מודל העבודה ההיברידי שפרץ לחיינו בתקופת מגפת הקורונה ב-2020, הפך כבר מזמן מסידור זמני לנורמה קבועה ברוב הארגונים הגדולים. בתחילה היה נראה שהמעבר מוצלח: הפרודוקטיביות נשמרה ואף עלתה, שביעות רצון העובדים זינקה ועלויות הנדל"ן והתפעול ירדו משמעותית. אולם היום, חמש שנים אחרי, נראה שהתמונה מורכבת בהרבה. המשרד, שהיה תשתית ארגונית וחברתית קריטית, איבד חלק ניכר מתפקידו. ומה שנשאר הוא לעיתים "חיבור רופף של פרילנסרים" שמבצעים משימות ביעילות, אך מאבדים בהדרגה את הלכידות, האמון, החדשנות והלמידה הבלתי-פורמלית שהחזיקו את הארגון כיחידה אחת.

הנתונים מדברים בעד עצמם. סקר Microsoft Work Trend Index מ-2024 מצא ש-85% מהמנהלים חשים כי "קשה לבנות אמון עם עובדים שהם רואים רק דרך מסך". דוח Gallup שנערך באותה שנה גילה שעובדים היברידיים מדווחים על תחושת שייכות נמוכה ב-20% מעמיתיהם שעובדים רק במשרד. בסקר KPMG שנערך בשנים 2023–2024 בקרב 1,325 מנכ"לים, 83% צפו חזרה מלאה למשרדים עד סוף 2026 – אך רובם הודו שאינם יודעים איך ליישם זאת מבלי לפגוע בגיוס ובשימור כישרונות.

הבעיה אינה בעבודה מהבית כשלעצמה, אלא באובדן המנגנונים החברתיים הטבעיים שהמשרד סיפק: שיחות מסדרון שפתחו רעיונות חדשים, חניכה יומיומית של צעירים, וגם תחושת השותפות שנבנית כשכולם רואים זה את זה נאבקים ומצליחים. בעידן ההיברידי כל אלה דורשים תכנון מכוון, אחרת הם פשוט נעלמים.

לא מדובר בעצלנות

צעירים בני 22–30 שנכנסו לשוק העבודה ב-2020 ואילך מעולם לא חוו תרבות משרדית אמיתית. הם יעילים במשימות אינדיבידואליות, אך חסרים כישורים רכים שנבנים רק באינטראקציה פיזית: קריאת שפת גוף, ניהול קונפליקטים פנים אל פנים, הבנת ההיררכיה הלא-כתובה. התוצאות ניכרות בשטח: הם מתקדמים לאט, מרגישים פחות מחויבים ועוזבים מהר. מחקר Deloitte מ-2024 מצא שתחלופת עובדים בגילאי 25–34 בארגונים היברידיים גבוהה ב-37% מאשר בארגונים פרונטליים

• מחקר ישראלי: ה-AI יכול להחליף 70% מהעבודה של הייטקיסטים
• מה השכר בהייטק? תמונת מצב
• המלצת המערכת: כל הכותרות 24/7

המרוויחים הגדולים מעבודה מהבית הם הורים לילדים קטנים, תושבי פריפריה או בעלי מוגבלויות. אוכלוסיות אלה חוסכות שעות נסיעה וזוכות בגמישות אדירה. לעומתם, רווקים צעירים בדירה קטנה בתל אביב משלמים מחיר כבד: בדידות, שחיקה נפשית ותחושה שהקריירה מתקדמת לאט כי הם "לא נראים". המודל שנועד להיות שוויוני יצר שתי קבוצות עם אינטרסים מנוגדים באותו ארגון. מחקר Nature מ-2023 שבחן 20 מיליון מאמרים מדעיים ו-4 מיליון פטנטים, מצא שצוותים מפוזרים גיאוגרפית יצרו עבודות "פורצות דרך" בשיעור נמוך ב-25% מצוותים שישבו יחד. הסיבה: רעיונות מהפכניים נולדים משיחות אקראיות, לא מפגישות זום מתוכננות. סטנפורד הראה ב-2024 שפגישות וידאו מפחיתות את מספר הרעיונות החדשים ב-18% לעומת מפגשים פרונטליים.

ספר קצת על עצמך: 

אנחנו מטפלים בכל מחלות הלב באופן פולשני באמצעות צנתורים. החל מחולים שעוברים בדיקות, עם כאבים בחזה ובדיקות שדורשות הערכה של עורקי הלב, או כאלו  הדורשות הערכה ואבחון של תפקוד הלב והמסתמים שלו בצורה פולשנית, שאת הכל אנחנו מבצעים בחדר צנתורים. אנחנו עובדים בטיפולים במחלות במסתמי הלב, או היצרות של העורקים. החולים מגיעים מהבית או מאשפוז או יכולים להגיע דחוף באמבולנס. אנחנו עובדים יום ולילה, כשיש מישהו שחוטף התקף לב באמצע הלילה אז אנחנו אלו שמטפלים בו. 

איך ה-AI משפיע על המקצוע או על הענף?

הבינה המלאכותית בקרדיולוגיה הפכה להיות כיוון מאוד מאוד מבטיח. הקרדיולוגיה זה התחום השני בחשיבותו בהתפתחות של מכשירי AI ופתרונות AI. קרדיולוגיה תמיד היה תחום מאוד טכנולוגי ויש הזדמנויות לשימוש בתוכנה, כאשר ישראל מובילה בתחום ומאמצת מאוד חזקה של בינה מלאכותית, כאשר רבים מאיתנו שותפים לפיתוחים של מכשור רפואי חדשני. הבינה המלאכותית בקרדיולוגיה מתחילה כבר בתיק המטופל. יש פתרונות שיודעים להעריך מי מהמטופלים דורש מעקב, יכולה לסייע בניהול בעבודה המשרדית, ניהול תיקי המטופל ואבטחת מידע. ה-AI נמצא גם בעת הפענוח ובמערכות תומכות החלטה באמצעי הדמיה שונים של הלב בין אם מדובר בהדמיה לא פולשנית או כן, יש הרבה שימוש בבינה מלאכותית וזה רק הולך וגובר. לבסוף ישנם גם כלים של טיפול המסייעים בצמתים בהם מקבלים החלטה על טיפול בחולים. בין אם בצנתור או בטיפול במסתמים. יש מנעד מאוד גדול, זה תחום מאוד פופולרי במחקר ומספר הפרסומים בתחום רק הולך וגובר משנה לשנה.

הבינה המלאכותית מאפשרת יותר משאפשרו שיטות סטטיסטיות מסורתיות שנעזרנו בהן גם קודם. זה שימוש במאגרי מידע מאוד גדולים, כלי הבינה המלאכותית הם מאוד מגוונים ויש להם יכולת לימוד עצמי של כל מקרה לגופו. מה שמוביל בסופו של דבר להתאמה לטיפול רפואי מותאם אישית. מתוך המאגרים האלה אתה מלמד מכונה והיא יודעת לקחת מקרים חדשים ולהעריך אותם.

יש חברות שמסתכלות על צנתור וירטואלי, ובשילוב אנשי מקצוע מאוד טובים, זו טכנולוגיה שיכולה לעזור לנו להחליט מתי יש היצרות שהיא קשה בעורקי הלב ומתי יש צורך להתייחס לזה בצורה פולשנית, כמו למשל להשתיל סטנט או לטפל בזה עם בלון, כל זה על סמך CT. דוגמה נוספת היא בבדיקות של אקו לב, AI שלוקח את הנתונים הרבים שיש באקו לב ובעצם עוזר לצוותים הרפואיים לעשות הסקה אוטומטית של התפקוד, באיתור ממצאים לא תקינים כמו היצרות של המסתמים או לתת הערכה כללית של תפקוד הלב. אלו דברים שלימדנו את הבינה המלאכותית מתוך עשרות אלפי תיקים קודמים ויש לה את היכולת להסיק מסקנות לבד ולפענח ממצאים חדשים. יש גם המון התקדמות בא.ק.ג, שהוא תחום מאוד מפותח בבינה מלאכותית. אמנם מדובר אמנם בתחום ממש ישן, טכנולוגיה שקיימת כבר 100 שנה אבל עדיין משתמשים בה באופן יומיומי מחולים עם כאבים בחזה במצבים של עילפון או חולשה ולפעמים בא.ק.ג יש את המידע שיכול להשפיע על חיי המטופל. היום זה מכשיר שרופאים מסתכלים עליו בעיניים ועושים הערכה, כל אחד לפי הידע והניסיון האישי שלו אבל הבינה מלאכותית מנצלת אותו כי אלו נתונים מאוד מתמטיים וגרפים. הא.ק.ג. מראה נתונים שהם מאוד דומים בין אדם לאדם מכל מקום בעולם, כך שאנחנו מזינים את ה-AI בעשרות אלפי סרטי א.ק.ג ומלמדים את המכונה לזהות מתוכם מצבים שונים ולתת אבחנות. יש חברות מסחריות שאני עובד עם חלקן, שהן יודעות לקחת תמונה של א.ק.ג ולתת אבחנה לא פחות מהרבה רופאים. זה יכול לתמוך ברופאים פחות מנוסים שנדרשים לתמיכה הזו של הטכנולוגיה.

• סקר ההייטק: 37% מהעובדים המנוסים חוששים לעידם המקצועי בגלל ה-AI
• ה-AI והעבודה שלכם - מי בסכנה ומי לא?
• המלצת המערכת: כל הכותרות 24/7

איפה הוא תורם?

כמובן שצריך לדעת להשתמש בה באחריות, אבל אין ספק תורם בהסקת מסקנות ברמה המחקרית. הוא יותר ויותר עוזר באבחון של אמצעי דימות. ה-AI יכול לתמוך במערכות תומכות החלטה לקראת פעולה על סמך נתונים, זה תומך בקיצור משימות ומטלות שוחקות שמבזבזות לכולנו זמן, כמו משימות משרדיות, תקשורת או עיבוד שפה. הבינה המלאכותית מאוד מייעלת את העבודה ולאפשר יותר תקשורת בין המטפל לחולה.