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".

הכותב: מערכת מכללת בר-אוריין 
ראיון עומק עם ד"ר ענת קלומל־צוייג, מומחית למידענות אנליטית ולתהליכי קבלת החלטות מבוססי דאטה ו–AI

בעשור האחרון הפכו הנתונים לגורם המשפיע ביותר על קבלת החלטות עסקיות. מנהלים יודעים שעליהם “להיות מבוססי דאטה”, אבל בפועל — ארגונים רבים עדיין טובעים בקבצים לא אחידים, תהליכים ידניים, ונהלים היסטוריים שאינם תואמים את קצב העולם החדש.

בעוד חברות ענק בונות מערכי BI מתקדמים, דווקא המנהלים בשטח — סמנכ"לים, מנהלי תפעול, מנהלי כספים ויועצים — ממשיכים להסתמך על אקסלים בלתי נגמרים, קבצים ידניים והחלטות אינטואיטיביות.

ד"ר ענת קלומל־צוייג, מומחית למידענות אנליטית, יועצת אסטרטגית ומפתחת מודלים מקצועיים בתחום הדאטה, מזהה כאן את אחת הסיבות המרכזיות לחוסר היעילות הארגונית. בראיון מיוחד היא מציגה תפיסה מהפכנית: Data  Pipeline — כבסיס לייעוץ אסטרטגי ולניהול מודרני.

“הבעיה של ארגונים היא לא מחסור בנתונים — אלא עודף נתונים ללא תהליך”

“המנכ"לים שאני פוגשת לא חסרים נתונים,” אומרת ד"ר קלומל־צוייג. “הם חסרים תהליך. הם שוחים בים של קבצים, דוחות, מערכות ERP, CRM, אבל אין ‘צינור עבודה’ אחד שמסדר את הכול בצורה נקייה, עקבית ואמינה”.

לדבריה, זה בדיוק המקום שבו נכנס לתמונה ה–Data Pipeline — מונח שמגיע מעולמות ה–Data Engineering, אך משתלב כיום בכל ארגון שמבין את חשיבות הזרימה האחידה של מידע.

Pipeline, היא מסבירה, הוא לא כלי — אלא תהליך:
ייבוא נתונים → ניקוי → טיוב → מיזוג → בניית טבלת עבודה מרכזית → הפקת תובנות.

“כשאין תהליך קבוע, הנתונים הם כאוס. כשיש Pipeline — יש אמת אחת אחידה שמנהלים יכולים לסמוך עליה”.

החידוש: חיבור בין Data Pipeline לבין ייעוץ אסטרטגי

בשוק הייעוץ האסטרטגי הישראלי מתרכזים רבים בשיטות קלאסיות של ראיונות, סקרים ומודלים עסקיים.
ד"ר קלומל־צוייג טוענת שהמודלים הללו אינם מספיקים יותר.

“ייעוץ אסטרטגי היום לא יכול להישען רק על שיחות וניתוחי שוק. ההמלצה חייבת להסתמך על נתונים אמיתיים מתוך הארגון — מכירות, תפעול, שיווק, משאבי אנוש. כל החלטה צריכה להיות Data Driven”.

לשם כך פיתחה ד"ר קלומל־צוייג מודל ייעוץ משולב, שמורכב משלושה נדבכים:

1. מידענות תוצאתית — Outcome Driven Information Science

“לא מתחילים מהמידע — מתחילים מהשאלה הניהולית. מה התוצאה שרוצים להשיג?
משם נגזרת כמות המידע, איכות המידע, והאופן שבו מנתחים אותו.” המידענות התוצאתית היא תהליך איסוף מידע באופן אפקטיבי מכוון תוצאה. מיומנות זו נלמדת בקורס מידענות ומחקר מודיעין.

2. חשיבת דאטה פנים־ארגונית (Data Driven Mindset)

הדגש אינו על הכלי, אלא על יכולת להבין מה הנתונים אומרים על הארגון:
איפה הבקבוק הצר? מה משפיע על רווחיות? איפה בזבוז הזמן?
הדאטה מספר סיפור — צריך לדעת לקרוא אותו. מיומנויות אלו בטיפול בדאטה ויצירת דשבורדים נלמדות במסלול הלימודים דאטה אנליסט עסקי.

3. שילוב בינה מלאכותית בתהליך הניתוח

“AI כבר לא ‘בונוס’. הוא חלק מתהליך הניתוח”, היא אומרת.
“AI מאפשר לזהות מגמות, לבנות נוסחאות, להסביר אנומליות ולחזות תרחישים. זה מאיץ תהליכים ומעלה דיוק.”

לדבריה, זהו שילוב שהופך את תהליך הייעוץ לחד יותר, מדויק יותר — ובעיקר מבוסס מציאות.

Pipeline כבסיס למקבלי החלטות: “מנהלים מקבלים שקט”

כאשר שואלים אותה מה היתרון המרכזי של עבודה בתצורת Pipeline, התשובה שלה ברורה:

“מנהלים מקבלים שקט.יש להם מקור נתונים אחד, אחיד, אמין — כזה שמאפשר לקבל החלטות בלי להתווכח על המספרים”. כאן נכנסת גם משמעותו של Power Query, הכלי המוביל לבניית Pipeline באקסל.

“Power Query הוא המנוע של התהליך. הוא מאחד קבצים, מנקה נתונים, מבצע אוטומציה — ובונה את התשתית לכל החלטה. כשהוא משולב עם AI, התהליך קופץ מדרגה שלמה קדימה”.

השלב הבא: מקצוע חדש — Data Driven Strategic Advisor

כחלק מהתפיסה שלה, ד"ר קלומל־צוייג מציגה מקצוע מתפתח:
יועץ אסטרטגי המבוסס דאטה. זהו יועץ שאינו מסתפק בניתוח איכותני או בתחושות בטן, אלא מוביל תהליכי Data Pipeline, מנתח מגמות, בונה דוחות, ומשלב AI בתכנון אסטרטגיות.

“זה מקצוע העתיד,” היא אומרת. “יועץ אמיתי צריך להבין בנתונים. לא כדי להיות מתכנת — אלא כדי להבין מציאות.”

ההכשרה המעשית: Excel, Power Query, Power BI ו-AI — תחת קורת גג אחת

במכללת בר־אוריין פותחה הכשרה מעשית שמיישמת את המודל בפועל:
Excel Data Analyst בשילוב Power BI ו-AI.

הייחוד, לדבריה, אינו בכלים עצמם — אלא בתפיסה:

“לא מלמדים נוסחאות. מלמדים איך לבנות תהליך. איך לחשוב כמו אנליסט.איך לנהל דאטה כמו ארגון גדול — גם אם אתה עסק קטן או מנהל יחידה.”

בוגרי המסלול מיישמים תהליכים אמיתיים בארגוניהם:
חיסכון בזמן, שיפור רווחיות, יכולת לזהות בעיות מראש, ויצירת דוחות הנהלה שמסבירים לא רק מה קורה — אלא למה זה קורה.

“העולם משתנה — ומי שלא יהיה Data Driven יישאר מאחור”

לקראת סיום הראיון, שואלים את ד"ר קלומל־צוייג אם זו מגמה חולפת. היא מחייכת.

“זה לא טרנד. זה הסטנדרט החדש.
מי שלא ידע לנהל תהליכי דאטה — לא יוכל לקבל החלטות טובות.
מי שלא ישלב AI — יזוז לאט מדי.
ומי שלא יבנה Pipeline — ינהל ארגון על בסיס רעש”.

לדבריה, התפקיד של יועצים, מנהלים ואנליסטים הוא לא ‘ללמוד אקסל’ —
אלא ללמוד לחשוב עם דאטה.

המודל של ד"ר ענת קלומל־צוייג מציע מהפכה שקטה אך עמוקה: הפיכת הייעוץ האסטרטגי מתהליך איכותני בלבד —
לתהליך אנליטי, מובנה, מבוסס נתונים, ונתמך בינה מלאכותית.

עבור ארגונים שמבקשים לקבל החלטות מושכלות, להפחית אי־ודאות, ולבנות יכולת ניהול מודרנית — זו אינה המלצה.
זו חובה מקצועית.

ייעוץ אסטרטגי בעידן ה–AI — מקצוע שנולד מחדש

בתום השיחה עם ד"ר קלומל־צוייג ברור שחלה תפנית מהותית באופן שבו ארגונים צריכים לחשוב על ייעוץ אסטרטגי. לא עוד מודלים תיאורטיים, ראיונות או “התרשמות כללית” של יועצים. בעידן של זרמי מידע בלתי פוסקים ומערכות עסקיות מורכבות — התשתית שמובילה להחלטה הנכונה אינה אינטואיציה, אלא תהליך.

וזהו בדיוק המקום שבו מתחדדת הגישה שפיתחה ד"ר קלומל־צוייג:
ייעוץ אסטרטגי הפועל מתוך מידענות תוצאתית, ניתוח דאטה פנים־ארגוני ושימוש מושכל בכלי בינה מלאכותית.
זהו שילוב נדיר בין מדע המידע, יכולת מחקר אנליטית וראייה מערכתית ארגונית — שילוב שהופך את ההמלצה האסטרטגית לחדה, אמינה וברת־יישום.

“היועץ האסטרטגי המודרני חייב להיות איש מערכת,” היא אומרת.
“הוא חייב להבין את ה־Data Pipeline, את המבנה הפנימי של הארגון, את הדינמיקה בין מחלקות, ואת ההשלכות של כל החלטה ברמת התפעול, המכירות, השיווק והפיננסים. זה לא ‘ייעוץ’ — זו הנדסה מערכתית של קבלת החלטות”.

המהפכה מתרחשת בשני מישורים מקבילים:

1. התפיסה הניהולית משתנה

ארגונים מבינים שהם חייבים לעבוד מתוך תשתית נתונים מקצועית:
איסוף, ניקוי, טיוב, מיזוג והפקת תובנות.
בלי זה — אי אפשר לקבל החלטה אחת יציבה.

2. הבינה המלאכותית משנה את תפקיד היועץ

AI לא מחליף את היועץ — הוא מגדיל את היכולות שלו:
הוא מזרז ניתוחים, מדייק מסקנות, מציף אנומליות ומלווה בבניית תחזיות.
יועצים שאינם שולטים בכלי AI — פשוט נשארים מאחור.

לכן, כדי להכין ארגון למהפכת הבינה המלאכותית, היועץ חייב להביא לא רק ידע —
אלא ראייה מערכתית שלמה:
איך הארגון מתנהל, איך המידע זורם, איפה החסמים, איך מגדירים שיטות עבודה, ואיך בונים יכולת אנליטית שתשרת את כל ההנהלה.

ולכן, לדבריה, הייעוץ האסטרטגי החדש אינו מקצוע של “דעה” — אלא מקצוע של תהליך, נתונים ומתודולוגיה.

“העתיד,” מסכמת ד"ר ענת, “שייך לארגונים שמסוגלים להבין את המציאות דרך הנתונים שלהם — וליועצים שמסוגלים להוביל אותם לשם”.

*מי הם האנשים שמובילים את מהפכת ה–Data Driven?

ד"ר ענת קלומל־צוייג מספרת על הדור החדש של היועצים האסטרטגיים**

לצד השינויים הטכנולוגיים והחדירה המואצת של בינה מלאכותית למערכות ניהול, מתגבשת קבוצה מעניינת של מקצוענים שהחליטו לעשות צעד נוסף — ולהתמקצע בעולם ה־Data Driven.
לדברי ד"ר ענת קלומל־צוייג, מפתחת המודל הייחודי לייעוץ אסטרטגי מבוסס דאטה ומידענות תוצאתית, מדובר בקבוצה מגוונת אך בעלת מכנה משותף ברור: ניסיון ניהולי עמוק ורצון לעבור לשלב הבא של הקריירה — עם כלים אמיתיים לעולם החדש.

“האנשים שמגיעים אליי”, אומרת ד"ר קלומל־צוייג, “הם לא בהכרח אנשי טכנולוגיה, ולעיתים אפילו מגיעים מרקע הפוך. זה היופי. אלו אנשים עם ניסיון חיים מקצועי עשיר — והם מבינים שהשלב הבא בניהול ובייעוץ עובר דרך שליטה בנתונים”.

מנכ"לים, סמנכ"לים ומנהלים בכירים — שעברו כבר את כל השחור־לבן של ניהול

לפי ד"ר קלומל־צוייג, אחד הפרופילים הבולטים הוא של מנהלים בכירים שחוו כבר מערכות מורכבות, תקציבים, תפעול, משברים ומערכות יחסים ארגוניות.

“מנכ"לים וסמנכ"לים מגיעים כי הם מבינים שהיום ארגון שרוצה לשרוד — חייב ניתוח נתונים אמיתי ולא רק אינטואיציה ניהולית.
הם רוצים לדעת לקרוא דוחות, לזהות חריגות, לבנות תהליך Pipeline ולתת החלטה שמבוססת על משהו מוצק.”

יועצים ארגוניים ועסקיים — שרוצים להוסיף ‘שכבת עומק’ אמיתית

יועצים ארגוניים רבים, כך היא מספרת, מבינים שהעולם המקצועי שלהם משתנה.

“יועץ שלא מביא דאטה — מביא חצי תמונה.
הם רוצים להרחיב את ארגז הכלים, להעמיק את האבחון, ולהפוך את הייעוץ לתהליך מבוסס נתונים, מודלים ומתודולוגיות.
זו הסיבה שהם מצטרפים למסלול”.

מנהלי תפעול, לוגיסטיקה ומכירות — האנשים שמכירים את השטח

גם אנשי שטח בכירים מגיעים: מנהלי תפעול, לוגיסטיקה, מנהלי משמרת, מנהלי מכירות.

“אלה אנשים שיודעים איך מתנהלת מערכת.
הם מריחים בעיות, מבינים צווארי בקבוק, מכירים את השטח טוב יותר מכולם — וכשהם מקבלים כלי דאטה, זו קפיצה אדירה.
הם לומדים לנתח תהליכים, לפענח נתוני ביצוע, ולבנות המלצות אסטרטגיות שהן הרבה מעבר לניסיון חיים.”

פורשי צה"ל – אנשים עם יכולת מערכתית נדירה

אחת האוכלוסיות המפתיעות היא פורשי צה"ל: מפקדים, ראשי מדורים, קצינים בכירים.
“הם מגיעים בלי פחד, עם ראייה מערכתית מפותחת ויכולת ניהול אנשים ותהליכים.
כשנותנים להם מתודולוגיה של Pipeline, נתונים ו-AI — הם פורחים.
הם מבינים מהר מאוד את החיבור בין ניתוח נתונים לשיפור מערכות מורכבות”.

בוגרי מדעי החברה והרוח — לא מנוגד, אלא משלים

למרות שהעולם הולך לכיוון טכנולוגי, הרבה בוגרים מרקע לא טכנולוגי מצטרפים.

“זה מיתוס שאנליסט חייב להיות ‘איש מחשבים’.
אנשים מרקע פילוסופי, מדעי החברה או מדעי הרוח מביאים יכולת ניתוח, חשיבה ביקורתית, ראייה אנושית — ואז עם כלים נכונים הם הופכים לאנליסטים מצוינים.
אלה בדיוק האנשים שמקבלים את התפיסה שלי במהירות:
שדאטה הוא אמצעי, אבל החשיבה היא העיקר.”

למה דווקא הם?

לדברי ד"ר קלומל־צוייג: “האנשים שמגיעים הם אנשים שמבינים שהשלב הבא בעולם העבודה הוא שילוב בין ניסיון ניהולי לבין שליטה בנתונים.זה לא קורס טכני, אלא מיומנויות בעידן No Cod. זה תהליך של שינוי תפיסת עולם.”

היועץ האסטרטגי המודרני — חייב ראייה מערכתית ויכולת להכין ארגונים לעידן ה־AI

בסיום היא מדגישה:

“הייעוץ האסטרטגי החדש מבוסס על שלושה נדבכים:

1. מידענות תוצאתית – התחלה מהתוצאה והצבת השאלות הנכונות.

2. ניתוח דאטה פנים־ארגונית – הבנה מה המספרים מספרים באמת.

3. שימוש מושכל בבינה מלאכותית – לשיפור דיוק, חיזוי והאצה”.

השלב הבא: מהתבוננות בדאטה — ליצירת אסטרטגיות עתידיות

לאחר שהיועצים מאמצים את התשתית המתודולוגית — מידענות תוצאתית, Pipeline סדור, וניתוח דאטה פנים־ארגוני — מתחיל השלב המורכב והאינטלקטואלי ביותר בתהליך: בניית תכניות אסטרטגיות ארוכות טווח על בסיס מודלים אנליטיים וחשיבה יצירתית.

לדברי ד"ר קלומל־צוייג, זהו השלב שבו הייעוץ האסטרטגי מתרחק מעבודת “ניתוח” קלאסית והופך לתהליך של חיזוי, סימולציה ותכנון עתידי:

“אחרי שהדאטה מסודר, נקי ואמין — מתחיל למעשה השלב המרתק ביותר:
היכולת לנתח מגמות, להבין תהליכים ארגוניים לעומק, ולבנות תרחישי עתיד שמנחים את הארגון כיצד לפעול בשנים הקרובות.”

היא מתארת את השלב הזה כתהליך של ממש “אינטלקטואליזציה של הדאטה”:
חיבור בין עשרות מודלים לניתוח מידע, חשיבה מערכתית, מתודולוגיות של חדשנות, ומודלים שהוטמעו במסגרת מחקר הדוקטורט שלה.

“אין כאן נוסחה אחת. זהו שילוב בין ניתוח לוגי לבין יצירתיות ניהולית.
כדי לבנות תכנית אסטרטגית בעידן המהפכה הדיגיטלית —
צריך להבין גם מספרים וגם אנשים.”

היועץ האסטרטגי החדש: מקצוע שמשלב תהליך, דאטה וראייה מערכתית

בסופו של דבר, מדגישה ד"ר קלומל־צוייג, זוהי הגדרה חדשה לגמרי של תפקיד היועץ:

“הייעוץ האסטרטגי המודרני אינו מבוסס על דעה — אלא על שיטה.
הוא מבוסס על מידענות תוצאתית, על ניתוח דאטה פנים־ארגוני, ועל שימוש מושכל בכלי בינה מלאכותית.
יועץ שלא מבין את התמונה המערכתית — לא יוכל להוביל ארגון לעתיד”.

לפי גישתה, היועץ החדש אינו רק מנתח נתונים ואינו רק מנהל תהליך; הוא מכין את הארגון למהפכת הבינה המלאכותית, למעבר לעבודה מבוססת נתונים, ולהתמודדות עם שינויים מהירים בשוק.

“זו אינה טכניקה — זו יכולת מערכתית.
יועצים של היום חייבים לעזור לארגונים לזהות סיכונים, להיערך לשיבושים, לאמץ טכנולוגיות ולבנות תשתית חשיבה שמבוססת על נתונים ולא על אינטואיציה בלבד.”

ובמובן הזה, היא אומרת, התפקיד של היועץ האסטרטגי רק מתחיל איפה שהטכנולוגיה נגמרת.

לדבריה, הייעוץ האסטרטגי בעידן החדש הוא “הנדסה מערכתית של קבלת החלטות”, ולא עוד ליווי ניהולי כללי.
כדי ללוות ארגון לקראת מהפכת הבינה המלאכותית — היועץ חייב להבין תהליכים, מבנים, נתונים וזרימת מידע מהקצה לקצה.

“היועצים שמגיעים אליי לא לומדים ‘עוד נושא’.
הם לומדים מקצוע חדש — מקצוע שמכין ארגונים לעתיד”.