פרדוקס ה-AI: העבודה לא נעלמה, היא הפכה קשה יותר

כולם מדברים על איך ה-AI חוסך לנו שעות עבודה. אז זהו — שממש לא.

ליאת שקד כ"ץ, שותפה במשרד הרצוג פוקס נאמן שעובדת עם כלי AI ביומיום המשפטי והארגוני, טוענת שיש פה פרדוקס שכמעט אף אחד לא מדבר עליו: ככל שהבינה המלאכותית מתקדמת ומשכנעת יותר, העבודה לא פוחתת — היא פשוט משתנה. ויותר מזה: היא הופכת קשה יותר.

מה בעצם קרה פה?

הרעיון פשוט ומעצבן: בעבר עיקר הזמן הושקע באיסוף מידע, מחקר וניסוח ראשוני. משימות טכניות, רפטטיביות, לפעמים מעיקות — אבל כאלה שאפשרו למוח לעבוד בעצימות נמוכה יותר. היום? ה-AI מטפל בכל זה בשניות.

אבל מה שקרה בפועל זה שהעבודה לא נעלמה. היא עברה לייצור. אם בעבר השקענו שעות בחיפוש וכתיבה, עכשיו אנחנו מבלים את אותן שעות (ולפעמים יותר) בבדיקה, הצלבת מקורות, הערכת סיכונים והתאמת התוצר לנסיבות ספציפיות.

"ה-AI לא ביטל את העבודה, הוא החליף סוג אחד של עבודה בסוג אחר", אומרת שקד כ"ץ.

"מלכוד הפרודוקטיביות"

בואו נדבר במספרים. דו"ח של Workday, שמבוסס על סקר גלובלי מ-2025 בקרב 3,200 משיבים, מצא ש-37% מהזמן שנחסך בזכות AI מתקזז בחזרה לצורך תיקון, אימות, הבהרה או שכתוב של התוצרים. Workday קוראים לזה "AI tax on productivity" — מס פרודוקטיביות.

37% זה כמעט 40%. זה אומר שמתוך 10 שעות שה-AI "חוסך" לכם, 4 שעות חוזרות כעבודת בקרה. למי מכם שמחשבים שעות לקוח — אתם יודעים בדיוק מה זה אומר.

הבעיה האמיתית: כשהתשובה נראית מושלמת

אז למה בעצם קשה כל כך לוודא שהפלט של ה-AI תקין? כי ככל שהתשובה נראית מקצועית, מנומקת ומשכנעת יותר, ככה קשה יותר לזהות את הטעויות המסתתרות בתוכה.

זה מה שחוקרים מ-Harvard Business School מצאו ב-2025: כשמשתמשים ניסו לאתגר ולאמת פלט של מודל AI, המודלים נטו דווקא להגביר את השימוש בטקטיקות שכנוע — כדי לחזק את האמינות של התשובה המקורית במקום להודות בחוסר הוודאות.

במילים אחרות: ה-AI לא רק טועה לפעמים, הוא גם יודע לשכנע אתכם שהוא צודק.

"פרדוקס ג'בונס" בעידן החדש

שקד כ"ץ קוראת לזה הגרסה המודרנית של "פרדוקס ג'בונס". הכלכלן וויליאם סטנלי ג'בונס הבחין כבר במאה ה-19 שכאשר טכנולוגיה הופכת שימוש במשאב ליעיל יותר, השימוש הכולל בו לא קטן — לפעמים הוא דווקא גדל.

אותו דבר קורה עם AI: ככל שהכלים הופכים מהירים ויעילים יותר, הציפיות לייצר יותר תוצרים, יותר חלופות, יותר בדיקות ויותר ניתוחים — באותו פרק זמן. היעילות עולה, אבל היקף העבודה לא קטן.

העייפות החדשה

השינוי הזה יוצר תופעה מעניינת: עייפות מנטלית מוגברת.

חשבו על זה רגע. בעבר, לעבור על מסמך סטנדרטי או לסדר נתונים אמנם דרש זמן, אבל אפשר למוח "לנוח" קצת. היום, כשה-AI עושה את המשימות האלה בשניות, העובד נדרש להיות ב-100% פוקוס חשיבתי, ביקורתי ואנליטי — כמעט לאורך כל יום העבודה.

בנוסף, ה-AI אולי "חכם", אבל האחריות המקצועית נשארת אצלכם. ההבנה שכּשלים אינם באג אלא צפויים, מצד אחד, ושהאחריות המשפטית, הניהולית והמקצועית נשארת אצלכם, מצד שני — מגבירה את הלחץ.

העבודה מול ה-AI של הצד השני

יש עוד היבט ששקד כ"ץ מציינת, והוא רלוונטי במיוחד לעולם המשפט: עלייה בזמן המושקע בהתמודדות עם טענות שמקורן ב-AI.

הליכי שימוע, שיחות עם עובדים, דיונים מול מנהלים — כולם מתארכים כי יש להבהיר שאין בסיס לטענות שנוצרו באמצעות AI. טענה שמקורה בתשובת AI, אבל מנוסחת בשפה מקצועית ומשכנעת, עלולה להפוך לנקודת מוצא לדיון — גם כשאין לה עיגון עובדתי או משפטי.

נגישות גוברת למידע, מתברר, מייצרת במקרים רבים דווקא עלייה בכמות המידע השגוי שיש לברור, לבדוק ולהפריך.

מה זה אומר עלינו?

אז איפה זה משאיר אותנו? פחות מאמץ טכני, יותר מאמץ קוגניטיבי. פחות ניסוח, יותר בקרה. פחות חיפוש, יותר שיקול דעת.

היתרון התחרותי, טוענת שקד כ"ץ, עובר למי שיודע להבחין בין תשובה משכנעת לבין תשובה נכונה. בין מידע לבין ידע. ובין תוצר לבין אחריות.

ומי שעובד עם AI ביומיום יודע: לפעמים השאלה הכי קשה היא לא "איך לשאול את ה-AI" אלא "האם אני יכול לסמוך על מה שהוא ענה לי". עכשיו גם יש לזה שם: מס הפרודוקטיביות. ושיעורו — 37%.