מחקר גלובלי של חברת Workday מגלה כי כמעט 40% מהזמן שנחסך בזכות בינה מלאכותית אובד בגלל הצורך בתיקון טעויות ועיבוד מחדש.
פרדוקס הפרודוקטיביות של ה-AI
בינה מלאכותית אכן מספקת חיסכון משמעותי בזמן, אך לפי המחקר החדש של Workday תחת הכותרת "מעבר לפרודוקטיביות: מדידת הערך האמיתי של AI", המהירות הזו לא תמיד מתורגמת לתוצאות טובות יותר. הנתונים מראים כי 85% מהעובדים מדווחים על חיסכון של בין שעה לשבע שעות עבודה בשבוע הודות לכלי AI. עם זאת, חלק ניכר מהזמן הזה מתבזבז על "עבודה מחדש" (Rework) – תיקון טעויות, שכתוב תוכן ובדיקה כפולה של פלטים שנוצרו על ידי כלים גנריים.
הבעיה אינה בטכנולוגיה עצמה, אלא באופן שבו ארגונים מטמיעים אותה. בעוד שה-AI מגדילה את היכולת (Capacity), התפקידים, המיומנויות ותהליכי העבודה לא השתנו בהתאם, מה שיוצר תחושה כוזבת של פרודוקטיביות והחזר השקעה (ROI).
המספרים שמאחורי הבזבוז: 40% מהזמן הולך לאיבוד
הנתון המרעיש ביותר במחקר קובע כי כמעט 40% מהזמן שנחסך באמצעות AI הולך לאיבוד בגלל צורך בתיקונים. מדובר בתיקון שגיאות, אימות נתונים והתאמת תוכן שנוצר על ידי כלים שאינם מותאמים אישית לצרכי הארגון. למעשה, רק 14% מהעובדים מעידים כי הם מקבלים באופן עקבי תוצאות חיוביות וברורות משימוש ב-AI מבלי להזדקק להתערבות מסיבית.
מעניין לראות כי דווקא המשתמשים הכבדים חשים בנטל: מעל ל-90% מהעובדים המשתמשים ב-AI מדי יום מאמינים שהטכנולוגיה תעזור להם להצליח, אך 77% מהם בודקים את התוצרים של ה-AI בקפידה רבה יותר מאשר עבודה שבוצעה על ידי בני אדם.
הדור הצעיר נושא בנטל התיקונים
למרות התדמית של הדורות הצעירים כ"מומחים טכנולוגיים", המחקר מגלה כי עובדים בגילאי 25–34 מהווים כמעט מחצי (46%) מאלו שמתמודדים עם כמות העבודה המחדש הגדולה ביותר. הם אלו שמבלים את מירב זמנם בבדיקה ותיקון של פלטי AI, מה שמעיד על פער משמעותי בין היכולת להפעיל את הכלי לבין היכולת להפיק ממנו ערך איכותי ללא מאמץ נוסף.
בנוסף, קיים נתק ברור בין כוונות ההנהלה למציאות בשטח: 66% מהמנהלים טוענים כי הכשרה למיומנויות AI היא בעדיפות עליונה, אך רק 37% מהעובדים שמתמודדים עם עומס התיקונים מעידים כי הם מקבלים גישה להכשרה כזו.
מבני תפקידים מיושנים בעידן מודרני
אחד החסמים המרכזיים למימוש פוטנציאל ה-AI הוא קיפאון מבני. ב-89% מהארגונים, פחות ממחצית מהתפקידים עודכנו כדי לשקף את היכולות של הבינה המלאכותית. התוצאה היא עובדים שמשתמשים בכלי קצה של שנת 2026 בתוך מבני ארגוניים ותהליכי עבודה משנת 2015. הם נאלצים לגשר על הפער בין תפוקה מהירה יותר לבין מערכות שמעולם לא הותאמו לשינוי הזה.
