Triple Maker

מאמרים · בינה מלאכותית, למידה ועבודה

בינה מלאכותית כמאיץ של למידה מקצועית

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. בסדרה הזו אנחנו מציגים רעיונות מהמחקר על השימוש בכלים האלה בלמידה ובעבודה, ואיך אנחנו מיישמים אותם בקורסים. הסקירה הזו עוסקת באופן שבו כלי בינה מלאכותית עוזרים למי שמתחיל בתחום חדש להגיע מהר יותר לרמה מקצועית.

צמצום הפער בין מתחילים למנוסים

אריק בריניולפסון מאוניברסיטת סטנפורד, דניאל לי ולינדזי ריימונד בדקו 5,172 נציגי תמיכת לקוחות בחברת תוכנה אחת. הנציגים קיבלו בהדרגה כלי בינה מלאכותית שהציע להם תשובות ללקוחות בזמן השיחה. הכלי העלה את מספר הפניות שנפתרו בשעה ב-15% בממוצע. העובדים הפחות מנוסים והפחות מיומנים שיפרו גם את המהירות וגם את האיכות.1

שקד נוי וויטני ז'אנג מ-MIT ערכו ניסוי מקוון עם 453 אנשי מקצוע בעלי השכלה אקדמית בארצות הברית, במשימות כתיבה מקצועיות. מי שקיבל גישה ל-ChatGPT סיים את המשימות ב-40% פחות זמן, והאיכות עלתה ב-18%. הפער בין הכותבים החלשים לחזקים הצטמצם.2

אותה תופעה הופיעה גם בענף אחר לגמרי. קיוגו קנאזאווה ועמיתיו בדקו נהגי מוניות ביפן שקיבלו מערכת שמציעה לנהג לאן לנסוע, לפי הערכה איפה יחכו לו נוסעים. המערכת קיצרה את הזמן שבו הנהגים נסעו בלי נוסע, והפער בתפוקה בין הנהגים המיומנים לפחות מיומנים הצטמצם ב-13.4%.3

גם בעבודה של אנשי מקצוע מנוסים הכלי שיפר את התוצאות. פבריציו דל'אקווה ועמיתיו בדקו 758 יועצים בחברת ייעוץ בינלאומית. במשימות שהכלי מתאים להן, יועצים שעבדו עם GPT-4 השלימו 12.2% יותר משימות, מהר יותר ב-25.1% ובאיכות גבוהה יותר.4

איך זה מיושם בקורסים

מהמחקרים האלה אנחנו לומדים רעיון מרכזי. כלי בינה מלאכותית יכול לקרב את מי שמתחיל לרמה של עמיתים מנוסים, במשימות שהכלי מתאים להן. לכן הקורסים שלנו מלמדים את הנערים לעבוד עם הכלים כעזר למשימה מקצועית, ולזהות מתי הכלי לא מתאים. בקורס הבסיסי יש שיעור שמוקדש לזיהוי טעויות של הכלי.

הקורסים נלמדים בתוך המוסד, בליווי מורה של התוכנית ולפי הסילבוס, בגבולות שהמוסד מגדיר וברשת המסוננת שלו.

מקורות

  1. 1.Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics 140(2): 889-942 (גרסת עבודה קודמת: NBER Working Paper 31161, 2023). קישור
  2. 2.Shakked Noy, Whitney Zhang (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science 381(6654): 187-192. קישור
  3. 3.Kyogo Kanazawa, Daiji Kawaguchi, Hitoshi Shigeoka, Yasutora Watanabe (2025). AI, Skill, and Productivity: The Case of Taxi Drivers. Management Science (גרסת עבודה: NBER w30612, 2022). קישור
  4. 4.Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick, Hila Lifshitz-Assaf, Katherine C. Kellogg, Saran Rajendran, Lisa Krayer, François Candelon, Karim R. Lakhani (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science (מרץ 2026); גרסת עבודה: HBS Working Paper 24-013 / SSRN 4573321, 2023. קישור