הניתוח של OpenAI של 800,000 הודעות ChatGPT שנשלחו על ידי אנשי מקצוע בארה"ב מראה כי כמעט אחד מכל שישה פרומפטים הקשורים לעבודה מבקש כעת מהמודל לבצע משימות השייכות באופן מסורתי למקצוע אחר. אם נוריד את הכתיבה השגרתית והסיכום, הנתון קופץ ל-43.5%. השינוי כבר מעצב מחדש את האופן שבו עובדים מבלים את יומם, והוא משמעותי ביותר עבור החברות הקטנות ביותר, שבהן כל מיומנות נוספת יכולה לחסוך שבועות של המתנה למומחה.

למה המספרים האלה חשובים

המחקר מצא כי בקשות חוצות-מחלקות מתרכזות בתפקודים מסוימים. שיווק והנדסה מובילים את הרשימה, כאשר שאילתות הקשורות לשיווק מופיעות ב-8.9% מההודעות מתפקידים אחרים — השיעור הגבוה ביותר במערך הנתונים. איש מכירות עשוי לבקש מ-ChatGPT לחשב נתוני ערך חיי לקוח (customer-lifetime-value) שאיש אנליסט נתונים היה מטפל בהם בדרך כלל, בעוד שאיש שיווק יכול לפתור בעיות בקישור שבור או לבצע אופטימיזציה ל-SEO On-page לפני שהוא בכלל מערב מהנדס.

עבור בעלי עסקים קטנים, ההשפעה חדה יותר. בעלים מנסחים כעת הערות לבדיקה משפטית, מריצים תחזיות פיננסיות מהירות ומבצעים ניתוחים אד-הוק שבעבר דרשו עורך דין או CFO. בצוותים של שניים עד חמישה אנשים, 18.9% מהמשימות שנוצרו על ידי AI חורגות מתפקיד הליבה של העובד, לעומת 16.3% בארגונים עם יותר ממאה עובדים. המתמטיקה פשוטה: חברות גדולות יכולות להעביר את הבקשה לקולגה ייעודי; ארגונים זעירים חייבים לפתור את הבעיה בעצמם.

הצד החיובי: מהירות והעברות עבודה מדויקות יותר

כאשר עובד מייצר ניתוח ראשוני או סיכום משפטי גולמי, העברת העבודה למומחה הופכת למהירה וממוקדת יותר. המומחה מקבל הגדרת בעיה ברורה יותר, נתונים מוכנים טוב יותר ופחות אימיילים של "אנא הסבר מה אתה צריך". זה מקצר את זמני ההמתנה, מפחית חיכוך פנימי ומעלה את איכות הבקשה.

מה נמצא בסיכון

המחקר אינו טוען שה-AI יהפוך מומחים למיותרים. הוא מציג את הטכנולוגיה כמגיב בקו הראשון שמקרב את הבעיה למקור שלה.

כיצד חברות יכולות להסתגל

  • מיפוי נקודות קבלת החלטות – זיהוי המקומות שבהם בקשה נתקעת בדרך כלל ובדיקה האם ה-AI יכול להפיק טיוטה ראשונית שמישה.
  • הגדרת גבולות סמכות – קביעה אילו תוצרים דורשים אישור של איש מקצוע מוסמך.
  • הכשרה למערך המיומנויות החדש – הצעת למידה זעירה (micro-learning) על כתיבת פרומפטים, פרשנות של הצעות AI וזיהוי שגיאות אפשריות.
  • מדידת השפעה – מעקב אחר הזמן שנחסך בהעברת עבודה אל מול כל עלייה בשיעורי השגיאות או הצורך בעבודה חוזרת.

ארגונים קטנים מול גדולים: מסלולים שונים

החזית הבאה

הנתונים של OpenAI מתעדים פרקטיקה המתפתחת במהירות. ככל שהמודלים יהיו אמינים יותר וספציפיים יותר לתחומים מסוימים, חלקן של המשימות חוצות-המחלקות צפוי לעלות. ארגונים שמתייחסים ל-AI כאל כלי פרודוקטיבי גרידא במקום כזרז לעיצוב מחדש של זרימת העבודה, מסתכנים בפיגור. אלו שיעצבו מחדש תהליכים כבר עכשיו — ויחליטו אילו החלטות יישארו אנושיות ואילו יכולות להיות מוגברות על ידי AI — ייהנו ממחזורי עבודה מהירים יותר וצוותים זריזים יותר.

בשורה התחתונה: ה-AI כבר מעביר את התגובה הראשונה למקור הבעיה, במיוחד בעסקים קטנים שבהם כל יכולת נוספת מקצרת עיכובים. היתרון האמיתי אינו מגיע משינוי שמות התפקידים, אלא מחשיבה מחדש על מי עושה מה, והיכן מכונה יכולה להתערב בבטחה.