צילום: דאלי

משא ומתן על שכר בעידן הבינה המלאכותית: הכלי שמבלבל עובדים ומקשה עליהם לקבל שכר גבוה

70% מהמעסיקים בארצות הברית מדווחים על עלייה בשימוש של עובדים בכלי AI בשיחות שכר, אך 63% נתקלים בדרישות המבוססות על נתונים לא מדויקים; התוצאה - ציפיות מוגזמות שמסבכות את המשא ומתן

ענת גלעד | 19/01/2026 17:43

נושאים בכתבה ראיון עבודה

הימים שבהם מועמדים הגיעו למשא ומתן על שכר כשהם נסמכים על תחושות בטן או שמועות מחברים חלפו מזמן מהעולם, והיום כל מועמד נהנה מגישה מיידית למאגרי מידע עולמיים. הכלים החדשים מעניקים למחפשי העבודה תחושת ביטחון חסרת תקדים, אך הדינמיקה הזו מייצרת אתגר חדש בחדר הראיונות: כאשר המידע שקיבל מצ'אט ג'יפיטי אינו תואם את המציאות הכלכלית המקומית - המשא ומתן הופך לזירה של אי-הבנות שבה שני הצדדים מתקשים למצוא שפה משותפת

השימוש בבינה מלאכותית לצורכי מחקר שכר הפך כבר לסטנדרט בשוק העבודה. סקר שנערך בקרב 1,000 עובדים ו-500 מנהלים בארצות הברית חושף ש-70% מהמעסיקים מבחינים בעלייה בשיעור העובדים שמגיעים לשיחות עם נתונים מצ'אט ג'יפיטי או כלים דומים. המציאות החדשה מבטאת שינוי מהיר: נתונים זמינים המתקבלים תוך שניות מחליפים חיפושים ארוכים באתרי דרושים או ברשתות חברתיות. עם זאת, 63% מהמעסיקים מדווחים על עלייה בדרישות שמבוססות על מידע לא מאומת, מה שיוצר פער בין ציפיות עובדים למדיניות שכר פנימית. בשוק הישראלי, שבו שכר ממוצע בתפקידי הנדסה הגיע ל-35 אלף שקלים ברוטו ברבעון הראשון של 2025, התופעה דומה ומשפיעה על תחרות כישרונות.

הבינה המלאכותית נכנסת לחדר המשא ומתן

עובדים צעירים ועובדים שמחליפים תפקיד משתמשים ב-AI כדי לקבוע טווח שכר ראשוני. הכלי מספק הערכות מהירות המבוססות על נתונים ציבוריים כמו דוחות שכר ומודעות דרושים. לדוגמה, שאילתה פשוטה על שכר דאטה אנליסט יכולה להניב טווח של 120-160 אלף דולר בשנה בארצות הברית, בהתאם לנתוני 2024-2025 משוק הטק.

הבעיה נובעת מאיכות הנתונים. AI משלב מידע משווקים שונים, כולל מגוון אזורים גיאוגרפיים ורמות מומחיות שונות. כתוצאה מכך, דרישות עובדים עלולות להתנגש במגבלות תקציביות של החברה. בשוק הישראלי, שבו השכר בתל אביב גבוה ב-20% מהשכר בפריפריה, נתון כללי עלול להציג תמונה מטעה. התוצאה מובילה למשא ומתן ממושך: מנהלים נאלצים להסביר מדוע הצעה של 28 אלף שקלים אינה "נמוכה" בהשוואה לנתון AI גבוה יותר, מה שמגדיל הוצאות זמן על גיוס.

השלכה כלכלית מהותית: חברות שמתמודדות עם דרישות מנופחות מדווחות על עלייה של 15% בזמן גיוס, לפי נתונים משוק העבודה הגלובלי. המצב משפיע על עלויות תפעוליות ומאט צמיחה. כמו כן, כאשר משא ומתן נכשל בגלל ציפיות לא ריאליות, החברה מפסידה מועמדים איכותיים שעוברים למתחרים.

הטעות הנפוצה: פרומפט כללי ולא ממוקד

שאלות רחבות כמו "מה שכר מנהל פרויקטים?" מניבות תשובות ממוצעות שאינן מתחשבות בפרמטרים מרכזיים. שכר תלוי במיקום, בגודל חברה, ברווחיות, בתחרות על עובדים וכן בוותק המועמד ובתחומי האחריות שכלולים בתפקיד המיועד. בארצות הברית למשל, שכר בסטארט-אפים קטנים נמוך ב-25% מחברות ענק כמו גוגל, שמציעות גם מניות בשווי 100-50 אלף דולר בשנה.

פרומפט מדויק משפר את התוצאות שיתקבלו. שאלה שכוללת עיר ספציפית, מספר עובדים בחברה, תחום כמו פינטק או הייטק ורמת ניסיון של 5 שנים יכולה להפיק טווח של 170-140 אלף דולר, כולל בונוס יעד של 15% ועמלות אם רלוונטי. בישראל, פרומפט דומה על תפקיד דומה בהייטק תל אביבי יציג 38-30 אלף שקלים, תוך התייחסות לבונוסים ולמניות.

קיראו עוד ב"קריירה"

AI מוגבל לנתונים עדכניים עד 2024 ברוב המודלים, ומתעלם ממדיניות פנימית כמו תקרות שכר או התאמות אינפלציה. בשוק הישראלי, שבו אינפלציית שכר עמדה על 4.1% ב-2024, נתוני AI ותיקים עלולים להפריז בציפיות בשיעור של 15-10 אחוזים. חברות משתמשות בטבלאות שכר פנימיות כדי לשמור על אחידות, מה שמגן על מרווחים רווחיים אך מקשה על משא ומתן. המגבלות הללו יוצרות מצב שבו עובד מגיע עם מידע שנראה מבוסס, אך למעשה לא רלוונטי למציאות הספציפית של החברה.

כך תפעלו לקבלת מידע מדויק:

הצליבו מידע מכמה מקורות: כדי למנוע טעויות, השתמשו ב-AI כנקודת מוצא והצליבו עם מקורות נוספים: מודעות דרושים באתרים ישראליים כמו אולג'ובס או לינקדין שמציינות טווחים, נתוני שוק מרשתות מקצועיות ושיחות עם עמיתים. הגישה מאפשרת זיהוי חריגות – למשל, אם AI מציין 32 אלף שקלים אך מודעות מציגות 28 אלף.

פרקו את השכר לרכיבים: שכר בסיס, בונוס בטווח של 20-5 אחוז בהייטק, מניות עם וסטינג של 4 שנים, הטבות כמו פנסיה וקרן השתלמות. הצעה של 25 אלף שקלים עם בונוס 12% ומניות בשווי 50 אלף בשנה עשויה להיות עדיפה על 28 אלף ללא תגמול משתנה. בישראל, שבה מס שולי על שכר גבוה מגיע ל-50%, רכיבי הון כמו אופציות מפחיתים חשיפה למס ומייצרים תשואה ארוכת טווח.

הצד החיובי: AI מקל על הכנה. הוא בונה טיעונים מבוססי ניסיון, מנסח בקשות ומכין לשאלות על הישגים. בחברות גדולות, שבהן תקציבי שכר מוגדרים מראש, עובד עם טווח ריאלי מגדיל סיכויי הצלחה ב-30%. בשוק תחרותי כמו ישראל, שבו אבטלה נמוכה ב-3.4% ומחסור בטאלנטים, משא ומתן יעיל חוסך הפסדים בגיוס חוזר.

התפתחויות אחרונות מעידות על התאמה: כלים כמו Salary.com משלבים AI עם נתונים בזמן אמת, ומפחיתים שגיאות ב-40%. מעסיקים מתחילים להשתמש ב-AI לבניית הצעות תחרותיות, מה שמאזן את השוק. השילוב הנכון של AI עם בדיקה אנושית משפר תוצאות: עליות שכר ממוצעות של 7-10% במשא ומתן מוצלח, תוך שמירה על איזון כלכלי לחברות. העתיד טומן בחובו כלים חכמים יותר שיתחשבו בפרמטרים מורכבים ויספקו הערכות מדויקות יותר, אך עד אז נדרשת גישה מאוזנת ששוקלת מגוון מקורות מידע.