החשש מפני מחיקת משרות של עובדים זוטרים הוא כבר לא רק תיאורטי, בעיקר כשמדובר במשרות 'ג'וניור' בחברות הייטק.
כאשר חברות מחליפות כניסת עובדים צעירים בכלי בינה מלאכותית כדי לחסוך בעלויות בטווח הקצר, הן מייצרות חור שחור בהכשרת כוח האדם העתידי שלהן.
אם לא יהיו עובדים זוטרים היום, לא יהיו עובדים בכירים ומנוסים בעוד חמש שנים. בענף ההייטק זה בולט עוד יותר. אם לא יהיו מספיק ג'וניורים היום, אז בעוד חמש שנים לא יהיו מספיק מנהלי טכנולוגיה מנוסים, ארכיטקטים מנוסים , מנטורים מנוסים ועוד.
צמצום משרות העובדים הזוטרים\משרות הג'וניור:
מנתונים עדכניים של חברות המחקר עולה, כי הפגיעה בשוק העבודה היא אכן א-סימטרית וממוקדת בדרגי הכניסה (העובדים הזוטרים ביותר).
ממחקרים המבוססים על נתוני שכר שנערכו על ידי אוניברסיטת סטנפורד וגופים פיננסיים עולה, כי נרשמה ירידה של כ-13% עד 20% בהיקף משרות הכניסה בתחומים החשופים ביותר לבינה מלאכותית (כמו למשל פיתוח תוכנה בסיסי).
ממחקר שנערך על ידי גרטנר בקרב ארגונים המטמיעים כלי בינה מלאכותית אוטונומיים עולה, כי כ-80% דיווחו על צמצום מסוים בכוח האדם.
עם זאת, בגרטנר מדגישים כי פיטורים אלו מונעים משיקולי תקציב קצרים ואינם מייצרים את ההחזר על ההשקעה.
יתרה מכך, החוקרים של גרטנר צופים, כי החל משנת 2028, הבינה המלאכותית תייצר יותר משרות מכפי שתעלים. אבל למרות זאת, התהליך אכן פוגע במסלולי הקריירה המסורתיים.
ממחקר של מקינזי עולה, כי יותר מ-60% מהארגונים כבר משלבים סוכני בינה מלאכותית (Agentic AI) בעבודה.
החוקרים של מקינזי מתריעים, כי היעלמותן של משימות שגרתיות מייצרת פער מיומנויות, וממליצים למנהלים לעבור מאימוץ כלי בינה מלאכותית המבוססים על צורך מיידי, לאסטרטגיה ארגונית ארוכת טווח של פיתוח הון אנושי.
מחקרים של PwC: מדד הבינה המלאכותית העולמי של PwC מראה כי משרות הדורשות מיומנויות בינה מלאכותית צומחות בקצב מהיר פי כמה ומניבות פרמיית שכר של עשרות אחוזים.
החוקרים של חברת הייעוץ דלויט מדגישים במחקר על מגמות ההון האנושי, כי הארגונים המצליחים על פני זמן לא יהיו אלו שיעברו הכי מהר לבינה מלאכותית, אלא אלה שישכילו לייצר סינרגיה בין אדם ובינה מלאכותית.
תפקידם של מנהלי משאבי האנוש – להגדיר מחדש את משרת הזוטר\הג'וניור:
ראשית, כדי למנוע את קטיעת שרשרת הדורות (כלומר, כדי לא לאבד את העובדים הזוטרים שעליהם בנויה פירמידת הארגון), על מנהלי משאבי אנוש ומובילים טכנולוגיים להפסיק לבחון עובדים זוטרים לפי כמות העבודה הפשוטה שהם מייצרים (במקרה של חברות הייטק, יש להפסיק למדוד את הג'וניורים לפי כמות שורות הקוד שהם כותבים), ולהגדיר את תפקידם מחדש כמלמדי ומבקרי הבינה המלאכותית.
העובד הזוטר לא צריך להתחיל מאפס כפי שהג'וניור החדש בחברות הייטק אינו כותב קוד מאפס.
אלה גם אלה אמורים להיות מפעילי כלי בינה מלאכותית (כמו סוכני קוד ואוטומציות): לבחון את התוצרים, ולבצע בקרת איכות קפדנית. עליהם לפתח חשיבה ביקורתית מהיום הראשון.
שנית, יש לבנות מסלולי הכשרה מואצים. לאור העובדה שמשימות הסינון והתחזוקה הפשוטות נעלמות, על מנהל משאבי האנוש לבנות 'חממות' (בוטקאמפ) פנים-ארגוניות המלמדות עובדים זוטרים או ג'וניורים לעבוד לצד הבינה המלאכותית (למשל: הנדסת פרומפטים, ניתוח ארכיטקטורה, ואתיקה של מידע).
ולבסוף, יש לבצע הערכת עובדים המבוססת על מיומנויות רכות: החוקרים של גרטנר צופים, כי עד סוף השנה הנוכחית (2026), חצי מהארגונים ידרשו מבחני הסמכה נקיים מבינה מלאכותית, כדי לבחון יכולות פתרון בעיות, תקשורת, ועבודת צוות. אלה הן תכונות שהבינה המלאכותית עדיין לא יכולה להחליף.
הפתרון אינו עצירת הקידמה הטכנולוגית, אלא ההבנה שהעובד הזוטר (או הג'וניור) המצויד בכלי בינה מלאכותית, יכול לייצר ערך של מפתח ותיק (סיניור) תוך זמן קצר בהרבה, כל עוד הארגון מעניק לו את הפלטפורמה וההדרכה הנכונה לצמוח דרכן.
