סטארטאפים בכל העולם ממהרים לאמץ בינה מלאכותית. הקצב מסחרר: כמעט בכל כמה שבועות יוצא כלי או מודל חדש שמבטיח לשנות מן היסוד את הדרך שבה אנחנו עובדים. אבל מתחת להתרגשות, מסתתר סיכון: אם רודפים אחרי כל דבר חדש שיוצא מאבדים פוקוס. אם מתעלמים מהתחום לחלוטין אז נשארים מאחור. השאלה האמיתית היא לא האם להשתמש ב-AI, אלא האם התרבות הארגונית שלכם יכולה לשרוד את המתח שבין הייפ למציאות.

ב-Empathy אנחנו מתמודדים עם המתח הזה בזמן אמת. בשנה האחרונה הרמנו הקאתונים, הרצנו פיילוטים, ושינינו את גישת הגיוס שלנו - הכול במטרה להפוך את הצוותים שלנו לעמידים יותר בעידן של שינוי מתמיד. הנה כמה תובנות מהתהליך, שיכולות לעזור גם לפאונדרים ומנהלים טכנולוגיים בצוותים שלהם.

עידן מטלות בית הסתיים

שינוי אחד כבר ברור: תהליכי גיוס קלאסיים פשוט לא עובדים יותר. למרות שאנחנו אף פעם לא הסתמכנו על מטלות בית כחלק אינהרנטי מהתהליך גיוס ב-Empathy,  קל לראות שבעדין ה-AI מטלות בית למועמדים כמעט חסרות משמעות. קשה לדעת כמה מהפתרון באמת משקף את דרך החשיבה של המועמד וכמה משקפות שימוש בכלים חיצוניים (דבר שהוא חשוב בפני עצמו). חברות שממשיכות להסתמך עליהן מסתכנות באבחון שגוי ובגיוס כושל.

ב-Empathy אנחנו מחפשים שלושה דברים עיקריים: אנשים טובים שיודעים לשתף פעולה תחת לחץ, מפתחים שמסורים למקצוע וממשיכים ללמוד ולהשתפר, ואדפטיביות שמאפשרת לשגשג גם כשהעדיפויות משתנות ללא הרף. מפתחים טובים לא מפחדים מ-AI – הם רואים בו כלי, הזדמנות ושותף, מבלי לוותר על אחריות אישית לתוצאה.

עמידוּת לא מספיקה

בתחילת הקריירה שלי ראיתי איך מהפכת המובייל הפרידה בין מנצחים למפסידים. בלקברי ונוקיה קרסו, בעוד אפל וגוגל פרחו. הלקח לא היה רק טכנולוגי אלא תרבותי: עמידות לבדה (יכולת לשרוד דיסרפשן) לא הספיקה. החברות שהצליחו היו אנטי-שבירות (לפי המונח שטבע נאסים טאלב בספרו Antifragile) – כאלה שצמחו מתוך חוסר הוודאות.

אני מאמין שזה נכון גם לגבי AI. ארגונים שבריריים יקרסו. ארגונים נוקשים יתקעו. ארגונים אנטי-שבירים – אלה שמתנסים, מסתגלים, ומחדדים את דרכם – הם אלה שיגדירו את העשור הבא.

פיילוטים עם גבולות ברורים

בשנה האחרונה הציפו אותנו אינספור כלים מבוססי AI – מעוזרי קוד, Agentים, ומערכות בדיקה אוטומטיות. אנחנו אף פעם לא פורסים כלי חדש לכל החברה ביום הראשון. במקום זה, אנחנו מגדירים קבוצת פיילוט קטנה שבוחנת כלי מקצה לקצה, ואז משתפת את התובנות עם שאר הצוות. לדוגמה, לאחרונה ניסינו מספר סוכני קוד (coding agents) ברקע. אחרי כמה שבועות, הקונצנזוס היה ברור: הם לא שיפרו את קצב העבודה או איכותה בצורה משמעותית על פני סוכנים המוטמעים בתוך ה-IDE, ולכן ויתרנו עליהם כרגע. לעומת זאת, סקירת קוד (code review) מבוססת AI דווקא הראתה פוטנציאל – אבל רק כשהיא שולבה מעל תהליך סקירה אנושי קיים. למעשה, חיזקנו עוד יותר את הסקירות הסינכרוניות, כדי לשמור על שיתוף פעולה אנושי כמרכזי.

האקתונים עם מטרה

אחת הדרכים היעילות להפחית את הלחץ סביב אימוץ AI הייתה האקתונים. נתנו לכל צוות המוצר יומיים לבנות כלים, פיצ׳רים או פתרונות מבוססי AI, אבל תמיד בהקשר של צורך עסקי אמיתי. התוצרים היו מרשימים, אבל לא פחות חשוב: הם חשפו מגבלות.

האקתונים גם עוררו שאלה תרבותית קריטית: כשמשהו לא עובד, מי אומר את זה? המפתחים שבשטח, או ההנהלה שמקדמת סיסמאות של “AI-first”? בין אם באקוסיסטם הישראלי ובין אם בדיוני לינקדאין, אני רואה שוב ושוב דיבורים על “המתכנת ה-100x”, בלי לשאול אם הכלים בכלל מוכנים לזה. האקתונים עוזרים לחשוף את ההייפ – ומחזקים את היכולת של הצוותים להבחין בין רעש לסיגנל.

העתיד של המפתחים

בעוד חמש או עשר שנים, תפקיד המפתח ייראה אחרת, אבל הוא לא ייעלם. ראינו את זה כבר בעבר: המעבר מ-Assembly ל-C, ומ-C ל-Java. כל מהלך כזה שינה את אופי העבודה, לא ביטל אותה.

השינוי הפעם הוא במהות העבודה: מפתחים ישקיעו פחות זמן ב”להמציא את הגלגל”, ויותר זמן בלבחור אילו “גלגלים” בכלל שווה לפתח. בפועל, AI גם מערער חלק מההיררכיות הישנות – הוא מתגמל סקרנות יותר מוותק, ופותח מרחב לשיתוף ידע ולמידה הדדית בכל רמות הניסיון.

ב-Empathy אנחנו מתייחסים ל-AI כהזדמנות גדולה, אבל מבהירים שהאחריות האנושית לא נעלמת. קוד עדיין חייב להיבדק. אבטחה עדיין דורשת שמירה. במובנים רבים, המקצוענות חשובה עכשיו יותר מתמיד.

השורה התחתונה

AI הוא קטליזטור לחשיבה מחדש על איך אנחנו עובדים, איך אנחנו מגייסים, ואיך אנחנו לומדים יחד. למנהלים טכנולוגיים, השיעור ברור: אל תנסו לנבא אילו תפקידים ישתנו. התמקדו בבניית צוותים שמסוגלים להשתנות יחד איתם.