יותר כלי AI בארגון לא תמיד מבטיחים עליה בפרודוקטיביות
מאז תחילת מהפכת ה AI אנו שומעים על כך שה AI יביא איתו עידן חדש של פרודוקטיביות ארגונית במקום העבודה. פחות משימות שוחקות, יותר אוטומציה, יותר זמן לחשיבה אסטרטגית, ואולי אפילו יום עבודה יעיל וקצר יותר.

אבל המציאות שמתחילה להתבהר במחקרים ובתוצאות הארגוניות מורכבת יותר. במקום ש AI יפנה זמן ומיקוד, הוא מייצר במקרים רבים שכבה חדשה של דרישות ניהוליות, בקרות, ומעקב אחר החלטות שלא היו קיימים קודם. במילים אחרות, העובדים לא רק עובדים עם AI, הם נדרשים לבקר ולנהל אותו. במקרים רבים נדרש לקרוא ולתקף הרבה מאד מידע ובמקרים אחרים אלו קישורים שלא קיימים לעובדים

המונח החדש שמגדיר את התופעה הוא AI brain fry. מדובר בעייפות מנטלית שנוצרת כאשר עובדים משתמשים בכלי AI רבים או מפקחים עליהם מעבר ליכולת הקוגניטיבית שלהם. במחקר של Harvard Business Review, משתתפים תיארו תחושה של "ערפול" ואפילו "זמזום" בראש, קושי להתרכז, האטה בקבלת החלטות ואפילו צורך פיזי להתרחק מהמחשב כדי להתאפס.

חשוב להבין שלא מדובר רק בעייפות רגילה. זו לא בהכרח שחיקה ארוכת טווח. זו תגובה מיידית לעומס מנטלי מצטבר שנוצר מהשילוב בין ריבוי כלים, פיקוח צמוד והצורך להכריע שוב ושוב אם מה שה AI יצר אכן מדויק, רלוונטי ושימושי.

המחקר חושף - ה AI משנה את אופי העבודה שלנו.
המחקר מחדד נקודה שרובנו מפספסים. הבעיה איננה עצם השימוש ב AI, אלא אופי השימוש. הפעילות המתישה ביותר של עבודה עם AI היא פיקוח. כאשר העובד נדרש לעקוב אחרי כמה כלים, לבדוק פלטים, להשוות תוצרים, לתקן טעויות ולהכריע בין אפשרויות, העומס המנטלי מזנק. במחקר נמצא כי רמות גבוהות של פיקוח על AI נקשרו ל 14 אחוז יותר מאמץ מנטלי, 12 אחוז יותר עייפות מנטלית ו 19 אחוז יותר עומס מידע. במקביל, גם עצם התחושה שה AI הגדיל את עומס העבודה תרמה ישירות לעומס הקוגניטיבי. כלומר, אם AI נוסף מעל העבודה הקיימת במקום להחליף חלק ממנה, הוא עלול להחמיר את המצב.

תובנה חשובה מהמחקר היא כמות הכלים שעובדים מסוגלים להתמודד איתם, לפי המחקר של HBR הפרודוקטיביות עולה כאשר עובדים משתמשים בכלי AI אחד, שניים ואפילו שלושה במקביל. אבל אחרי שלושה כלים, התמונה מתהפכת. בשלב של ארבעה כלים ומעלה, תפיסת הפרודוקטיביות יורדת.



ולכן צריך לשים לב, המשמעות של יותר טכנולוגית AI אינה בהכרח יותר ערך. להפך. ברגע שהעובד עובר למצב של קפיצה בין כלים, התראות, טיוטות, סיכומים ובדיקות, המולטיטסקינג מתחיל לפגוע ביתרון שה AI אמור היה לייצר.
כמובילי הטמעה של AI עלינו לשים לב, ה AI עלול להפוך למקור חדש של רעש ניהולי. עובד או מנהל שמפעיל כמה סוכני AI, מקבל מהם תוצרים במקביל, בודק ניסוחים, מאשר החלטות ומתקן תקלות, לא באמת פנוי למשימות נוספות.
הוא פשוט החליף סוג אחד של עבודה בסוג אחר, לעיתים עבודה שהיא תובענית יותר, כי היא דורשת אחריות שלא לכל עובדים יש את הקישורים להתמודד איתה.

המחיר העסקי של הבעיה אינו תיאורטי.
לפי המחקר, עובדים שחוו AI brain fry דיווחו על 33 אחוז יותר עייפות בקבלת החלטות. הם דיווחו על יותר טעויות, עם עלייה של 11 אחוז בשגיאות קטנות ו 39 אחוז בשגיאות חמורות יותר. בנוסף, 34 אחוז מהעובדים שחוו את התופעה העידו שזה עלול לגרום להם לעזוב את הארגון, לעומת 25 אחוז בקרב מי שלא חוו את התופעה. כמנהלים אנחנו צריכים לשים לב לנתונים הנ"ל כאשר אנו מטמיעים כלי AI. לא מדובר רק בירידה נקודתית בפרודוקטיביות. הנושא משפיע על איכות העבודה, קבלת ההחלטות, שימור הטאלנטים והעלות הארגונית המצטברת של העומס. בסך הכל 7. 14 אחוז ממשתתפי המחקר דיווחו שהם חוו AI brain fry בפועל. השכיחות הגבוהה ביותר נמצאה בתפקידי שיווק, עם 25.9 אחוז, ולאחר מכן בתפעול, הנדסה, פיננסים ו IT. זה חשוב במיוחד לקהל היעד של המאמר הזה



איך בכל זאת מטמיעים את AI בצורה נכונה
המחקר מראה ש AI לא חייב להוביל לעומס מנטלי כאשר משתמשים בו כדי להפחית זמן שמוקדש למשימות שחוזרות על עצם עם חזרתיות גבוהה. במקרים כאלו נרשמה ירידה של 15 אחוז ברמות השחיקה. כלומר כאשר מיישמים את ה AI בתהליכים הנכונים הוא יכול לסייע להפחית את העבודה הסיזיפית, ולהשאיר לנו בני האדם את החשיבה היצירתית. זה ההבדל בין הטמעה חכמה לבין הטמעה מזיקה.
אם AI מחליף חלק מהעומס, הוא עוזר. אם הוא מוסיף שכבת עבודה חדשה, הוא שוחק.

אז איך מטמיעים AI נכון בארגון?

ראשית, מפסיקים למדוד הצלחה לפי כמות השימוש. יותר פרומפטים, יותר סוכנים, יותר אוטומציות ויותר פלטים אינם יעד עסקי. היעד צריך להיות תוצאה. פחות זמן על משימות ידניות, פחות טעויות, החלטות טובות יותר, ושיפור מדיד בביצועים. המחקר מדגיש שאנחנו צריכים לעבור ממדדי פעילות למדדי השפעה. זו הבחנה ניהולית קריטית, כי ברגע שארגון מתגמל אינטנסיביות במקום ערך, העובדים נדחפים בכיוון שמייצר עומס מנטלי מיותר.

שנית, צריך להגדיר ציפיות ברורות. אחד הגורמים שמגבירים את העומס הוא עמימות. כאשר ארגון מדבר בהתלהבות על "עלייה בפרודוקטיביות" אבל לא מסביר מה יקרה בפועל לעומס העבודה, עובדים מפרשים זאת כהודעה סמויה שהם אמורים לעשות יותר, מהר יותר, עם פחות תירוצים. המחקר מצא שכאשר עובדים מרגישים שהארגון מצפה מהם להספיק יותר רק כי יש AI, רמת העייפות המנטלית שלהם עולה. לעומת זאת, כאשר יש אסטרטגיית AI ברורה, אינטגרציה מסודרת של הכלים והכשרה מתאימה, העומס פוחת.

שלישית, המגע האנושי ניהולי חיוני יותר מתמיד. עובדים שמנהלים ענו על שאלותיהם בצורה שקופה לגבי יישום ה AI חוו 15 אחוז פחות עייפות מנטלית. הטמעת AI אינה פרויקט תוכנה, הוא תהליך שינוי ארגוני. הצוות צריך כללים, גבולות, שפה משותפת ויכולת לעצור ולבחון את התרומה של כלי ה AI לעבודה שלהם. מנהל שלא מלווה את תהליך הלמידה, למעשה משאיר את העובד לבד מול עומס חדש שהוא לא מכיר.

רביעית, חייבים לבנות כישורים חדשים. עבודה עם AI באינטנסיביות גובהה דורשת כיום הרבה יותר מהיכולת "לכתוב פרומפט". היא דורשת יכולת לנסח ולמסגר את הבעיה, לתכנן בצורה אנליטית, לחשוב בצורה ביקורתית, לפרק משימה לתתי משימות ולקבל החלטות מתי ה AI תורם או לא תורם לעבודה. אחד הלקחים הבולטים במחקר הוא שעובדים שאימצו את ה AI בצורה מתקדמת עלולים למצוא את עצמם עובדים קשה יותר על ניהול הכלים מאשר על פתרון הבעיה עצמה.

לבסוף, חשוב לזכור שקשב הוא משאב עסקי מוגבל. בעולם שבו AI מסוגל לייצר עוד ועוד תוצרים, האדם הופך למנוע החלטה/הכרעה. דווקא בגלל זה, תשומת לב, ריכוז ויכולת הבחנה נעשים יקרים יותר. ארגון שמגן על הקשב של העובדים שלו, על ידי צמצום עומס, הגדרת גבולות ושימוש חכם בכלים, בונה יתרון תחרותי אמיתי. ארגון שלא עושה זאת עלול לגלות שהוא אומנם אימץ AI מהר, אבל איבד בדרך מיקוד, איכות ושקט ניהולי.