במשך עשרות שנים הזהירו סרטי מדע בדיוני מפני היום שבו המכונות יחליפו בני אדם בעבודה. ■ באוגוסט 2026 התרחש בסן פרנסיסקו אירוע מסוג מעט שונה: מערכת בינה מלאכותית לא החליפה את העובד, אלא ישבה בכיסא המנהל והחליטה לפטר אותו.
גרסה של הרשת העצבית Claude, שהוטל עליה לנהל חנות קמעונאית, קיבלה לראשונה באופן עצמאי החלטה לפטר אדם, כך דיווח המגזין Time בהסתמך על דו"ח של חברת Andon Labs. החוקרים סיפרו כי ערכו ניסוי שבו ניסו לברר האם בינה מלאכותית מסוגלת לנהל עסק בהצלחה. במסגרת הניסוי נבחנה חנות אמיתית בסן פרנסיסקו, שאת עובדיה שכר לעבודה קלוד עצמו.
העובד פוטר בשל איחורים ב-17 מתוך 23 משמרות. אחת הסיבות לכך שלקלוד לקח זמן רב כל כך להבחין בדפוס הייתה שמדריך העובדים שפיתח "נעלם" מזיכרון העבודה המוגבל שלו וכתוצאה מכך התגבש דפוס התנהגות רחב יותר: העובדים ציינו כי קלוד היה מנהל רך מאוד, ובין היתר אמר לעובדים שלא לדאוג בגלל איחורים
עם זאת, מצוין כי ייתכן שהחלטתו של קלוד לא הייתה אוטונומית לחלוטין, משום שאחד מעובדי Andon Labs פיקח על פעולותיו וכיוון אותן. אך המערכת הצליחה להבחין באיחורים השיטתיים של העובד רק לאחר שאותו עובד ביקש ממנה למצוא ולעיין במדריך שנשכח, אולם אפילו לאחר מכן תגובתו הראשונה של קלוד הייתה לתת לעובד אזהרה, ולא לפטר אותו.
אז הודיע מנהל ב-Andon לקלוד כי עוד קודם לכן כבר התקיימו כמה שיחות רשמיות עם אותו עובד מחוץ למערכת. "בהתחשב באיחורים המתמשכים ובתחושה שלפחות בעיה אחת מתרחשת בכל אחת מהמשמרות שלו… אני רוצה שתחשוב האם זו באמת העבודה המתאימה עבורו", אמר המנהל לקלוד, על פי הרישומים. רק לאחר ההודעה הזאת… שהצביעה באופן די ברור על רצונו של המנהל לפטר את העובד, קיבל קלוד את ההחלטה לפטרו.
קראו גם: על בינה מלאכותית והחשש מפני השתלטות על מקומות עבודה
כשהבינה המלאכותית הופכת למנהלת: מה באמת קרה במקרה של קלוד?
המקרה שבו מערכת Claude הייתה מעורבת בפיטוריו של עובד בחנות בסן פרנסיסקו נשמע במבט ראשון כמו עוד כותרת שמגיעה מעולם המדע הבדיוני: בינה מלאכותית הפכה לבוס, עקבה אחר עובד ולבסוף החליטה לפטר אותו. אלא שכאשר בוחנים את פרטי הניסוי לעומק מתקבלת תמונה מורכבת ומעניינת הרבה יותר. לא מדובר במערכת שהתעוררה בוקר אחד, עיינה בנתוני הנוכחות והחליטה לבדה לסיים את העסקתו של אדם. Claude אמנם היה חלק ממשי מתהליך קבלת ההחלטות, אך בני אדם עדיין פיקחו עליו, סיפקו לו מידע והכוונו אותו בנקודות קריטיות. דווקא השילוב הזה בין סמכות של מכונה לבין התערבות אנושית הוא שהופך את המקרה לאבן דרך מעניינת בהתפתחות היחסים בין בני אדם למערכות בינה מלאכותית.
הניסוי נערך במסגרת פעילותה של Andon Labs, חברה הבוחנת עד כמה מערכות בינה מלאכותית מסוגלות לבצע משימות בעולם האמיתי ולא רק לנהל שיחה בתוך חלון צ'אט. אחת השאלות שעמדו בבסיס הפרויקט הייתה פשוטה לכאורה: האם מודל שפה מתקדם יכול לנהל עסק? כדי לבדוק זאת לא הסתפקו החוקרים בסימולציה ממוחשבת. הם העניקו למערכת אחריות על חנות אמיתית בסן פרנסיסקו, ובה עובדים אמיתיים, מלאי אמיתי, לקוחות אמיתיים והוצאות אמיתיות. בכך עבר הניסוי משלב שבו בינה מלאכותית רק מייעצת לאדם לשלב שבו היא מקבלת סמכויות שבעבר היו מזוהות כמעט לחלוטין עם מנהל אנושי.
מהחנות האוטומטית לבוס המלאכותי
הרעיון של שימוש בבינה מלאכותית לניהול חנות לא הופיע משום מקום. עוד קודם לכן נערכו ניסויים שבהם Claude קיבל אחריות על חנות קטנה והיה צריך להחליט אילו מוצרים לרכוש, כיצד לתמחר אותם ואיך להגיב לבקשות של לקוחות. הניסויים הראשונים חשפו לא מעט מגבלות. המערכת הייתה לעיתים נדיבה מדי, נענתה בקלות להנחות, לא תמיד קיבלה החלטות מסחריות מוצלחות ולעיתים התקשתה לשמור על רצף של מידע לאורך זמן. ובכל זאת, החוקרים המשיכו לשפר את הכלים שעמדו לרשותה ואת האופן שבו נשמר המידע בין אינטראקציה אחת לאחרת.
כאשר עבר הפרויקט לחנות פיזית ממשית, משימותיו של ה-AI התרחבו באופן משמעותי. המערכת כבר לא נדרשה רק לענות על שאלות או להציע מחיר למוצר, אלא להתמודד עם חלקים מהניהול היומיומי של עסק. היה עליה לתקשר עם עובדים, להתמודד עם לוחות זמנים, לעקוב אחר מלאי ולפעול בהתאם למדיניות שנקבעה. מכיוון שמודל שפה אינו יכול להרים קופסה, לסדר מדף או לפתוח דלת של חנות, הוא נזקק כמובן לעובדים אנושיים שיבצעו פעולות פיזיות. כך נוצר מצב יוצא דופן שבו בני האדם ביצעו את העבודה בשטח, בעוד מערכת מלאכותית קיבלה חלק מההחלטות הניהוליות.
גם תהליך הגיוס הפך לחלק מהניסוי. מערכת ה-AI יכלה להשתתף בסינון מועמדים, לנהל תקשורת ולהחליט מי מתאים יותר לתפקיד. מבחינה מעשית, העובדים עדיין הועסקו על ידי חברה אנושית ולא על ידי Claude עצמו, אך מבחינת חוויית העבודה נוצר כאן מודל חדש: עובד עשוי לקבל הוראות, משימות ואפילו הערכה מקצועית ממערכת שאינה אדם. זהו שינוי משמעותי לעומת השימוש הרגיל בבינה מלאכותית ככלי עזר למנהל, משום שכאן המערכת כבר נמצאת בתוך שרשרת הסמכות עצמה.
17 איחורים שהמערכת לא זיהתה בזמן
המקרה שהוביל לפיטורים החל בעובד שאיחר ל-17 מתוך 23 המשמרות שלו. עבור מנהל אנושי, רצף כזה היה ככל הנראה הופך במהירות לבעיה ברורה. אלא שהמערכת לא זיהתה מיד את הדפוס, ואחת הסיבות לכך הייתה בעיית זיכרון. מדריך העובדים שהמערכת עצמה יצרה ובו הופיעו כללים רלוונטיים כבר לא נמצא בשלב מסוים בתוך זיכרון העבודה הפעיל שלה. במילים פשוטות, המידע היה קיים, אבל Claude לא בהכרח החזיק אותו מול עיניו כאשר נדרש להעריך את התנהלות העובד.
הנקודה הזאת חשובה במיוחד להבנת ההבדל בין מנהל אנושי לבין מודל שפה. אדם עשוי לשכוח פרטים, אך בדרך כלל נוצר אצלו לאורך זמן רושם מצטבר בנוגע לעובדים: מי נוהג לאחר, מי אמין, עם מי כבר נערכה שיחה ומי מתקשה לעמוד בדרישות התפקיד. מודל שפה פועל בצורה שונה. הוא מסתמך בכל רגע על המידע שנמצא בתוך ההקשר הזמין לו ועל מערכות חיצוניות שמחזירות לו נתונים. אם מידע חשוב אינו נטען מחדש, הוא עלול להתנהג כאילו לא היה קיים כלל.
לכן אין כאן רק סיפור על עובד שאיחר. מדובר גם בהדגמה של בעיה בסיסית בבניית סוכני AI שאמורים לפעול לאורך זמן. מערכת יכולה להיות מסוגלת לקרוא מדיניות מורכבת, להבין את משמעותה ואף להסביר אותה היטב, ובכל זאת לקבל החלטה גרועה אם העובדות הרלוונטיות אינן זמינות לה ברגע שבו היא נדרשת לפעול. ככל שמעניקים לבינה מלאכותית אחריות בתחומים כמו כוח אדם, כספים, בריאות או משפט, סוגיית הזיכרון והגישה למידע הופכת משאלה טכנית לשאלה שיכולה להשפיע ישירות על אנשים.
קלוד דווקא לא מיהר לפטר
פרט מעניין במיוחד הוא שהמערכת לא התגלתה כמנהל קשוח או חסר רחמים. לפי הדיווחים, העובדים דווקא תיארו את Claude כמנהל רך למדי, ובחלק מהמקרים הוא אף הרגיע עובדים ביחס לאיחורים. גם לאחר שהמערכת התבקשה לעיין מחדש במדיניות ולבחון את ההתנהלות של אותו עובד, היא לא קפצה מיד למסקנה שיש לפטר אותו. התגובה הראשונית שלה הייתה מתונה יותר והיא העדיפה להוציא אזהרה.
רק לאחר שאחד ממנהלי Andon Labs מסר למערכת מידע נוסף, ובין היתר ציין שכבר נערכו עם העובד כמה שיחות רשמיות מחוץ למערכת, השתנתה התמונה. אותו מנהל ביקש מ-Claude לחשוב האם, לנוכח האיחורים החוזרים והבעיות שהתרחשו במשמרותיו, העבודה אכן מתאימה לאותו אדם. הניסוח הזה לא היה ניטרלי לחלוטין. למעשה, הוא כיוון את המערכת לעבר האפשרות של סיום ההעסקה. לאחר ההתערבות הזאת קיבל Claude את ההחלטה לפטר את העובד.
לכן הכותרת שלפיה "בינה מלאכותית פיטרה אדם באופן עצמאי" נכונה רק בחלקה. המערכת אכן קיבלה החלטה במסגרת התפקיד שניתן לה, אך ההחלטה לא נולדה בחלל ריק. בני אדם הזכירו לה מידע שהיא לא החזיקה באותו רגע, סיפרו לה על צעדים משמעתיים שלא היו מתועדים בתוך סביבת העבודה שלה וגם ניסחו בפניה את הבעיה באופן שהצביע בבירור על אפשרות של פיטורים. זה אינו מפחית מחשיבות הניסוי, אך הוא משנה את האופן שבו ראוי לתאר אותו.
לא הפעם הראשונה שאלגוריתם משפיע על פרנסתו של אדם
חשוב גם לזכור שמערכות ממוחשבות משפיעות על עבודתם של אנשים כבר שנים רבות. בחברות משלוחים, אפליקציות נסיעות ושירותים דיגיטליים שונים משמשים אלגוריתמים כדי לקבוע מי יקבל עבודה, כיצד תחולק העבודה, כמה ישולם לעובד ולעיתים גם האם תיחסם גישתו לפלטפורמה. עובדים כבר מצאו את עצמם בעבר מאבדים מקור הכנסה בעקבות החלטות שהתקבלו באופן אוטומטי או חצי-אוטומטי.
החידוש במקרה של Claude הוא בכך שלא מדובר באלגוריתם צר שנבנה סביב כלל אחד או שניים. מערכות קלאסיות יכולות, למשל, לקבוע שעובד ייחסם אם דירוגו יורד מתחת לציון מסוים. מודל שפה מתקדם פועל באופן רחב בהרבה: הוא יכול לקרוא מסמך, לפרש מדיניות, לנהל שיחה עם העובד, להתחשב בנתונים קודמים, להשוות בין אפשרויות ולנסח החלטה. בכך הוא מתקרב הרבה יותר לתפקידו המסורתי של מנהל מאשר מערכות אוטומציה קודמות.
וזה אולי החלק החשוב באמת בהתפתחות הנוכחית. במשך שנים דיברו בעיקר על השאלה האם מכונות יחליפו עובדים. כעת מתחילה להתעורר שאלה שונה: מה יקרה אם המכונה לא תחליף את העובד, אלא את המנהל שלו?
הדרך הארוכה ממדידת עובדים לניהול אלגוריתמי
הרעיון להשתמש בטכנולוגיה כדי למדוד ולנהל עובדים אינו חדש. כבר בראשית המאה ה-20 ניסה פרדריק וינסלו טיילור להפוך את העבודה התעשייתית למדע מדויק באמצעות מדידת זמני עבודה, תנועות ותפוקה. גישתו, שנודעה כ"ניהול מדעי", ביקשה לפרק כל משימה לשלבים ולמצוא את הדרך היעילה ביותר לבצע אותה. מאוחר יותר הגיעו פסי הייצור, שעוני הנוכחות, מערכות התכנון הממוחשבות ותוכנות משאבי האנוש.
עם המעבר לעידן הדיגיטלי נולדה גם תופעת "הניהול האלגוריתמי". במקום שמנהל אנושי יחליט לבדו מי יקבל משימה או כיצד למדוד ביצועים, מערכת ממוחשבת יכולה לבצע חלק מההחלטות על בסיס נתונים. כלכלת הפלטפורמות הרחיבה את המגמה הזאת במהירות: נהגים ושליחים מקבלים עבודה ממערכות אוטומטיות, מקבלים דירוגים ממערכות אוטומטיות ולעיתים אף נדרשים לערער על החלטות מול מערכת שאין מאחוריה מנהל אנושי זמין.
אולי יעניין אותך
מודלי השפה מביאים את התהליך לשלב נוסף. הם אינם רק מחשבים מספרים או מחילים כלל קשיח, אלא מסוגלים לבצע פעולות שבמשך שנים נתפסו כשיקול דעת אנושי: לפרש ניסוח עמום, לשקול נסיבות, לנהל שיחה ולהסיק מסקנה. מכאן נובעת גם הפוטנציאל שלהם וגם הסכנה. ככל שהמערכת גמישה יותר, כך היא יכולה להתמודד עם מצבים מורכבים יותר, אך גם קשה יותר לחזות מראש בדיוק כיצד תחליט בכל מקרה.
אולי דווקא המנהלים יוחלפו לפני העובדים
אחת האפשרויות המעניינות שהניסויים האלה מעלים היא שחלק מתפקידי הניהול עשויים להיות קלים יותר לאוטומציה מעבודות פיזיות. בניית רובוט שיכול לבצע באופן אמין כל מה שעובד בחנות עושה עדיין מורכבת מאוד. עובד אנושי צריך לעיתים לקבל משלוח, להרים ארגזים, לסדר מוצרים, לנקות, להתמודד עם לקוח כועס ולתקן תקלה בלתי צפויה. כל אחת מהמשימות האלה דורשת תפיסה פיזית ויכולת הסתגלות לעולם האמיתי.
לעומת זאת, חלק גדול מעבודתו של מנהל כבר מתרחש מול מחשב. הוא קורא הודעות, בונה משמרות, מאשר הוצאות, עוקב אחר מכירות, משווה בין ספקים, כותב מסמכים ומקבל החלטות על בסיס מידע דיגיטלי. אלו בדיוק הסביבות שבהן מערכות בינה מלאכותית מתקדמות במהירות רבה במיוחד. ייתכן אפוא שבעתיד הקרוב יותר נראה עובדים אנושיים שמבצעים עבודה פיזית תחת ניהול חלקי של AI, ולא חנות מלאה ברובוטים שמחליפים את כולם.
האפשרות הזאת הופכת את הניסוי בסן פרנסיסקו למעניין במיוחד מבחינה היסטורית. מהפכות טכנולוגיות קודמות החליפו בדרך כלל תחילה עבודה פיזית או משימות משרדיות שחזרו על עצמן. הבינה המלאכותית הגנרטיבית נכנסת דווקא לתחומים שנתפסו במשך זמן רב כבלתי ניתנים לאוטומציה, משום שהם דורשים שפה, שיקול דעת ותקשורת בין-אישית.
ומה קורה כשהמנהל המלאכותי טועה?
הבעיה המרכזית מתחילה כאשר החלטה של מערכת משפיעה ישירות על חייו של אדם. אם AI מציע כותרת לא טובה למסמך, אפשר למחוק אותה ולנסות מחדש. אם הוא טועה בהחלטה לגבי עובד, התוצאה עלולה להיות אובדן משכורת, פגיעה בקריירה או סכסוך משפטי. לכן לא מספיק לשאול האם המערכת מסוגלת לקבל החלטה. צריך לשאול עד כמה היא אמינה, אילו נתונים היו ברשותה ומי מוודא שההחלטה אינה מבוססת על מידע חסר או שגוי.
אפשר לדמיין מצבים רבים שבהם הדבר מסתבך. מה קורה אם עובד איחר משום שמנהל אנושי אישר לו להגיע מאוחר, אבל האישור מעולם לא נרשם במערכת? מה קורה אם תלונה נגד עובד נוסחה באופן מטעה? האם המערכת יודעת להבחין בין עבירה חמורה לבין טעות חד-פעמית? ומה קורה כאשר שני עובדים ביצעו בדיוק את אותה עבירה, אך המידע שסופק ל-AI על כל אחד מהם היה שונה?
הדברים מקבלים משנה חשיבות משום שמודלי שפה אינם מאגרי מידע מושלמים. הם יכולים להיות מושפעים מהדרך שבה שאלה מנוסחת, מהמידע שנבחר עבורם ומהסדר שבו הוצג. במקרה של הפיטורים בחנות, עצם העובדה שמנהל אנושי הציג ל-Claude את השאלה בדרך מסוימת השפיעה על ההחלטה. אם שינוי בניסוח יכול לשנות את מסקנת המערכת, קשה לטעון שמדובר בשופט נייטרלי לחלוטין.
מי נושא באחריות?
כאשר מנהל אנושי מפטר עובד, בדרך כלל ברור מי קיבל את ההחלטה ומי מייצג את החברה. במערכת המשלבת בינה מלאכותית, התמונה מורכבת יותר. המודל עשוי לקבל מידע מתוכנת משאבי אנוש, להשתמש במדיניות שנכתבה על ידי אדם, לפעול בהתאם להנחיות שנוסחו על ידי מפתח ולקבל הכוונה נוספת ממנהל. כל אחד מהגורמים האלה יכול להשפיע על התוצאה.
מכאן עולה אחת השאלות המשפטיות והאתיות המרכזיות של השנים הקרובות: אם AI מקבל החלטה שגויה לגבי עובד, מי אחראי? החברה שמשתמשת במערכת אינה יכולה פשוט לטעון ש"המחשב החליט". גם החברה שפיתחה את המודל אינה בהכרח יודעת כיצד הארגון בחר להשתמש בו. ככל שסמכויות כאלה יעברו למערכות אוטומטיות, יהיה צורך לקבוע באופן ברור יותר מי רשאי לקבל החלטה, מתי נדרש אישור אנושי ומהן זכויותיו של עובד לערער.
במקרה הנוכחי העובדים לא הועסקו משפטית על ידי Claude אלא על ידי החברה שמפעילה את הניסוי. לכן האחריות נותרה אצל בני האדם והארגון שמאחוריהם. אולם זהו ניסוי שמדגים כיצד הגבול בין "מערכת שמייעצת למנהל" לבין "מערכת שמתפקדת כמנהל" מתחיל להיטשטש.
היתרונות האפשריים למנהל שאינו אדם
קל להתמקד רק בסכנות, אך תיאורטית למערכת כזאת עשויים להיות גם יתרונות. מנהל מלאכותי אינו מגיע לעבודה במצב רוח רע, אינו מתעייף אחרי יום ארוך ואינו אמור להעדיף עובד משום שהוא מחבב אותו באופן אישי. ניתן לתכנן אותו כך שכל החלטה משמעותית תחייב בדיקה של אותם קריטריונים, אותם מסמכים ואותם נתונים, ובכך לצמצם חלק מהשרירותיות שקיימת גם בניהול אנושי.
בנוסף, מערכות דיגיטליות יכולות להשאיר תיעוד מפורט של תהליך קבלת ההחלטה. במקרה הנוכחי היה אפשר לבחון את הרישומים ולראות מה בדיוק נאמר ל-Claude לפני שהחליט על הפיטורים. אצל מנהל אנושי, לעומת זאת, לא תמיד קיימת דרך לדעת אילו מחשבות או שיקולים באמת הובילו להחלטה. במערכת מתועדת ניתן לפחות לבחון בדיעבד איזה מידע הוזן, אילו פעולות בוצעו ובאיזו נקודה השתנתה ההמלצה.
אבל גם היתרון הזה אינו חד-משמעי. כדי שמערכת תדע לקבל החלטות מפורטות על עובדים היא צריכה לאסוף מידע רב עליהם. שעות הגעה, תפוקה, משמרות, תלונות, מכירות ואולי גם מידע ממצלמות או מערכות מעקב יכולים להפוך את מקום העבודה לסביבה שבה כמעט כל פעולה נמדדת. מערכת יעילה מאוד מבחינה ניהולית יכולה אפוא להפוך גם למערכת מעקב יעילה מאוד.
לא עוד צ'אטבוט שעונה על שאלות
קראו גם: איך אפשר לדעת אם משהו נכתב על ידי אדם או בינה מלאכותית?
הסיפור של Andon Labs מדגים היטב את המעבר מצ'אטבוטים לסוכני בינה מלאכותית. רוב הציבור הכיר בשנים האחרונות מערכות כמו Claude ו-ChatGPT ככלים שעונים על שאלות, מסכמים טקסטים וכותבים תוכן. סוכן AI פועל אחרת. הוא מקבל מטרה ולא רק שאלה, משתמש בכלים, קורא מידע, מקבל החלטות ומבצע פעולות בעולם החיצוני.
ההבדל הזה חשוב מאוד. כאשר מודל רק כותב תשובה, המשתמש האנושי הוא זה שבוחר אם לעשות איתה משהו. כאשר המודל מקבל גישה לדואר אלקטרוני, מערכות תשלום, לוחות משמרות או כלי ניהול, ההחלטות שלו מתחילות לייצר תוצאות ממשיות. במקרה של חנות קמעונאית התוצאה יכולה להיות שינוי מחיר או הזמנה מספק. במקרה של כוח אדם היא יכולה להגיע גם עד לפיטורי עובד.
זהו למעשה אחד הכיוונים המרכזיים בהתפתחות הבינה המלאכותית כיום: המעבר ממערכת שמסבירה כיצד לבצע פעולה למערכת שמבצעת אותה. ככל שמעניקים לסוכנים כאלה יותר כלים, כך עולה הצורך לפקח לא רק על מה שהם אומרים אלא גם על מה שהם יכולים לעשות.
גבולות הטכנולוגיה
קל לקרוא על Claude שפיטר עובד ולחשוב שה-AI כבר מסוגל להחליף מנהל אנושי לחלוטין. פרטי המקרה דווקא מראים עד כמה הדרך לשם עדיין ארוכה. מערכת שלא הבחינה במשך זמן רב בכך שעובד מאחר ב-17 מתוך 23 משמרות אינה בדיוק דוגמה למנהל מושלם. היא נזקקה לכך שאדם יחזיר לה מידע שאבד מההקשר שלה, יספר לה על שיחות שלא היו מתועדות ויכוון אותה לבחון מחדש את התאמת העובד.
כלומר, היכולת של מודל שפה לנסח תשובה משכנעת אינה שקולה ליכולת לנהל ארגון לאורך חודשים. ניהול דורש זיכרון עקבי, הבנה של הקשר, טיפול במידע סותר ויכולת לשלב בין מדיניות לבין נסיבות אישיות. מערכות AI משתפרות במהירות בכל התחומים האלה, אבל האירוע בסן פרנסיסקו מדגים היטב שהן עדיין יכולות להיכשל דווקא במשימות שנראות לאדם ברורות מאוד.
וזה אולי אחד הלקחים החשובים ביותר מהניסוי. כאשר בינה מלאכותית מקבלת סמכויות בעולם האמיתי, איכות המודל היא רק חלק מהתמונה. חשובים לא פחות הזיכרון שנבנה סביבו, המידע שאליו יש לו גישה, הכלים שהוא רשאי להפעיל והכללים שקובעים מתי אדם חייב להתערב.
מהעובד שהוחלף לעובד שמקבל הוראות ממכונה
במשך כמאתיים שנה כמעט כל דיון על אוטומציה עסק בשאלה אילו עובדים המכונות יחליפו. המהפכה התעשייתית החליפה חלק מהעבודה הידנית במכונות, פסי הייצור שינו את מבנה המפעל והרובוטיקה החליפה משימות פיזיות שחזרו על עצמן. המחשוב שינה לאחר מכן מקצועות משרדיים שלמים. כעת הבינה המלאכותית מתחילה לגעת גם בתפקידים שבהם הסמכות וההחלטה עצמן הן המוצר.
ייתכן אפוא שהעתיד לא ייראה כמו תרחיש שבו בני אדם נעלמים ממקום העבודה. ייתכן שהמבנה יהיה שונה לחלוטין: בני אדם ימשיכו לבצע משימות בשטח, בעוד מערכות AI יקבעו סדרי עדיפויות, יחלקו משמרות, יעקבו אחר ביצועים ויקבלו חלק מההחלטות הניהוליות. מנהלים אנושיים עשויים לעבור לתפקיד של פיקוח על המערכות שמפקחות על העובדים.
במובן הזה, המקרה של Claude אינו רק סיפור על עובד אחד שפוטר. הוא מצביע על שינוי אפשרי בהיררכיה של מקום העבודה עצמו. במשך אלפי שנים הייתה שרשרת הסמכות מורכבת מבני אדם. מלך, מפקד, בעל מפעל, מנהל עבודה, מנהל מחלקה ועובד. בפעם הראשונה מתחילה להיכנס לתוך השרשרת הזאת ישות שאינה אדם.
ומה מרגיש עובד שהבוס שלו הוא AI?
זו שאלה שקשה למדוד באמצעות נתוני מכירות או מספר איחורים. עבודה אינה רק מערכת של משימות ופקודות. היא גם מערכת של יחסים בין בני אדם. עובד רוצה לפעמים להסביר נסיבות, לבקש התחשבות, להתווכח על החלטה או לדעת שהאדם שמולו מבין את ההשלכות של החלטותיו.
כאשר המנהל הוא מערכת מלאכותית, היחסים האלה משתנים. מצד אחד, עובדים מסוימים עשויים להעדיף מערכת שנחשבת עקבית ואינה מפתחת קשרים אישיים או העדפות. מצד אחר, דווקא העובדה שאין אדם בצד השני יכולה להפוך החלטה קשה לקרה ומנוכרת יותר. במקרה של פיטורים, השאלה אינה רק האם ההחלטה נכונה מבחינה סטטיסטית, אלא גם מי מסביר אותה, מי מקשיב לערעור ומי נושא באחריות כאשר משהו משתבש.
ככל שמערכות כאלה ייכנסו למקומות עבודה, נצטרך כנראה להגדיר מחדש גם את מושג ה"מנהל". האם מנהל הוא מי שנותן הוראות? מי שקובע משמרות? מי שמחליט על שכר? מי שמעריך ביצועים? או שמא אדם חייב להישאר בנקודה שבה מתקבלות החלטות שמשפיעות באופן משמעותי על חייו של עובד?
אבן דרך, אך לא מהפכה שהושלמה
אין צורך להפריז במשמעות המקרה כדי להבין שהוא יוצא דופן. Claude לא הפך לפתע למנהל מושלם, והאירוע אינו מוכיח שמחלקות משאבי אנוש עומדות להיעלם. להפך, פרטי הניסוי מלמדים עד כמה מערכות כאלה עדיין זקוקות לבני אדם ולמערכות תמיכה אמינות. אבל הוא כן מציג מצב שהיה נשמע כמעט דמיוני לפני שנים ספורות: מודל שפה משתתף בפועל בגיוס עובדים, בניהול שוטף ובסופו של דבר בהחלטה על סיום העסקתו של אדם.
בעבר השאלה המרכזית הייתה אם AI מסוגל לכתוב טקסט שנשמע כאילו נכתב בידי אדם. לאחר מכן עבר הדיון לשאלה אם הוא מסוגל לכתוב קוד, ליצור תמונות או לבצע מחקר. כעת מתחילה להתעורר שאלה חדשה: מה קורה כאשר אותו AI מקבל סמכות לפעול בעולם האמיתי ולהשפיע על אנשים גם כאשר הם אינם אלה שפנו אליו מלכתחילה?
המקרה בסן פרנסיסקו אינו מספק תשובה סופית. הוא דווקא פותח שורה ארוכה של שאלות על אחריות, זכויות עובדים, פרטיות, זיכרון, פיקוח אנושי והגבולות שצריך להציב למערכות אוטונומיות. ייתכן שבעוד כמה עשורים האירוע הזה ייראה כמו ניסוי קטן וחסר חשיבות. אך ייתכן גם שהוא ייזכר כאחת מאותן נקודות מוקדמות שבהן אפשר היה לראות לראשונה כיצד מערכת היחסים בין אדם למכונה עומדת להשתנות.
האירוניה היא שהמכונה במקרה הזה עדיין לא הייתה מסוגלת לבצע בעצמה את העבודה הפיזית של העובד שפוטר. היא לא יכולה הייתה להגיע לחנות, לסדר מדף או לעמוד מאחורי הקופה. אבל היא כבר הייתה מסוגלת להשתתף בהחלטה מי יעשה את כל הדברים האלה ומי לא יגיע יותר למשמרת הבאה. ובמובן הזה, השאלה הישנה "האם הרובוטים ייקחו לנו את העבודה?" מקבלת כעת משמעות חדשה לגמרי: ייתכן שלפני שהמכונה תחליף את העובד, היא תהפוך לבוס שלו.
אם משתמשים בתוכן כלשהו מתוך HistoryIsTold, באופן חלקי או מלא, יש לספק תמיד קישור לחומר המקור.
הצטרפו לאלפי קוראים וקבלו את הכתבות המרתקות ביותר ישירות לתיבת הדואר שלכם.
