המאמרים בסדרה:
- הקפיצה הארגונית הגדולה
- השינוי ברמת הפרט: כל העובדים מנהלים (יפורסם בהמשך)
- השינוי ברמת הארגון: סוף עידן הסיילו (יפורסם בהמשך)
- השינוי בעולם: להביט אל התהום הגדולה (יפורסם בהמשך)
כולם מדברים על תעסוקה, אף אחד לא מדבר על תבונה
קבוצות הפייסבוק העוסקות בצרות בהייטק למיניהן שנוצרו כדי להתלונן על הקלקר שבורח מפוף הזהב מלאות בחודשים האחרונים בצרות אמיתיות. עוד ועוד מפתחים מליבת השוק מתקשים לחזור לעבודה. השינוי שמחוללת ומבשרת כניסת הבינה המלאכותית לחיים התעסוקתיים שלנו כבר מורגש בתחומים רבים. בחלק מהשדות כבר נוצר שיבוש נרחב בעוד שבאחרים אנחנו רק מתחילים להרגיש את השינוי. לעתים השינוי עוד לא נראה או שהוא נראה לנו הרחק באופק. אבל למרות שמרכיבים מסויימים של השינוי כבר כאן, אנחנו עדיין מתקשים לדון במרכיבים משמעותיים של משמעויות השינוי ושל התפקיד שלנו בתוכו.
עם ניצני הבינה המלאכותית כולם הפכו למומחים לעתיד, והם יודעים. הם יודעים אם נאבד את מקום העבודה שלנו, אם יגייסו בעתיד עוד מפתחים ג׳וניורים או שמעתה כל המפתחים יהיו סניורים עד שהאחרונים יזדקנו ויעלמו. הם יודעים אם יהיו בתי ספר בעתיד או שכל הילדים ילמדו מול בוט מותאם אישי בבית. הם גם יודעים האם ייוותרו רופאים, עורכי דין, מהנדסים ורואי חשבון. קל מאוד לדעת היום – אין לזה כמעט מחיר ואנחנו צורכים את הסוגה הזו כדי להשקיט את החרדה. וכך, בתוך ההשתנות שמתרחשת לנגד עינינו נשפך הרבה מאוד להג, ומעט מובנות (כולל פוסט זה) כי בעצם אף אחד לא מומחה לעתיד, ואנחנו בקושי מבינים את ההווה, אבל יש ערך דווקא בשל כך להשקיע מאמץ משמעותי להבין מה כבר משתנה היום.
הסיבה הנראית לעין שאנחנו נמשכים על ענפי התעסוקה שייכחדו, היא שאנחנו מחפשים איזשהי ודאות בתוך הטלטלה המתרגשת. אנחנו מחפשים כיצד מה שאנחנו מכירים היטב – התעסוקה בהווה – תושפע על ידי הגורם שנכנס לחיינו. אבל אחד הדברים שאנחנו פחות עוסקים בהם למרות שההשפעה שלהם כבר מתגלה כאן בהווה היא ההשתנות של הסביבה הארגונית והניהולית שלנו, והאופן שבו הקוגניציה האישית והקבוצתית שלנו משתנות. אולי זו חלק מהטראומה של מהפכות טכנולוגיות קודמות – אנחנו בעיקר מוטרדים אם נאבד את מקום העבודה שלנו, ופחות מהשאלה כיצד יראה המקום הזה ומה יידרש מאיתנו, אבל בין לבין האופן שבו אנחנו חושבים על עצמנו והעולם משתנה מהיסוד.
עד סוף ה-SAMR אמצא את התשובה
אחת המסגרות הפשוטות והמוצלחות לדיון בפיתוח והטמעת טכנולוגיות חדשות היא זו של מודל SAMR. המודל נוצר בכלל בעולמות הפדגוגיה, אבל אנחנו מוצאים אותו רלוונטי מאוד גם לעולמות הדיגיטציה והבינה המלאכותית בהיבטים רחבים יותר. המודל חותר תחת הפנטזיה לפיה טכנולוגיה החדשה משנה את העולם בין-רגע. בפועל התבוננות על מהפכות בסדר גודל דומה (למשל האינטרנט, הסמארטפונים וכיוב׳) מראה שלוקח זמן רב – לעתים אפילו דורות ושנים עד להגעה של טכנולוגיה לבשלות, כלומר עד לביסוס תפיסה תרבותית רחבה של מה ניתן לעשות עם הטכנולוגיה ואיך ולהפיכת הטכנולוגיה למובן מאיליו שלנו.
אבל משך הזמן הזה מתקצר – עברו כ-150 שנים מרגע המצאת מנוע הקיטור ועד להקמת רכבת אפקטיבית, ועוד שלושה עשורים עד להשטת כלי שיט מונע בקיטור; עברו כ-70 שנים מרגע המצאת מנוע הבעירה הפנימית ועד להנעת כלי רכב בייצור נרחב; אבל רק שנים ספורות מרגע שמודלי השפה הראשונים הפציעו לחיינו ועד להשתלבות רחבה שלהם בעולם העשייה:
בכל הדוגמאות הללו, בתחילה, אנחנו בכלל לא יכולים לדמיין את המשימות והפעולות שנצליח לבצע בעזרת הטכנולוגיה החדשה ולכן העיסוק בהשתנות המקצועות עוסקת רק בקיים וכיצד הוא מאותגר ולא בפוטנציאל החדש שנוצר. ולכן, לפי ה-SAMR ניתן לראות לרוב 4 שלבים בהטמעה של טכנולוגיות חדשות בתהליכי העבודה, שניים מתוכם מתוארים כשיפור הקיים (enhancment), תהליכים שקל יותר לדמיין, ואילו שני השלבים האחרונים כטרנספורמציה שקשה עד כדי בלתי ניתן לתפוס ולדמיין לפני התממשות השינוי:
- Substitution – תחליף: הטכנולוגיה החדשה מחליפה דבר מה מוכר מן העולם. חבילת התוכנה של אופיס, למשל, העבירה רכיבים קשיחים מן המשרד התאגידי של סוף שנות ה-80 אל שולחן העבודה הממוחשב של ראשית שנות ה-90, והיא עשתה את זה כמעט אחד לאחד: וורד החליף את מכונת הכתיבה, פאוארפויינט את מטול השקפים, האקסל את דפי המשבצות שבעזרתן ניהלנו את החשבונות העסקיים שלנו, ואאוטלוק את התכתובת הפנים-תאגידית (עם הנמען והיידוע בראשית המכתב). ההחלפה מסייעת לנו לעבור מהדבר המוכר אל המרחב הפחות מוכר, אך בתחילה כמעט ואינה מוסיפה דבר.
- Augmentation – אגבור: הטכנולוגיה החדשה מאפשרת לעשות יותר. אנחנו יכולים להתייעל בעקבות השינוי – ניתן לשלוח מייל מהר יותר ואפילו לצד השני של העולם. ניתן לשמור מסמכים רבים ללא צורך להחזיק מדפי תיקיות עמוסים, ניתן להציג שקפים ברורים יותר וצבעוניים יותר.
- Modification – שינוי: הטכנולוגיה משפיעה על תהליכי הליבה שלנו ומשנה אותם. אנחנו מתחילים למשל לכתוב יחד במסמך שיתופי, ומפסיקים לנהל עשרות גרסאות של המסמך. בתהליך שבו אנחנו כותבים יחד אנחנו מגלים שיש ערך לכתיבה משותפת. משהו השתנה בתהליכי החשיבה שלנו.
- Redefinition – הגדרה מחדש: הטמעת הטכנולוגיה מייצרת הגדרה מחדש של מהות העבודה שלנו ומייצרת פעולות חדשות שלא ניתן היה להעלות קודם על הדעת. תהליכי העבודה, המדדים והיעדים, כולם משתנים בהתאם. הדיגיטציה של תהליכי התוכן, למשל, אפשרה לאמן עליהם מודל ממוחשב, שמחליף יותר ויותר מהעבודות הקבועות, הסטנדרטיות, שבעבר היו ליבת התפקוד המקצועי שלנו.
בתהליכי ההטמעה של כלי בינה מלאכותית אנחנו רואים את השלבים האלו חולפים מהר למדי בתחומים שהתנאים שבהם נמצאים בלב היכולת של הבינה המלאכותית, דוגמת עולמות הגרפיקה והתכנות שבהם שימושי הבינה המלאכותית הפכו לחלק אינטגרלי בתחום ולכלי שכבר אי אפשר לעבוד בלעדיו. כאשר דנים בגורמים המשפיעים על קצב השינוי ניתן לשים זרקור על הממדים הבאים: מידת הסיכון (הבטיחותי) בתחום, האם קיים סטנדרט, מידת החשיבות של הגורם האנושי ויחסי האנוש, והשאלה האם עוסקים בעולם הממשי או הדיגיטלי ובמידת השמרנות של התחום (להרחבה ראו: מודל להערכת בשלות בינה מלאכותית וכלי דיגיטלי להערכת הבשלות).
אפשר להסתכל הטבלה הזו עם כמה דוגמאות לתפקודים שונים:
| שלב SAMR | תיאור קצר | דוגמאות לשימושי AI |
|---|---|---|
| S – Substitution (תחליף) | הבינה המלאכותית מחליפה כלי קיים ללא שינוי מהותי בצורת העבודה | • תיקון שגיאות כתיב/דקדוק אוטומטי (Grammarly)• תרגום טקסטים (Google Translate)• חיפוש מידע בסיסי |
| A – Augmentation (אגבור) | ה-AI מוסיף פונקציות ושיפורים אך המשימה נשארת דומה | • תמלול פגישות + סיכום • הצעות ניסוח חכמות במיילים/מסמכים • כתיבת קוד עם השלמות |
| M – Modification (שינוי מהותי) | ה-AI משנה את אופי המשימה ומאפשר דרכי עבודה חדשות | • Vibe coding • עבודות מידענות מורכבות (למשל – סיכום מאות מסמכים לדוח) • ניתוח רגשות ותוכן בשירות לקוחות • אוטומציה משרדית (דוחות, חוזים) • תקשורת רב-לשונית בזמן אמת • עוזרי ניהול אישיים חכמים (תיאום, משימות, מיילים) |
| R – Redefinition (הגדרה מחדש) | ה-AI יוצר אפשרויות חדשות שלא היו אפשריות קודם | • סוכני AI אוטונומיים שמבצעים משימות מורכבות מקצה לקצה • אבחון רפואי מתקדם ואישי מבוסס דפוסים • למידה מותאמת אישית בזמן אמת |
אבל השאלה איפה אנחנו על הציר הזה לא תלויה רק במצב הטכנולוגיה ובתנאי תחום העיסוק. למעשה המעבר משלבי ה-SA ל-MR תלוי בעיקר בניהול, במנהיגות וחזון. בשורות שלהלן נכתוב כמה הבנות על ההשתנות כיום שיש בהן כדי להציף קווים מנחים להשתנות חיובית וכן השתנות רעה.
רפש ארגוני
כאשר אנחנו לא משתנים קורים דברים רעים. אנחנו ממשיכים להחזיק באמונות ובמערכי הציפיות של אתמול, ובסטנדרט שנלווה להם, ופוגשים מציאות שאיננה רלוונטית יותר. כך למשל, הקלות של יצירת תוכן בהווה, מבלי לשנות את מערך הציפיות שלנו ביחס לשאלה מהי ״איכות״, גורמת לנו לייצר בעיות ונזק הולך ומעמיק.
אחת התופעות שהתחילו לצוף בחודשים האחרונים זכתה לכינוי ״workslop״ – חיבור של עבודה (work) ותוכן ירוד/רפש (slop). הקלות של יצירת תוכן מפורט והקלות של העברתו מגורם לגורם (באמצעות מערכות התקשורת וחלוקת המשימות בארגון) מייצרת עומס קוגניטיבי אצל העובדים המקבלים את המידע, מבלי שהיא תורמת לך שדברים באמת יעשו. למעשה, היא אפילו מקשה על הביצוע. אם למשל פעם היינו כותבים לעמית – ״מתי נראה את הגאנט לפרוייקט?״, עכשיו אנחנו יכולים בקלות רבה לבקש מהבינה המלאכותית לנסח לנו משימה מפורטת שגורמת לנו להיראות הרבה יותר מקצועיים/איכותיים:
אני מניח שאתם לא קראתם את הפירוט. אני מקווה שגם העמית לא באמת קרא אותו, אבל העמית קיבל דבר שנראה לו רציני במבט ראשון – לפי הסטנדרט הישן שלנו הפירוט משמעו שמישהו השקיע במשימה. בפועל, מישהו עשה כאילו הוא השקיע במשימה, מבלי שהעובד קיבל איזשהו ערך. אבל העומס הקוגניטיבי על העובד, שצריך לסרוק לעתים עשרות ומאות פירוטים מלאכותיים כאלו הופך לאדיר. למעשה העומס הזה מלמד אותו איך לא לקרוא, כיצד לדלות מהר יותר את התמצית, והוא בוודאי יפספס מתישהו משהו חשוב.
ה-workslop הוא דוגמה מעולה כיצד השתנות הכלים ללא השתנות של מערכת הציפיות בעצם מייצרת לנו מצב פחות טוב מזה שהיינו בו לפני הטמעת הכלי בעבודה. מה שלא השתנה באופן יסודי במפנה הטכנולוגי הוא מגבלות התודעה האנושית – אנחנו אמנם יכולים להיעזר בסוכנים מלאכותיים אבל הקשב הבסיסי שלנו ומגבלות הספיקה שלו לא השתנו. ומה שנוצר הוא שהעובד החדש שרכשנו, עובד מסוג בינה מלאכותית, בעצם יוצר לנו עוד עבודה, ומקשה עלינו להשלים את מה שהצלחנו להשלים בעבר. במקום שהכלים החדשים ישרתו אותנו, הם גוררים אותנו מטה, בשילוב של הנטיות הישנות שלנו שלא השתנו וספק אם ישתנו. במונחי ה-SAMR עבודת הרפש (workslop) היא ההשלכה הכי ישירה של העובדה שלעת עתה נתקענו בשלב ה-A (אגבור), מבלי להיות מוכנים לצאת למסע של השלבים הבאים, מסע שמחייב אותנו לשנות את המרכיבים היסודיים של מי שאנחנו והאופן שבו אנחנו פועלים.
בלב ההשתנות: איכותי זה כבר לא מספיק טוב
במשך שנים רבות הצורה, כלומר הנראות של דברים, היתה סממן לאיכות התוצר. כך, טקסט שנוסח באופן רהוט העיד בעינינו על חשיבה רצינית; אלמנט גרפי מעוצב העיד על השקעה ועל חשיבה שמתאימה את המראה לערך המבוקש; תכתובת שנוסחה באופן העונה על כללי הפרוטוקול העידה על עבודה מקצועית ושקולה. באותו האופן, דוח שמקיף חומרים רבים היה בעינינו דוח רציני, ואם משולבים בו גרפים אז חזקה על כותביו שערכו ניתוח ביקורתי של הנתונים. בעולמות הקוד מפתחים התקוטטו במשך שנים מה סטנדרט כתיבת הקוד הראוי (עד כדי ריב אפי בשאלה האם עדיף להזיח שורות בטאבים או ברווחים). הם נטו לבחון את איכות הקוד על בסיס הנראות שלו ואת איכות השינויים בקוד על בסיס ניסוח הודעת הגרסה (comit).
ואז באה הבינה המלאכותית ושינתה את כל זה. לפתע גילינו ש:
- הרבה/מפורט זה כבר לא איכותי – טקסט ארוך כבר לא מעיד על מאמץ מחשבתי אלא על יכולתה של הבינה המלאכותית למלא דפים בטקסט.
- יפה זה כבר לא מתאים – הבינה המלאכותית מייצרת לנו דימויים ועיצובים בין רגע, זה כבר לא אומר שהדימויים הללו הם אלו שמתאימים למה שאנחנו מבקשים ובייחוד בעולם ששבע מדימויים מלאכותיים.
- רהוט זה כבר לא נכון – ניסוח רהוט כבר לא מעיד שהתוכן הוא אמת או שהוא ראוי לקריאה.
- מנומס זה כבר לא אדיב ומקצועי – תכתובת שעונה על כללי הפרוטוקול כבר אינה מדד למקצועיות או לאדיבות.
- סטנדרט קוד לא מעיד על טיבו – סטנדרט כתיבת הקוד (הזחות, דוקומנטציה ואפילו ארכיטקטורת הקבצים) כבר לא מעידים על איכות התוכנה (למשל – האם היא חשופה לתקיפה? האם היא עושה את מה שאנחנו רוצים שהיא תעשה? האם היא רצה באופן יעיל?).
המשותף לכל אלו שהסטנדרט האיכותי של אתמול כבר איננו מה שנדרש בסט ענק של פעולות מן הסוג הסטנדרטי (במסגרת קינפין היינו מכנים אותן – בעיות מן הסוג הפשוט, בואכה בעיות מהמרחב המורכב). בעבר נטינו לשים דגש על איכות התפוקות (מתוך הציר של תשומות > תפוקות > תוצאות) מתוך מחשבה שהיתה לרוב נכונה שהתפוקות ניתנות למדידה ולבקרה באופן סדיר, בניגוד לתוצאות, וכי מדידת איכות התפוקות תגלה לנו דבר מה על איכות התוצאות שיתקבלו. הקלות של יצירת דימוי של תפוקות איכותיות, הופכת על פיה את ההבנה הישנה הזו ומכריחה אותנו לחזור לדיון הקשה בתוצאות (או לדיון שהוא לעתים קשה עוד יותר בתשומות האנושיות בתהליך).
הלאה – אל השינוי ומעבר לו
כדי לעסוק בעומק השינוי שכבר נגלה לעינינו כדאי לדון במרכיבי הפרט והארגון שנמצאים בתנועה. לשם כך אנחנו זקוקים להתבונן שוב על עצמנו, על התודעה והתפיסה שלנו. הכלים החדשים מאלצים ומאפשרים לנו לעשות את זה. לכן בפרקים הבאים במסע הזה נדון במה שהשינוי עושה לתודעת העובד/מנהל (הפוסט הבא בסדרה), ובמה שהשינוי יוצר ברמת הארגון (בעוד שבועיים). לבסוף נדון בתופעות הסבוכות והכאוטיות החדשות שאנחנו מתחילים לפגוש ברמה החברתית הרחבה.
כלים וחומרים
עד לפרק הבא ריכזנו כאן כלים (בטח פספסתם את הקישור למעלה) שיצרנו כדי לסייע לארגונים להעריך את מידת הבשלות של התחום והתפקודים שלהם בהיבטי הטמעת יישומי בינה מלאכותית בראי ה-SAMR:
אודות המחבר
השארת תגובה