נקודת המוצא: צורך בחיים האמיתיים
מבחינת האדם, השאלות הן אם יש שירות מתאים, אם קל להגיע אליו, אם אפשר לקבל אותו לאורך זמן ואם הוא באמת עוזר. החלטות על תקציב ועל כללי עבודה משפיעות בסוף על חיי היומיום שלו.
לקראת השיחה שלנו
רקע לריאיון בצוות הדאטה וה־AI
איך אפשר לעזור לאנשי מחקר ומדיניות לעבוד עם AI על שאלות מורכבות? כדי לחשוב על זה יחד בריאיון, נתחיל בהיכרות עם האנשים, עם העבודה שלהם ועם הקשיים שהם פוגשים.
מתחילים באנשים01 / האנשים והמערכת
אדם עם מוגבלות שרוצה לחיות בקהילה. משפחה שזקוקה לליווי בתקופה קשה. נערה שצריכה מקום בטוח. מאחורי כל אחד מהסיפורים האלה עומדים שירותים, אנשי מקצוע ומערכת ציבורית.
כשאנחנו אומרים כאן ״מערכת הרווחה והשירותים החברתיים״, אנחנו מדברים על מגוון מענים: תמיכה במשפחות, הגנה על ילדים ונוער, שירותים לאנשים עם מוגבלות, שיקום, ליווי בקהילה ומסגרות מגורים וטיפול. חלקם ניתנים בבית ובקהילה, וחלקם במקום שבו האדם גם מתגורר. לא כל שירות רווחה הוא סיוע כספי, ולא כל מי שנעזר בו נמצא באותו מצב או זקוק לאותו מענה.
כאן נתמקד בשירותי הרווחה ובקשרים שלהם עם מערכות אחרות. חינוך, בריאות וביטחון סוציאלי הם עולמות משיקים, עם גופים וכללים משלהם. גם כשהאדם הוא אותו אדם, המידע והאחריות עשויים להיות מפוזרים בין כמה מערכות.
זהו מונח רחב ליחידה או למקום שמספקים שירות מוגדר. למשל, מרכז יום, הוסטל או מסגרת טיפולית. בחלק מהמסגרות אנשים מתגוררים; באחרות מקבלים שירות למספר שעות וחוזרים הביתה.
מסגרת אינה בהכרח בניין אחד, ומפעיל אינו בהכרח מסגרת אחת. אותו ארגון עשוי להפעיל כמה שירותים בכמה כתובות. ההבחנה הזאת תהיה חשובה כשנגיע לנתונים.
מבחינת האדם, השאלות הן אם יש שירות מתאים, אם קל להגיע אליו, אם אפשר לקבל אותו לאורך זמן ואם הוא באמת עוזר. החלטות על תקציב ועל כללי עבודה משפיעות בסוף על חיי היומיום שלו.
המחלקות לשירותים חברתיים עוסקות באבחון, טיפול, תמיכה, מניעה ושיקום. הן פועלות מול תושבים וקהילות, ומכירות היבטים של הצורך המקומי שלא בהכרח מופיעים בטבלה ארצית.
משרדי הממשלה מעורבים בקביעת מדיניות, תקצוב, הסדרה ופיקוח. היכולת לתת שירות תלויה גם בכללי זכאות, בסטנדרטים, בכוח אדם ובהקצאת משאבים.
לצד שירותים ממשלתיים ומקומיים, שירותים ניתנים גם באמצעות ארגונים וספקים. ספק יכול להיות עמותה או חברה. לפעמים מי שמתקצב, מי שמפנה, מי שמפקח ומי שנותן את השירות הם גופים שונים.
כדי לשפר שירות, לא תמיד מספיק לשנות את מה שקורה בחדר הטיפול. לפעמים צריך לשנות את הכללים שמאפשרים לו לפעול.
כאשר המדינה רוכשת שירות ממפעיל, נדרשים הסכמים וכללים: מה יסופק, למי, באיזה היקף, מה ישולם ואיך ייבדק השירות. ״רכש חברתי״ הוא שם לעולם הזה של רכישת שירותים חברתיים.
שירות לאנשים אינו מוצר אחיד מהמדף. לא תמיד קל להגדיר איכות במספר, ולא תמיד עלות נמוכה יותר פירושה שירות טוב יותר. גם מדידה של פעילות — כמה פגישות התקיימו — שונה ממדידה של תוצאה, כגון שינוי בחיי האדם לאורך זמן.
02 / איפה אדנים נכנס
מכון אדנים הוא מכון מחקר ויישום עצמאי, שפועל לשיפור מערכות הרווחה והשירותים החברתיים בישראל. הצוות חוקר בעיות במערכת, מגבש הצעות לשינוי ועובד עם שותפים כדי לקדם אותן בפועל.
״מדיניות״ היא הדרך שבה גופים ציבוריים מחליטים לפעול: למי לתת שירות, מה הוא יכלול, מי יספק אותו ואיך יממנו אותו. שינוי במדיניות יכול להשפיע על הרבה שירותים ועל הרבה אנשים בבת אחת.
המכון הוקם על ידי קרן שוסטרמן־ישראל. העבודה שלו מתמקדת בשלושה תחומים: מבנה המערכת; אספקת שירותים ורכש; ואיכות, בקרה ומדידה. הצוות משלב ידע במדיניות ציבורית, כלכלה, מחקר, עבודה במגזר הציבורי, דאטה וטכנולוגיה.
המכון עוסק בכללים ובתהליכים שמאפשרים לשירותים לפעול: מי אחראי על מה, איך מחלקים תקציבים, איזה מידע נאסף ואיך בודקים את איכות השירות. למשל, אם קשה לקבל שירות באזור מסוים, צריך לברר אם הסיבה קשורה לתכנון, לתקציב, למחסור באנשי מקצוע או למשהו אחר.
מי אחראי על מה, ואיך הגופים פועלים יחד?
איך בוחרים מפעיל ומגדירים איזה שירות עליו לתת?
איך בודקים אם השירות טוב ואם הוא עוזר לאנשים?
מחקר אקדמי יכול להסביר תופעה או לבדוק טענה. בעבודת מדיניות שואלים גם: לאור מה שלמדנו, מה כדאי לשנות, עבור מי ובאילו תנאים? בשלב היישום בודקים מה צריך כדי שהשינוי יעבוד במציאות, עם תקציב, סמכויות, אנשים ומערכות קיימות.
בפועל, העולמות האלה חופפים. מחקר טוב עוזר לקבל החלטה, אבל לא מכריע לבדו מה צודק, מה עדיף או מה אפשר לבצע. לשם כך צריך גם שיקול דעת מקצועי ודיון בערכים ובסדרי עדיפויות.
הצוות מפתח עם אנשי המכון כלים שעוזרים להם לחקור, לנתח נתונים ולעבוד עם מידע. במקרה שנכיר כאן, המשתמשים הם עמיתים במכון: הם מכירים היטב את התחום שלהם, אבל לא בהכרח יודעים לתכנת או לבדוק קוד שה־AI כתב.
העבודה שנדבר עליה היא עזרה במחקר ובקבלת החלטות על מדיניות. היא אינה כוללת החלטה אם אדם מסוים זכאי לשירות.
עוד על המכון: אודות · מהלכי מדיניות · הצוות
03 / איך נראה מחקר כזה
״בדקו אם שיטת התקצוב מתאימה לצרכים״ יכולה להיות שאלה קטנה בתוך מסמך מדיניות גדול. כדי לענות עליה צריך לפעמים מחקר שלם.
דמיינו איש מדיניות שמכיר היטב את מערכת הרווחה. הוא יודע איך פועלים המשרדים, מכיר שינויים שנעשו בעבר, מבין מדוע מונח מסוים מתפרש אחרת בשני מסמכים, ויודע למי אפשר לפנות כדי לברר. אבל הזמן שלו מוגבל. הוא לא יכול לבצע לבדו כל חיפוש, ניקוי נתונים והשוואה שנדרשים למחקר.
אפשר להיעזר באנליסט, כלומר באדם שתפקידו לנתח מידע ונתונים. הוא מקבל את השאלה ואת חומרי הרקע, בודק אותם וחוזר עם שאלות. למשל: ״הנתון הזה מתייחס למבנה או למפעיל?״, ״מה התקופה שנכון להשוות?״, ״מצאתי מסמך שסותר את ההנחה שלנו״. המחקר מתקדם תוך שיחה, ולא רק בהעברה חד־פעמית של קבצים.
חלק מהידע כתוב ב־Word, ב־PDF או ב־Excel; חלקו במיילים ובסיכומי פגישות; חלקו עוד נמצא אצל אנשים. מקורות חדשים עשויים לשנות את השאלה, ולא רק להוסיף עוד שורות לתשובה. מחקר יכול להימשך על פני שבועות, במקביל לעבודה על נושאים נוספים.
לא רק להפעיל נוסחה. עליו להבין מה מבקשים לבדוק, להבחין בין מידע חסר לבין מידע שאינו רלוונטי, לזהות החלטה שדורשת התייעצות ולדעת להסביר את הדרך לתוצאה. הוא לא חייב להכיר מראש את כל התחום; הוא כן צריך להבין מתי הוא עוד לא יודע מספיק.
זו גם שאלה שכדאי לשאול על AI: האם הוא מקדם את המחקר, או שאיש המדיניות צריך להשקיע יותר זמן בבדיקה ובתיקון של העבודה שלו?
בסוף המחקר איש המדיניות יצטרך להסביר את המסקנה לשותפים ולענות על שאלות. לכן הוא צריך להבין איך הגיעו אליה, ולא רק לקבל מספר סופי.
04 / שאלה אחת, הרבה שכבות
ניקח דוגמה ממחקר על מסגרות רווחה שפועלות במבנים שכורים. המפעיל משלם שכר דירה ומקבל תקציב ציבורי עבור השירות. אנחנו רוצים לבדוק אם הסכום שמיועד למבנה מתאים לעלות השכירות של מקום שמתאים לשירות.
כדי להפעיל שירות צריך יותר מקורת גג: אנשי מקצוע, ציוד, תחזוקה ולעיתים מזון, הסעות ושירותים נוספים. מנגנון התקצוב עשוי לכלול רכיבים שונים. אנחנו מתמקדים כאן ברכיב המבנה והשכירות, ולא בכל תקציב המסגרת.
למה זה חשוב? אם התקציב למבנה נמוך מדי, המפעיל עלול להידרש להשלים את הפער מתרומות או לחסוך במקום אחר. גם תקציב גבוה מהנדרש מצריך בדיקה. המטרה היא לעזור להבין איך מחלקים את הכסף, ומה בשיטת התקצוב עשוי לדרוש שינוי.
נניח שלצוות יש קבצים שהתקבלו מגורמים ממשלתיים, מסמכי רקע ומידע ציבורי על שוק השכירות. הוא רוצה לבדוק אם יש פערים, באילו מצבים הם מופיעים, ומה אפשר ללמוד מהם על שיטת התקצוב. עצם קיומו של פער עדיין אינו מסקנה על הסיבה לו או על הדרך לתקן אותו.
למי משולם, עבור מה, לאיזו תקופה ובאיזה היקף פעילות?
לאיזה מבנה, באיזה מקום, באילו תנאים ובאיזה מועד?
ההגדרות כאן נועדו להתמצאות. בכל מחקר צריך לבדוק מה המשמעות המדויקת במקור הנתונים ובשירות המסוים.
דוגמה מומצאת, להמחשה בלבד
צריך לבדוק אם שני הסכומים חודשיים או שנתיים, ולאיזו שנה הם מתייחסים. אי אפשר להסיק שיש פער לפני שמוודאים שמשווים את אותה תקופה. הכותרת ״סכום״ לא מספיקה.
תשלום שחושב לפי מספר מקבלי השירות צריך לתרגם לסכום הכולל עבור המבנה. וגם אז צריך לבדוק: האם הסכום בקובץ שייך למקום אחד, לכמה שלוחות או למפעיל כולו?
השירות עשוי להזדקק למבנה גדול, נגיש או מותאם לצרכים מסוימים. גם המיקום והשימוש שמותר לעשות במבנה חשובים. לכן מחיר השכירות הממוצע בעיר לא בהכרח משקף כמה יעלה לשכור מקום מתאים.
המטרה אינה להוכיח מראש שיש תקצוב חסר או עודף. נדרש בירור שיכול גם להראות שההשוואה הראשונית לא תקפה, או שהמידע הקיים עדיין לא מאפשר תשובה.
05 / מה מסתתר בנתונים
אין צורך במיליוני שורות כדי שהעבודה תהיה קשה. לפעמים האתגר הגדול נמצא במשמעות של עמודה אחת.
בטבלה אחת כל שורה עשויה לתאר מסגרת; באחרת — תשלום, שלוחה או מקבל שירות. שם כמעט זהה לא מוכיח שזה אותו מקום. מזהה ארגוני לא בהכרח מזהה מבנה. שדה ריק יכול להיות מידע חסר, לא רלוונטי או ערך שלא דווח; הוא לא בהכרח אפס.
כדי לפרש נכון את הנתונים צריך לפעמים להכיר את האופן שבו שירות פועל, את מבנה התקצוב ואת ההיסטוריה של הקובץ. שני מקורות יכולים להיות אמינים ובכל זאת לא לענות על אותה שאלה. מקור עדכני יותר גם לא תמיד מחליף מקור ישן, אם הם מתייחסים לתקופות שונות.
נניח שקובץ אחד מכיל שורה לכל שלוחה, והשני מכיל סכום למפעיל כולו. חיבור לפי שם המפעיל עלול לשכפל את הסכום שוב ושוב. הטבלה שתתקבל יכולה להיות מסודרת לחלוטין, והחישוב יכול לרוץ ללא שגיאה, אך המשמעות הכלכלית תהיה מוטעית.
בדומה לכך, כתובת אחת יכולה לאכלס כמה שירותים. שתי כתובות דומות יכולות להיות מקומות שונים. השאלה אינה רק איך מחברים טכנית, אלא מה מותר לחבר ומה מייצג כל חיבור.
חוקים, פרסומים ומסמכים ציבוריים נותנים חלק מהתמונה. קבצים שנמסרו לצורך מחקר יכולים להוסיף מידע שאינו פתוח לציבור. שיחות עם אנשי מקצוע מספקות לעיתים הסבר למבנה הנתונים או למגבלה שלא נכתבה בהם.
גם אחרי שמצאנו מקור, עדיין צריך להבין את תנאי השימוש, את הרלוונטיות ואת מה שאינו מתועד. התרחישים כאן אינם כוללים מידע אישי על מקבלי שירות, ואין צורך במידע כזה כדי להתכונן לריאיון.
אפשר לגלות שהמידע קיים אצל גוף אחר, שצריך לשאול את מי שהפיק את הדוח, או שאפשר להסתפק בהערכה חלקית. במקרים אחרים צריך לעצור ולהגיד שאין מספיק מידע כדי לענות. חשוב להבין באיזה מצב אנחנו.
השאלה החשובה היא מה חסר, למה הוא חשוב, עד כמה אי־הוודאות משפיעה ומה אפשר להגיד ביושר עם מה שיש.
גם חישוב נכון יכול לתת תשובה שגויה, אם לא הבנו מה הנתונים מתארים.
06 / כשה־AI ניגש למחקר
כלי AI יכולים לקרוא מסמכים, לכתוב קוד ולנתח נתונים. זה יכול לחסוך הרבה עבודה. הקושי מתחיל כשהם צריכים להבין מה בדיוק בודקים, אילו הנחות סבירות ומתי צריך לשאול את איש המקצוע.
בניסיונות שעליהם מבוסס הסיפור, העלאת קבצים לכלי AI ובקשת ניתוח לא הספיקו. הכלי פירש חלק מהמידע לא נכון, השלים פערים בעצמו והתקדם למסקנות. רק כשאיש המדיניות קרא את התוצאה, התברר שהייתה ביניהם אי־הבנה כבר בתחילת הדרך.
״נתחו את הפערים״
״כל שורה היא כנראה מבנה אחד״
״נשווה כל שורה לשכירות של מבנה״
״נמצא פער תקציבי״
תרחיש מומצא שממחיש סוג כשל; אינו פלט של מערכת מסוימת.
איש המדיניות עשוי לזהות שהמסקנה אינה הגיונית, אבל לא לדעת איפה נוצרה הטעות. קוד ארוך או הסבר של כמה עמודים לא בהכרח עוזרים לו לבדוק. הוא צריך להבין איך פורשו המקורות, אילו הנחות התקבלו ואיך הן השפיעו על התוצאה, גם בלי לקרוא את הקוד.
יש כאן גם שאלה של תזמון: הערה קטנה מאיש המקצוע בתחילת העבודה יכולה לשנות את כל הניתוח. אם הוא רואה את ההנחה רק בסוף, ייתכן שצריך לעשות חלק גדול מהעבודה מחדש. מצד שני, אם הוא נדרש לאשר כל צעד קטן, קשה לחסוך לו זמן.
היכרות כללית עם מערכות רווחה לא מספיקה כדי לדעת איזה מידע נמצא במשרד מסוים, או איך מחושב התשלום על שירות מסוים. הסבר שמתאים למדינה אחרת יכול להישמע סביר ובכל זאת להטעות כאן.
גם מומחה אנושי לא יודע הכול. לכן חשובה היכולת לזהות מה עוד לא יודעים, מה צריך לברר ומה ההבדל בין עובדה להנחה שטרם נבדקה.
לא כל כשל הוא המצאת עובדה. אפשר לצטט מקור אמיתי שלא מתאים לשאלה, לחשב נכון על יחידה שגויה, לשכוח הסתייגות מהדיון הקודם, או להגיע להמלצה בלי שהמשתמש מבין את בסיס ההשוואה.
יש גם אתגר של שיתוף פעולה לאורך זמן: שאלה משתנה, מקור מתעדכן, אדם חוזר מחופשה, ומסקנה צריכה להיבחן מחדש. עבודה עמוקה אינה רק עוד הודעה בצ׳אט או עוד מסמך ארוך.
לעבוד מהר, ולהשאיר זמן לבדיקה. אם צריך ימים כדי לבדוק ניתוח שהופק בדקות, לא בטוח שחסכנו זמן.
להתקדם לבד, ולדעת מתי לשאול. צריך לתת לכלי לבצע עבודה, בלי שיקבל בשקט החלטות שמחייבות שיקול דעת מקצועי.
להסביר מספיק, בלי להציף. איש המדיניות צריך להבין את הבסיס למסקנה, בלי לקרוא כל שורת קוד או עשרות עמודי הסבר.
07 / אותו קושי, שאלה אחרת
במחקר אחר ביקשו להעריך איך שינוי בחוק הנוגע לאנשים עם מוגבלות ישפיע על הביקוש לשירותי רווחה. המטרה הייתה לעזור לממשלה להיערך: כמה שירותים יידרשו, ולמי?
כאן אין צורך להשוות שכירות. צריך להבין מה השתנה, מי עשוי להיות מושפע, איזה שירות רלוונטי, כמה אנשים משתמשים בו כיום, ואילו נתונים יכולים לעזור להעריך ביקוש עתידי.
מספר הזכאים אינו בהכרח מספר הפונים. מספר הפונים אינו בהכרח מספר מקבלי השירות. מספר המקומות, נגישות, היכרות עם הזכויות וכוח אדם עשויים להשפיע על מה שקורה בפועל. לפעמים אי אפשר להבין מטבלה אחת אם הביקוש נמוך או שפשוט קשה לממש אותו.
בניסיון הזה, הקושי הופיע עוד לפני הניתוח: כשביקשו מה־AI להציע אילו נתונים לבקש מהמשרדים, ההצעות שלו לא התאימו מספיק לצורך. הוא לא הכיר היטב איזה מידע קיים, מי מחזיק בו ובאיזו רמת פירוט אפשר לקבל אותו. אלה דברים שאנליסט שמכיר את המערכת עשוי לדעת מניסיון, או לדעת עם מי לברר.
יש הבדל בין דוח פומבי על נושא לבין הנתונים המדויקים שנחוצים למחקר. מידע עשוי להיות מפוזר בכמה מערכות, להתייחס לשנים שונות או להיות זמין רק לפי הגדרות מסוימות. יש גם דברים שצריך ללמוד בשיחה עם מי שמכיר את המערכת.
מציאת מסמכים רבים אינה מוכיחה שכיסינו את השאלה. לפעמים דווקא גילוי שאין לנו מידע חיוני הוא הממצא החשוב ביותר בשלב הזה.
במחקר השכירות הקושי היה להבין ולבדוק ניתוח של מידע שכבר התקבל. במחקר הביקוש הוא הופיע עוד בשאלה איזה מידע לבקש. כלי מועיל צריך להתמודד עם שני סוגי המצבים, וגם לזהות מתי חסר לו ידע כדי להתקדם.
08 / הבעיה שנחשוב עליה יחד
אנחנו רוצים לעזור לאנשי המכון לבצע מחקרים כאלה בעזרת AI: לחסוך זמן, לשפר את העבודה ולהשאיר בידיהם את היכולת להבין אותה, לכוון אותה ולבדוק את המסקנות.
יש לנו כבר ניסיון שמראה שזה יכול להועיל. שי, שמוביל את עבודת הדאטה וה־AI במכון, ליווה מקרוב את מחקר השכירות ותיווך בין איש המדיניות לכלי ה־AI. העבודה התקדמה, אבל דרשה ממנו מעורבות רבה לאורך הדרך. קשה להסתמך על כך בכל מחקר חדש.
זה הפרויקט שנחשוב עליו בריאיון: איך לבנות כלי פנימי שיאפשר לאנשי המכון לעבוד כך על שאלות מחקר שונות, עם פחות צורך בתיווך טכני צמוד? המשתמשים יישארו אנשי המקצוע שמכוונים את המחקר; הכלי צריך לעזור להם לבצע אותו.
נרצה לשמוע איך ניגשים לפרויקט כזה: מה צריך לברר עם המשתמשים, אילו כיוונים כדאי לבדוק, ואיך מחליטים במה להתחיל. אין צורך לנחש מה כבר בנינו או לבחור טכנולוגיה מראש. גם שאלות טובות וזיהוי של דבר שעדיין לא ברור הם חלק חשוב מהשיחה.
זו הכנה לשיחה, לא מטלת בית. אין צורך להכין קוד, מצגת או מסמך, ואין צורך לבצע מחקר נוסף. מספיק לקרוא ולחשוב מעט. נברר יחד פרטים חסרים בריאיון; מותר ורצוי להגיע עם שאלות.
גם בלי ניסיון קודם במערכת הרווחה, אפשר להתחיל לחשוב על הבעיה. הרקע הזה יאפשר לנו להקדיש את השיחה לדרך החשיבה שלך ולניסיון שאפשר להביא לפרויקט.
עוד קצת הקשר
אין צורך לקרוא את המקורות כהכנה לריאיון. הם זמינים למי שרוצה להעמיק.
הדוגמאות מבוססות על מחקרים שנדונו בראיונות שערך שי. הן מוצגות כאן בצורה מפושטת כדי להסביר את הבעיה. המספרים בדוגמת השכירות מומצאים; הם אינם תוצאות של המחקר. תיאור המחקר על ביקוש לשירותים נועד להסביר את שאלת המחקר, ולא את הוראות החוק.