זה אחד הממצאים שהכי שינו לי את הדרך שבה אני מסתכל על אימוץ AI. במשך זמן רב ההנחה הייתה שהבעיה היא ידע: אנשים לא יודעים איך להשתמש בכלי, אז נלמד אותם. אבל הנתונים מצביעים על משהו אחר לגמרי. הפער הוא לא בידע, הוא במיינדסט שמפעיל את הכלי.

למה הדרכות AI טכניות נכשלות?

הדרכה טכנית מלמדת פיצ'רים: זה הכפתור, ככה מעלים קובץ, הנה תבנית פרומפט. כל זה נכון, וכל זה לא מספיק. כי הערך של AI לא נמצא בפיצ'ר, הוא נמצא באופן שבו אתה חושב מול הכלי.

מחקר MIT מ-2025 מצא שכ-95% מפיילוטים של AI בארגונים לא מייצרים השפעה מדידה, והדגיש שהבעיה היא הגישה ולא הטכנולוגיה. הדרכה טכנית מטפלת בטכנולוגיה. היא לא נוגעת בגישה. וזו בדיוק הסיבה שאפשר ללמד צוות שלם להשתמש בכלי, ועדיין לא לראות שום שינוי בתוצרים.

מה באמת מבדיל את ה-5% המצליחים?

מחקר שערכו KPMG ואוניברסיטת טקסס ניתח 1.4 מיליון אינטראקציות עבודה אמיתיות לאורך שמונה חודשים. הם חיפשו מה מבדיל את המשתמשים שמפיקים ערך אמיתי. התוצאה הפתיעה: רק כ-5% מהמשתמשים הפגינו באופן עקבי התנהגות מתוחכמת, וההבדל לא היה בתדירות השימוש ולא בידע הטכני.

המבדיל היה דפוס ההתנהגות: איך הם ממסגרים בעיה, איך הם מכוונים את המודל, ואיך הם מתקנים תוך כדי. מעניין במיוחד שהמשתמשים המתקדמים נטו להיות דווקא מנהלים ומעלה, לא הזוטרים הטכניים. כלומר, מה שעבד היה שיקול דעת ובגרות מקצועית, לא שליטה בכלי.

AI Mindset: התנהגות, לא מיומנות

הרעיון הזה מקבל ביטוי מסודר במסגרת שפיתח קונור גרנן, שהיה האחראי על הבינה המלאכותית בבית הספר למנהל עסקים Stern של אוניברסיטת ניו יורק. הוא מנסח את זה חד: אימוץ AI מוצלח אינו עניין של שליטה בכלים, אלא שינוי באופן שבו אנשי מקצוע חושבים, עובדים ופותרים בעיות. רוב יוזמות ה-AI נכשלות, לדבריו, לא בגלל הטכנולוגיה אלא בגלל ההרגלים וההתנהגויות שסביבה.

זה מהדהד את ההבחנה היסודית שמיינדסט הוא מערכת הפעלה, לא מיומנות, נושא שפירקתי בפוסט על מיינדסט כמערכת הפעלה.

ארבע התנהגויות שאפשר לאמן

איך נראה AI Mindset בפועל? מסגרת שפיתחו החוקרים ריק דאקאן וג'וזף פלר ופורסמה דרך Anthropic מציעה ארבע התנהגויות מפתח, ואני אוהב אותן כי כל אחת היא משהו שאפשר לאמן:

1. האצלה (Delegation): לדעת מה למסור לכלי ומה לשמור לעצמך. לא הכל, ולא כלום.
2. תיאור (Description): לתאר בבהירות מה אתה רוצה, בהקשר ובדוגמאות. רוב התסכול מ-AI הוא תיאור עמום.
3. שיפוט (Discernment): לבחון את התוצר בעין ביקורתית. לזהות מתי הוא טוב ומתי הוא בטוח רק לכאורה.
4. שקדנות (Diligence): לקחת אחריות על התוצאה הסופית, לאמת, ולא להסתתר מאחורי "ה-AI אמר".

ארבע ההתנהגויות האלה הן בדיוק הסוג של מיומנויות אנושיות שמרוויחות ערך דווקא בעידן ה-AI, נושא שהרחבתי עליו במדריך לעתיד העבודה.

מה זה אומר למנהל

המסקנה למנהל היא לעבור מהדרכה לתרבות של תרגול. במקום קורס חד פעמי על הכלי, ליצור מרחב שבו אנשים מתרגלים את ההתנהגויות האלה בעבודה האמיתית, רואים זה את זה עובד, ולומדים מתוך דיאלוג. זו אחת מחמש הבעיות שמכשילות אימוץ AI, והיא חלק מהתמונה השלמה במדריך למנהיגות בעידן ה-AI.

שאלות נפוצות

למה הדרכות AI לא מספיקות לאימוץ מוצלח? כי הדרכה טכנית מלמדת פיצ'רים, אבל הערך של AI נובע מהתנהגות: איך ממסגרים בעיה, מכוונים את המודל ומתקנים תוך כדי. מחקר MIT מצא שכ-95% מפיילוטים נכשלים בגלל הגישה ולא הטכנולוגיה, ולכן הדרכה שלא נוגעת בהתנהגות לרוב לא משנה את התוצרים.

מה מבדיל משתמשי AI מצליחים מאחרים? לפי מחקר KPMG שניתח 1.4 מיליון אינטראקציות, רק כ-5% מהמשתמשים הפגינו התנהגות מתוחכמת, וההבדל לא היה בתדירות השימוש או בידע הטכני אלא בדפוס ההתנהגות: מיסגור בעיה, כיוון המודל ותיקון תוך כדי. המשתמשים המתקדמים נטו להיות מנהלים, לא בהכרח הזוטרים הטכניים.

מהן ההתנהגויות שמרכיבות AI Mindset? מסגרת AI Fluency מציעה ארבע התנהגויות שאפשר לאמן: האצלה (מה למסור לכלי), תיאור (איך לבקש בבהירות), שיפוט (בחינה ביקורתית של התוצר) ושקדנות (אחריות ואימות). יחד הן מתארות יחס של שותפות חשיבה עם הכלי, לא הפעלה טכנית שלו.

האם צריך רקע טכני כדי להשתמש היטב ב-AI? לא בהכרח. מחקר KPMG מצא שהמשתמשים המתקדמים נטו להיות מנהלים בעלי שיקול דעת ובגרות מקצועית, ולא דווקא בעלי הרקע הטכני החזק ביותר. מה שמכריע הוא איכות החשיבה מול הכלי, לא השליטה הטכנית בו.