רב מכר של New York Times ספר עסקי מומלץ של Financial Times לקיץ 2024, ברשימת  אמזון מדע וטכנולוגיה “Best Books of the Year So Far".

ספרו של איתן מוליק, פרופסור לחדשנות בוורטון, הוא מדריך פרקטי לשותפות אדם-מכונה. מוליק טוען שהשאלה כבר אינה אם הבינה תחליף אותנו אלא איך נהפוך אותה לקולגה שמעצימה חשיבה ויצירה. הוא מציג ארבעה עקרונות לשותפות: להזמין את ה-AI לכל משימה, להשאיר את “האדם בלופ” המאשרר את התוצר, להגדיר למכונה תפקיד וזהות ברורים מראש, ולהניח שהגרסה הנוכחית היא הגרועה ביותר שנפגוש - ולכן כל ניסוי הוא השקעה לעתיד .

החלק הראשון, "להבין את המכונה", מפרק איך מודלים סטטיסטיים "חושבים" ומה מייצר "הזיות" (כאשר הבינה מלאכותית ממציאה מידע שאיננו נכון). מוליק מסביר שהמודל עובד הסתברותית - הוא בוחר בכל רגע את המילה הבאה בעלת הסיכוי הגבוה ביותר בהתבסס על דפוסים סטטיסטיים בטקסטים שעליהם אומן. בגלל האופי ההסתברותי הזה, יחד עם חורים במאגר הנתונים והוראות עמומות ולא מספיק מדויקות, המודל עלול “להמציא” תשובות ולהציג אותן בביטחון מלא. לכן הוא ממליץ: לבדוק כל תשובה מול מקור חיצוני אחד לפחות, לבקש מהמכונה "פרט את כל שלבי ההיגיון וההיסק שלך" ולהגדיר זהות תפקיד ברורה מראש למשל: "אתה מומחה לניהול אסטרטגי".

בחלק "שיטות עבודה" מוליק מלמד תהליך פשוט ומובנה:

• צעד 1 Prompt קצר לסיעור רעיונות: משפט אחד שבו תבקש כיווני מחשבה.

• צעד 2 Prompt עומק: בוחרים כיוון מבטיח ומבקשים פירוט שיטתי.

• שרשרת מחשבה: מוסיפים “פרט את שלבי ההיגיון” כדי לראות את הדרך ולא רק את התוצאה - וכך לבלום טעויות כשהן קטנות. 

• הגדרת זהות Role Prompting: לפני השאלה עצמה מגדירים זהות (“אתה יועץ אסטרטגי בכיר”) - וכך מקבלים תשובה מקצועית ומדויקת יותר.

כדי להדגים את הכוח של השיטה מוליק מדווח שניצל חצי שעה עם GPT לבניית תוכנית השקה מלאה: אתר, קמפיין ודוא״ל – כ-9,000 מילים שמוכנות לעריכה ולבדיקה אנושית.

השורה התחתונה:

בשילוב שתי-הפעימות, שרשרת מחשבה והגדרת תפקיד, אפשר להפיק טיוטות עשירות בזמן שיא - ולהפוך את הבינה המלאכותית לזרז עבודה ולא לסַכנה מקצועית.

בחלק השלישי "השפעה ארגונית" מוליק מציג את מסגרת AI-C3 - AI : כ-Co-Worker שמנסח טיוטות ומסכם ישיבות, כ-Co-Teacher שמסביר מושגים ובונה תרגול מותאם, וכ-Co-Coach שמחזיר משוב מובנה על מצגות ומיומנויות מנהיגות . הוא מסתמך על ניסוי שדה עם 758 יועצי BCG שבו שימוש ב-GPT-4 העלה את איכות הפתרונות ביותר מ-40 אחוזים והאיץ את השלמת המשימות בכ-25 אחוזים לעומת קבוצת הביקורת. מוליק מדגים את העוצמה הזו בסיפורי שטח, למשל: שיעור MBA שבו ChatGPT סייע לכתוב סילבוס שלם בפחות מחצי שעה  או מנהלת מוצר שהמחישה חזון עיצובי לצוות הפיתוח בתוך כשעתיים באמצעות Midjourney.

כל פרק נחתם בשאלות רפלקציה מעשיות: "איזו משימה חוזרת תשחררו ל-AI השבוע?" או "איפה עלול להסתתר סיכון אתי?".

התוצאה היא מפת דרך ברורה:

לשלב את AI בכל ישיבה בתפקיד מוגדר, לבסס תרבות “טיוטה-ואז-עריכה” שבה האדם שומר את המילה האחרונה, ולמדוד לא רק חיסכון כספי אלא גם זמן ודיוק – כך הופכים את AI מקורא טקסטים חכם לקולגה אסטרטגית שמאיצה חשיבה, למידה וביצוע.

המלצות יישומיות של מוליק:

• הגדירו AI כעמית קבוע – בכל פרויקט או ישיבה הקצו לבינה תפקיד ושם (למשל "יועץ אסטרטגי") עוד לפני ניסוח השאלה.

• הפעילו שגרה דו־שלבית  Prompt קצר לסיעור רעיונות ואז Prompt עומק להרחבה ולדיוק, במקום להסתפק בשאלה אחת ארוכה.

• בקשו תמיד “חשוף את ההיגיון שלך” - דרשו מה-AI לפרט את השלבים וההשערות, כדי לזהות שגיאות בזמן אמת.

• אמצו תרבות "טיוטה ואז עריכה" - כל מסמך שהמודל מפיק עובר סקירה אנושית לפני הפצה, גם אם הוא נראה מושלם.

• אמתו מקורות - הצליבו נתונים עם מקור חיצוני אחד לפחות, במיוחד בציטוטים, סטטיסטיקות ואסמכתאות אקדמיות.

• מדדו חיסכון זמן - עקבו אחר דקות עבודה שנחסכו והציגו אותן בלוח הבקרה לצד עלות או הכנסה.

• הטמיעו "פגישת רפלקציית AI" שבועית - צוות משתף מה עבד, מה השתבש ואיזה Prompt שופר.

• החליפו זהויות - נצלו Role Prompting: הפכו את המודל בתור יועץ משפטי, מאמן רטוריקה או כותב קוד, לפי צורך רגעי.

• שמרו על פרטיות - הימנעו מהזנת מידע מסווג וכתבו הנחיה קבועה שה-AI לא ישמור נתונים רגישים.

• בנו הכשרות מיקרו - 10 דקות בכל ישיבה שבועית לעדכוני כלים ו-Prompting, כדי לשמור על כישורי הצוות בתנועה מתמדת.

לסיכום, הספר מלמד שהזמן לראות ב-AI שותפה ולא יריבה – מי שיזמין אותה לכל משימה, יגדיר לה תפקיד ברור, יבדוק את תוצריה וישמור את זכות העריכה האנושית, ייהנה מקפיצה אסטרטגית בכל תהליך עבודה.