91% דורשים עבודה עם AI — רק 42% מסבירים לעובדים מה זה אומר

ב־20 באוקטובר 2026 פרסמה Google Workspace את ממצאי הסקר החדש: ל־91% מהארגונים שנבדקו יש יעד או הנחיה לעבוד בגישת AI-first, אך רק 42% מעובדי הידע אמרו שהמשמעות הוגדרה בבירור בעבודתם היומיומית. ההנחיה הארגונית נפוצה, אבל עובדים רבים עדיין אינם יודעים כיצד היא אמורה לשנות את דרך ביצוע המשימות שלהם.

הממצא המרכזי בדוח Beyond AI Optimism: Closing the Ambition Gap הוא פער בין קביעת יעד לבין יצירת תנאים לביצועו. מבחינת מנהל, השאלה שעולה ממנו ממוקדת: איזו משימה אמורה להשתנות, באיזה מידע מותר להשתמש, מי מאשר את התוצר וכיצד מממנים ומודדים את השימוש. אלו החלטות נפרדות מהבחירה להעמיד כלי AI לרשות העובדים.

מה מודדים שני צדי הפער

הנתון על AI-first מתאר יעד או אסטרטגיה בארגונים שנכללו במחקר. הנתון על בהירות מתאר את תשובת העובדים לשאלה אם היעד תורגם לדרך עבודה מוגדרת. אלו מדדים שונים, ולכן ההפרש ביניהם אינו שיעור העובדים שקיבלו הוראה מסוימת והתעלמו ממנה. הוא מתאר מרחק בין כוונה ארגונית לבין חוויית העבודה כפי שדיווחו עליה המשתתפים.

המונח AI-first לבדו אינו אומר אם עובד צריך להיעזר בכלי בעת הכנת טיוטה, מיון פניות או ניתוח מידע. אלו דוגמאות אפשריות למשימות, לא שימושים שהסקר ייחס לצוות מסוים. בכל אחת מהן משתנים סוג המידע הנדרש, הסיכון לטעות ומידת הבדיקה האנושית. בלי החלטה ברמת המשימה, שני עובדים יכולים לפרש אותה הנחיה בדרכים שונות ועדיין לחשוב שהם פועלים לפיה.

הפער משפיע גם על הציפיות מהתוצאה. כשארגון מבקש שימוש נרחב בלי להגדיר מי אחראי לתוצר, לעובד לא ברור אם תפקידו לקבל הצעה מהכלי, לאמת אותה או לאשר פעולה בעקבותיה. ההבחנה הזאת נעשית חשובה במיוחד כשעובדים עוברים משימוש אישי בכלי לשילובו בתהליך שמשפיע על אנשים אחרים או על נתוני הארגון.

מה כלל המחקר, ומה הוא אומר על ישראל

הדוח המלא מתאר שאלון מקוון של כ־20 דקות שנערך באוגוסט 2026 בקרב 2,638 מקבלי החלטות ועובדי ידע במשרה מלאה, בארגונים של לפחות 300 עובדים בארצות הברית, בריטניה, צרפת, ברזיל, הודו ויפן; נירית כהן, ממומחיות העבודה שרואיינו לדוח, תיארה בו את הפער כך: “Optimism went up; the structure people work inside didn’t move.” המשתתפים הכירו כלי AI עוד לפני שהשיבו לשאלון.

ישראל אינה בין המדינות שנדגמו, ולכן אי אפשר להציג את האחוזים כאומדן לשוק העבודה הישראלי. גם הרכב המדגם חשוב: הוא כולל עובדים בארגונים בינוניים וגדולים שכבר מכירים את הכלים. הממצאים מתאימים במיוחד לדיון על הפיכת שימוש קיים לשיטת עבודה, ופחות לתיאור מקומות שבהם השימוש ב־AI טרם החל.

המחקר מבוסס על דיווחי משתתפים, ובהם מקבלי החלטות ועובדים, ולא על תצפית בכל משימה שבוצעה בארגונים. לכן אפשר ללמוד ממנו כיצד קבוצות שונות מתארות את היעד ואת בהירותו, אך לא לקבוע ממנו לבדו שאותה הוראה הגיעה לכל עובד בארגון מסוים. עבור מנהל בישראל, ערכו הישיר הוא בניסוח השאלות שכדאי להפנות לתהליך העבודה המקומי.

איך הוראת AI-first הופכת להוראת עבודה

כדי שהיעד יהיה מובן לעובד, עליו להתפרק להחלטות שאפשר ליישם בזמן ביצוע משימה. ארבע שאלות מספקות אבחון קצר לפער שעליו מצביע הסקר; הן מסגרת ניהולית הנגזרת מהממצאים, ולא נוסח השאלון שנשלח למשתתפים:

• מהי משימת היעד? יש לתאר פעולה מוגדרת בתהליך העבודה ואת התוצר המצופה ממנה. הכנת טיוטת תשובה, למשל, שונה מאישור התשובה ושליחתה. ההפרדה מבהירה היכן העובד רשאי להסתייע בכלי והיכן ההחלטה נשארת בידיו.
• מי רשאי להשתמש באיזה מידע? ההרשאה צריכה להתייחס לסוג הנתונים ולכלי המאושר, ולא רק לתפקיד העובד. אפשר להתיר עבודה על מידע ציבורי ובה בעת לדרוש אישור לפני שימוש במידע על לקוחות או עובדים. גבול כזה צריך להיות ברור כבר בתחילת המשימה.
• מהו תקציב השימוש? העובד צריך לדעת באיזה כלי להשתמש, מי מקצה אליו גישה ומהי מסגרת ההוצאה כאשר השימוש גדל. יעד ארגוני אינו מספק תשובה לשאלה אם מותר להעביר משימה לכלי בתשלום או מי מאשר הרחבה של השימוש.
• איך נמדדת התועלת? משך הביצוע הוא מדד אפשרי, אבל לצד הזמן יש לבחון את איכות התוצר ואת העבודה שנדרשה כדי לבדוק ולתקן אותו. המדד המתאים תלוי במשימה: דיוק, שיעור תיקונים או זמן עד להחלטה עשויים להיות משמעותיים יותר ממספר הפעמים שבהן הופעל הכלי.

לצד השאלות האלה נדרשת תשובה על אישור אנושי: מי בודק טיוטה, המלצה או סיכום לפני שהם משמשים להחלטה או נשלחים הלאה. מדיניות AI לעובדים יכולה לקבוע גבולות לשימוש במידע ולאישור התוצרים, בתנאי שהיא מתייחסת למשימות שהעובדים אכן מבצעים. כך עובד יכול להבין גם מה מותר לעשות וגם מתי עליו לעצור ולבקש בדיקה.

השימוש מתרחב, והתקציב נעשה חלק מהמשימה

סקירת SantoDigital מציינת כי שיעור הארגונים בשלב הרחבת השימוש עלה מ־18% ל־27%, בעוד ששיעור הארגונים ששינו את אופן עבודתם נותר 10%; באותו מחקר, 72% אמרו שיעדי ה־AI שלהם גדלים מהר מהתקציב ו־68% הביעו חשש מעלויות שימוש שיגדלו מהר מהצפוי. המספרים מתארים שתי בעיות קשורות: יותר שימוש אינו מבטיח שינוי בתהליך, והרחבת השימוש דורשת תכנון של הוצאה משתנה.

תקציב השימוש קובע מה אפשר לבצע בפועל לאחר שהמשימה הוגדרה. אם לצוות יש גישה מוגבלת לכלי או שאין לו דרך לאשר הוצאה נוספת, ההוראה להשתמש ב־AI יכולה להיעצר בדיוק כאשר נפח העבודה עולה. מן הצד השני, פתיחת גישה בלי מסגרת ברורה מקשה לדעת כמה עולה השלמת משימה מסוימת והאם התוצאה מצדיקה את ההוצאה.

גם מדידת ההצלחה צריכה להיות קשורה לתוצר, לא רק להפעלת הכלי. חיסכון בזמן עשוי להיעלם אם בדיקת טעויות ותיקונים צורכים עבודה נוספת; ולעיתים שימוש בכלי מאפשר לטפל במשימה שלא טופלה קודם, גם בלי לקצר אותה. לכן החלטה על הרחבה נשענת על שילוב של עלות, איכות ואחריות לאישור התוצאה.

למנהל בישראל, ההשלכה הקרובה של הסקר אינה אימוץ האחוזים המקומיים שלא נמדדו, אלא בדיקה אם עובד יכול לקבל הוראה אחת עקבית לגבי משימה ממשית: באיזה מידע להשתמש, באיזו מסגרת הוצאה ומי נושא באחריות לתוצר. כאשר התשובות תלויות באלתור של כל עובד, גם יעד ארגוני ברור עשוי להישאר עמום במקום שבו העבודה מתבצעת.

קראו גם:

• מדיניות AI לעובדים: חמישה סעיפים שמונעים דליפה בלי לחסום עבודה
• 90% רוצים IT אוטונומי — 77% עדיין דורשים אישור אנושי