מודל הערכת בשלות בינה מלאכותית

מודל הערכת בשלות תחומי עיסוק לקליטת בינה מלאכותית הוא מתודולוגיה לניתוח רמת הבשלות של תחומי עיסוק שונים וכן תפקודים שונים בתוך אותם התחומים, לאימוץ טכנולוגיות בינה מלאכותית כפי שהן נתפסות כיום (2025). המודל פותח על בסיס מודל SAMR של רובן פואנטדורה (Ruben Puentedura) ומספק מסגרת כמותית להערכת פוטנציאל השילוב של בינה מלאכותית בתחומי עבודה שונים.

הנחת המוצא של המודל עוסקת בכך שכלי הבינה המלאכותית הקיימים הם כלים סטטיסטיים בעיקרם המאומנים על מידע קיים. על כן, כלים אלו אפקטיביים בייחוד בעולמות הטקסט והגרפיקה, בתחומים שקיים בהם סטנדרט נרחב (כלומר אינם ייחודיים ונישתיים), בתחומים טכניים, ולא מחייבים מגע אנושי, ושהם אינם כרוכים בסיכון חמור או בפעילות שאינה בת תיקון. על בסיס מרכיבים אלו נבנו 4 צירים שלאורם נבחן התפקוד.

ציר 1: טקסט ↔ מציאות

אופי החומרים והכלים

Physical Digital

3.0

ציר 2: סיכון נמוך ↔ גבוה

השפעות טעויות והחלטות

High Risk Low Risk

3.0

ציר 3: אנושי ↔ טכני

היבטים חברתיים מול טכניים

Human Technical

3.0

ציר 4: ייחודי ↔ סטנדרטי

רמת יצירתיות וחדשנות

Unique Standard

3.0

ציר 5: שמרני ↔ חדשני

קצב אימוץ טכנולוגיות חדשות

Conservative Innovative

3.0

Modification Ready

בשלות בינונית-גבוהה

Substitution (1-2)

Augmentation (2-3)

Modification (3-4)

Redefinition (4-5)

רקע תיאורטירקע תיאורטי

מודל SAMR כבסיסמודל SAMR כבסיס

המודל מבוסס על מודל SAMR (Substitution, Augmentation, Modification, Redefinition), שפותח במקור לניתוח שילוב טכנולוגי בחינוך:

• Substitution (החלפה) - הטכנולוגיה מחליפה כלים קיימים ללא שינוי פונקציונלי
• Augmentation (הגברה) - הטכנולוגיה משפרת יכולות קיימות באופן משמעותי
• Modification (שינוי) - הטכנולוגיה מאפשרת שינוי משמעותי בתהליכי העבודה
• Redefinition (הגדרה מחדש) - הטכנולוגיה מאפשרת יצירת תהליכי עבודה חדשים לחלוטין

התאמה לבינה מלאכותיתהתאמה לבינה מלאכותית

המודל מתאים את עקרונות SAMR לתחום הבינה המלאכותית, תוך התמקדות בגורמים ייחודיים המשפיעים על יכולת השילוב של טכנולוגיות AI בתחומי עיסוק שונים.

ארבעת הציריםארבעת הצירים

המודל מבוסס על ארבעה צירים עיקריים המשקפים מאפיינים קריטיים של תחומי עיסוק:

ציר 1: דיגיטלי ↔ מציאותי (Digital/Physical)ציר 1: דיגיטלי ↔ מציאותי (Digital/Physical)

מודד את אופי החומרים והכלים שאיתם עובדים בתחום:

• דיגיטלי/טקסטואלי/גרפי - עבודה עם מסמכים, טקסטים, מידע כתוב או גרפיקה דיגיטלית
• מעורב - שילוב של עבודה דיגיטלית ופיזית
• פיזי/מציאותי - עבודה פיזית עם חומרים, מכונות או אנשים

הנמקה: טכנולוגיות AI נוכחיות מצליחות ביותר בעיבוד טקסט ומידע דיגיטלי, בחילול גרפיקה בעוד היכולות הפיזיות שלהן כיום מוגבלות יותר.

משקל: 25% - המשקל הגבוה ביותר, מכיוון שזהו תנאי בסיסי לפעולת AI.

ציר 2: סיכון נמוך ↔ סיכון גבוה (Safe/Risky)ציר 2: סיכון נמוך ↔ סיכון גבוה (Safe/Risky)

מעריך את השפעות טעויות והחלטות בתחום:

• סיכון נמוך - טעויות ניתנות לתיקון בקלות ללא השלכות משמעותיות
• סיכון בינוני - טעויות גורמות לעיכובים או בעיות כספיות מוגבלות
• סיכון גבוה - טעויות עלולות לסכן חיי אדם או לגרום נזק חמור

הנמקה: תחומים עם סיכון גבוה דורשים זהירות רבה יותר בשילוב AI, הן בשל נטיית המודלים הקיימים להזיות ולריצוי, והן בשל חוסר בקרה של המפעיל, בעוד תחומי סיכון נמוך מאפשרים ניסוי וטעיה.

משקל: 20% - חשוב מאוד, מכיוון שקובע את רמת האוטונומיה האפשרית.

ציר 3: אנושי ↔ טכני (Technical/Human)ציר 3: אנושי ↔ טכני (Technical/Human)

בוחן את ההיבטים האנושיים (הומניים) מול הטכניים בעבודה:

• אנושי - עבודה הדורשת אינטראקציה אנושית עמוקה, אמפתיה וכישורים חברתיים, יצירתיות והמשגה
• מעורב - שילוב של כישורים טכניים ואנושיים
• טכני - עבודה טכנית, מתמטית או מדעית עם מעט צורך באינטראקציה אנושית.

הנמקה: טכנולוגיית AI כיום חזקה בתחומים טכניים, מצליחה לספק שיחה אנושית ברמה סבירה, אך מוגבלת ביכולות חברתיות ורגשיות מורכבות.

משקל: 20% - משמעותי במיוחד בתחומים הכוללים אינטראקציה עם אנשים.

ציר 4: ייחודי ↔ סטנדרטי (Standard/Unique)ציר 4: ייחודי ↔ סטנדרטי (Standard/Unique)

מודד את רמת הייחוד והיצירתיות הנדרשת:

• ייחודי - כל משימה דורשת גישה יצירתית וייחודית
• מעורב - שילוב של משימות חוזרות וייחודיות
• סטנדרטי - משימות שחוזרות על עצמן עם נהלים קבועים

הנמקה: AI מצליחה יותר במשימות סטנדרטיות ומובנות שבהן קיים בסיס לוגי או בסיס מידע ברור, בעוד יצירתיות גבוהה נשארת לעת עתה תחום אנושי.

משקל: 20% - קריטי להבנת סוג המשימות שניתן לאוטומט.

ציר 5: שמרני ↔ חדשני (Conservative/Innovative)ציר 5: שמרני ↔ חדשני (Conservative/Innovative)

מודד את קצב אימוץ טכנולוגיות חדשות בתחום:

• שמרני - תחום מסורתי המאמץ טכנולוגיות חדשות בזהירות רבה לאחר שנים של הוכחה
• מעורב - תחום שמאמץ טכנולוגיות מוכחות בקצב סביר
• חדשני - תחום דינמי שמאמץ טכנולוגיות חדשות במהירות וממעט בהתנגדות לשינוי

הנמקה: תרבות החדשנות בתחום משפיעה ישירות על המהירות והקלות שבה ניתן לאמץ פתרונות AI. תחומים חדשניים יראו אימוץ מהיר יותר גם אם יש אתגרים טכניים.

משקל: 15% - משפיע על קצב האימוץ בפועל, אך פחות קריטי מהיכולת הטכנית.

רמות בשלות SAMRרמות בשלות SAMR

התוצאות מתורגמות לרמות בשלות SAMR:

• 4.0-5.0: בשלות גבוהה (Redefinition/Modification)
• 3.0-3.9: בשלות בינונית-גבוהה (Modification/Augmentation)
• 2.0-2.9: בשלות בינונית (Augmentation/Substitution)
• 1.0-1.9: בשלות נמוכה (Substitution בלבד)

דוגמאות יישוםדוגמאות יישום

השוואה בין מספר מקצועות בעזרת המודל:

השוואה בין מקצועות התוכנה, רפואת המשפחה, וראיית חשבון

כלי דיגיטלי לאבחון תחום, תפקוד או מקצוע על בסיס המודל:

כלי דיגיטלי להערכת תפקוד

הנחות המוצאהנחות המוצא

הנחות טכנולוגיותהנחות טכנולוגיות

1. מגבלות טכנולוגיות נוכחיות: הבינה המלאכותית הנוכחית חזקה יותר בעיבוד מידע דיגיטלי מאשר באינטראקציות פיזיות או חברתיות מורכבות.
2. מגמות פיתוח: הטכנולוגיה תמשיך להתפתח בכיוון של שיפור יכולות עיבוד טקסט, דפוסים וניתוח נתונים וכן בכיוונים של סוכני AI המפעילים באופן עצמאי מגוון כלים.
3. אמינות מול סיכון: ככל שהסיכון גבוה יותר, כך נדרשת רמת אמינות גבוהה יותר מהטכנולוגיה, והמנועים ישאפו להגיע לתחומים אלו, אך נדרשת כברת דרך.

הנחות חברתיות ואנושיותהנחות חברתיות ואנושיות

1. חשיבות האלמנט האנושי: תחומים הדורשים אמפתיה, יצירתיות אמיתית ואינטואיציה אנושית יישארו פחות מתאימים לאוטומציה מלאה.
2. אחריות משפטית: בתחומים עם סיכון גבוה נדרשת אחריות אנושית ברורה.

מגבלות המודלמגבלות המודל

מגבלות מתודולוגיותמגבלות מתודולוגיות

• סובייקטיביות: הערכת הציונים עשויה להיות סובייקטיבית ותלויה בפרשנות
• סטטיות זמנית: המודל מייצג מצב נוכחי ואינו מתחשב בקצב שינוי טכנולוגי או בהתפתחויות העתידיות
• הכללה יתר: תחומי משנה בתוך תחום עיסוק עשויים להיות שונים משמעותית

מגבלות טכנולוגיותמגבלות טכנולוגיות

• קצב פיתוח: התפתחויות טכנולוגיות מהירות עשויות לשנות את הנחות המודל
• פריצות דרך: המודל אינו צופה פריצות דרך טכנולוגיות לא צפויות
• תלות בנתונים: יעילות AI תלויה בזמינות ואיכות נתונים, שאינם אחידים בכל התחומים

חישוב הציון הסופיחישוב הציון הסופי

הציון המשוקלל מחושב לפי הנוסחה:

ציון גולמי = (ציר1 × 0.25) + (ציר2 × 0.20) + (ציר3 × 0.20) + (ציר4 × 0.20) + (ציר5 × 0.15)

לאחר מכן, הציון הגולמי עובר טרנספורמציה לא-לינארית המשקפת מעברי פאזה:

מעברי פאזה ברמות SAMRמעברי פאזה ברמות SAMR

1. (1-1.5) לא בשל להשתנות
2. Substitution (1.5-2) - התקדמות לינארית
   • כל שיפור בציון מתורגם ישירות לשיפור בבשלות
3. Augmentation (2-3.6) - צבירת אנרגיה
   • שיפורים צוברים פוטנציאל למעבר פאזה
   • התקדמות לא-לינארית עדינה
4. Modification (3.6-4.5) - מעבר פאזה עיקרי
   • שינוי מהותי בבשלות, כמו מים שהופכים לקיטור
   • קפיצה משמעותית בערך המתוקנן
5. Redefinition (4.5-5) - רמה עליונה
   • בשלות גבוהה, אפשרות לשינוי מהותי בתחום
   • התקדמות מואצת לקראת בשלות מקסימלית

---

פרשנות התוצאותפרשנות התוצאות

טווח ציונים	רמת SAMR	פרשנות
< 1.5	לא בשל להטמעה	אין הטמעה של מערכות AI
1.5-2	Substitution	בשלות נמוכה - AI כתחליף בסיסי לכלים קיימים
2-3.6	Augmentation	בשלות בינונית - AI משפרת יכולות קיימות
3.6-4.5	Modification	בשלות בינונית-גבוהה - AI משנה תהליכים
≥ 4.5	Redefinition	בשלות גבוהה - AI מאפשרת הגדרה מחדש של העבודה

ראו גםראו גם

• מודל SAMR
• ניהול המשאב הקוגניטיבי
• כלי דיגיטלי לאבחון לאור המודל

יש שותפים רבים לכתיבה במאגר הידע. מאמר זה נכתב ברובו על ידי יותם הכהן. ניתן לצטט אותו באופן הבא:

יותם הכהן, מודל הערכת בשלות בינה מלאכותית, מאגר הידע של דואלוג, 2025.

הטקסטים במאגר הידע מוגשים תחת רישיון CC-BY 4.0 וניתן לעשות בהם שימוש חופשי כל עוד ניתן קרדיט וקישור למקור.