוכן, ניתוח בסיסי של נתונים. אבל ברגע שנכנסים לשאלות של דיוק, אחריות או אמון האחריות חוזרת לאדם. כשיש השלכות אסטרטגיות, כשקמפיין מדבר בשם ההנהלה או כשהמסר מצטט נתונים, אי אפשר להשאיר את זה לבינה. הרעיון הוא לא לתת ל-AI לרוץ לבד, אלא להיעזר בה כדי לשאת את עומס העבודה, ולאפשר לבני אדם להתמקד בדיוק".
טעינו? נתקן! אם מצאתם טעות בכתבה, נשמח שתשתפו אותנו