כדי לשוחח ברצינות על "האם AI הולך להחליף את העבודה שלנו?" צריך קודם להכיר את פרדוקס Jevons.
מה Jevons Paradox אומר?
בפשטות: כשטכנולוגיה הופכת משהו ליותר יעיל, זול ונגיש, באופן לא אינטואיטיבי, הדרישה אליו גדלה מאוד.
מה הכוונה? קחו דוגמא:
בשנת 2016, Geoffrey Hinton, אחד מאבות ה-AI, אמר שצריך להפסיק להכשיר רדיולוגים, כי AI עומד להחליף אותם לחלוטין תוך חמש שנים.
לכאורה זה נשמע הגיוני: אם מודלים של Deep Learning יודעים לקרוא צילומי הדמיה טוב יותר מבני אדם, למה שנצטרך רדיולוגים?
אבל כמעט עשר שנים אחרי, רדיולוגיה היא אחת המשרות המבוקשות במערכת הבריאות.
למה? כי בדיוק פה נכנס Jevons Paradox לפעולה.
ג'פרי צדק בנוגע לטכנולוגיה. היום רדיולוגים עושים הרבה פחות את המשימות המסורתיות של המקצוע וזה מאפשר להם לעשות את אותן בדיקות הרבה יותר מהר, זול, ומדויק.
אבל ג'פרי גם טעה, מפני שהשינוי אפשר לרדיולוגיה להפוך ליותר משמעותית בתהליכי הדיאגנוסטיקה והטיפול: אפשר לסרוק יותר איברים, יותר מוקדם, אצל יותר אנשים.
נפתחו שימושים חדשים שלא היו כלכליים או אפשריים קודם לכן, וכל זה יוצר יותר ביקוש לאנשי מקצוע בתחום שיודעים לעבוד עם המערכות, להסביר למטופל, לקבל אחריות על ההחלטה, לקחת בחשבון את ההקשר הקליני, ובעיקר לנהל את כל מה שהמכונה לא עושה.
חזרה לשאלה המקורית: האם הכנסת Gen AI למחלקות שונות בארגון ייתר את אנשי המקצוע שלהם?
אולי במקרים מאוד נקודתיים כן, אבל ברוב המקרים, זה יפתח אפיקים חדשים של פרודוקטיביות ועשייה שלא היו אפשריים, כלכליים או פרקטיים בעבר ובסופו של דבר זה יאפשר לצוותים בגדלים דומים פשוט לעשות הרבה יותר.
אם גם אתם אמונים על תהליכי הטמעת ה-AI בארגון ומוטרדים משאלות דומות, אני אשמח לשוחח ולחלוק את הידע שרכשתי בעבודה עם כבר יותר מ-80 ארגונים שמבצעים תהליכים דומים 🤓
(בין המזהים את המימ, תוגרל כוס משקה של היפסטרים)
<style>
.blog_post-01, .container-p--large {
direction: rtl;
text-align: right;
}
</style>