פתיחה
הסצנה הבאה מבוססת על מקרים אמיתיים, שנדונו בספרות המחקרית, אך הדמות והפרטים המתוארים בה בדיוניים לחלוטין.
יום שלישי בבוקר, מחלקת הרווחה ביישוב ערבי במשולש. אישה בשנות ה־40 לחייה נכנסת ובידה שקית ניילון מלאה במסמכים: מכתבים מהמוסד לביטוח הלאומי, טפסים ממשרדי ממשלה (שנשלחו בעברית בלבד), אישור רפואי שתוקפו פג לפני חודשיים. היא אינה יודעת שהיא זכאית גם להנחה בארנונה, היא לא סיפרה לשכנות שבאה לכאן. פנייה למחלקת הרווחה עדיין נתפסת בסביבתה כחשיפה של ענייני המשפחה לזרים, כהודאה בכך שלא מסתדרים עצמאית.
העובדת הסוציאלית, המנהלת 120 תיקים, מקדישה לה חצי שעה. רוב הזמן מוקדש לפענוח הטפסים, לזיהוי הזכויות הרלוונטיות ולתרגום – לא רק מעברית לערבית, אלא מהשפה הביורוקרטית לשפה שאפשר להבין. אילו עמד לרשותה כלי שהיה מבצע את התהליכים האלה במקומה, היא הייתה יכולה להתפנות להקשבה.
התרחיש ממחיש חסמים מרכזיים המובילים לתופעה מתועדת: אי־מיצוי זכויות חברתיות־כלכליות בקרב האוכלוסייה הערבית בישראל; תופעה "המתפרסת על פני יריעה רחבה ביותר, וחולשת על מגוון תחומי חיים" (הרן ואח', 2025). דוחות עדכניים מצביעים על פערי מיצוי מתמשכים: כך, למשל, בבדיקה שערך משרד מבקר המדינה בשישה יישובים ערביים, נמצא כי בממוצע כ־60% מהאזרחים שנמצאו כבעלי פוטנציאל לזכאות למענק עבודה לא הגישו תביעה, גם לאחר קבלת מכתב יידוע, לעומת 47% בכלל האוכלוסייה (מבקר המדינה, 2020). במקביל, תחנות שירות ייעוץ לאזרח (שי"ל) "נעדרות כליל ברשויות הערביות" (מבקר המדינה, 2021), וקיים פער מבני עמוק בנגישות לשירותים ובהיקף ההוצאה למטופל לעומת רשויות חזקות (גל ואח', 2017).
במאמר זה אטען שתי טענות מרכזיות:
ראשית, שילוב בינה מלאכותית בשירותי הרווחה בחברה הערבית אינו יכול להסתכם בייעול תהליכים ביורוקרטיים בלבד. כדי שהטכנולוגיה תשמש כלי אמיתי לצמצום פערים, עליה להיות מכוונת ישירות לפירוק שלושת החסמים הייחודיים המונעים מיצוי זכויות: החסם הלשוני־תרבותי, הפער הדיגיטלי, וחסם הסטיגמה.
שנית, פתרונות טכנולוגיים גנריים או מתורגמים אינם מספיקים ועלולים אף להעמיק את ההדרה. יישום אחראי ואותנטי מחייב פיתוח מראש בשפה הערבית, שמירה על פרטיות מחמירה, והשארת שיקול הדעת המלא בידי העובדות והעובדים הסוציאליים בשטח, כך שהמערכת תתמוך בעשייה המקצועית ולא תחליף אותה.
מה מונע מיצוי זכויות בחברה הערבית?
הדיון בחסמים חשוב כאן, משום שבינה מלאכותית רלוונטית רק אם היא פותרת בפועל את צווארי הבקבוק: מאפשרת הנגשה לשונית, ניווט דיגיטלי פשוט והפחתת חסמי פנייה וסטיגמה.
החסמים למיצוי זכויות בחברה הערבית מתועדים היטב, ושלושה מהם רלוונטיים במיוחד לדיון הנוכחי.
הראשון – לשוני־תרבותי. מסמכי מידע וטפסים של רשויות המדינה מנוסחים בעברית ובשפה משפטית מורכבת שאינה נהירה לאדם מן היישוב (בניש ודוד, 2018, ע' 409). גם כאשר קיים תרגום לערבית, הוא אינו מבטיח הבנה. הנגשת מידע על זכויות דורשת לא רק תרגום אלא פישוט של הניסוח, התאמתו להקשר המקומי, ולעיתים העברתו בעל פה באמצעות גורם מתווך אנושי. בראיונות שנערכו עם אנשי מקצוע בשטח עלה כי "הקושי השפתי־תרבותי, המועצם לנוכח הנוסחים המשפטיים הסבוכים", נותר חסם מרכזי למיצוי זכויות בקרב האוכלוסייה הערבית (הרן ואח׳, 2025).
השני – הפער הדיגיטלי. מחקר שפורסם ב־2021, על בסיס נתונים מ־2015, מצא כי 87% מהאוכלוסייה הערבית גילאי 64-25 חסרו מיומנויות דיגיטליות בסיסיות. אף שהנתון אינו מתאר בהכרח את המצב כיום, הוא ממחיש את עומק הפער בנקודת המוצא (Axelrad et al., 2021). לפי דוח מ־2025, למעלה מרבע ממשתמשי האינטרנט בחברה הערבית מסתמכים על הטלפון הנייד כאמצעי העיקרי לגישה לאינטרנט (Makhoul, 2025), ושירותים ממשלתיים אינם תמיד נגישים בערבית (מבקר המדינה, 2020). לכן, מי שזקוק לשירותים הדיגיטליים עלול להתקשות להשתמש בהם.
השלישי – החסם התפיסתי (סטיגמה). פנייה למחלקת רווחה נושאת סטיגמה אישית וחברתית, "במיוחד במצבים רגישים כמו מצוקה כלכלית" (הרן ואח׳, 2025). מן המחקר עולה כי קיימת "תפיסה מכתימה ולפיה מיצוי זכויות הוא מנת חלקם של אנשים עניים החיים בשולי החברה". חסם זה חריף במיוחד מאחר שפנייה לגורם חיצוני עלולה להיתפס כחשיפה של ענייני המשפחה – דינמיקה שתוארה גם בהקשר של חסמים לטיפול נפשי בחברה הערבית (Al-Krenawi & Graham, 2000).
שלושת החסמים הללו – הלשוני־תרבותי, הדיגיטלי והתפיסתי – אינם פועלים בנפרד זה מזה ואינם משפיעים על כולם באותה מידה. מחקר בקרב משפחות החיות בעוני בישראל מצא כי משפחות ערביות חד־הוריות התמודדו עם שילוב של פגיעוּת כלכלית, תמיכה חברתית מצומצמת ונגישות נמוכה למידע על זכויות (Weiss-Dagan, 2023).
מכל הנאמר לעיל עולה שכלי בינה מלאכותית המיועד לרשויות ערביות אינו יכול להסתפק בייעול העבודה המנהלית; עליו לסייע גם בהסרת חסמי השפה, הנגישות והפנייה – שאם לא כן הוא עלול לשפר את עבודת המערכת בלי לשפר את יכולתם של הפונים לממש את זכויותיהם.
השאלה אם כן אינה רק אם לשלב בינה מלאכותית בשירותי הרווחה בחברה הערבית, אלא באילו תנאים ניתן לעשות זאת באופן שיצמצם פערים ולא ישכפל אותם.
לא די לתרגם: תפקידה הראוי של הבינה המלאכותית
בבדיקה שיטתית של 56 אתרי תוכנית הסיוע ברכישת מזון למשפחות מעוטות הכנסה בארצות הברית, רק 11 אתרים הציעו צ׳אטבוט ורק ארבעה מאותם צ׳אטבוטים תמכו בספרדית. גם כאשר הוצעה ספרדית, חלק מהכלים התקשו להבחין בין ניסוחים שונים של שאלות, לא הבינו שאלות בסיסיות בספרדית ולעיתים הפנו משתמשים לעמודים באנגלית בלבד (Salas et al., 2025). הממצא ממחיש כי עצם האפשרות לבחור שפה אינה מבטיחה שירות נגיש ושווה באותה שפה.
האתגר מורכב במיוחד בשפה הערבית, שבה קיים פער בין הערבית הספרותית, המשמשת בטקסטים רשמיים, לבין הערבית המדוברת בחיי היום־יום. מחקר שבחן תשעה מודלי שפה בשמונה ניבים של ערבית מדוברת מצא כי המודלים הבינו ערבית מדוברת טוב יותר מכפי שהצליחו להפיק אותה, וכי כאשר לא השיבו בניב המבוקש – הם נטו להשיב בערבית ספרותית (Robinson et al., 2025). לכן, לא די שהמערכת תציג ממשק בערבית; עליה להבין שאלות כפי שפונים ועובדים סוציאליים מנסחים אותן בפועל ולהשיב בערבית ברורה, טבעית ומובנת. כלי שמבין רק ניסוחים רשמיים או משיב בערבית ספרותית מורכבת עלול לשחזר את החסם הלשוני שהוא נועד להסיר.
הלקח לרשויות ערביות בישראל הוא שהמערכת צריכה להיבנות יחד עם מי שישתמשו בה: עובדות ועובדים סוציאליים המכירים את השפה ואת מציאות העבודה, ופונים שיכולים לבדוק אם ההסברים מובנים ושימושיים. ההתאמה צריכה לכלול את סוג הערבית המתאים לקהל היעד, את אופן ניסוח השאלות, את פישוט השפה הבירוקרטית ואת המעבר הברור ממידע ראשוני לליווי מקצועי. הבדיקה צריכה גם לבחון אם נדרשים ערוצי שימוש שונים, כגון מענה קולי בערבית עבור פונים המתקשים בקריאה או בשימוש בטקסט דיגיטלי.
הצורך בכלי המותאם לשפה הערבית ולהקשר התרבותי אינו מבטל את החששות מעצם הכנסת הבינה המלאכותית למחלקת הרווחה. השימוש בה עלול לעודד הסתמכות יתר על תשובות המערכת, לטשטש את האחריות כאשר המידע שגוי ולדחוק את הקשר האנושי לטובת יעילות טכנולוגית. לכך מצטרף הסיכון ל״הזיות״ – תשובות שגויות או מומצאות המוצגות בניסוח משכנע. מחקר שבחן מודלי שפה במשימות משפטיות מצא כי הם עלולים להפיק תשובות שאינן תואמות לעובדות, ואף להתקשות לזהות את טעויותיהם (Dahl et al., 2024). חששות אלה אינם מחייבים להימנע מן הטכנולוגיה, אך מחייבים לתחום את תפקידה: כלי התומך בעבודה המקצועית אינו מחליף אותה, ופועל תחת בקרה אנושית מלאה.
מהו, אם כן, תפקידה הראוי של הבינה המלאכותית במחלקת רווחה ברשות ערבית? תפקידה אינו להחליף את העובדת או העובד הסוציאלי, אלא לפנות זמן לעבודתם המקצועית: לפשט טפסים ומכתבים, להסביר מידע ביורוקרטי בערבית ברורה ולארגן מידע על זכויות באופן נגיש. כך ניתן להפחית את הזמן המוקדש לחיפוש מידע ולניסוח הסברים, ולהותיר יותר זמן להקשבה, לבניית אמון ולליווי.
המערכת יכולה גם להצביע באופן ראשוני על זכויות העשויות להיות רלוונטיות למקרה, אך היא אינה קובעת זכאות ואינה מקבלת החלטה מקצועית. העיקרון צריך להיות ברור: הבינה המלאכותית מציעה – והעובדת או העובד הסוציאלי בודקים את המידע, משלימים את ההקשר ומכריעים.
לכן, ההצעה במאמר דעה זה אינה לעודד שימוש פרטי בכלים מסחריים חינמיים, אלא לבחון פיילוט מוסדי ומפוקח ברשויות ערביות, בסביבה ארגונית מאושרת ותחת בקרה אנושית. מטרתו תהיה לבדוק אם הכלי מסייע בהנגשת מידע ובפינוי זמן מקצועי – בלי לקבוע זכאות אוטומטית, לפגוע בפרטיות או להעמיק את הפערים שהוא נועד לצמצם.
תנאים ליישום אחראי
לשילוב אחראי של כלי בינה מלאכותית במחלקות רווחה ברשויות ערביות נדרשים שלושה תנאי סף: שער כניסה אנונימי, הגנת פרטיות מחמירה ובדיקה מדורגת לפני שימוש במקרים אמיתיים.
התנאי הראשון הוא שער כניסה אנונימי להפחתת חשש וסטיגמה. הפונה יוכל לשאול שאלות ראשוניות בערבית בלי למסור שם ומספר תעודת זהות ובלי לפתוח תיק. מעבר לליווי מזוהה ייעשה רק בהסכמת הפונה, והוא יחליט אם להעביר מידע מן השיחה לעובדת או לעובד הסוציאלי. השיחה לא תשמש ליצירת פרופיל מתמשך.
שער כניסה אנונימי עשוי להפחית חסמים של חוסר אמון, נורמות חברתיות וחשש מחשיפה. פונים מהחברה הערבית עשויים להעדיף פנייה אנונימית ובשפתם (Weiss-Dagan, 2023), ובהקשר אחר נמצא כי אנונימיות אפשרה שיתוף פתוח יותר וללא חשש משיפוט (Konya et al., 2025). אין בכך הוכחה שאנונימיות תגדיל את הפנייה לשירותי רווחה, אך יש בכך הצדקה לבחון שער כזה בפיילוט.
התנאי השני הוא הגנת פרטיות מחמירה. גם שיחה אנונימית על זכויות עשויה לכלול פרטים אישיים ורגישים. לכן יש לאסוף רק מידע הדרוש למענה, להגדיר מה נשמר ולכמה זמן, להגביל גישה ולאסור שימוש בשיחות לצרכים אחרים או לאימון המודל. בשלב הראשון לא תתבצע הצלבה אוטומטית עם מאגרים ממשלתיים ולא יתקבלו החלטות על בסיס מידע כזה. בחברה שבה חשש מחשיפה עלול לעכב פנייה לעזרה, הגנות ברורות על פרטיות ואנונימיות הן תנאי בסיסי לאמון במערכת.
התנאי השלישי הוא יישום מדורג המבוסס על סימולציות. לפני שימוש במקרים אמיתיים, צוות ייעודי, בשיתוף עובדות ועובדים סוציאליים דוברי ערבית, יבדוק את הכלי בסביבה מאושרת באמצעות תרחישים מדומים, שאינם מבוססים על פונים או על תיקים אמיתיים. הבדיקה תיעשה בכפוף לכללי האתיקה, לחובת הסודיות ולמדיניות הארגונית, ותבחן משימות כגון פישוט טפסים, הסבר מכתבים והנגשת מידע על זכויות. היא תשווה את זמני הביצוע – עם הכלי ובלעדיו – ותבחן אם ההסברים בערבית מדויקים, ברורים ומתאימים להקשר. תוצאה חיובית תהיה הוכחת היתכנות ראשונית בלבד ותצדיק מעבר לפיילוט מוסדי בכלי ייעודי, מאובטח ומפוקח.
להיות מוכנים כשהטכנולוגיה נכנסת
ככל שכלי בינה מלאכותית ישתלבו בשירותי הרווחה, השאלה המרכזית לא תהיה רק מה הם מסוגלים לעשות, אלא עבור מי הם מתוכננים ובאיזו שפה. כלי המיועד למחלקות רווחה ברשויות ערביות אינו יכול להסתפק בתרגום של ממשק קיים; עליו להיבנות עם עובדות ועובדים סוציאליים ועם פונים מן החברה הערבית, להבין את האופן שבו הם משתמשים בערבית בפועל ולהסביר מידע ביורוקרטי בשפה ברורה, טבעית ומובנת. אחרת, הוא עלול לשחזר את החסם הלשוני שהוא נועד לצמצם.
העובדת הסוציאלית שהוצגה בפתיחה אינה זקוקה למערכת שתחליט במקומה; היא זקוקה לכלי שיסייע לה לפשט טפסים ומכתבים, לארגן מידע ולהצביע על זכויות העשויות להיות רלוונטיות לאישה שיושבת מולה. הבינה המלאכותית יכולה להציע ולהסביר, אך העובדת הסוציאלית היא זו שבודקת את המידע, משלימה את ההקשר ומכריעה.
אם כלי כזה יפותח יחד עם מי שישתמשו בו, ייבחן בהדרגה וישמור בקפדנות על פרטיות הפונים, הוא עשוי לפנות זמן למה שהטכנולוגיה אינה יכולה להחליף: הקשבה, בניית אמון וליווי מקצועי. כך, כשהאישה הערבייה מן הפתיחה תגיע למחלקת הרווחה עם שקית המסמכים שלה – הערבית לא תהיה שכבה שנוספה למערכת בדיעבד, אלא השפה שבה המערכת תוכננה להבין ולסייע מלכתחילה.
הצהרת שימוש בבינה מלאכותית
במהלך עריכת המאמר נעשה שימוש ב־Microsoft Copilot ככלי מסייע לבחינת חלופות ניסוח, לשיפור הבהירות והמבנה, לבדיקת עקביות בין גרסאות, לאיתור כפילויות, לסיוע בהשוואת הטענות למקורות שסופקו ולהתאמת רשימת המקורות לכללי APA 7. הכלי סייע גם בהכנת גרסה המציגה את השינויים שבוצעו. כל ההחלטות בנוגע לתוכן, לפרשנות, לבחירת המקורות ולנוסח הסופי התקבלו בידי המחבר. המקורות נבדקו מול המסמכים המקוריים או מול פרסומים רשמיים, והמחבר נושא באחריות מלאה לדיוקו ולתוכנו של המאמר.
רשימת המקורות
בניש, א', ודוד, ל' (2018). זכות הגישה למנהל במדינת הרווחה: על (אי־)מיצוי זכויות חברתיות וחובת ההנגשה של החקיקה החברתית. משפט וממשל, י"ט(2-1), 395-427. http://law.haifa.ac.il/images/lawGov/Vol19/Avishai%20Benish_Liron%20David
גל, ג׳, מדהלה, ש׳, ובלייך, ח׳ (2017). תקצוב שירותי הרווחה ברשויות המקומיות. בתוך א׳ וייס (עורך), דוח מצב המדינה: חברה, כלכלה ומדיניות 2017 (עמ׳ 176-148). מרכז טאוב לחקר המדיניות החברתית בישראל. https://www.taubcenter.org.il/research/תקצוב-שירותי-הרווחה-ברשויות-המקומיות/
הרן, ד׳, חאג׳ עלי, א׳, ואייל, י׳ (2025). מיצוי זכויות חברתיות־כלכליות בקרב האוכלוסייה הערבית בישראל: בחינה מקדימה לגיבוש מחקר יישומי (נייר עבודה). מכון מאיירס־ג׳וינט־ברוקדייל.
משרד מבקר המדינה ונציבות תלונות הציבור. (2020). דוח שנתי 71א: יישום תוכנית מענק עבודה ברשות המיסים – מעקב מורחב. https://library.mevaker.gov.il/sites/DigitalLibrary/Pages/Reports/3831-10.aspx
משרד מבקר המדינה ונציבות תלונות הציבור. (2021). דוח שנתי 72א: אי־מיצוי של זכויות חברתיות – ביקורת מעקב. https://library.mevaker.gov.il/sites/DigitalLibrary/Pages/Reports/7302-13.aspx
Al-Krenawi, A., & Graham, J. R. (2000). Culturally sensitive social work practice with Arab clients in mental health settings. Health & Social Work, 25(1), 9–22. https://doi.org/10.1093/hsw/25.1.9
Axelrad, H., Matar, H., & Tehawkho, M. (2021). The digital challenge facing Israeli Arab society (Policy Paper 2021.05). Aaron Institute for Economic Policy, Reichman University. https://www.runi.ac.il/media/adtj5514/the_digital_challenge_facing_israeli_arab_society.pdf
Dahl, M., Magesh, V., Suzgun, M., & Ho, D. E. (2024). Large legal fictions: Profiling legal hallucinations in large language models. Journal of Legal Analysis, 16(1), 64–93. https://doi.org/10.1093/jla/laae003
Konya, A., Thorburn, L., Almasri, W., Leshem, O. A., Procaccia, A. D., Schirch, L., & Bakker M. A. (2025). Using collective dialogues and AI to find common ground between Israeli and Palestinian peacebuilders. In Proceedings of the 2025 ACM Conference on Fairness Accountability, and Transparency (pp. 312–333). Association for Computing Machinery. https://doi.org/10.1145/3715275.3732022
Makhoul, H. (2025). Digital divide: Discrimination in digital infrastructure against Palestinian citizens in Israel. 7amleh – The Arab Center for the Advancement of Social Media. https://7amleh.org/storage/2025/Digital%20Divide2403.pdf
Robinson, N. R., Abdelmoneim, S., Marchisio, K., & Ruder, S. (2025). AL-QASIDA: Analyzing LLM quality and accuracy systematically in dialectal Arabic. In Findings of the Association for Computational Linguistics: ACL 2025 (pp. 22048–22065). Association for Computational Linguistics. https://doi.org/10.18653/v1/2025.findings-acl.1137
Salas, M. J., Rivera, Y., & Singh, V. K. (2025). Invisible barriers: Chatbots, language, and access to SNAP information. Proceedings of the Association for Information Science and Technology, 62(1), 1661–1663. https://doi.org/10.1002/pra2.1500
Weiss-Dagan, S. (2023). Intersectionality, agency and take-up of benefits among families living in poverty. Social Policy & Administration, 57(7), 1072–1088. https://doi.org/10.1111/spol.12921
***
גיא גרימלנד – סטודנט בתוכנית לתואר שני בעבודה סוציאלית לבעלי תארים אחרים, אוניברסיטת בר־אילן. grimland@gmail.com