בינה מלאכותית ומשרות: תחזית גרטנר ל-2030 היא מבחן ניהולי

האם בינה מלאכותית תיצור יותר משרות משתמחק? לפי תחזית Gartner לשנים 2025–2030, כן. אבל מאזן תעסוקה חיובי בעולם אינו מבטיח ביטחון לעובד מסוים, ואינו מספק לארגון תוכנית עבודה. עבור מנהלים בישראל, השאלה הדחופה היא איך משנים תפקידים, מכשירים עובדים ומתרגמים אוטומציה לרווחיות, בלי לאבד ידע ואחריות מקצועית בדרך.
התחזית מציגה יצירה של 10.6 מיליון משרות מול אובדן של 8.9 מיליון. זהו מאזן נטו חיובי, אך חשוב להתייחס אליו כתחזית, לא כהתחייבות לתוצאה.
- משרות חדשות בתחזית עד 2030
- 10.6 מיליון
- משרות שיאבדו לפי התחזית
- 8.9 מיליון
- תוספת משרות נטו בתחזית
- 1.7 מיליון
הפער בין יצירה למחיקה אינו מספר את הסיפור המלא: המשרות החדשות אינן בהכרח באותם מקומות, באותם מקצועות או מתאימות לאותם אנשים. חברה יכולה לצמוח בזמן שחלק מעובדיה מתקשים למצוא לעצמם מקום במבנה העבודה החדש.
המספר החשוב יותר הוא היקף השינוי בעבודה
לפי Gartner, יותר מ-20% מכוח העבודה, כ-435.5 מיליון עובדים במסגרת התחזית, יידרשו להסתגל להשפעות הטכנולוגיה. כלומר, היקף השינוי במשימות ובאופן ביצוען רחב בהרבה מהיקף אובדן המשרות החזוי.
זו הבחנה ניהולית מהותית. תפקיד אינו יחידה אחת שאפשר פשוט להשאיר או למחוק. הוא אוסף של פעולות: איסוף מידע, בדיקת מסמכים, ניתוח, תקשורת, החלטה וטיפול בחריגים. AI משנה כל אחת מהן באופן אחר.
לדוגמה, עובד במחלקת גבייה עשוי להשקיע פחות זמן באיסוף היסטוריית התכתבויות ובהכנת פניות, ויותר זמן במשא ומתן ובטיפול בלקוחות רגישים. שם התפקיד אולי יישאר, אבל הכישורים, התפוקה והאחריות ישתנו.
יחידת התכנון הנכונה להטמעת AI היא המשימה והתהליך, לא רק מספר המשרות בתקן.
כאשר מתחילים מיעד של קיצוץ כוח אדם, קל להסיר גם את הידע שמאפשר לזהות טעות. כאשר מתחילים ממיפוי העבודה, אפשר להחליט מה לאוטומט, מה לחזק ואיפה שיקול דעת אנושי נשאר חיוני.
למה פריון גבוה לא הופך אוטומטית לצמיחה בתעסוקה
ג'ון לאבלוק מ-Gartner מתאר מעבר מהקפאת גיוסים, דרך צמצומים, ועד לשלב שבו עשויה להיווצר תוספת נטו של משרות. זהו הסבר מועיל למתח הנוכחי בשוק, אבל לא מסלול שכל ארגון בהכרח יעבור.
התוצאה תלויה בשאלה מה העסק עושה עם הקיבולת שהתפנתה. משרד שירותים מקצועיים שמקצר את הכנת התוצרים יכול לשרת יותר לקוחות, לשפר את השירות או לצמצם שעות עבודה. אם אין ביקוש נוסף, יכולת מכירה או שינוי במודל התמחור, העלייה בפריון לא תהפוך מעצמה לגיוס עובדים.
לכן, דיון הנהלה על AI צריך לחבר בין שלושה דברים: עלות אספקת השירות, הביקוש אליו והיכולת לגבות תמורה. חיסכון בזמן הוא נקודת התחלה, לא הוכחה לרווח.
| סוגיה ניהולית | גישה מצמצמת | גישה לבניית יכולת |
|---|---|---|
| יעד ההטמעה | הפחתת תקנים | שיפור עלות ותפוקה |
| יחידת הניתוח | תפקיד שלם | משימות ותהליכים |
| הכשרת עובדים | הדרכת כלי | מיומנות מקצועית יישומית |
| מדידת הצלחה | שעות שנחסכו | תוצאה עסקית ואיכות |
| אחריות | ספק הטכנולוגיה | בעל תהליך בארגון |
שתי הגישות עשויות לכלול התייעלות בכוח אדם. ההבדל הוא האם הארגון משאיר אחריו יכולת תפעולית טובה יותר, או רק מצבת עובדים קטנה יותר.
אדם בלולאה, בלי להפוך אותו לצוואר בקבוק
AI מאפשר לבצע גם משימות שאינן נשענות על כללים קשיחים בלבד: פירוש פנייה, סיווג מסמך או גיבוש המלצה. דווקא משום שהתוצאות אינן דטרמיניסטיות, נדרשת בקרה. אבל דרישה לאישור ידני של כל פעולה עלולה למחוק חלק ניכר מהתועלת.
המטרה היא לעבור מביצוע ידני של כל מקרה לפיקוח על מערך תהליכים. לשם כך צריך לקבוע אילו פעולות מותר לבצע עצמאית, אילו מחייבות אישור ואילו ייבדקו בדגימה. ההבחנה צריכה להתבסס על סיכון, יכולת תיקון, איכות הנתונים וביצועים שנמדדו בפועל.
למשל, אפשר לתכנן סוכן שמרכז מסמכים ומכין טיוטת מענה בתוך מערכת השירות הקיימת, בעוד שפיצוי כספי או התחייבות חוזית נשארים כפופים לאישור. כך העובד משקיע את זמנו בהחלטות בעלות משמעות, ולא בהעתקת מידע בין מערכות.
שני מסלולים שחייבים להתקדם יחד
אוריינות AI לעובדים ופיתוח סוכנים ארגוניים אינם חלופות. אלה יכולות משלימות, עם אתגרי הטמעה שונים.
במסלול האוריינות, העובדים לומדים למסור הקשר למודל, לנסח דרישות, לבדוק תשובות ולהגן על מידע. האתגר אינו רק היכרות עם כלי, אלא שינוי הרגלי עבודה והפעלת שיקול דעת מקצועי מול פלט שנראה משכנע.
במסלול הסוכנים, הארגון משלב יכולות בתוך התהליך הקיים. סוכן שעובד מאחורי מערכת השירות עשוי לדרוש מהעובד פחות שינוי התנהגותי מאשר כלי שיחה נפרד, אף שהקמתו מורכבת יותר טכנית. עם זאת, גם הוא דורש הכשרה: העובד צריך להבין מתי להתערב ואיך לדווח על כשל.
כדי להרחיב שימוש, נחוצה תשתית משותפת להרשאות, חיבורים למידע, בדיקות, ניטור עלויות וניהול גרסאות. מחלקת מערכות המידע תידרש בהדרגה גם לניהול מחזור החיים של סוכנים: הקצאת תפקיד, הגדרת סמכות, הערכת ביצועים והוצאה משימוש כשצריך.
איך הופכים את התחזית לתוכנית עבודה
אין צורך להמתין לוודאות לגבי שוק העבודה העולמי. אפשר להתחיל בתהליך עסקי מוגדר, בתנאי שמחברים בין המנהל המקצועי, התפעול, משאבי האנוש ומערכות המידע.
ממפים את העבודה
מזהים משימות חוזרות, נקודות החלטה, סיכונים וידע שנמצא כיום אצל העובדים.
מודדים מצב קיים
מתעדים זמן טיפול, איכות, עלות ונפח עבודה לפני בחירת הפתרון.
מגדירים תפקיד ובקרה
קובעים מה הסוכן מבצע, מה נשאר בידי העובד ומתי נדרשת התערבות.
מכשירים ובודקים בשטח
מתרגלים תרחישים אמיתיים ובוחנים ביצועים לפני הרחבת סמכויות.
מחליטים לפי תוצאה
מרחיבים שימוש רק לאחר שנמדד שיפור עסקי ללא פגיעה בלתי קבילה באיכות.
התהליך הזה צריך לכלול גם החלטה מראש על השימוש בזמן שמתפנה: טיפול בביקוש שלא נענה, שיפור שירות, העמקת קשרי לקוחות או שינוי תקינה. בלי החלטה כזאת, שעות שנחסכו על הנייר עלולות להיבלע בעבודה אחרת בלי השפעה כלכלית ברורה.
חשוב גם לבחור נכון את מי שמוביל את השינוי. היכרות עם כלי פופולרי אינה תחליף להשכלה רלוונטית, להבנת מגבלות המודלים ולניסיון בתהליכים עסקיים. הערך נמצא בחיבור בין ידע טכנולוגי, מומחיות ענפית ויכולת ניהולית, לא בהדגמה מרשימה בלבד.
תחזית גרטנר אינה סיבה להירגע ואינה הצדקה לפיטורים מוקדמים. היא תזכורת לכך ששינוי בהרכב העבודה צפוי להיות רחב משינוי במספר המשרות. ההנהלה צריכה לדעת לענות לא רק כמה עובדים תצטרך, אלא איזו עבודה הם יבצעו, על מה יהיו אחראים ואיך יוכלו לייצר יותר ערך בעזרת AI.


