יצרנית הרכב פורד מחזירה בימים אלה מאות מהנדסים מנוסים לעבודה, לאחר שהתברר שמערכות אוטומטיות אינן מסוגלות להתמודד עם בעיות איכות מסוימות. סמנכ״ל הנדסת החומרה בחברה ניסח זאת בחדות: הבינה המלאכותית היא כלי מצוין, אך איכותה נגזרת ישירות מאיכות המידע שעליו אומנה.
הבינה המלאכותית היא כלי מצוין, אבל היא טובה בדיוק כמו המידע שעליו אימנת אותה.
מקרה חד עוד יותר אירע בבנק המסחרי הגדול של אוסטרליה. הבנק פיטר יותר מ-40 נציגי שירות והחליף אותם בבוט קולי מבוסס בינה מלאכותית — אך הבוט לא עמד בעומס, מספר הפניות דווקא זינק, והבנק נאלץ לחזור בו מהפיטורים. בהודעה רשמית הודה הבנק שלא בחן די הצורך את מלוא ההיבטים העסקיים לפני ההחלטה.
דפוס דומה נחשף בענקית התוכנה IBM. מערכת שהחליפה חלק מתפקידי משאבי האנוש טיפלה בהצלחה בכ-94% מהפניות השגרתיות — אך נכשלה ב-6% הנותרים, אותם מקרים מורכבים הכרוכים בשיקול דעת ובדילמות אתיות. כעת מתכננת החברה לשלש את גיוס עובדי ה-entry level שלה בארצות הברית בשנת 2026, מתוך הבנה פשוטה: קיצוץ במשרות ה-entry level מייבש את צינור הכישרונות העתידי.
בשוק האמריקאי, כשליש ממנהלי הגיוס ביטלו תפקיד בעיקר בשל בינה מלאכותית, ובהמשך גייסו מחדש לאותו תפקיד ממש או לדומה לו. הנתונים אינם מקרה בודד אלא מגמה חוצת ענפים.
ארגונים תקצבו טכנולוגיה שמחליפה אנשים בלי להשקיע בהכשרה ובהסבה. התוצאה — צוותים לא ערוכים לנצל את הבינה המלאכותית, ובמקום התייעלות מתקבלת עבודה כפולה, קבלת החלטות איטית יותר ותפוקה נמוכה מהמצופה.
התמונה המצטיירת אינה בינה מלאכותית נגד האדם, אלא בינה מלאכותית לצד האדם. הכלים מצוינים בטיפול בשגרה, אך נשברים בדיוק במקומות הרגישים — הדילמה האתית, המקרה החריג, ההחלטה הדורשת שיקול דעת אנושי. הארגונים שיפנימו זאת מוקדם יחסכו לעצמם את הסיבוב המביך של פיטורים וגיוס מחדש.