כלי ה-AI: תם עידן הלמידה, הגיע הזמן להתנסות
ככל שכלי הבינה המלאכותית נעשים נגישים יותר, האתגר כבר אינו רק ללמוד אותם, אלא להתנסות בהם, להתמיד ולהפוך אותם לחלק מהעשייה היומיומית
אפשר למסגר את שני העשורים האחרונים כ"עידן ההשכלה". מילניאלז גדלו על ציפיות האקדמיה של ההורים ועל המסלול המוכר: צבא, טיול, תואר ראשון. סביב השנים 2017–2020 השתרשה גם תפיסת ה־Life Long Learning, ואיתה צמחה תעשייה שלמה של קורסים והכשרות שהציעו לימודים מקצועיים בחתיכות קטנות.
מאז המשוואה הייתה פשוטה: לזהות את השינויים בשוק, למפות את פערי הידע והיכולות שהם צפויים לייצר, ולנסות לגשר עליהם באמצעות למידה. כעת, כשסופת ה־AI שולחת זרועות כמעט לכל תחום, האינסטינקט הוא ללכת ללמוד AI. אבל אולי לראשונה ניצב בפנינו אתגר שלא ניתן לפתור באמצעות למידה בלבד. למידה היא כבר לא בהכרח הפער, וגם לא בהכרח הפתרון.
לפני שנה וחצי החלטתי להתחיל לעשות Vibe Coding. זה נשמע לי מורכב כל כך, שהמשימה הפכה למפלצת שפחדתי לגעת בה. הנחתי שמכיוון שמעולם לא כתבתי שורת קוד, ייקח לי הרבה זמן ללמוד. אבל אם יש שריר שפיתחתי היטב בעשור של יזמות, הוא היכולת פשוט לצאת לדרך.
עקבתי אחרי הפידים הרלוונטיים, הכרתי מושגים, קראתי על אנשים שבונים, שילמתי לקלוד ולג'מיני ולקחתי קורסים של Anthropic.
ואז קרה משהו מפתיע: גיליתי שהרבה יותר קל לבנות משחשבתי. בכל פעם שנתקלתי בקושי, פשוט שאלתי את הכלי, והוא ענה בדרך ברורה, נגישה ופשוטה. היה מדהים לראות כמה מהר אפשר להפוך רעיון ללינק שאפשר לשלוח לחברים.
ככל שהמודלים משתכללים, כך משתכללת גם היכולת שלהם להנגיש את עצמם לכולם. וכך, כמעט כל אחד יכול ללמוד AI תוך כדי תנועה.
מחקר שפרסמה Anthropic ב־16 ביוני 2026, לאחר שבעה חודשי מעקב אחר 400 אלף סשנים של משתמשי Claude Code, מצא שהצלחת המשתמשים תלויה בעיקר במידת המומחיות שלהם בתחום המשימה שביצעו, ולא ברמת הידע שלהם בתכנות. הפער בין משתמשים ממקצועות המחשב לבין משתמשים מתחומים אחרים היה קטן לאורך כל תקופת המחקר.
מעולם לא היה נגיש כל כך ללמוד משהו חדש. אז למה הביקוש לקורסי AI ממשיך לצמוח?
יש לכך כמה סיבות. הראשונה היא ש־AI מפחיד. והוא גם מתפתח במהירות, ולכן התחושה היא שחייבים ללמוד.
השנייה היא שההייפ כבר הגיע לשוק העבודה. הכרזות של חברות, פיטורים ושינויים ארגוניים מחזקים את התחושה שהיכולת לעבוד עם AI הופכת לדרישת סף במקצועות רבים. והסיבה השלישית היא שרובנו פשוט צריכים מסגרת. גם אני.
אבל הגורם המרכזי שמפריד בין מי שחיים AI לבין מי שנשארים מחוץ לאירוע הוא דווקא ההתמדה והחדווה. השינויים התכופים מקשים להתמיד לאורך זמן, וכדי לעמוד בקצב נדרשת סקרנות להתנסות וליצירה. במילים אחרות, קשה יותר להישאר על רכבת ה־AI מאשר לעלות עליה.
להתמדה אפשר למצוא מענה באמצעות מסגרות וקהילות. אבל איך יוצרים חדווה? עד היום יכולנו לשאול את עצמנו מה אנחנו אוהבים לעשות, במה אנחנו טובים ומה מעניין אותנו. ה־AI דורש גם הרבה התנסות ואימון – בגיבוש רעיון, בתכנון, באפיון, באינטגרציה, בבקרה ובתיקון. לא לכולם זה טבעי, ולא כולם נהנים מזה.
האם אפשר לאמץ AI בלי "לעוף על זה"? כנראה שכן, אבל לא כולם יהיו באותה נקודה על סולם האימוץ, וזה בסדר.
אבל המקום שלנו על הסולם אינו גזירת גורל. חדווה מגיעה עם עשייה. וזה לב העניין: לפנות זמן, להתייאש, לנסות שוב, ולפתח בכל שבוע עוד קצת את החיבור האישי ל־AI דרך המשימות היומיומיות.
קראתי בשנה האחרונה מספיק תחזיות על AI שהופרכו מוקדם מהצפוי, ולכן לא אסיים בעוד תחזית. אבל כל עוד AI כאן, מתפתח ומייצר תהודה, פנו לו זמן והגבירו חדווה. אולי גם ה־AI יחבב אתכם חזרה.
עדי סרגה קן היא יזמת ומומחית לפיתוח תוכניות למידה וניהול קריירה
