אפילו מתכנתים מתחילים לחשוש ש-ChatGPT יחליף אותם. עד כמה האיום אמיתי?
כולם כבר הבינו שהציירים והאומנים חוששים לעתיד עבודתם בגלל הבינה המלאכותית, אבל בינתיים – בשקט בשקט – גם המתכנתים והמפתחים מתחילים לפתח חרדות. בקבוצות המקצועיות בפייסבוק אפשר למצוא שפע של פוסטים שנכתבו בעיניים פעורות ומתארים איך ChatGPT או בינה מלאכותית אחרת, מפיקים קוד ופותרים אתגרי פיתוח בלי לחשוב פעמיים, או בכלל.
בשונה מהאומנים, הנימה הכללית של אנשי מדעי המחשב היא זו של התרגשות והתלהבות. זה לא מפתיע: הם למדו לשלוט בכלי הבינה המלאכותית. יחד עם זאת, אפילו אצלם אפשר להתחיל לשמוע חששות מרומזות. אם הבינה המלאכותית יודעת לכתוב קוד, האם באמת יהיה צורך במתכנתים בעתיד? האם אפילו תואר במדעי המחשב מהווה ערובה לעבודה טובה?
חוקר בשם מייקל ווב הבין כבר לפני שלוש שנים שמדעי המחשב עשויים להיות פגיעים הרבה יותר לערעור מכפי שנדמה במבט ראשון. ווב ערך ניתוח מקיף של יותר מ- 16,000 פטנטים בתחום הבינה המלאכותית מהשנים האחרונות, והשווה את היכולות המתוארות שם ליכולות הנדרשות במקצועות השונים בארה”ב. הוא זיהה שדווקא מקצועות הצווארון הלבן – שנחשבים לרווחיים ועמידים יותר ממקצועות הצווארון הכחול – חשופים מאד לשינוי[1].
עד לווב, ההנחה הנפוצה הייתה שדווקא עובדי הצווארון הכחול – כמו רתכים, טבחים ונהגי מוניות – ייקלעו לצרות בעשור הקרוב. זה כנראה עדיין נכון, אבל ווב הוסיף נדבך נוסף של מורכבות לתמונה. הוא גילה שהבינה המלאכותית משתפרת במהירות בביצוע מטלות לא-רוטיניות בעולם הדיגיטלי. היא מסוגלת, למשל, לכתוב קוד, לפתח תרחישים, להביע עמדות ודעות בכתב, לייצר סלוגנים מושכים, לפתח אתרים, ועוד ועוד. ולמרות שהיא רחוקה מלהיות מושלמת בכל אחד מאלו, המגמה כבר ברורה. הבינה המלאכותית משתפרת מדי שבוע ומדי חודש, ואין שום סיבה להניח שנגיע לגבול היכולות שלה בשנים הקרובות… או בכלל.
נזכרתי בכל הרקע הזה כאשר אחד מחבריי שלח לי הבוקר הודעה בווטסאפ. כדי להגן על פרטיותו נקרא לו ל’. הוא מנהל חטיבת תכנה באחת מחברות ההייטק הגדולות והוותיקות בעולם, ובמסגרת תפקידו הוא אחראי על שישים עובדים – כמעט כולם מהנדסים, חוקרים ומפתחים. במילים אחרות, אם אתם רוצים למצוא עבודה בהייטק, כנראה שתצטרכו לעבור דרך מישהו כמו ל’ כבר בשלבים הראשונים של הקריירה שלכם.
אז כדאי שתדעו שממש בימים האחרונים, המנהל של ל’ ביקש ממנו לבדוק כמה אנשים הוא עדיין צריך במחלקה שלו. וכפי שהוא כתב לי –
“המנהל שלי ביקש ממני לבדוק אם אני יכול להחליף מתכנתים זוטרים ב chatGPT.”
כמובן שביקשתי ממנו להרחיב.
חשוב להבהיר ש- ל’ לא ערך בדיקה יסודית או מעמיקה, והוא רק משתף בכמה מבדקים פשוטים שעשה ובמחשבותיו. עדיין, מדובר בזווית מעניינת מאדם שצריך להחליט האם לגייס עוד מתכנתים לצוות, או שהבינה המלאכותית יכולה למלא את מקומם.
אז מה הוא חושב?
“ביקשתי מהבוט לכתוב לי קוד עם פרמטרים ספציפיים שאני צריך.” שיתף ל’. “ציינתי באיזה שפה ועם איזה ספריות אני רוצה לעבוד. כתב לי קוד נהדר. לא שיא האלגנטיות, אבל יותר טוב ממהנדסים בתחילת הדרך.”
ל’ ניסה שני כלים – ChatGPT ו- Github CoPilot והתרשם מהיכולות של שניהם.
“שניהם עשו את העבודה בצורה די מרשימה.” אמר בשיחה עמי. “הדרך שעבדתי איתם היא לבקש קוד שעושה משהו בשפה שאני צריך ולראות אם הבוט בכיוון הנכון. כדוגמא, ביקשתי מהבוט לכתוב לי קוד לניהול מערך טסטים. התוצאה הייתה בגדול בכיוון שרציתי.”
המקום בו עיניו של ל’ החלו להיפער – והוא הבין את הפוטנציאל האמיתי של הכלים הללו – היה כשהוא התחיל לנהל דיונים עם הבינה המלאכותית כדי לשפר את הקוד.
“זה לא הכל או לא-כלום.” הסביר לי בהתלהבות. “קיבלתי קוד בכיוון הנכון, ואז ביקשתי מהבוט לעשות שינויים כדי להגיע לתוצר הסופי. למשל, ביקשתי שיוסיף API עם ספריית פלאסק. הוא עשה את זה ממש בקלות. יכולתי לבקש ממנו שינויים כמו שאני מבקש אותם מהמהנדסים שאני מעסיק.”
הוא עצר לרגע, ואז הוסיף – “רק שלא כמו עבודה עם מהנדס זוטר, לא הייתי צריך ללמד את הבוט כלום. עם מהנדסים זוטרים אני משקיע הרבה זמן בלהיות מנטור. פה לא הייתי צריך.”
ל’ אינו תמים: הוא מבין שהבינה המלאכותית לא תחליף את המהנדסים שלו מחר בבוקר. יש לה עדיין שפע של מגבלות.
“רצינו לראות איך הבינה המלאכותית יכולה לעזור לנו בפיתוח, במיוחד באיזורים שהקוד לא חדשני או מורכב מידי.” אמר. “רוב מה שאנחנו כותבים ביום-יום זה קוד שהוא די סטנדרטי בתעשייה, ולכתוב אותו זה יותר עניין של זמן לשבת לכתוב ופחות עניין של חשיבה עמוקה.”
אפילו במקרים הללו, ל’ שם לב לכך שהבינה המלאכותית לא עשתה עבודה מעולה. רק טובה מספיק.
“תפסתי כמה בעיות קטנות שמי שלא כותב קוד לא היה רואה.” אמר. “אז אם לא הייתי יודע כלום בתכנות, הייתי יכול לקבל מוצר קצת נחות, אבל עובד. אתה צריך לדעת לקרוא את הקוד שהוא נותן לך, ולהיות מסוגל לחשיבה אנליטית כדי לראות אם זה פותר לך את הבעיה או שיש שם חורים בלוגיקה.”
הבינה המלאכותית אינה מושלמת, לפיכך, אבל ל’ גם לא ציפה שתהיה. הוא רק רצה להבין האם הוא ואנשיו יכולים להסתמך עליה לבצע עבורם את המטלות הפשוטות והשחורות יותר של הפיתוח. מהבחינה הזו, היא בהחלט עברה את המבחן. אותן “מטלות פשוטות ושחורות”, כמובן, הן אלו שהוא היה צריך לשכור מתכנתים זוטרים לטובתן. וזוהי רק ההתחלה.
“המטרה הגדולה שלנו פה הייתה לראות איך אנחנו משתלבים עם הטכנולוגיה הזו במקום להלחם זה.” הוא הסביר בגילוי לב. “אני מבין את הדחף הזה. אני בעצמי לא ממש סגור איך התחום שלי ייראה עוד 5 שנים. אנחנו מאמצים את הטכנולוגיה בידיים פתוחות כרגע כדי להשאר רלוונטיים. אלה שיילחמו בזה ולא יבינו שהפרדיגמה של עבודה משתנה פה, הולכים להשאר מאחור.”
עצרתי אותו בנקודה זו, וביקשתי להציג בפניו את מודל “המנצחים הגדולים”. המודל הלא-רשמי הזה מתבסס על רעיונותיהם של כלכלנים שחוקרים את עתיד העבודה, כטיילור קוואן (“Average is Over”)[2] ואריק בריניולפסון ואנדרו מקאפי (“The Second Machine Age”)[3]. לפי המודל, קיימות מספר דרכים להפוך ל- “מנצח גדול” בעתיד – כזה שחברות ובני-אדם באופן כללי מעוניינים בשירותיו וזקוקים לו.
הדרך הראשונה היא לרכוש רמת מיומנות גבוהה, מהסוג שמאפיין בדרך-כלל אנשים עם תואר שני או שלישי בתחומם. גרפיקאים ברמת מיומנות גבוהה, למשל, יודעים יותר מ- ‘רק’ לצייר. הם מכירים את התיאוריות הרבות שמתארות אסתטיקה, מבינים את הסגנונות השונים לציור ויודעים להתאים אותם למשימה שלפתחם. בזכות הידע הרב הזה, הם מסוגלים לגבש חזון לעבודה הרצויה – ולהסביר לבינה המלאכותית מה עליה לעשות. כשהיא מפיקה עבורם את העבודה, הם יכולים לעבור עליה ולזהות את כל הבעיות הקטנות, או את המקומות בהם התוצר אינו תואם לחזון. אדם אחד עם מיומנות גבוהה יכול להחליף בדרך זו מחלקה שלמה של מפתחים, גרפיקאים, או עתידנים.
הדרך השנייה להצלחה עוברת במיומנויות הרכות, וספציפית – מוטיבציה, סקרנות ויכולת ללמוד. המנצח הגדול של העתיד אינו חייב להיות בעל תואר דוקטור במדעי המחשב. הוא יכול גם להיות אדם מן השורה עם הרבה מוטיבציה ועם יכולת לרכוש מיומנויות חדשות ברמה בסיסית. אדם כזה – Jack of all trades, כפי שהוא מכונה באנגלית – יוכל להשתמש בכל טכנולוגיה חדשה כדי לשדרג את דרך העבודה הנוכחית שלו. נהג מונית יוכל לייצר בקלות בוט שיענה בשמו – ואפילו בסגנון שלו – ללקוחות בטלפון. נערה בת 16 תוכל לפתח בעבודה של שבוע, אפליקציה שהייתה דורשת בעבר צוות פיתוח שלם. וברגע שהיא רואה שהאפליקציה מצליחה, היא גם תבנה מסביבה סטארט-אפ ותגייס את המומחים האמיתיים עם הכסף שהרוויחה.
הדרך השלישית להצלחה היא בפיתוח יכולת חשיבה אסטרטגית, אנליטית וביקורתית. כולנו נעבוד בעתיד הקרוב עם בינות מלאכותיות. חלקנו נשתמש בהן ממש, והיתר ייצטרכו להתמודד עם התוצרים שהן מפיקות. כאשר הבינה המלאכותית יכולה לייצר עבורנו שפע עצום של תוצרים, המשתמש חייב לחשוב קדימה ולהבין מה בדיוק הוא רוצה וצריך. זוהי חשיבה אסטרטגית. הוא צריך להיות מסוגל להבין מתי הבינה המלאכותית טועה ומטעה, ומתי היא מתקרבת לאמת – אבל עוד צריכה הכוונה. לא מפתיע לגלות שהמיומנות הנדרשת ביותר בשוק כיום היא “חשיבה אנליטית וחדשנות”, ואחריה “אסטרטגיות למידה ולמידה פעילה”, “פתרון בעיות מורכבות” ו- “חשיבה וניתוח ביקורתיים”[4].
מה חשב ל’ – המנהל שיחליט אם לשכור אתכם לעבודה במיקרוסופט, פייסבוק או יבמ?
“כל מה שאמרת נכון, חוץ מהסעיף הראשון.” קבע. “אמרת שהבינה המלאכותית תחליף מהנדסים, ומי שיפעיל אותה יוכל לתפוס את מקומם של אנשים רבים אחרים. אבל הבוט עדיין דורש הרבה התעסקות. מהנדסים אנושיים יכולים להפעיל יותר שיקול דעת. אתה נותן להם כיוון עבודה ומשחרר אותם ליצור דברים שלא חלמת עליהם. אם הבוט היה מסוגל להבין את הצעד הלוגי הבא או לתת כמה פתרונות לפי הצעדים הבאים זה היה נותן חלופה מלאה למהנדס אנושי. אני רואה את הבוט הזה כרגע כמשלים לכמה פעולות של מהנדסים שיכולות להוריד מנטל העבודה שלהם בצורה משמעותית. נניח בוט שעושה ביקורות לקוד לפני שמצרפים אותו למסד הקוד הראשי. זה לוקח המון זמן אנושי כרגע ומלא בפספוסים.”
טוב ויפה, אמרתי. גם שניים מתוך שלוש נחשב להצלחה. אבל מה יקרה כאשר הבינה המלאכותית תוכל גם להבין מה “הצעד הלוגי הבא”, או לפתור בעיות לפי דפוסים שיוזנו לה, או שהיא תזהה בעצמה?
הוא משך בכתפיו.
“אני מניח שזה יקרה תוך עשור.” אמר.
האם הוא צודק? אולי, אבל אני יותר אופטימי מבחינת לוחות הזמנים. כבר כיום אפשר לראות “היפר-אוטומציה” של בעיות מורכבות: כלומר, פירוק של תהליך סבוך לגורמים, כאשר כל חלק ממנו זוכה למימוש על-ידי בינה מלאכותית אחרת. היפר-אוטומציה כזו, כשהיא מתבססת על כוחן הגובר של הבינות המלאכותיות החדשות, תוכל לתפוס גם את מקומות העבודה של ההייטקיסטים שאינם נהנים מעודף מיומנות, מוטיבציה או חשיבה אסטרטגית וביקורתית.
האם ההייטקיסטים צריכים לדאוג? לא נראה ש- ל’ מתרגש.
“אני לא דואג לאנשים בהייטק.” קבע. “אנשים שעובדים בתחום שלנו רגילים לשינויים. זה חלק מהחיים שלנו. אני מאמין שהם יצליחו להתאים את עצמם.”
אולי הוא צודק, אבל זו בדיוק הנקודה: כולנו צריכים להבין שאנחנו צריכים להתאים את עצמנו למציאות החדשה. אנחנו לא יכולים לנוח על השמרים או להניח שהעולם ימשיך להתנהל כפי שהיה עד עכשיו. אנחנו חייבים להשתכלל, לרכוש מיומנויות ודרכי חשיבה חדשות, לאמץ את הטכנולוגיות אל חיקנו – או לפתח אסטרטגיה ברורה להתמודדות עמן. מי שייבחר לעצום עיניו ולו לרגע בזמן המירוץ, יימעד ויישאר הרחק מאחור.
אנחנו לא נמלים, שאינן יכולות לשנות את התכנות של עצמן. אנחנו בני-אדם: יצורים גמישים וסתגלתנים, שאוספים ובונים כישורים במהלך החיים ומשנים את הדרך בה אנו מגדירים את עצמנו מדי שנה. הבינה המלאכותית עומדת לערער את חיינו, וזה בסדר. מותר להתערער. ואז, צריך לאמץ את השינוי בשתי הידיים ולהשתמש בו כדי לגדול ולהתקדם.
הבינה המלאכותית תהיה המערערת הגדולה של העשור הנוכחי, והיא תהיה גם קרש הקפיצה של רבים לעבודות טובות ומעניינות יותר. כולנו יכולים להיות חלק מהמנצחים הגדולים – אבל אנחנו צריכים להתחיל לפעול לשם כך כבר עכשיו. לרכוש מיומנות ברמה גבוהה, לפתח ולשמר סקרנות ומוטיבציה ולחשוב אסטרטגית וביקורתית.
ואם תפענחו איך לעשות את כל זה, בבקשה מכם: גלו גם לי.
[1] https://www.brookings.edu/research/what-jobs-are-affected-by-ai-better-paid-better-educated-workers-face-the-most-exposure/
[2] https://www.amazon.com/Average-Over-Powering-America-Stagnation/dp/0525953736
[3] https://www.amazon.com/-/he/dp/B00HFX8JMQ/
[4] https://www.weforum.org/agenda/2020/10/top-10-work-skills-of-tomorrow-how-long-it-takes-to-learn-them/
