על רקע מציאות ביטחונית מתוחה, עם חשש מהתרעות ואזעקות, קיימנו אתמול (ראשון 8.3.26) ערב מעורר השראה, אותו העבירו 6 נשים מעוררות השראה - וובינר מיוחד לרגל יום האישה הבינלאומי, שאת הקלטתו תמצאו במאמר זה. כל אחת מדוברות הוובינר חיברה בין מה שקורה בשטח, לבין מה שקורה בהנהלות החברות המובילות בארץ ובעולם, לצד עשייה ארגונית ענפה. יש כאן מסר מקצועי חד וברור: עולם ה-AI לא מחפש הייפ או "רעש", אלא עומק, הבנה, יישום ואחריות. ובמובן הזה, ב-LetsAI אף אחד לא מחכה ליום האישה כדי לתת מקום לנשים. הן חלק מוביל ואינטגרלי מהעשייה היומיומית שלנו בתפקידי ניהול, הובלה וחדשנות. הן מובילות תהליכים, מלוות ארגונים והנהלות בכירות, בונות מתודולוגיות, יוצרות תכנים, מלמדות, חוקרות, כותבות ומנסחות מחדש את הדרך שבה טכנולוגיה פוגשת אנשים.
רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.
אפשר גם להרשם לניוזלטר שלנו
מוזמנים לצפות בהקלטת הוובינר המרשים הזה - לא תרצו לפספס את התובנות וההמלצות שעפו שם!
הערך של האירוע הזה לא נבע רק מהרכב הדוברות, אלא מסוג השיחה שנבנתה בו. במקום ערב שמסתפק בסיסמאות על העצמה, נוצר דיון מקצועי על ערך, מחקר, הטמעה, חשיבה ביקורתית, הטיות מגדריות, למידה, קריירה ושינוי ארגוני. כל אחת מהמשתתפות התקרבה ל-AI מכיוון אחר, אבל ביחד נוצרה מפה ברורה: בינה מלאכותית איננה רק כלי לחיסכון בזמן, אלא כוח שמשפיע על האופן שבו ארגונים מקבלים החלטות, משתמשים מנתחים מידע, נשים נכנסות לתחומים טכנולוגיים, תלמידות שואלות שאלות, ומודלים משחזרים (לצערנו) שוב ושוב את ההטיות של העולם הישן.
הנקודה המעניינת באמת היא שהערב לא פחד לשאול שאלות קשות יותר מאשר "מהו כלי ה-AI הכי טוב בשוק". למשל - איזה ערך צריך לייצר? אילו נתונים לא נמדדו כמו שצריך ואיך זה משפיע על נשים? מה קורה כשמאמצים AI מוקדם והופכים ל-Early Adopter? איך נראית הטיה מגדרית כשהיא כבר לא צועקת אלא רק לוחשת? ואיך משתמשים בכלי חכם מבלי לוותר על השריר הביקורתי? זאת כבר לא שיחה על טכנולוגיה במובן הצר - זאת שיחה על כיוון, אחריות ומיומנויות!
מאיה דובובסקי טרגנו, יועצת בכירה ומנהלת חטיבת האנטרפרייז של LetsAI, מייצגת את נקודת המפגש שבין הנהלה, אסטרטגיה ויישום. בתפקידה היא מלווה ארגונים וחברות בתהליכי הטמעת AI, ומביאה איתה גישה מפוכחת שמכירה היטב גם את ההתלהבות, גם את הפחד וגם את הבלבול שנכנסים לחדר בכל פעם שארגון מחליט "לעשות AI" או מבקש "10 קג AI".
מאיה דובובסקי טרגנו - יועצת בכירה ומנהלת חטיבת האנטרפרייז של LetsAI
התפיסה שמובילה את מאיה נשענת על רעיון פשוט אך קריטי: לא מתחילים מכלי, אלא מצורך. לא שואלים קודם איזה מודל לרכוש, אלא איזה תהליך תקוע, איזה צוואר בקבוק מכביד, איפה הארגון מפסיד זמן, ידע או הזדמנות. ברגע שמתחילים מהכאב האמיתי, הדיון הופך להיות ענייני. פתאום AI מפסיק להיות מילה גדולה ומעורפלת, והופך לכלי עבודה. העמדה הזאת חשובה במיוחד בתקופה שבה ארגונים נעים בין FOMO לשיתוק. מצד אחד יש תחושה שכולם כבר בפנים. מצד שני, לא מעט הנהלות עדיין לא יודעות מאיפה נכון להתחיל. הגישה של מאיה אינה לחכות למפת דרכים מושלמת, אלא להתחיל לנוע. תנועה מייצרת תנועה. שימוש ראשוני מייצר שפה. שפה מייצרת מסוגלות. מסוגלות מייצרת שגרה. וכאשר השגרה הזאת מתפתחת בתוך מסגרת ברורה של אבטחת מידע, בקרת איכות וחשיבה תהליכית, אפשר כבר לדבר על שינוי אמיתי.
הגישה הזו מחברת גם בין רמת הפרט לרמת הארגון. עובדים לא אמורים לפגוש AI רק כ"החלטת הנהלה", אלא כמיומנות אישית שכדאי לפתח. ארגונים, מנגד, לא יכולים לבנות על כך שכל עובד ימציא לעצמו שיטה. לכן נדרש שילוב בין סקרנות מלמטה לבין כיוון ברור מלמעלה. במובן הזה, AI איננו יעד. הוא מנגנון שמחזק את כוכב הצפון של הארגון, בתנאי שמישהו מגדיר מראש לאן בכלל רוצים להגיע.
פרופ' טלי תאני-הררי, ראש החוג לתואר שני במנהל עסקים במרכז האקדמי פרס ויועצת אסטרטגית בתחומי השיווק, המיתוג והחדשנות, עוסקת בצומת שבו שפה ניהולית, חשיבה צרכנית והחלטות עסקיות נפגשות. לכן לא מפתיע שהטענה המרכזית שלה נשמעת כמעט כמו תיקון הכרחי לשיח ה-AI העכשווי: הטמעת AI היא תנאי הכרחי, אבל כבר מזמן לא תנאי מספיק.
פרופ' טלי תאני-הררי - ראש החוג לתואר שני במנהל עסקים, המרכז האקדמי פרס.
הבעיה של ארגונים רבים איננה מחסור בטכנולוגיה, אלא עודף גנריות. כולם רוצים להצהיר שהם "ארגון AI" או AI First, אבל לא תמיד ברור מה זה אומר ללקוח, לעובד או לשותף העסקי. כאן נכנסת תפיסת החדשנות מבוססת הערך. במקום להתחיל מהשאלה איזה כלי להטמיע, נכון יותר לשאול איזה ערך חדש אפשר לייצר. האם מדובר בחיסכון בזמן. בהפחתת מורכבות. בהתאמה אישית עמוקה יותר. בחיסכון כספי. במהירות תגובה. ברגע שמגדירים ערך, אפשר להתחיל לבנות אסטרטגיה. ורק אחר כך לבחור את פתרונות ה-AI שישרתו אותה.
הסדר הזה איננו עניין תאורטי. הוא משנה את כל מבנה קבלת ההחלטות. ארגון שמתחיל מהטכנולוגיה עלול לפזר משאבים, לייצר ציפיות רחבות מדי ולסבול מאכזבה כמעט מובטחת. ארגון שמתחיל מהערך, לעומת זאת, בונה מיקוד. והמיקוד הזה עושה שני דברים חשובים במיוחד: הוא מייצר בידול, והוא בונה אמון. יש פה טיעון שנשען גם על הבנה עמוקה של צרכנים. לקוחות מחפשים היום אותנטיות, אמינות, נגישות וחוויה שמרגישה מותאמת אליהם. AI יכול לחזק את כל אלה, אבל הוא גם יכול לפגוע בהם אם משתמשים בו באופן כללי מדי. לכן ההחלטה האסטרטגית אינה להיות טובים בהכול, אלא להיות מדויקים במשהו בעל ערך. בעולם תחרותי ורווי הצהרות, עקביות שווה יותר מהתלהבות.
אורית כהן, פסיכולוגית ארגונית, מרצה ויועצת לארגונים מטעם LetsAI בתחומי ה-AI, הדאטה ומשאבי האנוש, פועלת במקום שבו אנשים, מידע והחלטות נפגשים. הרקע שלה בעולמות ה-People Analytics, ה-HR ותהליכים ארגוניים מאפשר לה לראות לא רק מה הנתונים אומרים, אלא גם את כל מה שהם מפספסים.
אורית כהן - פסיכולוגית ארגונית, מרצה ויועצת לארגונים מטעם LetsAI, בתחומי ה-AI, ה-DATA וה-HR
אחת הטענות המעניינות ביותר של אורית היא שנשים הודרו במשך שנים ממוקדי המחקר, בין היתר משום שהשונות שלהן סומנה כרעש סטטיסטי. זאת הייתה טעות כפולה. גם מחקרית וגם עסקית. ברגע שמודדים נשים בפני עצמן, ולא כסטייה מהתקן הגברי, מתברר שה"רעש" הוא למעשה סיגנל. הדפוסים ברורים יותר. החיזוי מדויק יותר. והיכולת לפתח מוצרים רלוונטיים קופצת מדרגה.
כאן נכנסת תעשיית הפמטק (FemTech), לא כסיסמה, אלא כהמחשה מצוינת לכך שדאטה חסר הוא גם שוק חסר. כאשר המידע הרפואי, ההתנהגותי והפיזיולוגי של נשים מתחיל להיאסף, להתנקות ולהיות מנותח ברצינות, נוצרים מוצרים חדשים, שירותים חדשים וקטגוריות שלא היו קיימות קודם בהיקף הזה. במילים אחרות, ברגע שמפסיקים לחשוב על נשים כחריגות למדד, מתחילים לראות אותן כקהלי יעד שלמים עם צרכים אמיתיים!
המשמעות הרחבה יותר נוגעת לא רק לבריאות נשים. אורית מציעה הסתכלות עקרונית על דאטה: בכל ארגון יש מידע שלא נותח, קבוצות שלא הובחנו, ותובנות שלא הופקו כי איש לא שאל את השאלה הנכונה. עידן ה-AI מאפשר לחקור מחדש את מה שנראה בעבר לא רווחי, לא מדיד או פשוט לא חשוב מספיק. זהו שינוי מחשבתי לא פחות מטכנולוגי.
ומה לגבי אבטחה, פרטיות והגנה על נתונים? כמובילת תחום ה-Data ב-LetsAI אורית מדגישה נקודה מקצועית חשובה ביותר! כדי לעבוד נכון עם נתונים, במיוחד בסביבה ארגונית, צריך להקפיד על הלבנת נתונים, על עבודה עם חשבונות ארגוניים ועל הגנות מתאימות (כמו כיבוי אפשרות אימון המודלים, שמהווה ברירת מחדל ברוב הכלים בשוק, לרבות במנויים בתשלום). בלי פעולות מקדימות אלו, ההתלהבות מהאפשרויות והפוטנציאל שגלום בשימוש ב-AI על ידי נשים וגברים כאחד, עלולה להפוך לסיכון מיותר.
דלית הלדנברג, יזמת, מומחית בינה מלאכותית ואסטרטגיית מוצר, מגיעה עם ניסיון של שני עשורים בהובלת מוצר בהייטק ועם עיסוק יומיומי בהנגשת AI לאנשים ולארגונים. בתוך שוק רווי תחזיות, ההסתכלות שלה בולטת משום שהיא מצליחה להיות גם מפוכחת וגם דוחפת לפעולה.
דלית הלדנברג - יזמת, מומחית בינה מלאכותית ואסטרטגיית מוצר
הטענה המרכזית שלה ברורה: יש רגעים שבהם אימוץ מוקדם מייצר יתרון ממשי, וזה בדיוק אחד מהם. כיום עדיין קיים פער בין מי שכבר בנו לעצמם סביבת עבודה מבוססת AI, לבין מי שעדיין מסתכלים מהצד. הפער הזה לא יישאר פתוח לנצח. בעוד כמה שנים השימוש ב-AI יהיה ברירת מחדל מקצועית, ולא יהיה מיוחד יותר מהשימוש בדואר אלקטרוני או במנוע חיפוש. דווקא משום כך, התקופה הנוכחית חשובה כל כך. מי שלומד עכשיו, טועה עכשיו ובונה הרגלים עכשיו, נהנה מיתרון שקשה יהיה להדביק מאוחר יותר.
הזווית המגדרית כאן מוסיפה שכבה נוספת. מצד אחד, יש פערי אימוץ בין גברים לנשים. מצד שני, קצב האימוץ של נשים מהיר יותר! זאת נקודת פתיחה מעניינת, משום שהיא מצביעה לא על חוסר יכולת, אלא על חסם שניתן לפרוץ. החסם הזה הוא לעיתים קרובות פסיכולוגי, לא טכנולוגי. נשים רבות עדיין חושבות שהתחום "לא בשבילן", שהן צריכות לדעת קוד, או שהן חייבות להגיע בשלות מראש. בפועל, חלק גדול מהלמידה מתרחש תוך כדי תנועה.
מכאן מגיעה גם ההמלצה המעשית: ללמוד באופן קבוע, להקדיש זמן קבוע ביומן, להשקיע במנויי פרימיום שמאפשרים להשיג יותר מכל כלי, ולהתייחס ל-AI כאל סביבת עבודה ולא כאל גימיק מזדמן. ההבדל בין שימוש חינמי וחטוף לבין שימוש מתמשך במודלים מתקדמים הוא לעיתים ההבדל בין צעצוע לכלי עבודה.
לתוך התמונה הזאת נכנסת גם מיומנות בסיס חדשה בעידן האייג'נטלי - וייב קודינג (Vibe Coding), כלומר היכולת לבנות מוצרים, דפי נחיתה, כלים ותהליכים באמצעות שיחה עם מודלים, גם בלי להיות מפתחים מקצועיים. לא כל אדם יהפוך למתכנת, אבל יותר ויותר אנשים יוכלו לבנות לעצמם פתרונות ברמה שלא הייתה נגישה להם בעבר. ובכל זאת, בתוך כל השפע הזה נשארת נקודה אחת שמבחינת דלית חשובה יותר מכולן: אותנטיות. בעולם שבו כולם משתמשים באותם כלים, הקול האישי הופך להיות נכס מקצועי.
רימה פוגץ' שנדלזון, סמנכ"לית קניין רוחני ולשעבר יו"ר אגודת עורכי הפטנטים בישראל, עוסקת כבר שנים בחדשנות, טכנולוגיה, יצירתיות ותהליכי עומק. נקודת המבט שלה על AI חדה במיוחד משום שהיא מתבוננת לא רק במה שהטכנולוגיה יודעת לעשות, אלא גם במה שהיא משמרת בלי שנשים לב.
רימה פוגץ' שנדלזון - סמנכ״לית קניין רוחני ולשעבר יו״ר אגודת עורכי הפטנטים בישראל
הטיות מגדריות במודלי AI אינן תקלה שולית, אלא תוצר ישיר של הדאטה שעליו המערכות אומנו, של השפה שהן סופגות, ושל הייצוגים התרבותיים שהצטברו לאורך שנים ברשת. לכן, כשמודל תמונה מקבל את הפרומפט "סבתא" ומחזיר שוב ושוב דמות כמעט זהה - אישה מבוגרת עם שיער שיבה, לבוש שמרני, מטבח ברקע ותחושה כללית של נוסטלגיה - הוא לא רק מייצר קלישאה ויזואלית. הוא מקבע תפיסה צרה מאוד של נשיות בגיל מבוגר. אותה תופעה הופיעה גם כשהוזן הפרומפט "אישה מדענית": במקום מגוון של נשים מקצועיות, המודלים ייצרו פעם אחר פעם כמעט אותה דמות, כאילו יש תבנית אחת בלבד למי שנחשבת "מדענית". הפער בלט עוד יותר מול המציאות, שבה יזמיות, מהנדסות, חוקרות ורופאות נראות אחרת לגמרי, פועלות אחרת לגמרי, ואינן נכנסות לדימוי האחיד שהמודל למד לשחזר.
הבעיה אינה נעצרת בעולם התמונות. כשמבקשים מהמודל לייצר "הורה" עם ילדים קטנים, ברוב המקרים ברירת המחדל עדיין תהיה אישה, גם כשהמונח עצמו נייטרלי מגדרית. במחקרים אחרים שעלו בהרצאה, מודלים נטו לזהות "דוקטור" כגבר ו"אחות" כאישה, לנסח מכתבי המלצה באופן שונה לגברים ולנשים, ואפילו לשייך מקצועות וסגנונות תקשורת לפי הנחות מגדריות ישנות. גם בניסוי שבו הוזן למודל פרופיל מקצועי מלינקדאין (LinkedIn) בלי שם ובלי מגדר, ברוב המקרים הוא "דמיין" מאחוריו גבר - ולא סתם גבר, אלא אותו טיפוס מוכר של גבר לבן, סמכותי, כמעט גנרי. במילים אחרות, המודל לא רק מייצר דימוי. הוא מחזיר למרכז הבמה היררכיות ישנות, כאילו היו תיאור אובייקטיבי של העולם.
בשנים 2022 ו-2023 ההטיות היו גלויות ובוטות יחסית. היה קל יותר לזהות אותן, מפני שהמודלים ייצרו באופן כמעט קריקטורי חלוקה מגדרית בין מקצועות, תכונות ותפקידים. בשנים 2024 ו-2025 ההטיות נעשו סמויות יותר. המודלים השתפרו, נעשו מנומסים יותר, ולעיתים גם למדו לעקוב טוב יותר אחרי הוראות. אלא שהשיפור הזה לא ביטל את הבעיה. הוא רק הפך אותה לפחות צעקנית ויותר קשה לאיתור. המשמעות הפרקטית של ההטיות האלה רחבה. בעולם העבודה, אלגוריתמים עלולים לקדם משרות "גבריות" לגברים ו"תפקידים נשיים" לנשים. בעולם הרפואי, נתונים חסרים על נשים מעוותים פרשנות. בעולם החזותי, עוזרות דיגיטליות ובוטים מעוצבים לא פעם כדמויות נשיות צייתניות. ובעולם הרשתות והפלטפורמות, גם שינוי קטן בשם, בתמונה או בסגנון הניסוח עשוי להשפיע על חשיפה, נראות וסמכות.
מכאן עולה אחריות כפולה. מצד אחד, האחריות של החברות המפתחות והרגולטורים. מצד שני, האחריות של המשתמשים. מודעות לפרומפטים, דרישה לאיזון, בדיקה של תוצרים, ובחירה מודעת של טקסטים ודימויים הן לא פרטים קטנים. הן חלק מהדרך שבה משנים בפועל את האימון העתידי של המודלים ואת הנורמות שהם ממשיכים להפיץ.
איריס פלד, טכנו-פדגוגית ב-LetsAI ואשת חינוך בעלת ניסיון עשיר בהוראה, בפיזיקה ובהובלת תהליכי למידה, מגיעה לעולם ה-AI מהמקום שבו שאלה טובה שווה לעיתים יותר מתשובה מהירה. לכן המפגש שלה עם בינה מלאכותית איננו רק טכנולוגי, אלא גם חינוכי ועמוק יותר.
איריס פלד - טכנו-פדגוגית ב-LetsAI ואשת חינוך
הטענה המרכזית של איריס אינה נגד AI, אלא נגד שימוש שמנוון את החשיבה. לאורך ההיסטוריה, טכנולוגיה לקחה מאנשים מאמץ פיזי, אחר כך מאמץ קוגניטיבי מסוים, ועכשיו היא כבר מציעה לנסח, לסכם, להסביר, לפתור ולתכנן במקומנו. השאלה איננה האם זה נוח. ברור שזה נוח. השאלה היא מה קורה כאשר הנוחות הופכת להרגל שמחליף בדיקה, ספקנות ושיקול דעת. כאן נכנס הדימוי של AI כגלגלי עזר. גלגלי עזר עוזרים להתחיל, נותנים ביטחון ומאפשרים לצבור תנופה. הם לא אמורים להישאר שם לנצח. באותה מידה, AI יכול להיות מורה פרטי, שותף ללמידה, מגדיל יכולת ומרחיב אופקים. הוא מאפשר לאנשים ללמוד תחומים שלא היו ניגשים אליהם לבד, להבין מושגים מורכבים, ולשאול שוב ושוב בלי לחשוש להישמע לא חכמים מספיק.
דווקא בהקשר הזה בולטת התרומה האפשרית לבנות ולנשים צעירות. במקומות שבהם תלמידות מהססות לשאול בכיתה, סביבה פרטית מול כלי AI יכולה להפוך למרחב בטוח יותר. כאשר אין מבוכה, יש יותר חקירה. כאשר יש יותר חקירה, נבנית יותר מסוגלות. וכאשר המסוגלות הזאת מתורגמת ללמידה עקבית, התוצאות כבר נראות בשטח. ובכל זאת, אסור להתבלבל. הסכנה האמיתית איננה שהמודל יטעה. מודלים תמיד יטעו לפעמים. הסכנה האמיתית היא שהמשתמש יפסיק לבדוק. ברגע שהשריר השיפוטי נרדם, גם תשובה חלקית, מוטה או שגויה עלולה לעבור כאמת רק משום שהיא מנוסחת היטב. לכן הדיון על AI בחינוך ובעבודה חייב לכלול גם יצירתיות, גם חשיבה ביקורתית וגם אומץ להשאיר את המילה האחרונה בידי האדם.
הדבר המרשים באמת באירוע הזה לא היה רק רשימת השמות, אלא היכולת של כל אחת מהמשתתפות לנסח חלק אחר מאותה תמונה רחבה. מאיה חידדה שהטמעה רצינית מתחילה בשאלה נכונה. טלי הזכירה שטכנולוגיה בלי ערך היא מעטפת ריקה. אורית הראתה שנתונים חסרים הם גם עיוורון מקצועי וגם הזדמנות עסקית. דלית סימנה את חלון ההזדמנויות של מי שמוכנים להתחיל עכשיו. רימה חשפה את המקומות שבהם המודלים ממשיכים לייצר עולם ישן בשפה חדשה. איריס החזירה את הדיון לאדם, לחשיבה, ללמידה ולמצפן הפנימי. המשותף לכל הקולות האלה הוא ההבנה ש-AI איננו רק סיפור של כלים, אלא סיפור של בחירות. איך חושבים. מה מודדים. על מה מוותרים. איפה בודקים. מה מאמצים. ואיזה קול רוצים לשמור בתוך עולם שמייצר יותר ויותר תוצרים דומים זה לזה. מי שמחפש מסקנה אחת נוחה כנראה לא ימצא אותה כאן. אבל מי שמחפש תמונה מדויקת יותר של מה שנדרש היום מאנשי מקצוע, ממנהלים, ממחנכות, מיועצות ומארגונים, קיבל בערב הזה חומר רציני למחשבה. ובעידן שבו כולם מדברים על העתיד, לפעמים הדבר המרשים ביותר הוא לפגוש אנשים שכבר עובדים בתוכו.
בואו ללמוד איתנו בינה מלאכותית בקורס המקיף, העשיר והמבוקש בשוק. הצטרפו לאלפים הרבים שכבר עברו את הקורסים והסדנאות שלנו. פרטים והרשמה באתר.
רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.
אפשר גם להרשם לניוזלטר שלנו
רוצים לקבל עדכונים על כל מה שחדש ומעניין בעולם ה-AI? הרשמו לניוזלטר שלנו!
תוצאות נוספות...
תוצאות נוספות...
