יוני 2026 • 5 דקות קריאה
Tags: AI, Design Process, Product
אמל״ק: יש תחושה שאם לוקח לנו זמן לעשות משהו ולא ייעלנו אותו עם AI, אנחנו מאחור. אבל לא כל מאמץ הוא עבודה מיותרת. לפעמים דווקא התהליך המנטלי שאנחנו מנסים לקצר הוא החלק שבונה הבנה, אינטואיציה ומומחיות.
יש תחושה כזאת שאם לוקח לך זמן לעשות משהו ולא ייעלת אותו עם בינה מלאכותית, את מאחור.
בקבוצת מעצבים מישהו סיפר שבצוות שלו יש שישה חוקרים, ובאמצעות LLM הם עשו מחקר חדש תוך שעה.
בפוסט בלינקדאין שכתב משהו כמו “אל תשלחו לי דברים שקלוד כתב, אני יכול לבקש ממנו בעצמי”, אחת התגובות הייתה שאם לא משתמשים בקלוד, לא מייעלים פי כמה את העבודה.
וזה מייצר לחץ.
כי פתאום כל תהליך שלוקח זמן מרגיש כמו סימן לזה שלא התקדמנו מספיק. אם לא קיצרנו, לא אוטומטנו, לא נתנו לכלי לעשות את זה בשבילנו - אולי אנחנו עובדים לא נכון.
הבעיה היא שזה לא תמיד נכון.
כשאני עושה ראיונות משתמשים או טסטים, אני אף פעם לא מצליחה להבין כמו שצריך רק מסיכומים מג׳ונרטים ומשאילת שאלות על התמלולים.
אני מבינה הכי טוב כשאני צופה בעצמי. כשאני רואה את המשתמשים מתלבטים. כשאני שמה לב איפה הם נעצרים. כשאני מגבשת תובנות, ואז מעדכנת את מה שחשבתי שיקרה מול מה שקרה בפועל.
אחר כך אני הולכת ל-AI ומבקשת ממנו לעבור על התמלולים, להביא רעיונות, לנתח מה הוא מצא, ולחדד דברים שאולי פספסתי.
בשלב הזה הוא באמת יכול לעזור.
אבל אז אני כבר יודעת מה נכון ומחדד דברים שאני הבנתי, ומה הוא המציא, הקצין או הבין לא נכון. אני יודעת את זה כי עברתי קודם את התהליך בעצמי.
זה מזכיר לי תקופה שבה רציתי לקרוא ספרי עיון, אבל לא הייתה לי סבלנות לספר המלא. הרבה פעמים זה הרגיש לי כמו מריחה ומחזור של אותו רעיון על פני יותר מדי עמודים.
ואז נתקלתי ב-Blinkist, אפליקציה שמסכמת את הרעיונות המרכזיים מכל ספר.
על הנייר זה נשמע מצוין. למה לקרוא ספר שלם אם אפשר לקבל את התמצית בכמה דקות?
נטשתי אותה אחרי כמה חודשים, כי הבנתי משהו שלא צפיתי: החזרתיות היא חלק מתהליך הלמידה. לקבל רק את התמצית כסיכום לא הספיק בשביל שאני באמת אלמד, ובשביל שהרעיון ייטמע לי בראש.
הספר לא רק “מעביר רעיון”. הוא נותן לי לפגוש אותו מכמה זוויות, להתווכח איתו, להשתעמם ממנו, לזהות איפה הוא חוזר על עצמו, להבין מה מתיישב לי עם דברים שכבר ידעתי ומה מזיז לי משהו בראש.
החלק הזה אולי מרגיש פחות יעיל, אבל הוא חלק מהלמידה.
בפסיכולוגיה קוגניטיבית מדברים על סכמות - מבנים מנטליים שעוזרים לנו לארגן ולהבין מידע חדש. אפשר לחשוב עליהן כמו המודלים הפנימיים שיש לנו בראש על איך דברים עובדים.
לפי פיאז׳ה, למידה מתרחשת בין היתר דרך שני תהליכים: אסימילציה ואקומודציה.
אסימילציה - מידע חדש משתלב במודל שכבר קיים אצלנו. למשל, אני רואה התנהגות של משתמש שמתאימה למה שכבר חשבתי, והיא מחזקת או מדייקת את ההבנה הקיימת שלי.
אקומודציה - מידע חדש לא מסתדר עם מה שחשבתי, ולכן אני צריכה לשנות את המודל עצמו. למשל, אני מגלה שמשתמשים לא נתקעים איפה שחשבתי, אלא במקום אחר לגמרי, וזה מכריח אותי להבין מחדש את הבעיה.
זה בדיוק החלק שמעניין אותי: כשאני צופה בראיונות, מנתחת, מזהה פער בין מה שחשבתי למה שקרה, ומנסחת תובנות בעצמי - אני מעדכנת את הסכמות שלי. אני לא רק מקבלת תשובה, אני משנה את הדרך שבה אני מבינה את הבעיה.
אבל כשאני נותנת לכלי חיצוני לעשות את כל התהליך במקומי, אני עלולה לדלג על חלק מהעדכון הזה. התובנה אולי מגיעה אליי כסיכום יפה, אבל התהליך לא באמת התרחש אצלי.
יש מושג שנקרא מיקור חוץ קוגניטיבי - שימוש בכלים חיצוניים כדי להפחית את המאמץ הקוגניטיבי שנדרש מאיתנו במשימה. זה יכול להיות לכתוב תזכורת בטלפון, להשתמש במחשבון, לנווט עם מפה, או לבקש מ-AI לסכם תמלולים.
וזה לא דבר רע בפני עצמו.
אנחנו עושים את זה כל הזמן, ובצדק. כלים טובים אמורים להפחית מאמץ, לקצר תהליכים ולעזור לנו לעבוד טוב יותר.
השאלה היא איזה חלק מהמאמץ אנחנו מוציאים החוצה.
אם הוצאתי החוצה עבודה שחורה, תמלול, סידור, חיפוש דפוסים ראשוני או ניסוח מחדש - מעולה.
אבל אם הוצאתי החוצה את החלק שבו אני פוגשת את החומר, מתבלבלת, משווה למה שחשבתי, משנה את דעתי ובונה הבנה - יכול להיות שחסכתי לעצמי דווקא את החלק שהיה הכי חשוב.
יש עוד רעיון יפה מהעולם של חקר למידה שנקרא קשיים רצויים. הרעיון הוא שחלק מהקשיים בזמן הלמידה נראים לא יעילים בטווח הקצר, אבל דווקא הם יכולים לשפר הבנה, זכירה והעברה של ידע לטווח הארוך.
זה מתחבר לי מאוד לעבודה עם AI.
אנחנו תמיד מנסים להפחית מאמץ, לקצר זמנים ולחסוך לעצמנו עבודה מנטלית. וזה מובן לגמרי. אבל לפעמים העבודה המנטלית היא לא באג בתהליך. היא הפיצ׳ר.
היא מה שמכריח אותנו לשים לב.
היא מה שגורם לנו לבנות הבחנות.
היא מה שמעדכן את האינטואיציה המקצועית שלנו.
כשאנחנו מדלגים עליה, אנחנו עלולים לוותר על הבנה עמוקה יותר, לדלג על עדכון סכמות, ולהוריד את רמת הלמידה שלנו מהתהליך. ואלו בדיוק הדברים שבונים מומחיות לאורך זמן.
תחשבו על הכנת מצגת על פרויקט שעשיתם.
על פניו, זו משימה שאפשר מאוד לרצות לייעל. צריך להיזכר במה שהיה, לסדר נרטיב, להבין מה עבד ומה לא, לבחור מה חשוב, ולכתוב את זה בצורה תמציתית.
אבל כל הדברים האלה הם לא רק שלבים בדרך למצגת. הם חלק מהחשיבה.
כשאנחנו מכינים מצגת בעצמנו, אנחנו נאלצים לארגן את הסיפור בראש. אנחנו מבינים איפה יש חורים. אנחנו מזהים מה עדיין לא ברור לנו. אנחנו מנסחים מחדש את מה שלמדנו.
וכשמציגים את המצגת, אנחנו תמיד צריכים להבין מעבר למה שכתוב בה. המצגת היא רק הבסיס לפרזנטציה. היא גרסה רזה, פיגומים שעוזרים לנו לספר את הסיפור.
אם לא הבנו בעצמנו מעבר למה שכתוב בשקפים, לא נדע לענות על שאלות המשך, להרחיב, לדייק או לשנות כיוון בזמן אמת.
אני לא חושבת שהמסקנה היא לא להשתמש ב-AI.
להפך. AI יכול להיות כלי מעולה כשמשתמשים בו במקום הנכון בתהליך.
השאלה היא לא האם לייעל.
השאלה היא מה אנחנו מייעלים.
יש הבדל בין לוותר על עבודה שחורה ולייעל תהליכי ביצוע, לבין לעשות מיקור חוץ לתהליכי חשיבה והבנה.
אחד יכול לשפר אותנו ואת העבודה שלנו.
השני עלול לעשות בדיוק ההפך.
לפעמים, אם משהו לוקח לי זמן, זה לא בהכרח סימן שאני מאחור.
לפעמים זה סימן שאני עדיין בתוך החלק שבו נוצרת ההבנה.