"חשבנו ש-AI יחסוך לנו זמן, אבל הוא מייצר עוד עבודה"
זה לא עובד ככהכלי AI שאמורים לייעל תהליכים בארגון פתאום מייצרים גל של משימות נוספות, בדיקות ושחיקה.. מה עושים כשהחיסכון בזמן מתגלה כאשליה?
נוצר באמצעות AI
זה לא עובד ככה: בשנת 1865 הכלכלן האנגלי, ויליאם סטנלי ג'בונס, שם לב לפרדוקס מפתיע: כשהמנועים הפכו ליעילים יותר והשתמשו בפחות פחם – צריכת הפחם דווקא עלתה. איך זה הגיוני? המנועים היעילים הפכו את התעשייה לזולה יותר, אז פשוט השתמשו בהם יותר. כך נולד "אפקט ג'בונס", או כמו שאנחנו מכנים אותו היום: אפקט הריבאונד.
והיום? הוא חי ובועט. לא במכרות פחם, אלא במשרדי עורכי הדין.
כש־GenAI נכנס למשרד – העובדים עובדים יותר
לפני כמה חודשים, פגשתי עורכת דין שהתלהבה מהמהפכה: "הכנסנו כלי בינה מלאכותית לעולם המשפט. טיוטות מסמכים משפטיים שלקחו לי ימים היום מתבצעות בדקות".
אבל אז היא נעצרה, חייכה חיוך עייף ואמרה: "יש רק בעיה אחת: עכשיו אני צריכה לעבור על הרבה יותר מסמכים ממה שהייתי כותבת בעצמי". וזה בדיוק לב העניין: הכלי מייצר מהר, אבל לא חוסך מאמץ – הוא מעביר אותו שלב.
במקום לנסח בעצמם, עורכי הדין נדרשים לתקן, לבדוק, לוודא דיוק משפטי ושמירה על סודיות וכמובן להיות אחראים לתוצאה. ולפעמים זה אפילו לוקח יותר זמן.
כל עדכוני ה-IT, תשתית וטכנולוגיה בערוץ הטלגרם של ITtime
ה"חשוב באמת" הפך לבלתי נגמר
ארגונים בכלל, ובתחום המשפט בפרט, לא יכולים לסמוך על "בערך". דיוק הוא חובה ושגיאה אחת יכולה להגיע לתביעה או גרוע מכך. אין "בערך נכון" – יש או נכון או שגוי, ולכן כל פלט של AI חייב לעבור ביקורת, הצלבה, בדיקה חוזרת, גם אם הוא נשמע מרשים מאוד.
ובפועל? בגלל שקל להפיק טיוטות – מפיקים יותר מהן, כל מסמך קטן מקבל שלוש גרסאות, כל נוסח נבחן מחדש, וכל עורך דין מוצא את עצמו עובר על הרבה יותר מידע מבעבר. בהתחלה זה נראה כמו נס: הזמן שנחסך בניסוח מושקע ב"מה שחשוב באמת", אבל מהר מאוד ה"חשוב באמת" הפך לבלתי נגמר.
מה הסיכון פה? ירידה באיכות דווקא בגלל עודף חומר, ותחושות שחיקה והצפה אצל העובדים שמתבטאות בהרגשות כמו "אני כל הזמן עורך תיקונים", במקום "אני משפיע".
אז מה עושים?
– מזהים את אפקט הריבאונד ומבינים שהוא אמיתי.
– לא שופטים הצלחה לפי כמות טיוטות, אלא לפי עומק תוצאה.
– מגבילים מראש את נפח הפלט כדי לא ליצור עומס מלאכותי.
– מתייחסים ל־AI כאל עוזר ראשוני, ולא כמחליף.
– מתאימים את שיטות העבודה, ולא רק את הכלים.
כשזה מגיע לבינה מלאכותית – לא כל חיסכון הוא באמת חיסכון. לפעמים, כשמשהו נעשה קל מדי אנחנו פשוט עושים יותר ממנו, ונכנסים בדיוק לאותו עומס שניסינו להימנע ממנו. אז לפני שאתם חוגגים את המהירות של ה־AI – תבדקו מה המחיר בצד השני של המשוואה.
ליאור אברהם הוא יועץ ומלווה חברות וארגונים בהטמעת פתרונות AI, הרצאות וסדנאות ומוביל את ערוץ היוטיוב – Lior ai. בנוסף הוא מחבר הספר מדריך מעשי לשילוב AI בארגונים הניתן בהנחה של 20% לקוראי ITtime.
