ללמוד או להיעלם: לאן נעלמת הרלוונטיות של כולנו
כל כמה שנים מגיע “האיום החדש” שמאיים לשנות את שוק העבודה. פעם אלה היו רובוטים, אחר כך תוכנות שיחליפו עובדים, ועכשיו זו הבינה המלאכותית. בכל פעם חוזרת אותה תחושת דז׳ה־וו: פחד, כותרות, תחזיות קודרות על מקצועות שייעלמו.
אני זוכר היטב את הפעם הראשונה ששמעתי, לפני בערך עשור, על מערכות גיוס חכמות שיסננו מועמדים אוטומטית ויחליפו את המראיינים האנושיים. התחזיות דיברו על עולם שבו תהליך הגיוס כולו יתבצע בלחיצת כפתור. ובפועל? עבדתי מאז בכמה מהחברות הגדולות במשק, ואף אחת מהן לא השתמשה בכלים כאלה באמת. להיפך, עם מאות אלפי מועמדויות בשנה, אנחנו משוועים לאוטומציה שתאפשר לנו להתפנות לעיקר: להבין אנשים, לזהות פוטנציאל, ולבנות צוותים טובים.
הטכנולוגיה, גם כשהיא מתקדמת, לא מחליפה את היכולת האנושית להבין בני אדם. היא כן דורשת מאיתנו ללמוד ולהתאים את עצמנו לקצב שלה. דו"ח של פורום הכלכלה העולמי מצא כי עד 2027 כמעט ממחצית מהכישורים הנדרשים בשוק העבודה יאבדו רלוונטיות. במילים אחרות: כולנו, לא רק מי שנמצא בתחילת דרכו, נצטרך ללמוד מחדש כדי להישאר רלוונטיים.
דו"ח נוסף שלPwC, שהתבסס על ניתוח של חצי מיליארד מודעות דרושים, הראה שעובדים בעלי כישורי בינה מלאכותית נהנים מפרמיית שכר של עד 25% לעומת הממוצע בענף. והמשרות שמשלבות מיומנויות AI צומחות פי 4.8 מהר יותר משאר סוגי המשרות. זה לא אומר שכל אחד צריך להפוך למתכנת או מדען נתונים.
זה אומר שהעובדים המבוקשים ביותר הם אלה שלומדים איך לשלב כלים חדשים בעבודה שלהם, ולא מפחדים מהם.
אני זוכר את 2016, כשפתאום התחילו לדבר על “למידת מכונה”. נדרשתי לעזור לגייס מהנדסים עם ניסיון בתחום אך באותה תקופה היו אולי עשרות כאלה בכל הארץ. אלו שהיו, נחשבו לרוק-סטארים אמיתיים. חברות שפכו תקציבים אדירים כדי לגייס אותם בכל מחיר. והיום? למידת מכונה היא כמעט סטנדרט בכל צוות פיתוח. אותו הדבר קורה עכשיו עם בינה מלאכותית. עוד כמה שנים לא נדבר על “מי עובד עם AI”, אלא על מי עדיין לא למד איך לעבוד איתו.
אבל האחריות ללמידה לא נמדדת רק בצד של החברות. עובדים לא יכולים להרשות לעצמם להיות פסיביים. הם צריכים לקחת שליטה על הקריירה שלהם: ללמוד, להתנסות, ולדחוף את עצמם קדימה, גם כשזה לא חלק מהתפקיד הרשמי.
חברה טובה שלי עבדה בתחום השיווק ורצתה לעבור לעולם שיווק המוצר, תפקיד שלא היה קיים אז בארגון שבו עבדה. במקום לחכות, היא למדה לבד, דרשה הזדמנות, ובסוף יצרה את התפקיד בעצמה. היום היא מובילה את התחום הזה בחברה גלובאלית. גם אני ניסיתי לפני כמה שנים לפתוח עמוד אינסטגרם למיתוג מעסיק באחת החברות שבהן עבדתי. זה לא היה חלק מהתפקיד שלי, וזה גם לא הפך אותי לכוכב רשת, אבל זו הייתה למידה אמיתית. הבנתי איך קהל מגיב, איך מספרים סיפור אנושי, ואיך התנסות קטנה יכולה לשנות תפיסה שלמה. היכולת ללמוד היא כבר לא כישור ש“נחמד שיש”, אלא היא מנגנון הישרדות. וחברות מבינות את זה.
ארגונים כמו Accenture, Amazon ו־PwC משקיעים מיליארדים בבניית אקדמיות פנימיות, בהכשרות בינה מלאכותית ובפיתוח מסלולי קידום מבוססי מיומנויות. הם הבינו שלמידה ארגונית היא לא “הטבה לעובדים”, אלא תנאי לצמיחה.
דו"ח בנק ישראל לשנת 2024 הזהיר שגם אצלנו השפעת ה-AI הגנרטיבי תשנה מהותית את מבנה שוק העבודה, והמליץ לחברות להשקיע בהכשרות ממוקדות. במילים פשוטות: מי שלא ילמד מבפנים, יצטרך לשלם ביוקר בחוץ. ועדיין, בהרבה חברות הזמן ללמידה נדחק לשוליים. תמיד יש רבעון סוער, גיוסים דחופים, יעדים לוחצים, אבל “אחרי זה” אף פעם לא באמת מגיע.
וזו אולי הטעות הכי גדולה של ארגונים כיום. גם כשהשוק נראה שוב כמו “שוק של מעסיקים”, את הטאלנטים האמיתיים עדיין קשה לגייס. והם נשארים רק במקומות שבהם הם מרגישים שהם מתפתחים.
אז כן, הטכנולוגיה משתנה, השוק מתהפך, וכולנו לומדים לחיות עם חוסר ודאות. אבל דבר אחד נשאר יציב: מי שלא לומד - נתקע. ומי שבוחר להמשיך ללמוד, לשאול, ולנסות, תמיד יישאר צעד אחד קדימה.
נדב אלון הוא דירקטור הגיוס בחברת Payoneer
