דוח המיומנויות של ה-OECD לשנת 2025, שפורסם בשיתוף שירות התעסוקה בישראל, מציב את ישראל במקומות 25–27 מתוך 31 מדינות — בכל תחומי המיומנויות שנבדקו. באותה שנה בערך, נתוני הלשכה המרכזית לסטטיסטיקה מראים ש-39% מהעסקים בישראל כבר משתמשים בבינה מלאכותית. זה לא סתירה טכנית, זו נקודת המוצא של כל הדיון: אנחנו מאמצים את הכלים מהר יותר משאנחנו מפתחים את היכולת להשתמש בהם היטב.
בקצרה
- הדירוג: ישראל במקומות 25–27 מתוך 31 מדינות OECD בכל תחומי המיומנויות שנבדקו (OECD, 2025).
- הממצא החריף ביותר: לימודים על-יסודיים בישראל מוסיפים כ-0.2 סטיית תקן בלבד למיומנויות הנדרשות בשוק העבודה — התוספת הנמוכה ב-OECD.
- גם תואר לא סוגר: תואר ראשון מוסיף כ-1.16 ליכולת החשיבה הכמותית — אבל זה עדיין רק מקום עשירי מהסוף.
- הפרדוקס: 39% מהעסקים בישראל משתמשים ב-AI (מרץ 2026) — אימוץ גבוה, בסיס מיומנויות נמוך יחסית.
- ההמלצה: פחות הכשרות מקצועיות צרות, יותר מיומנויות רוחביות — קריאה, חשיבה כמותית, אוריינות דיגיטלית ולמידה לאורך החיים.
מה ה-OECD בכלל מדד ולמה זה לא מבחן בגרות
כשקוראים כותרת כמו "ישראל בתחתית טבלת המיומנויות", ההנחה האוטומטית היא שמדובר במבחן ידע — היסטוריה, נוסחאות, אנגלית. זה לא מה שנמדד. סקרי המיומנויות של ה-OECD בודקים מיומנויות של מבוגרים בגיל העבודה, לא של תלמידים, ובודקים יכולות שימוש ולא שינון. שלושת התחומים המרכזיים הם אוריינות קריאה (להבין טקסט ולחלץ ממנו מידע נכון), חשיבה כמותית (לעבוד עם מספרים, אחוזים, טבלאות ויחסים בסיסיים) ואוריינות דיגיטלית או פתרון בעיות בסביבה ממוחשבת.
ההבדל הזה חשוב מאוד להבנת המסקנה. אדם יכול לדעת המון בתחום שלו ועדיין להיכשל במשימה כמו "קרא את שני העמודים האלה וקבע אם הטענה שבשורה השנייה נתמכת בנתון שבטבלה". בדיוק המיומנות הזו — קריאה ביקורתית של טקסט ונתונים — היא מה שמודל שפה גדול דורש מהמשתמש שלו כל יום, כל בוקר, בכל תשובה שהוא מחזיר.
הממצא שכואב: התיכון מוסיף 0.2 סטיית תקן
הנתון הבודד החזק ביותר בדוח הוא זה: לימודים על-יסודיים בישראל מוסיפים כ-0.2 סטיית תקן למיומנויות הנדרשות בשוק העבודה. זו התוספת הנמוכה ביותר בין מדינות ה-OECD. במדינות כמו ניו זילנד ופינלנד התוספת מגיעה לכמעט סטיית תקן שלמה — כלומר פי חמישה בערך.
תוספת המיומנויות מלימודים על-יסודיים (בסטיות תקן)
OECD, דוח המיומנויות 2025 · נכון ל-22/08/2026
מה זה אומר בפועל? שבוגר תיכון ישראלי טיפוסי נכנס לשוק העבודה עם רמת מיומנויות רוחביות שאינה שונה מאוד מזו של מי שלא סיים. השנים בכיתה עברו, התעודה הונפקה, אבל היכולת לקרוא מסמך מורכב, לפרש טבלה או לזהות טענה שאינה נתמכת בנתונים כמעט לא השתפרה. זה לא אומר שהתיכון חסר ערך — הוא נותן תעודה, מסגרת, ידע תחומי וכרטיס כניסה. הוא פשוט לא מייצר את היכולות שהדוח מודד.
התואר הראשון עושה יותר: הוא מוסיף כ-1.16 ליכולת החשיבה הכמותית במדד המיומנויות. תוספת אמיתית, ניכרת, ולא לעג. אבל גם עם התוספת הזו ישראל ממוקמת רק במקום העשירי מהסוף. במילים אחרות: הפער נסגר חלקית באקדמיה, אבל נקודת המוצא כל כך נמוכה שגם קפיצה משמעותית לא מוציאה אותנו מהשליש התחתון.
הפרדוקס הישראלי: מובילים באימוץ, מפגרים בבסיס
עכשיו מניחים את שתי התמונות זו לצד זו. מצד אחד: 39% מהעסקים בישראל דיווחו על שימוש בבינה מלאכותית במרץ 2026, לעומת 28% ביוני 2025 — קפיצה של 11 נקודות אחוז בפחות משנה, שמציבה את ישראל בצמרת העולמית. מצד שני: מקומות 25–27 מתוך 31 במיומנויות. אלה לא שני עולמות נפרדים; אלה שני צדדים של אותה מטבע.
ההסבר הפשוט הוא שאימוץ כלי AI הוא מחסום נמוך במיוחד. אין צורך בתשתית, אין צורך במחלקת IT, אין צורך בהכשרה: פותחים דפדפן, מקלידים בעברית, מקבלים תשובה. זה בדיוק מה שהופך את הכלים האלה לנגישים — וגם מה שהופך אותם למסוכנים בידיים שאין להן את הכלים לבדוק את התוצר. מכשיר שקל להפעיל אך קשה לבקר מגדיל את הפער בין מי שיודע לקרוא ביקורתית לבין מי שלא.
כאן נכנס נתון משלים מאותה תקופה: לפי בנק ישראל, 57% מהעובדים בישראל משתמשים ב-AI בעבודה לפחות פעם בשבוע, ו-34% מהמשתמשים מדווחים על שיפור משמעותי בביצועים. שימו לב לחלוקה — רוב גדול משתמש, אבל רק כשליש מדווח על שיפור משמעותי. אפשר לקרוא את זה בכמה דרכים, אבל אחת מהן סבירה מאוד: השימוש רחב, הניצול היעיל מצומצם יותר. הכלי בידיים, המיומנות עוד לא בהכרח.
מה ה-OECD ממליץ: רוחב במקום צרות מקצועית
ההמלצה המרכזית בדוח היא לא "להוסיף עוד קורסים". היא מעבר דגש: מהכשרות מקצועיות צרות, שמלמדות מקצוע קונקרטי או תוכנה ספציפית, למיומנויות רוחביות שמשרתות כל מקצוע ושורדות כל גל טכנולוגי. ארבע המיומנויות שהדוח מציין הן אוריינות קריאה, חשיבה כמותית, אוריינות דיגיטלית ולמידה לאורך החיים.
ההיגיון פשוט: הכשרה בכלי ספציפי מתיישנת בקצב שבו הכלי מתיישן — ובעולם ה-AI זה קורה בחודשים. היכולת לקרוא תוצר ולהחליט אם הוא נכון לא מתיישנת אף פעם. עובד שלמד להפעיל כלי אחד היטב הוא בן ערובה לכלי הזה; עובד שיודע לבחון פלט, להבין מספרים ולהתמצא בממשק חדש בתוך שעה — עובר בין כלים בלי דרמה.
ארבע המיומנויות שמתורגמות ישירות לעבודה עם AI
אוריינות קריאה — כי AI מחזיר טקסט משכנע ולא בהכרח נכון
מודל שפה נבנה כדי לייצר טקסט סביר, לא כדי לייצר טקסט אמיתי. הוא מנחש מהי המילה הסבירה הבאה, שוב ושוב, עד שנוצרת פסקה שנשמעת מצוין. מי שקורא בשטחיות רואה תשובה בטוחה ומנוסחת היטב; מי שקורא ביקורתית שואל אילו טענות בפסקה בכלל ניתנות לאימות, ומה קורה כשבודקים אחת מהן. זו לא מיומנות "טכנולוגית" — זו אותה קריאה שהדוח מודד.
חשיבה כמותית — כי מספרים שגויים נראים בדיוק כמו נכונים
הזיות מספריות הן הזיות קשות במיוחד לזיהוי, כי אין להן "ריח". כשמודל מחזיר טבלה עם אחוזים שמסתכמים ל-103%, או ממוצע שלא ייתכן לאור הטווח, רק מי שיש לו תחושת גודל בסיסית עוצר. חשיבה כמותית ברמת היומיום מספיקה: לדעת אם התוצאה בסדר גודל הגיוני, לזהות שאחוזים לא מסתדרים, להבחין בין "עלייה של 11 נקודות אחוז" ל"עלייה של 11 אחוז".
אוריינות דיגיטלית — כי הכלי משתנה כל רבעון
אוריינות דיגיטלית אינה "לדעת להשתמש בתוכנה". היא היכולת להיכנס לממשק שלא ראית מעולם ולהבין תוך זמן קצר איפה ההגדרות, מה קורה למידע שאתה מזין, ואיפה הכפתור שמבטל את מה שעשית. בעידן שבו כלי AI מתחלפים ומתעדכנים בקצב גבוה, זו המיומנות שמפרידה בין מי שנתקע לבין מי שממשיך.
למידה לאורך החיים — כי אין נקודת סיום
זו המיומנות הכי פחות מוחשית והכי מכרעת: ההרגל לעצור פעם בכמה שבועות, לבדוק מה השתנה בתחום שלך, ולנסות משהו חדש בלי לחכות לקורס מסודר. בדוח היא מופיעה כמיומנות לכל דבר, לא כסיסמה.
מה עובד יחיד עושה עם זה בלי לשלם שקל
הפיתוי הטבעי אחרי קריאת דוח כזה הוא להירשם לקורס. אבל שימו לב מה בדיוק אמר ה-OECD: הבעיה אינה מחסור בהכשרות מקצועיות, אלא עודף שלהן ביחס לחוסר במיומנויות רוחביות. מיומנות רוחבית לא נרכשת בהרשמה — היא נרכשת בתרגול חוזר על חומר אמיתי. וזה, למרבה הנוחות, חינם.
- תרגל אימות שיטתי בכל פעם שכלי AI מחזיר לך עובדה, מספר או שם — בדוק אחד מהם במקור עצמאי לפני שאתה משתמש בתוצר. לא את כולם, אחד. ההרגל הזה בונה חשד בריא תוך שבועות.
- בקש מהכלי לסתור את עצמו אחרי שקיבלת תשובה, בקש ממנו למנות שלוש סיבות שהתשובה עשויה להיות שגויה. התשובה השנייה מגלה לרוב איפה הביטחון היה מזויף.
- עבוד על חומר שאתה מכיר הדרך המהירה ביותר ללמוד לזהות הזיות היא לשאול את הכלי דווקא על התחום שבו אתה מומחה. שם אתה רואה מיד איפה הוא ממציא — וזה מלמד אותך מה לחפש בתחומים שאתה לא מכיר.
- תרגל קריאת מספרים בקול כשמופיעה טבלה או אחוז, נסח לעצמך במשפט מה הוא אומר. אם אתה לא מצליח לנסח — לא הבנת, וזו נקודת התרגול.
- הקדש 20 דקות בשבוע לכלי חדש לא כדי להתמקצע בו, אלא כדי לתרגל את השריר של "ממשק חדש, מתמצא לבד". זו בדיוק המיומנות שהדוח קורא לה למידה לאורך החיים.
מה זה אומר בפועל לשלושה סוגי עובדים
חשוב לומר את זה במפורש: הנתונים הקיימים מצביעים על כך ש-AI מתפקדת כרגע ככלי משלים ולא כתחליף. 88% מהמנהלים שדיווחו על שימוש ב-AI ציינו כי הוא לא הביא לצמצום בכוח האדם בארגון, ו-86% דיווחו על שיפור בפריון. אלה נתוני הלמ"ס למרץ 2026, והם מתארים את ההווה — לא הבטחה לגבי העתיד. ההיגיון של השקעה במיומנויות רוחביות אינו נשען על תחזית, אלא על כך שהן מחזיקות בכל תרחיש.
למה זה קורה דווקא בישראל והאם זה בר-תיקון
הדוח אינו נותן הסבר יחיד, אבל התמונה שעולה ממנו מוכרת לכל מי שמכיר את המערכת הישראלית: שיעור גבוה של בעלי תואר אקדמי לצד רמת מיומנויות מעשיות נמוכה יחסית. במילים אחרות, יש הרבה תעודות ופחות יכולות. זה מסביר גם למה הפער לא נסגר מעצמו — כי המדד המקובל להצלחה במערכת הוא תעודה, והתעודה, לפי הדוח, מוסיפה מעט מאוד למה שנמדד.
היבט נוסף שראוי להזכיר, גם אם הדוח אינו מכמת אותו: הכלים עצמם נבנו ברובם על טקסטים באנגלית. עברית היא שפה קטנה יחסית במאגרים האלה, ושפות נוספות המדוברות בישראל — ערבית, יידיש, סלנג מקומי — קטנות עוד יותר. המשמעות היא שדווקא בישראל נדרשת ערנות מוגברת לתוצרי AI בעברית, לא פחות. גם זו, בסופו של דבר, מיומנות קריאה.
האם זה בר-תיקון ברמת הפרט? כן, ובאופן די ישיר. הפער שהדוח מודד הוא פער ממוצע של אוכלוסייה, לא גזרת גורל אישית. עובד שמקדיש חצי שעה בשבוע לתרגול קריאה ביקורתית של תוצרי AI ולבדיקת מספרים משנה את מיקומו האישי בטבלה הרבה יותר מהר מכפי שמערכת חינוך שלמה משנה את שלה. זו הערכה כללית ולא הבטחת תוצאה — אבל היא נשענת על ההיגיון הבסיסי של הדוח עצמו: מיומנויות רוחביות נרכשות בתרגול, לא בהרשמה.
שורה תחתונה וצעדים להמשך
- אמת עובדה אחת בכל תוצר AI שאתה מתכוון להשתמש בו — הרגל, לא פרויקט.
- קרא כל מספר בקול ונסח מה הוא אומר. אם אתה לא מצליח, שם נקודת הלמידה.
- נסה כלי חדש אחד בחודש, 20 דקות, בלי מטרה מקצועית — רק כדי לתרגל התמצאות.
- השתמש בדוחות ממשלתיים חינמיים כחומר תרגול לקריאה ולאימות במקביל.
- הימנע מהעברת מידע רגיש לכלי AI; האחריות על התוצר נשארת אצלך.
העמוד הזה הוא חלק מסדרה. אם הגעת לכאן בלי הרקע הבסיסי — כדאי לחזור אל עמוד האם, מה זה בינה מלאכותית? מדריך פשוט בעברית + מפת הכלים החינמיים, שם מוסבר איך המערכות האלה עובדות בכלל. משם אפשר להמשיך אל הזיות AI: למה הבינה המלאכותית ממציאה, ואיך מזהים שמפרק את מיומנות הבדיקה לפרטים, אל מה לא להעלות לכלי AI, ואל AI בעבודה בישראל: כמה משתמשים, ומה זה עושה למשרה שלך.
מקורות
- OECD — Skills (דוח המיומנויות 2025, בשיתוף שירות התעסוקה בישראל). דירוג ישראל 25–27 מתוך 31; תוספת של כ-0.2 סטיית תקן מלימודים על-יסודיים; כ-1.16 בחשיבה כמותית מתואר ראשון. נכון ל-22/08/2026.
- הלשכה המרכזית לסטטיסטיקה — 39% מהעסקים בישראל משתמשים ב-AI (מרץ 2026) לעומת 28% ביוני 2025; 86% מהמנהלים דיווחו על שיפור בפריון; 88% דיווחו שלא היה צמצום בכוח אדם. נכון ל-22/08/2026.
- בנק ישראל — 57% מהעובדים בישראל משתמשים ב-AI בעבודה לפחות פעם בשבוע; 34% מהמשתמשים מדווחים על שיפור משמעותי בביצועים. נכון ל-22/08/2026.
- שירות התעסוקה הישראלי — שותף לפרסום דוח המיומנויות בישראל. נכון ל-22/08/2026.