ההתפשטות הבלתי ניתנת לעצירה של הבינה המלאכותית משנה את האופן שבו אנו עובדים, לומדים ומקבלים החלטות. נפוץ יותר ויותר להאציל את האחריות על כתיבת דוחות לצ'אטבוט, לתת לעוזר ליצור קוד אפליקציה, או להפקיד בידי אלגוריתם את הסינתזה של מסמכים מורכבים. הנוהג היומיומי הזה של מתן אפשרות למכונות לחשוב עבורנו מתחיל להיות כרוך בעלויות שהמדע מתחיל למדוד בדיוק רב יותר.
מה שנחשב עד לאחרונה כאמצעי פשוט לחיסכון בזמן, מתגלה כעת כשינוי עמוק באופן החשיבה שלנו. מחקרים עדכניים באירופה , ארצות הברית ואמריקה הלטינית מצביעים על אותה תופעה: כאשר המוח מתרגל לפתרון בעיות באמצעות בינה מלאכותית, הפעילות בתחומים המעורבים בזיכרון, יצירתיות וחשיבה ביקורתית פוחתת. וירידה זו, אם תימשך, עלולה ליצור פער חברתי חדש בין אלו המשתמשים בבינה מלאכותית כקביים קבועים לבין אלו המשלבים אותה ככלי לתמיכה בשיקול דעתם.
פער חדש: האצלת חשיבה לעומת העצמתה באמצעות בינה מלאכותית
קבוצת חוקרים ממכון Possibility, בראשות המדענית ויויאן מינג , מתארת שינוי מדאיג בעידן האוטומציה: בינה מלאכותית רחוקה מלהשוויון מגרש המשחקים, היא מרחיבה את הפער בין אנשים ואזורים. זה לא כל כך עניין של למי יש גישה לטכנולוגיה, אלא איך כל אדם משתמש בה.
על פי מחקר זה, רוב המשתמשים בוחרים בגישה פסיבית: הם מציגים שאילתה ומקבלים את התשובה שנוצרת על ידי מודל שפה כפתרון הסופי, מבלי להטיל ספק בה או לעבד אותה מחדש. דפוס זה מייצר תוצאות נכונות אך סטנדרטיות, זהות כמעט לכל מי ששואל שאלה דומה. כאשר כולם מקבלים את אותה תשובה, הערך המבדיל נעלם , במיוחד בסביבות עבודה תחרותיות.
בקצה השני של הספקטרום נמצא מיעוט המשתמש בבינה מלאכותית באופן אסטרטגי, כהרחבה של החשיבה שלהם . קבוצה זו אינה מאצילת את כל המשימה לבינה המלאכותית, אלא משתמשת בטכנולוגיה כדי לבחון השערות, לסנתז כמויות גדולות של נתונים, או לבחון את רעיונותיה בחינה מעמיקה יותר. תהליך החשיבה נשאר אנושי, בעוד שהמכונה מתפקדת כמשתפת פעולה, ומספקת פרספקטיבה ומהירות.
ההשפעות הכלכליות של הבדל זה כבר מורגשות. נתונים מברומטר המשרות הגלובלי של PwC בתחום הבינה המלאכותית מצביעים על כך שחברות משלמות עד 56% יותר לאנשי מקצוע המסוגלים לשלב בינה מלאכותית בעבודתם בצורה מתקדמת, בהשוואה לאלו המשתמשים בה רק כדי להפיק טקסטים, דוחות או קוד במהירות ללא פיקוח קריטי. במגזרים אוטומטיביים מאוד, תפקידים המשלבים שיקול דעת אנושי נבון עם שליטה בכלים אלה רואים את עליות השכר הגדולות ביותר.
ניוון קוגניטיבי ו"כניעה" של שיקול דעתו של האדם
אחת הדאגות העיקריות של הקהילה המדעית היא ההשפעה של האצלת מחשבה מסיבית זו על תפקוד המוח . מחקרים אחרונים, שצוטטו על ידי BBC Mundo, מציעים כמה רמזים מטרידים: כאשר כתיבה או פתרון בעיות נותרים בידי צ'אטבוט, הפעילות העצבית צונחת בהשוואה לאלו שמבצעים את אותה משימה ללא סיוע טכנולוגי.
החוקרת נטליה קוסמינה , ממעבדת המדיה של MIT, ערכה ניסוי עם 54 סטודנטים שחולקו לשלוש קבוצות: אחת עבדה עם ChatGPT, השנייה השתמשה במנוע חיפוש קונבנציונלי ללא סיכומים אוטומטיים, והשלישית הכינה את חיבוריה ללא כל תמיכה דיגיטלית. בזמן הכתיבה, גלי המוח שלהם נוטרו כדי למדוד אילו אזורים הופעלו ובאיזו עוצמה.
תוצאות ראשוניות מראות כי הקבוצה שלא השתמשה בטכנולוגיה הציגה דפוס רחב של פעילות מוחית, במיוחד בתחומים הקשורים ליצירתיות ולעיבוד מידע מורכב. אלו שהשתמשו בצ'אטבוט, לעומת זאת, רשמו ירידה של עד 55% בפעילות זו . המוח לא כבה, אך עבד בצורה הרבה פחות אינטנסיבית, כאילו חלק משמעותי מהמאמץ האינטלקטואלי הועבר למיקור חוץ.
ההשפעות לא הוגבלו לתהליך הכתיבה. כאשר נזכרו בתוכן הטקסטים שלהם, הסטודנטים שהשתמשו בבינה מלאכותית התקשו יותר לצטט את רעיונותיהם שלהם, ובעלי תחושה שהעבודה "לא הייתה שלהם" ביטאו לעתים קרובות יותר את התחושה שהעבודה "לא הייתה שלהם". ניתוק סובייקטיבי זה קשור למה שמכונה פריקה קוגניטיבית : ככל שאנו מאצילים יותר סמכויות למערכות חיצוניות - בעבר לוחות שנה או מנועי חיפוש, כיום מודלים יצירתיים - כך אנו מאחדים פחות מידע בזיכרון שלנו.
דאגה זו מתחזקת על ידי מחקר מאוניברסיטת פנסילבניה וממרכזים אחרים, אשר דן בגלוי ב"כניעה קוגניטיבית" : משתמשים רבים מקבלים תגובות של בינה מלאכותית עם מעט ניתוח, גם כאשר הן סותרות את שיקול דעתם. בתחומים רגישים, כמו רפואה, תועדו מקרים בולטים. מחקר רב לאומי שצוטט על ידי BBC Mundo ציין כי מומחים שהשתמשו בכלי בינה מלאכותית לגילוי סרטן המעי הגס במשך מספר חודשים פיתחו לאחר מכן יכולת מופחתת לזהות גידולים בעצמם לאחר שהסיוע הטכנולוגי הופסק.
"השלוש-מערכת" של המחשבה: מוח מהיר, מוח איטי... ומכונה
לפסיכולוגיה הקוגניטיבית כבר הייתה מסגרת מבוססת היטב, שדניאל כהנמן הפך לפופולרי , המבחינה בין מערכת מהירה, אינטואיטיבית ומבוססת ניסיון לבין מערכת איטית, אנליטית ודורשת מאמץ רב יותר. עם זאת, התקדמות הבינה המלאכותית גורמת לחוקרים מסוימים להציע עדכון: מערכת חשיבה שלישית המורכבת מהטכנולוגיה שאליה אנו מאצילים יותר ויותר החלטות והיגיון.
בהקשר זה, התקשורת והאנליסט פביאן ברגרו הפיץ את רעיון ה"שלוש-מערכת" של מחשבה: למערכות האינטואיטיביות והרציונליות נוסף כעת בינה מלאכותית כשחקן שלישי המתערב באופן שבו אנו פותרים בעיות. לפי גישתו, הסוגיה העדינה אינה קיומו של רכיב חדש זה, אלא כיצד אנו מתייחסים אליו.
כאשר, במקום להשתמש בבינה מלאכותית ככלי להשוואה, אנו מוותרים על השליטה בתהליך כולו לטובתה , מתרחשת תופעה ברורה: אנו מפסיקים להפעיל את הזיכרון, הניתוח והשיפוט העצמאי שלנו. ברגרו בוחן כאן מחדש את המושג "כניעה קוגניטיבית" כדי לתאר את הרגע שבו, כמעט מבלי משים, אנו מפסיקים לסנן את מה שהיינו חושבים, מעריכים או זוכרים בעצמנו בעבר.
לשינוי זה יש השלכות עמוקות: אובדן האוטונומיה האינטלקטואלית . אנו מסתמכים על מערכות אטומות, המוזנות מנתונים לא ידועים ופוטנציאלית מוטה, אך קשה לעקוב אחריהן. אם אטימות זו מחמירה על ידי גישה לא ביקורתית מצד המשתמש, היכולת לזהות שגיאות, הטיות או מניפולציות פוחתת, ועימה, האפשרות לתקן כיוון.
מספר מומחים מסכימים כי בהינתן תרחיש זה, המפתח טמון בחיזוק האינטליגנציה האנושית יותר מתמיד: טיפוח ספק סביר, שמירה על ההרגל של ניסוח שאלות מורכבות , והתייחסות לתשובות הבינה המלאכותית כהשערות עבודה , ולא כאמיתות סופיות.
חינוך וחשיבה ביקורתית: מיקור חוץ של מאמץ מחשבתי
הדיון על העברת סמכויות החשיבה לבינה מלאכותית הוא אינטנסיבי במיוחד בחינוך, במיוחד בכיתות לימוד, בהן אמפתיה וטכנולוגיה מתקיימות יחד. מורים ומומחי חינוך מתמודדים עם אתגר ההוראה בסביבה שבה כתיבת חיבור, פתרון בעיית מתמטיקה או סיכום ספר יכולים להיעשות תוך שניות באמצעות צ'אטבוט. השאלה הבסיסית היא מה קורה למיומנויות הקוגניטיביות שבתי הספר צריכים לפתח אם חלק מהמאמץ מועבר באופן שיטתי למיקור חוץ.
קרולינה לפ , חוקרת אקדמית באוניברסיטת או'היגינס, מסבירה כי מחקרים שונים מצביעים על דפוס דומה לזה שנצפה במעבדות מדעי המוח: כאשר סטודנטים משתמשים בבינה מלאכותית כדי להשלים מטלות מבלי להבין את התהליך הבסיסי, פחות קשרים במוח מופעלים מאשר כאשר הם יוצרים את התוכן באופן עצמאי. עם הזמן, "חוסר שימוש" זה יכול להחליש מיומנויות כמו יצירתיות, ניתוח ופתרון בעיות עצמאי.
בפועל, הדבר מתורגם למצבים מוכרים מאוד למורים. לא נדיר למצוא תלמידים שמגישים דוחות כתובים בצורה מושלמת אך אינם מסוגלים להסביר בקול רם את המושגים הבסיסיים שלכאורה למדו. ניתוק זה בין התוצר הסופי לבין המיומנויות בפועל מאלץ חשיבה מחודשת על אסטרטגיות הערכה והוראה.
לפ מדגיש כי המטרה לא צריכה להיות לאסור את הבינה המלאכותית, אלא לשלב אותה עם כללים ברורים המעודדים שימוש אסטרטגי וביקורתי . לדוגמה, לאפשר לתלמידים להשתמש בכלים אלה כדי לייצר רעיונות ראשוניים או לסקור את מבנה הטקסט, אך לדרוש שהתוכן המרכזי יפותח ללא אוטומציה, בליווי הסברים בעל פה או מצגות פנים אל פנים.
בכיוון זה, המורה מתעקש שעבודה חינוכית כרוכה בחיזוק העצמאות האינטלקטואלית: סיוע לצעירים לנסח שאלות, להשוות מקורות ולהבין שתשובה שנוצרת אוטומטית יכולה להיות שימושית, אך היא אינה מחליפה את תהליך ההבנה, הדיון ומתן משמעות משלהם לידע. משמעות הדבר היא גם עבודה על הממדים האתיים והדאונטולוגיים של בינה מלאכותית, כך שהתלמידים יהיו מודעים לאחריות הכרוכה בשימוש בה.
מדעי המוח ו"חוב קוגניטיבי": מה הולך לאיבוד כאשר בינה מלאכותית עושה את העבודה הקשה
מחקרים אחרונים במדעי המוח מצביעים על רעיון שהולך וצובר תאוצה: "חוב קוגניטיבי ". בדיוק כמו בעולם התוכנה, חוב טכני מתייחס לתעדוף מהירות על פני איכות וצבירת בעיות לעתיד, חוקרים משתמשים במונח זה כדי לתאר את העלות המצטברת של האצלת משימות שכליות מורכבות לבינה מלאכותית.
דיווחים של ארגונים כמו האקדמיה הלאומית המלכותית לרפואה של ספרד מזהירים כי שימוש מופרז במערכות גנרטיביות לכתיבת מיילים, ניסוח מאמרים או סיכום טקסטים מפחית את המאמץ הנוירולוגי הכרוך בשינון ובחשיבה ביקורתית. בטווח הקצר, משימות מסתיימות מהר יותר; בטווח הבינוני והארוך, מעגלי המוח המעורבים בתפקודים אלה עלולים לאבד מיעילותם, בדיוק כפי ששריר נחלש כאשר הוא אינו בשימוש עוד.
מחקרי אלקטרואנצפלוגרם (EEG) שנערכו בשנת 2025 השוו שתי קבוצות של משתתפים: אחת שהשתמשה בכלי בינה מלאכותית לכתיבה ואחרת שביצעה את המשימה כולה באופן ידני. הקבוצה שסייעה בבינה מלאכותית השיגה תוצאות מהירות יותר אך הראתה פחות קישוריות עצבית בטווחי תדרים הקשורים ליצירתיות ולשליטה ניהולית. יתר על כן, הם הפגינו פחות שביעות רצון מהעבודה וקשר חלש יותר לכתיבה של הטקסט.
מומחים כמו הנוירופסיכולוגית מריה דה לה פז סקריבאנו מסבירים כי בינה מלאכותית, כאשר משתמשים בה באופן פסיבי, נוטה להומוגניזציה של השפה ולהחליש את מסלולי המוח הקשורים ליצירת רעיונות מקוריים. עם זאת, כאשר משתמשים בה באופן מודרך - למשל, כדי להציע הצעות שהמשתמש משקם באופן ביקורתי - היא יכולה לתפקד כמסגרת שמרחיבה את אופק המחשבה מבלי להחליף עיבוד פנימי.
מספר מחקרים ארוכי טווח כבר בוחנים את ההשפעות הפוטנציאליות ארוכות הטווח. במחקר המעקב בראשות צוותו של קוסמינה, חודשים לאחר שעבדו עם בינה מלאכותית, סטודנטים שהסתמכו במידה רבה על הכלי הראו קישוריות עצבית מופחתת כאשר התמודדו שוב עם משימות דומות ללא תמיכה טכנולוגית. למרות שהמחקר נמשך ואינו מאפשר מסקנות חד משמעיות, הוא מחזק את ההשערה שההרגל של האצלת סמכויות באופן שיטתי של מאמץ מנטלי משאיר חותם על ארגון המוח.
מהנדסים ומפתחים: פרודוקטיביות לכאורה לעומת תחרות אמיתית
המתח בין מהירות להבנה ניכר במיוחד בתחום הנדסת התוכנה , אחד המגזרים שבהם הבינה המלאכותית עושה את הפריצה המשמעותית ביותר. ההערכה היא שעד שנת 2028, כ-90% ממהנדסי התוכנה הארגוניים ישתמשו בעוזרי קוד גנרטיביים, בהשוואה לאחוז קטן יחסית בתחילת 2024.
עבור חברות טכנולוגיה וסטארט-אפים, זוהי חרב פיפיות. מצד אחד, עוזרי תכנות מאפשרים למפתחים לייצר אלפי שורות קוד תוך דקות, להפוך בדיקות לאוטומטיות ולהאיץ את הפיתוח. מצד שני, קיים סיכון שמפתחים צעירים, בפרט, יטעו במהירות עם שליטה אמיתית , ויסתמכו על הכלי מבלי להבין באופן מלא מה הקוד עושה, מדוע הוא עובד, או כיצד הוא עלול להישבר בתנאים קיצוניים.
ניתוחים שונים מצביעים על כך שבינה מלאכותית פועלת כמכפיל של אי-סדר קיים . אם לצוות חסרים קריטריונים אדריכליים מוצקים ושיטות עבודה מומלצות ברורות, אוטומציה פשוט מאיצה את הכאוס: נוצר יותר קוד, אך גם יותר חוב טכני, יותר נקודות כשל ויותר תלות מעורפלות. גרטנר, לדוגמה, ניבאה עלייה משמעותית בפגמים הקשורים למערכות בינה מלאכותית גנרטיבית בשנים הקרובות.
תרחיש זה יוצר סוג חדש של תלות: כאשר עוזר הקוד אינו מציע פתרון ישיר, חלק מהמהנדסים נתקעים, חסרים את הבסיס הקונספטואלי הדרוש לשחזור הבעיה מעקרונותיה הבסיסיים. במקרים אלה, בינה מלאכותית לא רק נכשלת בהרחבת היכולות אלא אף מחלישה אותן , משום שהיא מונעת מהמקצוען ללכת בנתיב הלמידה שיאפשר לו להתמודד עם אתגרים עתידיים מבלי להסתמך על קביים.
באופן פרדוקסלי, תחום אחד שבו בינה מלאכותית משתפרת בבירור הוא בדיקות אוטומטיות . יצירת מקרי בדיקה עוקבת אחר כללים מוגדרים היטב וחוזרים על עצמם, מה שהופך את האוטומציה ליעילה ביותר מבלי לדחוק את ההיגיון הביקורתי המרכזי של תהליך התכנון. הבדל זה ממחיש בבירור את הגבול בין משימות שבהן האצלת סמכויות למכונה הגיונית לבין משימות שבהן שמירה על יוזמה אנושית עדיפה.
מייסדים ומנהיגים טכניים: ניהול בינה מלאכותית מבלי לוותר על שיפוטיות
עבור אלו המובילים סטארט-אפים או צוותים טכניים, השאלה כיצד להאציל חשיבה לבינה מלאכותית אינה ויכוח תיאורטי, אלא סיכון תפעולי . האופן שבו כלים אלה בנויים יכול לעשות את ההבדל בין חברה שמתפתחת על בסיס איתן לבין חברה שצוברת במהירות חוב טכני וקוגניטיבי שקשה לתקן.
מומחים שונים ממליצים לבסס ניהול ברור של בינה מלאכותית כבר מההתחלה : להגדיר איזה סוג קוד ניתן לייצר ללא בדיקה אנושית, אילו רכיבים דורשים עיצוב בהנחיית מהנדסים בלבד, כיצד מתועד תוכן שנוצר על ידי מכונה, ומי נושא בסופו של דבר באחריות לאיכות. התשובה לשאלה האחרונה, הם מדגישים, צריכה תמיד להיות אנושי, לעולם לא הכלי.
המלצה מרכזית נוספת היא להשקיע תחילה בארכיטקטורה ובהקשר . ככל שעקרונות העיצוב, האילוצים והיעדים העסקיים מוגדרים טוב יותר, כך הבינה המלאכותית תהיה שימושית יותר למשימות ניהוליות. ללא מסגרת כזו, עוזרים יצירתיים יכולים לייצר פתרונות שלמרות שהם פונקציונליים בטווח הקצר, סוטים מהכיוון האסטרטגי או מציגים מורכבות מיותרת.
גם תפקידו של המהנדס הזוטר משתנה. במקום להתמקד אך ורק בכתיבת קוד, הוא נדרש יותר ויותר לפתח מיומנויות ביקורת : היכולת לסקור, לאמת ולפקפק בהצעות של בינה מלאכותית, לזהות שגיאות עדינות פוטנציאליות או החלטות אדריכליות בעייתיות. בתהליכי בחירה, זה מתורגם להערכת לא רק מהירות תכנות אלא גם לאיכות ההיגיון הטכני וליכולת לטעון מדוע פתרון אחד עדיף על אחר.
מנהיגים טכניים, מצידם, ניצבים בפני אתגר תרבותי: בניית צוותים שמתגמלים הבנה עמוקה, ולא רק פרודוקטיביות לכאורה. משמעות הדבר היא להקדיש זמן לסקירות קוד מפורטות, לדיונים על ההיגיון מאחורי החלטות מסוימות, ולאפשר לחברים פחות מנוסים להתאמן מבלי להסתמך על קיצורי דרך אוטומטיים. בסופו של דבר, בינה מלאכותית נוטה לדחוק את מקומם של אלו שאינם יודעים כיצד להשתמש בה בתבונה, ולא את אלו המשלבים אותה בצורה מושכלת בעבודתם.
שימוש יומיומי בבינה מלאכותית: ממראה מגבירה ועד תחליף מאמץ
מעבר לתחומים הטכניים או האקדמיים, השפעת הבינה המלאכותית על החשיבה שלנו מחלחלת לחיי היומיום: מאלה שמבקשים מצ'אטבוט לנסח אימייל מורכב ועד לאלה שמפקידים בידיו את ארגון הטיול, תכנון הלימודים או קבלת החלטות אישיות. בכל המקרים הללו, הכלי משמש כמראה שמעצבת מחדש רעיונות , אך גם כמסנן שיכול לפשט יתר על המידה את מורכבות העולם.
חשוב לזכור שבינה מלאכותית, כפי שאנו מכירים אותה כיום, אינה חושבת כמו בן אדם. אין לה חוויות, אין לה תודעה ואין לה דיאלוג פנימי משלה. מה שהיא עושה זה לעבד כמויות עצומות של מידע, למצוא דפוסי קוהרנטיות וליצור תגובות התואמות סטטיסטית את מה שהתבקשה לעשות. ה"מקוריות" לכאורה שלה היא תוצאה של שילובים מתוחכמים של חומרים קיימים מראש.
זה לא מפחית מתועלת הכלי, אבל זה כן דורש זהירות בנוגע לאשליה של אינטליגנציה ברמה אנושית בצד השני של המסך. מה שאנו תופסים כקריטריונים הוא, במידה רבה, קוהרנטיות פורמלית . זו הסיבה שבינה מלאכותית יכולה לכתוב כמו משוררת, להתווכח כמו אקדמאית, או להגיב כאילו היא מבינה את המצב הספציפי שלנו, כשלמעשה היא פשוט מארגנת מחדש את העקבות המילוליים של מיליוני אנשים.
בפועל, יכולתו להגיב במהירות ובוודאות לכאורה מעצימה הן את ההיבטים הטובים והן את הגרועים ביותר של השימוש בו. בידיים קפדניות, הוא עוזר לראות זוויות חדשות, להבהיר טיעונים או לזקק מידע מפוזר. בידיים רשלניות, הוא יכול להאיץ שטחיות , מידע שגוי או הסתמכות על פתרונות מוכנים מראש שאנו בקושי מפקפקים בהם.
אמביוולנטיות זו מעבירה בסופו של דבר את האחריות אל המשתמש. קלות קבלת התשובה אינה עוד מבטיחה למידה; למעשה, היא יכולה להסוות הבנה לקויה מאוד אם היא אינה מלווה בהשוואה, רפלקציה ואימות. המשימה אינה כל כך לשאול שאלות נוספות, אלא לשאול שאלות טובות יותר ולהקדיש זמן לחשיבה על מה לעשות עם התשובות.
פרודוקטיביות, הצלחה מקצועית והסיכון של אוזלת "שרירים מנטליים"
בשוק העבודה האירופי והעולמי, הרעיון שאלו שאינם משתמשים בבינה מלאכותית יפגרו בהכרח מאחור הפך למנטרה נפוצה. עם זאת, קולות שונים מזהירים כי אמירה זו, אם נלקחה פשוטו כמשמעו, עלולה להיות מטעה בדיוק כמו ההפך. נקודת המחלוקת האמיתית אינה האם להשתמש בבינה מלאכותית או לא, אלא אילו מיומנויות מוקרבות כאשר משימות קוגניטיביות מועברות באופן שיטתי לכלים אלה.
חלק מהיזמים והאנליסטים כבר מדברים על "מייסדים עם חוב קוגניטיבי": אנשי מקצוע שמסתמכים כל כך על מודלים יצירתיים כדי לכתוב הצעות, לעצב מצגות או להגדיר אסטרטגיות, עד שעם הזמן הם מאבדים את היכולת לעשות זאת בעצמם. אובדן זה אינו מורגש בן לילה; הוא מתברר כאשר הם צריכים לאלתר בפגישה, לענות על שאלה בלתי צפויה או לקבל החלטות תחת לחץ ללא גישה ישירה לטכנולוגיה.
בתחום זה, מדעי המוח והניסיון המעשי מתכנסים למספר המלצות פשוטות. האחת היא לשמור מרחבים נטולי בינה מלאכותית למשימות קריטיות מסוימות - כגון הגדרת חזון של פרויקט או ניתוח בעיה מורכבת - ולהשתמש בכלי רק בשלב השני, כתמיכה בסקירה או הרחבה של מה שכבר תוכנן. המלצה נוספת היא להגביל את השימוש בו בתחומים שבהם אותנטיות וקול אישי חיוניים, למשל, בתקשורת מרכזית עם הצוות או המשקיעים.
כמו כן, מומלץ לשים לב לסימני תלות: אם מישהו מרגיש שהוא לא יכול לכתוב טקסט, לבנות ארגומנט או לתכנת פונקציה בסיסית מבלי לפתוח אשף, ייתכן שהוא פיתח חולשה ב"שריר המנטלי" שלו שצריך חיזוק. חידוש ההרגל של כתיבה ידנית, קריאה ברוגע או פתרון בעיות ללא קיצורי דרך דיגיטליים נותרה דרך יעילה לשמור על פעילות הרשתות העצביות המעורבות בריכוז עמוק.
בהקשרים כמו ספרד ומדינות אירופאיות אחרות, שבהן חברות דיגיטליות מאוד מתקיימות לצד עסקים קטנים ובינוניים ומגזרים פחות אוטומטיים, מתח זה הופך לבלתי נראה במיוחד. אלו המשלבים מיומנות טכנולוגית עם חשיבה עצמאית מאומנת היטב מוצאים את המשרות הטובות ביותר, בעוד שאלו שפשוט מייצרים תוצאות שנוצרו על ידי בינה מלאכותית מבלי לתרום את נקודות המבט שלהם רואים את היתרון התחרותי שלהם מצטמצם.
התמונה שצוירה מהמחקר והניסיון שנצברו מורכבת, אך היא מצביעה על כיוון ברור: בינה מלאכותית הפכה לשחקן מרכזי בתהליכי החשיבה שלנו, והאופן שבו נבחר להאציל או לא להאציל לה סמכויות יעצב הן את ההתפתחות הקוגניטיבית שלנו והן את ההזדמנויות המקצועיות שלנו. שמירה על המאמץ לחשוב, לשאול שאלות ולהבין באופן עצמאי נותרה, למרות כל ההתקדמות הטכנולוגית, התרופה הטובה ביותר לסיכון של ויתור על יותר מדי שטח למכונה.
