גולדמן זאקס: השפעת ה-AI על שוק העבודה כבר כאן, ותחום ה-IT נפגע ראשון

השפעת ה-AI על שוק העבודה כבר אינה תחזית עתידית אלא מציאות מדידה: מחקר חדש של גולדמן זאקס, שפורסם ב-CNBC, מצא שתעשיות עם חשיפה גבוהה לאוטומציית בינה מלאכותית מציגות צמיחה איטית משמעותית במשרות פתוחות מאז 2022, כאשר תחום שירותי המידע והתקשורת נפגע כמעט בכל הכלכלות המפותחות. במאמר הזה ננתח מה בדיוק מצאו הכלכלנים, מדוע דווקא ה-IT סופג את המכה הראשונה, ומה המשמעות האסטרטגית עבור שוק ההייטק הישראלי בשנים הקרובות.

מה בדיוק מצא המחקר של גולדמן זאקס על AI ותעסוקה?

הממצא המרכזי הוא פער מובהק בקצב יצירת המשרות: מאז 2022, השנה שבה מודלים גנרטיביים הפכו לזמינים המונית, תעשיות עם חשיפה גבוהה לאוטומציית AI מציגות צמיחה איטית יותר במשרות פתוחות לעומת תעשיות עם חשיפה נמוכה. הכלכלנים של גולדמן זאקס בחנו נתוני משרות פתוחות במגוון כלכלות מפותחות, והדפוס חזר על עצמו כמעט בכולן.

הנקודה החשובה כאן היא המתודולוגיה: המחקר לא בוחן פיטורים ישירים או הצהרות של מנכ"לים, אלא את מה שכלכלנים מכנים "האטה שקטה" - חברות פשוט פותחות פחות משרות חדשות בתפקידים שה-AI מסוגל לבצע חלקית או במלואם. זו דינמיקה שקשה לזהות בכותרות אך קלה למדוד בנתונים, והיא מקדימה בדרך כלל שינויים מבניים עמוקים יותר.

נתון נוסף שמחזק את התמונה: שיעורי אימוץ ה-AI בקרב עסקים במדינות מפותחות עומדים כבר על 15% עד 20%. זהו רף קריטי, משום שבגלי טכנולוגיה קודמים, כמו האינטרנט והמחשוב הענני, השלב שבו האימוץ עבר את רף ה-15% היה בדיוק הנקודה שבה ההשפעה על מבנה התעסוקה הפכה מנקודתית למערכתית.

למה תחום ה-IT ושירותי המידע נפגע ראשון?

תחום שירותי המידע והתקשורת נפגע ראשון מסיבה פשוטה: העבודה בו דיגיטלית מטבעה, מתועדת היטב, ומורכבת ברובה ממשימות שמודלי שפה גדולים מבצעים כבר היום ברמה סבירה עד טובה. כתיבת קוד, בדיקות תוכנה, תמיכה טכנית, ניהול תצורה ותיעוד - כל אלה הם בדיוק סוג המשימות שעליהן אומנו המודלים.

יש כאן אירוניה מבנית שכדאי לעצור עליה: התעשייה שיצרה את הבינה המלאכותית היא הראשונה לחוות את השלכותיה התעסוקתיות. אבל מנקודת מבט כלכלית זה הגיוני לחלוטין. חברות טכנולוגיה הן המאמצות המהירות ביותר של כלים חדשים, יש להן את הידע הפנימי ליישם אותם, ולחץ המשקיעים לשיפור יעילות דוחף אותן לצמצם גיוסים בכל מקום שבו כלי AI מספק תחליף חלקי.

ההבחנה הקריטית: פחות גיוסים, לא בהכרח יותר פיטורים

חשוב לדייק את התמונה: המחקר מצביע בעיקר על האטה בפתיחת משרות חדשות, לא על גל פיטורים המוני שמקורו ישירות ב-AI. המשמעות המעשית שונה מהותית - הנפגעים העיקריים בשלב הנוכחי אינם עובדים מנוסים אלא מצטרפים חדשים לשוק: בוגרי אוניברסיטאות, ג'וניורים ומי שמנסה לעשות הסבה מקצועית. שער הכניסה לתעשייה הוא שמצטמצם, והשלכות של זה על צנרת הכישרונות העתידית עשויות להתברר כבעיה ארוכת טווח לתעשייה כולה.

מה זה אומר על שוק ההייטק הישראלי?

עבור ישראל, הממצאים הם איתות מוקדם בעל משמעות כפולה, משום שהמשק הישראלי חשוף לתחום שירותי המידע יותר מכמעט כל כלכלה מפותחת אחרת. ההייטק מהווה נתח מרכזי מהתוצר ומהייצוא הישראלי, ומרבית המועסקים בו עוסקים בדיוק בסוגי העבודה שהמחקר מזהה כחשופים ביותר: פיתוח תוכנה, שירותי מידע ותקשורת.

הדפוס שכבר נצפה בשוק המקומי תואם את הממצאים הגלובליים: מספר המשרות הפתוחות בהייטק הישראלי נמוך משמעותית מרמות השיא של 2021-2022, והתחרות על משרות ג'וניור התעצמה באופן ניכר. מה שהמחקר של גולדמן זאקס מוסיף הוא ההקשר - זו כנראה אינה רק התקררות מחזורית אחרי שנות הגאות, אלא שילוב של מחזור כלכלי עם שינוי מבני שמונע על ידי אוטומציית AI.

מצד שני, לישראל יש גם צד שני של המטבע: היא אחת היצרניות המובילות בעולם של טכנולוגיות AI. חברות ישראליות בתחומי המודלים, התשתיות, אבטחת ה-AI וכלי הפיתוח מגייסות בקצב גבוה. כלומר, השוק לא מתכווץ באופן אחיד - הוא מתפצל: ביקוש יורד לתפקידי ביצוע סטנדרטיים, וביקוש עולה לתפקידים שבונים, מטמיעים ומפקחים על מערכות AI.

אילו תפקידים חשופים יותר ואילו עמידים יותר לאוטומציה?

החשיפה לאוטומציה אינה נגזרת מהתואר המקצועי אלא מהרכב המשימות בתוך התפקיד. תפקיד שמורכב ברובו ממשימות חוזרות, מוגדרות היטב ומבוססות טקסט או קוד - חשוף מאוד. תפקיד שדורש שיקול דעת בתנאי אי-ודאות, אחריות על תוצאות, עבודה מול אנשים והבנת הקשר עסקי רחב - עמיד הרבה יותר.

בהתבסס על דפוסי החשיפה שעולים מהמחקר ומנתוני שוק העבודה, אפשר לשרטט את המפה כך:

• חשיפה גבוהה: תמיכה טכנית מדרג ראשון, QA ידני, כתיבת קוד סטנדרטי ומוגדר מראש, תיעוד טכני, עיבוד נתונים שגרתי ותפקידי אדמיניסטרציה דיגיטלית.
• חשיפה בינונית: פיתוח תוכנה כללי, ניתוח נתונים, ניהול פרויקטים טכניים ותפקידי DevOps - תחומים שבהם ה-AI מגביר פרודוקטיביות אך עדיין דורש פיקוח אנושי משמעותי.
• עמידות גבוהה: ארכיטקטורת מערכות, אבטחת מידע ברמה אסטרטגית, ניהול מוצר, תפקידי הטמעת AI בארגונים, והנדסת מערכות שמשלבות מודלים בסביבות ייצור אמיתיות.

רמת חשיפה לאוטומציה	תפקידים אופייניים	מאפיין מרכזי
גבוהה	תמיכה טכנית מדרג ראשון, QA ידני, קוד סטנדרטי, תיעוד טכני, עיבוד נתונים שגרתי	משימות חוזרות, מוגדרות היטב, מבוססות טקסט או קוד
בינונית	פיתוח תוכנה כללי, ניתוח נתונים, ניהול פרויקטים טכניים, DevOps	ה-AI מגביר פרודוקטיביות אך נדרש פיקוח אנושי משמעותי
עמידות גבוהה	ארכיטקטורת מערכות, אבטחת מידע אסטרטגית, ניהול מוצר, הטמעת AI בארגונים	שיקול דעת באי-ודאות, אחריות על תוצאות והקשר עסקי רחב

המסקנה האנליטית החשובה: הערך של עובד לא נמדד עוד ביכולת לבצע משימה, אלא ביכולת לנהל, לבקר ולשפר את מה שהמכונה מבצעת. זהו שינוי בהגדרת המומחיות עצמה, לא רק בכלים.

האם זה שונה מגלי אוטומציה קודמים בהיסטוריה?

התשובה הקצרה: המנגנון דומה, אבל הקצב וקהל היעד שונים מהותית. גלי אוטומציה קודמים, מהמהפכה התעשייתית ועד המחשוב, פגעו בעיקר בעבודה פיזית ושגרתית, ולקח להם עשורים להתפשט. הפעם, הטכנולוגיה פוגעת קודם כל בעבודת ידע - התחום שנחשב עד לאחרונה חסין, וקצב האימוץ נמדד בשנים בודדות ולא בעשורים.

עם זאת, גם התקדים ההיסטורי האופטימי רלוונטי: בכל גל טכנולוגי קודם, מספר המשרות החדשות שנוצרו עלה בטווח הארוך על מספר המשרות שנעלמו. כלכלני גולדמן זאקס עצמם העריכו בעבר שה-AI עשוי להוסיף נקודות אחוז משמעותיות לפריון הגלובלי, וצמיחת פריון היסטורית תמיד תורגמה בסופו של דבר לביקוש חדש לעובדים - רק בתפקידים אחרים.

הבעיה האמיתית: פער הזמן והכישורים

הסיכון המרכזי אינו "סוף העבודה" אלא תקופת המעבר: הפער בין קצב היעלמות המשרות הישנות לקצב היווצרות החדשות, ובין הכישורים הקיימים לכישורים הנדרשים. מי שנמצא בצד הלא נכון של הפער הזה עלול לחוות שנים של אי-ודאות תעסוקתית, גם אם המאזן הכלכלי הכולל יהיה חיובי. זו בדיוק הסיבה שהיערכות מוקדמת היא ההבדל בין להיות נפגע המעבר לבין להיות הנהנה ממנו.

הסכנה האמיתית אינה סוף העבודה - אלא השנים שבהן הכישורים הישנים כבר לא מספיקים והחדשים עוד לא נבנו.

- ברוח ממצאי גולדמן זאקס

איך כדאי לעובדי הייטק ישראלים להיערך למגמה?

ההיערכות הנכונה מתחילה בהערכה כנה של הרכב המשימות בתפקיד הנוכחי שלכם, וממשיכה בהסטה מכוונת של המומחיות לכיוונים עמידים. הנה מסגרת פעולה מסודרת:

1. מפו את החשיפה האישית שלכם: פרקו את שבוע העבודה למשימות ושאלו על כל אחת - האם כלי AI קיים מבצע אותה ב-70% מהאיכות? אם התשובה חיובית לרוב המשימות, זה הזמן לתזוזה.
2. עברו מצד הביצוע לצד ההטמעה: ארגונים בישראל ובעולם מחפשים נואשות אנשים שיודעים להטמיע AI בתהליכי עבודה אמיתיים. הניסיון המעשי שלכם בתעשייה הוא נכס, לא נטל.
3. בנו מיומנות עומק אחת לפחות: הבנת מודלים, הנדסת פרומפטים מתקדמת, אבטחת מערכות AI או אינטגרציה של מודלים במוצרים - כל אחת מאלה מבדלת אתכם מהשוק הכללי.
4. חזקו את המיומנויות שהמכונה לא מחליפה: ניהול בעלי עניין, קבלת החלטות בתנאי עמימות, אחריות עסקית ותקשורת בין-אישית הופכות ליקרות יותר ככל שהביצוע הטכני מוזל.

למי שרוצה לבנות את המיומנויות האלה באופן מובנה, מומלץ לעיין בקורסי הבינה המלאכותית המקיפים שלנו, שנבנו בדיוק סביב הפער בין הכישורים הקיימים בשוק לביקוש המתהווה.

לאן שוק העבודה הולך מכאן: תמונת 2026 והלאה

המחקר של גולדמן זאקס מסמן את 2026 כנקודת מפנה: השלב שבו השפעת ה-AI על התעסוקה עברה מוויכוח תיאורטי לנתון כלכלי מדיד. עם שיעורי אימוץ של 15%-20% שרק ממשיכים לטפס, סביר שהדפוס שנצפה בשירותי המידע יתרחב בהדרגה לתחומים נוספים: שירותים פיננסיים, שירותים משפטיים, שיווק ותוכן.

עבור שוק העבודה הישראלי, המסר האסטרטגי הוא כפול. ברמת המשק, ישראל צריכה למנף את מעמדה כיצרנית AI כדי שהערך שנוצר מהטכנולוגיה יישאר כאן, גם כשחלק מתפקידי הביצוע מצטמצמים. ברמת הפרט, החלון להיערכות עדיין פתוח - אבל הוא לא יישאר פתוח לנצח. מי שמתחיל לבנות מומחיות AI היום פועל מתוך עמדת יתרון; מי שימתין עד שהשינוי יגיע לתפקיד שלו יפעל מתוך עמדת לחץ.

נמשיך לעקוב אחר הנתונים, המחקרים והמגמות בתחום ולתרגם אותם לתובנות מעשיות. לניתוחים נוספים על מגמות AI ושוק העבודה, בקרו במגזין ה-AI שלנו, ואם הגעתם למסקנה שהגיע הזמן להשקיע במיומנויות הבאות שלכם, מסלולי הלימוד שלנו בבינה מלאכותית הם נקודת פתיחה מצוינת.