שיח מתמשך בארגונים רבים מעלה שוב ושוב את אותה שאלה פשוטה לכאורה: כמה מתוך שעות העבודה מוקדשות לעשייה אמיתית וכמה הולך על הסחות, מפגשים או פעולות שגרתיות שלא מקדמות את התפוקה. מדובר בנושא שמעסיק מנהלים ועובדים במידה דומה, במיוחד בתקופה שבה מודלים חדשים של עבודה מתערבבים במציאות יומיומית שמחייבת ריבוי משימות.

כמה זמן עבודה הוא באמת עבודה?

ממצאים עדכניים מצביעים על כך שעובד ממוצע מצליח לייצר עבודה משמעותית במשך כשלוש שעות ביום, כלומר בערך 60% מסך הזמן הרשמי במשרד או בבית. אומנם מדובר בנתון שמפתיע חלק מהאנשים, אבל נראה שהוא משקף את המציאות ברוב הארגונים. חלק מהזמן מוקדש לשיחות, למיילים, למפגשים או לדיווחים פנימיים שאינם בליבת העשייה, אם כי הם חלק בלתי נפרד מהשגרה.

במקביל, עובדים שמרבים לעבוד מהבית מדווחים לא פעם על עלייה מסוימת בתפוקה. זה כנראה נובע מכך שיש פחות מעבר בין משימות ופחות פגישות מזדמנות. עם זאת מחקרים קודמים הראו שגם עבודה מרחוק עלולה להוביל לירידה זמנית בתפוקה עד שהארגון מתאים תהליכים חדשים. כלומר מבנה העבודה משפיע על התוצאה, אבל לא בהכרח קובע אותה.

מנגד, מאמר שפורסם בכתב העת Taylor & Francis לאחר הקורונה גרס כי במהלך עבודה מהבית עולה לא פעם מצב שבו העובד אמנם “נמצא” במצב log in במחשבו האישי, אבל חלק מהזמן שלו מוקדש למשימות שמחוץ לליבת העבודה. סביבת העבודה הביתית מגבירה הסחות דעת כגון רעש, נוכחות ילדים או חיית מחמד, או מעבר מהיר בין משימות משפחתיות ומשימות עבודה וכי הסחות הבית מורידות את רמת הריכוז וההתמדה: ענייני רעש, חלל עבודה קפוא, ציוד שאינו מותאם, ותנאי עבודה לא מובחנים מהחיים הפרטיים  כל אלה קשורים לירידה בדיווחים על פרודוקטיביות.
בנוסף, מחקר אחר של אוניברסיטת אוקספורד בחן את “הסחות דיגיטליות” ובעיקר אצל עובדים מרחוק ובו התגלה כי גם אם אין הפרעה סביבתית יש נטייה גבוהה יותר לעבור בין משימות, לענות ברצף למיילים או לבצע סקרולינג בלתי קשור לעבודה.
לכן, אמנם עבודה מהבית עשויה להציע פוטנציאל לריכוז גבוה יותר  אבל היא גם דורשת משמעת עצמית חזקה ותנאים סביבתיים ברורים. במילים אחרות: לעיתים העובד מדווח על “שעות עבודה” מהבית אך בפועל חלק מהשעות מוקדש לתעסוקות שמחוץ לעבודה ישירה. כך נוצרת תבנית שבה חלק מהזמן הבית-עבודתי פשוט “נשחק” בין דרישות העבודה לבין הסחות דעת ביתיות.

• עובדים מוכנים לוותר על רבע מהשכר בשביל עבודה מהבית - ומה המעסיקים חושבים?
• מה אמרה הנהלת אינטל בשיחת הוועידה?
• המלצת המערכת: כל הכותרות 24/7

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.