85% מהזמן שה-AI חסך לכם חזר לעבודה - מה אפשר לבקש בתמורה

עובד מוצא דרך להכין דוח בשעה במקום בשלוש. הוא משתמש ב-AI לאיסוף ראשוני, לסידור החומר ולניסוח, ואז בודק את התוצאה. מבחינת החברה זו התקדמות ברורה: אותה משימה נגמרת מהר יותר. מבחינתו השאלה מגיעה מיד: מה עושים בשעתיים שהתפנו, והאם משהו בתנאים או בתפקיד משתנה?

אין סיבה להניח שכל חיסכון בזמן יהפוך לחופשה. מעסיק קונה כלי עבודה כדי לשפר תפוקה, ורשאי לצפות שהזמן יופנה לעבודה נוספת. אבל גם ההנחה ההפוכה בעייתית. אם התוצאה היחידה של ההתייעלות היא עוד משימות, התמריץ להשקיע בשיפור הבא נחלש.

זו שאלה של חלוקת התועלת. החברה מממנת את הכלים, את המערכות ואת ההכשרה. העובד לומד להשתמש בהם, מתאים אותם לעבודה ונושא באחריות לתוצאה. כדי שהשינוי יחזיק, שני הצדדים צריכים להסכים מראש מה נחשב הצלחה ומה היא משנה בעבודה.

יותר תפוקה אינה בהכרח פחות שעות

המחקר המצוטט ביותר בתחום בחן 5,172 נציגי תמיכה. הגישה לעוזר מבוסס בינה מלאכותית הגדילה ב-15% את מספר הבעיות שנפתרו בשעה. אצל החדשים ובעלי המיומנות הנמוכה השיפור הגיע ל-30%, ובחמישון הנמוך ביותר ל-36%. פרטי המחקר.

הממצא שפחות מצוטט מעניין יותר למי שכבר מנוסה. אצל העובדים המיומנים ביותר נמצאו ירידות קטנות אך מובהקות בשיעור פתרון הבעיות ובשביעות רצון הלקוחות. אצלם הכלי לא רק לא עזר. הוא עלה משהו. לצד זה נמצאו גם השפעות חיוביות: שימור העובדים השתפר, והלקוחות היו מנומסים יותר וביקשו פחות לדבר עם מנהל.

התמונה חוזרת בסביבות אחרות. בניסוי בקרב 758 יועצים, במשימות שבתוך יכולות הכלי המשתתפים השלימו 12.2% יותר משימות, ב-25.1% פחות זמן ובאיכות גבוהה יותר. אבל במשימה שנבחרה בכוונה מחוץ לגבול היכולת, מי שהשתמשו ב-AI היו בסיכוי נמוך ב-19 נקודות אחוז להגיע לתשובה הנכונה. במשימות כתיבה מקצועיות, בקרב 453 בעלי מקצוע אקדמיים, הזמן ירד ב-40% והאיכות עלתה ב-18%.

ויש ממצא הפוך לגמרי. בניסוי בקרב מפתחי תוכנה מנוסים שעבדו על פרויקטים שהם מכירים היטב, הכלים האיטו אותם ב-19%. הפרט המטריד אינו הירידה אלא התחושה: המפתחים העריכו מראש שיחסכו 24% מהזמן, ואחרי שסיימו עדיין העריכו שחסכו 20%. התחושה הייתה הפוכה מהמדידה.

המסקנה אינה שהכלים לא עוזרים. היא שהרווח מתרכז אצל מי שפחות מנוסה ובמשימות שבתוך גבול היכולת, ושתחושת החיסכון אינה מדידה. מי שרוצה לבסס עליה בקשה מהמעסיק חייב למדוד.

• שרין בונה על AI - מתי תצא מההפסדים?
• מי נושא בסיכון של גל הבנייה של ה-AI

הזמן שהתפנה הלך למשימות אחרות, ולא לשכר

השאלה שבכותרת קיבלה תשובה מדידה. מחקר שהצליב נתוני 25 אלף עובדים ב-7,000 מקומות עבודה ב-11 מקצועות חשופים עם רישומי שכר מנהליים בדנמרק מצא אפס השפעה מדויקת על שכר ועל שעות עבודה שנתיים אחרי השקת הכלים, ושלל גם אפקטים גדולים מ-2%.

ומה כן קרה? 85% מהמשתמשים דיווחו שהזמן שנחסך הוקצה מחדש למשימות אחרות. כ-8% דיווחו על משימות חדשות לגמרי שנולדו מהשימוש, ובמקומות עבודה שבהם המעסיק מקדם את השימוש באופן פעיל השיעור עלה לכ-17%. החיסכון לא נעלם. הוא שינה צורה, ונשאר בתוך יום העבודה.

גם שיפור גדול במשימה אחת מתגמד מול היום כולו. עובד שמקדיש שעתיים מתוך שמונה להכנת דוחות ומקצר אותן בחצי, חוסך שעה ביום. זו התייעלות של 12.5% מזמן העבודה, לפני הזמן שנדרש לבדיקה, לתיקונים ולטיפול בתקלות.

והבדיקה קריטית כשהחיסכון אצל אחד יוצר עבודה אצל אחר. מצגת שנכתבה מהר, אבל מחייבת את המנהל לבדוק כל מספר ולתקן את הטיעון, לא חסכה זמן לצוות. כדי למדוד שיפור צריך לספור גם את העבודה שנעשית אחרי שהתוצר נשלח.

מה קורה בישראל, לפי הנתונים הרשמיים

הלשכה המרכזית לסטטיסטיקה בדקה את זה ישירות. 39% מהעסקים במשק משתמשים בבינה מלאכותית בייצור מוצרים ושירותים, לעומת כ-28% שנה קודם. הטווח רחב: 21% בבינוי ו-65% בהיי-טק. גם בעסקים קטנים, של 10 עד 50 מועסקים, השיעור עלה מ-28% ל-37%.

• אתם עובדים מצוין - אז למה מישהו אחר מקבל את הקידום?
• כמה מרוויח נהג קטר? 12 עד 15 אלף בהתחלה, ותיק חוצה 30

הנתון שנוגע ישירות לעובד אחר: ב-21% מכלל העסקים שנסקרו הבינה המלאכותית כבר מבצעת משימות שקודם בוצעו על ידי עובדים. מבין המשתמשים בה, ב-38% מדובר במשימות טכניות או שגרתיות, ובכ-17% במשימות מורכבות, שיעור שמגיע לכ-31% בהיי-טק ובפיננסים.

ובכל זאת, ההשפעה על כוח האדם עדיין קטנה. בכ-88% מהעסקים שמשתמשים בבינה מלאכותית דיווחו המנהלים שאין לה השפעה על מספר המועסקים. כ-4% דיווחו על צמצום בגיוס וכ-4% על צמצום במצבת כוח האדם. בנק ישראל קבע בדוח השנתי שאין אינדיקציה לכך שהבינה המלאכותית הקטינה את התעסוקה בהיי-טק, ושהתעסוקה והמשרות הפנויות בענף דווקא גדלו.

מה לעשות בפועל: שישה צעדים

עד כאן התמונה. עכשיו מה עושים איתה, לפני שהיעד עולה מעצמו.

1. מדדו לפני שאתם מבקשים. השוו שלוש-ארבע משימות דומות, קחו זמן כולל ולא רק את זמן הכתיבה, ובדקו שהאיכות נשמרה. הנתון על המפתחים שהיו בטוחים שחסכו 20% בזמן שהאיטו את עצמם ב-19% הוא בדיוק הסיבה. הדגמה אחת מרשימה אינה ראיה.

2. ספרו גם את העבודה שאחרי. תיקונים, בדיקת נתונים, החזרות מהמנהל. אם התוצר דורש סבב נוסף, הזמן הזה שייך לחישוב. חיסכון שנעלם בשלב הבדיקה אינו חיסכון.

3. הציעו שימוש מוגדר בזמן, לא רק בקשה. עובד כספים יכול לעבור מהכנת הדוח לבדיקת החריגות שבו. עובד שיווק יכול להקדיש יותר זמן לבחינת תוצאות ולהיכרות עם לקוחות. עובד שירות יכול לקחת מקרים מורכבים או להכשיר מצטרפים. הצעה מוגדרת מקבלת תשובה. שאלה פתוחה מקבלת "נראה".

4. הגדירו מה מקבלים, ולא רק שמשהו יינתן. תגמול אינו חייב להיות שכר, אף שזו אפשרות לגיטימית. הוא יכול להיות הכשרה, אחריות חדשה, גמישות או בונוס על שיפור מדיד. מה שחשוב הוא ההבחנה בין הוקרה חד פעמית לשינוי קבוע בציפיות.

5. אם התפוקה הגבוהה הופכת לסטנדרט, פתחו מחדש את היקף התפקיד. יעד שעולה בלי שינוי בהגדרת התפקיד ובסדרי העדיפויות הוא פשוט עוד עבודה. זה הרגע לשאול מה יורד מהרשימה, ולא רק מה נוסף לה.

6. קבעו תקופת בדיקה לפני שמעלים יעד. כמה זמן באמת נחסך, כמה טעויות התגלו, ומה קרה לעומס בצוות. בסופה מעדכנים יחד את היעד, האחריות והתגמול.

יש כאן גם עניין רגיש יותר. עובדים צעירים מדווחים על תחושה שהם מכשירים את המחליף שלהם, וכדאי להעלות את זה בגלוי במקום להשאיר מתחת לפני השטח. ההבחנה המעשית היא בין עובד שמלמד את המערכת לעשות את עבודתו לבין עובד שמשתמש בה כדי לעבור לעבודה מורכבת יותר.

ולמעסיק כדאי להיזהר ממצב שבו כל עובד יעיל מקבל מיד את כל העבודה שהתעכבה אצל אחרים. עזרה הדדית נחוצה. אבל אם זו התוצאה הקבועה של הצלחה, העובד לומד שהתייעלות מגדילה בעיקר את העומס שלו. דרך אחרת היא להקצות חלק מהזמן שהתפנה לשיפור התהליך הבא, להכשרה, או למשימה בעלת ערך גבוה יותר.