תקציר

הבינה המלאכותית (AI) משתלבת במהירות בפרקטיקה של העבודה הסוציאלית ומשפיעה על אופני קבלת ההחלטות, איסוף המידע וההתערבות המקצועית – מהערכה וחיזוי של מצבי סיכון ועד תיעוד ותקשורת עם מטופלים. מאמר זה מבוסס על סקירת ספרות נרטיבית בעלת אוריינטציה ביקורתית, ומטרתו לבחון את האתגרים האתיים המרכזיים הנובעים משילוב AI בעבודה סוציאלית ולהציע כיווני עדכון למסגרת האתית המקצועית. הסקירה מתמקדת בחמישה צירים: הסכמה מדעת ואוטונומיה, פרטיות וסודיות, הטיות אלגוריתמיות וצדק חברתי, שקיפות ואחריותיות, והשלכות על הכשרה מקצועית. ממצאי הסקירה מצביעים על כך שקודי האתיקה הקיימים, לרבות קוד האתיקה המקצועית של העובדים הסוציאליים בישראל, אינם נותנים מענה מספק לאתגרים הייחודיים של הבינה המלאכותית, ובפרט בהקשרים של שקיפות, אחריותיות והגנה על אוכלוסיות מוחלשות. תרומת המאמר היא בהצעת מסגרת מושגית עדכנית ובהדגשת הצורך בפיתוח אוריינות אתית־טכנולוגית, עדכון קוד האתיקה המקצועית ויצירת מנגנוני פיקוח, תוך התייחסות להקשר הישראלי ולמורכבותו החברתית והתרבותית. המאמר מדגיש כי שילוב אחראי של AI בעבודה סוציאלית הוא בראש ובראשונה אתגר אתי ומקצועי, המחייב שיח ביקורתי ורב־תחומי בשיתוף מוסדות אקדמיים, גופים מקצועיים ורגולטוריים.

מילות מפתח: אתיקה מקצועית, בינה מלאכותית, הטיות אלגוריתמיות, חינוך לעבודה סוציאלית, צדק חברתי

מבוא

מערכות בינה מלאכותית (Artificial Intelligence, AI) אינן עוד בגדר עתיד טכנולוגי לוט בערפל, אלא מציאות יום־יומית המעצבת מחדש את שדות הפרקטיקה ובתוכם העבודה הסוציאלית. טכנולוגיות AI משמשות כבר היום להערכת סיכונים קליניים, לסיוע באיתור אוכלוסיות פגיעות, לחיזוי תוצאות טיפוליות ואף לזיהוי הטיות מערכתיות בהספקת שירותי רווחה (Reamer, 2023a). בשנים האחרונות, הופעתן של מערכות בינה מלאכותית גנרטיבית כדוגמת ChatGPT עוררה דיון גובר בדבר השלכותיהן על הפרקטיקה וההכשרה בעבודה הסוציאלית (Goldkind et al., 2024). באופן רחב יותר, Reamer (2023a) מצביע על שימושי AI בהקשרים קליניים, מנהליים, חינוכיים ומדיניותיים, לצד שורה של אתגרים אתיים הכרוכים בהם.

האתגרים האתיים הניצבים מול הפוטנציאל הטכנולוגי הם עמוקים. בניגוד לכלים טכנולוגיים קודמים כגון טלפון או וידאו, הבינה המלאכותית אינה רק מתווכת את הקשר בין העובד הסוציאלי למטופל אלא עשויה גם לייצר תוכן, לנתח מידע ולסייע בקבלת החלטות. מצב זה מציב שאלות חדשות על גבולות האחריות המקצועית, על מהות הקשר הטיפולי ועל האופן שבו נשמרים ערכי הליבה של המקצוע בסביבה דיגיטלית (Pascoe, 2023; Reamer, 2023a). כפי שמציינים Goldkind וחב׳ (2024), העבודה הסוציאלית נדרשת להתמודד עם קצב שינוי טכנולוגי מהיר ועם השלכותיו המקצועיות. ככל שהשימוש במערכות AI מתרחב בפרקטיקה המקצועית – מהכשרת סטודנטים ועד לסיוע בקבלת החלטות – כך גובר הצורך בתשתית אתית־מקצועית ייעודית.

על רקע התפתחויות אלה, מאמר זה מבקש למפות את הסוגיות האתיות המרכזיות הנובעות משילוב AI בעבודה הסוציאלית, לבחון את מידת התאמתם של קודי האתיקה הקיימים לאתגרים אלה, ולהציע כיווני חשיבה למסגרת אתית עדכנית ורלוונטית. מוקד הדיון הוא בחמישה צירים מרכזיים: הסכמה מדעת ואוטונומיה, פרטיות וסודיות, הטיות אלגוריתמיות וצדק חברתי, שקיפות ואחריותיות, והשלכות על הכשרה מקצועית. בתוך כך, המאמר מדגיש את חשיבותו של ההקשר הישראלי, המאופיין בהטרוגניות חברתית, תרבותית ולשונית, ובמערכת רווחה ציבורית הפועלת בממשק שבין מדיניות ארצית לשירותים ברשויות המקומיות – כמרחב המחייב התאמה זהירה של עקרונות אתיים כלליים למציאות מקצועית מקומית. ההתייחסות להקשר הישראלי נועדה לעגן את הדיון האתי־מקצועי במאפייני השדה המקומי, ואין בה משום סקירה משפטית או רגולטורית ממצה. על בסיס זה, מפתח פרק הדיון קריאה ביקורתית אינטגרטיבית, הבוחנת את התנאים הארגוניים והתקציביים שבתוכם מאומצים כלי AI בשירותי הרווחה.

שיטת הסקירה

מאמר זה מבוסס על סקירת ספרות, שנועדה למפות ולנתח את השדה האתי המתפתח סביב שילוב בינה מלאכותית (AI) בעבודה סוציאלית. הסקירה היא נרטיבית ובעלת אוריינטציה ביקורתית (Grant & Booth, 2009), במטרה למפות שדה ידע מתהווה, לזהות מוקדי מחלוקת ואתגרים ולהציע סינתזה פרשנית בעלת רלוונטיות מקצועית. בחירה זו נבעה מאופיו המתפתח והבין־תחומי של התחום, הכולל מחקרים אמפיריים, מאמרי עיון, מסמכי מדיניות וקודי אתיקה.

איתור המקורות בוצע באמצעות מנוע החיפוש Google Scholar ובמאגרי מידע אקדמיים מרכזיים (PubMed, EBSCO ו־Web of Science), וכן במסמכי מדיניות של ארגונים מקצועיים בין־לאומיים וישראליים. נעשה שימוש בצירופי מילות מפתח בעברית ובאנגלית, ששילבו מונחים מתחומי הבינה המלאכותית (AI, artificial intelligence, machine learning), העבודה הסוציאלית והאתיקה המקצועית. בד בבד, בוצע חיפוש משלים באמצעות בחינת הרשימות הביבליוגרפיות של מאמרים שנמצאו מתאימים לקריטריוני ההכללה, לצורך איתור מקורות רלוונטיים נוספים. נוסף על כך, מאחר שכתבי עת מקצועיים בעברית אינם מאונדקסים במלואם במאגרים הבין־לאומיים, נערך חיפוש מקוון פתוח בעברית לאיתור פרסומים עדכניים בשדה המקומי. בדרך זו אותרו גם מקורות ישראליים שלא אותרו בחיפוש הראשוני במאגרים, ובהם פרסומים בכתבי עת מקצועיים בעברית.

הסקירה התמקדה בפרסומים אקדמיים ומקצועיים מעשר השנים האחרונות, ובהם מאמרים שפיטים, מאמרי עיון ודעה ומסמכי עמדה, העוסקים ישירות בצומת שבין בינה מלאכותית לאתיקה בעבודה סוציאלית. ספרות יסוד מוקדמת יותר נכללה, לפי הצורך, לצורך עיגון תיאורטי ומתודולוגי של הדיון. הוחרגו פרסומים שעסקו בטכנולוגיה באופן כללי ללא זיקה מספקת לעבודה סוציאלית, וכן טקסטים עיתונאיים או תיאוריים שלא נשאו תרומה אנליטית מובהקת לדיון. בתום תהליך האיתור והסינון נכללו בסינתזה 39 מקורות – מאמרים אקדמיים ומאמרי עיון ודעה, ספרים ופרקי ספרים, קודים אתיים ומסמכי מדיניות – והם מפורטים במלואם ברשימה הביבליוגרפית. הבחירה במקורות הונחתה על ידי מידת הרלוונטיות המושגית לצומת שבין בינה מלאכותית לאתיקה מקצועית בעבודה סוציאלית. קורפוס זה שימש בסיס לסינתזה המושגית המוצגת במאמר, ואינו מדגם המתיימר לייצג באופן ממצה את כלל הספרות בתחום.

המקורות אורגנו ונותחו באופן תמטי, בהשראת הגישה של Thomas ו־Harden (2008). מתוך קריאה פרשנית חוזרת והשוואה בין המקורות גובשו חמשת צירי הליבה האתיים שעל פיהם אורגנו ממצאי הסקירה. תהליך הסקירה, מאיתור המקורות, דרך הסינון וההכללה ועד הסינתזה התמטית סביב חמשת צירי הליבה, מתואר בתרשים 1. הסינתזה שגובשה היא מושגית ופרשנית באופייה. בהתאם לכך, פרק הממצאים מציג את הסינתזה העולה מן הספרות, ואילו פרק הדיון מפרש את השלכותיה וכולל גם טענות נורמטיביות של המחבר.

תרשים 1: תהליך סקירת הספרות – מאיתור המקורות ועד הסינתזה התמטית

ממצאי הסקירה: חמישה צירים אתיים

א. הסכמה מדעת ואוטונומיית המטופל

עקרון ההסכמה מדעת הוא אבן יסוד בעבודה סוציאלית, ומחייב את העובד הסוציאלי ליידע את לקוחותיו ומטופליו על טיבם של השירותים, תועלותיהם וסיכוניהם. כאשר מערכת AI מעורבת בתהליך הטיפולי – בין אם כצ׳אט־בוט טיפולי, בין אם ככלי להערכת סיכונים ובין אם כמנגנון לניתוח נתוני מטופלים – חובת היידוע מקבלת ממד חדש ומורכב. על פי הקוד האתי של ה־National Association of Social Workers [NASW] (2021), עובדים סוציאליים המשתמשים בטכנולוגיה נדרשים לקבל הסכמה מדעת עוד בשלב הראשוני של הקשר הטיפולי ולהעריך את יכולת המטופל לתת הסכמה מושכלת. Reamer (2023a) מחיל עקרונות אלה גם על שימושים בבינה מלאכותית ומדגיש את הצורך ליידע מטופלים בדבר התועלות והסיכונים הרלוונטיים.

במציאות של מחלקות הרווחה והשירותים החברתיים קיים פער מובנה בין הדרישה ליידוע לבין יכולת ההבנה בפועל. חלק ממקבלי השירות, ובייחוד מי שמתמודדים עם חסמי שפה, אוריינות דיגיטלית או מוגבלות קוגניטיבית, עלולים להתקשות להבין את משמעות השימוש באלגוריתמים ולהעריך את השלכותיו. במצבים אלה, ההסכמה עלולה להפוך לטקסית ולא ממשית ולפגוע באוטונומיית המטופל (López Peláez & Kirwan, 2023). הסוגיה מחריפה כאשר מדובר בצ׳אט־בוטים טיפוליים כגון Woebot, משום שמערכות שיחה עשויות לעודד תחושה של קשר ואמפתיה אף שאין מאחוריהן סובייקט אנושי (Reamer, 2023a; Turkle, 2024).

מחקרם של Iftikhar וחב׳ (2025) מספק עדות אמפירית לקשיים האתיים הכרוכים בשימוש במודלי שפה גדולים בהקשרים טיפוליים. במחקר בן 18 חודשים, שכלל 137 אינטראקציות עם מודלי שפה והערכה של אנשי מקצוע בתחום בריאות הנפש, זוהו 15 סוגים של הפרות אתיות בחמש תמות מרכזיות: חוסר הבנה הקשרית, שיתוף פעולה טיפולי לקוי, אמפתיה מטעה, אפליה בלתי הוגנת וכשלים בבטיחות ובניהול משברים. ממצאיהם מדגישים כי הבעיה אינה מתמצה באי־דיוק של תשובות המודל, אלא גם בפער שבין שיח העשוי להיחוות כאמפתי ומקצועי לבין מגבלותיו של המודל בהבנת נסיבות חייו של המשתמש, בהתאמת ההתערבות להקשרו ובזיהוי ובניהול של מצבי סיכון.

במאמרה על "אינטימיות מלאכותית" (artificial intimacy), Turkle ‏(2024) מציעה להסיט את השאלה ממה שמערכות שיחה מסוגלות לעשות אל האופן שבו עצם האינטראקציה עימן עשויה לעצב את המשתמשים. לטענתה, מערכות המדמות אמפתיה ומוצעות כבנות־לוויה אכפתיות עשויות להשפיע על האופן שבו אנשים מבינים אינטימיות, סוכנות ואמפתיה אנושית. בהקשר של עבודה סוציאלית וטיפול, הסיכון אינו אפוא רק בתוכן שגוי, אלא גם בטשטוש ההבחנה בין הדמיה משכנעת של אמפתיה לבין קשר אנושי הכרוך בהדדיות, במחויבות ובהבנה של האחר.

ניתן להציע, אפוא, כי האתגר אינו מתמצה במסירת מידע על עצם השימוש ב־AI, אלא בהבטחת הסכמה מדעת שתהיה מובנת, משמעותית ומותאמת ליכולותיו, לשפתו ולהקשרו החברתי־תרבותי של מקבל השירות.

ב. פרטיות, סודיות והגנת נתונים

פרטיות וסודיות הן ערכים מכוננים בעבודה סוציאלית, וקוד האתיקה המקצועית בישראל מחייב שמירה על המידע הנמסר במסגרת הקשר המקצועי (איגוד העובדים הסוציאליים, 2018). שילוב בינה מלאכותית גנרטיבית בפרקטיקה מוסיף שכבה חדשה של סיכון, משום שהזנת מידע לפלטפורמה חיצונית עשויה להיות כרוכה בעיבודו או בשמירתו בהתאם לתנאי השירות ולהגדרות המערכת (NASW, 2021; Reamer, 2023a). לכן אין להניח שאמצעי אבטחה מקומיים כגון סיסמאות, הצפנה או חומות אש מספקים כשלעצמם כאשר מידע רגיש מועבר לשירות חיצוני. נדרשת גם בחינה של מדיניות הפרטיות, שמירת הנתונים והשימושים המותרים במידע.

Reamer (2023b), בדיונו בסודיות ובתיעוד מקצועי בעקבות ביטול ההגנה הפדרלית על הזכות להפלה בארצות הברית, מצביע על הסיכונים הנוגעים לחשיפתו של מידע רגיש ועל האפשרות שמידע ותיעוד מקצועי יקבלו משמעות גם בהקשרים משפטיים. אף שהדיון שלו מתמקד בשירותי בריאות רבייתית ובהקשר המשפטי האמריקאי, הוא ממחיש עיקרון רחב יותר הרלוונטי גם לשימוש בכלי AI: מידע המועבר למערכות דיגיטליות עלול לצאת מגבולות ההקשר המקצועי שבו נמסר ולהיות כפוף לתנאי שמירה, עיבוד וגישה שאינם בשליטת העובד הסוציאלי. בהקשר הישראלי, ניתן להציע כי הזנת מידע על מטופלים למערכות AI מחייבת בחינה מוקדמת של סוג המידע המוזן, מידת זיהויו, אופן שמירתו ועיבודו וזהות הגורמים העשויים לקבל אליו גישה.

זאת ועוד, לסוגיית הפרטיות השלכות משמעותיות גם על שדה ההכשרה המקצועית. סטודנטים לעבודה סוציאלית המשתמשים בכלי AI לצורך הכנת דוחות תהליכיים, ניתוחי מקרה או מטלות אחרות במסגרת ההכשרה המעשית עלולים להזין למערכות חיצוניות מידע מזהה או רגיש על מטופלים. סיכון זה מחייב הכשרה מפורשת באשר לגבולות השימוש במידע מקצועי. בהקשר רחב יותר, Joiner (2019) מדגישה את הצורך לשלב ״אתיקה דיגיטלית״ בהכשרת עובדים סוציאליים ולהכין סטודנטים להתנהלות מקצועית ואתית בסביבה טכנולוגית.

לפיכך, ההגנה על סודיות המטופלים בעידן ה־AI אינה יכולה להישען על כללי האתיקה המסורתיים בלבד. היא מחייבת לשלבם באוריינות טכנולוגית עדכנית, שתאפשר לעובדים ולסטודנטים להבין לא רק איזה מידע אסור לחשוף, אלא גם מה עלול להתרחש לאחר שהמידע הוזן למערכת דיגיטלית.

ג. הטיות אלגוריתמיות וצדק חברתי

הסיכון המרכזי בשילוב מערכות לומדות בשירותי הרווחה טמון בשימור ובשעתוק של הטיות היסטוריות. בספרה המכונן, Eubanks (2018) מראה כיצד מערכות אוטומטיות המשמשות לניהול זכאות ולחיזוי סיכון עלולות לפגוע באופן לא שוויוני באוכלוסיות עניות ומוחלשות. ניתוח זה עולה בקנה אחד עם ספרות נוספת בתחום רווחת הילד (Hall et al., 2024; Keddell, 2019; Saxena & Guha, 2024), המדגישה כי הנתונים שעליהם נשענים מודלים אלגוריתמיים והתהליכים הארגוניים שבתוכם הם מופעלים אינם ניטרליים, וכי שילובם בקבלת החלטות עלול לשעתק אי־שוויון קיים. דפוסי עבר של דיווח, פיקוח והתערבות עשויים להיטמע בנתונים שעליהם נשענים המודלים ולהשפיע על תחזיות והחלטות עתידיות. משום כך, נדרשת בחינה ביקורתית הן של מקורות הנתונים והן של האופן שבו הכלי משתלב בשיקול הדעת המקצועי.

עם זאת, לצד סיכוני ההטיה מפותחים גם כלים טכנולוגיים שמטרתם לשפר יכולות זיהוי והערכה. דוגמה ישראלית היא שימוש בבינה מלאכותית לזיהוי פגיעה מינית באמצעות ציור דמות עצמי (לב־ויזל, 2021). גם כאשר מטרתו של כלי כזה היא לסייע בזיהוי ובהגנה, השימוש בו מחייב בחינה ביקורתית של דיוקו ותוקפו ושל הסיכון לסיווג שגוי, במיוחד כאשר תוצאותיו עשויות להשפיע על החלטות מרחיקות לכת הנוגעות לילד ולמשפחתו.

Wilkins ו־Benett (2026) השוו את דיוק השיפוט של 581 עובדים סוציאליים בתחום הילד והמשפחה לזה של ChatGPT ביחס ל־12 הפניות אנונימיות. ChatGPT היה מדויק יותר מן הממוצע של מדגם העובדים הסוציאליים ב־11 מתוך 12 ההפניות, אך ההבדל הכולל לא היה מובהק סטטיסטית. החוקרים מדגישים כי לצד הפוטנציאל לתמיכה בקבלת החלטות, ל־AI יש מגבלות בהבנת צרכים אנושיים מורכבים והקשרים חברתיים. ממצא זה מעלה שאלות יסודיות בדבר מקומו של השיפוט האנושי, גם כאשר כלי חישובי מציג ביצועי חיזוי המשתווים לאלה של אנשי מקצוע ואף עולים עליהם בחלק מן ההשוואות.

יש לציין כי הדיון בהטיות אלגוריתמיות אינו מצטמצם לרמת המיקרו־פרקטיקה; יש לו השלכות רחבות גם ברמת המערכת. כאשר ארגוני רווחה מאמצים כלים אלגוריתמיים לניהול תקציבים, להקצאת משאבים או לקביעת סדרי עדיפויות בין אוכלוסיות, הטיות המוטמעות בנתונים ההיסטוריים עלולות להנציח הקצאה בלתי צודקת. O'Neil (2016) כינתה מערכות מסוג זה "נשק להשמדה מתמטית" (Weapons of Math Destruction) – אלגוריתמים הנראים אובייקטיביים וחסינים לביקורת, אך בפועל עלולים לשמר ולהעמיק פערים חברתיים. עבור העבודה הסוציאלית, שערכי הליבה שלה מחייבים פעולה לצמצום אי־שוויון, אימוץ כלים כאלה ללא בדיקה ביקורתית עלול לעמוד בסתירה לערכי המקצוע.

ביישום ממצאים אלה להקשר הישראלי, חשיבותה של סוגיה זו מקבלת משנה תוקף לנוכח הפסיפס הרב־תרבותי המאפיין את החברה הישראלית. מודלים שפותחו ואומנו בהקשרים לשוניים ותרבותיים אחרים עלולים – אם ייושמו בישראל ללא תיקוף מקומי מספק – להוביל לביצועים לא אחידים ואף להטיות מערכתיות ביחס לאוכלוסיות בחברה הערבית, הדרוזית והחרדית, ליוצאי אתיופיה וליוצאי בריה"מ לשעבר – קבוצות בעלות מאפיינים תרבותיים, משפחתיים וסוציו־אקונומיים ייחודיים. משום כך, הסתמכות לא ביקורתית על מודלים המבוססים על נתונים שנאספו בהקשרים חברתיים ותרבותיים אחרים עלולה לפגוע ברגישות התרבותית הנדרשת לשיקול דעת מקצועי הוגן ומבוסס הקשר.

שאלת ההטיה האלגוריתמית אינה רק סוגיה טכנית של דיוק חיזויי, אלא שאלה אתית ומקצועית הנוגעת לאופני הייצוג של אוכלוסיות מוחלשות, לחלוקת משאבים ולגבולותיה של סמכות מקצועית הנתמכת באלגוריתם.

ד. שקיפות, אחריותיות ועקרון הקופסה השחורה

שקיפות היא תנאי הכרחי לאחריותיות מקצועית. בעבודה סוציאלית, העובד נושא באחריות אישית לשיפוטיו המקצועיים ולהחלטותיו הטיפוליות ומחויב לנמק ולהצדיק את צעדיו בפני מטופליו, עמיתיו וגופי פיקוח. כאשר מערכת AI משמשת כ"קופסה שחורה" (black box) – כלומר, כאשר תהליך קבלת ההחלטה האלגוריתמי אטום ובלתי נהיר גם לעובד וגם למטופל – נפגעת היכולת לבחון את ההחלטה, לנמק אותה ולשאת באחריות לה (O'Neil, 2016).Reamer  (a2023) מציג בהקשר זה שורה של עקרונות לשימוש אתי ב־AI בעבודה סוציאלית, ובהם מניעת נזק, שקיפות, צמצום הטיות והבטחת הסכמה מדעת המבוססת על מידע הולם בדבר הסיכונים והתועלות הכרוכים בשימוש בטכנולוגיה.

שאלת האחריות קשורה גם לאופן שבו ממוסגר היחס בין המומחה האנושי למערכת. Natarajan וחב׳ (2025) מבחינים בין מערכות ״אדם בתוך הלולאה״ (human-in-the-loop), שבהן ה־AI מוביל את תהליך ההסקה וקבלת ההחלטות והאדם מספק הכוונה או תיקון, לבין מערכות של ״בינה מלאכותית בתוך הלולאה״ (AI-in-the-loop), שבהן האדם שומר בידיו את השליטה ואת סמכות ההחלטה הסופית וה־AI משמש ככלי מסייע. לטענתם, מערכות רבות מן הסוג השני מתוארות בטעות כ־human-in-the-loop. הם מצביעים גם על כך ששיטות הערכה מקובלות נוטות להתמקד בביצועי רכיב ה־AI ולהמעיט בחלקו של המומחה האנושי ובאיכות האינטראקציה שבין האדם למערכת. הבחנה זו נושאת השלכות ישירות עבור העבודה הסוציאלית, שכן היא מחדדת את השאלה מי מחזיק בסמכות ההחלטה ונושא באחריות המקצועית כאשר AI משולב בתהליך.

Pascoe (2023) בחנה תשעה קודי אתיקה של ארגוני עבודה סוציאלית ברחבי העולם ומצאה כי הכיסוי מוגבל ומתמקד בעיקר במדיה חברתית, ואינו מתייחס לאלגוריתמי ניבוי בצורה מפורשת. פער זה מטריד במיוחד לנוכח ההתרחבות המהירה של כלי AI בשירותי הרווחה. כבר ב־2017 פרסמו ארבעה ארגונים מקצועיים מרכזיים בארצות הברית סטנדרטים משותפים לשימוש בטכנולוגיה בעבודה סוציאלית, אך אלה קדמו להתפשטות הבינה המלאכותית הגנרטיבית ואינם נותנים מענה מפורט לאתגרים הייחודיים שהיא מציבה כיום (National Association of Social Workers et al., 2017). קצב ההתפתחות הטכנולוגית עולה על יכולת העדכון של מסגרות רגולטוריות ואתיות. Gallagher (2020) מציעה את מושג ה"אתיקה האיטית" (slow ethics) – גישה המדגישה שיקול דעת מושכל, רפלקטיבי ומתון בעידן של טכנולוגיה מהירה. גישה זו יכולה להוות עוגן מושגי חשוב לשיח בעבודה הסוציאלית, ולאזן בין הלחץ ליישם טכנולוגיות מיידית לבין הצורך בבחינה אתית מעמיקה. הרחבה עדכנית של גישה זו מוצעת אצל Banks וחב׳ (2025), הדנים בהשלכותיה של המהפכה התעשייתית הרביעית על האתיקה המקצועית בעבודה סוציאלית, ובכלל זה בשימוש בנתוני עתק ובאלגוריתמים לתמיכה בקבלת החלטות. ניתוחם מדגיש את הצורך שלא לצמצם את ההתמודדות האתית לציות לכללים פורמליים, אלא לשמר שיקול דעת מקצועי, רפלקציה וגישה ממוקדת־אדם לנוכח תהליכי הדיגיטציה. אחד מחלקי המאמר עוסק גם באתגרים האתיים של תקשורת דיגיטלית בעבודה עם החברה החרדית בישראל, ובכך מספק דוגמה לצורך להתאים את השימוש בטכנולוגיות ואת השיקולים האתיים הנלווים לו להקשרים תרבותיים מקומיים.

מחקר ישראלי בחן את יכולתו של ChatGPT לסייע בהתמודדות עם דילמות אתיות בעבודה סוציאלית, באמצעות השוואת תשובותיו לתשובות קודמות של ועדת האתיקה של איגוד העובדים הסוציאליים (Segal, 2025). ChatGPT הציג ניתוחים רחבים יותר והצביע על חובות מקצועיות מתנגשות, ואילו תשובות ועדת האתיקה היו ברורות וישימות יותר והעניקו משקל רב יותר להיבטים משפטיים. המחקר מדגיש אפוא את הפוטנציאל של AI ככלי מסייע להרחבת החשיבה האתית, אך לא כתחליף להכרעה מקצועית אנושית. במאמר דעה מאוחר יותר, סגל (2026) מרחיבה את הדיון באחריות האתית הכרוכה בשימוש במודלי שפה גדולים בעבודה סוציאלית, ובכלל זה בסוגיות של אבטחת מידע ופרטיות, אמינות והטיות בתוצרי המודלים ושימור המרכיב האנושי בשיקול הדעת המקצועי.

בדוח המכון הישראלי למדיניות טכנולוגיה (תמיר, 2020, עמ׳ 21) צוין כי יישום מערכות מבוססות אלגוריתם בשירותי הרווחה עלול להוביל לאי־שוויון ולחוסר הוגנות ביחס לנשואי החלטות המערכת, אך הדוח טרם תורגם להנחיות מחייבות. ממד מטריד בהקשר זה עולה ממחקרם של אבנון וחב׳ (Avnon et al., 2024), שראיינו מפתחי אלגוריתמים ומדעני נתונים ישראלים ומצאו כי אתיקה אלגוריתמית נותרת במידה רבה תחום לא ממוסד, הנשען על שיקול דעת מקצועי אישי יותר מאשר על מנגנוני פיקוח ארגוניים סדורים.

ה. השלכות על הכשרה מקצועית וחינוך לעבודה סוציאלית

שילוב ה־AI בעבודה סוציאלית מציב גם אתגר חינוכי מרכזי. Hodgson וחב׳ (2022) טענו כי חינוך לעבודה סוציאלית חייב לעסוק באופן ביקורתי בהשלכות של AI, ולא לקבל טכנולוגיה זו כמובנת מאליה או כניטרלית מבחינה ערכית. Rodriguez וחב׳ (2024) אף קראו להפוך את אוריינות ה־AI ליכולת ליבה בהכשרת עובדים סוציאליים – עם דגש על הבנת יכולות ומגבלות, משמעויות אתיות והשפעות חברתיות.

הספרות מצביעה על פער מתמשך בין קצב חדירתן של טכנולוגיות דיגיטליות לשדה לבין קצב הפיתוח של עקרונות הכשרה והדרכה לשימוש בהן. Goldkind (2021) הדגישה כי העבודה הסוציאלית כבר פועלת בתוך סביבה דיגיטלית מבלי שפיתחה די כלים רפלקטיביים וביקורתיים. Garkisch ו־Goldkind (2025) הציעו מודל משולב של עבודה סוציאלית מוגברת־AI תוך שמירה על ערכי המקצוע. בהקשר הישראלי, Segal וחב׳ (2025) מיפו את הכלים הטכנולוגיים שבהם משתמשים עובדים סוציאליים בישראל ואת האתגרים האתיים הנלווים להם, על רקע מיעוט ההנחיות המפורשות לעבודה סוציאלית נתמכת־טכנולוגיה. ממצאיהם מחזקים את הצורך בהכשרה טכנולוגית ואתית של עובדים סוציאליים, בהנחיות מקצועיות ברורות ובמנגנונים ארגוניים שיתמכו בשימוש אחראי בטכנולוגיה. על רקע התרחבות השימוש ב־AI, ניתן להרחיב צורך זה גם לפיתוח אוריינות AI ולדיון שיטתי בדילמות האתיות הייחודיות לכלים אלה במסגרת ההכשרה המקצועית. סגל (2026) מוסיפה לדיון ממד מוסדי ומדיניותי. היא ממליצה שמשרד הרווחה והביטחון החברתי יגבש הנחיות ברורות לשימוש במודלי שפה גדולים, ובכללן פרוטוקולים שיקבעו באילו החלטות ניתן להסתייע במודלים ובאילו נדרשת הכרעה אנושית מלאה. בתחום ההכשרה היא מדגישה את הצורך לטפח קריאה ביקורתית של תוצרי המודלים, לרבות זיהוי הטיות ואי־דיוקים והיכולת שלא לקבל המלצה רק משום שהיא מוצגת באופן משכנע.

נראה כי פער זה מחייב התייחסות ברמות ההכשרה וההדרכה. הספרות על הדרכה רפלקטיבית מצביעה על תרומתם של מנהלים, מדריכים וקבוצות עמיתים זמינים ותומכים לפיתוח פרקטיקה רפלקטיבית (Ravalier et al., 2023). כאשר כלי AI הופכים לחלק משגרת העבודה, ההדרכה צריכה לכלול דיון מפורש בשאלות כגון: מתי מותר ומתי אסור להיעזר באלגוריתם? כיצד מאמתים את תוצאותיו? ומה מקומו של השיפוט המקצועי כאשר ההמלצה האלגוריתמית סותרת את האינטואיציה המקצועית? שאלות אלה צריכות להיות חלק אינטגרלי מתוכניות הלימודים וההכשרה המעשית בשדה, ולא להיוותר במרחב האפור של הפרקטיקה היומיומית.

דיון וסיכום

הספרות המקצועית מכירה בפוטנציאל הרב של בינה מלאכותית לשיפור תהליכי עבודה, הערכה ומחקר, אך מציבה סייגים משמעותיים הנוגעים לאוטונומיית המטופל, לפרטיות, לצדק חלוקתי ולשקיפות (Eubanks, 2018; Goldkind et al., 2024; Reamer, 2023a). בהקשר הישראלי, המסגרת האתית והרגולטורית הקיימת עדיין מספקת מענה מוגבל לסוגיות המתעוררות בעבודה סוציאלית נתמכת־טכנולוגיה (Segal et al., 2025). פער זה נעשה משמעותי עוד יותר לנוכח השימוש הגובר בכלי AI גנרטיביים, המעוררים סוגיות מקצועיות ואתיות שהמסגרות הקיימות לא נועדו מלכתחילה להסדיר.

הטיות אלגוריתמיות אינן בהכרח טעות טכנית שניתן לפתור בעדכון תוכנה; הן עשויות לשקף אי־שוויון המוטמע בנתונים ובתהליכים הארגוניים שבהם המערכת פועלת. העבודה הסוציאלית, שערכי הליבה שלה כוללים צדק חברתי וכבוד האדם, מחויבת אפוא לבחון כלים אלה באופן ביקורתי לפני אימוצם (Hall et al., 2024; Keddell, 2019). Saxena ו־Guha (2024) מראים כי שילוב אלגוריתמים ברווחת הילד עלול ליצור אי־ודאות ושיבושים בתהליכי העבודה, להוסיף עבודת תיקון לעובדים ולהשפיע על קבלת ההחלטות ברמת השטח. ממצאים אלה מחזקים את הצורך לשמר אחריות ושיקול דעת מקצועיים גם כאשר נעשה שימוש בתמיכה אלגוריתמית.

אולם מעבר לסוגיות אתיות ספציפיות, הכנסת ה־AI לשדה העבודה הסוציאלית מעוררת שאלה אפיסטמולוגית עמוקה יותר: מהו ידע מקצועי? ידע בעבודה סוציאלית אינו מתמצה בפלט של מודל סטטיסטי; הוא נבנה גם במפגש אנושי, בהקשבה לסיפור חייו של המטופל, בקריאת שפת גוף ובמשמעות המיוחסת לשתיקות ולהקשר. כשאלגוריתם "ממליץ" על רמת סיכון, הוא מבצע חישוב הסתברותי המבוסס על דפוסים בנתונים היסטוריים, אך כשלעצמו אינו מחליף היכרות עם המשפחה הספציפית והקשרה. ההבחנה בין ידע אלגוריתמי לבין מה שהפילוסוף מייקל פולאני (Polanyi, 1966/2009) כינה "ידע שבשתיקה" (tacit knowledge) – ידע הגלום בניסיון, במיומנות ובממד הגופני של העשייה המקצועית – מדגישה כי תמיכה חישובית אינה מייתרת את השיפוט האנושי.

כך, בעוד תחום הבינה המלאכותית מתפתח בקצב מואץ, המקצוע מחויב להפעלת שיקול דעת ולחשיבה אסטרטגית ארוכת טווח. Diez (2023) טוענת כי על העבודה הסוציאלית לתרום באופן אקטיבי לפיתוח AI אתי, ולא רק להגיב לטכנולוגיה שפותחה על ידי אחרים. Flaherty ו־Krishnan (2026) מחדדים טענה זו וגורסים כי הימנעות מעיסוק בבינה מלאכותית היא עצמה עמדה אתית בעלת מחיר, משום שהיא מותירה את עיצוב הכלים ואת קביעת גבולות השימוש בהם בידי גורמים שאינם מחויבים לערכי המקצוע. López Peláez ו־Kirwan (2023) מדגישים את הצורך בתקנים מקצועיים בין־לאומיים שיתייחסו באופן ישיר לשימוש ב־AI. בהקשר זה מתחדדת שאלה רחבה יותר, החוצה כמה מן הצירים שנדונו לעיל: באילו תנאים מבטא שילובו של ה־AI בשירותי הרווחה ניאו־ליברליזציה שלהם? המונח משמש כאן במובן מצומצם ומוגדר: העתקת מוקד ההסבר לקשיים מערכתיים מרמת המשאבים והמדיניות אל רמת היעילות של העובד ושל הארגון, והצגתם של מחסור בכוח אדם ושל מגבלות תקציב כנתון קבוע שיש להתייעל בתוכו. כאשר ארגון רווחה מאמץ כלי AI כדי "לייעל תהליכים" או "להפחית עומס", ההנחה הסמויה היא שמקור הקושי ביעילות העובד ולא בתת־תקצוב מערכתי או בעומס תיקים בלתי סביר. אין מדובר בציר שישי של הסקירה; זהו רובד פרשני המחבר בין ממצאים שכבר הוצגו: צדק חלוקתי, אחריות מקצועית, שיקול דעת מקצועי והאופן הארגוני שבו מאומצת הטכנולוגיה.

ה־AI, בהקשר זה, עלול לשמש עלה תאנה המסיט את הדיון מן השאלות המערכתיות שברקע: היקף התיקים שבטיפולו של עובד סוציאלי בישראל, והיעדר איוש של תקנים קיימים. בשני העניינים האלה קיימת תשתית נתונים מסודרת. לפי דוח מבקר המדינה (2026), ביוני 2025 היו במחלקות לשירותים חברתיים בישראל 1,142 תקני עובדים סוציאליים לא מאוישים, שהם 16% מכלל התקנים. הבעיה אינה בהיקף התקינה בלבד: בין 2022 ליוני 2025 גדל מספר תקני העובדים הסוציאליים בכ־15%, ואילו מספר התקנים הלא־מאוישים גדל בכ־47%. כלומר, תקנים נוספו, אך הרשויות המקומיות התקשו לאיישם. הדוח מצביע גם על עומסי תיקים כבדים ברשויות שנבדקו, ובחלקן על עובדים שטיפלו בעשרות רבות ואף במאות תיקים. בתנאים של עומס כרוני ומחסור בכוח אדם, AI עשוי להיתפס כפתרון לעומס, אך נדרשת בחינה מפורשת של מה הוא פותר בפועל ועבור מי. ספרות עדכנית בוחנת את האפשרות להשתמש בכלי AI לצמצום נטל התיעוד, ובו בזמן מזהירה מפני השלכותיו הארגוניות והאתיות של שימוש כזה. VanHara ו־Hage (2026), למשל, מעלים את האפשרות שחיסכון בזמן באמצעות תיעוד נתמך־AI יתורגם לדרישות תפוקה מוגברות, ולא בהכרח להקלה ממשית על העובדים. בהקשר הישראלי, Segal וחב׳ (2025) מצביעים על כך שהקוד האתי, החקיקה וההנחיות הקיימים מתייחסים באופן מצומצם לעבודה סוציאלית נתמכת־טכנולוגיה. מכאן שהטמעת AI מחייבת לבחון לא רק את יעילותו של הכלי, אלא גם את האופן שבו החיסכון בזמן מתורגם בפועל לציפיות תפוקה ולעומסי עבודה.

הכנסת כלי חיזוי אלגוריתמי למחלקת רווחה המתמודדת עם עומסי תיקים אינה משפרת את השירות מאליה, ובהיעדר תוספת משאבים היא עלולה ליצור מראית עין של פתרון. לפיכך, בטרם ייעשה שימוש בכלים כאלה בהחלטות בעלות השלכות על זכויות, על שירותים או על הקצאת משאבים, נדרשת בחינה אמפירית של תוקפם ושל הוגנותם בהקשר המקומי.

למעשה, ניתן לטעון כי הטכנולוגיה מציעה פתרון אלגנטי לבעיה שאינה טכנולוגית בעיקרה, אלא פוליטית, חברתית ותקציבית. Garrett (2026) מבקר את ההיגיון הניאו־ליברלי שבמסגרתו מחסור במשאבים ועומסי עבודה מוצגים כמציאות נתונה, בעוד כלי AI מוצעים כפתרון לייעול העבודה. באמצעות דימוי ה״קסם״ העובר לאורך מאמרו, הוא מצביע על האופן שבו השיח סביב AI עלול להעלים מן העין שאלות של קפיטליזם, ניאו־ליברליזם, משאבים ורווח. בהמשך לכך, קיים חשש כי העבודה הסוציאלית תידחק לעבר פרקטיקה ניהולית־טכנית, שבה שיקולים של יעילות ועיבוד מידע באים על חשבון ביקורת, רפלקציה ושיקול דעת מקצועי. מנקודת מבט של העבודה הסוציאלית, מגמה כזו עלולה לצמצם את תפקידו של העובד – ממפעיל שיקול דעת וסוכן שינוי חברתי למי שמיישם תהליכים והמלצות שמקורם במערכת.

עמדה ביקורתית זו אינה שקולה להסתייגות גורפת משימוש ב־AI. מן הספרות שנסקרה עולים גם תנאים שבהם הטכנולוגיה עשויה לתמוך בשיקול הדעת המקצועי ולשפר היבטים מסוימים של השירות. ההשוואה בין שיפוטיהם של עובדים סוציאליים לבין תפוקותיו של ChatGPT מצביעה על פוטנציאל לתמיכה בהערכה מקצועית, לצד מגבלותיו של הכלי בהבנת צרכים אנושיים מורכבים והקשרים חברתיים (Wilkins & Benett, 2026). בהתמודדות עם דילמות אתיות נמצא כי מודל שפה עשוי להרחיב את מרחב השיקולים ולהצביע על חובות מקצועיות מתנגשות (Segal, 2025). Natarajan וחב׳ (2025) מבחינים בין תצורות שילוב, ובהן תצורת ה־AI-in-the-loop, שבה סמכות ההחלטה נותרת בידי האדם וה־AI משמש כלי מסייע. בכיוון דומה מציעים Garkisch ו־Goldkind (2025) מודל של עבודה סוציאלית מוגברת־AI, המבקש לשלב את הטכנולוגיה בפרקטיקה תוך שמירה על ערכי המקצוע ועל מקומו של שיקול הדעת האנושי. בהקשר אחר, כלי תיעוד מבוססי AI עשויים לצמצם את נטל התיעוד ולפנות זמן רב יותר למגע ישיר עם מקבלי השירות, ובלבד שהחיסכון בזמן אינו מתורגם מאליו לדרישות תפוקה מוגברות (VanHara & Hage, 2026). התנאים העולים מן הספרות נוגעים אפוא לפיקוח אנושי על ההכרעה, להתאמה ולתיקוף של הכלי בהקשר המקומי, לשקיפות כלפי מקבל השירות ולהכשרתם של העובדים לשימוש מושכל בו.

לצד תרומתו, למאמר זה כמה מגבלות שיש להביא בחשבון. ראשית, המאמר מבוסס על סקירת ספרות נרטיבית בעלת אוריינטציה ביקורתית ולא על סקירה שיטתית. לפיכך, בחירת המקורות התבססה על שיקול דעת מושגי ועל רלוונטיות תיאורטית, ולא על פרוטוקול סדור של הכללה והדרה. בהתאם לכך, אין לראות בסקירה ייצוג ממצה של כלל הספרות הקיימת בתחום. שנית, לאור אופייה הפרשני של הסקירה, הסינתזה התמטית וזיהוי חמשת הצירים המרכזיים נערכו בידי חוקר יחיד, ללא קידוד כפול או בחינת מהימנות בין־שופטים. לפיכך, ייתכן שדגשים ופרשנויות חלופיים היו עולים בניתוח שנעשה בידי כמה חוקרים. שלישית, תחום הבינה המלאכותית מתפתח בקצב מהיר במיוחד, כך שמסגרות אתיות, רגולטוריות וממצאים אמפיריים עשויים להשתנות בתוך זמן קצר, והסקירה משקפת את מצב הידע במועד כתיבתה בלבד. רביעית, חלק ניכר מן הספרות שנדונה במאמר מבוסס על ניסיון שנצבר במדינות דוברות אנגלית, בעיקר בארצות הברית, שבהן מאפייני מערכת הרווחה, הרגולציה והתרבות המקצועית שונים מאלה הנהוגים בישראל. נוסף על כך, מאחר שכתבי עת מקצועיים בעברית מאונדקסים באופן חלקי בלבד במאגרים הבין־לאומיים, ייתכן שפרסומים מקומיים רלוונטיים נוספים לא אותרו. על כן, נדרשת זהירות בהכללת המסקנות ובהעברתן להקשר הישראלי, אף שהמאמר ביקש לעגן את הדיון במאפייניה הייחודיים של מערכת הרווחה המקומית. לבסוף, מאחר שהספרות האמפירית העוסקת בשילוב בינה מלאכותית בעבודה סוציאלית עודנה מצומצמת יחסית, נשען חלק מן הדיון על מסגרות מושגיות, מסמכי מדיניות וניתוחים נורמטיביים, ולא על עדויות אמפיריות ישירות. מגבלות אלו מדגישות את הצורך במחקרי שדה עתידיים שיבחנו באופן אמפירי את דפוסי השימוש בבינה מלאכותית בעבודה סוציאלית בישראל, את השלכותיהם האתיות ואת השפעתם על שיקול הדעת המקצועי ועל תוצאות ההתערבות.

מן הדיון עולה צורך לעדכן את קוד האתיקה המקצועי בישראל כך שיתייחס במפורש לשימוש ב־AI. במקביל, אוריינות AI צריכה להשתלב בתוכניות ההכשרה לעבודה סוציאלית, לצד פיתוח מנגנונים ארגוניים לפיקוח ולבחינה אתית של שימושים מקצועיים בטכנולוגיה, תוך התחשבות במאפייניה החברתיים והתרבותיים של החברה הישראלית. תרשים 2 מרכז עקרונות יישומיים מוצעים לאינטגרציה אתית של AI בשלושה צירי פעולה: רגולטורי־אתי, חינוכי וארגוני־מוסדי.

תרשים 2: מסגרת לאינטגרציה אתית של בינה מלאכותית בעבודה הסוציאלית הישראלית

אתגרים אלה אינם של העבודה הסוציאלית בלבד, אך למקצוע יש אחריות מיוחדת להיות שותף פעיל בעיצוב הכללים, הגבולות והערכים שינחו את הפיתוח והשימוש במערכות AI בשירותי הרווחה. לשם כך נדרש דיאלוג בין־תחומי מתמשך עם מדעני מחשב ונתונים, משפטנים ומעצבי מדיניות. הימנעות מן השיח הזה אינה עמדה ניטרלית: היא מותירה לאחרים את עיצובם של כלים שישפיעו על שיקול הדעת המקצועי, על זכויות מקבלי השירות ועל דמותו של המקצוע עצמו. הבחירה אינה עוד אם AI יעצב את העבודה הסוציאלית, אלא אם העבודה הסוציאלית תהיה שותפה בעיצובו – או תסתפק בהתאמה לכללים שמישהו אחר כתב עבורה. מכאן שהשאלה אינה רק כיצד להשתמש בטכנולוגיה באופן אחראי, אלא גם מי יקבע את הערכים, הגבולות והמטרות המוטמעים בה. אם העבודה הסוציאלית לא תהיה שותפה בעיצוב ה־AI שייכנס לשירותי הרווחה, היא עלולה לגלות בדיעבד שלא רק הכלים השתנו – אלא גם המקצוע עצמו.

רשימת המקורות

איגוד העובדים הסוציאליים. (2018). קוד האתיקה המקצועית של העובדים הסוציאליים בישראל. https://www.socialwork.org.il/prdFiles/%D7%A7%D7%95%D7%93-%D7%94%D7%90%D7%AA%D7%99%D7%A7%D7%94-%D7%94%D7%97%D7%93%D7%A9-2018.pdf

לב־ויזל, ר׳ (2021). ״רק על עצמי לצייר (לספר) ידעתי״. מידעו"ס, 96, 16–17.

מבקר המדינה. (2026). אתגרי המחלקות לשירותים חברתיים בעקבות מלחמת חרבות ברזל. בתוך דוח על הביקורת בשלטון המקומי. https://library.mevaker.gov.il/sites/DigitalLibrary/Pages/Reports/10572-8.aspx

סגל, מ׳ (2026). עבודה סוציאלית בעידן מודלי השפה הגדולים (LLMs) מבוססי בינה מלאכותית יוצרת: בין הזדמנות מקצועית לאחריות אתית. חברה ורווחה, מ"ו(2), 145–151.

תמיר, ס׳ (2020). בינה מלאכותית בשירותי ממשל: הטמעת מערכות לקבלת החלטות מבוססות־אלגוריתם בשירותי הרווחה. המכון הישראלי למדיניות טכנולוגיה.

Avnon, N., Kotliar, D. M., & Rivnai-Bahir, S. (2024). Contextualizing the ethics of algorithms: A socio-professional approach. New Media & Society, 26(10), 5962–5982. https://doi.org/10.1177/14614448221145728

Banks, S., Bertotti, T., Forlenza, D., Gemara, N., Reimer, E., Segal, M., Shears, J., Sobočan, A. M., Strom, K., Úriz, M. J., & Yamaguchi, M. (2025). Slow ethics in an age of fast technology: The ethical implications of Industry 4.0 for social work. Ethics and Social Welfare, 19(2), 137–155. https://doi.org/10.1080/17496535.2025.2512949

Diez, E. (2023). Artificial intelligence and social work: Contributions to an ethical artificial intelligence at the service of people. In A. López Peláez & G. Kirwan (Eds.), The Routledge international handbook of digital social work (pp. 368–381). Routledge.

Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin's Press.

Flaherty, H. B., & Krishnan, P. (2026). Refusing to fall behind: The ethical obligation to embrace AI in mental health social work. Journal of Evidence-Based Social Work, 23(1), 215–229. https://doi.org/10.1080/26408066.2025.2553018

Gallagher, A. (2020). Slow ethics and the art of care. Emerald Publishing.

Garkisch, M., & Goldkind, L. (2025). Considering a unified model of artificial intelligence enhanced social work: A systematic review. Journal of Human Rights and Social Work, 10(1), 23–42. https://doi.org/10.1007/s41134-024-00326-y

Garrett, P. M. (2026). 'Magic moments': AI and the 'disappearance' of social work ethics? The British Journal of Social Work, 56(1), 377–395. https://doi.org/10.1093/bjsw/bcaf230

Goldkind, L. (2021). Social work and artificial intelligence: Into the matrix. Social Work, 66(4), 372–374. https://doi.org/10.1093/sw/swab028

Goldkind, L., Wolf, L., Glennon, A., Rios, J., & Nissen, L. (2024). The end of the world as we know it? ChatGPT and social work. Social Work, 69(1), 103–105. https://doi.org/10.1093/sw/swad044

Grant, M. J., & Booth, A. (2009). A typology of reviews: An analysis of 14 review types and associated methodologies. Health Information & Libraries Journal, 26(2), 91–108. https://doi.org/10.1111/j.1471-1842.2009.00848.x

Hall, S. F., Sage, M., Scott, C. F., & Joseph, K. (2024). A systematic review of sophisticated predictive and prescriptive analytics in child welfare: Accuracy, equity, and bias. Child and Adolescent Social Work Journal, 41(6), 831–847. https://doi.org/10.1007/s10560-023-00931-2

Hodgson, D., Goldingay, S., Boddy, J., Nipperess, S., & Watts, L. (2022). Problematising artificial intelligence in social work education: Challenges, issues and possibilities. British Journal of Social Work, 52(4), 1878–1895. https://doi.org/10.1093/bjsw/bcab168

Iftikhar, Z., Xiao, A., Ransom, S., Huang, J., & Suresh, H. (2025). How LLM counselors violate ethical standards in mental health practice: A practitioner-informed framework. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8(2), 1311–1323. https://doi.org/10.1609/aies.v8i2.36632

Joiner, J. M. (2019). Digital ethics in social work education. Journal of Teaching in Social Work, 39(4–5), 361–373. https://doi.org/10.1080/08841233.2019.1654590

Keddell, E. (2019). Algorithmic justice in child protection: Statistical fairness, social justice and the implications for practice. Social Sciences, 8(10), 281. https://doi.org/10.3390/socsci8100281

López Peláez, A., & Kirwan, G. (Eds.). (2023). The Routledge international handbook of digital social work. Routledge.

Natarajan, S., Mathur, S., Sidheekh, S., Stammer, W., & Kersting, K. (2025). Human-in-the-loop or AI-in-the-loop? Automate or collaborate? Proceedings of the AAAI Conference on Artificial Intelligence, 39(27), 28594–28600. https://doi.org/10.1609/aaai.v39i27.35083

National Association of Social Workers. (2021). Code of ethics of the National Association of Social Workers. https://www.socialworkers.org/About/Ethics/Code-of-Ethics

National Association of Social Workers, Association of Social Work Boards, Council on Social Work Education, & Clinical Social Work Association. (2017). NASW, ASWB, CSWE, & CSWA standards for technology in social work practice. National Association of Social Workers.

O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.

Pascoe, K. M. (2023). Considerations for integrating technology into social work practice: A content analysis of nine professional social work associations' codes of ethics. International Social Work, 66(2), 298–312. https://doi.org/10.1177/0020872820980833

Polanyi, M. (2009). The tacit dimension. University of Chicago Press. (Original work published 1966).

Ravalier, J. M., Wegrzynek, P., Mitchell, A., McGowan, J., McFadden, P., & Bald, C. (2023). A rapid review of reflective supervision in social work. British Journal of Social Work, 53(4), 1945–1962. https://doi.org/10.1093/bjsw/bcac223

Reamer, F. G. (2023a). Artificial intelligence in social work: Emerging ethical issues. International Journal of Social Work Values and Ethics, 20(2), 52–71. https://doi.org/10.55521/10-020-205

Reamer, F. G. (2023b). Ethical practice in a post-Roe world: A guide for social workers. Social Work, 68(2), 150–158. https://doi.org/10.1093/sw/swad004

Rodriguez, M. Y., Goldkind, L., Victor, B. G., Hiltz, B., & Perron, B. E. (2024). Introducing generative artificial intelligence into the MSW curriculum: A proposal for the 2029 educational policy and accreditation standards. Journal of Social Work Education, 60(2), 174–182. https://doi.org/10.1080/10437797.2024.2340931

Saxena, D., & Guha, S. (2024). Algorithmic harms in child welfare: Uncertainties in practice, organization, and street-level decision-making. ACM Journal on Responsible Computing, 1(1), 1–32. https://doi.org/10.1145/3616473

Segal, M. (2025). Confronting and managing ethical dilemmas in social work using ChatGPT. European Journal of Social Work, 28(1), 155–167. https://doi.org/10.1080/13691457.2024.2377786

Segal, M., Lens, O., & Gur, A. (2025). Perspectives on social work in the digital age. Ethics and Social Welfare, 19(4), 380–398. https://doi.org/10.1080/17496535.2025.2517104

Thomas, J., & Harden, A. (2008). Methods for the thematic synthesis of qualitative research in systematic reviews. BMC Medical Research Methodology, 8(1), 45. https://doi.org/10.1186/1471-2288-8-45

Turkle, S. (2024). Who do we become when we talk to machines? An MIT Exploration of Generative AI. https://doi.org/10.21428/e4baedd9.caa10d84

VanHara, A., & Hage, D. (2026). Unintended ramifications of AI-assisted documentation: Navigating pragmatic and ethical clinical social work workload challenges. Journal of Evidence-Based Social Work, 23(1), 64–77. https://doi.org/10.1080/26408066.2025.2571439

Wilkins, D., & Benett, V. (2026). Making accurate judgements in child welfare: Comparing ChatGPT with qualified social workers. Child & Family Social Work, 31(2), 703–712. https://doi.org/10.1111/cfs.13304

***

ד"ר פליקס קפלן – בית הספר לעבודה סוציאלית, המכללה האקדמית צפת; חבר ועדת האתיקה, איגוד העובדים הסוציאליים בישראל. felixk@zefat.ac.il