הכלי פתוח לכולם. היכולת להשתמש בו עדיין אינה מחולקת באופן שווה.
בכל ארגון יש עובדים שכבר משלבים AI בעבודה באופן טבעי. הם בודקים כלים חדשים, מנסחים בקשות טובות ומשפרים את התוצאה עד שהיא מתאימה להם. לצדם יש עובדים ששמעו על האפשרויות, אבל עדיין אינם יודעים מאיפה להתחיל, חוששים לטעות או אינם מקבלים זמן אמיתי להתנסות.
כאשר הארגון מצהיר שהכלי זמין לכולם, קל להניח שגם ההזדמנות שווה. בפועל, גישה טכנית היא רק חלק קטן מהתמונה. העובדים מגיעים עם רמות שונות של אוריינות דיגיטלית, ניסיון, שפה, ביטחון, תפקיד, הרשאות ותמיכה ניהולית. בלי התייחסות לפערים האלה, AI עלול להרחיב פערים שכבר קיימים.
הפער אינו רק בין צעירים למבוגרים
נוח לחשוב שהפער הוא גילאי, אך המציאות מורכבת יותר. עובד ותיק יכול להיות סקרן ומיומן, ועובדת צעירה יכולה להרגיש חוסר ביטחון. לעיתים הפער המרכזי הוא בין עובדי מטה שיש להם מחשב אישי וזמן ללמוד, לבין עובדי שטח שפועלים במשמרות. לפעמים הוא בין מנהל שמקבל רישיון מלא לבין עובד שצריך להשתמש בגרסה מוגבלת.
גם תרבות ארגונית משפיעה. בצוות שבו מותר לשאול, לשתף טעויות וללמוד יחד, עובדים מתקדמים מהר יותר. בצוות שבו שימוש ב-AI נתפס כקיצור דרך לא מקצועי, אנשים מסתירים את השימוש או נמנעים ממנו.
אילו פערים יכולים להיווצר?
פער בגישה
לא לכל העובדים יש אותו ציוד, חשבון, הרשאה או אפשרות להשתמש בכלי בזמן העבודה. ארגון שמודיע על כלי חדש בלי לבדוק נגישות עלול ליצור יתרון מובנה לקבוצות מסוימות.
פער בזמן ללמידה
העובדים שכבר עמוסים ביותר הם לעיתים אלה שזקוקים לכלי יותר מכולם, אך אין להם זמן להתנסות. אם הלמידה מתרחשת רק בבית או בזמנם הפרטי, היתרון עובר למי שיכול להשקיע זמן נוסף.
פער בביטחון
מי שמרגיש בטוח יותר מוכן לנסות, לטעות ולשאול. עובדים שחוו בעבר הטמעות לא מוצלחות או מרגישים שטכנולוגיה "אינה בשבילם" עלולים להישאר מאחור גם כאשר יש להם יכולת מלאה ללמוד.
פער בתמיכת המנהל
שני עובדים יכולים לעבור את אותה הדרכה, אבל רק אחד יקבל מהמנהל משימה לתרגול, זמן לבדיקה ולגיטימציה להשתמש. התמיכה המקומית משפיעה לעיתים יותר מההדרכה עצמה.
איך מונעים מה-AI להפוך למנוע של פערים?
1. ממפים נקודות פתיחה שונות
לפני שבונים תוכנית, בודקים מי משתמש, מי אינו משתמש ולמה. לא באמצעות מבחן מלחיץ, אלא דרך שאלון קצר, שיחות עם מנהלים והתבוננות בתפקידים. המטרה היא לזהות חסמים ולא לסמן עובדים כחזקים או חלשים.
2. בונים מסלולי למידה שונים
הדרכה אחת לכולם כמעט תמיד מפספסת חלק מהקהל. כדאי להציע מסלול בסיסי, תרגול לפי תפקיד, תמיכה למנהלים וקבוצת מתקדמים שיכולה לשמש קהילת למידה. לעובדים מסוימים נכון להתחיל ממשימה אחת בלבד.
3. נותנים זמן בתוך העבודה
למידה ארגונית אינה אמורה להתרחש רק בערב. חלון תרגול קצר, משימה מוגדרת ומפגש המשך הופכים את הידע להרגל. זה גם משדר שהארגון רואה בלמידה חלק מהתפקיד.
4. מתאימים את הכלים למציאות
יש עובדים שעובדים בעיקר בטלפון, אחרים ללא עמדה קבועה, ויש מי שזקוקים לממשק בעברית או להנחיה חזותית. הטמעה שוויונית אינה נותנת לכולם בדיוק אותו דבר, אלא נותנת לכל קבוצה את התנאים הנדרשים כדי להשתתף.
5. מודדים פערים, לא רק ממוצע
ממוצע ארגוני יכול להסתיר צוותים שלמים שאינם משתמשים. כדאי לבדוק אימוץ לפי יחידה, סוג תפקיד, רמת נגישות ואוכלוסיות שונות, ולברר האם הכלי משפר את העבודה או יוצר תחושת נחיתות.
השוויון אינו בא על חשבון המצוינים
אין צורך לעצור עובדים מתקדמים. להפך, אפשר לתת להם מרחב להתנסות ולשתף ידע. אך אסור שהארגון יבנה את התהליך רק סביבם. עובדים מהירים יכולים להיות סוכני שינוי, כל עוד התפקיד שלהם הוא לפתוח דרך לאחרים ולא להפוך לקבוצה סגורה של מומחים.
ה-ILO וה-OECD מדגישים שהשפעת AI על העבודה תלויה גם בהכשרה, בתשתיות, בקול העובדים וביכולת לנהל מעבר הוגן. לכן השאלה אינה רק מי למד להשתמש בכלי, אלא מי קיבל הזדמנות אמיתית ללמוד.
הצלחה ארגונית אינה נמדדת לפי העובדים המהירים ביותר, אלא לפי היכולת של הארגון לקדם את כולם.
קריאה לפעולה
רוצים לבנות מסלול AI שמתאים לעובדים שונים ולא משאיר אף קבוצה מאחור? הכירו את ההדרכות ותהליכי הליווי של בינה ארגונית.