"פיתוח זה לא רק לדעת קוד – זה להבין חוויית משתמש, דאטה ופסיכולוגיה אנושית", אומר עוזי יערי, סמנכל דיגיטל באלעד מערכות. לדבריו, המתכנתים של היום חייבים לחשוב איך המשתמש היה רוצה לפעול, לחפש ולבחור – כי בסוף, הבינה המלאכותית מנסה לדמות חשיבה אנושית. "מי שחושב שפיתוח זה רק כתיבת קוד טועה. המתכנתים המובילים הם אלה שיודעים להיכנס לראש של המשתמש. אנשי פיתוח בדרך כלל הם אנשים שיודעים טוב מאוד לדבר עם מכונות אבל לא בהכרח עם אנשים. היום, בגלל הבינה המלאכותית, חייבים איזשהו מימד פסיכולוגי-התנהגותי", הוא אומר.
מעבר לשליטה טכנולוגית המפתחים הנדרשים היום מסוגלים להבין איך אדם היה מקבל את ההחלטה ולהכניס את הרגישויות אלה למודלים שלהם. "אנחנו בודקים ומתרגלים את זה באמצעות סימולציות שונות וזה אחד הכישורים הקריטיים ביותר בעבודה עם בינה מלאכותית", אומר יערי.
הוא רואה את המיומנויות הנדרשות היום ממפתחים כמודל תלת שכבתי שבבסיסו הקוד, הידע הטכני; מעליו מדעי הנתונים ולבסוף מגיעה למידת מכונה ואלגוריתמים. היום שבו מפתחים יוכלו להסתמך על קוד ואלגוריתמים שמופקים אך ורק באמצעות בינה מלאכותית יגיע, אבל הוא עוד לא כאן ולכן הידע המתמטי המעמיק הוא קריטי. "אנחנו נמצאים רק בתחילת הדרך של הבינה המלאכותית. אנחנו עובדים המון בפיתוח ובבדיקות פיתוח עם כלי AI והתוצאות מאוד טובות, אבל הרמה של ייצור קוד מאפס עדיין לא מספיק טובה לכן היכולות של האדם צריכות להיות מאוד טובות", הוא אומר.
בנוסף לכל אלה סביבות העבודה בפרוייקטי AI הן דינמיות במיוחד. "אם פרוייקט לוקח חודש, במהלך אותו חודש ישתנו דברים, טכנולוגיות חדשות ייכנסו ולכן מי שעובד בסביבה כזו חייב לדעת ללמוד דברים חדשים, לדעת להתגבר על בעיות וכן לדעת לעבוד בצוות, בין אם זה הצוות שלו, צוותים אחרים או צוותים באקוסיסטם".
לדבריו, העבודה עם AI דורשת לא רק ידע טכני, אלא גם הבנה מעמיקה של הכלים הקיימים ויכולת לשלב אותם בתהליכי הפיתוח בצורה חכמה. "הכלים המתקדמים כמו Cursor או Windsurf, הם ממש סוכני AI שיכולים לעושת חלקים שלמים בצורה אוטומטית. מצד אחד הם הרבה יותר חזקים ומתקדמים מצד שני – הם דורשים יכולת להבין ולבקר את התוצאות שמתקבלות, אחרת מתקבל קוד לא יעיל ואף שגוי", הוא אומר.
אחד האתגרים בעבודה עם כלי AI מתקדמים הוא שמפתחים ג'וניורים לעתים מסתמכים עליהם יותר מדי מבלי שהם מבינים לעומק את הקוד שנוצר, מה שיכול לייצר באגים ופוגע באיכות המוצר. "במקרים כאלה אנחנו רואים שאמנם המהירות של ייצור המוצר גבוהה יותר, אבל בסוף נוצרות יותר בעיות שמעכבות את העבודה. צריך יכולת לפתור באגים ולהבין את המוצר שנבנה על ידי קוד שנכתב באמצעות AI. הרבה פעמים אנחנו רואים אנשים שעשו פרוייקטים שנראים מגניבים אבל בסוף מתברר שזה נכתב על ידי בינה מלאכותית והם לא מבינים בכלל מה כתבו, איך זה עובד ומה קרה בפנים. לכן, אחד הדברים שצריך הוא לא לקחת את התוצאות שמפיקים הכלים האלה כמו שהן אלא לבחון בראייה מפוכחת וביקורתית ולוודא שאתם מבינים מה שהכלי יצר", אומר איש שלום.
"אנחנו מחפשים מועמדים שיודעים לנצל AI לא רק כדי לכתוב קוד, אלא כדי לייצר ערך עסקי אמיתי", מסביר עמרם גוטמן, SVP פיתוח ב-Playtika. לדבריו, ההבדל הגדול בין היום ללפני עשור הוא שהיכולת הטכנית כבר לא מספיקה. "אם בעבר, בתהליכי גיוס למשרות פיתוח התמקדנו בעיקר בשפות תכנות, פרויקטים קודמים ושנות ניסיון, הרי שהיום התמונה מורכבת הרבה יותר. לצד הרקע הטכני והיכולת להסביר בחירות טכנולוגיות שבוצעו בפרויקטים קודמים, כיום אנו שמים דגש משמעותי על היכרות מעמיקה עם כלי AI והבנת הערך העסקי שהם מביאים".
"אנחנו בוחנים לא רק את היכולת להשתמש בכלי AI כמו יצירת קוד אוטומטית, בדיקות אוטומטיות וביקורות קוד, אלא גם את היכולת של המפתחים והמפתחות להסביר את הבחירות שלהם, להבין לעומק את המגבלות והיתרונות של הכלים הללו, ולמנף אותם בצורה המיטבית. אתגר מרכזי שאנו מזהים הוא הסתמכות יתר על כלי AI ללא הבנה עמוקה של ההקשר העסקי והטכנולוגי, מה שעלול להוביל לטעויות. מבחינתנו, AI הוא כלי עזר משמעותי אך לא תחליף להבנת יסודות התכנות או החשיבה העסקית", הוא אומר.
למעשה, מעבר לכישורי AI טכניים נדרש היום בסטארטאפים AI Mindset – חשיבה שממוקדת באיתור הזדמנויות לשיפור מערכתי באמצעות בינה מלאכותית. "זה לא לדעת להשתמש במודלים, אלא להבין איך לשלב אותם כחלק אינטגרלי בתהליכי העבודה ולהפוך את הכלים הללו למנוף עבור הצוות, הארגון וכמובן, המוצר. במילים אחרות, מחפשים 'בילדרים' – מפתחים שחושבים על המערכת כולה, ולא רק על הקוד שהם כותבים", אומר דרור גרוף, שותף ב-Team8 ומוביל Ideation.
לדבריו, כאשר מוצאים את האנשים הנכונים, כישורים רכים הופכים ללא פחות חשובים מהיכולות הטכנולוגיות, בדגש על שני כישורים כאלה: הראשון הוא מנטורים טבעיים: אנשים שיש להם נטייה טבעית להכשיר ולפתח אחרים. לא רק כאלה שיודעים לפתור בעיות בעצמם, אלא כאלה שיכולים לבנות כלים שיאפשרו לאחרים להיות טובים יותר. זה ההבדל בין לתת דגים לבין לתת חכות; והשני הוא הוא עמידות וגמישות. "בעולם שבו כל שבוע יוצאים כלי AI חדשים שיכולים להפוך חלק מהפיתוחים לחסרי ערך, מחפשים מפתחים שלא חוששים משינוי. להיפך – כאלה שרואים בכך הזדמנות להיכנס לאזורים חדשים ולהתפתח יחד עם הכלים", הוא אומר.
נראה שיש קונצנזוס בקרב המגייסים לגבי יכולת להסתגל, גמישות מקצועית, סקרנות ולמידה. "כשאנו מגייסים מפתחים ומפתחות מנוסים, הציפייה היא לראות שהם כבר משלבים בעבודתם כלי AI, יודעים להסביר את הבחירות הטכנולוגיות שלהם ומודעים להשפעת הכלים על הביצועים והיעילות. בגיוס ג'וניורים, אנו מחפשים סקרנות, נכונות ללמוד ולהתנסות, אך גם יכולת לכתוב קוד באופן עצמאי ולא רק להסתמך על AI. מעבר לכל אלו, אנחנו מעריכים סקרנות, גמישות מחשבתית ופתיחות ללמידה מתמדת, שהם חיוניים במיוחד בעידן שבו כלי AI משנים את חוקי המשחק", אומר גוטמן.
כדי להבין את הדרישות מצוותי פיתוח בעולם ה-AI, אפשר לדמיין פירמידת מיומנויות: בבסיסה ניצבת השליטה בקוד ובתכנות; מעליה ידע מעמיק במדעי הנתונים; ובראשה —התמחות באלגוריתמים. "שליטה באלגוריתמים מספקת למפתח את התשתית הדרושה לפיתוח AI בסביבת למידת מכונה", מסביר יערי. "יש כמה מערכות נפוצות, אך נדרשת בקיאות מעמיקה באלגברה לינארית, הסתברות וסטטיסטיקה. בסוף, מפתח מקבל איפיון לפרויקט, אבל חייב לדעת איך להפוך אותו לחישובים ולעבודה מעשית-לבד.”
עם זאת, טכנולוגיות חדשות נוספות צצות מדי יום, ולכן היכולת לעבוד בצוות דינמי הפכה לקריטית לא פחות מהידע הטכני.
"זה כבר לא מפתח שיושב לבד באיזה כוך, מקבל איפיון ועובד. כבר אי אפשר שלא לעבוד בצוות וזה אחד הדברים שאנחנו בוחנים אצל מועמדים לעבודה". בנוסף, היכולת לחשוב חשיבה מושגית ומופשטת גם היא הפכה קריטית. "צריך יכולת לדמיין איך זה הולך לקרות, איך זה יתהדק במהלך הפרוייקט", הוא אומר.
הכישורים הטכנולוגיים כמו פיתוח עם אלגוריתמים הכוללת הבנה של עקרונות למידה עמוקה, עיבוד שפה, ראייה ממוחשבת ושיטות נוספות לצד עבודה עם נתונים שמהווים את הבסיס לאימון מודלים נדרשים גם באגמטיקס, הסטארטאפ של ICL, שמתמחה במתן פתרונות דיגיטליים מתקדמים וחכמים המסייעים בהגדלת יבולים. "בנוסף, נדרשת יכולת פתרון בעיות הכוללת זיהוי בעיות, ניסוחן בצורה מתאימה ובחירת האלגוריתמים והכלים המתאימים לפתרונן; חשיבה ביקורתית הכוללת את היכולת לשאול שאלות לגבי AI, כמו איך המודל פותח, אילו נתונים שימשו לאימון ומה ההשפעה האפשרית של השימוש בו. בנוסף, כל המועמדים צריכים להיות בעלי אוריינות דיגיטלית גבוהה, יכולת למידה עצמאית, חשיבה יצירתית ויכולת שיתוף פעולה עם אחרים", אומרת לירון פריזנט, VP HR בחברה.
הטרנספורמציה של חברות טכנולוגיה ל-AI Native משפיעה גם היא על סט הכישורים הנדרש היום מעובדים. "חברות שהן AI Native נבנות מראש מתוך תפיסה שבה בינה מלאכותית אינה תוסף אלא חלק מהותי מאיך בונים חברה, תרבות, מוצר והמודל העסקי", אומר גרוף. חברות כאלה דורשות עובדים עם חשיבה מערכתית – כאלה שלא רק יודעים כיצד להשתמש בטכנולוגיות AI אלא גם לזהות איפה אפשר לייעל תהליכים ולשפר ביצועים בעזרתן. הן מחפשות עובדים שמרגישים בנוח באי-ודאות ושמבינים שהשינוי הוא הקבוע היחיד. שמאמינים שצריך לנסות, לבדוק, להיכשל מהר וללמוד מהר.
ולבסוף, הוא אומר, עובדים יצטרכו להיות מסוגלים לעבוד עם כלי AI גם מחוץ לתחום ההתמחות הצר שלהם. בייחוד בסטארטאפים – אנשים שהיו מוגבלים לסט יכולות מסוים, יצטרכו להיות פתוחים לעשות דברים נוספים בתמיכת יכולות AI.
