ניתוח פנימי של גוגל של 15 מיליון אינטראקציות עם כלי AI מראה שבעוד ש-68% מהמשרות כיום נוגעות בעוזר AI, המערכות הללו מבצעות אוטומציה בפועל של 21% בלבד מהמשימות המבוצעות. הפער הזה חשוב מכיוון שחברות מהמרות על AI כדי לשנות מחדש תהליכי עבודה, אך הנתונים מצביעים על כך שרוב העובדים עדיין מסתמכים על הטכנולוגיה עבור מספר מצומצם של פעילויות בלבד.

למה המספרים האלה חשובים

המחקר, שנערך בפלטפורמת Gemini של גוגל, מצייר תמונה מורכבת של אימוץ AI. שיעור אימוץ של שני שלישים נראה מרשים, אך נתון האוטומציה הצנוע של 21% אומר שארבע מתוך חמש משימות ממשיכות ללא סיוע AI. מנהלים המתכננים פריסת AI בקנה מידה רחב צריכים לשים לב לפער בין שיעורי האימוץ המדווחים לבין שיפור הפרודוקטיביות האמיתי – הוא עלול לנפח את הציפיות להחזר השקעה (ROI).

איך הגענו לכאן

ספקים שיווקו כלי AI כצעד הבא ביעילות במקום העבודה, תוך הבטחה על "סוכנים אוטונומיים" (autonomous agents) שמריצים תהליכים שלמים מתחילתם ועד סופם. עם זאת, הנתונים של גוגל מראים שרוב המשתמשים משתמשים בטכנולוגיה לרגעים ספציפיים של שיתוף פעולה – סיעור מוחות, ניסוח אסטרטגיות או איסוף מחקר – במקום להעביר להם תהליך עבודה שלם. המחקר עקב אחר כל אינטראקציה ב-Gemini, וקטלג את המטרה של כל בקשה ואת סוג העבודה שהיא תמכה בה.

מה הנתונים חושפים

  • דחיפה מוגבלת לאוטומציה מלאה. פחות מאחד מכל עשר אינטראקציות נועד לאוטומציה מלאה של משימה. רוב המשתמשים מעדיפים גישת "אדם בלולאה" (human-in-the-loop).
  • שיתוף פעולה על פני החלפה. מרבית השימוש ב-AI מתמקד ביצירת קונספטים, זיקוק אסטרטגיות וביצוע מחקר רקע, מה שמעיד על כך שעובדים רואים ב-AI שותף ולא תחליף.
  • עבודה שגרתית מקבלת את תשומת הלב הראשונה. כאשר ה-AI אכן מבצע אוטומציה, הוא לוקח על עצמו משימות חוזרות ומוגדרות היטב. אך גם שם, ארבע חמישיות מהפעילויות היומיומיות נותרות ללא מגע.
  • עבודה קוגניטיבית ולא שגרתית שולטת בפניות ל-AI. כ-65% מהאינטראקציות כוללות משימות פחות סטנדרטיות – פתרון בעיות, ניתוח או חשיבה יצירתית – מה שמראה שמשתמשים פונים ל-AI במקומות שבהם לשיקול דעת אנושי עדיין יש חשיבות.
  • השפעה לא אחידה בין מקצועות. תפקידי צווארון לבן כמו פיתוח תוכנה וניתוח פיננסי מראים את השימוש הגבוה ביותר ב-AI. מקצועות ידניים מפגרים מאחור, אם כי טכנאים מסוימים כבר משתמשים ב-AI כדי לאבחן תקלות בציוד באמצעות תמונות.

הסיכונים עבור עסקים

אם חברה בונה את אסטרטגיית ה-AI שלה על ההנחה שרוב העבודה תועבר בקרוב למערכות אוטונומיות, היא עלולה להשקיע פחות מדי בתהליכים האנושיים שעדיין שולטים בתפוקה היומית. הבטחות יתר לגבי אוטומציה עלולות לשחוק את האמון כאשר היעילות המצופה לא מתממשת. מצד שני, זיהוי המקומות שבהם ה-AI כבר מוסיף ערך – יצירת רעיונות, מחקר מהיר, טיפול בנתונים שגרתיים – מאפשר לחברות למקד את משאבי ההדרכה, הכלים והממשל (governance) בצורה יעילה יותר.

הטיעון הנגדי

חלק מהספקים טוענים כי נתוני האימוץ המוקדמים הם רק הצעד הראשון וכי ככל שהמודלים ישתפרו, שיעורי האוטומציה יעלו בחדות. הם מצביעים על התקדמות מהירה במודלי שפה גדולים (LLMs) ופריסה של סוכנים מתמחים כראיה לכך שנתון ה-21% הוא נקודת שפל זמנית. רווחים עתידיים הם סבירים, אך מחקר גוגל מדגיש כי לכוונה של המשתמש יש חשיבות: ללא רצון ברור להחליף משימות, אפילו המודלים היכולתיים ביותר יישארו כעזרים ולא כתחליפים.

מה כדאי לעקוב אחריו בהמשך

  • שינוי בכוונת המשתמש. האם שיעור הבקשות עם אוטומציה מלאה יעלה ככל שהביטחון ב-AI יגדל, או ששיתוף הפעולה יישאר הדומיננטי?
  • עקומות אימוץ ספציפיות לתעשייה. מגזרים מוסדרים מאוד או קריטיים לבטיחות עשויים לראות אוטומציה איטית יותר, בעוד שתחומים עתירי טכנולוגיה עשויים לדחוף את האחוזים גבוה יותר.
  • אבולוציה של כלים. תכונות חדשות המטמיעות AI בצורה הדוקה יותר בערכות תוכנה קיימות עשויות לדחוף את חלק האוטומציה כלפי מעלה, אך רק אם הן תואמות את תהליכי העבודה של המשתמשים.

צעד מעשי הבא לצוותים

אל תתנו לשיעור אימוץ של כותרת ראשית להוביל את התכנון שלכם. שאלו את האנשים שלכם: "אילו משימות ספציפיות מהוות את ה-21% של העבודה המבוצעת באוטומציה של AI אצלנו?" מיפוי המשימות הללו נותן בסיס קונקרטי להרחבת האוטומציה, תקצוב רישיונות AI ומדידת ההשפעה האמיתית על הפרודוקטיביות.

שורה תחתונה: AI הוא כיום עוזר כמעט בכל מקום, אך הוא עדיין מטפל במיעוט מהמשימות. חברות שיתייחסו ל-AI ככלי שיתופי היום – ויזהו בדיוק את העבודה שהוא כבר מבצע באוטומציה – יהיו בעמדה טובה יותר לתפוס רווחים אמיתיים ביעילות כאשר הטכנולוגיה תעבור סוף סוף את רף ה-21%.