OpenAI פרסמה ב־27 ביולי 2026 ניתוח של יותר מ־800 אלף הודעות עבודה של משתמשי ChatGPT בארה״ב. לאחר שהחוקרים הוציאו משימות כלליות כמו כתיבה ותיאום, 43.5% מההודעות הספציפיות למקצוע עסקו במשימה המזוהה עם מקצוע אחר. המשמעות הארגונית אינה שעובדים החליפו מומחים, אלא שגבולות התפקיד מתחילים להשתנות עוד לפני שהמבנה הארגוני ותיאורי המשרה מתעדכנים.
הנתון החדש: כמעט מחצית מהשימוש הספציפי חורג מהמקצוע
צוות המחקר הכלכלי של OpenAI הגדיר את התופעה כ־task crossover — משימה שבאופן מסורתי מזוהה עם מקצוע אחד ומופיעה בשימוש של עובד ממקצוע אחר. בכלל הודעות העבודה שנבדקו, 16.8% עסקו במשימות המזוהות עם מקצוע אחר. כאשר הוסרו משימות כלליות המשותפות לתפקידים רבים, כגון כתיבה, סיכום ותיאום, השיעור עלה ל־43.5% מההודעות הספציפיות למקצוע.
הניתוח מצביע על תנועה בשני כיוונים. עובדים מושכים לתפקידם משימות מתחומים שכנים, ובה בעת משימות מסוימות — בעיקר מעולמות השיווק וההנדסה — מתפזרות לתפקידים רבים. דוגמאות שדווחו כוללות איש מכירות שבוחן נתוני לקוחות, בעלת עסק שמכינה ניתוח פיננסי ראשוני, ואשת שיווק שמטפלת בתקלה באתר בלי להמתין מיד למומחה נוסף.
שירות, עיצוב ומשאבי אנוש מובילים בשיעור חציית הגבולות
לאחר הוצאת המשימות הכלליות, 77% מההודעות הספציפיות של עובדי חוויית לקוח עסקו במשימות המזוהות עם מקצוע אחר. השיעור עמד על 75% בקרב מעצבים, 69% במשאבי אנוש, 56% בקרב עובדים משפטיים ו־53% בשיווק. Axios, שסיקרה את המחקר באופן בלתי תלוי, הדגישה כי הנתונים מאותתים על שינוי אפשרי בחלוקת העבודה בתוך ארגונים — עוד לפני שהשינוי מופיע בסטטיסטיקות תעסוקה רשמיות.
המספרים אינם אומרים שכל משימה הושלמה בהצלחה או ללא סיוע מקצועי. הם מתארים את נושא ההודעה שהמשתמש שלח ל־ChatGPT. לא נמדדו איכות התוצר, רמת המומחיות, הזמן שנחסך, תיקונים שנדרשו או החלטה ארגונית להעביר אחריות מתפקיד לתפקיד. לכן נכון לראות בממצא אות מוקדם לשינוי, לא הוכחה שהארגון יכול לוותר על מומחיות.
בצוותים קטנים חציית הגבולות בולטת יותר
בקרב משתמשים ממוצעים בסביבות עבודה של שניים עד חמישה מושבים, 18.9% מכלל הודעות העבודה עסקו במשימה שמחוץ למקצוע המשתמש. בסביבות עם יותר ממאה מושבים השיעור ירד ל־16.3%. החוקרים מציעים הסבר אפשרי: בארגון קטן אין תמיד מחלקה ייעודית לכל צורך, ולכן האדם הקרוב לבעיה משתמש ב־AI כדי להתחיל לטפל בה בעצמו.
גם כאן מדובר בהשערה התואמת את דפוסי השימוש ולא בהוכחת סיבתיות. ועדיין, עבור חברות ישראליות קטנות ובינוניות התמונה מוכרת: עובד נדרש לעיתים להיות גם איש תוכן, מנתח נתונים, מנהל פרויקט ותומך טכני. AI עשוי להרחיב את יכולתו להתחיל משימה, אך ככל שהמשימה רגישה יותר נדרשים גבול אחריות, מקור מידע מוסכם ונקודת בדיקה של בעל מקצוע.
כשהעבודה עוברת בין תפקידים, גם הלמידה הלא־רשמית משתנה
מחקר נפרד שפורסם במאי 2026 כמאמר מקדים ב־arXiv מוסיף אזהרה ארגונית. החוקרות ראיינו 24 עובדים ממוקדי מוצר בחברת טכנולוגיה גדולה ומצאו שהשימוש ב־AI משנה לא רק אחריות פורמלית ושיתופי פעולה, אלא גם עבודה בלתי נראית: התייעצות עם עמיתים, קבלת משוב, חניכה ובניית רשת מקצועית. בחלק מהמקרים שיתוף הפעולה נעשה חלק יותר; במקרים אחרים עלולות להיעלם הזדמנויות למידה וקידום שנוצרו בעבר סביב העברת משימה למומחה.
המחקר קטן, ממוקד בחברה אחת וטרם הוצג כמאמר שעבר ביקורת עמיתים, ולכן אין להכליל ממנו לכל ארגון. התרומה שלו היא בשאלה שהוא מציב: אם עובד יכול להשלים לבדו את הטיוטה הראשונה, מי ילמד אותו את שיקול הדעת המקצועי שמאחוריה? ארגון שבוחן רק זמן ביצוע עלול להחמיץ את המחיר האפשרי של פחות משוב, פחות חניכה ופחות ידע משותף.
תיאור המשרה מפגר אחרי העבודה בפועל
הפורום הכלכלי העולמי דיווח במרץ 2026, על בסיס תובנות מיותר מ־450 מנהלים בקהילת AI Transformation of Industries, כי הפקת ערך רחב מ־AI דורשת עיצוב מחדש של זרימות עבודה, החלטות ומודל הפעלה. בין העקרונות שהציג: אחריות אנושית, עיצוב מקצה לקצה, מערכות פיתוח כישרונות, שקיפות וניסוי ממושמע.
הממצא החדש של OpenAI הופך את העקרונות האלה למוחשיים. אם איש שירות מתחיל לנתח נתונים, או מנהלת משאבי אנוש מנסחת חומר שיווקי, השאלה אינה רק איזה כלי מותר להם לפתוח. יש להחליט מי אחראי לדיוק, אילו הרשאות ומידע חוצים את גבול התפקיד, מתי נדרש מומחה, ואיך מודדים את התוצאה בלי לטשטש אחריות.
מה אי אפשר להסיק: לא פריון, לא איכות ולא החלפת משרות
ההבחנה חשובה במיוחד בכותרות על עתיד העבודה. הודעה שנשלחה למודל אינה שקולה למשימה שהושלמה, ותשובה ראשונה אינה שקולה לתוצר מקצועי שנבדק. המחקר אינו יודע אם המשתמש קיבל תשובה נכונה, אם נעזר לאחר מכן במומחה, אם חסך זמן או אם יצר סיכון חדש. הוא גם אינו מודד שינוי בשכר, במספר המשרות, בגיוס או בביצועי החברה. לכן הנתון אינו בסיס לטענה ש־AI כבר מחליף 43.5% מעבודתם של בעלי מקצוע אחרים.
גם ההגדרה של מקצוע ומשימה נשענת על סיווגים ועל התאמת הודעות לקטגוריות תעסוקתיות. זהו כלי מחקר שימושי להבנת דפוס רחב, אך הוא מפשט עבודות שבהן אותה פעולה יכולה לקבל משמעות אחרת לפי ההקשר, רמת הסיכון והאחריות. ניסוח הודעת לקוח, למשל, יכול להיות פעולה שיווקית, שירותית או משפטית בהתאם לתוכן ולתוצאה. בארגון עצמו נדרש אפוא מיפוי מקומי, ולא העתקה מכנית של גבולות המקצוע שנקבעו במדגם האמריקאי.
החוזה הניהולי החדש: חופש פעולה עם נקודת אחריות ברורה
כאשר AI מאפשר לעובד להתחיל משימה מחוץ לליבת תפקידו, מנהל אינו חייב לבחור בין איסור גורף לבין חופש בלתי מוגבל. אפשר לקבוע שלוש רמות. ברמה הראשונה העובד רשאי לנסח, לחקור ולייצר חלופות בעצמו. ברמה השנייה נדרשת בדיקה של בעל מקצוע לפני שימוש פנימי או חיצוני. ברמה השלישית — למשל החלטה משפטית, פיננסית, רפואית, בטיחותית או פעולה עם מידע רגיש — המשימה נשארת בידי הסמכות המקצועית וה־AI משמש לכל היותר כלי עזר תחת כללים קיימים.
הסדר כזה שומר על היתרון של פחות המתנה ופחות העברות מיותרות, בלי למחוק את ההבדל בין נגישות לידע לבין מומחיות. הוא גם מאפשר לעדכן הגדרות תפקיד בהדרגה: לא לפי רשימת כלים, אלא לפי החלטות שהעובד רשאי לקבל, ראיות שהוא חייב להציג, טעויות שעליו לזהות והמצבים שבהם עליו לעצור ולהעביר את המשימה הלאה. זהו שינוי ניהולי עמוק יותר מהדרכת פרומפטים, משום שהוא מגדיר מחדש סמכות, אחריות ולמידה.
למנהלים בישראל: למפות את המעברים לפני שהם מתקבעים
הנתונים אינם מדגם של שוק העבודה הישראלי, והם מגיעים מספק הטכנולוגיה עצמו. למרות זאת, הם מציעים בדיקה מעשית לארגון שכבר רואה שימוש משמעותי ב־AI. במשך שבועיים אפשר לתעד משימות שעוברות כיום בין תפקידים או נשארות אצל האדם שפגש את הצורך. ליד כל משימה יש לרשום מי היה בעל האחריות בעבר, מי מבצע אותה כעת, איזה מידע נדרש, מי מאשר את התוצר ומהו הסיכון אם התוצאה שגויה.
לאחר המיפוי כדאי לבחור שניים או שלושה מעברים שבהם קיים ערך ברור ולנסח עבורם הסכם עבודה קצר. הוא צריך לכלול גבול פעולה, נקודת מסירה למומחה, תקן איכות, כללי מידע ומנגנון למידה. כך הארגון הופך שימוש אישי ושקט לשינוי תפקיד שניתן להסביר, לבדוק ולשפר — בלי להניח שכל מה שהמודל מסוגל לנסח כבר הפך ליכולת מקצועית.
- מפו היכן משימה נשארת אצל העובד במקום לעבור לבעל מקצוע אחר.
- הגדירו מי בעל האחריות גם כאשר ה־AI מאפשר לעובד אחר להתחיל את המשימה.
- שמרו נקודת חניכה ומשוב כדי שהקיצור התפעולי לא יחליש למידה מקצועית.
- מדדו איכות, תיקונים וסיכונים — לא רק זמן ומהירות.
מה חשוב לקחת
- 43.5% מהודעות ChatGPT הספציפיות למקצוע במדגם עסקו במשימה המזוהה עם מקצוע אחר.
- התופעה בולטת במיוחד בחוויית לקוח, עיצוב ומשאבי אנוש, ובמידה מסוימת יותר בצוותים קטנים.
- המחקר מודד הודעות ולא תוצאות, איכות, פריון או שינוי רשמי בתפקידים.
- האתגר הניהולי הוא לעדכן אחריות, הרשאות, בקרת איכות וחניכה בקצב שבו המשימות כבר זזות.
מקורות שנבדקו
לעצב מחדש תפקידים ושגרות עבודה עם AI
נמפה את המעברים בין תפקידים, נגדיר אחריות ובקרת איכות, ונבנה תהליך הטמעה שמחזק גם ביצועים וגם למידה.
לתיאום שיחת אפיון