למה אנשים יצירתיים חשובים היום יותר
בינה מלאכותית הופכת עבודה טובה מספיק לזולה ולאחידה. מה המחקר מראה, ולמה ההבדל מגיע היום מאנשים עם טעם, שיקול דעת וכיוון.
OpenAI אומרת שאנשים יוצרים היום יותר מ־3 מיליארד תמונות בשבוע בכלים שלה. הוסיפו את הטקסט, המוזיקה והווידאו שמייצרים מודלים אחרים, והמסקנה נראית מובנת מאליה: אם מכונה יכולה להפיק עבודה יצירתית טובה מספיק בתוך שניות, האנשים שהיו יוצרים אותה חשובים פחות.
הראיות מצביעות לכיוון ההפוך. בינה מלאכותית מרימה את הרף התחתון של עבודה יצירתית ומושכת אותה אל האמצע. זה הופך את האנשים שיכולים להוביל אותה למקום אחר לבעלי ערך רב יותר, לא פחות.
טובים יותר לבד, דומים יותר ביחד
המחקר הברור ביותר מגיע מאניל דושי ואוליבר האוזר, ופורסם ב־Science Advances ביולי 2024. כותבים שקיבלו רעיונות לסיפורים ממודל שפה כתבו סיפורים שהקוראים דירגו כיצירתיים יותר, כתובים טוב יותר ומהנים יותר, עם השיפור הגדול ביותר אצל הכותבים היצירתיים פחות. אבל הסיפורים שנכתבו עם בינה מלאכותית היו דומים יותר זה לזה. המחברים מתארים "עלייה ביצירתיות האישית במחיר הסיכון לאבד חדשנות קולקטיבית".
מטא־אנליזה מ־2025 של ניקלס הולצנר, סבסטיאן מאייר ושטפן פויריגל, שכללה 28 מחקרים עם 8,214 משתתפים, מצאה את אותו דפוס בקנה מידה רחב. בינה מלאכותית גנרטיבית לבדה תפקדה בערך כמו בני אדם במשימות יצירתיות. אנשים שעבדו עם בינה מלאכותית הצליחו יותר מאנשים בלעדיה, בפער צנוע. ולבינה המלאכותית הייתה "השפעה שלילית מובהקת על מגוון הרעיונות", השפעה גדולה בערך פי שלושה מהשיפור.
הקצה המשונן
האחידות היא לא הסיכון היחיד. בניסוי שדה עם Boston Consulting Group, שפורסם עכשיו ב־Organization Science, 758 יועצים עבדו על משימות מציאותיות עם GPT-4 או בלעדיו. במשימות שבתחום היכולות של המודל, אלה שעבדו עם בינה מלאכותית השלימו 12.2 אחוזים יותר משימות, מהר יותר ב־25.1 אחוזים ובאיכות גבוהה יותר בבירור. במשימה שנבחרה כך שתהיה מחוץ ליכולות האלה, הסיכוי שלהם להגיע לתשובה נכונה היה נמוך ב־19 נקודות אחוז מזה של עמיתים בלי בינה מלאכותית.
איתן מוליק, אחד המחברים, ציין שהתשובות שהופקו עם בינה מלאכותית היו "קצת הומוגניות ודומות זו לזו במצטבר". סקר של Microsoft Research בקרב 319 עובדי ידע מצא שביטחון גבוה יותר בבינה מלאכותית הלך יד ביד עם פחות חשיבה ביקורתית, ושהעבודה עצמה זזה לכיוון בדיקה, שילוב ולקיחת אחריות על מה שהמכונה מפיקה. לדעת איפה עובר הקצה של כלי זו לא מיומנות טכנית. זה שיקול דעת.
מה אנשים מביאים
מודל מאומן על מה שכבר קיים, וכשמשאירים אותו לבד הוא מחזיר את הגרסה הסבירה ביותר. טד צ׳יאנג ניסח את ההבדל בכותרת המשנה של המסה שלו ל־The New Yorker: "אמן עושה בחירות שזרות ביסודן לבינה מלאכותית". בריף, פרומפט ולוח רפרנסים הם כל אחד אוסף של בחירות. ככל שאדם עושה יותר מהן בכוונה, פחות מהתוצאה נשאר לממוצע.
הבחירות האלה נשענות על מה שאין למודל: נקודת מבט, היכרות עם קהל מסוים אחד, זיכרון של מה שנוסה ונכשל, תחושה של מה שמותג לעולם לא היה אומר. נראה שהמעסיקים רואים את זה. ב־Future of Jobs Report 2025 של הפורום הכלכלי העולמי, חשיבה יצירתית נמנית עם המיומנויות שחשיבותן צפויה להמשיך לעלות עד 2030, לצד בינה מלאכותית וביג דאטה.
אנשי המקצוע שמים לב כשחברה שוכחת את זה. בפברואר, כך דיווח The Register, הסירה פלטפורמת הווידאו Higgsfield פוסט שהתגאה בכך שכלי עיצוב התנועה שלה חיסל יותר מ־20 משרות יצירתיות, אחרי גל תגובות זועמות מצד האמנים שמשתמשים בו. אהרון רבינוביץ, שמנהל את Motion Management, כתב שלחגוג את סוף הקריירה של אמנים זה "פשוט טיפשי לגמרי וקצר ראייה", והוסיף שהכלים לא טובים מספיק כדי להוציא מישהו מעבודה.
איך צוותים טובים עובדים עם בינה מלאכותית
המחקר מציע גם איך לשמור על השיפור בלי האחידות. חשבו לפני שאתם כותבים פרומפט: דושי והאוזר מתארים את הסיכון שכותבים ייתלו ברעיונות של המכונה, ולכן הרעיונות הראשונים, הזווית והרפרנסים צריכים לבוא מאנשים. מוליק מתאר שני סגנונות עבודה ששניהם הצליחו: קנטאורים, שבעבודה שלהם יש "קו ברור בין האדם למכונה", וסייבורגים, שטווים את השניים יחד. אף אחד מהם לא מוסר את ההחלטה.
בפועל, צוותים טובים מרחיבים עם המכונה ומצמצמים עם אנשים. הם מזינים אותה ברפרנסים במקום בשמות תואר, מבקשים הרבה אפשרויות וזורקים את רובן. הם משווים את העבודה שלהם עם מה שמתחרים מפרסמים, כי הסכנה היא לא תוצר גרוע אלא תוצר שנראה כמו של כולם. ואדם בעל שם בודק את העובדות ונותן אישור סופי, כי רגע האמון הגדול ביותר בכלי הוא הרגע שבו החשיבה הביקורתית יורדת.
איפה crue עומדת
אנחנו משתמשים בבינה מלאכותית לייצור, לווריאציות ולשגרה, ואנחנו רוצים שכל זה יהיה מהיר יותר. ב־Reel, הרעיונות, הרפרנסים והסגנונות שננעלים מוסכמים עם אדם לפני שמשהו נוצר, המודל הטוב ביותר נבחר לכל משימה, ואדם בוחר כל תמונה וכל קליפ שנכנסים לשימוש. המכונה מפיקה את האפשרויות. אנשים מספקים את הכיוון ואת ה"לא".
בינה מלאכותית הפכה עבודה טובה מספיק לדבר שיש ממנו בשפע. בדיוק בגלל זה, האנשים שיכולים להפוך אותה לספציפית, למפתיעה ולנכונה שווים יותר מבעבר.
