הטמעת כלי בינה מלאכותית יוצרת הופכת לקראת 2027 לחלק בלתי נפרד משגרת העבודה היומיומית בארגונים.
מציאות זו מציבה בפני מנהלי משאבי אנוש ומנהלי צוותים אתגר מתודולוגי עמוק: איך מודדים פרודוקטיביות ומעריכים ביצועים כאשר חלק ניכר מהעבודה והתכנון, מבוצע בשיתוף פעולה הדוק עם בינה מלאכותית.
מודלים מסורתיים של הערכת עובדים, שנשענו על כמות תוצרים או שעות השקעה, מאבדים רלוונטיות.
כיום, המוקד עובר למדידת איכות השיפוט האנושי, החדשנות והערך העסקי המוסף שמייצר העובד מעל ומעבר ליכולות האלגוריתם.
השפעת הבינה המלאכותית על מדדי הפרודוקטיביות והערכת הביצועים:
זינוק בפרודוקטיביות מול שחיקת איכות:
מחקרים של גרטנר מצביעים על כך שעובדים המשתמשים בכלי בינה מלאכותית יוצרת (GenAI) מציגים עלייה ממוצעת של 25% עד 40% במהירות השלמת משימות שגרתיות.
עם זאת, כ-42% מהמנהלים מדווחים על ירידה באיכות החשיבה הביקורתית ועל עלייה ב'רעש' ארגוני.
כלומר, בתוצרים רבים שנראים מרשימים על פני השטח, אבל חסרים עומק אסטרטגי או דיוק עובדתי.
הפער במודלי ההערכה:
ממחקרים של דלויט עולה, כי יותר מ-70% מהארגונים מעודדים שימוש בכלי בינה מלאכותית.
אבל בה בעת, פחות מ-20% מהם עדכנו את הקריטריונים להערכת ביצועים ותגמול בהתאם.
מצב זה יוצר עיוותים בהערכה, שכן קשה להבחין בין עובד מצטיין לבין עובד בינוני המסתמך על ניסוחים אוטומטיים.
התשואה של שיתוף פעולה בין עובד אנושי לבינה מלאכותית:
ממחקרים של מקינזי עולה, כי הערך העסקי הגבוה ביותר מושג בארגונים המודדים עובדים על בסיס פתרון בעיות מורכבות וחדשנות, ולא על בסיס נפח פעילות.
צוותים שהוגדרו להם מדדי איכות מחמירים לתוצרי בינה מלאכותית רשמו שיפור של כ-30% ברווחיות הפרויקטים.
אם כן, איך ניתן ליצור מתווה להערכת עובדים בעידן הבינה המלאכותית היוצרת.
4 עקרונות מרכזיים לבניית מערכת הערכת ביצועים הוגנת, מדויקת ורלוונטית למציאות העסקית החדשה בישראל ובעולם:
1 מדידת איכות העריכה והבקרה:
יש להעביר את הדגש מהשאלה כמה מהר העובד ייצר את המוצר או השירות, לשאלה איך העובד זיהה הטיות, תיקן הזיות אלגוריתמיות והתאים את התוצר להקשר העסקי והמשפטי של הארגון.
2 הערכת אימפקט עסקי:
יש לזנוח את מדדי התפוקה הכמותיים, לרבות מספר אימיילים, מצגות וכדומה, לטובת מדדי השפעה ממשיים: שביעות רצון לקוחות, קיצור זמני הגעה לשוק, פתרון בעיות רוחב ויצירת ערך חדש.
3 שילוב אוריינות בינה מלאכותית כקריטריון בשיחות המשוב:
יש להעריך את היכולת של העובד לרתום כלי בינה מלאכותית לייעול תהליכי עבודה צוותיים, לשתף פרומפטים מוצלחים עם עמיתים ולהוביל חדשנות תפעולית.
4 הקפדה על שקיפות, הוגנות ופרטיות:
בהיבט המשפטי והאתי, יש להימנע משימוש בכלי ניטור פולשניים המודדים הקלדות או מעקב רציף אחר שימוש בבינה מלאכותית, העלולים לפגוע בפרטיות העובדים בניגוד לדיני העבודה בישראל. יש לבסס את ההערכה על יעדים גלויים ומוסכמים מראש.
בשורה התחתונה, כלי הבינה המלאכותית מעלים את רף הבסיס של התפוקה בארגון, אבל הם אינם מחליפים את המצוינות האנושית.
ארגונים שישכילו לעדכן את מדדי ההערכה שלהם ולתגמל חשיבה ביקורתית, יצירתיות ואחריות אישית על התוצאה הסופית, יבטיחו תרבות ארגונית איכותית, הוגנת ומנצחת.
