ברומטר המשרות 2025 של PwC: צמיחת פרודוקטיביות גבוהה פי ארבעה בענפים החשופים ל־AI, והכישרונות משתנים מהר

צמיחת פרודוקטיביות: פי ארבעה בענפים החשופים

הממצא המרכזי של הברומטר הוא פער הפרודוקטיביות: ענפים עם חשיפה גבוהה ל־AI, כמו שירותים פיננסיים, תוכנה ומידע, מראים צמיחה בפרודוקטיביות הגבוהה עד פי ארבעה מענפים עם חשיפה נמוכה. PwC מזהירה שהפער הזה מצטבר: חברה שמאמצת AI ביעילות מייצרת יותר ערך לכל שעת עבודה, ומחזקת את יכולתה לשלם שכר גבוה יותר ולהשקיע בצמיחה. כדאי לשים לב גם להשלכה התחרותית: הפער אינו רק בין חברות אלא בין עובדים באותה חברה, ולכן ניהול האימוץ הוא גם שאלה של הון אנוש ושל תרבות, לא רק של רכש טכנולוגי.

למנהל ישראלי המסקנה אינה לרוץ לרכוש כלים אלא לבחור זירה אחת: מיפוי תהליך מרכזי שבו הזמן מתבזבז על עבודה טכנית, הטמעת עוזר AI עם בקרת איכות אנושית, ומדידת זמן ותקלות לפני ואחרי. רווח פרודוקטיביות קטן ומדיד בזירה אחת שווה יותר מהצהרת AI כוללת ללא שינוי בשטח. בסוף התהליך שתפו את התוצאה עם ההנהלה בשפה פשוטה: כמה שעות נחסכו, אילו טעויות נתפסו ומה הוחלט להמשיך, כדי שהפיילוט יהפוך לתקנון ולא לאנקדוטה.

גם משרות הניתנות לאוטומציה גדלות

בניגוד לתחזית הפשטנית של החלפה מיידית, הברומטר מראה שמספר המשרות גדל כמעט בכל סוגי התפקידים, כולל אלו הקרויים הניתנים לאוטומציה. ההסבר שמציע הדוח: ה־AI משנה את הרכב התפקיד לפני שהוא מבטל אותו, חלק מהמטלות עוברות לכלי, והעובד פנוי למטלות בעלות ערך גבוה יותר, ובמקביל הביקוש לתפוקה הזולה יותר גדל. נוסף על כך, שוקי עבודה מתוחים מאיצים את התופעה: כאשר קשה לגייס, הכלי מגדיל את תפוקת הקיימים במקום להחליפם, והמעסיק מרוויח פעמיים.

זה לא עדות לביטחון אלא לשינוי: התפקיד נשאר, אבל תוכנו מתחלף. ארגון שממתין לפיטורים או להתייעלות עתידית מפספס את החלון לעצב מחדש תפקידים בכבוד: הגדרה חדשה של מטלות, מיומנויות ומסלול התקדמות, לפני שהשוק עושה זאת בכוח. בתרגול, הכוונה היא ישיבת תכנון תפקידים אחת ברבעון: לעבור על חמשת התפקידים המרכזיים ולשאול מה נמחק, מה נוסף ומה אנו מצפים כעת שהעובד ידע לעשות.

הכישרונות משתנים מהר יותר: לומדים מרוויחים

הנתון התעסוקתי המחריד בדוח הוא קצב שינוי הכישרונות: הכישרונות המבוקשים בתפקידים החשופים ל־AI משתנים מהר יותר מאשר בתפקידים אחרים, והדוח מצביע על פרמיית שכר משמעותית לעובדים עם מיומנויות AI. המסר של PwC חד: ההשקעה החשובה ביותר היא באנשים, ובפרט ביכולת הלמידה המתמשכת שלהם. הביטוי התקציבי של המסר הזה פשוט: עלות הכשרה רבעונית ממוקדת היא שבריר קטן מעלות גיוס מחדש, ולכן גם ארגון בינוני יכול לממן אותה בלי לשנות את מבנה התקציב.

בשוק הישראלי, שבו התחרות על עובדים מיומנים חריפה, פרמיית המיומנויות היא סיכון שימור: עובד שצובר מיומנויות AI בחוץ אך לא בארגון שלכם ימכור אותן למקום אחר. תוכנית מיומנויות פנימית, מפת כישרונות, תרגילי יישום והכרה בהתקדמות, היא אחד הכלים הזולים ביותר לשימור, והיא מתחילה בהחלטה מנהלית ולא בתקציב ענק. חשוב שהמסלול יהיה נראה: פרסמו מי צבר אילו מיומנויות ומה זה מקנה בתפקיד, כדי שהלמידה תיתפס כמסלול קידום אמיתי ולא כמטלה נוספת.

השלכות למעסיקים בישראל

לישראל שני מאפיינים שמחדדים את הדוח: ריכוז גבוה של עובדים בענפים החשופים ל־AI, ומחסור מתמשך בכישרונות טכנולוגיים ושירותיים. המשמעות היא שהזדמנות הפרודוקטיביות גדולה אצלנו מהממוצע, אבל גם פער הכישרונות מתרחב מהר יותר. ארגון ישראלי שלא בונה תשתית למידה ימצא את עצמו מתחרה על אותם מועמדים יקרים במקום לגדל אותם בבית. בנוסף, הרגולציה והדרישות המקומיות משתנות גם הן, ולכן ארגון שבונה יכולת למידה מהירה מוגן טוב יותר גם מול שינויי מדיניות בלתי צפויים. שווה להזכיר גם שההזדמנות מחוברת לאקלים: כשארגון מטפח סביבת עבודה שבה בטוח לנסות, העובדים הם שמביאים את רעיונות היישום הטובים ביותר מהשטח.

מניסיון ההדרכה של משכוכית, המענה המנצח בארגונים ישראליים הוא מחזורי למידה קצרים: מיומנות AI אחת לרבעון לכל צוות, תרגיל יישום בעבודה האמיתית ובדיקת תוצאה אחרי חודש. גישה זו מתאימה גם לחברות בינוניות ולמפעלים, ולא דורשת מערך למידה כבד אלא החלטה, ריתמוס ומדידה. לבסוף, שתפו את התוצאות עם הנהלת הארגון כולו פעם ברבעון: מדד אחד של פרודוקטיביות ומדד אחד של מיומנויות מספיקים כדי לשמור את הנושא על השולחן.

מה לעשות עם הברומטר כבר השבוע

הברומטר מזמין שני מהלכים מיידיים. ראשון, מיפוי חשיפה פנימי: כתבו את חמשת התפקידים המרכזיים בצוות, וליד כל אחד סמנו אילו מטלות כבר ניתנות לביצוע עם עוזר AI. המפה מחשיפה היכן הזמן מתבזבז והיכן נמצא רווח הפרודוקטיביות הראשון שלכם, ובדרך כלל היא מפתיעה לטובה. המיפוי גם יוצר שפה משותפת: פעם אחת שהצוות רואה על נייר אילו מטלות מתאימות לכלי, הדיון עובר מפחד כללי להחלטות קטנות וברורות.

שני, בחרו זירה אחת לפיילוט מדיד: תהליך אחד, עוזר AI אחד, מדד זמן ותקלות לפני ואחרי חודש. שתפו את התוצאות עם הצוות, כולל מה שלא עבד. פיילוט מדיד אחד מייצר יכולת חזרה: מחזור שני ושלישי כבר מהירים וזולים, וכך נבנית יכולת AI ארגונית אמיתית ולא תכנית מדיה. אם הפיילוט נכשל, זה עדיין רווח: תיעוד של מה שלא עבד חוסך את אותה טעות בזירה הבאה ובונה אמון שהשינוי מנוהל ביושר.

• כתבו את חמשת התפקידים המרכזיים וסמנו מטלות שמתאימות לעוזר AI.
• בחרו זירה אחת לפיילוט: תהליך, כלי ומדד.
• מדדו זמן ותקלות לפני ההטמעה.
• הריצו את הפיילוט חודש עם בקרת איכות אנושית.
• שתפו תוצאות עם הצוות והחליטו על מחזור נוסף.

שלוש טעויות בקריאת הברומטר

הטעות הראשונה היא לייחס סיבתיות למתאם: ענפים חשופים ל־AI עשויים להיות פרודוקטיביים יותר גם בלעדיו, וחלק מהפער קדם לטכנולוגיה. הטעות השנייה היא לקרוא מודעות דרושים כמדד לביצועים בפועל: דרישות מעסיקים משקפות כוונות ותקוות, לא תפוקה מדודה. הטעות השלישית היא לשכוח ש־PwC היא חברת ייעוץ המוכרת שירותי AI: יש לקרוא את הדוח כמכוון מגמה חזק, לא כהוכחה מוחלטת. בנוסף, מודעות הדרושים נוטות לשקף את החברות הגדולות שמפרסמות הרבה, ולכן התמונה עלולה להיות מוטית לטובת ענקיות תוכנה על חשבון מפעלים ושירותים מקומיים.

הקריאה הנכונה לוקחת את הכיוון ומודדת מקומית: המגמה של פרודוקטיביות, שינוי כישרונות וצמיחת משרות עולה בקנה אחד עם מקורות נוספים, אבל ההשפעה בארגון שלכם נמדדת רק אצלכם. פיילוט מדיד אחד יגיד לכם יותר מכל דוח עולמי על הזירה שבה כדאי להשקיע קודם. לכן ההמלצה המעשית נשארת זהה בכל קריאה: התחילו קטן, מדדו אצלכם, ותנו לנתון המקומי להכריע את צעד ההשקעה הבא.