המנכ"ל שכבר לא יודע הכי הרבה בחדר: כיצד מנהלים כשהבינה המלאכותית יודעת יותר מאיתנו?

דמיינו מנהל שמקבל מצגת מצוינת: הניתוח חד, החלופות מנומקות וההמלצה משכנעת. העבודה שבעבר נמשכה יומיים הסתיימה בתוך שעה. מבחינת מדדי התפוקה, זו הצלחה. אבל בישיבה מתברר שהעובד שהכין אותה מתקשה להסביר מדוע נפסלה אחת החלופות, או כיצד תשתנה ההמלצה אם הנחת יסוד מרכזית תתברר כשגויה. המצגת השתפרה. האם גם מי שהכין אותה השתפר?

המתח הזה עמד בבסיס הדיון בפאנל מנכ"לים שהתקיים ב־2 בנובמבר בפקולטה לניהול ע"ש קולר באוניברסיטת תל אביב, במסגרת תוכנית אלי הורביץ למנהיגות פורצת דרך. בפאנל, בהנחיית ד"ר משה קטן ובהשתתפות אייל הובר מ־Dsay,  ד"ר מאיר אבירם מ"טיפול בחיוך" וגלית קרדי סלומן מ־Brimag, נבחנה השאלה כיצד מובילים ארגון בעידן שבו הבינה המלאכותית משנה את הגישה לידע ואת תהליכי העבודה וההחלטה.

מהשיחה עלתה מסקנה מרכזית: הטמעת בינה מלאכותית היא קודם כל אתגר מנהיגותי ותרבותי ורק אחר כך טכנולוגי. רכישת הכלים היא רק תחילת הדרך. הערך העסקי תלוי ביכולת לשלב אותם בליבת הפעילות ולפתח לצד השימוש בהם את האנשים שמפעילים אותם.

מחקרים וסקרים עדכניים מצביעים על  פער בין שיפור בביצועים לבין בניית יכולת ארגונית לאורך זמן. במחקר שפורסם באוקטובר בכתב העת Nature Human Behaviour, בהשתתפות 487 יועצים מחברת BCG, נמצא כי שימוש ב־ChatGPT  שיפר את ביצועיהם במשימות מדעי נתונים שמחוץ לתחום התמחותם. עם זאת, במבחן ידע שנערך לאחר מכן ללא הכלי, לא נמצא יתרון למשתמשים בו - ממצא שממחיש כי תוצר טוב יותר אינו מעיד בהכרח על רכישת ידע. גם ברמת החברה, השיפור בתפוקה אינו מתורגם אוטומטית לתוצאה עסקית: בסקר מקינזי שפורסם באוגוסט 2026, 80% מהמשיבים דיווחו שהבינה המלאכותית שיפרה את התפוקה האישית שלהם, אך רק 37% ייחסו לה תרומה כלשהי לרווח התפעולי שלהארגון. שיעור שכמעט לא השתנה לעומת השנה הקודמת. בקרב 6% מהמשיבים שמקנזי מגדירה "מובילים" , כמעט שלושה רבעים עיצבו מחדש את תהליכי העבודה בעקבות השימוש בטכנולוגיה. הממצאים מחזקים את המסר שעלה בפאנל: כדי להפוך את הפוטנציאל הטכנולוגי ליתרון עסקי מתמשך, נדרשת השקעה גם בלמידה, בשיקול דעת ובשינוי ארגוני.

מי יכשיר את המומחים של מחר?

אחת השאלות הניהוליות הנגזרות מהדיון היא כיצד משמרים למידה כאשר המכונה מקצרת את הדרך לתוצאה. מומחיות נבנית מתוך התנסות: איסוף מידע, השוואת אפשרויות, טעויות ותיקון. חלק מהמשימות שמועברות כעת לבינה המלאכותית היו במשך שנים גם מסלול ההכשרה של העובדים הצעירים.

ממצאים עדכניים מחזקים את החשש. בניסוי מבוקר שפרסמו בינואר 2026 ג'ודי הנוואן שן ואלכס טמקין מחברת הבינה המלאכותית Anthropic, התבקשו כ־50 מפתחי תוכנה מקצועיים לבצע משימה בספריית תוכנה שלא הכירו. מי שנעזרו בעוזר בינה מלאכותית לא סיימו את המשימה מהר יותר באופן מובהק, אך במבחן ידע שנערך מיד לאחר מכן, ללא הכלי, קיבלו ציון נמוך בכ־17% מעמיתיהם. הפער הגדול ביותר נמצא דווקא ביכולת לאתר ולתקן תקלות. עם זאת, משתתפים שביקשו מהכלי הסברים ונשארו מעורבים בחשיבה הגיעו לציונים גבוהים. המחקר עדיין לא עבר שיפוט עמיתים, אבל הכיוון ברור: השאלה אינה אם להשתמש בכלי, אלא איך.

אין סיבה לשמר עבודה מיותרת רק משום שכך התרגלנו ללמוד. אבל כאשר מקצרים את מסלול העבודה, צריך לתכנן מחדש גם את מסלול הלמידה. אחרת, הארגון עלול למצוא את עצמו עם עובדים שיודעים להפיק תוצאה מרשימה, אך מתקשים לבדוק אותה או להתמודד עם מקרה שהמערכת אינה פותרת היטב.

לכן, לצד השאלה כמה זמן נחסך, כדאי לשאול מה העובד יודע לעשות כעת שלא ידע קודם. אפשר לבקש ממנו לגבש עמדה ראשונית לפני הפנייה לכלי, להסביר מדוע אימץ  את ההמלצה ולהצביע על הנחה שעשויה להפוך אותה. כך השימוש בטכנולוגיה הופך גם להזדמנות לפיתוח שיקול דעת.

האחריות מתחילה בשאלה הראשונה

הדיון בפאנל הדגיש את הצורך בהתפתחות תפקיד המנהל: ממי שמספק ידע ותשובות למי שמפתח יכולות, חשיבה ועצמאות אצל עובדיו. השינוי הזה מקבל משמעות מיוחדת כשבוחנים כיצד מתקבלות החלטות בסיוע בינה מלאכותית.

העובדה שאדם מאשר את ההמלצה הסופית אינה מבטיחה שהפעיל שיקול דעת עצמאי. כאשר המערכת מגדירה את הבעיה, בוחרת אילו חלופות להציג ומנסחת את הנימוקים, היא כבר משפיעה על מסגרת ההחלטה.

מנהל שמקבל ניתוח משכנע צריך לבחון גם את המטרה שהנחתה את הניתוח. האם מבקשים לצמצם עלויות בטווח הקצר, לשמר לקוחות או לפתח שוק חדש? לכל מטרה עשויה להתאים המלצה אחרת. האחריות הניהולית מתחילה בהגדרת היעד ואמות המידה, ונמשכת ביכולת לאתגר את התשובה ולזהות מידע שחסר לצורך הכרעה.

הכלי נרכש. היתרון התחרותי צריך להיבנות

תובנה נוספת שעלתה במפגש :ככל שהמתחרים יכולים לרכוש את אותם כלים, עצם רכישתם אינה מבטיחה יתרון תחרותי. ככל שהכלים נעשים נגישים יותר, ההבדל בין חברות תלוי באופן שבו הן משלבות אותם בידע הייחודי שלהן, בתהליכי העבודה ובהיכרות עם הלקוחות.

ליצירתיות האנושית יש כאן ערך עסקי ברור. אם עובדים מתחילים מאותה שאלה ומסתפקים בתשובה הראשונה, הם עלולים להגיע לפתרונות דומים. מטה-אנליזה של 19 מחקרים, שפורסמה באוגוסט 2026 בכתב העת בידי לאויין דה רויי ומיכאל מוסה ביסקייר מצאה כי שימוש בבינה מלאכותית יוצרת קשור לירידה קטנה אך מובהקת סטטיסטית במגוון הרעיונות בין אנשים. לדברי החוקרים, ההשפעה כמעט אינה מורגשת אצל אדם בודד, אך היא מצטברת כאשר רבים נשענים על אותן מערכות. ארגון שמעוניין בבידול צריך להשאיר מקום לרעיונות עצמאיים ולמחלוקת מקצועית. אפשר, למשל,  לפתוח דיון ברעיונות שהמשתתפים גיבושו בעצמם ורק לאחר מכן להיעזר  במערכת כדי להרחיב ולבחון אותם.

גם בשירות לקוחות, מהירות וחיסכון אינם המדדים היחידים. יש לבחון אם הבעיה נפתרה ואם נשמר האמון. במצבים מורכבים, היכולת להקשיב, להבין הקשר ולקחת אחריות עשויה להיות חלק מרכזי מהערך שהחברה מספקת.

המסקנה העולה מהפאנל נוגעת גם למנהלים מנוסים : ניסיון מצטבר אינו פוטר אותם מהמשך למידה והתפתחות. עליהם לחזק את היכולת לשאול שאלות מאתגרות, להקשיב ולחבר אנשים סביב מטרה משותפת, לצד הבנת האפשרויות שהטכנולוגיה פותחת.

את ההשקעה בבינה מלאכותית צריך אפוא למדוד בשני אופקי זמן: איכות הביצוע היום, והיכולת של הארגון להתמודד עם הבעיה הבאה. המנהל כבר אינו חייב לדעת הכי הרבה בחדר. הוא כן צריך לוודא שהאנשים בחדר ממשיכים ללמוד, ליצור ולהחליט - ושהטכנולוגיה מסייעת להם להשתפר בכך.