מייקינג ו-AI: כשהערך נמצא בתהליך ולא בתוצר

לפני שלושה ימים ישבתי עם חברה טובה, מרצה לתולדות האמנות בבצלאל. מרצה עם מוניטין של מי שמאמינה באמת בסקרנות ובחופש המחקר - לא רק בתיאוריה. שנים היא עודדה סטודנטים לבחור נושא שאף אחד לא חקר. לפעמים אפילו נושא שהיא עצמה לא מכירה. כי כך בדיוק נראית למידה חיה: לסטודנט יש אתגרים, למרצה יש שאלות, והדיאלוג ביניהם בונה ידע חדש והבנה.

ואז הגיעו מחוללי ה-AI. והיא התאהבה בהם היא לא חששה שמישהו יחליף אותה, אלא כדי ״לסייע״. בפועל - חלק מהסטודנטים ראו ב-AI קיצור דרך. במקום להשתמש בו כדי להרחיב חקר - הם השתמשו בו כדי לעקוף חקר.

התוצאה הייתה ברורה: עבודות על תזות שמעולם לא התקיימו, אסכולות שלא קיימות, ״חוקרים״ שהומצאו. הכל כתוב היטב, סמכותי, מרשים - וריק. היא אמרה לי: ״זה אילץ אותי לחזור לאשר רק נושאים שאני מכירה. לא כי אני מחפשת שליטה על השימוש בטכנולוגיה - אלא כי אני לא יכולה לדעת מה אמיתי.״

וזה הפרדוקס של המאה ה-21: הטכנולוגיה נבנתה להרחיב את הלמידה אבל שימוש לא נכון גרם לו דווקא להצטמצם.

יש משהו כמעט אירוני במהפכה הטכנולוגית שאנחנו חיים בתוכה: ככל שהכלים שלנו נעשים חכמים וחזקים יותר, אנחנו נמשכים יותר ללמידת מיומנויות ישנות. תפירה, נגרות, ריתוך, תיקון שקע, קדיחה בקיר - מקצועות שהיו בעבר צורך, הפכו היום לאפשרות. אפשר בקלות לא לתפור אף פעם, לא לתקן אף פעם, לא לבנות שום דבר. הכל זמין, זול ונמסר לדלת.

ועדיין אנשים חוזרים לזה - לא בגלל שהעולם צריך עוד חולצה שנתפרה בבית על פני אחת שנקנתה בזול, אלא בגלל מה שקורה למוח ולעצמי בתוך הפעולה.

כשאנחנו לומדים לתפור, לבנות, לקדוח או לתקן: אנחנו עובדים עם דיוק, עם חיכוך, עם חומר, עם סבלנות.אנחנו מתרגלים תכנון, הבנת רצף, זיהוי שגיאות, לקיחת אחריות.אנחנו מכוונים כוח, מתמודדים עם תסכול, ופתאום  ההצלחות הקטנות הופכות להישגים גדולים.עצם הידיעה ״אני מסוגל״ מייצרת ערך פסיכולוגי שלא קשור לשימוש בטכניקה בחיים - אלא למקומה בתוך תחושת הערך.

זו הסיבה שתחושת מסוגלות היא אחד המשאבים החשובים ביותר של אדם לומד - בכל גיל ובכל תחום.היא אומרת משהו עמוק ובריא: אני יכול ללמוד משהו חדש גם אם אני מתחיל מאפס.

וכאן נכנס ההבדל בין שימוש בריא ב-AI לבין שימוש פוגעני. כשמחוללי בינה מלאכותית נכנסים לתהליך כתיבה, חקר או יצירה מתוך כוונה להרחיב את היכולת - תחושת המסוגלות גדלה. אבל כשהכלי נכנס כדי להחליף את היכולת - תחושת המסוגלות נעלמת. במקום שהבינה תדליק אותנו - היא מרדימה אותנו.

---

בינה מלאכותית בלמידה מייקרית ו-STEAM - לא במקום הידיים והראש

במרחב מייקרי ובסביבות STEAM, הלמידה מעצם טיבה אינה לינארית. היא לא מתחילה מתוכן ומסתיימת בתוצר, אלא נעה בין זיהוי בעיה, תכנון, ניסוי, טעות, תובנה, פתרון חלקי, עוד טעות - וחוזר חלילה. התוצר החומרי הוא רק תירוץ לתהליך של הבנה, סקרנות, מסוגלות ומחשבה יצירתית.

השאלה היא לא אם יש ל-AI מקום בתוך התהליך הזה - אלא איפה.

למידה מבוססת חקר מתחילה בשאלה שאיננה ברורה: למה זה לא עובד? מה חסר? איך אפשר לפתור אחרת? האם המודל מדויק? מה יקרה אם אשנה פרמטר? זו בדיוק הנקודה שבה AI יכול להיות מנוע של חשיבה ולא מחליף של חשיבה.

במייקינג בינה מלאכותית איננה ״מעצב״ תוצר - היא יכול לעזור בזיהוי הבעיה. היא מסוגלת לעזור לפרק את האתגר לצעדים לביצוע. להציע דרכים חלופיות, חומרים אפשריים, התייחסות לכוחות, לעובי, למאסה ולפתרונות קיימים.

אבל המנחה/מורה הוא זה שמדגים שהתשובה היא רק תחילת השיחה - לא סופה.

וכאן נכנס המשפט שממקם את AI במקום המדויק והבריא:

כמו מדפסת תלת־ממד או מברגה, AI הוא כלי נוסף בסביבת הלמידה והערך נקבע לפי אופי השימוש.

כשמורה או מנחה מייקרים משתמש ב-AI כדי לחשוב יחד - הוא לא מפחית מהלמידה, הוא מעצים אותה.

כשהתלמידים רואים כיצד משווים בין אפשרויות, בודקים פערים, מחפשים תקלות בתכנון, ולא מסתפקים בתשובה הראשונה - הם לומדים שמייקינג הוא לא ״להגיע לתוצר״, אלא להבין למה הוא עובד. בינה מלאכותית במרחב מייקרי איננו דרך ״לעקוף״ כישלון - הוא דרך להעמיק בלמידה.

🧰 לא הרבה כלים* - אלא הכלים הנכונים למטרות הנכונות

מטרת שימוש פדגוגית	הכלים המומלצים	איך זה נראה בשימוש נכון
חקר + חשיבה ביקורתית	ChatGPT, Gemini, Claude	לא “מצא תשובה”, אלא “מה חסר? מה נבדוק? איך לנסח שאלה טובה יותר?”
איתור מקורות	Perplexity, Elicit	השוואה בין מקורות, דיוק הפערים, לא “copy-paste” של מידע
סינתזה של חומרים	ScholarAI, Explainpaper, Humata	התלמיד משווה בין הסיכום של הכלי לבין מה שהוא הבין בעצמו
כתיבה ובניית טיעון	Notion AI, Wordtune	לא כתיבה במקומו - אלא חידוד רעיון, חיזוק טיעון, מציאת טיעוני נגד
מצגות	Gamma, Tome, Canva AI	המורה משתמש לטיוטה - העריכה והדיוק נעשים עם התלמידים
הנגשת ידע ויזואלי	MindMeister, Whimsical, Miro AI	הפיכת טקסט למפת חשיבה ואז בדיקה: האם היא נאמנה לרעיון?
תכנון / אבני דרך	Notion, Trello + AI	שאלות ביניים, רפלקציה עצמית, סימון התקדמות
תלת־מימד ומידול	Tinkercad, FreeCAD, Blender, Sloyd, Rodin, Meshy	אבטיפוס, בדיקת אפשרויות, שיפור ולא “העתקה”
סימולציה ואלקטרוניקה	Tinkercad Circuits / OpenSCAD / ShapeJS	חשיבה על פרמטרים, על לוגיקה ולא רק על ייצוג

*ההצעות ממוקשות כלים ותיקים לניהול למידה.

---

כלים דיגיטליים כמו AI נועדו להרחיב, לקצר ולמנגיש לנו תהליכי חקר ועבודה במרחב המייקרי ובלמידת STEAM וכמו כל כלי שנכנס למעבדה, הוא דורש מאיתנו סקרנות, זהירות ושימוש על פי צורך.