פרק 17: מהפכת ה-AI כבר כאן, אבל היא עדיין רחוקה מהווליום האמיתי שלה

כשמסתכלים על מהפכת ה-AI כמו שהיא נראית היום, קל להתבלבל בין מה שכבר קרה לבין מה שרק עומד לקרות.

התחושה הרווחת היא שהעולם כבר עבר טרנספורמציה מלאה: כי בכל שיחה יש מישהו שמזכיר Claude או ChatGPT, כי כל כנס טכנולוגי פותח ב-keynote על agents, וכי קשה למצוא היום סטארטאפ שלא מציג את עצמו כ-AI native.

אבל התמונה הזו חלקית, והיא חלקית בצורה שיטתית. כי מי שמוביל את גל האימוץ הראשון הוא בדיוק מי שהכי קרוב לקוד מלכתחילה: מפתחים, אנשי הייטק, אנשי מוצר.

כלי בשם Github Copilot כבר פרוס אצל תשעים אחוז מחברות Fortune 100, וכלים כמו Cursor נמצאים בשימוש אצל יותר ממחצית מחברות Fortune 500. זה לא מקרי. אלה קהלים שכבר חיים בתוך ממשקי טקסט, שכבר רגילים לכתוב פרומפט כמו שרגילים לכתוב פונקציה, וכבר יודעים להעריך פלט של מודל כי הם מכירים את החומר.

העולם הזה רץ קדימה, אבל הוא לא מייצג את רוב שוק העבודה — והוא בטח לא מייצג את שני התחומים שבהם ה-AI הולך לחולל את השינוי העמוק ביותר בעשור הקרוב.

התחום הראשון: עולם הבירוקרטיה

עורכי דין, רואי חשבון, משרדי ממשלה — כל מקום שבו העבודה מבוססת על תהליך חוזרני שכפוף לחוקיות ברורה: טפסים, בדיקות, אישורים. זה בדיוק סוג העבודה שבינה מלאכותית נולדה להחליף.

ובכל זאת, קצב האימוץ המוסדי בתחומים האלה נשאר איטי בצורה בולטת, גם כשהשימוש האישי כבר גבוה מאוד. בענף עריכת הדין, שישים ותשעה אחוז מעורכי הדין בארצות הברית כבר משתמשים אישית בכלי AI — אחוז שיותר מהכפיל את עצמו בתוך שנה אחת בלבד. ועדיין, רק כמחצית מהמשרדים אימצו כלי AI כלליים ברמת הארגון, ופחות משליש אימצו כלים ייעודיים לתחום המשפטי. יותר ממחצית מהמשרדים לא סיפקו לעובדים שום הדרכה על שימוש אחראי בכלים האלה, ואין להם תוכנית לעשות זאת.

תמונה דומה מתקיימת בעולם ראיית החשבון, שבו כמעט כלל העובדים משתמשים ב-AI כלשהו, אבל האמון בפלט עדיין נמוך, והשילוב הארגוני נשאר זהיר. ברשויות ממשלתיות המצב חריף עוד יותר, כי שם מתווספים לתמונה גם תהליכי רכש איטיים, מערכות legacy מיושנות, מחסור בכוח אדם מיומן, וחשש אמיתי מסיכוני אבטחת מידע.

הסיבה שחוזרת בכל אחד מהתחומים האלה היא אותה סיבה בדיוק, בניסוחים שונים: כשההחלטה נוגעת לזכויות של אדם, לאחריות מקצועית, לחשיפה משפטית או לכספי ציבור — הרף לטעות כמעט לא קיים, והמערכת חייבת להיות מוסברת ומבוקרת לפני שהיא זוכה לאמון. לזה מצטרף גם תמריץ כלכלי הפוך: בעולם שבו התעריף עדיין נמדד בשעות עבודה, יעילות שנובעת מ-AI פוגעת ברווחיות לפני שהיא משרתת אותה.

זו לא סטגנציה טכנולוגית. זו פשוט זהירות מובנית של תחומים שבהם הטעות עולה יקר. וברגע שהמסגרות הרגולטוריות, ההדרכה והממשל יתאימו את עצמם לקצב הכלים — האימוץ שם יזנק בצורה חדה.

התחום השני: ארגונים שלא הפנימו איך לגשת לכלים

והוא אולי המשמעותי יותר לטווח הארוך: כניסת ה-AI לתהליכי העבודה של ארגונים וחברות שלא הפנימו עדיין איך בכלל לגשת לכלים האלה.

פה המספרים מספרים סיפור אחר לגמרי מהסיפור של אימוץ הכלים עצמם. שמונים ושמונה אחוז מהארגונים בעולם כבר משתמשים ב-AI בפונקציה עסקית כלשהי — אבל כמעט שני שלישים מהם עדיין לא התחילו בכלל להטמיע את זה בקנה מידה רחב בתוך הארגון.

מחקר של IBM מצא פער של שישים ואחת נקודות בין עובדים שיש להם גישה לכלי AI (שמונה וחמישה אחוז) לבין עובדים שבאמת משתמשים בהם באופן שוטף (עשרים וחמישה אחוז בלבד). מחקר אחר של Prosci מצא שרוב הקושי באימוץ AI בארגונים — כשלושים ושמונה אחוז ממנו — נובע מבקיאות אנושית ולא מבעיה טכנית, שעומדת על שישה עשר אחוז בלבד.

זה בדיוק המקום שבו נמצא הפער האמיתי. הכלים כבר קיימים, המודלים כבר יכולים — אבל אין עדיין את השפה הארגונית שמתרגמת יכולת גולמית לתהליך עבודה.

וכאן נכנס הרעיון המרכזי שהולך להגדיר את השנים הקרובות: כל תהליך עבודה חוזרני בתוך ארגון יכול להפוך ל-skill מוגדר, כל אוסף של skills כאלה יכול להתחבר למערכת שלמה, וכל מערכת כזו הופכת בסופו של דבר לתשתית תפעולית שמייעלת את הארגון כולו — לא רק את המשימה הבודדת.

בחברת Microsoft כינו את הארגונים שכבר מבינים את זה Frontier Firms: כאלה שלא רק מאמצים AI אלא בונים סביבו את צורת העבודה מחדש, ומחברים חתיכות של אוטומציה לכדי מערך שלם שממשיך ללמוד ולהשתפר.

וזו בדיוק אותה תבנית שראינו כשהמחשב האישי נכנס למשרד, וכשהאינטרנט נכנס אחריו. בהתחלה מאמצים אותם אלה שהכי קרובים לטכנולוגיה, אחר כך זה מתפשט לתפקידים תומכים, ורק בשלב מאוחר יותר — לפעמים אחרי עשור שלם — זה הופך לתשתית שכל ארגון, טכני או לא טכני, פשוט חייב לעבוד דרכה.

ה-AI נמצא היום בדיוק בנקודת המעבר הזו. שלב האימוץ הראשוני על ידי אנשי הקוד כבר מאחורינו, והגל הבא — זה שיכלול את עולם הבירוקרטיה ואת עולם הארגונים הלא טכניים — הוא זה שהולך לשנות בפועל את צורת העבודה של רוב האנשים.

מה שאני עושה עם הפער הזה

השנה האחרונה שלי מתמצה בעיקר בדבר אחד: לקחת את הפער שתיארתי למעלה ולסגור אותו בתוך ארגונים אמיתיים.

זה אומר לשבת עם צוותים, למפות את התהליכים החוזרניים שלהם, ולבנות מכל תהליך כזה סקיל מוגדר שמערכת AI יכולה לבצע בעקביות. כשכמה סקילים מתחברים יחד נוצרת מערכת שלמה — כזו שממשיכה לעבוד גם בלי שמישהו צריך להזכיר לה כל בוקר מה לעשות.

ולצד זה אני מלמד קורסים על עבודה מעשית עם AI, ומנהל קהילת בילדרים שבוואטסאפ שבה עולים בתדירות גבוהה תכנים, כלים ודיונים מהעולם הזה.

והדמות שבחזית הפוסט — מכונת דפוס ישנה שזרמים צבעוניים יוצאים מתוכה — כי זה מהפכת ה-AI היום: מנוע ישן שמרחיב את עצמו בכוח חדש. הולך לעבוד, עוד לא בגובה שלו.

רוצים להצטרף? לקהילת הבילדרים בווצאפ — תכנים, כלים ודיונים מהעולם הזה, ועדכונים על הקורסים.

בפרק הבא: הצעד האחרון — איך נראית העבודה כשמודל אחד מנהל בשבילך את המודל השני, מי בנה את ה-harness, ולמה השכבה שמסביב למודל הופכת לחשובה לא פחות ממנו.