The Integral Project ברשתות · בקרוב
המומחיםמילוןפודקאסט

בריאות, נפש וטכנולוגיה

כתבות ומחקרים

AI ניטר מתח במקום העבודה ב־13 מחקרים — הדיוק נע בין 62% ל־99%, אבל המדדים לא היו אחידים

סקירת מיפוי של 13 מחקרים מצאה שחיישנים לבישים היו הכלי הנפוץ לניטור מתח בעבודה. הדיוק נע בין 62% ל־99%, אך שונות גדולה במדדים ובשאלונים מגבילה את ההשוואה ואת היישום.

צוות The Integral Project · בעריכת יורי אלטשולרעל העריכה והאחריות המערכתית22.9.20263 דק' קריאה
שיתוף הכתבה
AI ניטר מתח במקום העבודה ב־13 מחקרים — הדיוק נע בין 62% ל־99%, אבל המדדים לא היו אחידים
הדמיה: מערכת The Integral Project · נוצרה באמצעות בינה מלאכותית

ניטור מתח ובריאות נפשית במקום העבודה נשמע כמו שימוש טבעי בשעונים, חיישנים ו־AI. אבל סקירת מיפוי חדשה מראה שהתחום עדיין רחוק ממדידה אחידה שאפשר לפרש באותה צורה בין עובדים, מקומות עבודה ומערכות.

מה מצאה הסקירה

החוקרים חיפשו בחמישה מאגרי מידע עד מרץ 2024 וכללו 13 מחקרים שבהם AI שימש לניטור בעיה נפשית שכיחה בסביבת עבודה ממשית. שמונה מהמחקרים — 62% — נערכו בסביבה משרדית, וארבעה — 31% — בקרב עובדי בריאות.

מתח היה היעד המרכזי: 10 מתוך 13 מחקרים ניסו לזהות אותו. חיישנים לבישים הופיעו בשמונה מחקרים, בעוד המדדים הנפוצים ביותר היו פעילות גופנית ודופק או שונות קצב הלב — כל אחד מהם נמדד בשבעה מחקרים.

טווח דיוק רחב שלא מספר את כל הסיפור

המודלים כללו מכונות וקטורים תומכים, עצי החלטה, Naive Bayes ויער אקראי. הדיוק המדווח נע בין 62% ל־99%. הטווח המרשים בקצה העליון אינו אומר שמערכת כזו יודעת לאבחן מצוקה נפשית או מתאימה לשימוש תעסוקתי שגרתי. המחקרים השתמשו באוכלוסיות, חיישנים, תוויות ושיטות אימות שונות, ולכן אי אפשר להשוות את האחוזים ישירות.

גם אמת המידה לבריאות הנפש לא הייתה אחידה. שבעה מחקרים השתמשו בשאלונים מאומתים, אך שישה השתמשו גם בשאלונים שלא עברו אימות. כשמודל לומד לנבא תוויות שונות ובאיכות שונה, ציון דיוק לבדו עלול להסתיר את השאלה החשובה: מה בדיוק זוהה, ובאיזו אמינות.

ומה לגבי פרטיות בעבודה

הסקירה מיפתה את הראיות הטכנולוגיות, אך לא הוכיחה תועלת קלינית ולא בדקה אם ניטור כזה מפחית שחיקה, היעדרויות או תחלואה. בנוסף, איסוף דופק, תנועה או נתוני שימוש במקום עבודה מעלה שאלות שאינן רק טכניות: מי מקבל גישה, האם ההשתתפות באמת חופשית, כיצד נמנעת פגיעה בעובד, ומה קורה כשהאלגוריתם טועה.

לכן, גם מערכת בעלת ביצועים גבוהים במחקר אינה מוכנה בהכרח להפעלה ארגונית. נדרשים מדדים מוסכמים, מאגרי נתונים גדולים ואיכותיים, אימות חיצוני ושקיפות לגבי מטרת הניטור והשימוש בתוצאות.

מה אי אפשר להסיק

זו סקירת מיפוי של 13 מחקרים, לא מטא־אנליזה ולא ניסוי שבדק תוצאות בריאות. החיפוש הסתיים במרץ 2024, ולכן הוא אינו כולל עבודות חדשות יותר. מספר המחקרים קטן, רובם מסביבות משרדיות, והשונות בשיטות אינה מאפשרת לקבוע איזה חיישן או מודל עדיף.

השורה התחתונה

AI כבר מסוגל לחבר בין נתוני לבישים והתנהגות לבין מדדי מתח במקום העבודה, אבל הראיות עדיין מפוזרות. לפני שמתרגמים דיוק אלגוריתמי למדיניות ארגונית, צריך להגדיר מדד משותף, להראות תועלת בעולם האמיתי ולבנות הגנות ברורות לפרטיות ולאוטונומיה של העובדים.

מה אפשר לקחת מהמחקר?

שינויים קטנים ועקביים בהרגלי התזונה וההתאוששות עשויים להיות משמעותיים לאורך זמן. מומלץ לבחון אותם לצד מדדים אישיים ובהתייעצות מקצועית כשנדרש.

Jack et al. — Mental health monitoring in the workplace using artificial intelligence: A scoping review (2026)המקור המחקרי
THE INTEGRAL UPDATE

העדכונים החשובים, ישר למייל

כתבות חדשות, מחקרים ועדכונים כלליים מ־The Integral Project — בלי רעש מיותר.

האימייל נשמר באופן מאובטח ולא יימסר לצדדים שלישיים לצורכי פרסום.

אהבתם את הכתבה?

המשוב שלכם עוזר לנו לבחור את התוכן הבא.

תגובות הקוראים

היו הראשונים להגיב

התגובה תפורסם לאחר בדיקה קצרה.
שאלו את PulseAI על המחקר
היועץ המדעי PulseAI