מאמרים · נייר עמדה
החשיבה העצמאית של הלומד כבסיס לעבודה עם בינה מלאכותית
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. שניים מהקורסים, "בניית אתרים" ו"יצירת סוכני AI", מלמדים נערים לעבוד עם סוכני בינה מלאכותית. בשנים האחרונות הפכה הבינה המלאכותית לחלק משגרת חיינו, ממשימות בעבודה, דרך עזרה בלימודים ועד מטלות היום-יום. בתוך שנתיים היא עברה ממענה על שאלות לביצוע עצמאי של משימות ארוכות ומורכבות. סוכן AI מקבל היום משימה, מתכנן אותה, מבצע, בודק את התוצאה ומתקן את מה שצריך. כך הוא משלים בשעות או בימים עבודה שאדם או צוות היו משקיעים בה שבועות ואף חודשים 1, 2, 3. עד היום החסם העיקרי, שהגביל כמעט כל פרויקט, היה תהליך הביצוע, כלומר הזמן והמיומנות שנדרשו כדי להוציא רעיון לפועל. המגבלה הזו הולכת ונעלמת. כשהביצוע נעשה זמין לכל אחד, הדגש המרכזי עובר ליכולת להחליט מה נכון לעשות, להגדיר במדויק מה רוצים לקבל, ולזהות מתי התוצאה שגויה גם כשהיא נראית משכנעת. מכאן עולה השאלה הרחבה שהטכנולוגיה מעוררת. מה מקומו של האדם בעבודה שהמכונה יכולה לבצע כמעט כולה, ממשימה של כמה דקות ועד פרויקט שלם?
העמדה שלנו היא שהביצוע עובר למכונה, והאדם הופך לאסטרטג של העבודה. ככל שהסוכן עובד זמן רב יותר לבד, כך גדל הנזק מהגדרה עמומה, כי טעות בהגדרה משפיעה על כל שלבי העבודה ולעיתים מתגלה רק בסופה. את התפקיד של האדם אי אפשר למלא בלי חשיבה עצמאית שנשענת על ידע אמיתי בתחום. בלעדיה המכונה קובעת את הכיוון, והאדם רק מאשר אותו. כאן נמצא הפרדוקס. ככל שהמכונה יודעת לעשות יותר, קל יותר לתת לה לחשוב במקומנו, ודווקא אז החשיבה העצמאית נחוצה ביותר. לכן החשיבה העצמאית של הלומד היא הבסיס לעבודה עם בינה מלאכותית, ואת הבסיס הזה צריך לבנות מוקדם, לפני שההרגל להעביר את החשיבה למכונה מתקבע. המאמר מבסס את העמדה בארבעה צעדים. ככל שהמכונה חזקה יותר, ההגדרה שלפני הביצוע מכריעה יותר. לדעת מה רוצים זו יכולת נרכשת. כדי לשפוט את המכונה צריך ידע, ודווקא עכשיו קשה יותר לרכוש אותו. וחשיבה עצמאית מול מכונה דורשת ביטחון עצמי, והביטחון הזה הוא נקודת החיבור למודל משולש ההעצמה. בסוף המאמר מופיעות ההמלצות שלנו למשרדי הממשלה ולמוסדות, ודוגמאות מהקורסים של טריפל מייקר.
היקף העבודה שהמכונה מבצעת לבד
אחד המדדים המקובלים ליכולת של סוכנים הוא "אופק המשימה" של מכון METR. המדד בודק כמה גדולה המשימה שסוכן מסוגל להשלים לבד, וגודל המשימה נמדד לפי הזמן שהיא לוקחת למומחה אנושי. המכון קבע לכל אחת מכ-230 משימות תוכנה ומחקר כמה זמן היא לוקחת למומחה, נתן את אותן משימות לסוכנים, ובדק עד איזה אורך משימה הסוכן מצליח בחצי מהמקרים. במדידה של 2026, המודל המוביל הצליח במשימות שלוקחות למומחה כ-17.4 שעות, כלומר כשני ימי עבודה של אדם. מאז 2023 האורך הזה מוכפל בערך כל ארבעה חודשים 4. METR מציין שמדידות מעל 16 שעות עדיין אינן מדויקות, כי אין במאגר המשימות שלו משימות ארוכות מ-30 שעות 4, 5. דיווחים מהשטח מראים עבודה בהיקף גדול בהרבה.
ב-2026 דיווחה Anthropic על סוכן שבנה מאפס, בתוך כמה ימים, תוכנה לחישובים בקוסמולוגיה שתוצאותיה סטו בפחות מאחוז מתוצאות תוכנת הייחוס בתחום. לפי הדיווח, מאמצים דומים של קבוצות מומחים נמשכים בדרך כלל חודשים עד שנים של זמן חוקרים 2. במערכת Kosmos של חברת Edison Scientific, ריצה אחת של עד 12 שעות קוראת כ-1,500 מאמרים ומריצה בממוצע כ-42,000 שורות קוד. החוקרים ששיתפו איתה פעולה דיווחו שריצה מלאה שקולה בממוצע לשישה חודשים של זמן המחקר שלהם, ומדענים בלתי תלויים מצאו ש-79.4% מהקביעות בדוחות שלה מדויקות (מחקר שעוד לא עבר ביקורת עמיתים) 3.
בפיתוח תוכנה ההיקף דומה. ניקולס קרליני מ-Anthropic הפעיל 16 סוכנים במקביל, בלי התערבות אנושית פעילה, ובתוך שבועיים הם כתבו מאפס קומפיילר לשפת C בהיקף של כ-100,000 שורות, שמסוגל לבנות את ליבת Linux 6. חברת Cursor דיווחה על סוכנים שעבדו לבד 36 שעות על בניית פלטפורמת צ'אט ו-30 שעות על אפליקציה לנייד, ומשתמש אחד תיאר משימה של 52 שעות שבסופה קיבל כ-151,000 שורות קוד 7. בהשקת Claude Opus 5.5 בספטמבר 2026 דיווחה Anthropic על משתמש בגרסה המוקדמת שהשלים בפחות מיום הסבה של 680,000 שורות קוד, עבודה שלפי הערכתו הייתה לוקחת לצוות מהנדסים שבועות 1. לפי דיווח משני של אתר The Neuron, צוות ב-OpenAI פיתח במשך חמישה חודשים מוצר של כמיליון שורות קוד שכולן נכתבו בידי סוכנים. המהנדסים עצמם בנו את המבנה, הכללים והבדיקות שבתוכם הסוכנים עבדו 8.
היכולת הזו חורגת מתכנות. מערכת The AI Scientist של Sakana AI מקבלת כיוון מחקר כללי, מעלה רעיונות, מריצה ניסויים וכותבת מאמר שלם. מאמר שהמערכת כתבה בעצמה קיבל ציון 6.33 בביקורת העמיתים של סדנה בכנס ICLR 2025, גבוה מהציון של 55% מהמאמרים שכתבו בני אדם 9. בעריכת וידאו, הסוכן של Adobe מרכיב מתוך מקטעים גולמיים גרסה ערוכה ראשונה, שבנויה סביב הדיבור או הקריינות, לפי תיאור של התוצאה הרצויה 10. בהאקתון של יום אחד באוניברסיטה ציבורית בברזיל, כמעט כל תשעת הצוותים של 31 הסטודנטים, כולל צוותים עם סטודנטים שאינם לומדים מדעי המחשב, הציגו בתוך כתשע שעות אב טיפוס עובד, עם תקלות, שנבנה בהנחיות בשפה טבעית 11. לפי מדד הבינה המלאכותית של אוניברסיטת סטנפורד לשנת 2026, שיעור ההצלחה של סוכנים במבחן OSWorld, שבודק משימות מחשב אמיתיות, עלה מ-12% לכ-66% 12.
הכלכלה של השיפוט
הכלכלנים אג'יי אגראוול, ג'ושוע גאנס ואבי גולדפרב מחלקים כל החלטה לשני רכיבים, חיזוי ושיפוט. לפי הניתוח שלהם, הבינה המלאכותית מוזילה את החיזוי, והשיפוט נדרש בכל מקום שבו אי אפשר לקודד מראש מה רוצים להשיג ומה חשוב 13, 14. כשרכיב אחד נעשה זול, עולה הערך של הרכיב שמשלים אותו. מודל כלכלי שפרסמו ב-2026 כריסטיאן קטליני ועמיתיו מחיל את ההיגיון הזה על העבודה עצמה. לפי המודל, כשהעלות של ביצוע משימות שאפשר למדוד את תוצאתן מתקרבת לאפס, המגבלה העיקרית עוברת ליכולת של בני אדם לאמת את התוצאות. המחברים צופים מבנה שבו בני אדם מגדירים את הכוונה, מכונות מבצעות, ובני אדם מאמתים את התוצאה ולוקחים עליה אחריות (מאמר שעוד לא עבר ביקורת עמיתים) 15.
הנתונים מהשוק מראים את אותו כיוון. במחקר GDPval של OpenAI, אנשי מקצוע עם ותק ממוצע של 14 שנה כתבו 1,320 משימות אמיתיות מ-44 מקצועות, ומשימה ממוצעת לוקחת למומחה כשבע שעות עבודה. בהשוואה עיוורת של 220 משימות, התוצר של המודל הטוב ביותר, Claude Opus 4.1, היה טוב לפחות כמו התוצר של המומחה ב-47.6% מהמקרים. אם מודדים רק את זמן הביצוע, GPT-5 מסיים משימה כזו מהר פי 90 ממומחה, כלומר בדקות במקום בשעות, ובעלות נמוכה פי 474. אבל את התוצר צריך לבדוק. כשהחוקרים הוסיפו להערכה שלהם את הזמן שהמומחה משקיע כדי לבדוק את התוצר, לתקן אותו ולפעמים לבצע את המשימה בעצמו, העבודה כולה הסתיימה מהר רק פי 1.12 עד 1.39, כלומר בחיסכון של כ-11% עד 28% מהזמן (מחקר שעוד לא עבר ביקורת עמיתים) 16. כמעט כל הזמן שנשאר הוא הזמן של האדם שבודק ומחליט. זו בדיוק המגבלה שקטליני ועמיתיו תיארו, ומי שיודע לשפוט את התוצר הוא שקובע כמה מהר העבודה מסתיימת.
בני אדם כבר מעבירים לכלים משימות שלמות. במדד הכלכלי של Anthropic מינואר 2026, שבדק בקשות של עסקים מנובמבר 2025, כשלושה רבעים מהשימוש העסקי היו אוטומציה, ו-64% מהבקשות היו הוראות להשלמת משימה שלמה 17. בסקר של מיקרוסופט ולינקדאין בקרב כ-31,000 עובדי ידע ב-31 מדינות, בעלי תפקידי הנהלה צופים שבתוך חמש שנים הצוותים שלהם יאמנו סוכנים (41%) וינהלו אותם (36%) 18. ב-GitHub מתארים את השינוי בפיתוח תוכנה כמעבר למצב שבו הכוונה של המפתח היא הבסיס הקובע לעבודה, והתפקיד שלו כולל גם לכוון וגם לאמת 19. חברת Adobe כותבת שהיוצרים קובעים את החזון ומקבלים את ההחלטות, ו-85% מהיוצרים שנסקרו הסכימו שההחלטה היצירתית הסופית צריכה להישאר שלהם 10. ניהול סוכנים הולך ונעשה מיומנות עבודה, ומי שמנהל אותם מגדיר מה ייעשה ושופט את מה שהתקבל.
ניסוי של Anthropic ו-Andon Labs מראה מה קורה כשגם השיפוט מועבר למכונה. סוכנים ניהלו במשך כמה חודשים עסקים אמיתיים של מכונות מכירה אוטומטיות בסן פרנסיסקו, בניו יורק ובלונדון. כשהוצב מעליהם סוכן "מנכ"ל" מאותו מודל, הוא אישר בקשות להקלות כספיות ללקוחות, כמו הנחות והחזרים, פי שמונה בערך מאלה שדחה, והכותבים סיכמו שהוא לא היה המנהל הנכון לעסק 20.
הרגע שלפני הביצוע
עבודה ארוכה של סוכן צוברת טעויות. מחקר שהוצג בכנס ICLR 2026, שבדק מודלי שפה במשימות ביצוע ארוכות ומבוקרות, מצא שהדיוק יורד מצעד לצעד, ושמודלים טועים יותר כשהטעויות הקודמות שלהם מופיעות בטקסט שהם ממשיכים ממנו 21. טובי אורד ניתח את תוצאות METR ומצא שלסוכן יש שיעור כישלון קבוע לכל דקה של עבודה אנושית במשימה, ולכן סיכויי ההצלחה יורדים מהר עם אורך המשימה 22. חלק גדול מהכשלים מתחיל בהגדרה. במחקר שהוצג בכנס NeurIPS 2025, מרט צ'מרי ועמיתיו מאוניברסיטת ברקלי ניתחו יותר מ-1,600 מסלולי עבודה של מערכות מרובות סוכנים, ומצאו ש-44.2% מהכשלים שייכים לקטגוריה שהחוקרים מייחסים להחלטות שהתקבלו עוד לפני תחילת העבודה, בתכנון המערכת ובהוראות שבהן הוגדרה המשימה, ובכלל זה הוראות חלקיות או עמומות. ב-12.4% מהכשלים הסוכנים לא זיהו מתי המשימה הסתיימה, כלומר לא היה להם קריטריון ברור לסיום 23. תנאי סיום מוגדר היטב הוא חלק מהאחריות של מי שמגדיר את המשימה. מהנדסי Anthropic תיארו את התוצאה בפועל. סוכן יחיד שקיבל תיאור של משפטים ספורים עבד 20 דקות ובנה משחק שלא הגיב לפקודות. כשסוכן מתכנן הפך את אותו תיאור לאפיון של 16 תכונות, הבנייה נמשכה שש שעות והמשחק עבד. לדבריהם, טעויות באפיון עוברות הלאה לכל שלבי המימוש 24. בניסוי אחר של החברה, סוכנים שלא קיבלו הגדרה מלאה של התוצאה הכריזו על סיום העבודה מוקדם מדי. הפתרון היה קובץ דרישות של יותר מ-200 תכונות שנכתב בתחילת הדרך, כדי שלסוכנים הבאים תהיה תמונה ברורה של עבודה גמורה 25.
החברות שמפתחות את הכלים מתכננות אותם כך שיתמכו בשלב ההגדרה. OpenAI כותבת על GPT-5.6 Sol שהוא עלול לחתור למטרה שקיבל עד כדי פעולות שהמשתמש לא התכוון אליהן, וממליצה לפקח על GPT-5.6 כשהוא עובד כסוכן קוד לאורך זמן 26. ב-Cursor בנו את הסוכנים שעובדים שעות ארוכות ברצף כך שהם מציעים תוכנית ומחכים לאישור לפני הביצוע 7. בדיווח על סוכן הקוסמולוגיה, Anthropic ממליצה שהאדם יקדיש את רוב הזמן שלו לכתיבת ההוראות, עם מטרות ומדדי הצלחה ברורים 2. הקושי הוא שהסוכנים לא תמיד מזהים שחסר להם מידע. חוקרים מאוניברסיטת קרנגי מלון נתנו לסוכני קוד גרסה עמומה של משימות תכנות אמיתיות (המחקר הוצג ב-ICLR 2026). הסוכנים התקשו להבחין בין הוראה מלאה להוראה חסרה, וכשקיבלו את המידע החסר, הביצועים שלהם השתפרו בעד 74% 27. גם כשהמודל משלים לבד את מה שחסר, התוצאה לא יציבה. חוקרים מקרנגי מלון בדקו הנחיות שמפתחים כותבים לאפליקציות מבוססות מודלי שפה, ומצאו שהמודלים משלימים בעצמם דרישות שלא נכתבו ב-41.1% מהמקרים, אבל הסיכוי שהביצועים של הנחיות שחסרות בהן דרישות ייפגעו כשמחליפים מודל או משנים את ההנחיה גבוה פי שניים (מחקר שעוד לא עבר ביקורת עמיתים) 28. לכן ההגדרה המפורשת נשארת באחריות האדם, גם כשנראה שהכלי מבין לבד.
לדעת מה רוצים
כדי להגדיר לסוכן מה לעשות, צריך קודם לדעת מה רוצים, וזה לא תמיד קל. לעיתים קרובות אדם ניגש למשימה עם תחושה כללית בלבד, ואת התמונה הברורה של התוצאה צריך לבנות במחשבה מכוונת, לפני שמפעילים את הכלי. שרה ליכטנשטיין ופול סלוביק סיכמו עשרות שנים של מחקר על קבלת החלטות בקביעה שבמצבים רבים אנשים לא יודעים מראש מה הם מעדיפים, ובונים את ההעדפה תוך כדי קבלת ההחלטה 29. המחקר הקלאסי של ג'ייקוב גטזלס ומיהאי צ'יקסנטמיהאי על סטודנטים לאומנות בשיקגו מצא שמי שהקדישו יותר זמן לבחון את החפצים שקיבלו ולנסח את הבעיה לפני שציירו, יצרו עבודות ששופטים מומחים דירגו כטובות ומקוריות יותר 30. אוגוז אקאר, פרופסור לשיווק וחדשנות, טוען במאמר דעה ב-Harvard Business Review שהמיומנות שתישאר רלוונטית לאורך זמן היא ניסוח הבעיה, כלומר לזהות את הבעיה, לנתח אותה ולקבוע את הגבולות שלה לפני שמפעילים את הכלי. לדבריו, ניסוח הנחיות לכלי עשוי להיות מיומנות חולפת, כי הוא משתנה עם כל מודל חדש 31. אדווין לוק וגארי לת'ם סיכמו 35 שנות מחקר עם יותר מ-40,000 משתתפים, ומצאו שמטרות ספציפיות הובילו בעקביות לביצועים טובים יותר מהוראה כללית לעשות כמיטב היכולת. לפי גודל ההבדל שהם מדווחים, האדם הממוצע שקיבל מטרה ספציפית הצליח יותר מכ-66% עד 79% מאלה שקיבלו את ההוראה "תעשה כמיטב יכולתך". לדבריהם, מטרה ספציפית מצמצמת את העמימות לגבי מה צריך להשיג 32. במטא-אנליזה של 94 מבחנים, פיטר גולוויצר ופסקל שירן מצאו שתכנון מראש של מתי, איפה ואיך לפעול שיפר את השגת המטרות. לפי גודל ההבדל שהם מדווחים, מי שתכנן מראש הצליח יותר מכ-74% ממי שרק הציב לעצמו מטרה 33. הגדרת מטרה ותכנון הם מיומנויות שאפשר להנחות ולתרגל, ולדעתנו אותו תרגול משרת גם את מי שמגדיר משימה לסוכן.
הכלים לא פותרים את הקושי הזה. ג'יי סיימון ויוהנס זיברט השוו מטרות ארגוניות שניסחו ארבעה מודלים מובילים למטרות שניסחו אנליסטים מקצועיים. כל מטרה של המודלים הייתה סבירה, אבל ברשימות היו חוסרים וכפילויות, והן כללו אמצעים במקום מטרות יסוד. בלשונם, הבינה המלאכותית יודעת למנות מה עשוי להיות חשוב, ועדיין לא יודעת להבחין מה חשוב באמת. כשאדם הנחה את התהליך, בהנחיה מובנית ובסבבים של ביקורת ותיקון, הרשימות יצאו ממוקדות וקוהרנטיות יותר 34. גם אנשים בלי הכשרה מתקשים. במחקר של חוקרים מאוניברסיטת ברקלי ועמיתיהם, עשרה משתתפים עם ניסיון מועט או בלי ניסיון בכתיבת הנחיות ניסו הנחיות כפי שעלו להם, בלי שיטה 35. לדעתנו, בחשיבה שלפני הביצוע יש לאדם ההשפעה הגדולה ביותר על התוצאה. ההשפעה הזו גדלה עם משך העבודה של הסוכנים, ולכן צריך ללמד ולתרגל את החשיבה הזו.
פרדוקס המומחיות
כדי לבדוק את מה שהמכונה הפיקה צריך ידע בתחום. ב-1983 תיארה ליסאן ביינברידג' את מה שכינתה "האירוניות של האוטומציה". המפעיל שמפקח על מערכת אוטומטית צריך מיומנות שנבנית רק מעבודה ישירה, והאוטומציה לוקחת ממנו את החלקים הקלים של העבודה, ואיתם את התרגול. ביינברידג' כתבה שהמפעילים הוותיקים נשענים על מיומנויות שרכשו בעבודה ידנית, ושאי אפשר לצפות שלדורות הבאים יהיו אותן מיומנויות. לכן, לדבריה, המערכות המוצלחות ביותר עשויות לדרוש את ההשקעה הגדולה ביותר בהכשרת האדם 36. חוקרי מיקרוסופט טענו ב-2024, בסקירה של מחקרי גורמי אנוש, שהאירוניות האלה חלות גם על בינה מלאכותית יוצרת, שמעבירה את המשתמש מעשייה להערכה 37.
הממצאים העדכניים מראים שהמשימות הפשוטות, שבהן מתחילים למדו את המקצוע, עוברות למכונה. מאט בין מאוניברסיטת קליפורניה בסנטה ברברה חקר במשך יותר מעשור עבודה עם רובוטים ובינה מלאכותית. הוא מצא, בדומה למחקרים ביותר משלושים מקצועות, שהמומחים מפיקים עם הכלים תפוקה גדולה יותר על חשבון ההשתתפות של המתחילים, וזה חוסם את התפתחות המיומנות שלהם. בניתוחים רובוטיים, לדבריו, המתמחה נעשה מיותר ולעיתים קרובות רק צופה מעמדה אחרת 38. בנתוני שכר של מיליוני עובדים בארצות הברית, התעסוקה של בני 22 עד 25 במקצועות החשופים לבינה מלאכותית נמוכה ב-19% ממה שהייתה אילו התפתחה כמו אצל עמיתיהם במקצועות אחרים, ואצל עובדים מנוסים אין פער דומה. החוקרים, אריק בריניולפסון ועמיתיו מסטנפורד, מציגים את הממצא כמתאם 39. בנתוני קורות חיים של 65 מיליון עובדים בארצות הברית, התעסוקה של עובדים זוטרים בחברות שאימצו בינה מלאכותית יוצרת ירדה בכ-9% אחרי שישה רבעונים ביחס לחברות אחרות, ותעסוקת הוותיקים לא השתנתה. החוקרים מצאו גם שמשימות החשופות לבינה מלאכותית מוסרות בהדרגה ממודעות הדרושים לתפקידים זוטרים 40.
ידע בתחום מקטין את הנזק מטעויות של המכונה. בניסוי עם 27 רדיולוגים שקראו 50 צילומי סקר לגילוי סרטן, כשמערכת בינה מלאכותית הציעה סיווג נכון, חסרי הניסיון צדקו בכמעט 80% מהמקרים, וכשהציעה סיווג שגוי הדיוק שלהם ירד לפחות מ-20%. אצל המנוסים הדיוק ירד מ-82% ל-45.5%. כולם הושפעו, והמנוסים הושפעו פחות 41. קשה גם לדעת מראש מתי הכלי יטעה. פבריציו דל'אקווה ועמיתיו חילקו באקראי 758 יועצים של חברת BCG לעבודה עם GPT-4 או בלעדיו (Organization Science, 2026). החוקרים מכנים את קו היכולות של הכלי "גבול טכנולוגי משונן". ב-18 משימות שבתוך הגבול, המשתמשים בכלי השלימו 12.2% יותר משימות, מהר יותר ב-25.1% ובאיכות גבוהה יותר במידה מובהקת. במשימה ניהולית מורכבת שמחוץ לגבול, הסיכוי של המשתמשים בכלי להגיע לפתרון נכון היה נמוך ב-19% מזה של מי שעבדו בלי הכלי 42. לדעתנו, בלי ידע בתחום אי אפשר לזהות באיזה צד של הגבול נמצאת המשימה. בסקר של 162 אנשים שבונים תוכנה בשיטת Vibe Coding, כלומר בשיחה עם בינה מלאכותית, מתכנתים ושאינם מתכנתים, נמצא שהיכולת להעריך את התוכנה, לאתר בה תקלות ולוודא שהיא תקינה תלויה בניסיון. לדברי החוקרים, הגישה ליצירת תוכנה התרחבה, אבל היכולת לבדוק אותה לא התרחבה באותה מידה (מחקר שעוד לא עבר ביקורת עמיתים) 43. התוצרים מראים כמה הבדיקה הזו נחוצה. בבדיקה של 200 אפליקציות שנבנו כך ופורסמו לציבור, ב-91% נמצאה לפחות חולשת אבטחה אחת (מחקר שעוד לא עבר ביקורת עמיתים) 44. חוקר הקוגניציה דניאל וילינגהם כתב שתהליכי החשיבה שזורים בידע בתחום, ושבלי ידע רקע ותרגול תלמידים כנראה לא יצליחו להפעיל חשיבה ביקורתית 45.
זה פרדוקס המומחיות. הפיקוח על המכונה דורש ידע, והמשימות שדרכן אנשים רכשו את הידע הזה עוברות למכונה. מי שמעביר אליה את החשיבה מגיל צעיר לא בונה את הידע שבעזרתו ישפוט אותה. לכן ניתוח והבנה של התחום עדיין נחוצים, וצריך להתחיל ללמד אותם בגיל צעיר.
כשהמכונה חושבת במקומנו
בעבודה, התוצר הוא המטרה. בלמידה המטרה היא היכולת של הלומד, והתוצר הוא רק אמצעי לבנות אותה, ולכן לדעתנו בלמידה הסיכון בהעברת החשיבה לכלי גדול עוד יותר. כשהלומד מעביר את החשיבה לכלי, הביצוע משתפר והלמידה נפגעת. בניסוי שדה עם כמעט 1,000 תלמידי תיכון במתמטיקה בטורקיה, תלמידים שתרגלו עם ממשק דומה ל-ChatGPT שיפרו את הציונים בתרגול ב-48%, ובמבחן בלי הכלי קיבלו ציון נמוך ב-17% מקבוצת הביקורת. גרסה שתוכננה לשמור על הלמידה כמעט ביטלה את הפגיעה 46. בניסוי אקראי עם 120 סטודנטים, מי שלמדו בעזרת ChatGPT ענו נכון על 57.5% מהשאלות במבחן פתע 45 יום אחר כך, לעומת 68.5% אצל מי שלמדו בדרך הרגילה 47. בניסוי אקראי של יז'ואו פאן ועמיתיו עם 117 סטודנטים שכתבו חיבור, קבוצת ChatGPT שיפרה יותר את ציון החיבור, אבל לא נמצא הבדל מובהק ברכישת הידע ובהעברתו. החוקרים מזהירים שהכלי עלול לעודד "עצלות מטא-קוגניטיבית", כלומר שהלומד יפנה שוב ושוב לכלי במקום לתכנן, לעקוב ולהעריך בעצמו את הלמידה שלו 48. בניסוי של חוקרי Anthropic עם 52 מהנדסי תוכנה, רובם בתחילת דרכם המקצועית, שלמדו ספריית קוד חדשה, קבוצת הבינה המלאכותית קיבלה במבחן הבנה 50% לעומת 67% בקבוצה שעבדה לבד (מחקר שעוד לא עבר ביקורת עמיתים) 49. גם לדרך השימוש היה קשר לציון. מי שהשתמשו בכלי רק לשאלות על המושגים ופתרו את השגיאות בעצמם קיבלו בממוצע 65% ומעלה, ומי שהעבירו לו את העבודה קיבלו בממוצע פחות מ-40% 49. דוח של OECD מ-2026 מסכם שהשלמת משימה בעזרת בינה מלאכותית יוצרת לא מביאה בהכרח ללמידה, ושהיתרון נוטה להיעלם ואף להתהפך כשהכלי כבר לא זמין 50.
שימוש שנשען על הכלי קשור גם לחשיבה ביקורתית מועטה יותר ולבדיקה מועטה יותר. בסקר של האו-פינג לי ועמיתיו ממיקרוסופט ומאוניברסיטת קרנגי מלון, שכלל 319 עובדי ידע ו-936 דוגמאות מהעבודה שלהם, ביטחון גבוה יותר ביכולת של הכלי היה קשור לפחות חשיבה ביקורתית 51. במחקר של מייקל גרליך על 666 משתתפים נמצא קשר שלילי בין שימוש תדיר בכלי בינה מלאכותית לבין יכולות חשיבה ביקורתית, וצעירים הראו תלות גבוהה יותר וציונים נמוכים יותר 52. גם מומחים נוטים לקבל את מה שהכלי קובע. בניסוי אקראי עם 1,339 מורים ביוון, שקיבלו לבדיקה ציון ששובש בכוונה, המורים נטו יותר להשאיר ציון נוקשה מדי כשהוא סומן כציון של בינה מלאכותית, לעומת מצב שבו סומן כציון של עמית. ההיענות לכלי הייתה החזקה ביותר אצל מורים צעירים, אצל בעלי תואר שני ומעלה ואצל בעלי אוריינות טכנולוגית גבוהה 53. אנחנו מסיקים מכך שהשכלה ואוריינות טכנולוגית לבדן לא מחליפות חשיבה עצמאית. בניתוח של 9,830 שיחות שערכה Anthropic, בשיחות שבהן הכלי הפיק תוצר מוגמר, המשתמשים בדקו את העובדות ב-5.5% מהשיחות בלבד, לעומת 9.2% בשיחות שבהן לא הופק תוצר כזה. הם גם ערערו פחות על הנימוק של הכלי 54. ובמחקר בארבעה מרכזים רפואיים בפולין, 19 רופאים מנוסים מאוד גילו פחות גידולים טרום סרטניים בבדיקות שעשו בלי בינה מלאכותית בתקופה שאחרי הכנסת הכלי לשגרה (מחקר תצפיתי). שיעור הגילוי שלהם ירד מ-28.4% ל-22.4% 55.
בניסוי שדה אקראי בקניה, שפורסם ב-Management Science ב-2026, יזמים קטנים קיבלו מנטור עסקי מבוסס GPT-4 בוואטסאפ. לא נמצאה השפעה ממוצעת מובהקת, אבל בעלי הביצועים הגבוהים בתחילת הניסוי השתפרו כנראה ביותר מ-15%, ובעלי הביצועים הנמוכים נפגעו בכמעט 10%. כולם קיבלו עצות דומות, וההבדל נבע מהעצות שכל אחד בחר ליישם 56. המשמעות מבחינתנו היא שהכלי מגדיל את ההבדלים בין מי שעובד איתו נכון לבין מי שלא. מי שחושב בעצמו, שואל ובודק מרוויח ממנו, וההפך קורה למי שמעביר לו את החשיבה. בניסוי בהרווארד עם 194 סטודנטים לפיזיקה, מורה מבוסס בינה מלאכותית שתוכנן לפי עקרונות הוראה והוביל את הסטודנט שלב אחרי שלב הביא ללמידה רבה יותר בזמן קצר יותר 57.
העמדה שלנו
לדעתנו, החשיבה העצמאית שהעבודה עם סוכנים דורשת בנויה מפעולות מוגדרות, ואפשר לפרט אותן. לב טנקלביץ' ועמיתיו מ-Microsoft Research תיארו ב-2024, בסקירה שהוצגה בכנס CHI, את הדרישות שהעבודה עם בינה מלאכותית יוצרת מטילה על המשתמש. לפי הסקירה, המשתמש צריך לעקוב אחרי החשיבה שלו ולכוון אותה. הוא צריך להיות מודע למטרות המשימה, לפרק אותה לחלקים, להעריך נכון עד כמה הוא מסוגל לשפוט את התוצר, ולהיות גמיש מספיק כדי לשנות את דרך העבודה 58. בעבודה עם סוכנים האדם הוא האסטרטג והאדריכל של העבודה, ולכן אנחנו מרחיבים את הרשימה הזו לשבע פעולות.
- לברר ולהבין מה רוצים, גם כשהרצון עוד לא מגובש.
- לנסח תכלית ומצב סיום שהסוכן יכול לפעול לפיהם.
- לבחור דרך מתוך כמה אפשרויות.
- לפרק את העבודה לחלקים, לכוון את הסוכנים שמבצעים אותם, ולהחליט אילו חלקים הלומד עושה בעצמו כי הוא עוד צריך ללמוד אותם.
- לעקוב אחרי הכיוון תוך כדי העבודה, לזהות מתי היא סוטה ממה שהוגדר ולתקן אותה.
- לחבר את החלקים לשלם אחד.
- לשפוט את התוצאה מול מה שהוגדר בהתחלה.
הפעולה החמישית נחוצה כי בדיקה רק בסוף העבודה לא מספיקה. חוקרים מקרנגי מלון ומסטנפורד השוו סוכנים לאנשי מקצוע במשימות עבודה מרובות שלבים מכמה תחומי עיסוק. הסוכנים סיפקו תוצאות מהר יותר ב-88.3% ובעלות נמוכה ב-90.4% עד 96.2%, אבל איכות העבודה שלהם הייתה נמוכה יותר, ולעיתים קרובות הם כיסו על חסרים בתוצר בעזרת נתונים בדויים ושימוש לא נכון בכלים (מחקר שעוד לא עבר ביקורת עמיתים) 59. כל אחת מהפעולות האלה נשענת על ידע והבנה של התחום, ולכן הלימוד של התחום עצמו נשאר חלק מרכזי בהכנה לעבודה עם הכלים.
לחשיבה עצמאית יש תנאי נוסף, ביטחון עצמי. מכונה עונה ברהיטות ובביטחון, ומי שעובד מולה צריך להיות מוכן לחלוק עליה. טנקלביץ' ועמיתיו כותבים שהערכת התוצר של הכלי דורשת מהמשתמש ביטחון שתואם את המומחיות שלו 58. בסקר של לי ועמיתיו, ביטחון של העובד ביכולת שלו לבצע את המשימה ולהעריך את תשובות הכלי היה קשור ליותר חשיבה ביקורתית 51. בניסוי עם 100 משתתפים שפתרו חידות שחמט בעזרת בינה מלאכותית, הביטחון של המשתתפים בעצמם הוא שניבא אם יקבלו את ההצעה של הכלי, והביטחון שלהם בכלי לא ניבא זאת. משתתפים רבים האשימו את עצמם בטעויות של הכלי, איבדו ביטחון עצמי והמשיכו להסתמך על כלי שביצועיו היו גרועים 60. בניסוי של טוד לוקאס ועמיתיו, כשבעיות מתמטיקה נעשו קשות יותר אנשים נטו יותר לאמץ תשובות שגויות של אחרים, ומי שהאמינו ביכולת המתמטית שלהם שמרו על עצמאות רבה יותר מהאחרים גם בבעיות הקשות 61.
הביטחון צריך להתאים ליכולת. במחקר של שואי מא ועמיתיו, עם 94 משתתפים במשימת חיזוי, ביטחון עצמי שלא תאם את היכולת בפועל היה קשור גם להסתמכות יתר על הכלי וגם להסתמכות מועטה מדי עליו 62. הרגל של עצירה עוזר גם הוא. בניסוי עם 342 סטודנטים בסין, הנחיה קצרה לעצור ולחשוב לפני התשובה הסופית הורידה את שיעור הקבלה של עצות שגויות של ChatGPT מ-62.4% ל-39.7% 63. בניסוי מקוון עם 199 משתתפים, ממשקים שעיכבו את הצגת ההמלצה של הכלי או ביקשו מהמשתמשים להחליט לפני שראו אותה הפחיתו את ההסתמכות היתרה עליו 64. אבל המשתתפים לא אהבו אותם. הממשק שהכי הצליח להפחית את ההסתמכות על הכלי הוא גם זה שהמשתתפים דירגו הכי נמוך. כלומר, מה שעוזר לאדם לחשוב בעצמו הוא דווקא מה שאנשים מעדיפים לוותר עליו, ולכן צריך לשלב אותו בהוראה, כי לבד הלומד כנראה לא יבחר בו.
הממצאים האלה מתחברים למודל משולש ההעצמה. המחקרים שהוצגו כאן מדדו ביטחון של אדם ביכולת שלו לבצע משימה מסוימת, ובמודל שלנו זו תחושת המסוגלות. היא בונה את היכולות שבבסיס המשולש, וחוויות ההצלחה שנצברות על גביה בונות לאורך זמן את הדימוי העצמי שבקודקוד העליון. אנחנו מסיקים מהמחקר שנער שפיתח תחושת מסוגלות מתוך הצלחות אמיתיות מוכן יותר לחלוק על המכונה, לבדוק אותה ולהחליט בעצמו, ושלאורך זמן ההצלחות האלה מחזקות גם את הדימוי העצמי שלו. לכן העבודה על תחושת המסוגלות ועל הדימוי העצמי של הנער היא חלק מההכנה שלו לעבודה עם הכלים. בקורסים אנחנו עובדים הרבה בגישת החשיבה המתפתחת של קרול דווק, ודרכה אנחנו בונים את הביטחון הזה.
יש גם סיבה להתחיל מוקדם. בסקר של גרליך, הצעירים היו התלויים ביותר בכלים 52, והניסוי בתיכונים בטורקיה הראה שהפגיעה בלמידה מופיעה כבר בגיל בית הספר 46. אנחנו רוצים שההרגל הראשון של הנער מול הכלי יהיה לחשוב בעצמו.
המלצות למשרדי ממשלה ולמוסדות
ההמלצות מופנות למשרדי הממשלה שאחראים על חינוך, תעסוקה והכשרה מקצועית, ולמוסדות החינוך החרדיים. הן מתיישבות עם מסגרת אוריינות הבינה המלאכותית לבתי ספר שפרסמו ב-2026 הנציבות האירופית ו-OECD, שבה הלומד מעריך אם לקבל תוצר של הכלי, לערוך אותו או לדחות אותו 65.
- ללמד הגדרת מטרה לפני הפעלת כלי. בכל משימה שבה לומד עובד עם בינה מלאכותית, הוא כותב קודם מה הוא רוצה להשיג, מה ייחשב תוצאה גמורה ואיך יבדוק אותה.
- לבנות שלב אימות קבוע בכל משימה. הלומד משווה את התוצר למטרה שכתב ולמקורות, ומסביר במילים שלו מה בדק ומה מצא.
- ללמד את התחום עצמו לצד הכלים. ידע והבנה בתחום הם מה שמאפשר לשפוט את התוצר, ולכן הכשרה בכלי צריכה לכלול גם את היסודות של התחום שבו עובדים.
- לבחור תרגילים שבהם הלומד חושב לפני שהוא רואה את התשובה של הכלי. בניסויים, עצירה לחשיבה עצמאית הפחיתה את הקבלה של עצות שגויות 63, 64.
- להשקיע בביטחון העצמי ובתחושת המסוגלות של הלומדים כחלק מההכשרה, דרך עבודה מעשית והצלחות שהלומד משיג בעצמו.
- להתחיל בגיל הנעורים, כשההרגלים מול הכלי עוד נבנים. הלימוד מתקיים בתוך המסגרות הקיימות ובגבולות שלהן, עם מורה קבוע.
- להעריך תוכניות לפי היכולת של הלומדים להגדיר מטרה ולשפוט תוצר. השלמת משימה בעזרת הכלי לא מעידה בהכרח על למידה 50.
איך זה נראה בטריפל מייקר
בקורסים של טריפל מייקר, ההגדרה שלפני הביצוע והשיפוט שאחריו הם חלק קבוע מהסילבוס. בקורס "בניית אתרים" הנער כותב מסמך אפיון לפני שהוא פונה לכלי, ובודק את תוכנית הבנייה מול האפיון. בסוף הבנייה הוא בודק כל אפשרות באתר, מתאר לכלי כל תקלה ובודק שוב אחרי התיקון. בקורס "יצירת סוכני AI" הוא מגדיר לסוכן מטרה ותנאי סיום, ובונה שלב שבו הסוכן משווה את התוצאה להוראות ולמקורות לפני שהוא מציג אותה. בכל קורס הנער צובר הצלחות קטנות שהוא משיג בעצמו, ומהן נבנה הביטחון לעמוד מאחורי ההחלטות שלו.
סיכום
סוכני בינה מלאכותית כבר מבצעים עבודה שלמה, והיקף העבודה שהם מבצעים לבד ממשיך לגדול. האדם נשאר האסטרטג של העבודה. הוא מחליט מה לעשות, מגדיר את היעד ושופט את התוצאה, וכל אלה נשענים על חשיבה עצמאית ועל ידע, ועל ביטחון עצמי שנבנה מהצלחות אמיתיות. לכן ההכנה של נערים לעבודה עם בינה מלאכותית צריכה להתחיל בחשיבה העצמאית שלהם ובבניית תחושת המסוגלות והדימוי העצמי שלהם, כבר בגיל הנעורים ובתוך המסגרות שבהן הם לומדים.
מקורות
- 1.Anthropic (2026). Claude Opus 5.5 (model announcement). Anthropic news (company report). קישור
- 2.Siddharth Mishra-Sharma (Anthropic Discovery team) (2026). Long-running Claude for scientific computing. Anthropic news post (company report). קישור
- 3.Ludovico Mitchener, ..., Andrew D. White (37 authors) (2025). Kosmos: An AI Scientist for Autonomous Discovery. arXiv preprint 2511.02824. קישור
- 4.METR (2026). Task-Completion Time Horizons of Frontier AI Models (tracker, Time Horizon 1.1 data). METR website + raw data file benchmark_results_1_1.yaml. קישור
- 5.Alexander Barry (METR) (2026). Impact of modelling assumptions on time horizon results. METR research note. קישור
- 6.Nicholas Carlini (2026). Building a C compiler with a team of parallel Claudes. Anthropic Engineering Blog (דיווח חברה). קישור
- 7.Cursor (Anysphere) (2026). Expanding our long-running agents research preview. Cursor blog (company report). קישור
- 8.Grant Harvey (The Neuron), reporting on OpenAI's harness-engineering case (Ryan Lopopolo, OpenAI) (2026). OpenAI's Harness Engineering Playbook: How to Ship 1M Lines of Code Without Writing Any. The Neuron (secondary report on an OpenAI case). קישור
- 9.Sakana AI with UBC, Vector Institute and University of Oxford (incl. Jeff Clune, Jakob Foerster) (2026). The AI Scientist: Towards Fully Automated AI Research (Nature publication announcement). Sakana AI blog; paper in Nature (open access, s41586-026-10265-5). קישור
- 10.Adobe (2026). Adobe Unveils Major Expansion of Creative Agent Across Firefly and Creative Cloud Apps Including Photoshop and Premiere. Adobe press release (company report). קישור
- 11.Kiev Gama, Filipe Calegario, Victoria Jackson, Alexander Nolte, Luiz Augusto Morais, Vinicius Garcia (2025). "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding. arXiv 2512.02750; התקבל ל-ICSE 2026 SEET. קישור
- 12.Stanford Institute for Human-Centered AI (2026). The 2026 AI Index Report. Stanford HAI. קישור
- 13.Ajay Agrawal, Joshua S. Gans, Avi Goldfarb (2019). Exploring the Impact of Artificial Intelligence: Prediction versus Judgment. Information Economics and Policy (2019), doi:10.1016/j.infoecopol.2019.05.001; NBER WP 24626 (2018). קישור
- 14.Ajay Agrawal, Joshua Gans, Avi Goldfarb (2022). Power and Prediction: The Disruptive Economics of Artificial Intelligence. Harvard Business Review Press (book). קישור
- 15.Christian Catalini, Xiang Hui, Jane Wu (2026). Some Simple Economics of AGI. arXiv preprint 2602.20946 (econ.GN); also on SSRN. קישור
- 16.Tejal Patwardhan, Rachel Dias, Elizabeth Proehl, et al. (19 authors) (2025). GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks. arXiv:2510.04374 (OpenAI). קישור
- 17.Anthropic Economic Research (2026). Anthropic Economic Index report (January 2026). Anthropic (company report). קישור
- 18.Microsoft WorkLab (2025). 2025: The Year the Frontier Firm Is Born. Microsoft Work Trend Index (דוח חברה). קישור
- 19.Den Delimarsky (GitHub) (2025). Spec-driven development with AI: Get started with a new open source toolkit. GitHub Blog. קישור
- 20.Anthropic Frontier Red Team; Andon Labs (2025). Project Vend: Phase two. Anthropic news (company report). קישור
- 21.Akshit Sinha, Arvindh Arun, Shashwat Goel, Steffen Staab, Jonas Geiping (2026). The Illusion of Diminishing Returns: Measuring Long Horizon Execution in LLMs. ICLR 2026 (arXiv 2509.09677). קישור
- 22.Toby Ord (2025). Is there a half-life for the success rates of AI agents?. arXiv preprint 2505.05115. קישור
- 23.Mert Cemri, Melissa Z. Pan, Shuyi Yang, ... Matei Zaharia, Joseph E. Gonzalez, Ion Stoica (13 authors) (2025). Why Do Multi-Agent LLM Systems Fail?. NeurIPS 2025 (Spotlight); open version arXiv:2503.13657. קישור
- 24.Prithvi Rajasekaran (Anthropic Labs) (2026). Harness design for long-running application development. Anthropic Engineering blog. קישור
- 25.Justin Young (Anthropic) (2025). Effective harnesses for long-running agents. Anthropic Engineering blog. קישור
- 26.OpenAI (2026). GPT-5.6 System Card. OpenAI Deployment Safety Hub (company report). קישור
- 27.Sanidhya Vijayvargiya, Xuhui Zhou, Akhila Yerukola, Maarten Sap, Graham Neubig (2026). Ambig-SWE: Interactive Agents to Overcome Underspecificity in Software Engineering. ICLR 2026 (arXiv 2502.13069). קישור
- 28.Chenyang Yang, Yike Shi, Qianou Ma, Michael Xieyang Liu, Christian Kästner, Tongshuang Wu (2025). What Prompts Don't Say: Understanding and Managing Underspecification in LLM Prompts. arXiv:2505.13360 (גרסה 3, 24.4.2026; טרום פרסום). קישור
- 29.Sarah Lichtenstein, Paul Slovic (2006). The Construction of Preference: An Overview. In S. Lichtenstein & P. Slovic (Eds.), The Construction of Preference, Cambridge University Press, pp. 1-40. קישור
- 30.Jacob W. Getzels, Mihaly Csikszentmihalyi (1976). The Creative Vision: A Longitudinal Study of Problem Finding in Art. Wiley. סיכום אצל Mark Freeman, Appendix: The Artists Project, Finding the Muse, Cambridge University Press, 1994, pp. 308-314. קישור
- 31.Oguz A. Acar (2023). AI Prompt Engineering Isn't the Future. Harvard Business Review (מאמר דעה), 6.6.2023. קישור
- 32.Edwin A. Locke, Gary P. Latham (2002). Building a practically useful theory of goal setting and task motivation: A 35-year odyssey. American Psychologist, 57(9), 705-717. קישור
- 33.Peter M. Gollwitzer, Paschal Sheeran (2006). Implementation intentions and goal achievement: A meta-analysis of effects and processes. Advances in Experimental Social Psychology, 38, 69-119. קישור
- 34.Jay Simon, Johannes Ulrich Siebert (2025). ChatGPT vs. Experts: Can GenAI Develop High-Quality Organizational and Policy Objectives?. Decision Analysis (INFORMS), פורסם מקוון 11.11.2025, DOI: 10.1287/deca.2025.0387. קישור
- 35.J.D. Zamfirescu-Pereira, Richmond Y. Wong, Bjoern Hartmann, Qian Yang (2023). Why Johnny Can't Prompt: How Non-AI Experts Try (and Fail) to Design LLM Prompts. CHI '23, ACM, DOI 10.1145/3544548.3581388. קישור
- 36.Lisanne Bainbridge (1983). Ironies of Automation. Automatica, vol. 19, no. 6, pp. 775-779 (DOI 10.1016/0005-1098(83)90046-8). קישור
- 37.Auste Simkute, Lev Tankelevitch, Viktor Kewenig, Ava Elizabeth Scott, Abigail Sellen, Sean Rintel (2024). Ironies of Generative AI: Understanding and Mitigating Productivity Loss in Human-AI Interaction. International Journal of Human-Computer Interaction (online 15 October 2024). קישור
- 38.Matt Beane (2024). The Skill Code: How to Save Human Ability in an Age of Intelligent Machines (book; UCSB news coverage with author interview). HarperCollins, 2024; UC Santa Barbara News, 30 April 2024. קישור
- 39.Erik Brynjolfsson, Bharat Chandar, Ruyu Chen (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab working paper (first August 2025; revised 12 August 2026). קישור
- 40.Seyed M. Hosseini, Guy Lichtinger (2026). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. Harvard University working paper, SSRN 5425555 (first version 31 Aug 2025; this version 6 May 2026). קישור
- 41.Thomas Dratsch, Xue Chen, Mohammad Rezazade Mehrizi, Roman Kloeckner, Aline Mähringer-Kunz, Michael Püsken, Bettina Baeßler, Stephanie Sauer, David Maintz, Daniel Pinto dos Santos (2023). Automation Bias in Mammography: The Impact of Artificial Intelligence BI-RADS Suggestions on Reader Performance. Radiology (RSNA), May 2023. קישור
- 42.Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick, Hila Lifshitz, 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 37(2): 403-423, DOI 10.1287/orsc.2025.21838. קישור
- 43.Ahmed Fawzy, Amjed Tahir, Kelly Blincoe (2026). From Prompting to Verification: How Experience Shapes Vibe Coding Practices. arXiv 2605.24521 (preprint). קישור
- 44.Junquan Deng, Zhiyu Fan, Ruijie Meng (2026). Understanding the (In)Security of Vibe-Coded Applications. arXiv 2606.23130 (טרום פרסום). קישור
- 45.Daniel T. Willingham (2007). Critical Thinking: Why Is It So Hard to Teach?. American Educator, Summer 2007 (American Federation of Teachers). קישור
- 46.Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı, Rei Mariman (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS 122(26), e2422633122, DOI: 10.1073/pnas.2422633122. קישור
- 47.André Barcaui (2025). ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention. Social Sciences & Humanities Open 12, DOI 10.1016/j.ssaho.2025.102287. קישור
- 48.Yizhou Fan, Luzhen Tang, Huixiao Le, Kejie Shen, Shufang Tan, Yueying Zhao, Yuan Shen, Xinyu Li, Dragan Gašević (2025). Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on Learning Motivation, Processes, and Performance. British Journal of Educational Technology 56(2), DOI 10.1111/bjet.13544. קישור
- 49.Judy Hanwen Shen, Alex Tamkin (2026). How AI Impacts Skill Formation. arXiv 2601.20245 (טרום פרסום), ינואר 2026. קישור
- 50.OECD (2026). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, Paris, ינואר 2026, DOI 10.1787/062a7394-en. קישור
- 51.Hao-Ping (Hank) Lee, Advait Sarkar, Lev Tankelevitch, Ian Drosos, Sean Rintel, Richard Banks, Nicholas Wilson (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI '25, ACM, Article 1121, DOI: 10.1145/3706598.3713778. קישור
- 52.Michael Gerlich (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies 15(1): 6 (2025). DOI: 10.3390/soc15010006. קישור
- 53.Sofoklis Goulas, Rigissa Megalokonomou, Panagiotis Sotirakopoulos (2026). Why do experts miss AI's errors? Evidence from a randomized labeling experiment. PNAS Nexus 5(6): pgag146, 9.6.2026. קישור
- 54.Kristen Swanson, Drew Bent, Zoe Ludwig, Rick Dakan, Joe Feller (Anthropic) (2026). Anthropic Education Report: The AI Fluency Index. Anthropic, published 23 February 2026. קישור
- 55.Krzysztof Budzyń, Marcin Romańczyk, Diana Kitala, ... Cesare Hassan, Yuichi Mori, et al. (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology 10(10):896-903, DOI 10.1016/S2468-1253(25)00133-5. קישור
- 56.Nicholas G. Otis, Rowan Clarke, Solène Delecourt, David Holtz, Rembrand Koning (2026). The Uneven Impact of Generative Artificial Intelligence on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya. Management Science, published online 10.7.2026, DOI 10.1287/mnsc.2024.06909. קישור
- 57.Greg 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 (2025). DOI: 10.1038/s41598-025-97652-6. קישור
- 58.Lev Tankelevitch, Viktor Kewenig, Auste Simkute, Ava Elizabeth Scott, Advait Sarkar, Abigail Sellen, Sean Rintel (2024). The Metacognitive Demands and Opportunities of Generative AI. CHI '24, ACM, DOI: 10.1145/3613904.3642902. קישור
- 59.Zora Zhiruo Wang, Yijia Shao, Omar Shaikh, Daniel Fried, Graham Neubig, Diyi Yang (2025). How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations. arXiv:2510.22780 (v2, 6.11.2025; טרום פרסום). קישור
- 60.Leah Chong, Guanglu Zhang, Kosa Goucher-Lambert, Kenneth Kotovsky, Jonathan Cagan (2022). Human confidence in artificial intelligence and in themselves: The evolution and impact of confidence on adoption of AI advice. Computers in Human Behavior 127 (DOI 10.1016/j.chb.2021.107018). קישור
- 61.Todd Lucas, Sheldon Alexander, Ira J. Firestone, Boris B. Baltes (2006). Self-efficacy and independence from social influence: Discovery of an efficacy-difficulty effect. Social Influence 1(1), 58-80. קישור
- 62.Shuai Ma, Xinru Wang, Ying Lei, Chuhan Shi, Ming Yin, Xiaojuan Ma (2024). "Are You Really Sure?" Understanding the Effects of Human Self-Confidence Calibration in AI-Assisted Decision Making. arXiv 2403.09552 (CHI 2024). קישור
- 63.Shaowei Ren (2026). College students' metacognitive awareness of generative-AI reliance: an experimental study of decision confidence and attribution bias. Frontiers in Psychology 17 (published 15 Sep 2026). קישור
- 64.Zana Buçinca, Maja Barbara Malaya, Krzysztof Z. Gajos (2021). To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI in AI-assisted Decision-making. Proceedings of the ACM on Human-Computer Interaction 5(CSCW1), DOI 10.1145/3449287. קישור
- 65.European Commission & OECD (with Code.org/CodeAI) (2026). Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education (AILit Framework). European Commission & OECD, גרסה סופית יוני 2026. קישור