איך AI משנה את העובדים בעסק בשנת 2025

איך בינה מלאכותית משנה את אופן העבודה שלנו? מחקרים קודמים על ההשפעות הכלכליות של AI בחנו את שוק העבודה בכללותו, תוך כיסוי מגוון רחב של משרות שונות. אבל מה אם נחקור בפירוט את המאמצים המוקדמים ביותר של טכנולוגיית AI - כלומר, אותנו?

במחקר פנימי שנערך באוגוסט 2025 על ידי Anthropic, סקרנו 132 מהנדסים וחוקרים, ערכנו 53 ראיונות איכותניים מעמיקים, ובדקנו נתוני שימוש פנימיים כדי לגלות איך השימוש ב-AI משנה דברים. הממצאים מראים שהשימוש ב-AI משנה באופן קיצוני את אופי העבודה למפתחי תוכנה, תוך יצירת תקווה ודאגה כאחד.

ממצאי מפתח

המחקר חושף מקום עבודה העומד בפני שינויים משמעותיים: מהנדסים משיגים הרבה יותר, הופכים ליותר "full-stack" (מסוגלים להצליח במשימות מעבר למומחיות הרגילה שלהם), מאיצים את מהירות הלמידה והאיטרציה, ומטפלים במשימות שהוזנחו בעבר. ההרחבה הזו ברוחב גם מעלה שאלות על התמורות - יש מי שדואגים שזה יכול להוביל לאובדן של יכולת טכנית עמוקה יותר, או להיות פחות מסוגלים לפקח ביעילות על הפלטים של AI, בעוד שאחרים מאמצים את ההזדמנות לחשוב בצורה רחבה יותר וברמה גבוהה יותר.

ממצאי הסקר

אילו משימות קוד משתמשים ב-AI?

רוב המהנדסים והחוקרים משתמשים ב-AI לרוב לתיקון שגיאות קוד וללמוד על בסיס הקוד. דיבוג והבנת קוד הם השימושים הנפוצים ביותר.

שימוש ופרודוקטיביות

עובדים מדווחים על שימוש גובר ב-AI ועל עליות בפרודוקטיביות. עובדים מדווחים על שימוש ב-AI ב-60% מהעבודה שלהם והשגת עלייה של 50% בפרודוקטיביות, עלייה של פי 2-3 מהתקופה הזו בשנה שעברה. הפרודוקטיביות הזו נראית כמו פחות זמן במעט לכל קטגוריית משימה, אבל הרבה יותר נפח פלט.

עבודה חדשה שה-AI מאפשר

27% מהעבודה בסיוע AI מורכבת ממשימות שלא היו נעשות אחרת, כמו פרויקטי הרחבה, יצירת כלים נחמדים (למשל לוחות מחוונים אינטראקטיביים לנתונים), ועבודה חקר שלא תהיה כדאית כלכלית אם הייתה נעשית ידנית. זה תואם לממצאים שלנו על שילוב AI ואוטומציה בעסקים, שם ראינו כיצד AI מאפשר לעסקים קטנים ובינוניים לבצע משימות שבעבר היו יקרות מדי או מורכבות מדי.

כמה עבודה ניתן להאציל במלואה ל-AI?

למרות שמהנדסים משתמשים ב-AI לעתים קרובות, יותר ממחצית אמרו שהם יכולים "להאציל במלואה" רק בין 0-20% מהעבודה שלהם ל-AI. זה מצביע על כך שמהנדסים נוטים לשתף פעולה בצמוד עם AI ולבדוק את העבודה שלו, ולא להעביר משימות ללא אימות.

ראיונות איכותניים

גישות להאצלה ל-AI

מהנדסים וחוקרים מפתחים מגוון אסטרטגיות לשימוש פרודוקטיבי ב-AI. אנשים בדרך כלל מאצילים משימות שהם:

• מחוץ להקשר המשתמש ומורכבות נמוכה: "אני משתמש ב-AI לדברים שבהם יש לי הקשר נמוך, אבל חושב שהמורכבות הכללית גם נמוכה."
• קלים לאימות: "זה מדהים לחלוטין לכל דבר שבו מאמץ האימות לא גדול בהשוואה למאמץ היצירה."
• מוגדרים היטב או עצמאיים: "אם רכיב משנה של הפרויקט מנותק מספיק מהשאר, אני אבקש מ-AI לנסות."
• איכות הקוד לא קריטית: "אם זה קוד דיבוג או מחקר חד-פעמי, זה הולך ישירות ל-AI."
• חוזרים או משעממים: "ככל שאני יותר מתרגש לעשות את המשימה, כך אני פחות משתמש ב-AI."

שינויי כישורים

יכולות חדשות

הממצא שהסקר ש-27% מהעבודה בסיוע AI לא הייתה נעשית אחרת משקף דפוס רחב יותר: מהנדסים משתמשים ב-AI לעבוד מחוץ למומחיות הליבה שלהם. עובדים רבים מדווחים על השלמת עבודה שהייתה בעבר מחוץ למומחיות שלהם - מהנדסי backend בונים ממשקי משתמש; חוקרים יוצרים ויזואליזציות.

מהנדסים מדווחים על "הפיכה ליותר full-stack... אני יכול לעבוד בצורה מוכשרת מאוד על front-end, או מסדי נתונים טרנזקציוניים, או קוד API, שם בעבר הייתי מפחד לגעת בדברים שאני פחות מומחה בהם." דפוס דומה אנו רואים גם בבניית אתרים עם Cursor AI, שם כלים מבוססי AI מאפשרים למפתחים לעבוד על תחומים שמחוץ למומחיות שלהם.

ופחות תרגול מעשי

באותו זמן, חלק דאגו מ"כישורים שמתנוונים ככל שהם מאצילים יותר", ומאבדים את הלמידה המקרית (או "המשנית") שקורית במהלך פתרון בעיות ידני.

אחת הסיבות לכך שהתנוונות כישורי הקוד מדאיגה היא "הפרדוקס של הפיקוח" - כפי שצוין לעיל, שימוש יעיל ב-AI דורש פיקוח, ופיקוח על AI דורש את כישורי הקוד שעלולים להתנוון משימוש יתר ב-AI.

המלאכה והמשמעות של הנדסת תוכנה

מהנדסים חלוקים בחריפות על האם הם מתגעגעים לקוד מעשי. חלק מרגישים אובדן אמיתי - "זה סוף עידן עבורי - אני מתכנת כבר 25 שנים, והרגשת כשירות בסט הכישורים הזה היא חלק מרכזי מהסיפוק המקצועי שלי." אחרים דואגים שלא ליהנות מאופי העבודה החדש: "בילוי היום שלך בהנחיית AI לא מאוד כיף או מספק. זה הרבה יותר כיף ומספק לשים מוזיקה, להיכנס לזון ולממש משהו בעצמך."

דינמיקות חברתיות משתנות במקום העבודה

אחד הנושאים הבולטים יותר היה ש-AI הפך לתחנה הראשונה לשאלות שבעבר הלכו לעמיתים. "אני שואל הרבה יותר שאלות [עכשיו] באופן כללי, אבל כמו 80-90% מהן הולכות ל-AI," ציין עובד אחד.

עם זאת, אחרים תיארו פחות אינטראקציה עם עמיתים ("אני עובד הרבה יותר עם AI מאשר עם כל אחד מהעמיתים שלי.") חלק העריכו את הפחתת החיכוך החברתי ("אני לא מרגיש רע על לקיחת הזמן של העמית שלי"). אחרים התנגדו לשינוי או התגעגעו לדרך העבודה הישנה: "אני אוהב לעבוד עם אנשים וזה עצוב שאני 'צריך' אותם פחות עכשיו."

אי-ודאות קריירה והתאמה

מהנדסים רבים מתארים את התפקיד שלהם כעובר מכתיבת קוד לניהול AI. מהנדסים רואים יותר ויותר את עצמם כ"מנהלים של סוכני AI" - חלק כבר "מחזיקים כל הזמן לפחות כמה מופעי [AI] רצים."

בטווח הארוך, אי-ודאות קריירה נפוצה. מהנדסים ראו את השינויים האלה כמבשרים של שינוי תעשייתי רחב יותר, ורבים אמרו ש"קשה לומר" איך הקריירות שלהם עשויות להיראות בעוד כמה שנים. חלק הביעו קונפליקט בין אופטימיות לטווח קצר לאי-ודאות לטווח ארוך. "אני מרגיש אופטימי לטווח הקצר אבל לטווח הארוך אני חושב ש-AI יסיים לעשות הכל ויעשה אותי ורבים אחרים לא רלוונטיים," הצהיר אחד.

מגמות שימוש ב-AI

טיפול בבעיות מורכבות יותר עם פחות פיקוח

שימוש ב-AI עבר למשימות קוד קשות יותר ואוטונומיות יותר בששת החודשים האחרונים:

• מורכבות משימות עלתה: מורכבות המשימות עלתה מ-3.2 ל-3.8 בממוצע (בסולם 1-5).
• יותר פעולות אוטונומיות: מספר הפעולות המקסימלי ברצף ש-AI מבצע עלה ב-116%.
• פחות התערבות אנושית: מספר התורות האנושיות ירד ב-33%.

התפלגות משימות

השינוי הבולט ביותר בין פברואר לאוגוסט 2025 הוא שיש עכשיו באופן יחסי הרבה יותר תמלולים המשתמשים ב-AI לממש תכונות חדשות (14.3% → 36.9%) ולעשות עיצוב קוד או תכנון (1.0% → 9.9%).

תיקון "פצעים קטנים"

8.6% ממשימות ה-AI מסווגות כ"תיקוני פצעים קטנים". אלה כוללים משימות גדולות יותר כמו יצירת כלי ויזואליזציה לביצועים וסידור מחדש של קוד לתחזוקה, כמו גם משימות קטנות יותר כמו יצירת קיצורי דרך בטרמינל.

כולם הופכים ליותר "full-stack"

צוותים שונים משתמשים ב-AI בדרכים שונות, לעתים קרובות כדי להגדיל את המומחיות הליבה שלהם - צוות האבטחה משתמש בו לנתח קוד לא מוכר, צוות Alignment & Safety משתמש בו לבנות ויזואליזציות front-end של הנתונים שלהם, וכן הלאה.

מבט קדימה

עובדים הגדילו מאוד את השימוש ב-AI בשנה האחרונה, משתמשים בו לא רק כדי להאיץ עבודה קיימת אלא גם כדי ללמוד בסיסי קוד חדשים, להפחית עבודה משעממת, להתרחב לתחומים חדשים, ולטפל בשיפורים שהוזנחו בעבר. ככל ש-AI הופך לאוטונומי יותר ומסוגל יותר, מהנדסים מגלים דרכים חדשות להשתמש בהאצלה ל-AI תוך שהם גם מבינים אילו כישורים הם יצטרכו בעתיד.

השינויים האלה מביאים יתרונות ברורים בפרודוקטיביות ובלמידה לצד אי-ודאות אמיתית על המסלול לטווח הארוך של עבודת הנדסת תוכנה. האם AI יידמה למעברים קודמים בהנדסת תוכנה - משפות תכנות ברמה נמוכה לרמה גבוהה, או מתורם בודק למנהל, כפי שמהנדסים אחדים הציעו? או שזה ילך רחוק יותר?

סיכום

המחקר חושף מקום עבודה העומד בפני שינויים משמעותיים. מהנדסים משיגים הרבה יותר, הופכים ליותר "full-stack", מאיצים את מהירות הלמידה והאיטרציה, ומטפלים במשימות שהוזנחו בעבר. עם זאת, השינויים האלה מעלים גם שאלות על כישורים, שיתוף פעולה, ועתיד המקצוע.

AI יותר מסוגל מביא יתרונות פרודוקטיביות, אבל זה גם מעלה שאלות על שמירה על מומחיות טכנית, שימור שיתוף פעולה משמעותי, והכנה לעתיד לא ודאי שעשוי לדרוש גישות חדשות ללמידה, חונכות, ופיתוח קריירה במקום עבודה מוגבר AI.