Triple Maker

מאמרים · נייר עמדה

הבינה המלאכותית כהזדמנות היסטורית לציבור החרדי

טריפל מייקר מפעיל קורסים במגוון רחב של תחומים, בתוך מסגרות חינוך חרדיות לנוער בסיכון. כל קורס בנוי ממפגש שבועי של שעתיים, לצד הלימודים הרגילים במוסד. הקורסים מבוססים על מודל משולש ההעצמה, שבבסיסו היכולות והיצירתיות של הנער, ובקודקוד העליון הדימוי העצמי שלו, שהוא יעד מרכזי של העבודה. חלק מהקורסים עוסקים בבינה מלאכותית. במאמר הזה אנחנו מציגים את העמדה שלנו, שלפיה הבינה המלאכותית היא ההזדמנות הגדולה ביותר שעמדה עד היום בפני הציבור החרדי. המשמעות שלה רחבה יותר מתחום התעסוקה. בפעם הראשונה, הפער בין מה שאדם למד בדרך לבין מה שהוא צריך לדעת כדי להתקדם אינו חסם קבוע. ידע ומיומנויות שבעבר דרשו שנים של הכשרה פורמלית נגישים היום למי שיודע להגדיר מה הוא מבקש להשיג ולעבוד עם הכלים בשיטתיות. המאמר מציג את המחקר שעליו העמדה הזו נשענת, ואת ההמלצות שלנו למשרדי הממשלה ולמוסדות.

ידע של מומחים בהישג יד

במשך שנים הדרך למקצוע הייתה ארוכה וסגורה. כדי ללמוד תחום חדש היה צריך להתקבל להכשרה, ופעמים רבות כדי להתקבל להכשרה היה צריך להגיע עם רקע לימודי ולעמוד בתנאי קבלה. גם מי שעבר את סף הכניסה והתקבל להכשרה השקיע זמן רב ברכישת המיומנויות הנדרשות, עד שהגיע לרמה מקצועית. הבינה המלאכותית משנה את התנאים האלה. סף הכניסה נמוך היום בהרבה, וגם מי שעדיין לא יודע בדיוק מה הוא מחפש יכול להתחיל ללמוד עם הכלי, למפות את התחום ולהגדיר בהדרגה מה הוא רוצה להשיג. פרופ' דייוויד אוטור מ-MIT כותב שבינה מלאכותית יכולה לאפשר לקבוצה רחבה יותר של עובדים, שיש להם בסיס של ידע מקצועי, לבצע חלק ממשימות קבלת ההחלטות שהיום שמורות למומחים מהשורה הראשונה, ובכך להרחיב את ההשפעה של מומחיות אנושית.1

מחקרים שמדדו את משך העבודה מראים כמה זמן הכלים חוסכים. בניסוי שהוצג בכנס CHI 2025, משתתפים שחיפשו מידע בעזרת מודל שפה סיימו את המשימה בכמחצית מהזמן של חיפוש רגיל באינטרנט, 1.6 דקות לעומת 3.4.2 במחקר שפורסם ב-2025 בכתב העת Annals of Internal Medicine, מודל שפה זיהה כ-98% מהמאמרים הרלוונטיים בשלב סינון התקצירים של סקירות שיטתיות ברפואה. לפי הערכת החוקרים, סינון של 10,000 תקצירים, שדורש מאדם יותר מ-83 שעות, הסתיים בעזרתו בפחות מיום.3 בניסוי עם בני 10 עד 17 בלי ניסיון קודם בכתיבת קוד, מי שעבדו עם כלי שכותב קוד קיבלו ציונים גבוהים פי 1.8 ועבדו בכ-40% פחות זמן, ושבוע אחר כך, בלי הכלי, הצליחו כמו מי שלמדו בלעדיו.4

הורדת סף הכניסה לא באה על חשבון הרמה. המחקרים בשטח מראים שהכלים משפרים את העבודה בפועל, גם באיכות וגם במהירות, ושהעובדים הפחות מנוסים מרוויחים מהם הכי הרבה. אריק בריניולפסון מאוניברסיטת סטנפורד ועמיתיו בדקו 5,172 נציגי שירות לקוחות. עוזר מבוסס בינה מלאכותית העלה את התפוקה שלהם ב-15% בממוצע, והעובדים הפחות מנוסים שיפרו גם את המהירות וגם את האיכות.5 שקד נוי וויטני ז'אנג מ-MIT מצאו שגישה ל-ChatGPT קיצרה משימות כתיבה מקצועיות ב-40% ושיפרה את האיכות שלהן ב-18%, והפער בין העובדים הצטמצם.6 שלושה ניסויי שדה בחברות גדולות, שפורסמו ב-2026 בכתב העת Management Science, בדקו 4,867 מפתחי תוכנה. מפתחים שקיבלו כלי קוד מבוסס בינה מלאכותית השלימו 26% יותר משימות, והמפתחים הפחות מנוסים אימצו את הכלי יותר והרוויחו ממנו יותר.7 במחקר של חוקרים מבית הספר למנהל עסקים של הרווארד בחברת P&G, אדם יחיד שעבד עם בינה מלאכותית הגיע לאיכות של צוות של שניים בלי בינה מלאכותית, ואנשי המקצוע שעבדו עם הכלי הציעו פתרונות מאוזנים יותר, בלי קשר לתחום המקצועי שממנו הגיעו.8

למידה עם בינה מלאכותית בכל גיל

הבינה המלאכותית היא גם מורה. מטא-אנליזה שפורסמה ב-2026, על 35 ניסויים, מצאה שלמידה בעזרת ChatGPT שיפרה את תוצאות הלמידה, גם במיומנויות חשיבה וגם במוטיבציה, בעניין ובמעורבות בלמידה. ההשפעה הייתה הגדולה ביותר בתוכניות שנמשכו יותר משלושה חודשים, ובהוראה מסורתית שבה המורה מוביל את השיעור, יותר מאשר בשיטות הוראה חדשניות.9 בהרווארד, גרגורי קסטין ועמיתיו מצאו שסטודנטים שלמדו חומר חדש עם מורה ממוחשב שנבנה לפי עקרונות של הוראה טובה למדו יותר, וגם בפחות זמן, מאשר בשיעור פעיל בכיתה.10 גם השימוש בפועל מראה שאנשים לומדים ועובדים יחד עם הכלים. לפי מדד של חברת Anthropic מינואר 2026, 52% מהשיחות עם הכלי שלה הן שיתוף פעולה, כלומר למידה, בדיקה של עבודה וחזרה ושיפור משותפים, ולא העברה של משימה לביצוע.11

ההזדמנות הזו לא שמורה לצעירים. ניסוי מבוקר מ-2026 בדק 1,174 מבוגרים בני 25 עד 45. בלי בינה מלאכותית, בעלי ההשכלה הגבוהה הצליחו במשימה הרבה יותר מבעלי ההשכלה הנמוכה. עם בינה מלאכותית נסגרו כשלושה רבעים מהפער בין שתי הקבוצות.12 בציבור החרדי זו מקפצה לכולם, ובמיוחד למבוגרים שכבר עובדים ומבקשים להתקדם, גם כשחסרים להם התעודות והתארים שבדרך כלל נדרשים לקידום.

המיומנות שקובעת בשוק העבודה

כשהידע זמין לכולם, מה שמבדיל בין אדם לאדם הוא האופן שבו הוא חושב. לב טנקלביץ' מ-Microsoft Research ועמיתיו מסבירים שעבודה עם בינה מלאכותית דורשת מודעות מדויקת למטרה, יכולת לפרק משימה לחלקים קטנים, יכולת להעריך את מה שהכלי מחזיר וגמישות לשנות כיוון. לפי הסקירה שלהם, הבדל מרכזי בין מומחים למתחילים הוא גישה מפורשת לבחינת דרישות המשימה.13 לכן אנחנו סבורים שחדות, דיוק, יסודיות ומיקוד שווים היום יותר מכל ידע קודם.

שוק העבודה כבר מתגמל את המיומנות הזו. מחקר מאוניברסיטת אוקספורד, שניתח כ-11 מיליון מודעות דרושים בבריטניה, מצא שבתפקידים שקשורים לבינה מלאכותית ירדה הדרישה לתואר אקדמי ב-15%, ושמיומנויות בינה מלאכותית מקבלות פרמיית שכר של 23%, יותר מהערך של כל תואר עד רמת הדוקטורט.14 בדוח "עתיד המשרות" של הפורום הכלכלי העולמי לשנת 2025, 48% מהמעסיקים מתכוונים לבחון מיומנויות ישירות, ו"בינה מלאכותית וביג דאטה" מובילה את רשימת המיומנויות שהביקוש להן גדל הכי מהר.15 בחברות שעברו לגיוס לפי מיומנויות, עובדים בלי תואר שנקלטו לתפקידים שדרשו בעבר תואר נשארו בעבודה אחרי שנתיים בשיעור של 58%, לעומת 48% אצל בעלי התואר, וקיבלו העלאת שכר של כ-25% לעומת התפקיד הקודם שלהם.16

קצב ההתקדמות של הכלים

הכלים מתקדמים בקצב שאין לו תקדים. מחקר של מכון METR, שהוצג בכנס NeurIPS 2025, מצא שאורך המשימות שסוכני בינה מלאכותית מסוגלים להשלים מוכפל בערך כל שבעה חודשים מאז 2019.17 לפי מדד הבינה המלאכותית של אוניברסיטת סטנפורד לשנת 2026, שיעור ההצלחה של סוכנים במשימות אמיתיות במחשב עלה מ-12% לכ-66%, ובארצות הברית הגיע השימוש בבינה מלאכותית יוצרת ל-53% מבני 18 עד 64 בתוך שלוש שנים, מהר יותר מהמחשב האישי ומהאינטרנט.18 לפי המדד של השנה הקודמת, המחיר של שימוש במודל ברמת GPT-3.5 ירד ביותר מפי 280 בתוך כשנתיים.19

המשמעות מבחינתנו היא שכל אדם יכול היום לחקור לעומק כל נושא שמעניין אותו, ברמה שבעבר הייתה שמורה לחוקרים ולמומחים, ולהפעיל סוכנים שמבצעים משימות בפועל. מי שיודע מה הוא רוצה להשיג יכול להתמקצע בכל תחום.

בינה מלאכותית בישראל

התוכנית הלאומית לבינה מלאכותית של משרד ראש הממשלה, שאושרה בממשלה ב-2026, קובעת ש"קבוצת המיישמים", מי שנעזרים בבינה מלאכותית בעבודה ובחיי היום יום, "מכילה למעשה כמעט את כל אוכלוסיית ישראל". לפי התוכנית, יש ללמד מיליוני אזרחים לעבוד עם בינה מלאכותית, ממערכת החינוך ועד שוק העבודה.20 בהייטק הישראלי השינוי כבר כאן. לפי סקר של מכון מאיירס-ג'וינט-ברוקדייל עבור רשות החדשנות, 95% מעובדי ההייטק משתמשים בכלי בינה מלאכותית מדי יום או מדי שבוע, ו-67.8% רואים בהם במידה רבה הזדמנות להתפתחות תעסוקתית.21

שילוב החרדים בתעסוקה

לפי דוח ההתקדמות של הוועדה להגדלת ההון האנושי בהייטק, מספר הגברים החרדים במשרות טכנולוגיות עלה מ-5,410 ב-2021 ל-8,466 ב-2025, ומספר הנשים החרדיות עלה מ-9,175 ל-13,804. לפי אותו דוח, כ-13% מעובדי ההייטק נכנסו לתעשייה דרך הכשרה שאינה אקדמית, והכשרות כאלה מסייעות במיוחד לשילוב של אוכלוסיות שמיוצגות בהייטק בחסר, ובהן נשים חרדיות.22

השילוב של הציבור החרדי בעבודה הוא גם שאלה לאומית. הממשלה הציבה יעד של 65% תעסוקה בקרב גברים חרדים ב-2030, לעומת 55.8% במחצית 2023, תוך התמקדות בהכשרות מקצועיות בגיל צעיר ובהשתלבות בענפים עתירי שכר.23 לפי דוח של ה-OECD מ-2025, בתרחיש שבו הציבור החרדי והציבור הערבי משתלבים בהדרגה בשוק העבודה, התוצר לנפש בישראל ב-2065 גבוה ב-8% מתרחיש הבסיס וב-12% מתרחיש שבו הפערים הנוכחיים נשמרים, וההבדל נובע בעיקר מהשתלבות הגברים החרדים.24

העמדה שלנו

מהמחקרים עולה תמונה ברורה. הכלים החדשים מנגישים לקהל רחב יותר ידע שהיה שמור למומחים, הם תורמים הכי הרבה למי שמגיע עם פחות ניסיון, הם משפרים את הלמידה ומצמצמים את היתרון של בעלי ההשכלה הגבוהה גם אצל מבוגרים, והמעסיקים משלמים על מיומנות בבינה מלאכותית יותר מאשר על רוב התארים. בעבר, מי שלא עבר הכשרה אקדמית פתח בעמדת נחיתות. היום הכלים פותחים דרך נוספת, ומה שקובע יותר ויותר הוא היכולת לחשוב בבהירות ולעבוד איתם.

לכן אנחנו רואים בבינה המלאכותית הזדמנות היסטורית לציבור החרדי. היא פתוחה לנער שעוד לומד ולמבוגר שכבר עובד, והיא פתוחה עכשיו, בזמן שהשוק עדיין לומד לעבוד עם הכלים. מי שמתחיל ללמוד היום יכול להגיע לשוק העבודה עם המיומנות שהמעסיקים מחפשים.

המלצות

ההמלצות מופנות למשרדי הממשלה שאחראים על יעדי התעסוקה ועל ההכשרות המקצועיות, ולמוסדות החינוך החרדיים.

  • להביא את הלימוד של עבודה עם בינה מלאכותית אל תוך המסגרות החרדיות, כחלק מהשגרה שלהן ובהתאם לגבולות שהן מגדירות, ולא לחכות שהנערים ייצאו מהן כדי ללמוד.
  • ללמד שימוש מובנה, בליווי של מורה, שבו הלומד מגדיר את המטרה, מפרק את המשימה ובודק את מה שהכלי מחזיר. אלה המיומנויות שהמחקר מזהה כקובעות.
  • לפתוח הכשרות קצרות ומעשיות גם למבוגרים בציבור החרדי, בתוך הקהילה, כדי שגם מי שכבר בשוק העבודה ייהנה מההזדמנות.
  • לשלב את ההוראה של עבודה עם בינה מלאכותית בתוכניות שנועדו לעמוד ביעדי התעסוקה הלאומיים ל-2030, כחלק מרכזי מהן.

איך טריפל מייקר מיישם את זה

הקורסים של טריפל מייקר נלמדים בתוך המוסד ובהתאם לגבולות שלו, לפי הסילבוס, ברשת המסוננת ובליווי מורה של התוכנית. הם מלמדים את הנערים לעבוד עם הכלים כעזר למשימה מקצועית, לבדוק את מה שהכלי מציע ולחשוב בעצמם.

מקורות

  1. 1.David Autor (2024). Applying AI to Rebuild Middle Class Jobs. NBER Working Paper 32140 (פברואר 2024). קישור
  2. 2.Sofia Eleni Spatharioti, David Rothschild, Daniel G. Goldstein, Jake M. Hofman (Microsoft Research) (2025). Effects of LLM-based Search on Decision Making: Speed, Accuracy, and Overreliance. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25), Yokohama, ACM. כנס שפיט. קישור
  3. 3.Christian Cao, Jason Sang, Rohit Arora, David Chen, Robert Kloosterman, Matthew Cecere, Jaswanth Gorla, Richard Saleh, Ian Drennan, Bijan Teja, Michael Fehlings, Paul Ronksley, Alexander A. Leung, Dany E. Weisz, Harriet Ware, Mairead Whelan, David B. Emerson, Rahul K. Arora, Niklas Bobrovitz (2025). Development of Prompt Templates for Large Language Model-Driven Screening in Systematic Reviews. Annals of Internal Medicine, כרך 178, גיליון 3, עמ' 389-401 (מרץ 2025). כתב עת שפיט. קישור
  4. 4.Majeed Kazemitabaar, Justin Chow, Carl Ka To Ma, Barbara J. Ericson, David Weintrop, Tovi Grossman (2023). Studying the effect of AI Code Generators on Supporting Novice Learners in Introductory Programming. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (CHI '23), Hamburg, ACM. כנס שפיט. קישור
  5. 5.Erik Brynjolfsson, Danielle Li, Lindsey Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics 140(2): 889-942. קישור
  6. 6.Shakked Noy, Whitney Zhang (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science 381(6654): 187-192. קישור
  7. 7.Kevin Zheyuan Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng, Tobias Salz (2026). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Management Science (פורסם ברשת 27.2.2026). קישור
  8. 8.Fabrizio Dell'Acqua, Charles Ayoubi, Hila Lifshitz, Raffaella Sadun, Ethan Mollick, Lilach Mollick, Yi Han, Jeff Goldman, Hari Nair, Stewart Taub, Karim R. Lakhani (2026). The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork. Organization Science, כרך 37, גיליון 4, עמ' 1217-1242 (יולי 2026). כתב עת שפיט. גרסה קודמת: NBER Working Paper 33641 (אפריל 2025), "The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise", https://doi.org/10.3386/w33641. קישור
  9. 9.Xinning Wu, Pei Zhu, Jinliang Zhang, Mengwei Yin, Yingxi Wang (2026). ChatGPT's impact on student learning outcomes: a meta-analysis of 35 experimental studies. Humanities and Social Sciences Communications 13: 684 (מרץ 2026). קישור
  10. 10.Gregory Kestin, Kelly Miller, Anna Klales, Timothy Milbourne, Gregorio Ponti (2025). AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports 15: 17458 (יוני 2025). קישור
  11. 11.Anthropic Economic Research team (2026). Anthropic Economic Index report: Economic primitives. Anthropic, 15 בינואר 2026 (נתוני נובמבר 2025). קישור
  12. 12.Guillermo Cruces, Diego Fernández Meijide, Sebastian Galiani, Ramiro H. Gálvez, María Lombardi (2026). Does Generative AI Narrow Education-Based Productivity Gaps? Evidence from a Randomized Experiment. NBER Working Paper 34851 (פברואר 2026, עודכן מאי 2026); גם CEPR DP21299 ו-arXiv 2608.04198 (אוגוסט 2026). קישור
  13. 13.Lev Tankelevitch, Viktor Kewenig, Auste Simkute, Ava Elizabeth Scott, Advait Sarkar, Abigail Sellen, Sean Rintel (2024). The Metacognitive Demands and Opportunities of Generative AI. Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI 2024), עמ' 1-24. קישור
  14. 14.Matthew Bone, Eugenia González Ehlinger, Fabian Stephany (2025). Skills or degree? The rise of skill-based hiring for AI and green jobs. Technological Forecasting and Social Change 214: 124042. קישור
  15. 15.World Economic Forum (2025). Future of Jobs Report 2025. World Economic Forum, ינואר 2025. קישור
  16. 16.Matt Sigelman, Joseph Fuller, Alex Martin (2024). Skills-Based Hiring: The Long Road from Pronouncements to Practice. Burning Glass Institute בשיתוף Harvard Business School Project on Managing the Future of Work, פברואר 2024. קישור
  17. 17.Thomas Kwa, Ben West, Joel Becker, Amy Deng, Katharyn Garcia, Max Hasin, Sami Jawhar, Megan Kinniment, Nate Rush, Sydney Von Arx, Ryan Bloom, Thomas Broadley, Haoxing Du, Brian Goodrich, Nikola Jurkovic, Luke Harold Miles, Seraphina Nix, Tao Lin, Chris Painter, Neev Parikh, David Rein, Lucas Jun Koba Sato, Hjalmar Wijk, Daniel M. Ziegler, Elizabeth Barnes, Lawrence Chan (2025). Measuring AI Ability to Complete Long Software Tasks (בגרסה הראשונה: Measuring AI Ability to Complete Long Tasks). Advances in Neural Information Processing Systems 38 (NeurIPS 2025), עמ' 102382-102435; arXiv 2503.14499v4 (יולי 2026). קישור
  18. 18.Stanford Institute for Human-Centered Artificial Intelligence (AI Index Steering Committee) (2026). Artificial Intelligence Index Report 2026. Stanford HAI, 2026. קישור
  19. 19.Stanford Institute for Human-Centered Artificial Intelligence (AI Index Steering Committee) (2025). Artificial Intelligence Index Report 2025. Stanford HAI, 2025. קישור
  20. 20.National AI Directorate, Prime Minister's Office (Israel) (2026). התכנית הלאומית להאצת בינה מלאכותית וביסוס מובילות גלובלית: כיווני פעולה. מסמך ממשלתי רשמי (אוגוסט 2026); התכנית אושרה בממשלה ב-16.6.2026. קישור
  21. 21.Myers-JDC-Brookdale Institute; Israel Innovation Authority (2025). The Impact of Generative AI on Employment and Occupations in the High-Tech Industry. רשות החדשנות, נובמבר 2025. קישור
  22. 22.The Committee for Increasing Human Capital in High-Tech (Israel) (2026). מצב ההון האנושי בהייטק בשנת 2025: דוח התקדמות 2025. דוח ממשלתי (הקובץ נוצר במרץ 2026). קישור
  23. 23.Knesset Research and Information Center (Natan Sheva); Committee for Promoting Employment towards 2030 (Ministry of Labor, Aug. 2020); Government Decision 198 (1.8.2021) (2023). שינוי בשיעורי התעסוקה בשנים 2014-2023 (סקירה כלכלית). הכנסת, מרכז המחקר והמידע, 14 באוגוסט 2023. קישור
  24. 24.OECD (prepared by Zeev Krill and Jakob Brunnengräber) (2025). Long-Term Spending Projections in Israel. OECD Publishing, Paris, אוקטובר 2025. קישור