צוות: מכללת בר-אוריין תאריך: 28.2.2026

התחזיות הקודרות של בנק ישראל משנת 2025 הופכות לנגד עינינו למציאות של שנת 2026. הנתונים מדברים על מסה קריטית: כ-21% מהמגזר הפרטי ו-15% מהמגזר הציבורי עוברים טרנספורמציה מבוססת AI. המשמעות המצטברת היא דרמטית – כ-800,000 עובדים בישראל עומדים בפני שינוי הגדרת תפקידם או אובדן מקום עבודתם עם הטמעת הכלים האוטונומיים.

למרות התחזית הזו, המשק הישראלי מפגין חוסן מפתיע עם שיעור תעסוקה יציב של כ-79% וקרוב ל-150,000 משרות פנויות. הפער הזה חושף את האמת המורכבת: הבעיה היא לא מחסור בעבודה, אלא מחסור בכישורים. לפי חברת הייעוץ הבינלאומית מקינזי, הבינה המלאכותית עתידה לייצר בין 8 ל-12 מיליון משרות חדשות ברחבי העולם בתחומי ניהול הנתונים, האתיקה והפיתוח. השאלה היא כבר לא מי יוחלף, אלא אילו מקצועות ישתנו ומי ידע להוביל את השינוי הזה.

מנהלים, לא מופעלים: האתגר של המגזר הציבורי ופורשי צה"ל

עבור מנהלים במשרדי ממשלה ופורשי מערכות הביטחון, שנת 2026 מציבה הזדמנות היסטורית. אלו אנשים שניהלו מערכות ענק, תקציבי עתק וכוח אדם מורכב. הידע הארגוני שצברו הוא נכס אסטרטגי, אך בעידן ה-AI, ניסיון לבדו כבר אינו מספיק.

מקצועות כמו חשבות שכר או ניהול דרג ביניים הופכים למקצועות "משלימי AI". מנהל שלא ידע לרתום את הבינה המלאכותית ככלי עבודה אינטגרלי, ימצא את עצמו מחוץ למשחק. כאן נכנס לתמונה המודל של ד"ר ענת קלומל-צוייג: היכולת לקחת את הניסיון הפיקודי והניהולי ולתרגם אותו לשפה של מינוף משאבים ותנופה עסקית.

המודל של ד"ר קלומל-צוייג: תשתית לצמיחה במערכות גדולות

במכללת בר-אוריין, אנו מלמדים את המנהלים הללו להפוך את הידע הארגוני שלהם ליתרון טכנולוגי. מודל ה-"0 הפתעות" אינו רק כלי למניעת תקלות, אלא תשתית לצמיחה המאפשרת למנהל במשרד ממשלתי או לפורש צבא בכיר לבנות ארכיטקטורה ארגונית חכמה.

היועצים האסטרטגיים המוכשרים במכללה לומדים כיצד:

• למנף את הידע המערכתי: שימוש ב-AI כדי לייעל תהליכים בירוקרטיים מורכבים ולהפוך אותם למנועי צמיחה.
• להוביל את ה-PRO Index: שימוש במדדים המוזהבים של בר-אוריין כדי לבחון את האפקטיביות הארגונית בעידן החדש.
• ניהול אתיקה ונתונים: כפי שחזתה מקינזי, אלו התפקידים החדשים שישלטו בשוק, והיועצים שלנו הם הראשונים לאייש אותם.

ההזמנה שלכם לשולחן מקבלי ההחלטות

הטרנספורמציה הארגונית להטמעת AI דורשת יד מכוונת, מקצועית ואסטרטגית. היועצים של מכללת בר-אוריין אינם רק "מומחי טכנולוגיה" – הם מנהיגים עסקיים שיודעים לקחת ארגון שקפא על שמריו ולהזניק אותו קדימה.

עבור פורשי מערכת הביטחון ומנהלי המגזר הציבורי, הקורס במכללה הוא הגשר בין הניסיון של האתמול לבין הניהול של המחר. בעידן שבו תפקידי ניהול פשוט לא יוכלו להתקיים ללא בינה מלאכותית, אנחנו מעניקים לכם את הכלים לא רק לשרוד את המהפכה – אלא להוביל אותה.

מכיסא המנהל לכורסת היועץ: ההזדמנות הגדולה של 2026

הפרדוקס של מנהלים בכירים, פורשי צה"ל ובכירי המגזר הציבורי, הוא שלעיתים הניסיון העצום שלהם נבלם אל מול בירוקרטיה ארגונית או מבנים מיושנים. כאן בדיוק טמונה ההזדמנות ההיסטורית שמביאה איתה שנת 2026: המעבר מסטטוס של "מנהל מערכת" לסטטוס של יועץ עסקי ואסטרטגי מבוסס AI.

ארגונים המתמודדים כיום עם משבר הטמעת הבינה המלאכותית אינם זקוקים לעוד מנהל תפעולי בשרשרת הפיקוד; הם משוועים לאוטוריטה מקצועית – יועץ פנימי או חיצוני – שיודע להסתכל על המערכת ממעוף הציפור. הם מחפשים אדם שיודע לקחת את הידע הארגוני המצטבר, לזהות את צווארי הבקבוק, ולתפור חליפת AI מותאמת אישית שתייצר תנופה עסקית וייעול משאבים.

הזינוק לקריירה הבאה: להיות אדריכלי השינוי

ההכשרה במכללת בר-אוריין אינה עוד קורס טכנולוגי ללימוד פקודות מחשב, אלא טרנספורמציה מקצועית שלמה. היא לוקחת את הניסיון העשיר בניהול משברים, בתכנון ארוך טווח ובהנעת עובדים, ויוצקת אותו לתוך מתודולוגיה של ייעוץ אסטרטגי חדשני.

כאשר מנהלים עושים את ההסבה והופכים ליועצים המוסמכים לפעול על פי מדד ה-PRO של בר-אוריין (מבחן 4 הזהב), הם רוכשים את היכולת לפרק כל מערכת מורכבת לגורמים. הם לומדים היכן ה-AI יכול להחליף תהליכים שוחקים, וכיצד לבנות בארגון תשתית ניהולית של "0 הפתעות". במקום להיות אלו שמקבלים מלמעלה הנחיות על צמצום כוח אדם, הם הופכים למובילי הטרנספורמציה – היועצים שיושבים בחדרי הדירקטוריון ומשרטטים את מפת הדרכים של הארגון בעידן החדש.

הבינה המלאכותית לא נועדה להחליף מנהלים בעלי שיעור קומה, היא נועדה לתת להם את הכלים להפוך ליועצי-על. מי שישכיל לעשות את המעבר הזה כעת, ימצא את עצמו בחזית הכלכלה של 2026, כשהוא מנווט את הספינה הארגונית בבטחה, ומייצר לעצמו וללקוחותיו יתרון תחרותי חסר תקדים.

לא עוד מנוי ל-AI, אלא אסטרטגיית ליבה ופיתוח מוצרים חדשים

הטעות הנפוצה והיקרה ביותר של מנכ"לים כיום היא המחשבה שהטמעת בינה מלאכותית מסתכמת ברכישת מנויים לכלי AI עבור מחלקה ספציפית או קבוצת עובדים נבחרת. תפיסה זו, המתייחסת לבינה המלאכותית כאל "כלי עבודה" משודרג ותו לא, משאירה את הארגון הרחק מאחור. התוכנית להכשרת יועצים אסטרטגיים במכללת בר-אוריין מבוססת על פרדיגמה שונה לחלוטין: בינה מלאכותית חייבת להיות מנוהלת כאסטרטגיה ארגונית שלמה.

הרעיון המרכזי מאחורי ההכשרה הוא בניית אסטרטגיית הטמעה שורשית הבוחנת כיצד הבינה המלאכותית משתלבת בכל רובד של העסק. היועץ האסטרטגי, החמוש במדד ה-PRO של בר-אוריין, לומד כיצד למפות את המשאבים הקיימים (הון אנושי, תקציבים, דאטה), לייעל אותם, והכי חשוב – למנף אותם לרמות חדשות של רווחיות והשפעה.

אך החזון אינו עוצר בהתייעלות ושימור הקיים. המעבר האמיתי מתפיסה של "הישרדות" במודל של 0 הפתעות לתפיסה של "תנופה עסקית", מתבטא ביצירתיות. היועצים האסטרטגיים, בוגרי מכללת בר-אוריין, מוכשרים להוביל את הארגון ליזמות פנים-ארגונית: בנייה ופיתוח של מוצרים ושירותים חדשים המבוססים הלכה למעשה על בינה מלאכותית, אשר משתלבים באופן אורגני עם סל המוצרים או השירותים הקיים של החברה.

במקום שהבינה המלאכותית רק תסייע לעובד לנסח מסמך או לנתח טבלת אקסל מהר יותר, היא הופכת למנוע שמייצר הצעת ערך חדשה, חוויית לקוח פורצת דרך, ואפיקי הכנסה שעליהם הארגון לא יכול היה לחלום קודם לכן. זהו המעבר מחשיבה טקטית של לחצני מצוקה, לחשיבה אסטרטגית של הובלת השוק.

הכירו את ה"צבא" החדש שלכם: כך נראה ייעוץ אסטרטגי ב-2026

היום כבר לא צריך "לזכור" מודלים. צריך לדעת איך להפעיל אותם – ומהר.

האתגר הגדול של יועצים ומנהלים בכירים היום הוא המעבר בין התיאוריה למעשה. איך לוקחים מודל מורכב, מחברים אותו לנתוני הביג דאטה של הארגון ומפיקים תובנה עסקית תוך דקות, ולא תוך שבועות?

המציאות הדיגיטלית טסה קדימה, וארגונים זקוקים ליועצים שיודעים לשלב בין חשיבה אסטרטגית, כלים מבוססי AI, ויכולת הובלת שינוי אמיתי.

מכללת בר-אוריין פורצת דרך ומזמינה אתכם להפוך מ"יועצים" ל"ארכיטקטים אסטרטגיים".

זהו מסלול הכשרה ייחודי המשלב את הכלים המתקדמים ביותר:

🚀 מודל '0 הפתעות' למינוף עסקי: מתודולוגיה ייחודית המבוססת על מחקריה של ד"ר ענת קלומל-צוייג. המודל מחבר בין מידענות תוצאתית (Consequential Information), מודיעין תחרותי ואסטרטגיית נתונים כדי לצמצם את אי-הוודאות בקבלת החלטות – ולהביא את מדד ההפתעה העסקית לאפס.

⚔️ "צבא" של 5 סוכני AIייעודיים (GPTs) מוכנים לעבודה: במסגרת ההכשרה, תקבלו גישה וליווי אישי ביישום פרוטוקול של 5 עוזרים וירטואליים שיעבדו עבורכם:

• סוכן ה-RADAR: לזיהוי טרנדים ואיומים עתידיים.
• סוכן ה-DATA: לאיתור פערי ידע קריטיים וסינון רעשים.
• סוכן ה-RISK: להרצת סימולציות של תרחישי קיצון.
• סוכן ה-DNA: לניתוח התרבות הארגונית וכיול התפיסה הניהולית.
• סוכן ה-ARCHITECT: לבניית Roadmap דינמי המסתגל לשינויים בזמן אמת.

זהו רישיון הפעלה למערך בינה מלאכותית מתקדם שהופך אתכם ל"ארכיטקטים של קבלת החלטות".

למי זה מתאים? מנכ"לים, סמנכ"לים, דוקטורים, ויועצים אסטרטגיים השואפים להוביל בשנת 2026, להטמיע AI הלכה למעשה, ולמנף את הארגון לצמיחה מואצת.

הרכבת הדיגיטלית טסה קדימה. אל תישארו בתחנה.

📈 אם אתם רוצים לייעץ אחרת – תחשבו תוצאה. לפרטים מלאים והרשמה > 

https://did.li/STRATEGY-PLAN

#ייעוץאסטרטגי #מודל0הפתעות #מינוףעסקי #AIבעסקים #ענת_קלומל_צוייג #הכשרהאסטרטגית #ניהולידע #חשיבהמבוססתדאטה #מידענותתוצאתית #מכללת_בר_אוריין

מאת: מערכת מכללת בר-אוריין

כולנו מרגישים את זה. פעם מידען היה צריך לדעת "איך למצוא". היום גוגל ו-AI מוצאים הכל בשנייה. פעם איש משרד היה צריך "לתייק ולנהל". היום הכל אוטומטי. אז איפה אנחנו בתוך כל זה?

הבעיה: המחשב חכם, אבל הוא לא חי בשטח

הבינה המלאכותית עברה דרך ארוכה. היא התחילה ביכולת לזהות תמונות, עברה ליכולת לכתוב לנו טקסטים (כמו ChatGPT), ועכשיו היא מגיעה לשלב הכי חשוב: השלב שבו היא צריכה להבין את העולם האמיתי.

מנכ"ל Nvidia קורא לזה "בינה פיזיקלית". במילים פשוטות? זה השלב שבו המחשב צריך להבין לא רק מילים, אלא איך דברים עובדים באמת – במפעל, באתר בנייה או בניהול מלאי של חנות. הוא קורא לזה רובוטיקה, אבל עבורנו זה אומר דבר אחד: הערך שלנו עובר מהמסך אל השטח.

העולם עובר מהפכה שאינה מסתכמת עוד ב"צ'אט" חכם. ג'נסן הואנג, מנכ"ל Nvidia, הציג לאחרונה בפורום Hill & Valley את מפת הדרכים של הבינה המלאכותית. 

הוא שרטט את האבולוציה המרתקת של ה – AI: 

מבינה תפיסתית (Perception) ויוצרת (Generative), דרך בינה חושבת (Reasoning) ועד ליעד הסופי – בינה מלאכותית פיזיקלית. זהו הגל שבו ה-AI לומד את חוקי הפיזיקה, הסיבתיות והמרחב כדי להניע את עולם הרובוטיקה והתשתיות.

כשה-AI מבינה פיזיקה, היא יכולה להפעיל רובוטים, לנהל מחסנים חכמים, לתכנן תשתיות חשמל ולשלוט במפעלים שלמים.

הבנת האבולוציה הזו היא המפתח להבנת מסלול ההכשרה המקצועי שאנו מובילים במכללת בר-אוריין.

📈 שלוש המדרגות: האבולוציה של ה-AI לפי Nvidia

לדברי הואנג, הבינה המלאכותית התפתחה בשלושה גלים מרכזיים, כשהרביעי כבר כאן:

1. בינה מלאכותית תפיסתית (Perception AI): הגל הראשון עסק ביכולת של המכונה "לראות" ולזהות – זיהוי פנים, אובייקטים ותבניות פשוטות.
2. בינה מלאכותית יוצרת (Generative AI): הגל שפרץ לחיינו לאחרונה. היכולת ליצור תוכן חדש (טקסט, תמונה, קוד) על בסיס מידע קיים.
3. בינה מלאכותית חושבת (Reasoning AI): זהו הגל הנוכחי. AI שמסוגל להבין הקשרים עמוקים, לפתור בעיות מורכבות ולהסיק מסקנות במצבים חדשים שלא נתקל בהם בעבר.
4. בינה מלאכותית פיזיקלית (Physical AI): זהו העתיד המיידי. AI שמבין את חוקי הפיזיקה, הסיבתיות והמרחב. כשה-Reasoning AI נכנס לתוך אובייקט פיזי, אנו מקבלים רובוטיקה מתקדמת המנהלת מפעלים, תשתיות וערים חכמות.

בעוד העולם הטכנולוגי מנסה להבין את ההשלכות, ד"ר ענת קלומל-צוייג, מייסדת מכללת בר-אוריין, כבר מציעה את המתודולוגיה היישומית לניהול המהפכה הזו דרך מודל המערכות המורכבות המסתגלות.

🏛️ החיבור למודל בר-אוריין: הכשרה למערכות מורכבות

במכללת בר-אוריין, תחת הסלוגן "AI כבר כאן ולכולם", אנו לא רק עוקבים אחרי הגלים הללו – אנו בונים את כוח האדם שינווט בהם. המודל של ד"ר ענת קלומל-צוייג לניהול "מערכות מורכבות מסתגלות לשינויים" הוא המענה הישיר לאבולוציה זו:

🔍 ממידענות לייעוץ אסטרטגי

בעבר, התמקדה ד"ר קלומל-צוייג בבינה מלאכותית ככלי עזר במידענות – היכולת לאתר, לזקק ולנהל מידע (מקביל ל-Perception AI). היום, עם המעבר ל-Reasoning ו-Physical AI, המיקוד עובר לייעוץ אסטרטגי.

איך זה מתחבר להכשרה המקצועית?

• הבנת הסיבתיות: בדיוק כפי שה-Physical AI חייב להבין "סיבה ותוצאה" בשטח הפיזי, היועץ האסטרטגי של בר-אוריין לומד לזהות סיבה ותוצאה במערכות ארגוניות מורכבות.
• קביעות האובייקט בניהול: הואנג מדבר על הבנה שהאובייקט קיים גם כשאינו נראה. במודל המכללה, זהו ניהול המידע ה"סמוי" מהעין – זיהוי מגמות שוק ואיומים אסטרטגיים לפני שהם הופכים למציאות מוחשית.
• הסתגלות לשינויים: אם ה-AI הופך לפיזי (רובוטים, מפעלים חכמים), המנהלים והיועצים חייבים לדעת לנהל סביבות עבודה דינמיות. המודל של ד"ר ענת מלמד איך לבנות אסטרטגיה גמישה שאינה נשברת כשהפיזיקה של השוק משתנה.

💡 השורה התחתונה לאנשי המקצוע

האבולוציה של ה-AI דורשת מאיתנו לעבור מ"מבצעים" ל"מתכננים". הקורסים במכללת בר-אוריין – ממידענות ודאטה ועד ניהול Tech Office וייעוץ אסטרטגי – מעניקים לכם את הReasoning (ההיגיון) שמאחורי ה-AI.

אנחנו לא רק מלמדים אתכם להשתמש ב-AI; אנחנו מכשירים אתכם להיות אלו שמנהלים את המערכות המורכבות שבהן ה-AI הפיזיקלי פועל.

מתודולוגיית העבודה של היועץ: המודל של ד"ר ענת קלומל-צוייג בפעולה

אבולוציית ה-AI והמענה המידעני-אסטרטגי

המעבר לבינה פיזיקלית דורש מאנשי המקצוע להפסיק להיות "מפעילים" ולהפוך ל"יועצים אסטרטגיים". השילוב בין החזון של Nvidia למודלים של ד"ר קלומל-צוייג יוצר את פרוטוקול העבודה החדש: היועץ האסטרטגי בשיטת בר-אוריין אינו מסתמך על תחושות בטן, אלא על תהליך מובנה ומדעי של זיהוי הזדמנויות והובלה לצמיחה. כך זה נראה שלב אחר שלב:

שלב א': מבט החוצה – מידענות אנליסטית ותוצאתית

לפני שמתחילים תהליכי ייעוץ לחברה, היועץ פועל כ"סורק שטח". באמצעות מידענות אנליסטית הוא בוחן את המגמות העולמיות (כמו גלי ה-AI שתיאר מנכ"ל Nvidia).

מה עושים? משתמשים במודל מידענות תוצאתית כדי להבין אילו שינויים חיצוניים – טכנולוגיים, כלכליים או רגולטוריים – עומדים להשפיע על העסק. זהו "מד שינוי השינויים" שמאפשר לנו לצפות את הנולד.

בפרקטיקה שלב האבחון הוא תהליכי מידענות אנליסטית ותוצאתית

לפי המודל של ד"ר ענת, הייעוץ מתחיל ב"מבט החוצה". היועץ משתמש במידענות תוצאתית כדי לסרוק את השינויים לפי מודל "מד שינוי השינויים".

הקשר ל-Physical AI: כדי לייעץ לחברה המקימה תשתיות או משתמשת ברובוטיקה, עלינו להבין את המגמות החיצוניות (רגולציה, אנרגיה, טכנולוגיה) עוד לפני שהן משפיעות על העסק.

שלב ב': מבט פנימה – צלילה לדאטה הארגוני

אחרי שהבנו מה קורה בחוץ, היועץ בודק את ה"מערכת החיסונית" והמשאבים של החברה.

מה עושים? ניתוח מעמיק של הדאטה הפנים-ארגונית. אנחנו בוחנים את המידע והידע שנצבר בארגון (מהמכירות ועד לתהליכי העבודה בשטח) כדי לזהות חוזקות ופערים.

בפרקטיקה ניתוח דאטה פנים-ארגוני (על ידי כלים כמו אקסל Power Query , Power BI , SQL , פייתון ועוד) ויצירת דשבורדים שמציגים את הדאטה באופן ויזואלי ומאפשרים למקבלי החלטות להבין את הדאטה ולפעול באופן מהיר ותואם למציאות האמיתית. 

לאחר הבנת המגמות, היועץ צולל אל המידע והידע הקיים בתוך הארגון.

היישום: זיהוי הנכסים הדיגיטליים והפיזיים של החברה. יועץ בשיטת בר-אוריין בונה את הקשר שבין הדאטה במשרד לבין הפעילות בשטח, ובכך מטמיע את "קביעות האובייקט" הניהולית – היכולת לנהל משאבים גם כשהם סמויים מן העין.

שלב ג': ניתוח ויצירת האסטרטגיה

זהו השלב שבו המידע הופך לכוח. היועץ משתמש במודלים של חשיבה יצירתית, עסקית ואסטרטגית כדי לחבר את הנקודות.

מה עושים? מעבדים את כל הנתונים שנאספו (מהחוץ ומהפנים) כדי לבנות מפת דרכים לצמיחה. היועץ מגדיר איך החברה יכולה להשתמש בבינה המלאכותית הפיזיקלית כדי לייעל את עצמה ולהוביל את השוק שלה.

בפרקטיקה מבצעים את האנליזה של המידע  והדאטה (שלב הפיצוח: שילוב של חשיבה יצירתית ואסטרטגית) ומקבלים החלטות אסטרטגיות. 

כאן מתרחש המעבר ל-Reasoning AI (בינה חושבת). היועץ משתמש במודלים ייחודיים לחשיבה עסקית כדי לחבר את מגמות השוק עם יכולות הארגון.

הפריצה של ד"ר ענת: בניית מפת דרכים לצמיחה שאינה מבוססת רק על אוטומציה, אלא על יצירת ערך חדש וזיהוי הזדמנויות בשוק ההון ובתשתיות.

שלב ד': הובלה לצמיחה (מערכת מסתגלת)

היועץ לא רק מגיש דוח, הוא מוביל את החברה לשינוי בפועל. מה עושים? הטמעת המסקנות בשטח, הדרכת הצוות והפיכת הארגון למערכת מורכבת מסתגלת. כך, החברה הופכת לישות חיה שיודעת לצמוח מתוך השינויים של עידן ה-AI ולא רק לשרוד אותם.

תהליכי הייעוץ האסטרטגי בעידן ה AI הפיזיקלי 

דבריו של מנכ"ל Nvidia מאששים את מה שד"ר ענת קלומל-צוייג מקדמת מזה שנים: ה-AI הוא לא המטרה, הוא הכלי. בעולם שבו הבינה הופכת לפיזיקלית, הצורך ביועצים אסטרטגיים שיודעים לנתח מידע במודלים של מערכות מורכבות הוא קריטי מתמיד. כשעולם הטכנולוגיה פוגש את העולם האמיתי, נוצרת "מערכת מורכבת". זה נשמע מפוצץ, אבל זה בסך הכל אומר שהכל קשור בהכל: השוק משתנה, המחירים קופצים, הטכנולוגיה מתעדכנת – והעסק צריך להמשיך לעבוד.

הפתרון של ד"ר ענת קלומל-צוייג מבוסס על שלושה צעדים פשוטים:

1. מידענות תוצאתית (להבין מה קורה בחוץ): אנחנו כבר לא רק מחפשים מידע. אנחנו בודקים אילו שינויים בחוץ הולכים להשפיע על העסק שלנו מחר. אנחנו ה"גשש" של הארגון.
2. דאטה פנים-ארגוני (להבין מה קורה בפנים): אנחנו בודקים מה יש לנו בידיים – איזה ידע ואיזה מידע נצבר אצלנו בחברה, כדי שלא נצטרך להמציא את הגלגל בכל פעם מחדש.
3. אסטרטגיה של צמיחה (לחבר את הנקודות): כאן אנחנו משתמשים בראש שלנו (ובעזרת AI) כדי להחליט: איך המידע מהחוץ והמידע מהפנים עוזרים לנו לגדול?

מכללת בר-אוריין, תחת הנהגתה, היא המוסד היחיד שמחבר בין האבולוציה הטכנולוגית לבין היישום האסטרטגי בשטח – תחת הסלוגן המחייב: "AI כבר כאן ולכולם".

מאת: ד"ר ענת קלומל-צוייג, מנכ"לית מכללת בר-אוריין.

המהפכה השקטה: איך אוטומציה ב-No Code משנה את עולם העבודה המקצועי

בעולם העסקי הדינמי של ימינו, היכולת לייעל תהליכים ולחסוך זמן היא מפתח להצלחה. במשך שנים, אוטומציה של תהליכים עסקיים נתפסה כפרויקט יקר ומורכב שדורש מומחיות של מפתחים. אולם, מהפכת ה-No Code (ללא קוד) שינתה את כללי המשחק, והפכה את האוטומציה לכלי נגיש לכל איש מקצוע.

מאמר זה, המוגש כחלק מפיתוח ההכשרות במכללת בר-אוריין, נועד להציג את הפוטנציאל העצום של אוטומציה בגישת ה-No Code עבור אנשי מקצוע ממגוון תחומים.

מהי אוטומציה בגישת No Code?

בעוד שגישת ה-No Code מאפשרת ליצור מגוון רחב של פתרונות (אתרים, אפליקציות, וכדומה), אחד השימושים החשובים והמשפיעים ביותר שלה הוא בתחום האוטומציה. אוטומציה ב-No Code פירושה יצירת תהליכים המבוצעים באופן אוטומטי על ידי מחשב, ללא צורך בהתערבות אנושית. כלי אוטומציה כמו Zapier ו-Make מאפשרים לחבר בין יישומים שונים (לדוגמה, מערכת CRM, גיליונות נתונים, שיווק במייל), וליצור תהליכי עבודה המבוססים על לוגיקה פשוטה.

לדוגמה, ניתן ליצור אוטומציה שתשלח מייל אוטומטי ללקוח חדש ברגע שפרטיו נוספו לגיליון אלקטרוני, או אוטומציה שתוסיף את פרטי נרשם חדש מאתר האינטרנט ישירות לרשימת התפוצה. כל זאת, באמצעות ממשק ויזואלי של "גרור ושחרר" וללא כתיבת שורת קוד אחת.

היתרונות המרכזיים לאנשי מקצוע

• ייעול תהליכים עסקיים: משימות שגרתיות וחוזרות על עצמן, כמו הזנת נתונים, שליחת מיילים וניהול פרויקטים, גוזלות זמן רב. באמצעות אוטומציה, ניתן לפנות זמן יקר ולמקד את האנרגיה בפעילויות אסטרטגיות ובעלות ערך גבוה יותר.
• העצמה מקצועית: אנשי שיווק, מנהלי פרויקטים, מנהלי תפעול ואנשי כספים יכולים כעת לבנות פתרונות שמותאמים בדיוק לצרכים שלהם, מבלי להיות תלויים במחלקת הפיתוח.
• האצת החדשנות: היכולת לבנות ולבדוק רעיונות במהירות, ללא מחסומים טכניים, מאפשרת לארגונים להיות גמישים ומהירים יותר בתגובה לשינויים בשוק. כלי אוטומציה מהווים מנוע צמיחה שקט אך עוצמתי.

הדיגיטציה של המשרד: מנהלי משרד ומערך הכלים החכם של עולם ה-No Code

בעידן שבו יעילות ומהירות הן קריטיות, תפקיד מנהל המשרד עובר מהפך. הוא כבר לא מתמקד רק בניהול שוטף, אלא הופך למנהל תפעול דיגיטלי, שמטרתו לייעל תהליכים ולשפר את הפרודוקטיביות. כאן נכנס לתמונה עולם ה-No Code (ללא קוד), המציע מגוון פתרונות פרקטיים ופשוטים שכל מנהל משרד חייב להכיר.

הטמעת דיגיטציה וכלים חכמים לא מצריכה ממנהלי המשרד להפוך למומחים טכנולוגיים או ללמוד תכנות. המטרה היא פשוט לדעת מתי ואיזה כלי לבחור כדי לפתור בעיה ספציפית, ובכך להפוך את העבודה לפשוטה ויעילה יותר.

ארבעה תרחישים מרכזיים ופתרונות ה-No Code המתאימים להם

כדי להבין את הקשר בין הכלים השונים לניהול משרד, נתייחס לכמה דוגמאות יומיומיות:

1. ניהול המידע: נתונים הם ליבת העסק. איך שומרים, מעבדים ומציגים אותם בצורה יעילה?
   • הבעיה: מידע מפוזר בטבלאות שונות, קשה למצוא נתונים ספציפיים ואין תצוגה ברורה.
   • הפתרון: Airtable או Coda. כלים אלו מאפשרים ליצור בסיס נתונים ויזואלי במקום טבלאות פשוטות. אפשר לבנות לוחות בקרה, לעקוב אחר משימות, ולראות נתונים בצורה מסודרת וברורה. מנהל המשרד יכול להפוך את רשימת הלקוחות או את מעקב ההוצאות למערכת חכמה ומקושרת.
2. אוטומציה של תהליכים: איך מצמצמים משימות ידניות שחוזרות על עצמן?
   • הבעיה: שליחת מיילים ידנית לאחר פגישה, הזנת נתונים מכרטיסי ביקור לגיליון אלקטרוני, או שליחת הודעות תזכורת באופן קבוע.
   • הפתרון: Zapier או Make. אלה הם כלי האוטומציה המרכזיים. מנהל המשרד צריך לדעת לזהות תהליך שחוזר על עצמו ולשאול: "האם אוטומציה יכולה לעשות את זה עבורי?". לדוגמה, באמצעות Zapier, אפשר ליצור "זאפ" (Zap) פשוט שיעביר אוטומטית פרטי נרשמים מטופס אינטרנטי ישירות ל-Airtable, ויחסוך את הזנת הנתונים הידנית.
3. ניהול משימות ופרויקטים: איך עוקבים אחר משימות של הצוות ומבטיחים שכל המטלות מתבצעות בזמן?
   • הבעיה: משימות מפוזרות במיילים, קשה לעקוב אחר התקדמות ולוודא עמידה בלוחות זמנים.
   • הפתרון: ClickUp או Notion. כלים אלו הם מערכות לניהול פרויקטים ומידע. מנהל משרד שמכיר אותם יכול לבנות לוחות משימות, להגדיר אחראים, ולראות במבט אחד את התמונה המלאה של כל פרויקט או משימה במשרד.
4. יצירת קשרים ותיאום: איך מקלים על תהליך קביעת פגישות ומפגשים?
   • הבעיה: תכתובות ארוכות במייל לקביעת פגישה, חוסר סנכרון עם היומן של אנשי הצוות.
   • הפתרון: Calendly. כלי זה פותר את כאב הראש הזה במחי יד. מנהל משרד יכול להשתמש בו כדי לשלוח קישור לקביעת פגישה, המחובר ישירות ליומן, וכך הפגישה נכנסת אוטומטית ללא צורך במיילים מיותרים.

מנהל משרד מודרני לא חייב להיות בעל ידע בתכנות, אבל הוא חייב להיות בעל ידע אסטרטגי בתחום הכלים הדיגיטליים. הכרת היכולות של כל כלי והיכולת לשלב ביניהם היא המיומנות החדשה שמשנה את תפקיד ניהול המשרד.

מעוניינים ללמוד עוד על שילוב כלים אלו בניהול המשרד? מכללת בר-אוריין מציעה קורסים מקצועיים שיעניקו לכם את הידע והכלים הנחוצים, לדוגמה,קורס Tech Office.

מעבר ל"גרור-ושחרר": הקשר בין No Code לניתוח נתונים

בעוד שכלי ה-No Code מאפשרים לנו לבנות בקלות את הממשק והאוטומציה, המהפכה האמיתית מתרחשת בתוכן ובמידע שנמצא בבסיסם. כאן, המעבר לכלי Low-Code וניתוח נתונים הוא הכרחי. מכללת בר-אוריין מכירה בכך שכדי להפוך למנהיגי העתיד, עליכם לא רק ליצור אלא גם לנתח. לכן, אנו משלבים במסלולי ההכשרה שלנו כלים כמו אקסל ו-Power BI. כלים אלו אינם עוד רק גיליונות אלקטרוניים או כלי ויזואליזציה פשוטים; הם נדבכים קריטיים בהכנת התשתית לבינה מלאכותית ולקבלת החלטות מבוססת נתונים. הם מאפשרים לאנשי המקצוע להפוך נתונים גולמיים לתובנות אסטרטגיות, לחזות מגמות ולבנות לוחות מחוונים שיקלו על קבלת החלטות מושכלות. השליטה במידע, החל מאיתורו במאגרי מידע מקצועיים במסגרת קורס מידענות ומחקר מודיעין, וכלה בניתוחו, היא המיומנות הבסיסית שמאפשרת לאוטומציה וליישומי ה-No Code לפעול בצורה חכמה ויעילה.

מה ההבדל בין No Code ל-Low Code?

בעוד שמהפכת ה-No Code מאפשרת לכל אחד לבנות אפליקציות ואוטומציות שלמות, חשוב להבחין בין הכלים השונים באקו-סיסטם הדיגיטלי. ההבדל המרכזי נעוץ בייעודם.

כלים כמו Bubble, Webflow ו-Zapier הם כלי No Code קלאסיים. מטרתם העיקרית היא בניית מוצר דיגיטלי שלם מאפס באופן ויזואלי, ללא צורך לכתוב שורת קוד אחת. הם מחליפים את הצורך במפתח תוכנה עבור בניית אתר אינטרנט או יישום מורכב.

לעומתם, כלים כמו אקסל ו-Power BI אינם נחשבים לכלי No Code במובן זה, אלא ממוקמים על ציר ה-Low-Code / No-Code. ייעודם המרכזי הוא ניתוח נתונים, עיבודם וייצוגם החזותי. הם מאפשרים למשתמשים שאינם מפתחים לבצע משימות מורכבות, ובתחומים רבים הם פועלים ללא צורך בקוד כלל (כמו בניית דוחות Pivot Table באקסל או לוחות מחוונים ב-Power BI). יחד עם זאת, כאשר עוברים לרמת מורכבות גבוהה יותר, נדרש שימוש בנוסחאות מתקדמות (כמו DAX ב-Power BI) או תסריטים (כמו VBA באקסל), שהם למעשה שפות תכנות ייעודיות.

לכן, למרות שהם אינם כלי No Code במובן של בניית יישומים, אקסל ו-Power BI הם בהחלט חלק מרכזי מהתנועה הרחבה יותר של "העצמת אנשי מקצוע שאינם מפתחים". הם מאפשרים למשתמשים לבצע משימות טכנולוגיות בעלות ערך גבוה, ללא תלות במפתחים מקצועיים, ובכך מחזקים את היכולת של ארגונים לקבל החלטות מבוססות נתונים.

השלב הבא באבולוציה הדיגיטלית: הפיכת מידע לידע

כיום, כלים טכנולוגיים כמו No Code ו-Low-Code מעניקים לכל איש מקצוע את היכולת לבנות, לאוטמט ולייעל תהליכים בעצמו. הם מאפשרים הקמת תשתית דיגיטלית מהירה – החל מאפליקציות פשוטות ועד אוטומציות מורכבות – והופכים רעיונות למציאות טכנולוגית ללא צורך בידע בתכנות.

אולם, השליטה בכלים אלו היא רק חלק מהמסע. ההתקדמות האמיתית היא ביכולת להפוך נתונים שנאספים מהמערכות הללו לתובנות אסטרטגיות. כאן, המקצוען החדש הוא מי ששולט בניתוח מידע. הוא מבין כיצד להשתמש בכלי ניתוח נתונים כגון אקסל ו-Power BI כדי לחלץ תובנות משמעותיות, לזהות מגמות ולבנות לוחות מחוונים שתומכים בקבלת החלטות מושכלת.

שילוב המיומנויות האלו – היכולת לבנות (No Code), לנתח (נתונים) ולתרגם (לייעוץ אסטרטגי) – הוא המפתח לתפקיד החדש של מידען ויועץ אסטרטגי לדיגיטציה ארגונית. מקצוענים אלו, המיומנים באיתור מידע ובניתוחו, מכינים את הקרקע להטמעה יעילה של בינה מלאכותית (AI). הם האחראים להבטיח שהנתונים עליהם ה-AI מתבסס הם מדויקים ואיכותיים, וכך מאפשרים לארגונים לבנות מודלים חכמים ולנווט בהצלחה בסביבה העסקית המשתנה במהירות.

זהו תפקיד העתיד – לא רק יוצר או מפתח, אלא מי שמעצב את תהליכי קבלת ההחלטות בעידן החדש.

מאת: ד"ר ענת קלומל-צוייג, מייסדת ומנהלת, מכללת בר-אוריין למקצועות המידע, הדאטה ובינה מלאכותית.

"הבינה המלאכותית כבר כאן – ולכולם!" – סלוגן שקבענו במכללת בר-אוריין לפני שנים, וכיום הוא רלוונטי יותר מתמיד. לא רק שהוא רלוונטי, הוא מהדהד בעוצמה בכל פינה בעולם, ובישראל בפרט, שבה החדשנות היא נר לרגלינו. אירועי השנה האחרונה, לצד התובנות מדו"חות בינלאומיים כמו "עתיד המשרות 2025" (Future of Jobs Report 2025) של הפורום הכלכלי העולמי (World Economic Forum), מאירים באור חדש את האופן שבו עלינו להסתכל על שוק העבודה, על הכשרות מקצועיות, ועל הפוטנציאל האנושי.

כחוקרת ומובילת אקדמיה בתחום המידע, הדאטה וה-AI, אני עוקבת באדיקות אחר המגמות העולמיות, ומבחינה בניצנים שלהן כאן, בשוק העבודה הישראלי התוסס. הדו"ח האחרון של הפורום הכלכלי העולמי מה-8 בינואר 2025 מצביע על נתון דרמטי: 39% מהכישורים המרכזיים הנדרשים בשוק העבודה העולמי צפויים להשתנות עד שנת 2030. זהו אינו איום, אלא קריאת השכמה. אמנם מדובר בירידה קלה מ-44% בשנת 2023, אך ירידה זו אינה מעידה על האטה, אלא דווקא על התבגרות השוק והיכולת של ארגונים – ושל מערכות הכשרה – לצפות טוב יותר את העתיד ולנהל באופן אקטיבי את השינוי באמצעות תוכניות למידה מתמשכות, שדרוג מיומנויות (Upskilling) והסבת מיומנויות (Reskilling).

המגמות המעצבות את הנוף הישראלי – ואיך נשגשג בו?

1. הטכנולוגיה חודרת לכל פינה – ובייחוד AI ודאטה: הדוח מבהיר: כישורים טכנולוגיים מטפסים במהירות. בינה מלאכותית ונתוני עתק (Big Data) נמצאים בראש סדר העדיפויות, ואחריהם רשתות, אבטחת סייבר ואוריינות טכנולוגית. אצלנו בישראל, עם אומת הסטארט-אפ וצבא הקבע שלה, אנו רואים את זה בבירור: AI אינה נחלתם של מפתחים בלבד. היא כלי עזר עבור מנהלי שיווק המנתחים קמפיינים, עבור רואי חשבון המייעלים דוחות, עבור אנשי משאבי אנוש המבצעים גיוס חכם, ואפילו עבור אנשי רפואה המשתמשים בה לאבחון מוקדם. היכולת להבין את הלוגיקה של AI, לדעת כיצד לשלב כלים מבוססי AI בזרימות עבודה, ולהפיק מהם תובנות, היא היום מיומנות חובה.
2. היתרון האנושי: היצירתיות, הגמישות והחוסן הישראלי: לצד הדרישות הטכנולוגיות, הדו"ח מחזק את מה שחקרתי רבות ואנו רואים יום-יום בחברה הישראלית – חשיבותם של הכישורים האנושיים. חשיבה יצירתית וחוסן, גמישות וזריזות, יחד עם סקרנות ולמידה לכל החיים, עולים בחשיבותם. זוהי בדיוק ה"חוצפה" הישראלית, היכולת שלנו לאלתר, למצוא פתרונות יצירתיים תחת לחץ, ולא לוותר. אלו הכישורים שיבדילו אותנו בעידן שבו רובוטים ו-AI יבצעו משימות טכניות. היכולת שלנו לחדש, להתאושש ממשברים, ולהישאר פתוחים ללמידה – היא קריטית מאין כמוה.
3. מנהיגות, השפעה חברתית וניהול סביבתי: את עשרת הכישורים המובילים משלימים מנהיגות והשפעה חברתית, ניהול כישרונות, חשיבה אנליטית וניהול סביבתי. אלו אינם רק "מילות באזז", אלא ביטוי לצורך של חברות וארגונים לאנשים שיכולים להוביל צוותים (אנושיים ודיגיטליים כאחד), למשוך ולפתח את הכישרונות הטובים ביותר, לקבל החלטות מבוססות נתונים תוך התחשבות בהקשרים רחבים, ולפעול באחריות סביבתית וחברתית.

מכללת בר-אוריין: המפתח להצלחה בעידן החדש

במכללת בר-אוריין, אנו רואים את הנתונים הללו לא רק כניתוח, אלא כמפת דרכים עבורנו. אנו מבינים שעובדים בעלי כישורים משולבים – טכנולוגיים ואנושיים – הם אלו שישגשגו. זו הסיבה שאנו משקיעים רבות בתוכניות הכשרה פורצות דרך, המעוצבות במיוחד כדי להתאים את כוח העבודה הישראלי לדרישות המשתנות של העתיד.

אנו משלבים את ה-AI בכל קורס, לא ככלי נפרד, אלא כחלק בלתי נפרד מהמקצוע:

• קורסי דאטה אנליסט ודאטה סיינס: אנו מלמדים לא רק איך לנתח נתונים, אלא איך לעשות זאת עם כלי AI מתקדמים, איך לפתח מודלי למידת מכונה, ואיך להפיק תובנות עסקיות משנות משחק באמצעות AI.
• הכשרות No-Code/Low-Code: זהו המהפך האמיתי עבור רבים. אנו מכשירים "אזרחים מפתחים" (Citizen Developers) מכל רקע, כולל בוגרי מדעי הרוח והחברה, לבנות יישומים ואוטומציות מתקדמים ללא כתיבת קוד. הם לומדים לחשוב לוגית, לפתור בעיות, ולייצר ערך טכנולוגי ישיר – מיומנויות שהופכות אותם לבעלי ערך עצום בארגונים.
• קורסי ניהול פרויקטים וחדשנות טכנולוגית: משלבים את הבנת כלי ה-AI והדאטה עם פיתוח כישורי מנהיגות, גמישות, וניהול צוותים הטרוגניים בעידן מהיר שינויים.
• אבטחת מידע וסייבר: קורסים אלו משלבים את הידע בטכנולוגיות הגנה עם הבנה מעמיקה של האיומים החדשים שמביאה איתה ה-AI, וכיצד להתמודד איתם באופן אסטרטגי (בתהליכי פיתוח במכללת בר-אוריין).

הליבה של הגישה שלנו: היא למידה מתמשכת. אנו מטמיעים בסטודנטים שלנו לא רק ידע וכלים, אלא גם את הסקרנות והרעב ללמוד ולהתפתח כל הזמן. אנו מעניקים להם את השילוב המנצח: "שילוב נכון של מיומנויות טכניות ואנושיות" – כפי שמציין דו"ח הפורום הכלכלי העולמי.

 אל תחכו – תתחילו ללמוד היום!

העולם משתנה, והוא משתנה במהירות. עסקים משקיעים יותר ויותר בתוכניות שדרוג והסבה של עובדיהם. הגיע הזמן שכל אחד ואחת מאיתנו ניקח אחריות על עתידנו המקצועי. אל תתנו לשינוי להפתיע אתכם. הצטרפו למכללת בר-אוריין, ובואו נכין את עצמנו, יחד, לעתיד שבו נוכל לא רק לשרוד, אלא לשגשג.

כי כאמור, הבינה המלאכותית כבר כאן – ולכולם! במכללת בר-אוריין, אנו נדאג שתדעו איך לנצל אותה בצורה הטובה ביותר.

הכשרות מקצועיות בעידן ה-AI: הזדמנות ישראלית לצמיחה אישית ולאומית

אחרי שהבנו את רוח השינוי והאתגרים שמציב שוק העבודה העתידי – הן במישור הטכנולוגי והן במישור האנושי – עולה השאלה המעשית: איך מתמודדים? איך הופכים את האתגר להזדמנות? התשובה טמונה בהשקעה חכמה ומושכלת בהכשרה מקצועית, כזו שרואה את התמונה המלאה של העתיד.

במכללת בר-אוריין, אנו לא רק מנתחים מגמות – אנו יוצרים פתרונות. תוכניות הלימוד שלנו עוצבו בקפידה, תוך התבססות על הניתוח המעמיק של דוחות גלובליים ועל מחקרים ספציפיים שערכתי על צרכי השוק הישראלי. אנו מכשירים את הדור הבא של מובילי דאטה, AI וידע, תוך הטמעת הגישה ש"הבינה המלאכותית כבר כאן – ולכולם!".

הקורסים החדשניים שנדרשים בשוק העבודה למגוון תפקידים בעידן ה-AI:

הכשרותינו במכללת בר-אוריין משלבות באופן טבעי את כלי ה-AI המתקדמים כחלק בלתי נפרד מהתפתחות המקצועות. אנו גאים שהקורסים שלנו מוכרים על ידי משרד העבודה (סמל מוסד: 48900), מה שמאפשר לרבים להצטרף למהפכה. אנו מתמקדים בהקניית כישורים פרקטיים וחדשניים שיעניקו לבוגרים שלנו מקפצה אמיתית לקריירה:

• יזמות עסקית (מגמה 8133): מעבר לכלים הקלאסיים להקמה וניהול עסק, אנו משלבים את ה-AI בתהליכי מיתוג, ניתוח שוק, שיווק ממוקד ותמחור חכם. הקורס הופך רעיון לעסק משגשג, ומצייד את היזמים בכלים דיגיטליים מתקדמים.
• ניהול השיווק (מגמה 8150): קורס עוצמתי המעניק שליטה מלאה בשיווק דיגיטלי מודרני, תוך התמקדות בכלי אוטומציה מבוססי AI, שימוש בבינה מלאכותית ליצירת תוכן וניתוח קמפיינים, עיצוב גרפי חכם וניהול מדיה יעיל. מתאים לתפקידי ניהול מדיה, שיווק דיגיטלי, פרילנסרים ובעלי עסקים המבקשים להיות בחזית הטכנולוגית.
• Tech Office (מגמה 4080): בעידן הדיגיטלי, גם עבודת המשרד דורשת מיומנויות חדשות. הקורס מלמד ניהול דיגיטלי של משרדים, הטמעה של בינה מלאכותית, לימוד כלי NO CODE מגוונים, אוטומציות, לומדים איך מחפשים עבודה היום – עם קורות חיים דיגיטליים, שימוש חכם ב-LinkedIn ובנטוורקינג מקצועי, לצד שילוב כלי AI בכתיבה ובמחקר, והכנה לראיונות עבודה. בנוסף, נלמדים עקרונות ניהול משרד דיגיטלי יעיל.

תוכנית השוברים של משרד העבודה: הזדמנות ישראלית לצמיחה אישית ולאומית

אנו מאמינים כי ידע צריך להיות נגיש לכולם. תוכנית השוברים של משרד העבודה מהווה כלי מרכזי בסיוע לאזרחים להשתלב, להתקדם ולשנות כיוון בעולם התעסוקה הדינמי. מטרתה היא לעודד הכשרה מקצועית, טכנולוגית ותעסוקתית, תוך מתן דגש על בחירה אישית וגמישות. מעבר לכך, התוכנית משקפת מדיניות חברתית-כלכלית רחבה שמטרתה לצמצם פערים, להגביר את הפריון ולהבטיח שילוב מיטבי של מגוון אוכלוסיות בשוק העבודה הישראלי.

סיוע מותאם אישית בדרך לקריירה: התוכנית מסייעת באופן מעשי על ידי מתן מימון חלקי לשכר הלימוד בקורסים המוכרים שלנו. הסיוע ניתן באמצעות שובר אישי, המאפשר לזכאים לבחור את התחום המקצועי הרצוי. מכללת בר-אוריין, עם סמל מוסד 48900, נכללת ברשימת המוסדות המוכרים. בכך, התוכנית מעניקה לא רק תמיכה כלכלית, אלא גם אחריות אישית ולקיחת בעלות על תהליך הפיתוח המקצועי. בנוסף לסבסוד הלימודים, התוכנית מציעה לעיתים גם "מענק השמה", המחזק את הקשר הישיר בין ההכשרה לתעסוקה.

מי קהל היעד? ייתכן שגם אתם זכאים! רבים בישראל אינם מודעים לזכאותם להכשרה מקצועית במימון של עד 80% מהמדינה, דרך תוכנית השוברים. זו זכות אמיתית שמגיעה למי שנמצא בצומת מקצועי ורוצה להתקדם או להתחיל מסלול חדש. מדינת ישראל רואה בסבסוד זה השקעה חיונית בחוסן הכלכלי והחברתי שלה:

• בני 50 ומעלה: המדינה מכירה באתגרים הייחודיים של בני ובנות 50+ להשתלב בשוק עבודה מהיר שינויים. סבסוד הלימודים מאפשר להם לרכוש מיומנויות חדשות, להישאר רלוונטיים, למצוא תעסוקה יציבה ולתרום מניסיונם העשיר לכלכלה, תוך שמירה על ביטחונם הכלכלי. זוהי השקעה בניסיון ובתרומה לכלכלה לאורך שנים.
• הורים יחידניים (חד-הוריים): הכרה בצרכים הכלכליים והזמן המוגבל של הורים יחידניים, שנמצאים פעמים רבות תחת עומס כפול. הסבסוד הגבוה יותר נועד להקל עליהם את הנטל, לאפשר להם לרכוש מקצוע מבוקש, לשפר את מעמדם הכלכלי, ולספק עתיד טוב יותר להם ולילדיהם.
• מחפשי עבודה: סבסוד הכשרה למחפשי עבודה הוא כלי מרכזי לצמצום תקופות אבטלה, הקניית כישורים נדרשים בשוק, והחזרתם המהירה והיעילה למעגל העבודה. זוהי השקעה חברתית שמפחיתה את התלות בקצבאות ומעצימה את הפרט.אגב התמיכה הגדולה היא למילואימניקים שהשקיעו כ – 45 יום ברצף ואף יותר. מדינת ישראל משקיעה בחזרה בהכשרות מקצועיות לחזרה לשוק העבודה.
• אנשים עם נכות מביטוח לאומי: המדינה מחויבת לשלב אנשים עם מוגבלויות בשוק העבודה באופן שוויוני ומכבד. סבסוד לימודים לבעלי נכות מוכרת מעל 20% פותח עבורם הזדמנויות לרכישת מקצוע, עוקף חסמים פיזיים וחברתיים, ומאפשר להם למצות את הפוטנציאל התעסוקתי שלהם.
• נשים וגברים בשכר נמוך: מדינת ישראל שואפת לצמצם פערי שכר ולקדם מוביליות חברתית. סבסוד הכשרה מקצועית לאוכלוסיות אלה, המשתכרות מתחת לרמה מסוימת, מהווה כלי יעיל להעלות את רמת השכר, לשפר את תנאי העסקתם ולספק להם מסלול התקדמות וצמיחה כלכלית.
• נכי צה"ל ונפגעי פעולות איבה: זוהי הכרת תודה והתחייבות חברתית כלפי אלה ששילמו מחיר אישי למען ביטחון המדינה. סבסוד מוגדל (עד 90%), במיוחד למי שאינו במעגל העבודה, נועד לסייע להם בתהליך השיקום, ההשתלבות מחדש בחברה ובשוק העבודה, ולספק להם תמיכה מלאה בבניית חיים מקצועיים חדשים.

ליווי אישי עד לתעסוקה – השמה מקצועית: אנו במכללת בר-אוריין מאמינים שלמידה אמיתית לא מסתיימת בתעודה – אלא במשרה. לכן, כל משתתף זוכה לליווי אישי להשמה מקצועית: החל מכתיבת קורות חיים מותאמים לעידן ה-AI, דרך הכנה לראיונות, חיבורים לחברות מובילות, פרויקטים והתנסות מעשית, ועד בניית רשת קשרים מקצועית. זו לא רק הזדמנות – זו שליחות.

מקפצה לקריירה: בין אם אתם רוצים להשתדרג בתחום הקיים, לעבור הסבה מקצועית, להקים עסק עצמאי, או פשוט להבין לעומק את השוק החדש ולתפוס בו מקום אמיתי – מכללת בר-אוריין, עם תמיכת משרד העבודה, היא הכתובת שלכם. בואו להתקדם בשוק העבודה בעידן הבינה המלאכותית ולהוביל ארגונים להצלחה בעזרת כלים וטכנולוגיות מתקדמות מבוססות דאטה ובינה מלאכותית.

בואו לבדוק – האם גם לכם יש זכאות שטרם מומשה?

אם אתם מוכנים להשקיע בעצמכם, לקחת אחריות על הקריירה ולצאת לדרך מקצועית חדשה – אנחנו כאן בשבילכם, עם כל הכלים, התמיכה והליווי שתצטרכו. כי בסופו של דבר, "הבינה המלאכותית כבר כאן – ולכולם!", ובמכללת בר-אוריין, אנו נדאג שתהיו בחזית המהפכה.

אנחנו במכללת בר-אוריין עוסקים במיצוי זכויות. זהו חלק מהמידענות והמעורבות בקהילה.

ד"ר ענת קלומל-צוייג בעברה כהנה כחברת מועצת העיר כפר סבא ודירקטורית בתאגידים ציבוריים והיא פעלה רבות למיצוי זכויות כנציגת ציבור השומרת על זכויות האדם, שיוויון ופיתוח ערים חכמות בישראל.

⚖️ הבהרה חשובה: המידע המוצג כאן נועד לספק תמונה כללית על הזכאות לתוכנית השוברים של משרד העבודה. אין לראות בו התחייבות או קביעה משפטית מכל סוג. הזכאות נקבעת באופן אישי על-ידי הגורמים המוסמכים (כגון משרד העבודה, ביטוח לאומי, שירות התעסוקה), בהתאם לקריטריונים הרשמיים והעדכניים. כל מועמד עובר תהליך בדיקה מסודר, ואנחנו במכללת בר-אוריין נלווה אותו לאורך כל הדרך – עד למימוש הזכויות במידה ואכן יימצא זכאי.

הכותבת: ד"ר ענת קלומל-צוייג, יועצת אסטרטגית בעידן AI , מידענית אנליסטית.

בעידן שבו הבינה המלאכותית הפכה מגימיק טכנולוגי למנוף מרכזי לשיפור תהליכים עסקיים, עולה הצורך בגישה שיטתית להטמעתה. מקינזי, אחת מחברות הייעוץ המובילות בעולם, מציעה שילוב ייחודי בין הבנה מעשית של מגמות טכנולוגיות לבין מודלים ניהוליים מסורתיים – ובראשם מודל 7S – ככלי להטמעה מיטבית.

1. אסטרטגיה (Strategy): מיקוד באימפקט ולא רק בטכנולוגיה

על פי דוח "McKinsey Technology Trends Outlook 2024", בינה מלאכותית יוצרת (Gen AI) היא בין הטכנולוגיות בעלות שיעור האימוץ הגבוה ביותר. מקינזי ממליצה לנסח אסטרטגיה ממוקדת-ערך, ולא להיגרר אחר "הייפ". הארגון נדרש לשאול:

• היכן תוכל AI לייצר יתרון תחרותי?
• איך היא תתמוך ביעדים עסקיים קיימים?
  

2. מבנה (Structure): ארגון מחדש לתמיכה בדינמיקה חדשה

הטמעת AI מחייבת שינוי מבני – החל ביצירת צוותי מומחים וכלה בהגדרת ממשקי עבודה חוצי-מחלקות. מקינזי מיישמת מודל שבו AI משולבת בכל שכבות הארגון ולא רק בצוותי דאטה.

3. מערכות (Systems): תשתיות חכמות לאימוץ בר-קיימא

לצד הכלים, מקינזי מדגישה את החשיבות של מערכות תומכות – מסדי נתונים, פלטפורמות AI, תהליכי אוטומציה – ותיאום מתמיד ביניהם. הדוגמה של Lilli ממחישה כיצד מערכת מבוססת RAG מסוגלת להאיץ קבלת החלטות ולחבר ידע ארגוני.

מערכת מבוססת RAG – קיצור של Retrieval-Augmented Generation – היא ארכיטקטורה שמשלבת בין שליפה של מידע קיים לבין יצירת טקסט חדש באמצעות מודלים של בינה מלאכותית (כמו GPT). הרעיון המרכזי הוא לשפר את הדיוק והאמינות של תשובות שנוצרות על ידי המודל.

איך זה עובד?  מערכת RAG פועלת בשני שלבים עיקריים:

1. Retrieval – שליפה

• המערכת מחפשת מידע רלוונטי ממקורות נתונים קיימים (כמו מסמכים פנימיים, בסיסי ידע, מאגרי שאלות ותשובות).
• השליפה נעשית לרוב על ידי חיפוש סמנטי (לא רק לפי מילות מפתח) באמצעות מנוע embedding או vector search.

2. Augmented Generation – יצירה מועשרת

• לאחר שמידע רלוונטי נשלף, הוא מוזן אל מודל שפה (כמו GPT) שמשתמש בו כדי ליצור תשובה מבוססת, תוך הסתמכות על מקורות השליפה.
• התשובה נחשבת אמינה יותר כי היא נתמכת במידע שנמצא בפועל במסמכים.

יתרונות של RAG

• ✅ אמינות גבוהה יותר – פחות "הזיות" (hallucinations) של המודל.
• ✅ שקיפות – ניתן לצרף ציטוטים/מקורות לתשובות.
• ✅ יכולת עדכון שוטפת – לא צריך לאמן מחדש את המודל כדי לעדכן את המידע.
• ✅ יישום פשוט יחסית – ניתן לחבר לכל מאגר נתונים קיים בארגון.

דוגמה מעשית: "לילי" של מקינזי

• הצ'אטבוט הפנימי Lilli משתמש בגישת RAG כדי לסרוק יותר מ-100,000 מסמכים פנימיים.
• כשעובד שואל שאלה, המערכת שולפת מסמכים רלוונטיים ומזינה אותם ל-GPT כדי לנסח תשובה מדויקת ומגובה.
• המערכת גם מציגה ציטוטים ומקורות מהמסמכים המקוריים, לחיזוק האמון.

4. ערכים משותפים (Shared Values): אתיקה, אמון, וחדשנות
מקינזי רואה ב-AI מנוף תרבותי לא פחות מטכנולוגי. Lilli אינה רק כלי – היא חלק ממהלך תרבותי להנגשת ידע. ערכים כמו שקיפות, שיתוף, ושימוש אתי בטכנולוגיה מהווים תנאי בסיס להטמעה מוצלחת.

5. סגנון ניהולי (Style): מנהיגות שמובילה שינוי

מנהיגות בעידן AI דורשת גישה חדשנית – לא רק בפן הטכנולוגי אלא גם ביכולת להכיל שינוי מהיר, לעודד למידה מתמדת, ולשדר ביטחון בטכנולוגיה. מקינזי עצמה מדגימה הנהגה כזו עם אימוץ מהיר של Lilli בקרב הנהלת הארגון

6. עובדים (Staff): הכשרה, שינוי תפקידים, העצמה

AI לא מחליפה עובדים – היא מעצימה אותם. מקינזי מדווחת כי Lilli חסכה 34% מזמן המחקר לפרויקט אך שיפרה את איכות התוצרים. האתגר המרכזי: reskilling ו-upskilling של עובדים, על מנת לאפשר להם לתפקד בעולמות היברידיים.

7. מיומנויות (Skills): בניית כישורים חדשים ומודלים חדשים של למידה

מקינזי ממליצה להשקיע באופן שיטתי בפיתוח כישורים:

• אוריינות ב-AI
• הבנה עסקית של יכולות מודלים
• ניהול שיקולי אתיקה ודאטה
• דגש מיוחד ניתן לפיתוח "מתווכים טכנולוגיים" – מומחים היודעים לתרגם צורך עסקי לפתרון AI.

שילוב מודל ה-7S עם עקומת האימוץ של מקינזי

באמצעות עקומת ה-S של שלבי אימוץ טכנולוגי – חדשנות, התנסות, פיילוט, סקיילינג ואימוץ מלא – ניתן למקם את הארגון ביחס לבשלות הטכנולוגית. מקינזי מדגישה שלב "סקיילינג" כקריטי: הוא דורש תיאום בין כל 7 הרכיבים של מודל 7S.

🧩 מהו מודל 7S של מקינזי?

מודל 7S הוא כלי ניהולי שפותח ע"י מקינזי בשנות ה-80 כדי לנתח ולבנות ארגונים בצורה הוליסטית. הרעיון המרכזי: כדי להצליח בשינוי ארגוני (כמו הטמעת AI), צריך לתאם שבעה מרכיבים יחד – ולא רק להתמקד בטכנולוגיה או באנשים בלבד.

שבעת הרכיבים הם:

📌 העיקרון החשוב: שינוי באחד מהרכיבים דורש התאמה בשאר. למשל, הכנסת AI (במערכות) בלי להכין את האנשים (Staff) – תיכשל.

📈 מהי עקומת האימוץ (S-Curve)?

העקומה מייצגת את שלבי האימוץ של טכנולוגיה בארגון או בשוק. צורתה דומה לאות S (לכן השם). היא מתארת את הדרך מהרעיון – ועד לאימוץ המלא של טכנולוגיה.

השלבים בעקומת האימוץ לפי מקינזי:

📌 לפי מקינזי, בינה מלאכותית יוצרת (Gen AI) נמצאת כיום בשלב הסקיילינג – הרחבה לארגונים רבים.

🎯 למה זה חשוב?

כי כשאתה רוצה להטמיע בינה מלאכותית בארגון, חשוב:

• להבין איפה אתה נמצא על העקומה
• לשלב נכון את כל מרכיבי ה-7S
• לבנות תהליך מדורג, מתואם וכולל – לא רק "להכניס טכנולוגיה"

החזון הישראלי: מכללת בר-אוריין כמובילה בחדשנות AI 

בהקשר הישראלי, מכללת בר-אוריין מובילה מהפכה חדשנית בשילוב AI בחינוך העסקי. ד"ר ענת קלומל-צוייג, יועצת אסטרטגית ומומחית במידענות אנליסטית, פיתחה את מודל הניהול "מערכות מורכבות מסתגלות" לניהול צוותי מידענים בעידן הבינה המלאכותית.

במאמריה מ-2025, ד"ר קלומל-צוייג מדגישה את החשיבות של אינטגרציה של AI וטכנולוגיות מתקדמות למאמצי השיווק, ניהול קמפיינים חדשניים בעידן הבינה המלאכותית, והמהפכה בבריאות הדיגיטלית. כפי שמציינת במאמרה ממרץ 2025, "כשבנק ישראל מתעורר, ד"ר ענת קלומל-צוייג כבר מובילה מהפכה בשוק העבודה עם AI במכללת בר-אוריין משנת 2019 בניהול יום עיון בכנס מידע בטלדן "יישומי מידענות בעולם הבינה המלאכותית".

לקחים אסטרטגיים לחברות ישראליות

1. פיתוח כישורים דגיטלים כמו מידענות, אוריינות דיגיטלית ו – AI 

ד"ר ענת קלומל-צוייג מזהה מקבילה היסטורית חשובה: כשם שהאוריינות הדיגיטלית הפכה לכישור יסוד בתחילת המאה ה-21, כך גם היכולת לעבוד נכון עם כלי בינה מלאכותית הופכת כיום לכישורי עבודה קריטיים. "נסעתי ללמד מידענות בכל הארץ איך מחפשים במנועי חיפוש ובמאגרי מידע," היא נזכרת בתקופה שבה גוגל היה חדשנות מהפכנית. כיום הבינה המלאכותית משנה שוב את כללי המשחק ומאפשרת ייעול דרמטי בעיבוד מידע, אך אתגר מרכזי נשאר זהה: רוב המידע האיכותי עדיין אינו חשוף לציבור, וה-AI מאומן רק על מידע פתוח. לכן, כפי שמדגישה ד"ר קלומל-צוייג, חיפוש מידע יעיל עדיין מצריך מיומנויות מידעניות מתקדמות וחשיבה ביקורתית – במיוחד כאשר נדרש לאמת ולבדוק מידע שהופק על ידי בינה מלאכותית.

2. השקעה בתשתיות נתונים איכותיות

גישת מקינזי מלמדת על החשיבות של בסיס נתונים עשיר ומובנה. לילי מאומנת על 100,000+ מסמכים פנימיים, מה שמדגיש את הצורך בתשתית מידע איכותית ומאורגנת.

במכללת בר-אוריין מכשירים מנהלי ידע וגם דאטה אנליסטים היוצרים דשבורדים המציגים דאטה ויזואלית למקבלי ההחלטות. המידענים והדאטה אנליסטים הופכים מידע גולמי ודאטה גולמית למידע מעובד ומנותח המאפשר קבלת החלטות. 

3. אימוץ הדרגתי ומדוד

המחקר מציין שרק 11% מיישומי AI מוטמעים באופן נרחב, מה שמלמד על הצורך בגישה מדורגת ומתוכננת היטב להטמעת הטכנולוגיה.

4. פיתוח מיומנויות חדשות

דוח מקינזי "McKinsey technology trends outlook 2025" מזהה 15 מגמות טכנולוגיות מרכזיות ומדגיש את הצורך בפיתוח מיומנויות חדשות המתאימות לעידן הדיגיטלי. קישור לדו"ח 

המסקנה: חדשנות אחראית למען עתיד טוב יותר

הגישה של מקינזי מלמדת אותנו שהטמעת בינה מלאכותית איננה רק עניין טכנולוגי, אלא תהליך אסטרטגי מקיף הדורש שינוי תרבותי וארגוני. המודל של מכללת בר-אוריין, בהובלתה של ד"ר קלומל-צוייג, מוכיח שגם בישראל יש את הכישורים והחזון לעמוד בחזית המהפכה הטכנולוגיה הזו.

החברות הישראליות הרוצות להצליח בעידן הבינה המלאכותית צריכות לאמץ גישה הוליסטית הדומה לזו של מקינזי: שילוב נבון בין טכנולוגיה ויכולות אנושיות, השקעה בתשתיות נתונים איכותיות, פיתוח מיומנויות חדשות, ובעיקר – הבנה שהמהפכה הזו מתחילה בבני האדם ובתרבות הארגונית, לא רק בטכנולוגיה עצמה.

המפגש בין מידענות תוצאתית לבינה מלאכותית

המודל של מידענות תוצאתית שפיתחה ד"ר ענת קלומל-צוייג במחקר הדוקטורט שלה מקבל משמעות חדשה ועוצמה מתוחכמת יותר בעידן הבינה המלאכותית. הגישה התוצאתית, שמדגישה את התוצאות הסופיות ואת השגתן כיעד המכתיב של הפעילות, מתאימה באופן מושלם לאתגרים החדשים שיוצרת מהפכת ה-AI.

בעוד שבעבר המודל התמקד בהתגברות על מגבלות איסוף מידע מסורתיות כמו עומס מידע ודיסאינפורמציה, כיום הוא מספק מענה מדויק למציאות שבה בינה מלאכותית מייצרת כמויות אינסופיות של מידע, אך לא בהכרח מידע שמוביל לפעולה ותוצאות עסקיות.

השינוי הפרדיגמטי: מ"חיפוש מידע" ל"הנעת תוצאות עם AI"האתגר החדש: עודף מידע ב"איכות גבוהה"

בעידן הבינה המלאכותית, האתגר המרכזי אינו חוסר מידע אלא עודף מידע שנראה איכותי ומקצועי. כלי AI מסוגלים להפיק תוכן מובנה, מנותח ומשכנע בכמויות עצומות, אך ללא הכוונה תוצאתית ברורה, זה הופך ל"רעש מידעני" מתוחכם.

מודל המידענות התוצאתית מספק פתרון יעיל לאתגר זה: התחלה מהתוצאה הרצויה ולא מהטכנולוגיה הזמינה. השאלה הראשונה אינה "מה ה-AI יכול לספק?" אלא "איזו תוצאה עסקית אנחנו רוצים להשיג?"

מימוש חדש לעקרונות המודל

מרכז הכובד על התוצאה מקבל משמעות חדשה: במקום להתמקד ביכולות ה-AI, המידען התוצאתי מתמקד בשאלה איזו החלטה עסקית צריכה להתקבל, ורק לאחר מכן בוחר את כלי ה-AI המתאימים ביותר להשגת מטרה זו.

מדידת איכות על פי תוצאות הופכת קריטית יותר: כאשר AI מייצר תוכן "מושלם" מבחינה טכנית, הקריטריון היחיד לאיכות הוא האם המידע מוביל לפעולה מוצלחת ותוצאות מדידות.

התאמות ספציפיות של המודל לעידן ה-AI

1. הגדרת תוצאות בעידן הטכנולוגי החדש

מיפוי תוצאות היברידיות: המודל התוצאתי בעידן ה-AI מגדיר שני סוגי תוצאות:

• תוצאות עסקיות (המטרה הסופית): מה הארגון רוצה להשיג
• תוצאות טכנולוגיות (האמצעי): איך ה-AI יכול לתמוך בהשגת המטרה

דוגמה מעשית: במקום "שימוש בכלי AI לניתוח השוק", המודל דורש הגדרה: "הגדלת נתח השוק ב-15% תוך 6 חודשים באמצעות זיהוי הזדמנויות חדשות, כאשר AI ישמש לניתוח מגמות צרכנות וזיהוי פערים תחרותיים".

2. כלים ניהוליים מותאמים ל-AI

מטרה משותפת היברידית: המטרה כוללת הגדרה ברורה של תפקידי האדם מול תפקידי ה-AI. לדוגמה: "AI יאסוף וינתח נתונים, המידען יפרש את המשמעות העסקית, מנהל המוצר יקבל החלטות על סמך התובנות".

מומחיות היברידית: המודל מגדיר שלושה רבדי מומחיות:

• מומחיות תחומית: הבנה עמוקה של התחום העסקי
• אוריינות AI: הבנת יכולות ומגבלות כלי הבינה המלאכותית
• מיומנויות אינטגרציה: היכולת לשלב תובנות AI עם שיקול דעת אנושי

3. מערכת בקרה ומדידה מתקדמת

מדדי ביצוע היברידיים:

• מדדי יעילות AI: זמן עיבוד, דיוק תחזיות, כיסוי מידע
• מדדי אפקטיביות אנושית: איכות פרשנות, רלוונטיות החלטות, מהירות תגובה
• מדדי השפעה עסקית: תרומה לתוצאות פיננסיות, שיפור בקבלת החלטות

זיהוי "הזיות AI" וכשלי מערכת: המודל מפתח מנגנוני בקרה לזיהוי תוכן שגוי או מטעה שמופק על ידי AI, תוך הגדרת תהליכי אימות צולב ובדיקות איכות.

4. היזון חוזר בזמן אמת

משוב רב-רבדי:

• משוב מיידי על ביצועי AI: האם הכלי מספק תוצאות רלוונטיות?
• משוב על תהליכי העבודה: האם השילוב אדם-מכונה יעיל?
• משוב על תוצאות עסקיות: האם השימוש ב-AI מוביל לשיפור מדיד?

למידה מתמדת: המערכת משתפרת על בסיס המשוב, הן ברמת התאמת כלי ה-AI והן ברמת שיפור תהליכי העבודה האנושיים.

מהמידענות המסורתית למידענות תוצאתית

המודל המסורתי התמקד בשאלות כמו "איך מוצאים מידע?" ו"איפה מחפשים?". מודל המידענות התוצאתית שואל שאלות שונות לחלוטין: "איזו תוצאה עסקית אני רוצה להשיג?", "איך המידע יוביל לפעולה קונקרטית?", ו"מה ההשפעה המדידה של המידע על הארגון?".

בעידן ה-AI, ההבחנה הזו הופכת קריטית. בינה מלאכותית מצטיינת באיסוף ועיבוד מידע, אך האדם נשאר מרכזי בהגדרת המטרות, פרשנות התוצאות, וביצוע הפעולות הנדרשות.

יישום המודל עם כלי AI

המודל התוצאתי של ד"ר קלומל-צוייג מתאים באופן מושלם לעידן ה-AI:

שלב 1: הגדרת תוצאה עסקית ברורה

• במקום "אני רוצה מידע על השוק" → "אני רוצה להגדיל נתח שוק ב-15% בשישה חודשים"
• AI יכול לעזור בניתוח נתונים, אבל האדם מגדיר את היעד העסקי המדויק

שלב 2: מיפוי נתיבי מידע לפעולה

• זיהוי איזה מידע באמת נדרש להשגת התוצאה
• AI מספק ניתוחים מהירים, האדם מחליט על רלוונטיות ועדיפויות

שלב 3: מדידת השפעה והתאמות

• מעקב אחר KPIs ספציפיים הקשורים לתוצאה הרצויה
• AI מזהה מגמות ודפוסים, האדם מתאים אסטרטגיה

המהפכה: מ"חיפוש מידע" ל"הנעת תוצאות"

הגישה המסורתית בעידן ה-AI עלולה ליצור "צריכת מידע אינסופית" – כלי ה-AI מסוגלים לספק כמויות עצומות של מידע, אך ללא כיוון ברור זה הופך לרעש ולא לאות.

מודל המידענות התוצאתית יוצר משמעת אחרת: כל פיסת מידע נבדקת על פי השאלה "איך זה מקדם אותי לתוצאה הרצויה?". זה מאפשר ניצול מיטבי של כוח ה-AI תוך שמירה על מיקוד וכיווניות.

דוגמה מעשית: במקום לשאול AI "תן לי מידע על מגמות צרכנות", המידען התוצאתי ישאל "איזה שינויים בהתנהגות צרכנים יאפשרו לי להשיק מוצר חדש עם סיכוי הצלחה של 70%+ בקבוצת יעד של נשים בנות 25-40?".

במכללת בר-אוריין, ד"ר קלומל-צוייג מיישמת את המודל התוצאתי בהכשרת הדור הבא של מידענים ואנליסטים. הסטודנטים לומדים לא רק איך להשתמש בכלי AI, אלא איך להוביל פרויקטים עסקיים שבהם ה-AI משמש כמנוע לקבלת תוצאות מדידות.

המודל הזה הופך את הבוגרים לא רק למשתמשי AI מיומנים, אלא למובילי שינוי ארגוניים שיודעים איך להפוך מידע לפעולה ותוצאות עסקיות מוחשיות.

תהליכי עבודה חדשים למידען התוצאתי בעידן ה-AI

מיומנויות Prompt Engineering מתקדמות

בניית שאילתות תוצאתיות: המידען התוצאתי לא שואל את ה-AI "מה אתה יודע על הנושא?" אלא "איזה מידע ספציפי יעזור לי להשיג תוצאה X?". זה דורש פיתוח יכולות:

• תרגום מטרות עסקיות לשאילתות AI מדויקות
• הבנת האופן שבו סוגי שאילתות שונים משפיעים על איכות התשובות
• יכולת לחזק ולמקד את השאילתות על בסיס תוצאות ביניים

אימות והערכת תוכן AI

פיתוח "חוש שישי מידעני": המידען התוצאתי מפתח יכולת לזהות:

• תוכן שנראה מקצועי אך חסר בסיס עובדתי
• הטיות אלגוריתמיות שמשפיעות על התוצאות
• פערים במידע שה-AI לא מסוגל לכסות (מידע לא פומבי, נתונים עדכניים מדי)

מתודולוגיית אימות צולב: פיתוח תהליכי עבודה שמשלבים:

• השוואה בין מספר כלי AI
• אימות מול מקורות מסורתיים
• בדיקת עקביות פנימית של המידע
• הערכת הגיונות התוצאות מול הידע המקצועי

ניהול מערכות AI מרובות

אינטגרציה של כלי AI מגוונים: המידען התוצאתי עובד עם מספר כלי AI במקביל:

• כלי ניתוח נתונים לזיהוי מגמות
• כלי חיפוש מתקדם לאיתור מידע ספציפי
• כלי סינתזה ליצירת תובנות מתוך מקורות מרובים
• כלי חיזוי להערכת תרחישים עתידיים

יצירת workflow תוצאתי: תכנון רצף פעולות שמשלב כלי AI שונים לקבלת תוצאה ספציפית, תוך מדידה והערכה של יעילות כל שלב.

האבולוציה של תפקיד המידען

מאוסף מידע למנהל תוצאות

במודל המסורתי, המידען היה אחראי על איסוף ועיבוד מידע. במודל התוצאתי בעידן ה-AI, המידען הופך למנהל תוצאות – אחראי על התהליך השלם מהגדרת המטרה ועד להשגתה.

התפקיד החדש כולל:

• ניהול פרויקטים מבוססי AI: הובלת פרויקטים שמשלבים טכנולוגיה ומומחיות אנושית
• יעוץ אסטרטגי: ייעוץ להנהלה על האופן המיטבי לנצל AI להשגת מטרות עסקיות
• ניהול סיכונים: זיהוי ומניעת סיכונים הנובעים משימוש לא נכון ב-AI

היכולות החדשות הנדרשות

מיומנויות היברידיות:

• חשיבה מערכתית: הבנת האופן שבו רכיבי AI משתלבים עם תהליכים עסקיים
• ניהול שינוי: הובלת תהליכי הטמעת AI בארגונים
• תקשורת מתקדמת: יכולת להסביר תובנות מורכבות שמבוססות על AI לקהלים שונים

מנהיגות טכנולוגית:

• זיהוי הזדמנויות לשימוש יצירתי ב-AI
• הובלת צוותים היברידיים של אנשים וטכנולוגיה
• פיתוח תרבות ארגונית שמעודדת שימוש חכם ב-AI

יישומים מעשיים במכללת בר-אוריין

תוכנית הכשרה מתקדמת

ד"ר קלומל-צוייג מיישמת את המודל התוצאתי המעודכן למכללת בר-אוריין באמצעות תוכנית הכשרה חדשנית:

שלב ראשון – הבנת המודל התוצאתי:

• למידת עקרונות המידענות התוצאתית
• הבנת ההבדל בין פעילות מונעת טכנולוגיה לפעילות מונעת תוצאות
• פיתוח יכולות הגדרת מטרות ומדידת תוצאות

שלב שני – אוריינות AI מתקדמת:

• הכרת כלי AI מרכזיים ויכולותיהם
• פיתוח מיומנויות prompt engineering
• למידת מתודולוגיות לאימות תוכן AI

שלב שלישי – אינטגרציה מעשית:

• עבודה על פרויקטים אמיתיים המשלבים מודל תוצאתי עם כלי AI
• פיתוח מערכות מדידה ובקרה
• הובלת תהליכי שינוי בארגונים

דוגמאות מעשיות מהשטח: מחקר שוק מידעני בגישה תוצאתית עם AI

מחקר א' – משרד תיווך נדל"ן קטן: במטרה למכור 5 דירות נוספות בחודש באזור פתח תקווה, המידען השתמש בכלי AI לניתוח מודעות דומות באתרי נדל"ן, מחירי מכירה אחרונים ברחוב, וחיפושי גוגל של קונים פוטנציאליים באזור. במקום לחקור את כל שוק הנדל"ן, המחקר שאל שאלה ספציפית: "באיזה מחיר ואיזה תיאור דירה 4 חדרים ברחוב הראשונים תימכר הכי מהר?" ה-AI גילה שדירות עם המילים "קרוב לקניון" ו"חנייה מקורה" נמכרות ב-8% יותר ו-15 יום מהר יותר. התוצאה: שינוי תיאורי המודעות והתמקדות במאפיינים ספציפיים הוביל למכירת 7 דירות נוספות בחודש.

מחקר ב' – קליניקת שיניים משפחתית: במטרה להגדיל מספר הטיפולים האסתטיים (הלבנות, וניירים) ב-30% תוך 6 חודשים, המידען השתמש בכלי AI לניתוח חיפושים מקומיים בגוגל, ביקורות על רופאי שיניים באזור, ופוסטים ברשתות חברתיות על טיפולי שיניים. במקום לחקור העדפות כלליות, המחקר התמקד בשאלה: "מה מעכב אנשים מהאזור לבקש טיפולים אסתטיים?" ה-AI זיהה שהחשש העיקרי הוא מהכאב והמחיר הלא ברור. התוצאה: הקליניקה יצרה חבילות טיפול במחיר קבוע ומסרים על "טיפול ללא כאב" – מה שהוביל לעלייה של 45% בטיפולים אסתטיים.

פרויקט א' – חברת טכנולוגיה: המטרה העסקית: הגדלת שביעות רצון הלקוחות ב-25% תוך שנה השימוש ב-AI: ניתוח פידבק לקוחות, זיהוי נושאים בעייתיים, חיזוי מגמות התוצאה המדודה: שיפור של 32% בשביעות רצון תוך 8 חודשים

פרויקט ב' – בנק מסחרי: המטרה העסקית: צמצום זמן אישור הלוואות ב-50% תוך שמירה על רמת סיכון זהה השימוש ב-AI: ניתוח אוטומטי של מסמכים, הערכת סיכונים, זיהוי דפוסים התוצאה המדודה: צמצום של 60% בזמן העיבוד עם שיפור ב-15% ברמת הדיוק

המבט לעתיד: מידענות תוצאתית כמובילת השינוי

הכנה לדור הבא של AI

המודל של ד"ר קלומל-צוייג מכין מידענים לא רק לטכנולוגיות הנוכחיות, אלא לגל הבא של התפתחויות AI:

• AI Agents: מערכות אוטונומיות שמבצעות משימות מורכבות
• Multimodal AI: שילוב טקסט, תמונות, קול ווידאו בניתוח אחד
• AI שיתופי: מערכות שעובדות יחד עם בני אדם באופן טבעי יותר

יצירת יתרון תחרותי בר-קיימא

המידענים שמיישמים את המודל התוצאתי לא רק מתאימים עצמם לעידן ה-AI, אלא הופכים למובילי החדשנות בארגונים שלהם. הם מפתחים:

• יכולת לזהות הזדמנויות עסקיות חדשות שנוצרות על ידי AI
• מומחיות ביצירת תהליכי עבודה היברידיים יעילים
• ניסיון בניהול פרויקטים טכנולוגיים מורכבים

השפעה על התעשייה כולה

המודל של ד"ר קלומל-צוייג תורם להגדרה מחדש של מקצוע המידענות לעידן הדיגיטלי. במקום להילחם על הישרדות מול הטכנולוגיה, מידענים הופכים למנהיגי הטכנולוגיה – אלה שיודעים איך לרתום אותה לתוצאות עסקיות מעשיות.

המודל התוצאתי כמפתח להצלחה בעידן ה-AI

מודל המידענות התוצאתית של ד"ר ענת קלומל-צוייג מתגלה כבעל ראייה נבואית – הוא לא רק רלוונטי לעידן ה-AI, אלא מספק מענה מדויק לאתגרים המרכזיים של הטכנולוגיה החדשה.

המודל מלמד שהצלחה בעידן ה-AI לא נמדדת ביכולת לייצר מידע, אלא ביכולת להפוך מידע לתוצאות. המידענים שיאמצו את הגישה התוצאתית לא רק ישרדו את המהפכה הטכנולוגית, אלא יהפכו למובילים שלה.

העתיד שייך למידענים שיבינו ש-AI הוא כלי רב עוצמה, אבל המטרות, החשיבה האסטרטגית, וההבנה של הצרכים העסקיים נשארים תחום אנושי. המודל התוצאתי מספק את המסגרת המושלמת לשילוב זה – הוא מבטיח שהטכנולוגיה תשרת את האדם והעסק, ולא להיפך.

כפי שמסכמת ד"ר קלומל-צוייג: "המהפכה האמיתית לא בטכנולוגיה עצמה, אלא ביכולת שלנו לרתום אותה לתוצאות שחשובות לנו. המידען התוצאתי הוא זה שמוביל את המהפכה הזו."

הכותבת: ד"ר ענת קלומל-צוייג , יועצת אסטרטגית בעידן AI, מידענית אנליסטית. ניתוח המודלים ממחקר הדוקטורט בעזרת AI והתאמתם לעידן הנוכחי. 

מאת צוות מכללת בר-אוריין

במאי 2025 התרחש אירוע שעשוי להירשם כרגע היסטורי במעבר מעידן המידע לעידן הבינה המלאכותית. נשיא ארה"ב לשעבר, דונלד טראמפ, ערך ביקור מתוקשר בסעודיה, במהלכו הוכרז על עסקת ענק: השקעות בהיקף של 600 מיליארד דולר, מתוכן נתח עצום הוקצה להשקעות בטכנולוגיות מתקדמות – ובראשן, בינה מלאכותית. chat GPT כבר במאי 2025 מעודכן וסוקר את הביקור ההיסטורי ומנתח באופן מעניין ביותר. 

מה כוללת עסקת הענק שטראמפ הוביל בסעודיה?

העסקה כוללת:

• 142 מיליארד דולר לעסקאות ביטחוניות עם חברות אמריקאיות.
• 80 מיליארד דולר בהשקעות טכנולוגיות, בעיקר בתחומי AI, ענן, ו-Chips מתקדמים.
• הקמת חברת HUMAIN, זרוע סעודית לבינה מלאכותית, שתפעל בשיתוף ענקיות כמו OpenAI, NVIDIA, Amazon Web Services, ו-xAI של אילון מאסק.

במהלך הביקור נערך "פורום השקעות גלובלי" שבו השתתפו אנשי חזון מובילים מעולמות ה-AI, ביניהם סם אלטמן (OpenAI), ג'נסן הואנג (NVIDIA), ואילון מאסק. השותפות הזו מצביעה על מגמה ברורה: בינה מלאכותית כבר אינה ניסוי – אלא תשתית חיונית לעולם החדש.

הביקור של טראמפ בסעודיה במאי 2025, לצד ההכרזה על השקעות עתק של 600 מיליארד דולר – כולל שיתופי פעולה בבינה מלאכותית – הוא לא רק אירוע מדיני-כלכלי, אלא מהלך טקטי בעל משמעות עמוקה למהפכת הבינה המלאכותית הגלובלית. הנה המשמעויות המרכזיות:

🔁 שדרוג ממד של בינה מלאכותית – מגבול חדש לזרוע גיאופוליטית

ארה״ב וסעודיה הופכות את הבינה המלאכותית לא רק לתחום טכנולוגי, אלא לכלי אסטרטגי בין-מדינתי. השקעות בבינה מלאכותית הופכות למרכיב חיוני בהסכמים דיפלומטיים, בדומה לנשק ואנרגיה. ארה״ב מאותתת לסין ורוסיה: היא עדיין שחקן דומיננטי בשוקי החדשנות, בזירה שבה כוח רך (AI) חשוב כמעט כמו כוח צבאי.

🌐 הרחבת מרחב ההשפעה של חברות כמו OpenAI. הביקור חושף כיצד חברות AI עוברות מסטארט-אפים אמריקאיים לבעלות השפעה גיאופוליטית, תוך שותפות ישירה עם ממשלות זרות. המשמעות: מי שמוביל בטכנולוגיה כמו GPT-5 ומעלה – יכול להשפיע על מערכות חינוך, תעשייה, ביטחון, מידע וציבור.

🚨 חיזוק הדחיפות לרגולציה עולמית: ברגע שהבינה המלאכותית נכנסת להסכמים בין מדינות, הצורך ברגולציה הופך קריטי. ללא רגולציה:מדינות יכולות להשתמש ב-AI לדיכוי או השפעה על דעת קהל. ייווצר פער בין מדינות מפותחות לטכנולוגית לבין כאלה שאין להן גישה או הבנה.

📊 דחיפה גלובלית להטמעה עסקית. ללא ספק עסקים קטנים ובינוניים מבינים שאם מדינות משקיעות מאות מיליארדים ב-AI, הגיע הזמן גם עבורם לאמץ את הכלים. הביקור יכול לייצר אפקט דומינו של האצה דיגיטלית, במיוחד במדינות המפרץ, אסיה ואפריקה. מדינת ישראל תושפע מאוד מהמפכת הבינה מלאכותית והיא יכולה להיות מובילה. 

תשתיות של עידן חדש בו בינה מלאכותית שולטת 

אחת מהמשמעויות הישירות של ההשקעות: קפיצה טכנולוגית אדירה בתשתיות ענן וחוות שרתים. מדינות כמו סעודיה מקימות חוות ענק תת-קרקעיות לקירור טבעי של שרתי AI, תוך שימוש באנרגיה ירוקה ואינטרנט מהיר במיוחד. אלה תשתיות שיאפשרו למודלים כמו GPT ו-Gemini להמשיך ולהתפתח – ולהנגיש יכולות מתקדמות גם לעסקים קטנים ובינוניים.

ד"ר ענת קלומל-צוייג – ראתה את העתיד כבר ב-2019

מכללת בר-אוריין, בהובלתה של ד"ר ענת קלומל-צוייג, לא מחכה שהעולם יתעורר. כבר בשנת 2019, ד"ר קלומל-צוייג יזמה יום עיון בנושא "בינה מלאכותית בעולם המידענות" – כשהמושג GPT היה עדיין רחוק מהמודעות הציבורית. היא הציגה חזון שבו כל איש מקצוע – לא רק מפתחים – צריך להבין כיצד להשתמש בכלים של AI כדי לשפר החלטות, לחסוך זמן ולהוביל חדשנות.

למה זה חשוב עכשיו יותר מתמיד?

דו"חות עדכניים כמו זה של אוניברסיטת סטנפורד (2025) מעידים על:

ירידה דרמטית בעלות השימוש בכלי AI.
קיצור זמן ההחזר על ההשקעה ל-7 חודשים בלבד.
83% מהחברות שדיווחו על שיפור ניכר בפרודוקטיביות והחלטות.
וכשמדינות משקיעות מאות מיליארדים – ברור שגם עסקים וארגונים צריכים לפעול בהתאם.

מכללת בר-אוריין – מובילה את הדור הבא

מכללת בר-אוריין מיישמת את מה שכולם מדברים עליו:

• קורסי Generative AI פרקטיים, בהם מתנסים ב-40 כלים שונים.
  

• הכשרות ייעודיות לעולמות כמו מסלול יוקרתי של ייעוץ אסטרטגי בעידן AI , מחקר מודיעין , שיווק, מידע רפואי (מידענותר רפואית – רפואה מותאמת אישית), משפט ורגולציה בעידן AI  ו-Data Analysis.
  

• שילוב מודלים מתודולוגיים ייחודיים: "מידענות תוצאתית", "מערכות מורכבות מסתגלות", ו"מודל מיד-שינוי" – כולם פרי פיתוח של ד"ר קלומל-צוייג.
• שיח על אתיקה ורגולציה בעידן AI . יחד בונים את העתיד על ידי שיח מקצועי כיצד לאמץ את הבינה מלאכותית בארגונים.

 העתיד כבר כאן עם בינה מלאכותית, אל תישארו מאחור

ביקור טראמפ הוא תמרור ברור: בינה מלאכותית היא לא טרנד – היא המהפכה הבאה. מי שלא משקיע בלמידה, בהטמעה ובפיתוח יכולות – מסתכן באובדן רלוונטיות.

מכללת בר-אוריין מזמינה אתכם להצטרף לשורה הראשונה של החדשנות. עכשיו זה הזמן – להיות לא רק חלק מהשיח, אלא חלק מהעשייה.

למידע נוסף על תוכניות ההכשרה – בקרו באתר המכללה או הירשמו לקורס הקרוב.

המעבר לעולם AI-Driven אינו מתרחש ללא הובלה ומנהיגות – הוא מחייב חשיבה אסטרטגית, אבחון עומק והטמעה מדורגת. ד"ר ענת קלומל-צוייג וצוות היועצים המובילים שהוכשרו במסלול היוקרתי לייעוץ אסטרטגי במכללת בר-אוריין מלווים ארגונים בתהליך הטרנספורמציה. בעזרת מודל "מערכות מורכבות מסתגלות בעידן AI" שפותח על ידי ד"ר קלומל-צוייג, מבוצע תהליך ייעוץ מקיף הכולל ניתוח מבנה ארגוני, התאמה של תהליכי עבודה ליכולות AI, והובלת שינוי תוך שמירה על ערכי הליבה של הארגון.

התוצאה: ארגונים שלא רק מטמיעים כלים טכנולוגיים – אלא משנים את התרבות הארגונית והופכים להיות מונעי-מידע ומונחי-AI (AI-Driven), עם יתרון תחרותי מובהק בשוק המשתנה במהירות.