בדיווח של נועם שייבר ב-New York Times, מ-29 ביוני 2026, נסקרים מחקרים חדשים המצביעים על לא-נודעים לא-ידועים — פגמים שאיש לא צפה — בשילוב בינה מלאכותית בעבודה.
חברות למדו כבר להכיר בפגמים הגלויים של הטכנולוגיה — הטיה, תשובות שגויות בביטחון מלא, דליפת מידע. אך ככל שה-AI נכנס לשגרת העבודה, חוקרים מגלים פגמים עדינים בהרבה, שרובם המכריע של המשתמשים כלל אינם מודעים לקיומם.
הניסוי שחשף את הבעיה
אמה ויילס, פרופסור מאוניברסיטת בוסטון החוקרת את השפעת ה-AI על עובדים, נתקלה בתופעה בכנס שבו שני מנהלי משאבי אנוש התפארו שהתייחסות לסוכני AI כאל עובדים אמיתיים משפרת פרודוקטיביות. יחד עם צוות מ-BCG היא בחנה זאת לעומק: המנהלים קיבלו חמישה מסמכים המכילים טעויות, ו-20 דקות לבדוק כמה שיותר מהם. בחלק מהמקרים נאמר להם שהמסמך הופק בידי עובד AI, בחלק שנכתב בידי כלי AI, ובחלק בידי אדם.
התוצאה: באופן כללי מקור המסמך לא שינה במיוחד את רמת הבדיקה — חוץ ממקרה אחד. מנהלים בחברות המשבצות סוכני AI בתרשים הארגוני תפסו הרבה פחות טעויות כשנאמר להם שהם בודקים עבודה של עובד AI.
ההסבר של ויילס: מנהל של בני אדם מפנים שאם כפיף טועה — האחריות עליו, ולכן הוא בודק מקרוב. אותה תחושת אחריות קיימת גם מול כלי טכנולוגי. אבל מול עובד AI מואנש היא מתפוגגת: קל לגלגל כשל לצוות הטכנולוגי או להנהלה שדחפה לאמץ אותו מלכתחילה. במילים אחרות — זו כבר לא הבעיה שלי.
שלושה פגמים נוספים שהמחקרים חשפו
הטיה נגד בני אדם — מודלים נוטים להעדיף תוכן שנכתב בידי AI. מאמר מ-2025 מצא שאנטי-אנושיות סמויה זו מובנית במודלי שפה רבים. מחקר המשך גילה שמערכות המסננות קורות חיים דירגו גבוה יותר מועמדים שנעזרו ב-AI בכתיבה — על פני אלה שכתבו הכול בעצמם. הממצא הספיק כדי שחברות גיוס יפנו לחוקרים בשאלה איך לשפר את התהליכים שלהן.
היגיון קר מדי — כשמודלים מנתחים מצב עסקי (כמה לגבות על מוצר, היכן לפתוח סניף) הם מאמצים גישה רציונלית מתורת המשחקים, בעוד בני אדם נוטים לחתור לשיתוף פעולה ולפתרונות win-win. התוצאה עלולה להיות, למשל, החלטה לחתוך מחירים אגרסיבית מול מתחרה — צעד המצית מלחמת מחירים הרסנית לכולם. אחד החוקרים ניסח זאת כך: המודלים מניחים שבני אדם רציונליים יותר משהם באמת.
התכנסות לחשיבה אחידה — חוקרים הנעזרים ב-AI בכל שלב (אילו שאלות לחקור, איך לענות עליהן, ניתוח נתונים, כתיבת הממצאים) מצמצמים בלי משים את מגוון הרעיונות. ברמת הפרט זה מרגיש מצוין — הצ׳אטבוט עוזר, הרעיונות זורמים. אך ברמה הקולקטיבית, כדברי חוקרת מקופנהגן, כולם מתחילים להישמע דומה.
האם אפשר לתקן?
חלק מההטיות כן ניתנות לתיקון — עצם ההנחיה למודל להתעלם מזהות הכותב ולהתמקד באיכות הטקסט הפחיתה את ההטיה נגד בני אדם. הבעיה העמוקה יותר היא ההטיות שאיש עדיין לא מודע לקיומן, ואלה עלולות אף להחריף: אם מודלים עתידיים יאומנו על תוצרים של מודלים נוכחיים בלי זהירות מספקת, תיווצר לולאה המזינה את עצמה ומקבעת את אותן הטיות.
ויילס חוששת שהתמונה עומדת להחמיר. באותו כנס שבו שמעה לראשונה את מנהלי משאבי האנוש משבחים את עובדי ה-AI שלהם, אחת מהן הרחיקה לכת ואמרה שחברתה תעסיק בקרוב סוכני AI שינהלו בני אדם. לדברי ויילס, דממה השתררה בחדר — ובנימה צינית משהו היא מוסיפה שכנראה נצטרך שמישהו יחקור גם את זה.
מסתמנת כאן מראה לא נוחה: הבעיה איננה תמיד בטכנולוגיה עצמה, אלא באופן שבו בני אדם מאמצים אותה בלי לעצור ולשאול מה עלול להשתבש. קצב האימוץ מקדים בהרבה את ההבנה שלנו את ההשלכות — מאות שנות ידע מצטבר על ניהול בני אדם אינן מיתרגמות מאליהן לניהול AI מואנש. ובינתיים, כדברי החוקרת, אנחנו יוצאים לדרך עיוורים.