חוקרי האוניברסיטה הסינית של הונג קונג, סויה ליו ופרופ' יון דאי, מציגים במחקר חדש שפורסם בכתב העת Educational Research Review פער מטריד בין הטמעת ידע עיוני בבינה מלאכותית, לבין רמת המוכנות המעשית של הלומדים - מצב המטיל את עיקר המחיר על מעסיקים במשק.
גלובלית, ממשלות רבות מאיצות תקציבי ענק להכשרת כוח אדם טכנולוגי. סינגפור הקצתה סכום של 743 מיליון דולר בתוכנית חומש שהחלה ב-2024, ובריטניה חנכה ביוני 2025 את מיזם TechFirst בהיקף 187 מיליון ליש"ט לצד יוזמות להכשרת מיליוני עובדים. בה בעת, דרום קוריאה מקצה השנה 1.4 טריליון וון לפיתוח תחום זה, ובהודו פועלת תוכנית IndiaAI בהשקעה של 10,372 קרור רופי לחמש שנים.
בישראל התוכנית הלאומית לבינה מלאכותית הוצגה ב-2022 בהיקף מוצהר של כשני מיליארד שקל, אך תוקצבה בפועל במיליארד. בפעימה הראשונה הוקצו 100 מיליון שקל בלבד להכשרת כוח אדם ולרכישת ציוד לאקדמיה. הממשלה הקצתה שלושה מיליארד שקל לשנת 2026.
ממצאי המחקר של ליו ודאי חושפים כשל ניכר באופן שבו מנותבים התקציבים אל מערכי ההדרכה, חרף הכספים הרבים שזורמים לתחום. בעוד שההכשרות הקיימות מצטיינות בהענקת בסיס עיוני מוצק והבנה מעמיקה של פעולת האלגוריתמים, נרשמת צניחה חדה בשיעור של 30 עד 34 אחוזים ברמת היעילות של הקורסים ברגע שהלומדים נדרשים לעבור לשלב היישומי.
על פי המחקר, החוליה החלשה היא העל-יסודי והתיכון, 34% מהמחקרים, שם תועלת הלימודים הייתה הנמוכה ביותר.
תלמידי התיכון נופלים בין הכיסאות: כבר לא השלב המשחקי של היסודי, ועדיין לא הכשרה מקצועית כמו באקדמיה, והם אלה שמגיעים הכי מהר לשוק העבודה.
חובת הלימוד נמדדת בשעות בודדות: בבייג'ינג חויבו מספטמבר 2025 כ-1,400 בתי ספר בשמונה שעות AI בשנה לפחות, בהונג קונג נדרשות 10 עד 14 שעות בחטיבת הביניים מאז 2023, ובהודו המקצוע יהפוך לחובה מכיתה ג' בשנה"ל 2026-27, וכבר היום מופעל מודל בן 15 שעות בכ-18,000 בתי ספר.
ישראל מקדימה בחטיבת הביניים, עם 20 שעות לתלמידי ח'-ט' השנה, אבל בתיכון אין שיעור ייעודי: ה-AI נכנס דרך מטלות בגרות ביותר מעשר מגמות מדעיות ו-27 מגמות ייעודיות, והיעד הוא ש-60% מתלמידי י'-י"ב "יתנסו" בו.
מי משלם את המחיר? המעסיקים. את החלק המעשי שלא נלמד בקורס AI לומד העובד במקום העבודה, על חשבון המעסיק: שעות של עובד ותיק שמלווה אותו, חודשים עד שהוא מספק תוצר שאפשר למסור ללקוח, ושגיאות שחלקן מתגלות רק אצל הלקוח.
בפועל, תקציבי ההכשרה הציבוריים והפרטיים מממנים את החלק התיאורטי, ואת החלק המעשי מממנות החברות שקולטות את הבוגרים.
גם אחרי החפיפה הפער ממשיך לעלות כסף. הכדאיות של כלי בינה מלאכותית נמדדת בזמן העבודה שהם חוסכים, והחיסכון מתממש רק אם אפשר להשתמש בתוצר כמעט כפי שהוא. כשהבודק אינו יודע להעריך את הפלט, הזמן שנחסך נבלע בבדיקה, ושגיאות המודל, מה שמכונה הזיות, הופכות מבעיה טכנית להוצאה. חברה שמשלמת על רישיונות ועל שעות עובד ומקבלת חומר שעובר שלושה סבבי תיקון, משלמת פעמיים על אותה עבודה.
המלצת המחקר היא לשנות כיוון: לשלב עבודה יומיומית עם הכלים לצד פיתוח חשיבה ביקורתית, כלומר לתרגל משימות עסקיות אמיתיות ולבחון את התוצרים בעין חדה, כדי לזהות בזמן שגיאות, הטיות וסיכונים משפטיים ואתיים. זה גם הרכיב היקר יותר להפעלה, ולכן השינוי תלוי בשאלה מה נחשב הצלחה. כל עוד תוכניות ההכשרה נמדדות במספר המסיימים ולא בערך שהבוגר מייצר בשנה הראשונה בעבודה, מי שממשיך לשלם על הפער הוא המעסיק.