השימוש בכלי בינה מלאכותית בניהול משאבי אנוש חדל מזמן להיות תיאורטי. מערכות ממוינות קורות חיים, מדרגות מועמדים, מנתחות ביצועים, מזהות עובדים בסיכון עזיבה, ובמקרים מסוימים אף מייצרות המלצות לגבי המשך העסקה. במקביל, כלים אלה משנים את תוכן העבודה עצמה, ומייתרים או משנים תפקידים שלמים.
מאמר זה כתוב הן לעובדים שמעוניינים להבין את זכויותיהם מול מערכות כאלה, והן למעסיקים שמטמיעים אותן ונדרשים לעמוד בדין הקיים. השאלה המשפטית המרכזית שמתעוררת אינה אם מותר להשתמש בכלים אלה, אלא מי נושא באחריות לתוצאה. להלן נבחן את ההיבטים המשפטיים של שילוב מערכות אוטומטיות בהחלטות הנוגעות לעובדים, ואת החובות שהדין הקיים מטיל על מעסיקים גם בהיעדר חקיקה ייעודית. מי שמתמקד בשאלה הספציפית של פיטורים עקב החלפה בטכנולוגיה ימצא דיון מורחב וממוקד בנושא זה במאמר הנפרד שלנו בעניין.
נקודת המוצא: הדין הקיים חל
בישראל אין כיום חוק ייעודי שמסדיר את השימוש בבינה מלאכותית ביחסי עבודה. היעדר חקיקה ייעודית מוביל לעיתים למסקנה שגויה שזהו תחום לא מוסדר.
המסקנה הנכונה הפוכה. מלוא הדין הקיים חל, ובכלל זה חובת השימוע, חובת תום הלב, איסור האפליה לפי חוק שוויון ההזדמנויות בעבודה, דיני הגנת הפרטיות, וכללי הפררוגטיבה הניהולית. השימוש בכלי טכנולוגי אינו יוצר פטור מאף אחת מן החובות הללו, ואינו מעביר את האחריות מן המעסיק אל ספק התוכנה.
יתרה מזו, מגמה שמסתמנת במסמכי המדיניות והרגולציה הממשלתיים בתחום הבינה המלאכותית, ובשיח המשפטי סביבם, היא הטלת חובות מוגברות של שקיפות, בקרה וניהול סיכונים דווקא על ארגונים שמשתמשים במערכות אוטומטיות, בשל הקושי של הנפגע לאתר את מקור ההחלטה ולתקוף אותה.
חובת השימוע חייבת להישאר אנושית
חובת השימוע היא מן החובות המושרשות ביותר בדיני העבודה הישראליים, והיא נגזרת מחובת תום הלב ומכללי הצדק הטבעי. תכליתה אינה פרוצדורלית בלבד. היא נועדה להבטיח שההחלטה תתקבל בלב פתוח ובנפש חפצה, ושתינתן לעובד הזדמנות אמיתית להשפיע עליה.
מכאן נובעת מסקנה שיש לדייק בה. הדין הישראלי אינו קובע כלל רוחבי שלפיו כל החלטה תעסוקתית חייבת להתקבל דווקא בידי אדם, ומדיניות הרשויות בתחום ה-AI אף מסתייגת מדרישה גורפת למעורבות אנושית בכל החלטה. עם זאת, בהקשר הספציפי של פיטורים, חובת השימוע מחייבת שההחלטה לא תהיה סופית וגמורה לפני שנשמע העובד ושטענותיו נשקלות באמת.
מכאן שמערכת אוטומטית יכולה לספק נתונים, לזהות דפוסים ואף להציע המלצה, אך היא אינה יכולה להחליף את הליך השימוע עצמו ואת הבחינה האמיתית של טענות העובד לפני שההחלטה מתגבשת סופית.
בפרט, מעסיק שמגיע לשימוע כשההחלטה כבר התקבלה על ידי מערכת, ומקיים את ההליך כפורמליות בלבד, אינו מקיים את החובה. הפסיקה קבעה לא אחת ששימוע שנערך לאחר שההחלטה כבר גובשה סופית הוא שימוע פגום, ומעסיק שנוהג כך חשוף לחיוב בפיצוי, אף שהפיצוי בגין פגם כזה אינו אוטומטי ותלוי בחומרת הפגם, בנסיבות ההליך ובנזק שנגרם בפועל.
בית הדין הארצי לעבודה ממשיך לבחון ברצינות פגמים מסוג זה בהליך השימוע, ופוסק פיצוי לעובד גם כאשר עצם ההחלטה העסקית שביסוד הפיטורים הייתה מוצדקת – הפגם ההליכי נבחן בנפרד מן ההצדקה המהותית.
שקיפות ויכולת הנמקה
בעיה מובנית במערכות מסוימות היא הקושי להסביר כיצד הגיעו לתוצאה. כאשר ההחלטה נשענת על מודל שאינו ניתן להסבר, המעסיק מתקשה להנמיק אותה.
לכך יש משמעות משפטית ישירה. מעסיק נדרש להצדיק את החלטותיו כאשר הן מותקפות, ובפרט להראות שההחלטה התבססה על שיקולים ענייניים ולא על שיקול פסול. מעסיק שאינו יכול להסביר מדוע נבחר עובד מסוים לפיטורים, מעבר לכך שהמערכת סימנה אותו, מצוי בעמדה ראייתית קשה.
יחד עם זאת, חשוב לדייק שאין כיום בישראל חובה רוחבית וגורפת של הסברתיות מלאה (Explainable AI) שחלה על כל מעסיק בכל שימוש בכלי אוטומטי. עוצמת הדרישה להנמקה תלויה בסוג ההחלטה, בחשיבותה ובמידת מעורבות המערכת בקבלתה.
לפיכך, ארגון ששוקל להטמיע מערכת כזו יעשה נכון אם יבחן מראש את יכולת ההנמקה שלה, מתוך שיקולי ניהול סיכונים, ויתעד את השיקולים האנושיים שהובילו להחלטה בפועל, גם אם אין לכך חובה סטטוטורית מפורשת בכל מקרה.
אפליה אלגוריתמית
הסיכון המשמעותי ביותר מבחינת חשיפה משפטית הוא הפליה שנוצרת מבלי שאיש התכוון לה.
מערכות לומדות מנתוני עבר. כאשר נתוני העבר משקפים דפוסי גיוס או קידום שהיו מוטים, המערכת עלולה לשחזר את ההטיה ואף להעצים אותה, מבלי שהמשתנה המפלה הוזן אליה במפורש. המערכת עשויה לזהות משתנים חלופיים שמתואמים עם מאפיין מוגן, ולהגיע לתוצאה מפלה בדרך עקיפה.
חוק שוויון ההזדמנויות בעבודה אוסר על אפליה בגיוס, בתנאי העסקה, בקידום ובפיטורים, ואינו מותנה בקיומה של כוונה מפלה, כלומר די בכך שאחד השיקולים שהובילו להחלטה היה שיקול אסור הקשור למאפיין מוגן, גם בלי כוונה להפלות. עם זאת, לא כל תוצאה סטטיסטית שונה בין קבוצות מקימה כשלעצמה הפרה של החוק. נדרש להראות זיקה בין התוצאה לבין קריטריון שמפלה הלכה למעשה על בסיס מאפיין מוגן, ושאינו נובע ממהות התפקיד או מדרישותיו האמיתיות.
לכן, מעסיק שהסתמך על מערכת אוטומטית שהפיקה בפועל תוצאה הקשורה למאפיין מוגן באופן כזה אינו יכול להסתתר מאחורי הטענה שלא התכוון ושלא ידע.
לכך מצטרפת חובת ההוכחה. במקרים מסוימים, כאשר העובד מציג ראשית ראיה לאפליה, נטל ההוכחה עובר אל המעסיק. מעסיק שאינו יכול להסביר את פעולת המערכת מתקשה לעמוד בנטל זה.
שילוב בינה מלאכותית והפררוגטיבה הניהולית
מעסיק רשאי לארגן את עסקו, לייעל אותו ולהחליט על שינויים ארגוניים, ובכלל זה על אימוץ טכנולוגיות שמייתרות תפקידים. זוהי הפררוגטיבה הניהולית (מכלול הסמכויות הניהוליות השמורות למעסיק בניהול העסק, כל עוד אינו חורג מהדין ומחובת תום הלב), והיא מוכרת בפסיקה.
יחד עם זאת, הפררוגטיבה אינה בלתי מוגבלת. הפעלתה כפופה לתום לב, לסבירות, למידתיות ולאיסור אפליה, ובמקרים של פיטורי צמצום גם לחובות נוספות, ובכלל זה בחינת חלופות לפיטורים, שקיפות בקריטריונים לבחירת המפוטרים, ולעיתים היוועצות עם נציגות עובדים. הדגשים הספציפיים הנוגעים לפיטורים על רקע החלפה בטכנולוגיה, לרבות הפסיקה הזרה הרלוונטית לנושא, מפורטים במאמר הנפרד שלנו שמוקדש כולו לשאלה הזו.
הגנת הפרטיות ועיבוד מידע על עובדים
מערכות ניהול עובדים מבוססות על עיבוד מידע אישי, ולעיתים על עיבוד מידע רגיש. מכאן שהן כפופות לדיני הגנת הפרטיות, ובכלל זה לחובות בדבר בסיס חוקי לעיבוד, יידוע, מידתיות ואבטחת מידע.
בשנים האחרונות התחזקה משמעותית ההסדרה בתחום זה: תיקון מס' 13 לחוק הגנת הפרטיות, התשפ"ד-2024, שנכנס לתוקף ב-14.8.2025, חיזק את החובות המוטלות על בעלי שליטה במאגרי מידע ועל מחזיקים בהם, הרחיב את סמכויות האכיפה, וצמצם את חובת רישום המאגרים למקרים מסוימים.
עבור ארגונים, המשמעות היא שהטמעת מערכת לניהול עובדים אינה החלטה טכנולוגית בלבד. היא מחייבת בחינה של סוגי המידע שנאספים, של הבסיס לעיבודם, של היקף השיתוף עם ספקים חיצוניים, ושל אופן יידוע העובדים.
שימוש בכלי בינה מלאכותית על ידי העובדים
היבט נוסף, שמעסיק ארגונים רבים, נוגע לא לשימוש של המעסיק בכלים אלה אלא לשימוש שעושים בהם העובדים.
עובדים משתמשים כיום בכלים כאלה לצורכי עבודתם, לעיתים בלי אישור ובלי ידיעת הארגון. מכאן עולות שאלות בשני מישורים.
המישור הראשון הוא אבטחת מידע וסודיות. הזנת מידע ארגוני, מידע על לקוחות או מידע אישי של עובדים לכלי חיצוני עלולה להיחשב העברת מידע לצד שלישי, ולהפר חובות סודיות וחובות לפי דיני הגנת הפרטיות. במקרים מסוימים היא עלולה גם להפר התחייבויות חוזיות כלפי לקוחות.
המישור השני הוא איכות ואחריות מקצועית. תוצר שהופק בסיוע כלי כזה עלול לכלול שגיאות, ובכלל זה נתונים שאינם נכונים. האחריות לתוצר נותרת על העובד ועל הארגון.
ההמלצה המעשית היא לקבוע מדיניות ברורה: אילו כלים מותרים, אילו סוגי מידע אסור להזין, ומה נדרש מן העובד לפני שהוא מסתמך על תוצר. מדיניות כזו עדיפה על איסור גורף שאינו נאכף ממילא, ועל היעדר התייחסות שמותיר את הארגון חשוף.
המלצות מעשיות למעסיקים
מן האמור עולה מתווה פעולה מומלץ מבחינת ניהול סיכונים, ולא בהכרח חובה סטטוטורית גורפת בכל מרכיביו.
- מומלץ להגדיר שבעניינים הנוגעים למעמדו של עובד, ובפרט בפיטורים, ההחלטה הסופית מתקבלת בפועל על ידי אדם לאחר שימוע אמיתי, ושהמערכת משמשת ככלי עזר.
- יש לתעד את השיקולים האנושיים שהובילו להחלטה, ולא להסתפק בפלט המערכת.
- יש לבחון מראש את יכולת ההנמקה של המערכת ואת הנתונים שעליהם היא אומנה, ולערוך בדיקה תקופתית של תוצאותיה כדי לאתר הטיות.
- יש ליידע את העובדים והמועמדים על השימוש בכלים אוטומטיים בהליכים הנוגעים להם.
- יש לשמור על הליך שימוע מלא ואמיתי, שנערך לפני גיבוש ההחלטה ולא לאחריה.
השלכות על מבנה ההעסקה
מעבר לשאלת הפיטורים, שילוב טכנולוגיה משנה לעיתים את תוכן התפקיד עצמו, ולכך יש השלכות משפטיות נפרדות.
כאשר תפקיד משתנה באופן מהותי, ובכלל זה כאשר נגרעים ממנו רכיבים משמעותיים או כאשר הוא מצטמצם למשימות פיקוח בלבד, עשויה לעלות טענה להרעה מוחשית בתנאי העבודה. הדבר נכון במיוחד כאשר השינוי מלווה בפגיעה בשכר, בסמכות או במעמד.
מנגד, למעסיק נתונה סמכות לשנות הגדרות תפקיד במסגרת הפררוגטיבה הניהולית. ההבחנה בין התאמה לגיטימית לבין הרעה מוחשית תלויה בהיקף השינוי, באופן שבו בוצע, ובשאלה אם ניתנה לעובד הזדמנות להיערך ולהתאים את עצמו.
ההמלצה המעשית לארגונים היא לבצע שינויים כאלה בהדרגה, בשקיפות, ובליווי הכשרה. ההמלצה לעובדים היא לתעד את השינוי ואת השלכותיו, ולהעלות טענות בכתב ובזמן אמת ולא בדיעבד.
המלצות מעשיות לעובדים
עובד שסבור שהחלטה בעניינו התקבלה על בסיס מערכת אוטומטית רשאי לבקש הסבר לגבי הקריטריונים שעל בסיסם התקבלה ההחלטה, ולהעלות את הדבר במסגרת השימוע.
בנוסף, מומלץ לתעד את ההליך, לשמור תכתובות, ולבקש בכתב את הנימוקים להחלטה. במקרים שבהם קיים חשד לאפליה, תיעוד כזה עשוי להיות בעל משקל ראייתי משמעותי.
נקודות נוספות שכדאי להכיר
אין איסור כללי בדין הישראלי על שימוש בכלי בינה מלאכותית בהליכי גיוס ופיטורים, ונכון להיום אין חוק ייעודי המסדיר את הנושא, אף שקיימים בישראל מסמכי מדיניות ואתיקה ממשלתיים בתחום ה-AI ותוכנית לאומית לבינה מלאכותית, וקיימת מגמה של גיבוש הסדרה רגולטורית כללית נוספת. אך העדר חוק ייעודי אינו העדר דין: השימוש כפוף למלוא חובות הדין הקיים, ובכלל זה איסור אפליה, חובת שימוע, חובת תום לב וחובות הגנת הפרטיות, כפי שפורט לעיל.
האחריות לתוצאה של מערכת אוטומטית מוטלת תמיד על המעסיק. שימוש בכלי חיצוני אינו מעביר את האחריות אל ספק התוכנה, ואינו פוטר את המעסיק מן החובה להימנע מאפליה. חובות היידוע כלפי העובדים נגזרות בעיקר מדיני הגנת הפרטיות ומחובת תום הלב, ומעבר לשאלת החובה הפורמלית, יידוע מסודר מצמצם חשיפה ומחזק את עמדת הארגון במקרה של מחלוקת.
לסיכום
שילוב בינה מלאכותית בניהול משאבי אנוש אינו יוצר תחום משפטי חדש ונפרד. הוא מעביר את הסוגיות המוכרות של דיני העבודה, ובראשן חובת השימוע ואיסור האפליה, לסביבה שבה קשה יותר לאתר את מקור ההחלטה ולהסביר אותה.
עבור מעסיקים, המסקנה היא שיש להשקיע בתיעוד, בשקיפות ובשמירה על שיקול דעת אנושי אמיתי. עבור עובדים, המסקנה היא שהעובדה שהחלטה התקבלה בסיוע מערכת אינה מחסנת אותה מביקורת, ולעיתים אף מקלה על העלאת טענות בשל הקושי של המעסיק להנמיק.
משרדנו עוסק בדיני עבודה ומלווה עובדים ומעסיקים בסוגיות המשלבות טכנולוגיה ויחסי עבודה. נשמח לעמוד לרשותכם.

