צילום: FREEPIK
מתכנתים מול מבול ה-AI: הפרודוקטיביות בשיא, אבל גם השחיקה
כלי בינה מלאכותית מבטיחים לקצר עבודה, לפתור בעיות מהר יותר ולשנות את תפקיד המפתח - אבל בשטח, מהנדסים מרגישים שהם רצים אחרי טכנולוגיה שמשתנה בקצב שכבר קשה לעקוב אחריו, וקורסים תחת ציפיות ההנהלה; האם כלי העבודה החדשים
הפכו למקור הלחץ המרכזי בהייטק?
ענת גלעד |
נושאים בכתבה 
מתכנת
מתכנת מהפכת ה-AI בתכנות כבר מזמן יצאה משלב הניסוי וההצהרות. כלי קוד מבוססי בינה מלאכותית נכנסו לשגרת העבודה של מפתחים, מנהלים ומחלקות טכנולוגיה שלמות, והם משנים מהיסוד את הדרך שבה תוכנה נכתבת, נבדקת ומתוקנת בארגונים. אבל לצד ההבטחה לפרודוקטיביות גבוהה יותר, נוצרה בשטח בעיה מנטלית ומקצועית חדשה: עובדים שמרגישים שהם חייבים ללמוד כל כלי חדש, כל מודל חדש וכל שיטת עבודה חדשה - אחרת יישארו מאחור.
מאז השקת צ'אטGPT בסוף 2022, קצב ההשקות בתחום זינק בצורה קיצונית. חברות כמו OpenAI, אנת'רופיק, גוגל, מטא, xAI ואחרות משחררות מודלים חדשים בתדירות גבוהה, ולעיתים ההבדל בין כלי שנחשב מתקדם לבין כלי שכבר נראה מיושן ונמוך נמדד בשבועות בודדים בלבד. לפי מעקב אחר השקות AI, מספר המודלים המרכזיים שפורסמו עלה מ-18 בשנת 2023 ל-69 בשנת 2025, ובמחצית הראשונה של 2026 הנוכחית נוספו עוד כ-30 מודלים חדשים למגרש.
עבור מפתחים, זה יוצר עומס מסוג חדש לחלוטין.
מקצר תהליכים אבל מוסיף עבודה
בעבר היה אפשר להתמקצע בשפת תכנות, בסביבת פיתוח או בארכיטקטורת מערכת מסוימת לאורך שנים ולבסס עליה קריירה יציבה. כיום, גם מי שעובד מדי יום עם AI יכול להרגיש שהידע מתיישן מהר מדי. כלי אחד כותב קוד טוב יותר, כלי אחר יודע לתקן שגיאות אבטחה, כלי שלישי מנהל משימות ורביעי כבר מייצר סוכן אוטונומי שמפעיל כלים אחרים. במקום להתקדם בקו אחד ברור, העבודה הפכה לריצה מתמדת אחרי עדכונים.
הפרדוקס הוא שהטכנולוגיה אמורה לחסוך זמן יקר. בפועל, היא מוסיפה שכבת עבודה חדשה ותובענית: בחירת הכלי, ניסוח ההנחיה המדויקת, בדיקת התוצר הגולמי, תיקון השגיאות של המחשב, שילוב הקוד במערכת קיימת והבנה האם הפתרון באמת מתאים להקשר העסקי. מפתח מנוסה יכול להפיק מזה הרבה ערך, אבל הוא גם נדרש להפעיל שיקול דעת חזק וביקורתי בהרבה. הקוד מגיע מהר, האחריות נשארת אצל האדם.
כאן נוצרת תחושת השיתוק בשטח. כאשר כל שבוע מופיע כלי שמבטיח לעשות את העבודה טוב יותר, חלק מהמפתחים מתקשים להחליט במה להשקיע זמן למידה. ללמוד לעומק כלי מסוים עלול להיראות מיותר אם בעוד חודש הוא יוחלף במודל חזק יותר. מצד שני, התעלמות מהכלים החדשים עלולה להיראות מסוכנת ומאיימת מבחינה מקצועית. התוצאה היא עבודה תחת רעש קבוע: עוד השקה, עוד מדריך, עוד מודל, עוד דרישה להוכיח שימוש ב-AI.
ממומחי תכנות למפקחים על מכונות: המהנדסים במשבר זהות
גם המעסיקים מוסיפים שכבה של ציפיות גבוהות. יותר חברות מודדות כיום שימוש בכלי AI, בודקות כמה עובדים נעזרים בהם, ולעיתים משלבות אימוץ AI כקריטריון מרכזי בהערכת ביצועים. המטרה העסקית ברורה וקרה: אם כלי כזה יכול לחסוך שעות פיתוח, החברה רוצה לראות את החיסכון בדוחות, בלוחות הזמנים ובעלות כוח האדם. עבור העובד, המסר חד יותר: שימוש ב-AI הוא חלק מרכזי ומחייב מהתפקיד.
השינוי הטכנולוגי החריף הזה פוגע גם בזהות המקצועית של חלק מהמפתחים. תכנות היה במשך שנים מלאכה שדורשת ריכוז, חשיבה, פתרון בעיות ובנייה מאפס, מעין אומנות דיגיטלית של ממש. כאשר חלק גדול מהעבודה עובר להנחיית מודלים, בדיקת תשובות וניהול סוכנים, יש מי שמרגישים שהם מתרחקים מהחלק שבגללו בחרו במקצוע. במקום לכתוב קוד, הם מפקחים על מכונה שכותבת קוד. זה יכול להיות יעיל, אבל הרבה פחות מספק אנושית ומקצועית בסוף היום.
מנגד, יש מפתחים שמרוויחים מהשינוי וממנפים אותו לטובתם. הם מדווחים על פחות זמן שמבוזבז על חיפוש פתרונות, פחות עיסוק בשגיאות קטנות ויותר זמן פנוי להבנת המוצר, הדרישות והמשתמשים. במודל הזה, המפתח הופך לאדריכל עבודה: הוא מגדיר מה צריך לקרות, מפעיל כלים, בודק תוצרים ומחבר בין פתרון טכנולוגי לצורך עסקי רחב. עבורם, AI אינו מחליף את המקצוע אלא מזיז אותו למקום רחב וגבוה יותר.
הפער בין שתי הקבוצות הללו צפוי להתרחב ככל שהכלים ישתכללו. מי שילמד לעבוד עם AI בלי לוותר על הבנה עמוקה של קוד, מערכות וארכיטקטורה, עשוי להפוך לעובד חזק ומבוקש בהרבה. מי שיסתמך על הכלים בעיניים עצומות בלי לבנות שיקול דעת, עלול להישאר עם תוצרים מהירים אך חלשים. זה נכון במיוחד בצוותים שבהם הקוד חייב להיות יציב, מאובטח, ניתן לתחזוקה ומותאם למערכות קיימות ומורכבות בארגון.
לא מדובר רק בבעיה אישית של העובד. ארגונים שמצפים ממפתחים לאמץ AI במהירות צריכים לבנות סביב זה תהליך מסודר ולהגדיר את הציפיות: איזה כלים מאושרים, איזה שימושים מותרים, איך בודקים קוד שנוצר במודל, מי אחראי על שגיאות, ומה נחשב שימוש טוב בכלי. בלי מסגרת כזאת, העובדים מקבלים מצד אחד דרישה להתייעל, ומצד שני אחריות מלאה על סיכונים ובאגים שהארגון עצמו טרם השכיל להגדיר.
לכן העלות הנסתרת של קוד מבוסס AI היא הרבה יותר משעות לימוד או מינוי לעוד כלי. זו שחיקה מחשבתית ונפשית ממשית. התחושה שהקצב מוכתב מבחוץ על ידי אלגוריתמים, שהמקצוע משתנה תוך כדי עבודה ושכל מי שעוצר לרגע עלול לאבד יתרון. בעולם התוכנה, AI כבר נותן קפיצת פרודוקטיביות אמיתית. השאלה היא כמה עובדים יצליחו להחזיק את הקצב הרצחני הזה לאורך זמן בלי להישחק בדרך.
