™השפעת AI · יכולות מאומתות
איך ה-AI משנה את העבודה במקצוע: מדען נתונים
מדעני נתונים יכולים להשתמש ב־AI כדי לנסח שאילתות SQL ולחקור נתונים בשיחה, אבל המודל לא יודע לבד מה ההגדרה העסקית הנכונה או אם טבלאות החוברו כראוי. איכות הנתונים, הבדיקה הסטטיסטית והמשמעות העסקית נשארות באחריות איש המקצוע.
נבדק לאחרונה: 2026-10-22 · O*NET 15-2051.00 · ודאות המיפוי: גבוהה
שלוש משימות, שלושה שינויים
המחשה של תחומי עבודה שכבר תוארו במחקר המאושר למקצוע. לחצו על כרטיס כדי לראות מה נשאר בידי האדם.
כתיבת SQL
כלי AI מסייע ביצירת שאילתות מתוך שאלה באנגלית, ומאפשר תיקון או השלמה של קוד — שאותו יש לבדוק מול הסכמה.
הגדרת מדדים, התאמה להקשר העסקי, בדיקת הטיות, פרטיות ותקינות שאילתות הן אחריות של מדען הנתונים, ולא של המודל.
ניתוח נתונים בשיחה
אפשר לבקש כיוון חקירה או הסבר ראשוני לטבלאות, תוך בדיקה עצמאית של המדדים ושל השאילתות.
הגדרת מדדים, התאמה להקשר העסקי, בדיקת הטיות, פרטיות ותקינות שאילתות הן אחריות של מדען הנתונים, ולא של המודל.
תיקוף התוצאה
AI יכול להסביר את ה־SQL שנוצר; מדען הנתונים עדיין צריך לחשב דגימה ידנית, לבדוק כפילויות ולבחון את ההנחות.
הגדרת מדדים, התאמה להקשר העסקי, בדיקת הטיות, פרטיות ותקינות שאילתות הן אחריות של מדען הנתונים, ולא של המודל.
האיורים מקוריים וסכמטיים; הם אינם מדידה של מידת אוטומציה או תוצאה מובטחת.
בתוך יום העבודה
מדען הנתונים שאל שאלה פשוטה. ה־AI החזיר SQL משכנע — ואז התחילה העבודה האמיתית.
מנהל מוצר מבקש לדעת למה שיעור הלקוחות שחזרו החודש ירד. מדען הנתונים פותח מודל נתונים שבו יש משתמשים, הזמנות ואירועים, ומבקש מ־Gemini ב־BigQuery ליצור שאילתה ראשונה בשפה חופשית. התוצאה נראית סבירה, אבל היא כוללת כפילויות בגלל חיבור בין טבלאות ומתייחסת לכל המשתמשים במקום רק ללקוחות פעילים. הערך של המערכת הוא קיצור הדרך לטיוטת שאילתה ולהסבר שלה; האחריות של מדען הנתונים היא להגדיר מה באמת מודדים, לבדוק את ה־joins ולהשוות לדגימה ידועה. זהו תרחיש מומצא להמחשה, לא תיאור של ניסוי או מדידת חיסכון בזמן.
תרחיש עבודה להמחשה בלבד — לא מקרה שנמדד במשרד או בארגון מסוים. אפשר להאיץ שאילתות, אבל לא לדלג על בדיקת הסכמה, ההגדרות העסקיות ואיכות הנתונים. שלבי העבודה והסיכונים מתוארים לפי התיעוד של הכלים, ללא הבטחה לדיוק או לחיסכון בזמן.
איך מתבצעת המשימה?
מדען הנתונים מאתר את הטבלאות הרלוונטיות, מגדיר את המדד, כותב SQL ובוחן את התוצאה אל מול נתוני בקרה ידועים.
האדם עדיין מחליט
מדען הנתונים אחראי להגדרת השאלה, פרטיות המידע, אימות החישובים וההמלצה העסקית.
תהליך לפני AI: מדען הנתונים מאתר את הטבלאות הרלוונטיות, מגדיר את המדד, כותב SQL ובוחן את התוצאה אל מול נתוני בקרה ידועים.. עם AI: Gemini ב־BigQuery יכול להציע שאילתות והסברים מתוך הנחיות באנגלית. איש המקצוע בודק מפתחות חיבור, פילטרים, הרשאות ותוצאה לפני שימוש בהחלטה עסקית..
לפי התיעוד הרשמי, הנחיות בשפה טבעית נתמכות באנגלית בלבד; חלק מהתכונות מצוינות כ־Preview ותלויות בהרשאות. טקסט SQL שנוצר עלול להיות שגוי.
יכולות מאומתות (עד 5)
- כבר קייםחוזק ראיות: בינונית
משאלה בשפה חופשית ל-SQL
במה AI יכול לסייע: ה-AI מתרגם בקשות ניתוח בשפה טבעית לשאילתות SQL, משלים אותן ומסביר אותן.
בפועל: הכלי יכול לקצר חלק מהעבודה, אבל עדיין צריך אדם שיכוון אותו ויבדוק את התוצאה.
האחריות האנושית: אתם בודקים כל תוצר ומקבלים את ההחלטה הסופית.
מקור: Google Cloud - כבר קייםחוזק ראיות: מוגבלת
ניתוח נתונים בשיחה
במה AI יכול לסייע: אפשר לשאול שאלות על הנתונים בשפה חופשית ולקבל ניתוח, הסבר או קוד לבדיקה.
בפועל: הכלי יכול לקצר חלק מהעבודה, אבל עדיין צריך אדם שיכוון אותו ויבדוק את התוצאה.
האחריות האנושית: אתם בודקים כל תוצר ומקבלים את ההחלטה הסופית.
מקור: Google Cloud - כבר קייםחוזק ראיות: מוגבלת
השלמה ויצירת קוד בעזרת AI
במה AI יכול לסייע: מייצר, משנה ומתקן קוד אנליטי בתוך מחברות עבודה תוך שימוש בהקשר הנתונים וההרצה.
בפועל: אפשר להפוך חלק מוגדר מהתהליך לאוטומטי, אך שיקול הדעת והטיפול בחריגים נשארים בידי אדם.
האחריות האנושית: אתם קובעים את הכללים, מטפלים בחריגים ומאשרים תוצאות.
מקור: Microsoft Learn - כבר קייםחוזק ראיות: מוגבלת
סוכן קוד אוטונומי למשימות מימוש רב-קובציות
במה AI יכול לסייע: מתכנן ומבצע תהליכי Data Science רב-שלביים, כולל יצירת קוד, הרצה, איטרציה ותיקון שגיאות עם נקודות אישור.
בפועל: אפשר להפוך חלק מוגדר מהתהליך לאוטומטי, אך שיקול הדעת והטיפול בחריגים נשארים בידי אדם.
האחריות האנושית: אתם קובעים את הכללים, מטפלים בחריגים ומאשרים תוצאות.
מקור: Databricks Documentation
כלי ה‑AI שנכנסים למקצוע — ומה מגיע אחריהם
חלקם כבר זמינים לעבודה, אחרים מסמנים לאן המקצוע מתקדם. עצם הופעת הכלי אינה מעידה על אימוץ רחב או על תוצאות מוכחות.
Genie Code
זמין עכשיוDatabricks
עוזר קוד ונתונים של Databricks למחברות, SQL, פייפליינים, דשבורדים, דיבוג ותהליכים סוכניים.
חשוב לדעת: נדרשת סביבת Databricks עם הרשאות מתאימות; תמחור, אזור עיבוד ואיכות עברית לא נבדקו. חובה לסקור קוד שנוצר לפני הרצה.
מקור: Databricks Documentation
מה נשאר באחריות אנושית
הגדרת מדדים, התאמה להקשר העסקי, בדיקת הטיות, פרטיות ותקינות שאילתות הן אחריות של מדען הנתונים, ולא של המודל.
גבולות הראיות
כל יכולת אומתה רק מול המקור המצוטט. מקור מראה שהיכולת קיימת; הוא לא מוכיח אימוץ, עומק הטמעה או תוצאות במקום עבודה מסוים.
שלוש דרכים מעשיות להסתגל
- בחרו מערך נתונים ציבורי וכתבו באנגלית בקשה לשאילתת SQL עם תוצאה צפויה שאפשר לחשב ידנית.
- בדקו מפתח חיבור אחד ושלוש שורות לדוגמה לפני הפעלת השאילתה על מידע אמיתי.
- תעדו אילו הגדרות, מסננים או התניות נדרשו לתיקון אחרי הצעת ה־AI.
תשובות קצרות
- האם Gemini ב־BigQuery מקבל שאלות בעברית?
- לפי התיעוד הרשמי שנבדק ב־22.10.2026, נתמכות הנחיות באנגלית בלבד. כדאי לבדוק שוב את התיעוד לפני השימוש משום שתמיכת שפות עשויה להשתנות.
- האם פלט SQL שנוצר אוטומטית הוא תוצאה בדוקה?
- לא. התיעוד מזהיר מפלט משכנע שעלול להיות שגוי; נדרשת בדיקת סכימה, דגימת נתונים ותוצאה מול בקרה.
מקורות
מה זה אומר על השבוע שלכם
הבדיקה החינמית מסתכלת על המשימות שאתם באמת עושים ועל הרגלי ה-AI שלכם.
להתחיל את הבדיקה החינמית