גם עובדים אקדמאים חשופים ל־AI, אבל סוג המשימה קובע את הסיכון

בישראל, מקצועות עתירי מידע ובהם פיתוח תוכנה, פיננסים וביטוח, הוראה ושירותים מקצועיים חשופים לבינה מלאכותית. גם השכלה אקדמית אינה מבטיחה חשיפה נמוכה. כדי להבין אם החשיפה עשויה לסייע לעובד או לסכן חלק מעבודתו, צריך לבחון את המשימות שבתפקיד ואת מידת ההתערבות האנושית הדרושה להשלמתן.

מפתח תוכנה, מורה ואנליסט פיננסי עשויים להיעזר באותו סוג של כלי, אך להישאר עם חלקים שונים של העבודה בידיהם. טיוטת קוד, הכנת מערך שיעור ועיבוד נתונים הם רק חלק מן התפקידים האלה. ההבדל טמון במה שקורה לאחר שהכלי מפיק תוצאה: מי בודק אותה, מתאים אותה למקרה המסוים ומקבל אחריות על השימוש בה.

איפה החשיפה גבוהה בישראל

מיפוי מרכז טאוב לנתוני 2023 העריך שכ־30% מהעובדים בישראל נמצאו במקצועות בעלי חשיפה גבוהה והשלמתיות גבוהה, וכ־23% במקצועות בעלי חשיפה גבוהה והשלמתיות נמוכה; בענפי הפיננסים והביטוח, המידע והתקשורת, השירותים המקצועיים, המדעיים והטכניים והנדל״ן, יותר מ־90% מהעובדים עסקו במשלחי יד שחשיפתם גבוהה מהממוצע. הקבוצה הראשונה כוללת תפקידים שבהם הכלי עשוי לשפר את עבודת האדם, והשנייה תפקידים שבהם הוא עלול להחליף חלק גדול יותר ממנה. אלו סיווגים של מקצועות על פי מדדים, ולא ספירה של עובדים שפוטרו.

גם בין הענפים עתירי המידע אין כיוון השפעה אחיד. בפיתוח תוכנה המחקר מזהה פוטנציאל גבוה להשלמת עבודת המפתח; בפיננסים ובביטוח הוא מזהה חשיפה גבוהה לצד סיכון גדול יותר לתחלופה, בין השאר אצל סוכנים ואנליסטים. בחינוך, לעומת זאת, הכנת חומרי הוראה ובדיקת עבודות יכולות להסתייע בכלים, בעוד שניהול הלמידה והקשר עם תלמידים ממשיכים לדרוש מורה. לכן שיעור גבוה של חשיפה בענף אינו אומר שכל העובדים בו ניצבים בפני אותו שינוי.

בבינוי, בתחבורה, בשירותי אוכל ובחקלאות החשיפה הממוצעת נמוכה יותר. חלק גדול יותר מן העבודה בענפים האלה מתרחש בסביבה פיזית או מול מצב משתנה, אך גם בהם קיימות מטלות משרדיות שאפשר לשנות באמצעות תוכנה. הממוצע הענפי מתאר היכן מרוכזים מקצועות חשופים; הוא אינו מתאר במדויק את סדר היום של כל עובד.

מטריצת המשימות: חשיפה מול השלמתיות

חשיפה שואלת עד כמה יכולות הבינה המלאכותית נוגעות למטלות של מקצוע. השלמתיות שואלת אם גם אחרי שהכלי מבצע חלק מן המטלות עדיין נדרשת עבודת האדם כדי להשלים אותן. שילוב שני הצירים מועיל יותר מרשימת מקצועות מסוכנים, מפני שהוא מפריד בין היקף השינוי האפשרי לבין כיוונו.

• חשיפה גבוהה והשלמתיות גבוהה: הכלי יכול לקצר הכנה, ניסוח או עיבוד מידע, והעובד ממשיך לפרש, להחליט ולפעול מול אנשים. בהוראה, למשל, אפשר להיעזר בטיוטת מערך שיעור, אבל התאמת השיעור לכיתה מתרחשת במהלך העבודה עם התלמידים.
• חשיפה גבוהה והשלמתיות נמוכה: חלק ניכר מן העבודה מורכב מטיפול חוזר במידע או ממענה שאפשר להגדיר ולבדוק מראש. ככל שהכלי יכול להשלים יותר מן הרצף הזה בלי התערבות אנושית, כך גדל הפוטנציאל לצמצום המטלה או לשינוי היקף התפקיד.
• חשיפה נמוכה והשלמתיות גבוהה: היכולות שנמדדו נוגעות לחלק קטן יחסית מן המקצוע, והעבודה שנותרת מחייבת נוכחות, פעולה פיזית או שיקול דעת בסביבה משתנה. הכלי עדיין עשוי לסייע במשימות צדדיות, כגון תיאום או הכנה.
• חשיפה נמוכה והשלמתיות נמוכה: גם אם לא נדרשת תמיד מעורבות אנושית עמוקה, היכולות שנכללו במדד אינן מכסות חלק גדול מן העבודה. שינוי בכלים או בדרך ארגון התפקיד יכול לשנות את המיקום הזה בעתיד.

המטריצה מסווגת משימות, ואילו המחקרים מפרסמים בדרך כלל ציון של משלח יד שלם. בתוך אותה הגדרת משרה יכולים עובדים להקדיש חלקים שונים מזמנם לטיפול במקרים חוזרים, לשיחה עם לקוחות, לבקרה או להכרעה במקרים חריגים. משום כך שני אנשים בעלי אותו תואר או אותו שם תפקיד עשויים לחוות שינוי שונה מאוד בעבודתם.

למה עיבוד מידע חוזר חשוף במיוחד

מדד החשיפה של OECD מצא שיכולות הבינה המלאכותית קרובות במיוחד לדרישות של עיבוד מידע שגרתי, עבודה מנהלית ומשימות שאפשר לנסח בכללים, ורחוקות יותר מדרישות של שיקול דעת תלוי הקשר, הבנה בין־אישית, החלטות מורכבות ואחריות. המדד משווה בין יכולות טכנולוגיות לדרישות המקצוע; תוצאתו אינה תחזית למספר המשרות שייעלמו.

ההבחנה מסבירה מדוע תואר אקדמי אינו מגן בפני שינוי. אנליסט יכול להקדיש זמן רב למיון חומר ולסיכומו, ואז להידרש להסביר ממצא חריג או להכריע בין פרשנויות. רופא יכול להיעזר בארגון מידע, אך שיחה עם מטופל, הבנת נסיבותיו וקבלת החלטה קלינית מציבות דרישות אחרות. בשני המקרים השאלה אינה רק אם הכלי מסוגל להפיק תשובה, אלא איזה חלק מן העבודה התשובה הזאת מסיימת.

גם בדיקה של התוצאה משנה את התמונה. משימה שקל להגדיר לה תשובה מספקת ולגלות בה טעות מתאימה יותר להעברה לכלי מאשר משימה שבה הטעות מתבררת רק לאחר שיחה, מעקב או החלטה מקצועית. לעיתים הכלי חוסך את שלב הטיוטה אך מוסיף צורך בבקרה; לעיתים הוא מבצע כמעט את כל הרצף החוזר. ההבדל הזה קובע אם הזמן של העובד עובר למשימה בעלת ערך אחר או אם היקף העבודה האנושית עשוי להצטמצם.

השכלה, מגדר ומקום מגורים אינם ציון אישי

המחקר המאוחר של מרכז טאוב ומכון מוזאיק, שהתבסס על סקרי כוח אדם מ־2023–2024, מצא עלייה של לפחות חמש נקודות אחוז בחשיפת העובד הממוצע בין השנים; הוא זיהה חשיפה גבוהה יותר של נשים, בין היתר בשל ריכוזן במקצועות כגון מזכירות ושירות לקוחות טלפוני, שבהם הסיכון לתחלופה גבוה. באותו מחקר הוראה ורפואה מופיעות כדוגמאות למקצועות חשופים בעלי השלמתיות גבוהה. אלה ממצאים על הרכב התעסוקה ועל מדדי המשימות, ולא קביעה לגבי גורלה של עובדת מסוימת.

המיפוי הישראלי מצביע גם על חשיפה גבוהה יותר בקרב בעלי השכלה אקדמית ובאזורים שבהם מרוכזת תעסוקה עתירת מידע, כגון תל אביב, פתח תקווה ורמת גן. הקשר הזה נובע במידה רבה מסוגי העיסוקים הנפוצים בקבוצות ובמקומות האלה. כתובת מגורים, מגדר או תואר עשויים לתאר את ההסתברות לעבוד במקצוע חשוף, אך אינם מגלים כמה מן המשימות בעבודה מסוימת הכלי יכול להשלים בעצמו.

יש גם הבדל בין שני המחקרים הישראליים: האומדנים של 30% ו־23% מתארים את חלוקת המועסקים לקטגוריות חשיפה והשלמתיות בנתוני 2023, ואילו המחקר המאוחר בחן שינוי בחשיפה על בסיס נתוני 2023–2024 ומדד של מטלות שבינה מלאכותית יוצרת מסוגלת לבצע. לכן העלייה במדד המאוחר אינה תוספת ישירה לאחד משני שיעורי העובדים שבמיפוי המוקדם.

איך למקם תפקיד במטריצה

אפשר לפרק תפקיד למשימות שחוזרות בשבוע עבודה רגיל: איסוף חומר, ניסוח, מענה לפניות, בדיקת תוצאה, טיפול בחריגים והחלטה מול אדם אחר. לכל משימה כדאי לשאול מהו התוצר המצופה, האם אפשר לזהות טעות לפני שהיא משפיעה על מישהו, והאם נדרש אדם כדי להתאים את התוצאה לנסיבות. כך מתקבלת תמונה של רצף העבודה, ולא רק של פעולה אחת שכלי AI מסוגל לבצע.

אם רוב הזמן מוקדש לטיפול חוזר שאפשר להגדיר ולבדוק בקלות, המיומנויות ששווה לחזק הן בקרה על התוצאה, טיפול בחריגים והבנת הצורך שהטיפול החוזר משרת. אם עיקר התפקיד כבר נשען על שיקול דעת וקשר אנושי, השאלה היא היכן הכלי יכול לקצר הכנה בלי להחליש את הבקרה. זו הערכה של הרכב המשימות בתפקיד מסוים; היא מדויקת יותר מן ההנחה שכל מי שעובד בענף חשוף ניצב בפני אותו סיכון.

קראו גם:

• Claude Code או Cursor: סוג המשימה חשוב יותר משם המודל
• Dots של OpenAI עובדים בין השיחות — ההשקה עדיין מוגבלת
• ארבע חברות ישראליות ברשימת TIME — אבל זו אינה תחרות מדורגת