קריסת משרות זוטרות: כיצד בינה מלאכותית משנה את כניסת הקריירה בגרמניה

שינוי הזדמנויות קריירה: הירידה הדרמטית בתפקידים זוטרים בגרמניה

משרות התחלתיות בסיכון: כיצד בינה מלאכותית פוגעת בסולם הקריירה בגרמניה

שוק העבודה בגרמניה עובר שינוי עמוק, המציב אתגרים משמעותיים בפני אנשי מקצוע צעירים רבים. בעוד שחברות ממשיכות להתלונן על מחסור בעובדים מיומנים, מגמה מדאיגה מתפתחת: מספר המשרות התחלתיות ירד ביותר משני שלישים מאז קיץ 2022. ירידה זו בולטת במיוחד ביישומי IT, שיווק וניהול פרויקטים, שם בינה מלאכותית וכלים דיגיטליים משתלטים יותר ויותר על המשימות. עם זאת, ההנחה המתבקשת שבינה מלאכותית הורסת את השלב הראשון בסולם הקריירה היא פשטנות יתר. הירידה במשרות זוטרות החלה עוד לפני הצגת ChatGPT והיא חלק ממיתון כלכלי גדול יותר, המאופיין גם בעלויות מימון עולות ובירידה בנכונות בקרב חברות להשקיע.

לשחיקה של משרות התחלתיות יש השלכות מרחיקות לכת: היא לא רק מסכנת את הכשרתם של כישרונות צעירים, אלא גם מאיימת על יכולת החדשנות והתחרותיות ארוכות הטווח של חברות. מבט על הנתונים הנוכחיים מראה כי הזדמנויות התחלתיות פחתו כמעט בכל קבוצות התעסוקה שנחקרו, דבר המדגיש את הצורך לנקוט באמצעים מתאימים כדי להקל על המעבר מהשכלה לתעסוקה. בתקופה שבה ערך הניסיון המעשי והמיומנויות הספציפיות עולה, חיוני שחברות ומוסדות חינוך יפתחו במשותף אסטרטגיות להתמודדות מוצלחת עם אתגרים עתידיים בשוק העבודה.

סולם הקריירה שנעלם של גרמניה: מדוע משרות התחלתיות קורסות בעידן הבינה המלאכותית

מחסור העובדים המיומנים של מחר מתחיל עם ביטול משרות זוטרות כיום

שוק העבודה של גרמניה משדר שני מסרים שלכאורה אינם נראים מתחברים זה לזה. חברות ממשיכות להתלונן על מחסור בעובדים מיומנים, ובמקביל מספר משרות הכניסה צנח ביותר משני שלישים מאז שיאו בקיץ 2022. תחומי המקצוע שבהם כלים דיגיטליים ובינה מלאכותית גנרטורים יכולים לתמוך או להשתלט באופן חלקי על משימות רבות מצטמצמים בצורה חדה במיוחד. יישומי IT, שיווק וניהול פרויקטים מדגימים מגמה זו. לעומת זאת, סיעוד, רפואה, תרופות, גסטרונומיה ואירוח מתפתחים בצורה חזקה הרבה יותר.

ההסבר הברור הוא שבינה מלאכותית הורסת את הצעד הראשון בסולם הקריירה. תזה זו סבירה, אך בצורתה הפשוטה, היא בלתי ניתנת לביצוע. הירידה החלה כבר באביב 2022, חודשים לפני יציאת ChatGPT. במקביל, הכלכלה הגרמנית נחלשה, המימון הפך יקר יותר, הנטייה להשקיע ירדה, חברות תיקנו את עודף כוח האדם משנות הגאות, וריכזו עובדים חדשים במומחים בעלי פרודוקטיביות מיידית. לכן, יש להבין את הבינה המלאכותית פחות כסיבה היחידה ויותר כמאיץ, מסנן בחירה והלם ציפיות בשוק עבודה חלש ממילא.

מספר המשרות הזוטרות שאינן זמינות כיום אינו הגורם המשמעותי היחיד מבחינה כלכלית. באופן מכריע, משרות התחלתיות ממלאות פונקציית ייצור: הן מספקות לעובדים צעירים ניסיון מעשי, מלמדות אותם תהליכים תפעוליים, מפתחות את שיקול דעתן ומתבגרות למומחים ולמנהלים שחברות יזדקקו להם מספר שנים מאוחר יותר. אם משרות אלו מבוטלות לצמיתות, חברה חוסכת בעלויות הכשרה בטווח הקצר, אך יוצרת פער לטווח ארוך בצנרת הכישרונות שלה. כאן בדיוק טמון הסיכון האסטרטגי. החיסכון ניכר מיד, בעוד שאובדן המיומנויות, היכולת החדשנית ופוטנציאל ההמשכיות מתברר רק עם הזמן.

מפריחת גיוסים לקריסה

נקודת ההתחלה להתפתחות זו הייתה יוצאת דופן. ביולי 2022, מספר המשרות שהוגדרו במפורש כמשרות זוטרות, מתלמדות, בוגרות או התחלתיות היה גבוה בכ-75 אחוז מהממוצע של 2019. פריחה זו שיקפה את אפקט ההדבקה שלאחר המגפה, שוק עבודה צפוף, השקעות משמעותיות בדיגיטציה ותחרות על כישרונות. חברות הרחיבו צוותים, מימנו צמיחה ומילאו באופן יזום משרות פנויות משום שצפו ביקוש גבוה מתמשך.

עד יולי 2026, היצע זה ירד ל-46 אחוזים מתחת לרמת 2019. משיאו, מדובר בירידה של הרבה יותר משני שלישים. גם השוק הכולל התקרר במידה ניכרת, אם כי הוא נותר שמונה אחוזים מעל ערך הייחוס של 2019 בזמן קריסתו. מאז שיאו בשנת 2022, הוא ירד בכ-38 אחוזים. לפיכך, משרות התחלתיות ירדו לא רק בהתאם לביקוש הכללי לכוח אדם, אלא בקצב מהיר משמעותית. הכניסה לשוק העבודה הצטמצמה עוד יותר בתוך שוק מתכווץ.

גם התמחויות ומשרות סטודנטים עובדים היו נמוכות בכ-24 אחוזים מרמת 2019 ביולי 2026. הירידה בהן מאז 2022 הייתה פחות חדה משום ששיאן באותה תקופה היה נמוך יותר. אף על פי כן, התפתחות זו בעייתית: התמחויות ומשרות סטודנטים עובדים מהוות לעתים קרובות את הגשר בין אוניברסיטה לתעסוקה רגילה. אם חברות מצמצמות הן את השלב המקדים הזה והן את המשרה הזוטרה שאחריה, המעבר ממערכת החינוך למקום העבודה הופך לפחות חדיר.

היקף הבעיה ניכר בנתוני שוק העבודה הרחבים יותר. ברבעון השני של 2026 היו כ-1.02 מיליון משרות פנויות בגרמניה. מדובר בכ-130,000, או אחד עשר אחוזים, פחות מאשר ברבעון הקודם וכשלושה אחוזים פחות משנה קודם לכן. מלבד הסגרים הקשורים למגפה, הביקוש לעבודה לא היה כה נמוך מאז 2016. מבחינה סטטיסטית, היו 291 מובטלים רשומים על כל 100 משרות פנויות. לפיכך, השוק עבר משוק מונע על ידי מועמדים לשוק סלקטיבי יותר המונע על ידי מעסיקים.

הביצועים הכלכליים של גרמניה מספקים את הרקע המחזורי. לאחר שנתיים של מיתון, התוצר המקומי הגולמי הריאלי צמח ב-0.2 אחוז בלבד בשנת 2025. בעוד שהייתה עלייה מתונה בשני הרבעונים הראשונים של 2026, ההשקעות והביקוש הפרטי נותרו חלשים. סביבה כזו אינה נוחה להחלטות צמיחה עתירות עבודה. חברות לא בהכרח מפטרות עובדים בהמוניהן, אך הן כן מצמצמות משרות פנויות, דוחות איוש משרות ומעליות את הדרישות לכל תפקיד חדש.

הפריצה משפיעה כמעט על כולם

מתוך 28 קבוצות התעסוקה שנבדקו, 26 ראו ירידה בהזדמנויות עבודה ברמת כניסה מאז 2022. ב-23 קבוצות, משרות זוטרות הציגו ביצועים גרועים יותר מהשוק הכללי. לכן, זו אינה בעיה מבודדת המשפיעה על חברות טכנולוגיה בודדות, אלא הידרדרות נרחבת בגישה לשוק העבודה. עם זאת, הבדלים בין תחומי התעסוקה מגלים אילו כוחות כלכליים משפיעים במיוחד.

יישומי ופתרונות IT נפגעו הכי קשה, עם ירידה של 77 אחוזים בהשוואה לשיאם. בשיווק, מספר המשרות הפנויות ירד ב-75 אחוזים, ובניהול פרויקטים ב-60 אחוזים. עבור התמחויות ומשרות סטודנטים עובדים, הירידות בתחומים אלה היו 54 אחוזים, 55 אחוזים ו-56 אחוזים, בהתאמה. פעילויות אלה חולקות מספר מאפיינים: חלק גדול מהעבודה הוא דיגיטלי, ניתן לתקנן אותו, לפרק אותו לחבילות עבודה ולנטר אותו באמצעות תוצרים אלקטרוניים. מאפיינים אלה עצמם מאפשרים אוטומציה, ריכוזיות, מיקור חוץ ושיפורי פרודוקטיביות באמצעות תוכנה.

רק שני מגזרים עיקריים ראו התפתחויות חיוביות במשרות התחלתיות. סיעוד, רפואה ורוקחות עלו ב-18 אחוזים, בעוד שתעשיות המזון, הגסטרונומיה והמלונאות עלו בעשרה אחוזים. מגזרים אלה חווים מחסור מבני בכוח אדם יחד עם משרות הדורשות נוכחות פיזית, מודעות למצב, אינטראקציה אנושית או אחריות ישירה. רבים ממקצועות אלה דורשים גם הכשרה מקצועית ולא תואר אקדמי. לכן, יציבותם היחסית אינה רק ההפך הגמור מהסמכה אקדמית חסרת ערך לכאורה, אלא ביטוי לתנאי ייצור שונים.

במגזר החברתי, כמו גם בטיפול בילדים ובחינוך, מספר ההתמחויות ומשרות הסטודנטים העובדים גדל ב-18 אחוזים. גורמים מוסדיים משחקים כאן תפקיד, שכן התמחויות חובה מבוססות היטב בתוכניות רבות לתואר והכשרה מקצועית. זה מדגיש הבדל חשוב: במקרים בהם ניסיון מעשי הוא חובה עקב תקנות, דרישות תוכנית לימודים או מדיניות החברה, סביר פחות שהוא יבוטל לחלוטין, אפילו בתקופות של כלכלה חלשה. לעומת זאת, במקרים בהם הוא מטופל כהשקעה דיסקרטיונית, סביר יותר שהוא ייפול קורבן לצעדי צנע.

עם זאת, הנתונים מתארים רק מודעות דרושים שתאריהן מכילים מונחים אופייניים כמו זוטר, מתלמד, בוגר או איש מקצוע צעיר. חברות יכולות למצוא מועמדים מתחילים מתאימים גם באמצעות מודעות דרושים בניסוחים כלליים יותר, קידומים פנימיים או גיוס ישיר ממקומות התמחות ושיתופי פעולה אוניברסיטאיים. לפיכך, המדידה עשויה לזלזל בנתיבי כניסה נסתרים. לעומת זאת, מודעת דרושים עם התואר "זוטר" עשויה לדרוש ניסיון מקצועי ולכן אינה אוטומטית משרה התחלתית אמיתית. למרות זאת, המגמה משמעותית בשל עוצמתה ורוחבה, אך אין לבלבל אותה עם המספר המדויק של כל אנשי המקצוע המתחילים שגויסו לאחרונה.

בינה מלאכותית לא מסבירה הכל

המתאם הבולט בין חשיפה לבינה מלאכותית לבין אובדן מקומות עבודה הוא אמיתי. בקבוצות תעסוקתיות שבהן יותר מ-60 אחוז מהכישורים והמשימות יכלו להילקח על ידי בינה מלאכותית או להיתמך בהן, היו רק כמחצית ממספר המשרות התחלתיות, התמחות וסטודנטים עובדים ביולי 2026 בהשוואה לשנת 2019. לעומת זאת, קבוצות תעסוקתיות עם פוטנציאל טרנספורמציה של פחות מ-40 אחוז נותרו ברמה הקודמת או מעליה. הפער בין עבודת ידע שניתן בקלות להפוך אותה לאוטומטית באופן דיגיטלי לבין עבודה פיזית או חברתית יותר התרחב במידה ניכרת.

עם זאת, מתאם אינו בהכרח מרמז על סיבתיות. המגמות השונות החלו כבר באביב 2022, בעוד ש-ChatGPT הפך לזמין לציבור רק בנובמבר של אותה שנה. באותה תקופה, בנקים מרכזיים העלו את הריביות, חברות צמיחה איבדו גישה למימון זול, חברות טכנולוגיה תיקנו עודף קיבולת הקשור למגפה, ומשבר האנרגיה פגע בגרמניה קשה במיוחד. שירותים עתירי ידע רגישים גם למחזורי השקעה: כאשר פחות פרויקטים דיגיטליים, קמפיינים, התקשרויות ייעוץ או פרויקטי תוכנה מושקים, הביקוש לכוח אדם במגזרים אלה יורד מהר יותר מאשר בסיעוד או במלונאות.

לכן, חשיפה לבינה מלאכותית חופפת לרגישות כלכלית. מקצועות דיגיטליים מאוד היו לרוב אלו שהתרחבו במיוחד במהלך המגפה ולאחר מכן נאלצו לבצע התאמות משמעותיות. הם גם מתאימים יותר לעבודה ללא תלות במיקום. עבודה מרחוק יכולה להקשות על העסקת אנשי מקצוע מתחילים מכיוון שפיקוח, למידה בלתי פורמלית ושאלות ספונטניות הופכות לגוזלות זמן רב יותר. מעסיקים מעדיפים, אם כן, אנשים מנוסים שיכולים לעבוד בצורה פרודוקטיבית ללא תמיכה אינטנסיבית. אם לוקחים בחשבון סטטיסטית את ההשפעה של עבודה מהבית ומבנה התעסוקה, מתאם ברור לכאורה עם בינה מלאכותית יכול להיחלש משמעותית.

גם הממצאים הבינלאומיים מעורבים. בארצות הברית, מספר ניתוחים מראים ירידה יחסית בתעסוקת צעירים במקצועות החשופים במיוחד לבינה מלאכותית, בעוד שעובדים מבוגרים יותר באותם תפקידים מתפקדים באופן עקבי יותר. מחקרים אחרים, ברמת חברות או תעשיות שלמות, לא מצאו עד כה ירידה כללית במודעות משרות עקב שימוש גבוה בבינה מלאכותית. שתי התוצאות יכולות להיות נכונות בו זמנית: חברה עשויה לשמור על יציבות בתעסוקה הכוללת שלה, אך לחפש פחות עובדים זוטרים ויותר מומחים מנוסים, מהנדסי בינה מלאכותית או עובדים בעלי אוריינטציה למכירות.

הפרשנות המדויקת ביותר היא אפוא זו: התנועה הכוללת שנצפתה עד כה היא בעיקר מחזורית ומבנית, בעוד שבינה מלאכותית משנה את הרכב הביקוש הפנימי. היא מפחיתה את הצורך במשימות שגרתיות מסוימות, מגבירה את הפרודוקטיביות של צוותים קיימים ומעבירה את הערך מביצוע לשליטה, אינטגרציה ואחריות. מבחינה סטטיסטית קשה להוכיח השפעה גדולה ומבודדת של בינה מלאכותית על המספר הכולל של משרות. עם זאת, ברמת המשימות הבודדות, הרמות ההיררכיות והחלטות הגיוס, השפעתה כבר משמעותית מבחינה כלכלית.

אוטומציה שקטה של ​​ריקנות

ההשפעה הראשונה של טכנולוגיה חדשה על שוק העבודה לרוב אינה מתבטאת בפיטורים. היא מתבטאת כמשרה שכבר אינה מפורסמת. אם צוות הנתמך על ידי בינה מלאכותית יכול להתמודד עם אותו עומס עבודה עם פחות עובדים נוספים, החברה לא צריכה לפטר אף אחד. היא פשוט לא ממלאת משרה זוטרה מתוכננת או משלבת שתי קבוצות של משימות. תהליך זה נשאר בלתי נראה בנתוני התעסוקה המצטברים במשך זמן רב, בעוד שמחפשי עבודה חשים בהשפעה באופן מיידי.

ניתן לתאר מנגנון זה כאוטומציה שקטה של ​​משרות פנויות. הוא פחות מסוכן עבור חברות מאשר פיטורים מכיוון שאין פיצויי פיטורים, משא ומתן או נזק תדמיתי. יחד עם זאת, הוא מאפשר להן להמתין ולראות עד כמה הכלים החדשים יעילים בפועל. אם העלייה הצפויה בפריון לא תתממש, ניתן יהיה לחדש את הגיוס מאוחר יותר. אם הטכנולוגיה תעבוד, כוח העבודה הקטן לצמיתות יהפוך לנורמלי החדש.

בינה מלאכותית גנרטיבית מעצימה את אפשרות ההמתנה הזו. יכולותיה מתפתחות במהירות, המחירים יורדים, ויישומים משולבים בתוכנה סטנדרטית. חברה שמגייסת עובד מתחיל כיום מתחייבת לפיתוח ושכר רב שנתית. חברה שמשאירה את המשרה פתוחה בתחילה ובודקת תוכנה במקום זאת שומרת על גמישות. באקלים של אי ודאות גבוהה, אפשרות ההמתנה הזו הופכת לאטרקטיבית כלכלית, גם אם הטכנולוגיה עדיין אינה אמינה מספיק כדי להחליף עובד במשרה מלאה.

לכך מתווספת תופעת ה"סניוריזציה" (התפקיד הבכיר). חברות מחפשות מועמדים בעלי ניסיון רב יותר, מערך מיומנויות רחב יותר וזמינות מיידית לתפקידים ברמה נמוכה יותר. התפקיד הזוטר לשעבר לא תמיד נעלם לחלוטין; הוא פשוט מתפרסם מחדש עם דרישות גבוהות יותר. ניסיון מקצועי, ידע בתעשייה, קשר עם לקוחות, אוריינות נתונים ושימוש בטוח בבינה מלאכותית צפויים כעת להיות משולבים באדם אחד. זה מפחית את מספר ההזדמנויות האמיתיות ברמת כניסה, למרות שעדיין עשויים להתקיים תפקידים דומים.

עבור עובדים מנוסים, בינה מלאכותית היא לרוב משלימה. הם יכולים לבדוק תוצאות, לזהות שגיאות, לקבוע סדרי עדיפויות ולקחת אחריות. עבור מתחילים, אותה טכנולוגיה יכולה לשמש כתחליף משום שהיא הופכת בדיוק את המשימות שלמדו עליהן קודם לכן: מחקר ראשוני, ניתוחים פשוטים, טקסטים סטנדרטיים, מקרי מבחן, תיעוד, ניסוח מצגות, הכנת נתונים ותיאום ארגוני. הבעיה, אם כן, אינה שבינה מלאכותית מבטלת מקצועות שלמים בבת אחת. היא מסירה משימות בודדות מהקצה התחתון של עקומת הלמידה הארגונית.

פרודוקטיביות עם תופעות לוואי

ההיגיון הכלכלי מאחורי שינוי זה משכנע. במחקר שנערך על יותר מ-5,000 עובדי שירות לקוחות, עוזר בינה מלאכותית הגדיל את מספר התיקים שנפתרו בשעה בממוצע של כ-14 אחוזים. עבור עובדים פחות מנוסים ובעלי ביצועים נמוכים, הרווח היה כ-34 אחוזים, בעוד שעובדים מנוסים מאוד בקושי הרוויחו. הטכנולוגיה העבירה חלק מהידע החווייתי המאוחסן בנתונים לעובדים חדשים, מה שהאיץ משמעותית את עקומת הלמידה שלהם.

מנקודת מבט עסקית, זה פותח שתי אסטרטגיות מנוגדות. חברה יכולה להשיג יותר עם אותו מספר של מגויסים חדשים, לשפר את איכותם מהר יותר ולהפחית את המחסור במיומנויות. לחלופין, היא יכולה לייצר את אותה תפוקה עם פחות מגויסים חדשים. האפשרות הנבחרת תלויה בביקוש, בתחרות, בציפיות הצמיחה ובמטרות ההנהלה. בכלכלה מתרחבת, עלייה בפריון נוטה להוביל לייצור נוסף; בכלכלה עומדת, היא נוטה להוביל להפחתת עלויות ולגיוס זהיר יותר.

יתר על כן, אפקט הפרודוקטיביות אינו אוניברסלי. עבור משימות מוגדרות בבירור, חוזרות על עצמן לעתים קרובות וניתנות לאימות בקלות, בינה מלאכותית גנרטורה מספקת לעיתים קרובות יתרונות משמעותיים. עם זאת, עבור בעיות מורכבות מחוץ לטווח המומחיות שלה, היא יכולה לייצר שגיאות פגומות באופן משכנע. בניסויים עם יועצי ניהול, הביצועים עלו משמעותית במשימות יצירתיות מתאימות, בעוד שהם ירדו במשימות פתרון בעיות לא מתאימות למרות אזהרות. לכן, פרודוקטיביות אינה נובעת מגישה למודל בלבד, אלא מתכנון משימות מתאים, בקרת איכות ושיקול דעת מושכל.

כאן בדיוק מתבררת דילמת ההכשרה. חברות זקוקות לאנשים שיכולים להעריך באופן ביקורתי תוצאות של בינה מלאכותית. עם זאת, מיומנות זו מתפתחת ממומחיות וניסיון, שבדרך כלל נרכשים באמצעות משימות פשוטות יותר. אם כל עבודת היסוד תהיה אוטומטית ומשרות זוטרות יבוטלו, הקבוצה המסוגלת לבחון באופן מקצועי תוצאות מורכבות תחסר. הארגון מסתמך אז על מאגר של עובדים מנוסים אך אינו מצליח לחדש מאגר זה כראוי.

בטווח הקצר, מודל זה יכול להיראות רווחי מאוד. עובד בכיר עם תמיכה בבינה מלאכותית מבצע יותר עבודה, צוותים הופכים קטנים יותר ועלויות כוח האדם יורדות. עם זאת, בטווח הארוך, הסיכונים לריכוזיות גוברים. הידע מתרכז בידי מספר מצומצם של אנשים מרכזיים, מציאת מחליפים הופכת קשה יותר, הירושה הפנימית נכשלת וגיוס מומחים חיצוניים הופך יקר יותר. דיבידנד הפרודוקטיביות של ההווה יכול להפוך לפיכך לחוב הכישורים של העתיד.

המומחיות שלנו באיחוד האירופי ובגרמניה בפיתוח עסקי, מכירות ושיווק - תמונה: Xpert.Digital

תחומי מיקוד בתעשייה: B2B, דיגיטציה (מבינה מלאכותית ל-XR), הנדסת מכונות, לוגיסטיקה, אנרגיות מתחדשות ותעשייה

מידע נוסף כאן:

• מרכז עסקים מומחים

מרכז נושאי המציע תובנות ומומחיות:

• פלטפורמת ידע המכסה כלכלות גלובליות ואזוריות, חדשנות ומגמות ספציפיות לתעשייה
• אוסף של ניתוחים, תובנות ומידע רקע מתחומי המיקוד המרכזיים שלנו
• מקום למומחיות ומידע על התפתחויות עדכניות בעסקים ובטכנולוגיה
• מרכז לחברות המחפשות מידע על שווקים, דיגיטציה וחדשנות בתעשייה

מחסור במיומנויות למרות עודף מועמדים

המחסור בו-זמני בעובדים מיומנים ובמשרות התחלתיות אינו סתירה, אלא בעיה של כישורים וניסיון. חברות לרוב אינן מחפשות אדם נוסף במובן המופשט, אלא מומחה שניתן לפריסה מיידית, בעל ידע ספציפי בתעשייה, הבנת לקוחות, כישורים טכניים וניסיון בלקיחת אחריות. בוגר טרי באופן טבעי עדיין לא עונה על פרופיל זה. אם חברות יהיו פחות מוכנות להשקיע בהכשרה ופיתוח, משרות מומחים פתוחות יישארו לצד מתחילים המחפשים עבודה.

פרדוקס זה בולט במיוחד במגזר ה-IT. למרות ירידה במשרות הפנויות, כ-109,000 משרות IT נותרו לא מאוישות בגרמניה בשנת 2025. במקביל, משרות התחלתיות שפורסמו בתחומי יישומי IT ופתרונות IT צנחו ב-77 אחוז מאז 2022. השוק ממשיך לדרוש מומחיות דיגיטלית, אך בתדירות נמוכה יותר בצורה של פרופיל התחלתי מסורתי. ניסיון, התמחות, ויותר ויותר, היכולת להשתמש בבינה מלאכותית באופן פרודוקטיבי ואחראי, נמצאים בביקוש.

שיעור האבטלה בקרב בוגרי אוניברסיטאות עלה ל-3.3 אחוזים בשנת 2025, ועבר את הסף המקושר בדרך כלל לתעסוקה מלאה בפעם הראשונה מאז 2007. מספר הבוגרים המובטלים גדל משמעותית יותר מהאבטלה הכוללת. אף על פי כן, מספר בעלי תארים אקדמיים במשרות החייבות בתשלומי ביטוח לאומי המשיך לגדול והגיע לכ-7.2 מיליון. אין מדובר במשבר תעסוקה אקדמי מקיף, אלא בהידרדרות ניכרת במעבר בין מקצועות ובפער רחב יותר בין תחומים, רמות ניסיון ופרופילי מיומנויות.

חברות מגיבות למצב זה במקרים מסוימים על ידי גיוס אנשי מקצוע בתחום החלפת קריירה. כאחד מכל ארבעה אנשי מקצוע בתחום ה-IT החדשים מגיע דרך מסלול הסמכה חלופי; שיעור זה דומה לזה של בוגרי אוניברסיטאות. ממצא זה מצביע על כך שתארים פורמליים בלבד מאבדים ממשמעותם, בעוד שניסיון מעשי מוכח צובר תאוצה. התחרות גוברת על הנכנסים לשוק העבודה, שכן הם מתחרים לא רק עם בוגרים אחרים אלא גם עם אנשי מקצוע מנוסים בתחום החלפת קריירה ומומחים זמינים בינלאומיים.

לפיכך, שוק העבודה הגרמני סובל פחות ממחסור אחיד ויותר מכמה מחסורים מקבילים. קיים מחסור באחיות, בעלי מקצוע מיומנים, חשמלאים ומומחי IT מנוסים. יחד עם זאת, יש מעט מדי משרות התחלתיות מתאימות עבור בוגרים רבים טריים. פערים אזוריים, כישורים לא תואמים, ציפיות שכר, מחסור בדיור וניידות מוגבלת מחמירים פער זה. לכן, ההצהרה שבגרמניה יש מחסור בעובדים מיומנים אומרת מעט על סיכויי הכניסה של אדם לשוק העבודה.

אימון כעוגן יציבות

בעוד שמשרות התחלתיות מסורתיות ירד, מספר משרות ההכשרה המקצועית שפורסמו, כולל תוכניות לימודים דו-שלביות, נותר יציב יחסית. בתקופה שבין אוגוסט 2025 ליולי 2026, מספר המשרות הממוצע שפורסמו היה גבוה בכ-50 אחוז מאשר בשנת 2019. ב-20 מתוך 23 קבוצות תעסוקה דומות, זמינותן של תוכניות הכשרה הציגה ביצועים טובים יותר מזמינותן של משרות התחלתיות. פיתוח תוכנה מרשים במיוחד: משרות זוטרות היו נמוכות בכ-70 אחוז מרמת 2019, בעוד שהזדמנויות ההכשרה, במיוחד עבור מומחי IT בפיתוח יישומים, היו גבוהות ב-27 אחוז.

סיבה אחת טמונה במבנה המשרות. רק כ-15 אחוז מההתמחויות הן במקצועות שבהם יותר מ-60 אחוז מהכישורים שהוזכרו ניתנים להשתלטות או לתמיכתה על ידי בינה מלאכותית. עבור משרות התחלתיות, נתון זה עומד על 42 אחוז, ועבור התמחויות ומשרות סטודנטים עובדים, הוא עומד על 33 אחוז. לעומת זאת, ל-37 אחוז מההתמחויות יש פוטנציאל נמוך לטרנספורמציה של בינה מלאכותית, פחות מ-40 אחוז. עבור משרות התחלתיות, נתון זה עומד על תשעה אחוזים בלבד, ועבור התמחויות ומשרות סטודנטים עובדים, הוא עומד על עשרה אחוזים.

עבור חברות, הכשרה היא גם כלי כלכלי שונה מגיוס בוגר אוניברסיטה. מתלמדים מקבלים שכר נמוך יותר, מוצגים בהדרגה לדרישות החברה במשך מספר שנים, ויכולים להתמחות בתהליכים ספציפיים לחברה בשלב מוקדם. זה מפחית את הסיכון בגיוס ומאפשר תכנון כוח אדם לטווח ארוך. בזמנים של אי ודאות, לכן, יכול להיות אטרקטיבי יותר לפתח כישרונות מבפנים מאשר לגייס בוגר בעל שכר גבוה יותר, שהפרודוקטיביות והשימור שלו אינם ודאיים בתחילה.

עם זאת, אין להפגין אידיאליזציה של המערכת הכפולה. בשנת 2025, מספר משרות ההתמחות המוצעות ירד ב-4.6 אחוזים לכ-530,300. כ-476,700 חוזים חדשים נחתמו, 2.1 אחוזים פחות מאשר בשנה הקודמת. במקביל, 84,400 צעירים עדיין חיפשו התמחות בסוף ספטמבר, בעוד ש-54,400 משרות נותרו לא מאוישות. העובדה שיש מועמדים ומשרות פנויות בו זמנית מצביעה על פערים אזוריים, תעסוקתיים וכישורים.

לכן, חוסנן של מודעות דרושים מקוונות אינו אומר שכל צעיר יכול למצוא בקלות הכשרה מתאימה. חלק מההצעות ממוקמות באזורים עם יוקר מחיה גבוה או נגישות לקויה, בעוד שאחרות נוגעות למקצועות עם שעות עבודה לא נוחות, שכר נמוך או מעמד חברתי נמוך. לעומת זאת, מועמדים לא תמיד עומדים בציפיות האקדמיות או האישיות של החברות. המערכת הכפולה היא גורם מייצב חשוב, אך אינה פיצוי אוטומטי על הירידה במשרות אקדמיות זוטרות.

אם השלב הראשון חסר

התחלה גרועה של הקריירה יכולה לעצב ביוגרפיה מקצועית שלמה. אלו שנשארים מובטלים תקופה ממושכת לאחר סיום הלימודים צוברים פחות ניסיון מעשי, מאבדים ידע ספציפי לתפקיד, ועשויים לשלוח איתות שלילי למעסיקים עתידיים. זה מוביל לעתים קרובות למעבר למשרות לא קשורות, בעלות שכר נמוך יותר או זמניות. יתר על כן, המשכורת הראשונה מהווה לעתים קרובות בסיס למשא ומתן מאוחר יותר על שכר, כלומר לשכר התחלתי נמוך יכולות להיות השלכות לשנים הבאות.

מחקרים גרמניים ארוכי טווח מראים כי אבטלה מוקדמת יכולה להיות קשורה לאובדן הכנסה משמעותי לאחר מכן. זה קשה במיוחד עבור אנשים עם פוטנציאל השתכרות נמוך, בעוד שעובדים בעלי ביצועים גבוהים נוטים יותר לפצות על חסרונות באמצעות שינויי עבודה וקידום קריירה. מחקרים אחרים על קבוצות מיתון מסכמים כי חסרונות בשכר יכולים להצטמצם לאחר מספר שנים. גורמים מכריעים כוללים את משך האבטלה, איכות העבודה הראשונה, ניידות ויכולת לעבור במהירות לחברות פרודוקטיביות יותר.

לכן, הירידה הנוכחית עלולה להחריף את אי השוויון בתוך דור. בוגרים עם תמיכה כלכלית, קשרים, ניידות והתמחויות רלוונטיות יכולים לגשר על תקופות חיפוש עבודה ארוכות יותר ולרכוש כישורים נוספים. אחרים נאלצים לקבל הצעות לא מתאימות בשלב מוקדם או לעזוב את תחום הלימודים שלהם. הבחירה מבוססת לא רק על יכולת, אלא גם על משאבים משפחתיים וסבילות לסיכון.

בעיה קולקטיבית מתעוררת עבור חברות. לכל עסק יש תמריץ לחסוך בעלויות הכשרה ולגנוב עובדים מנוסים ממעסיקים אחרים. אם חברות רבות פועלות כך, מפותח מעט מדי הון אנושי באופן כללי. השוק מייצר פחות כישרונות צעירים ממה שנדרש בהמשך. כלכלנים מתייחסים לכך כאל השפעה חיצונית חיובית של הכשרה בתוך החברה: חברה נושאת בעלויות, אך חלק מהתועלות עשויות להצטבר בהמשך למעסיקים אחרים או לכלכלה כולה.

מגמות דמוגרפיות מחריפות את הניהול הכושל הזה. עם פרישתם של דור הבייבי בום, לא רק כוח העבודה אובד, אלא גם ניסיון יקר ערך. אם עובדים צעירים יותר אינם יכולים לרכוש ידע זה בזמן, נוצר פער כפול. בינה מלאכותית יכולה לשפר את התיעוד, פונקציונליות החיפוש והגישה לידע, אך היא אינה יכולה פשוט להחליף שיפוט מצבי, אמון לקוחות, תחושת אחריות וידע בתהליכים תפעוליים בלתי פורמליים.

הכלכלה החדשה של יכולת

בעתיד, ערכו של איש מקצוע חדש יימדד פחות ביכולתו לבצע משימות סטנדרטיות מאפס. חשובה יותר תהיה יכולתו לבנות ביעילות תהליכי עבודה באמצעות בינה מלאכותית, לאמת תוצאות, לזהות שגיאות ולתרגם מומחיות להחלטות מושכלות. אין זה אומר שידע בסיסי מתיישן. להיפך: אלו שחסרה להם המומחיות להערכת תוצאות תלויים באיכות המודל ונוטלים על עצמם סיכונים בלתי ניתנים לחישוב.

כתוצאה מכך נוצר פרופיל יכולות חדש המורכב משלוש רמות. הרמה הראשונה היא ידע בתחום מוצק, למשל במדעי המחשב, שיווק, פיננסים, לוגיסטיקה או משפטים. הרמה השנייה היא יכולת בתחום הבינה המלאכותית: פירוט משימות, בחירת כלים מתאימים, הגנה על נתונים, אימות הוצאות ואוטומציה של זרימות עבודה. הרמה השלישית כוללת מיומנויות אנושיות שקשה לתקנן: אחריות, תקשורת, משא ומתן, הבנה הקשרית, יצירתיות וטיפול במצבים מעורפלים.

מעסיקים יבחינו יותר ויותר בין שימוש גרידא בכלים לבין מומחיות במערכות פרודוקטיביות. מועמד שפשוט מנסח הנחיות אינו מציע יתרון מתמשך. מה שחשוב הוא מישהו ששולט בתהליך מבעיה לנתונים ומודל להחלטה מאומתת. זה מסביר מדוע, למרות בינה מלאכותית זמינה בקלות, חברות ממשיכות לחפש מומחים תוך צמצום מספר הפרופילים הזוטרים הכלליים.

במקביל, בינה מלאכותית יכולה גם להקל על ההתחלה. היא מורידה את מחסומי הידע, מסייעת בתכנות, תומכת במיומנויות שפה והופכת כלי ניתוח איכותיים לנגישים יותר. בסביבות למידה מעוצבות היטב, מתחילים מרוויחים באופן לא פרופורציונלי מכיוון שהמערכת מספקת להם משוב וסיוע הקשור להקשר. השאלה המכרעת, אם כן, אינה האם צעירים צריכים להשתמש בבינה מלאכותית, אלא האם חברות מתרגמות את שיפורי הפרודוקטיביות לביצועים נוספים ולהכשרה מואצת, או אך ורק להפחתת תעסוקה.

מקצוע פקיד המס מדגים שניתן לשנות פרופילי עבודה. בעקבות תקנת הכשרה מודרנית, פוטנציאל האוטומציה שזוהה ירד מ-100 ל-50 אחוזים מכיוון שייעוץ, שירות לקוחות ומשימות תובעניות יותר שולבו בצורה חזקה יותר בתיאור התפקיד. דוגמה זו אינה מוכיחה שסיכוני אוטומציה נעלמים פשוט על ידי שינוי כותרות תפקידים. עם זאת, היא מראה שמוסדות יכולים לתכנן הכשרה באופן כזה שאנשים יפתחו מוקדם את אותן מיומנויות משלימות שהטכנולוגיה אינה יכולה להחליף באופן אמין.

אילו חברות מסתכנות כעת

צמצום משרות זוטרות משפר את יחסי העלויות ואת ניצול הקיבולת בטווח הקצר. זה יכול להיות הכרחי אפילו בתקופות של כלכלה חלשה. עם זאת, זה הופך לבעייתי כאשר תגובה מחזורית מתפתחת לאסטרטגיית כוח אדם קבועה. לאחר מספר שנים, קיים מחסור בעובדים בעלי ניסיון בינוני, שמהם יכולים לצמוח מנהלי פרויקטים, אדריכלים, מנהלי לקוחות ומנהלים בכירים.

חברות עם כוח אדם מזדקן ואחוז גבוה של ידע סמוי פגיעות במיוחד. במקרים כאלה, לא ניתן לרכוש מומחיות במהירות בשוק החופשי. כאשר עובדים מנוסים פורשים בו זמנית, הפער שנוצר עלול להוביל לסיכונים תפעוליים, בעיות איכות ועיכובים בפרויקטים. הפעלה מחדש של מאמצי גיוס מאוחר יותר אורכת שנים מכיוון שגיוס כישרונות חדשים אינו מבטיח באופן אוטומטי פרודוקטיביות מלאה.

חלופה בת קיימא היא לעצב מחדש, במקום לבטל, תפקידים ברמת כניסה. עובדים זוטרים צריכים להקדיש פחות זמן למשימות מכניות בלבד, אך להמשיך לקחת אחריות מבוקרת. בינה מלאכותית יכולה להפחית את העבודה השגרתית, בעוד שחונכים יכולים למקד את זמנם בדיונים על מקרים, בקרת איכות, קשר עם לקוחות והבנת המערכת. בדרך זו, עקומת הלמידה לא מתבטלת, אלא מואצת.

כדי להשיג זאת, חברות צריכות להשתמש במדדים חדשים. גורמים מכריעים אינם רק חיסכון בזמן לטווח קצר ומספר המשימות שהושלמו, אלא גם זמן לביצועים עצמאיים, שיעור שגיאות, איכות קבלת החלטות, רוחב הידע, רמות כוח אדם פנימיות ושימור עובדים לאחר שנתיים או שלוש. אלו שמודדים רק פרודוקטיביות מיידית ממעיטים בערכם של למידה והון המשך.

גם עסקים קטנים ובינוניים (SME) יכולים להפיק תועלת. לעתים קרובות הם אינם מתחרים על משכורות התחלתיות גבוהות ביותר, אך יכולים להציע אחריות מהירה יותר, קשר ישיר עם הלקוח ומשימות רחבות יותר. מאפיינים אלה הופכים להיות בעלי ערך רב במיוחד כאשר ארגונים גדולים מקפידים מאוד על סטנדרטיזציה של עבודה זוטרה. חונכות מקצועית היא חיונית; העמסת יתר של עובדים זוטרים במסווה של אחריות מוקדמת לא מטפחת יכולת ולא מחויבות.

מדיניות חינוך תחת לחץ זמן

אוניברסיטאות ובתי ספר מקצועיים חייבים להתאים את תוכניות הלימודים שלהם מהר יותר לחלוקת המשימות המשתנה. ידע עובדתי טהור מאבד מערכו במקום בו הוא נגיש בקלות. במקביל, הבנה מתודולוגית, ביקורת מקורות, אוריינות נתונים ופיקוח מקצועי הופכים לחשובים יותר. לכן, בחינות צריכות לא רק להעריך את הפקת הטקסט, התוכנית או העיצוב, אלא גם את תהליך העבודה, התיקוף וההצדקה של ההחלטות.

יש לתת עדיפות רבה יותר לשלבים המעשיים. אם חברות יצמצמו התמחויות התנדבותיות, תוכניות חובה או תוכניות במימון שיתופי יכולות לייצב את המעבר. תוכניות לימודים כפולות, סמסטרים מעשיים, מודלים של סטודנטים עובדים ופרויקטים אוניברסיטאיים משותפים משלבים תיאוריה עם דרישות מעשיות. עם זאת, מימון ציבורי לא אמור להחליף לצמיתות את עלויות ההכשרה הפרטיות; התמיכה צריכה להיות קשורה לתכני למידה מוכחים, חונכות וסיכויי עבודה.

מדיניות שוק העבודה לא צריכה לנסות לשמר כל משרה קיימת. שיפור מהיר של מיומנויות, הסמכות מודולריות והערכות שקופות של כשירות יעילים יותר. אלו שכבר מחזיקים בידע מיוחד לרוב אינם זקוקים לתכנית לימודים חדשה לחלוטין, אלא למודולים ממוקדים בניתוח נתונים, אוטומציה, אבטחת סייבר, תכנון תהליכים או יישומי בינה מלאכותית מוסדרים. תוכניות כאלה חייבות להיות נגישות הן לעובדים מועסקים והן למחפשי עבודה מבחינת זמן ועלות.

יתר על כן, גרמניה זקוקה לנתונים טובים יותר על נוהלי גיוס בפועל, פרופילי עבודה ומסלולי קריירה. מודעות דרושים הן אינדיקטור מהיר, אך הן לוכדות רק באופן חלקי גיוס סמוי והעברות פנימיות. נתונים מקושרים יכולים לחשוף האם משרות זוטרות פשוט משנים את שמן, מועברות לחניכות, מועברות למיקור חוץ או למעשה אוטומטיות. ללא הבחנה זו, קיים סיכון של הערכת חסר של טלטלה טכנולוגית או ייחוס בטרם עת של כל ירידה כלכלית לבינה מלאכותית.

בסופו של דבר, מדיניות צמיחה חייבת להיות חלק מהתשובה. הכשרה נוספת לבדה לא תיצור מקומות עבודה אם חברות לא צופות ביקוש מוגבר. השקעות בתשתיות דיגיטליות, אנרגיה, דיור, ביטחון, שירותי בריאות ומודרניזציה תעשייתית יכולות לייצר מקומות תעסוקה נוספים. ככל שהכלכלה תצמח בצורה דינמית יותר, כך גדל הסיכוי שעלייה בפריון תתורגם לעלייה בייצור ולמקומות עבודה חדשים, ולא רק להפחתת צורכי כוח האדם.

שלושה נתיבי פיתוח אפשריים

בתרחיש חיובי, הביקוש מתאושש, חברות משתמשות בבינה מלאכותית לצורך התרחבות ומפתחות מודלים חדשים ברמת כניסה. עובדים זוטרים לוקחים על עצמם משימות תובעניות יותר מוקדם יותר מכיוון שעבודה שגרתית אוטומטית. הפרודוקטיביות עולה, זמני הלמידה מתקצרים וצוותים קטנים יותר מייצרים ערך רב יותר מבלי לבטל את הנתיב לכישרונות צעירים. התמחויות, תוכניות לימודים כפולות וכניסה אקדמית הופכות משולבות יותר.

בתרחיש הבינוני, התעסוקה הכוללת נותרה יציבה יחסית, אך מספר התפקידים הזוטרים המסורתיים נמוך באופן קבוע. הכניסה לשוק העבודה מתבצעת יותר ויותר באמצעות התמחויות, פרויקטים, חניכות, שינויי קריירה ותוכניות זמניות. הדרישות עולות, ואנשי מקצוע חדשים זקוקים לניסיון מעשי ומיומנויות בינה מלאכותית מוקדם יותר. חברות צוברות יעילות אך צריכות להתמודד עם מאגר מצומצם יותר של ניהול ביניים.

בתרחיש הגרוע ביותר, צמיחה חלשה ואוטומציה אגרסיבית משתלבות יחד כדי ליצור הקפאת גיוס מתמשכת. פחות צעירים צוברים ניסיון רלוונטי, האבטלה ותעסוקה שאינה מתמחה עולות, וכמה שנים לאחר מכן מחסור בעובדים מנוסים מתעצם. לאחר מכן, חברות מגיבות בהתמכרות יקרה, גיוס בינלאומי ומיקור חוץ. הכלכלה מאבדת הון אנושי, יכולת חדשנות והזדמנויות לניידות חברתית.

הנתיב שייפתח אינו נקבע מראש על ידי הטכנולוגיה. זה תלוי בביקוש, בהשקעות, באסטרטגיות משאבי אנוש, ברפורמות חינוכיות ובחלוקת רווחי הפריון. בינה מלאכותית יכולה להחליף את השלב הראשון בקריירה, אך היא יכולה גם להפוך אותו ליעיל יותר. ההחלטה טמונה בתכנון העבודה, לא במודל בלבד.

אין פיטורים, אבל אזעקת מערכת

הירידה במשרות התחלתיות היא חמורה, אך היא אינה מוכיחה הרס כללי של משרות על ידי בינה מלאכותית. הנתונים מצביעים על שילוב של גורמים: פריחת הגיוס יוצאת הדופן של 2022, חולשה כלכלית, עלויות מימון גבוהות יותר, תיקונים מגזריים, עבודה מרחוק, ביקוש מוגבר ותחילתה של רה-ארגון המונע על ידי בינה מלאכותית. אלו המאשימים את הטכנולוגיה לבדה לא מבינים את רצף האירועים. אלו המכחישים את השפעתה מתעלמים לחלוטין מהביצועים החלשים במיוחד של משימות דיגיטליות, עתירות ידע וקלות לאוטומציה.

הסכנה הכלכלית המרכזית טמונה בשחיקה של סולמות הקריירה. שוק עבודה יכול לחפש בו זמנית אנשי מקצוע מנוסים רבים ולגייס מעט מדי עובדים מתחילים. אסטרטגיה זו עובדת בטווח הקצר כל עוד חברות מסתמכות על מאגר המומחיות הקיים שלהן או גונבות עובדים זו מזו. היא אינה בת קיימא משום שיש לרכוש ניסיון לפני שניתן לגייס אותו.

עבור צעירים, הכניסה לשוק העבודה הופכת לסלקטיבית יותר, מוכוונת פרקטיקה יותר ומונעת טכנולוגיה יותר. תואר נותר בעל ערך, אך לעיתים רחוקות מספיק כהסמכה היחידה. עבור חברות, האתגר אינו לשמר תפקידים זוטרים באופן נוסטלגי, אלא לעצב אותם מחדש בצורה פרודוקטיבית. עבור מדיניות חינוך ואוניברסיטאות, האתגר טמון בשילוב ידע בתחום, יישומי בינה מלאכותית, בקרת איכות וניסיון מעשי מהעולם האמיתי.

לכן, הירידה של יותר משני שלישים אינה רק תיקון רגיל בשוק וגם לא הוכחה לאבטלה המונית קרובה עקב בינה מלאכותית. זהו אות אזהרה מוקדם לכלכלה שיכולה לפתור את בעיותיה הנוכחיות על ידי השקעה נמוכה בכוח העבודה המיומן העתידי שלה. אם גרמניה תסיר את השלב התחתון בסולם הקריירה, היא לא צריכה להיות מופתעת אם איש לא יגיע לפסגה בהמשך.

הפתרון הכמעט-פנים-ארגוני: כיצד Xpert.Digital סוגרת פערים תפעוליים בשיווק ומכירות B2B – עסק חכם מונחה תוכן - תמונה: Xpert.Digital

Xpert.Digital הוא מרכז תעשייתי B2B מונחה נתונים בראשות Konrad Wolfenstein . החברה משמשת כפתרון חיצוני, מעין פנימי, עבור שותפים תעשייתיים, וסוגרת פערים תפעוליים בשיווק, תוכן ומכירות - מבלי לדרוש משאבים נוספים מצד הלקוח.

מידע נוסף כאן:

• הפתרון הכמעט-פנים-ארגוני: כיצד Xpert.Digital סוגרת פערים תפעוליים בשיווק ומכירות B2B – עסקים חכמים מונעי תוכן

☑️ שפת העסקים שלנו היא אנגלית או גרמנית

☑️ חדש: התכתבות בשפת האם שלך!

Konrad Wolfenstein

אני והצוות שלי שמחים לעמוד לרשותכם כיועצים האישיים שלכם.

ניתן ליצור איתי קשר על ידי מילוי טופס יצירת הקשר כאן [email protected]:או פשוט להתקשר אליי למספר 49 7348 4088 965+. כתובת הדוא"ל שלי היא

אני מצפה בקוצר רוח לפרויקט המשותף שלנו.

☑️ תמיכה לעסקים קטנים ובינוניים באסטרטגיה, ייעוץ, תכנון ויישום

☑️ יצירה או התאמה מחדש של האסטרטגיה הדיגיטלית והדיגיטציה

☑️ הרחבה ואופטימיזציה של תהליכי מכירה בינלאומיים

☑️ פלטפורמות מסחר B2B גלובליות ודיגיטליות

☑️ פיתוח עסקי חלוצי / שיווק / יחסי ציבור / ירידי סחר