פוטרת בגלל ה-AI? בריאיון העבודה הבא אולי תפגוש שוב את מי שהחליף אותך

לפי נתוני חברת ההשמה צ'לנג'ר, גריי אנד כריסמס, ב-112,713 הודעות על קיצוצי משרות בארצות הברית מתחילת 2026 ועד סוף יולי צוינה הבינה המלאכותית כסיבה לפיטורים - כמעט רבע מכלל הקיצוצים שהוכרזו בתקופה. ביולי לבדו יוחסו לטכנולוגיה 10,970 קיצוצי משרות, כשליש מהסך החודשי. למעשה, זה היה החודש החמישי ברציפות שבו הבינה המלאכותית הובילה ברשימת הסיבות שעליהן דיווחו המעסיקים. מאז שהחברה החלה לעקוב אחר AI כסיבה נפרדת לפיטורים ב-2023, הטכנולוגיה הוזכרה בהודעות על 184,538 קיצוצי משרות. הנתונים מבוססים על הסיבות שדיווחו המעסיקים, ואינם מעידים בהכרח שכל העובדים הללו הוחלפו בפועל במערכות אוטומטיות.

אבל מה יקרה לעובדים האלה כשהם יחפשו את המשרה הבאה? לפי מחקר שפרסמה לינקדאין בינואר 2026, כ-93% מהמגייסים שהשתתפו בסקר מתכננים להגדיל השנה את השימוש בבינה מלאכותית, ושני שלישים מהם מתכננים להרחיב את השימוש בה גם לצורך ראיונות מיון ראשוניים. במילים אחרות, עובד שפוטר מחברה במסגרת התייעלות באמצעות AI עשוי לפגוש את אותה טכנולוגיה גם בצדו השני של שולחן ריאיון העבודה.

ואולי בעוד כמה שנים הוא אפילו לא יצטרך לפגוש אותה בעצמו.

דמיינו את שנת 2035. דני, עורך תוכן בעל ניסיון של 15 שנה, מגיש מועמדות לתפקיד חדש. בתוך שניות הוא מקבל הודעה ממערכת הגיוס:

"שלום דני, תודה על הגשת מועמדותך לתפקיד עורך תוכן בכיר. לאחר ניתוח תיק העבודות שלך, היסטוריית השימוש בכלי בינה מלאכותית ונתוני התפוקה שסיפקת, נמצא כי אתה עומד ב-94% מדרישות המשרה. עם זאת, צריכת הטוקנים הממוצעת שלך גבוהה ב-23% מזו של מועמדים בעלי פרופיל מקצועי דומה. בנוסף, זוהו 17 מקרים שבהם ביקשת ממערכת הבינה המלאכותית לשכתב טקסט שכבר עמד במדדי האיכות הנדרשים. כדי להמשיך לשלב הבא בתהליך הגיוס, אנא הסבר כיצד בכוונתך לצמצם את עלויות המחשוב שלך".

השיחה הזאת בדיונית, וגם הנתונים האישיים המופיעים בה הומצאו לצורך המחשת התרחיש. אבל כדי ששיחה כזאת תתקיים בעתיד, כבר לא צריך להמציא טכנולוגיה חדשה לחלוטין. מספיק לחבר בין כמה מערכות ופרקטיקות שכבר קיימות כיום בנפרד: מיון מועמדים באמצעות AI, מדידת תפוקה, מעקב אחר צריכת משאבי מחשוב וניהול עובדים המבוסס על נתונים.

המגייס הבא שלכם כבר משתמש בבינה מלאכותית

השינוי בתהליכי הגיוס מתרחש עוד לפני שהמועמד מגיע לריאיון. לפי סקר מגמות התעסוקה של האגודה האמריקאית לניהול משאבי אנוש, SHRM, שפורסם ב-2025, כ-51% מהארגונים שנבדקו כבר משתמשים בבינה מלאכותית לתמיכה בתהליכי גיוס.

מבין הארגונים המשתמשים בטכנולוגיה לצורך זה, 66% נעזרים בה לכתיבת תיאורי משרה, 44% לסינון קורות חיים, 32% לאיתור מועמדים, 31% להתאמת מודעות דרושים ו-29% לתקשורת עם מועמדים.

• אפל רוצה להכיר את כל המשפחה: שלושה מוצרים חדשים בדרך
• אנבידיה מסמנת את שוק הסייבר הבא: רוצה לאבטח את סוכני ה-AI

גם החיסכון הכלכלי מתחיל להימדד. כ-89% מאנשי משאבי האנוש בארגונים המשתמשים ב-AI לגיוס דיווחו שהטכנולוגיה חוסכת להם זמן או משפרת את יעילות העבודה. 36% דיווחו על הפחתה בעלויות הגיוס, הראיונות או הקבלה לעבודה, וכ-24% ציינו שהיא שיפרה את יכולתם לזהות מועמדים מתאימים.

הנתונים האלה מסבירים מדוע למעסיקים יש תמריץ להרחיב את השימוש במערכות אוטומטיות. במקום שאנשי משאבי אנוש יקראו מאות קורות חיים, יערכו שיחות היכרות ויתאמו ראיונות, חלק מהעבודה יכול להתבצע באמצעות מערכת אחת. מבחינת הארגון מדובר בחיסכון אפשרי בשעות עבודה, בקיצור זמני הגיוס ובהפחתת עלויות תפעוליות.

גם נתוני לינקדאין מצביעים על הכיוון הזה. במחקר שפרסמה החברה בינואר השנה, 59% מהמגייסים אמרו שהבינה המלאכותית כבר מסייעת להם לאתר מועמדים בעלי כישורים שאולי לא היו מזהים בשיטות המסורתיות. כ-70% סבורים שהרחבת השימוש בה למיון ראשוני תאפשר להם לנהל בהמשך שיחות משמעותיות יותר עם מועמדים.

אבל אותה טכנולוגיה שנועדה להקל על המגייסים עשויה לשנות גם את הדרך שבה מועמדים מנסים להתבלט. לפי לינקדאין, מספר המועמדים לכל משרה פתוחה בארצות הברית הוכפל מאז אביב 2022. כ-65% ממחפשי העבודה שהשתתפו בסקר אמרו שמציאת עבודה הפכה למאתגרת יותר, ו-66% מהמגייסים דיווחו שקשה יותר למצוא מועמדים איכותיים.

כשהתחרות גוברת ומספר הפניות גדל, האפשרות להעביר חלק משמעותי מתהליך המיון למערכת אוטומטית נעשית אטרקטיבית יותר מבחינת המעסיק. מבחינת המועמד, המשמעות היא שהרושם הראשוני עשוי להיווצר עוד לפני שאדם כלשהו קרא את קורות החיים שלו.

• נשארים מאחור: שיעור הצעירים שאינם עובדים ואינם לומדים בישראל עלה ל-20%
• הבוס כבר נותן ל-AI להחליט כמה העלאה תקבלו

כמה טוקנים אתה עולה למעסיק?

השינוי אינו מסתיים ברגע שבו העובד מתקבל לעבודה. למעשה, כאן עשוי להתחיל השלב הכלכלי המעניין יותר: מדידת העלות של העובד עצמו באמצעות הכלים הטכנולוגיים שבהם הוא משתמש.

עד לא מזמן, חישוב עלות העסקתו של עובד היה פשוט יחסית. המעסיק הביא בחשבון את שכר הברוטו, ההפרשות הסוציאליות, הציוד, שטח המשרד והוצאות נלוות. כניסת הבינה המלאכותית מוסיפה למשוואה רכיב חדש - עלות המחשוב שהעובד צורך במהלך עבודתו.

טוקן הוא יחידת מידע שמודל בינה מלאכותית מעבד. ככל שמשימה דורשת עיבוד של יותר מידע, פעולות חוזרות, שיחות ארוכות או הפעלה ממושכת של סוכני AI, צריכת הטוקנים עשויה לגדול, ואיתה גם העלות. במודלים המתומחרים לפי שימוש, החיוב עשוי להתבסס בין היתר על מספר הטוקנים שהמערכת מקבלת ומייצרת.

כך, שני עובדים שמקבלים שכר זהה ומבצעים לכאורה את אותה עבודה יכולים לייצר למעסיק הוצאות טכנולוגיות שונות. עובד אחד עשוי להשתמש במודל פשוט כדי לבצע משימה קצרה, בעוד עובד אחר מפעיל כמה סוכנים במקביל, מבקש מהם לבצע מחקר, לבדוק נתונים, לכתוב קוד ולחזור על התהליך עד לקבלת תוצאה.

האם העובד השני יקר יותר? בהחלט ייתכן. האם הוא גם פחות יעיל? את זה כבר אי אפשר לקבוע באמצעות מספר הטוקנים בלבד.

ובכל זאת, עמק הסיליקון כבר התחיל להתנסות במדידה מהסוג הזה.

באפריל 2026 דיווח אתר The Information כי במטא נבנתה טבלת דירוג פנימית, שכונתה Claudeonomics, והציגה את 250 העובדים בעלי צריכת הטוקנים הגבוהה ביותר. לפי הדיווח, צריכת הטוקנים הכוללת בחברה הגיעה ליותר מ-60 טריליון בתוך תקופה של 30 יום, והמשתמש שהוביל את הדירוג צרך בממוצע 281 מיליארד טוקנים.

המערכת כללה גם תגי הישג לעובדים, והפכה את צריכת הטוקנים למעין תחרות פנימית. בהמשך הוסרה הטבלה לאחר שנתונים ממנה הגיעו לתקשורת. מטא הבהירה כי העובד שבנה את המערכת הוא שהסיר אותה.

התופעה זכתה לכינוי Tokenmaxxing, או מקסום צריכת טוקנים. הרעיון פשוט: כאשר היקף השימוש בבינה מלאכותית הופך לסימן המעיד לכאורה על פרודוקטיביות, לעובדים עשוי להיווצר תמריץ להגדיל את הצריכה שלהם, גם אם הדבר אינו משפר בהכרח את התוצאה העסקית.

אולם, מדידה כזאת עלולה לייצר אבסורד. עובד שמפעיל סוכן בינה מלאכותית במשך שעות, מבקש ממנו לכתוב ולשכתב קוד ומבצע עשרות ניסיונות, עשוי לצבור צריכת טוקנים גבוהה במיוחד. אבל האם הוא בהכרח עובד טוב יותר ממי שהצליח להגיע לאותה תוצאה בשלוש פעולות?

חברת סיילספורס כבר הציעה גישה אחרת. באפריל 2026 הציגה החברה מדד בשם Agentic Work Units, או AWU, שנועד למדוד יחידות עבודה שמבצעים סוכני בינה מלאכותית, תוך ניסיון להתמקד בתפוקה ובתוצאה העסקית במקום במספר הטוקנים שנצרכו.

לדברי החברה, ברבעון הרביעי הגיע היקף יחידות העבודה שנמדדו בפלטפורמה שלה לכ-2.4 מיליארד. עם זאת, גם למדד כזה יש מגבלה: הוא מוגדר על ידי החברה עצמה, ולכן נדרשת זהירות לפני שמשתמשים בו כמדד אחיד להשוואה בין מערכות או ארגונים שונים.

הוויכוח בין שתי הגישות עשוי להיות משמעותי גם לעתיד העובדים האנושיים. ברגע שחברה יכולה למדוד את עלות העבודה האנושית לצד עלות המחשוב, היא עשויה להתחיל להשוות בין שילובים שונים של עובדים ומערכות אוטומטיות.

והשאלה הבאה כבר מתבקשת: האם בעתיד צריכת הטוקנים של עובד תהפוך לסעיף בהערכת הביצועים שלו, ואולי אפילו לשיקול בהחלטות על קידום, שכר או פיטורים?

מי יקבל את הקידום - העובד הטוב או העובד שהאלגוריתם מעדיף?

נחזור לדני, עורך התוכן מתחילת הכתבה. נניח שהוא התקבל בסופו של דבר לעבודה. במשך שנה הוא כתב, ערך, בדק נתונים והשתמש במערכות בינה מלאכותית. כעת הגיע מועד הערכת הביצועים השנתית.

מערכת הניהול מגישה למנכ"ל דוח: דני עמד בכל יעדי התפוקה, אבל עלות המחשוב שלו גבוהה מהממוצע במחלקה. עובדת אחרת, בעלת ניסיון מקצועי קצר יותר, הפיקה מספר דומה של תוצרים תוך שימוש במערכת אוטומטית זולה יותר. המערכת ממליצה לקדם אותה.

מה שהדוח אינו בהכרח יודע להעריך הוא שדני זיהה במהלך השנה שלוש טעויות מהותיות שהיו עלולות לגרום לחברה נזק כספי ותדמיתי. הוא גם פסל כמה תוצרים שהמערכת הגדירה כתקינים, משום שהבין שהנתונים שעליהם התבססו אינם אמינים.

כיצד מתמחרים החלטה שלא התקבלה? כמה שווה כתבה שלא פורסמה משום שהעורך זיהה בעיה? ואיך מודדים את התרומה של עובד שמונע טעות, כאשר הטעות עצמה מעולם לא התרחשה?

אלה שאלות ניהוליות שקיימות גם היום. ארגונים מודדים תפוקה, שעות עבודה, עמידה ביעדים ועלויות כבר עשרות שנים. אבל ככל שמערכות AI יקבלו תפקיד משמעותי יותר בניהול, החשיבות של השאלות האלה עשויה לגדול.

בדוח שפרסם ארגון העבודה הבינלאומי באפריל 2026 הזהיר הארגון כי השימוש בבינה מלאכותית לניטור עובדים ולניהול העבודה עלול להגביר את המעקב אחריהם, לצמצם את עצמאותם ולעורר סיכונים הנוגעים לפרטיות ולרווחה הנפשית. לצד האפשרות לשפר את הפריון, מדובר בשינוי אפשרי במערכת היחסים שבין העובד למעסיק.

הסוגיה אינה חדשה לחלוטין. מערכות לניהול עבודה באמצעות אלגוריתמים כבר משמשות בתחומי הלוגיסטיקה, הבריאות והשירותים. הן מסוגלות לחלק משימות, לקבוע סדרי עדיפויות, לעקוב אחר קצב הביצוע ולהציג למנהלים נתונים על פעילות העובדים.

השלב הבא עשוי להיות חיבור הנתונים האלה להחלטות כוח אדם רחבות יותר. במקום שמנהל יבחן בנפרד את איכות העבודה, עלות השכר והשימוש בטכנולוגיה, מערכת אחת תוכל להציג לו חישוב כולל של כדאיות ההעסקה.

כמובן, אין פירוש הדבר שמספר טוקנים מסוים יוביל אוטומטית לפיטורים. גם מערכות מתקדמות תלויות במדדים שנבחרו עבורן, באיכות המידע שהוזן אליהן ובהחלטות של מי שמפעיל אותן. אבל כאשר המדידה הופכת לחלק מרכזי מתהליך הניהול, העובדים עשויים להתחיל להתאים את התנהגותם למדדים שהמערכת מתגמלת.

כך עלול להיווצר מצב שבו חלק מהמאמץ המקצועי יופנה לשיפור הדירוג במקום לשיפור העבודה עצמה.

ומה אם גם המועמד ישלח בינה מלאכותית לריאיון?

עד עכשיו עסקנו בעיקר בצד של המעסיקים. אבל גם מחפשי העבודה אינם נשארים מחוץ לתהליך.

לפי סקר לינקדאין מינואר 2026, כ-81% ממחפשי העבודה שנבדקו כבר משתמשים או מתכננים להשתמש בכלי בינה מלאכותית במסגרת חיפוש העבודה. כמעט מחציתם, 48%, אמרו שהכלים האלה מסייעים להם להגיע לריאיון בתחושת ביטחון גבוהה יותר.

השימוש יכול להתחיל בניסוח קורות חיים ומכתבי פנייה, להמשיך באיתור משרות מתאימות ובהכנה לשאלות נפוצות, ולהתרחב גם לביצוע פעולות עצמאיות באמצעות סוכני AI.

וכאן נוצרת אפשרות מעניינת: אם המעסיק משתמש במערכת אוטומטית כדי לסנן מועמדים, מדוע שהמועמד לא ישתמש במערכת משלו כדי לעבור את תהליך המיון?

גם אנשי הגיוס כבר צופים שהשימוש הזה יתרחב. בסקר שערכה SHRM בקרב 292 מנהלי גיוס ופורסם ב-2025, כ-63% העריכו שהשימוש של מועמדים בבינה מלאכותית לצורך ביצוע ראיונות עבודה יהפוך לנפוץ יותר או הרבה יותר במהלך השנה שלאחר מכן. כ-78% צפו גידול בשימוש ב-AI להגשת מועמדויות, וכ-73% העריכו שהשימוש בטכנולוגיה לביצוע משימות גיוס יתרחב.

הנתונים אינם מעידים שרוב ראיונות העבודה כבר מתנהלים בין מערכות בינה מלאכותית, אבל הם מלמדים שגם בצד המעסיקים מזהים את הכיוון שאליו התהליך עשוי להתפתח.

ועכשיו דמיינו תרחיש נוסף.

מועמד מגיש קורות חיים שנכתבו באמצעות בינה מלאכותית. מערכת המיון של המעסיק מנתחת אותם, וסוכן אישי של המועמד משיב לשאלותיה. שתי המערכות מנהלות משא ומתן ראשוני על כישורים, דרישות שכר ותנאי העסקה. סוכן אחד מנסה להציג את המועמד באופן שימקסם את סיכויי הקבלה שלו, והשני מנסה להעריך אם העסקתו כדאית לחברה.

בסופו של התהליך המועמד מקבל הודעה שלא התקבל. הוא כלל לא השתתף בריאיון, וגם המעסיק לא פגש אותו.

אפשר לקחת את התרחיש הזה צעד נוסף. אם מערכות המיון ילמדו לזהות תשובות שנוצרו באמצעות בינה מלאכותית, המועמדים עשויים להשתמש בכלים מתקדמים יותר כדי להתאים את התשובות לציפיות המערכת. המעסיקים, מצדם, עשויים לפתח מנגנוני בדיקה נוספים כדי להבחין בין יכולותיו של המועמד לבין היכולות של הסוכן שפועל בשמו.

כך עלולה להיווצר תחרות טכנולוגית בתוך תהליך הגיוס עצמו, שבה שני הצדדים משקיעים משאבים כדי לשכנע מערכת אוטומטית אחרת.

האם העובד של העתיד יצטרך להוכיח שהוא משתלם יותר מאלגוריתם?

השאלה הכלכלית שעומדת מאחורי כל התרחישים האלה רחבה יותר מהאפשרות שמערכת בינה מלאכותית תערוך ריאיון עבודה.

ככל שהטכנולוגיה תשתלב בתהליכי העבודה, חברות יוכלו לבחון את העלות של ביצוע משימה בדרכים שונות: באמצעות עובד אנושי, באמצעות עובד שנעזר בכלי AI או באמצעות סוכן אוטומטי שמבצע את רוב הפעולות בעצמו.

לכאורה, מדובר בהחלטה עסקית רגילה. ארגונים תמיד ניסו להגדיל תפוקה ולצמצם עלויות. אלא שכעת עשויים להיכנס למשוואה מדדים חדשים: עלות הטוקנים, זמן המחשוב, מספר הפעולות הנדרשות להשלמת משימה, שיעור ההתערבות האנושית ועלות תיקון השגיאות.

בתרחיש כזה, עובד שצורך מיליון טוקנים בחודש עשוי להיחשב למשתמש מתקדם שמצליח להפיק מהטכנולוגיה ערך רב, או לעובד יקר שאינו מצליח לסיים משימה ללא עזרה. עובד שצורך מעט מאוד טוקנים עשוי להיות עצמאי ומדויק, או מי שאינו מנצל את הכלים שהארגון העמיד לרשותו.

ללא מדידה של איכות התוצאה, מספר הטוקנים לבדו לא יוכל לספק תשובה מספקת.

ויש כאן גם שאלה הנוגעת לחלוקת הרווחים מההתייעלות. אם עובד מצליח להפיק באמצעות AI תפוקה כפולה בעלות מחשוב נמוכה, האם הוא יקבל שכר גבוה יותר? האם החברה תצמצם את מספר העובדים הנדרש לביצוע העבודה? או שהחיסכון כולו יישאר אצל המעסיק?

מנגד, ייתכן שהיכולת האנושית לזהות בעיות, לקבל החלטות במצבי אי-ודאות ולבחון באופן ביקורתי תוצרים אוטומטיים תהפוך לבעלת ערך כלכלי גבוה יותר דווקא ככל שהשימוש בבינה מלאכותית יתרחב.

הרי גם מערכת שמסוגלת להפיק מאות תוצרים בשעה זקוקה למנגנון שיבחן אם התוצרים האלה נכונים, שימושיים ומתאימים למטרה. וככל שעלות הייצור יורדת, העלות של טעות שלא זוהתה עשויה להפוך לשיקול משמעותי יותר.

העובד של העתיד עשוי אפוא להידרש להוכיח שני דברים במקביל: שהוא יודע להשתמש בבינה מלאכותית ביעילות, ושהוא מביא ערך שהמערכת אינה מסוגלת לספק בעצמה.

השאלה היא אם מערכות הגיוס והניהול ידעו להבחין בין השניים.

במשך שנים שאלנו אם הבינה המלאכותית תחליף אותנו. כעת, כשחברות כבר משתמשות בה כדי למיין מועמדים, למדוד פעילות ולבצע משימות שבעבר דרשו עובדים אנושיים, מתעוררת שאלה נוספת: מה יקרה כשהיא תהיה זו שתצטרך להשתכנע שכדאי להעסיק אותנו?

ואולי בעתיד הלא רחוק, אחרי שעובד יפוטר במסגרת התייעלות באמצעות AI, הוא ישלח את הסוכן הדיגיטלי שלו לחפש עבורו עבודה חדשה. הסוכן יאתר משרה, יגיש מועמדות, יעבור מיון ויתייצב לריאיון מול הסוכן של המעסיק.

שני סוכני בינה מלאכותית ינהלו ריאיון עבודה שלם, ורק האדם יישאר מובטל.