ארגון ה-AI הישראליארגון ה-AI הישראלי
אין קצבה למזרחיים! איך הייתם מרגישים אם בינה מלאכותית הייתה מפלה אתכם בגלל המוצא שלכם?!

האם מכונה יכולה להפלות אותנו – ומי צריך לשאת באחריות?

מאמרים ומחקרים

אין קצבה למזרחיים! איך הייתם מרגישים אם בינה מלאכותית הייתה מפלה אתכם בגלל המוצא שלכם?!

ליאור אברהםליאור אברהם 3 דק׳ קריאהעודכן:

איך הייתם מרגישים אם האלגוריתם היה קובע שלא תקבלו קצבה – רק בגלל דת, גזע או מין? ואם זה קורה, מי אמור לשלם את המחיר – המכונה או המדינה שמפעילה אותה?

אפליה אלגוריתמית – לא עתיד מסוכן, אלא מציאות עכשווית

הבינה המלאכותית הפכה לחלק בלתי נפרד מתהליכי קבלת ההחלטות במוסדות ציבוריים ברחבי העולם – החל ממערכות רווחה ומיסוי ועד לאכיפת חוק. אך לצד היעילות והדיוק שהיא מביאה, הולכת ומתרחבת גם תופעה מדאיגה: אפליה שמתרחשת לא על ידי בני אדם – אלא על ידי אלגוריתמים.

דוגמאות לכך נחשפו לא רק בהולנד, אלא גם במדינות נוספות. כך למשל:

  • ברוטרדם הופעל אלגוריתם לזיהוי הונאות קצבאות שסימן באופן לא פרופורציונלי מהגרים, בין היתר בשל רמת השפה שלהם – פרמטר שלא שיקף כוונת הונאה אמיתית.
  • במקרה אחר, מערכת בינה מלאכותית של רשות המסים ההולנדית סימנה בטעות למעלה מ־30,000 משפחות כעברייניות קצבאות. רבות מהן איבדו את מקור פרנסתן, חלקן פשטו רגל וילדים אף הוצאו מבתיהם.

מקרים אלה ממחישים שהאפליה האלגוריתמית היא לא תרחיש עתידי אלא אתגר עכשווי בעל השלכות כבדות.

איך אזרחים מייחסים אחריות לאפליה של מכונה?

כדי להבין כיצד הציבור מגיב לאפליה אלגוריתמית לעומת אפליה אנושית, נערך מחקר רחב־היקף בהשתתפות 2,483 אזרחים.
המחקר – שמובל על ידי ד"ר סער אלון-ברקת מאוניברסיטת חיפה – בחן כיצד אזרחים מייחסים אחריות למוסדות ציבוריים במצבים של אפליה, כאשר ההחלטות מתקבלות בידי בני אדם לעומת מקרים שבהם הן מתקבלות על ידי אלגוריתמים.

המשתתפים נחשפו לתרחישים היפותטיים של אפליה בתחום הרווחה ובתחום האכיפה, תוך שינוי מקור ההחלטה – אנושי או טכנולוגי – וכן זהות מפתח המערכת (פנימי בארגון או חיצוני).

הממצאים: הציבור לא סולח למכונה – בניגוד לחשש התיאורטי

הספרות המחקרית בפסיכולוגיה הציעה בשנים האחרונות תיאוריה מטרידה: בני אדם נוטים לגלות יותר סלחנות כלפי אפליה שמקורה במכונה לעומת אפליה אנושית. כך למשל מצביע מחקר של Bigman ועמיתיו (2023) על כך ש"אפליה אלגוריתמית מעוררת פחות זעם מוסרי מאשר אפליה אנושית" (Journal of Experimental Psychology: General).

הממצאים החדשים, לעומת זאת, מציעים תמונה שונה ומרגיעה: האזרחים אינם מייחסים פחות אחריות למוסדות ציבוריים כאשר ההחלטות מתקבלות על ידי אלגוריתם. במקרים מסוימים אף נרשמה דרישה גבוהה יותר למתן דין וחשבון כאשר מקור ההחלטה היה טכנולוגי.

בנוסף, רמת האחריות שייחסו המשתתפים הייתה גבוהה במיוחד בתחום הרווחה – כ־66% – לעומת כ־49% בלבד בתחום האכיפה, מה שמעיד על רמות שונות של אמון בין המערכות הציבוריות.

רוצים לקבל עדכוני AI ישירות לאימייל?

הצטרפו לאלפי מנהלים שמקבלים את הניוזלטר השבועי שלנו

האלגוריתם שלכם – האחריות שלכם

אחד הממצאים הבולטים הוא שמקור הפיתוח משפיע על תפיסת האחריות: כאשר האלגוריתם פותח בתוך הארגון, האזרחים ייחסו לו 9.5% יותר אחריות לעומת מקרים שבהם פותח על ידי חברה חיצונית. בתחום הרווחה הפער היה משמעותי עוד יותר – 73.4% לעומת 65.1%.

המשמעות: הציבור מאמין כי כאשר המוסד מפתח את האלגוריתם בעצמו, יש לו שליטה רבה יותר על תוצאותיו – ולכן גם אחריות גדולה יותר.

מסקנה: אי אפשר "להאשים את האלגוריתם" – גם במיקור חוץ

המסר שעולה מהמחקר חד וברור – הטמעת בינה מלאכותית אינה פוטרת מוסדות ציבוריים מאחריות. האזרחים מצפים שהמוסדות יפקחו על המערכות, ימנעו עיוותים ויתקנו אפליה – גם כאשר זו נגרמת על ידי מכונה.

מעבר לכך, הממצאים מצביעים גם על בעיה מערכתית עמוקה: העובדה שהציבור מייחס יותר אחריות לארגונים שמפתחים את האלגוריתמים בעצמם יוצרת תמריץ בעייתי עבור מוסדות לבצע מיקור חוץ – ובכך לנסות "להתחמק" מאחריות.

מסיבה זו, יש צורך דחוף במנגנוני פיקוח ובקרה שימנעו מצב שבו מיקור חוץ הופך לכלי מילוט מאחריות ציבורית.

האם אתם חושבים שארגונים צריכים להיות מחויבים לגלות לגולשים שהם משתמשים באלגוריתם – ואף לחשוף איך הוא נבנה ועל מה הוא מתבסס, כחלק מחובת השקיפות שלהם? מוזמנים לכתוב בתגובות.

פרטי המחקר

📄 שם המאמר: Algorithmic discrimination in public service provision: Understanding citizens’ attribution of responsibility for human versus algorithmic discriminatory outcomes
👤 חוקר מוביל: ד"ר סער אלון-ברקת, אוניברסיטת חיפה
👩‍🔬 שותפים למחקר: Madalina Busuioc, Kayla Schwoerer, Kristina S. Weißmüller
🏛️ מוסדות: אוניברסיטת חיפה, Vrije Universiteit Amsterdam, אוניברסיטת Albany
📚 מקור: Journal of Public Administration Research and Theory, 2025
🔗 DOI: 10.1093/jopart/muaf024

מקורות ואימות

הטענות העובדתיות בכתבה נבדקו מול המקורות הבאים.

  1. 1סער אלון-ברקתx.com
  2. 2(Journal of Experimental Psychology: General)apa.org
הצטרפו לקבוצת הווטסאפ שלנו לעדכונים

תגיות:

שתפו את הכתבה:

עוד כתבות שיעניינו אותך

Claude Dashboards ו-Claude Motion: שתי יכולות חדשות לארגונים, ואיך להשתמש בהן
חדשות AI, כליםAnthropic• ליאור אברהם• 10 באוקטובר

Claude Dashboards ו-Claude Motion: שתי יכולות חדשות לארגונים, ואיך להשתמש בהן

Anthropic השיקה בבטא דשבורדים חיים מתוך מחסן הנתונים של החברה ואנימציות הסבר שנבנות כקוד. מה הושק, למי זה זמין, דוגמאות לפי מחלקה ומה לבדוק לפני שמפעילים בארגון.

רגולציית AI בישראל ובאיחוד האירופי: מה ארגון ישראלי חייב לדעת ב-2026
מדריכים, כליםEU AI Act, הרשות להגנת הפרטיות• ליאור אברהם• 9 באוקטובר

רגולציית AI בישראל ובאיחוד האירופי: מה ארגון ישראלי חייב לדעת ב-2026

המדריך המעשי לרגולציית AI לארגונים ישראליים: על מי חל חוק ה-AI האירופי, רמות הסיכון, לוח הזמנים המעודכן אחרי ה-Digital Omnibus, תיקון 13 לחוק הגנת הפרטיות ותוכנית ציות ל-90 יום.

תוכנית עבודה AI לשנת 2027: איך ארגונים בונים תוכנית ותקציב AI שעומדים בביקורת
מדריכים, כליםGartner, MIT NANDA• ליאור אברהם• 9 באוקטובר

תוכנית עבודה AI לשנת 2027: איך ארגונים בונים תוכנית ותקציב AI שעומדים בביקורת

המדריך המלא להכנת תוכנית העבודה ותקציב ה-AI הארגוני ל-2027: תהליך של 8 שבועות, 7 סעיפי תקציב, שיטות לקביעת הגודל, דוגמה מספרית, לוח KPI ושבעה כלים מוכנים לשימוש.

100 מונחי AI שכל עובד צריך להכיר לשנת 2027
חדשות AI, כלים, מדריכיםארגון ה-AI הישראלי• ליאור אברהם• 7 באוקטובר

100 מונחי AI שכל עובד צריך להכיר לשנת 2027

מילון AI בעברית ובאנגלית: 100 מונחי בינה מלאכותית שכל עובד ומנהל צריך להכיר, מ-LLM וטוקן ועד הזרקת הנחיה, RAG, סוכני AI ואוריינות AI, עם הסבר פשוט לכל מונח.

מנהל בארגון: בכירי ה-AI מוטרדים מהבינה המלאכותית, למה אתה לא?!
מדריכיםOpenAI, Anthropic, NVIDIA, Cloud Security Alliance• ליאור אברהם• 6 באוקטובר

מנהל בארגון: בכירי ה-AI מוטרדים מהבינה המלאכותית, למה אתה לא?!

אמודיי קורא להאט, אלטמן מזהיר באו"ם, OpenAI עוצרת מודלים אחרי שסוכן עקף את הבידוד ו-NVIDIA בונה בלמים בסיליקון. ובארגונים מחברים סוכנים בלי נוהל. מה כל דרג צריך לעשות מחר בבוקר.

איך בונים סוכן AI ארגוני: הפלייבוק המקצועי (Agentic AI) 2026
מדריכים, כליםAnthropic• ליאור אברהם• 5 באוקטובר

איך בונים סוכן AI ארגוני: הפלייבוק המקצועי (Agentic AI) 2026

המדריך המעשי לבניית סוכן AI בארגון: מתי סוכן ומתי workflow, דפוסי ארכיטקטורה, עיצוב כלים וזיכרון, אבטחה מפני הזרקת הנחיות, ניטור, הערכה ותהליך בנייה ב-10 שלבים.

המקף הארוך נעלם: מחקר מצא 2,548 סימנים אחרים שמסגירים טקסט של AI
חדשות AIGraphite• ליאור אברהם• 4 באוקטובר

המקף הארוך נעלם: מחקר מצא 2,548 סימנים אחרים שמסגירים טקסט של AI

Claude Opus 5.5 כמעט הפסיק להשתמש במקף הארוך, אבל מחקר חדש של Graphite מצא בו 2,548 ביטויים ותבניות שמסגירים כתיבת AI. הנתונים, ההשוואה ל-GPT, ו-7 סימנים לזיהוי בעברית.

McKinsey: AI ייצור יותר משרות ממה שייקח, אבל 11 מיליון עובדים יצטרכו מקצוע חדש. מה זה אומר לכם
חדשות AIMcKinsey Global Institute• ליאור אברהם• 4 באוקטובר

McKinsey: AI ייצור יותר משרות ממה שייקח, אבל 11 מיליון עובדים יצטרכו מקצוע חדש. מה זה אומר לכם

דוח חדש של McKinsey Global Institute צופה עד 2035 צמצום של 36 מיליון משרות ויצירה של יותר מ-40 מיליון. האתגר האמיתי הוא המעבר, וזה מה שעובדים ומנהלים צריכים לעשות כבר עכשיו.

המערכת נתנה תשובה שגויה, ומאז אף אחד בצוות לא סומך עליה
הטמעת AI בארגונים• ליאור אברהם• 2 באוקטובר

המערכת נתנה תשובה שגויה, ומאז אף אחד בצוות לא סומך עליה

מנהל צוות בחברת ייעוץ הנדסי העביר תשובה של AI בלי לבדוק, והטעות הגיעה להנהלה. איך אירוע אחד מחק חודשים של הטמעה, מה קרה ל-Deloitte באוסטרליה, ואיך מגדירים מה חייב בדיקה לפני שליחה.

הלקוחות גילו שהנציגה 'דנה' היא בוט, והאמון קרס: למה חייבים גילוי נאות
הטמעת AI בארגונים• ליאור אברהם• 2 באוקטובר

הלקוחות גילו שהנציגה 'דנה' היא בוט, והאמון קרס: למה חייבים גילוי נאות

בוט שירות מצוין בחברת תקשורת הציג את עצמו כנציגה אנושית, עד שלקוח שאל 'את אמיתית?'. איך שקיפות הפכה לסוגיה רגולטורית (EU AI Act, סעיף 50), מה למדנו מ-Air Canada, ואיך מפעילים בוט שירות נכון.

הצטרפו אלינו