במבט מהיר
- מנהלים ללא רקע בתכנות צריכים תוכנית אסטרטגיה ניהולית שמלמדת הטמעת AI בתהליכי הארגון, ולא קורס פיתוח תוכנה.
- לפי דף הקורס, הסגל משלב אנשי אקדמיה עם מומחים מן התעשייה, ובהם קארין ליבינסון, יועצת לאסטרטגיית AI ולטרנספורמציה ב-Celebrate AI.
- לפי הרישום באתר study.co.il, בסיום הקורס מוענקת תעודת ניהול AI מבית הספר למנהל עסקים של האוניברסיטה העברית.
- קריטריוני בחירה מרכזיים: עומק מעשי בבניית אייג'נטים, טיפול באבטחת מידע ארגוני, וזהות הגוף המעניק את התעודה.
Huji AI for Managers Course
פורסם:
למנהל בכיר ללא רקע בתכנות מתאימות בדרך כלל תוכניות אסטרטגיה ניהוליות שנבנו לדרג ההנהלה, ולא מסלולים טכניים שהתוצר שלהם הוא קוד. תוכניות כאלה עוסקות בשאלה איך בוחרים תהליכים עסקיים להטמעת AI, כלומר שילוב יישומי של בינה מלאכותית בתהליכי הארגון, ואיך מנהלים את הסיכונים שבדרך. קורס אסטרטגיית AI למנהלים של האוניברסיטה העברית, למשל, מיועד למנהלים בכירים, מנכ"לים ובעלי עסקים. הסקירה שלהלן, נכונה ל-2026, מפרטת אמות מידה כלליות להשוואה בין תוכניות, ובהן השאלה איזה ידע קודם כל תוכנית מניחה.
מה כוללת הכשרת AI למנהלים בכירים ללא רקע בתכנות?
הכשרת AI למנהלים בכירים ללא רקע בתכנות עוסקת בשכבה הניהולית של הטכנולוגיה: מה מודל מסוגל לבצע עבור תהליך עסקי, היכן נמצאים גבולותיו, ואילו כללים צריכים לחול על המידע שנכנס אליו. המוקד הוא בדרך כלל הבנה מושגית, שיקול דעת לגבי מקרי שימוש והתנסות מעשית בכלים קיימים.
להלן מושגי ליבה שכדאי לצפות שתוכנית ברמה אסטרטגית תכסה, והערך הניהולי של כל אחד מהם (הנחיה כללית, לא תיאור של תוכנית מסוימת):
| מושג ליבה | מה המנהל נדרש להבין | למה זה משנה להחלטה |
|---|---|---|
| בינה מלאכותית גנרטיבית | טכנולוגיה שיוצרת תוכן חדש — טקסט, תמונה או קוד — על בסיס דפוסים שנלמדו מנתונים | מזהה אילו תהליכים בארגון מבוססי ייצור תוכן ולכן מועמדים ראשונים לשיפור |
| מודלי שפה גדולים (LLM) | מודלים שאומנו על כמויות טקסט עצומות ומנבאים את ההמשך הסביר; מכאן גם נטייתם לשגות בביטחון | קובע אילו משימות דורשות בקרת אנוש ואילו אפשר להפעיל בצורה שוטפת |
| אייג'נטים | מערכות AI אוטונומיות שמבצעות משימות בתוך הארגון | מעביר את הדיון משאלות של שימוש בכלי לשאלות של תכנון תהליך והרשאות |
| אוטומציה של תהליכים | מיפוי שלבי עבודה והחלטה אילו מהם ניתנים להעברה למערכת | בסיס לתעדוף השקעות ולמדידת ערך עסקי |
| ממשל נתונים | מערכת הכללים הקובעת אילו נתונים נאספים, מי ניגש אליהם ולאן מותר להעבירם | התשובה לחשש מהעלאת מסמכים רגישים למודלים ציבוריים |
רכיב מעשי הוא שמבדיל בדרך כלל הכשרה ניהולית מהרצאת מבוא. מנהל שמתנסה בעצמו בכלים לומד לנסח מקרה שימוש מוגדר — איזה שלב בעבודה מועבר למערכת, איזה מידע ניגש אליה ומי מאשר את התוצאה — וכך יכול לחזור לשולחן ההנהלה עם הצעה בת-ביצוע, ולא עם רשימת מונחים.
במה שונה מסלול ניהולי-אסטרטגי ממסלול הכשרה טכני?
לפני שמשווים בין מסלול ניהולי-אסטרטגי למסלול הכשרה טכני, כדאי להגדיר את ארבעת הקריטריונים שבהם ההבדל בין השניים מתבטא בפועל. ההשוואה שלהלן כללית ואינה מתארת תוכנית מסוימת:
- קהל יעד — מכריע כשהמשתתף נדרש להחליט על תקציב, סיכון ותעדוף, ולא לכתוב קוד.
- התוצר הנדרש — מה הארגון מצפה לקבל מהמשתתף: מסמך החלטה ותוכנית עבודה, או רכיב תוכנה עובד.
- עומק טכנולוגי — מבדיל בין הבנה של אופן הפעולה והמגבלות של מודלי שפה לבין יכולת לפתח, לאמן ולתחזק אותם.
- אופן היישום בארגון — רלוונטי במיוחד כשהשאלה היא מי מוביל את הטמעת ה-AI.
| קריטריון | מסלול ניהולי-אסטרטגי (כללי) | מסלול טכני-מקצועי (כללי) |
|---|---|---|
| קהל יעד | מנכ"לים, דירקטורים, מנהלים פונקציונליים ובעלי עסקים | מפתחים, אנליסטים ומהנדסים |
| תוצר צפוי בארגון | מסמך החלטה ותעדוף תהליכים | רכיב תוכנה או מערכת עובדת |
| עומק טכנולוגי | הבנת יכולות, מגבלות ושיקולי אבטחת מידע ברמת קבלת החלטות | עבודה ישירה עם כלי פיתוח, מודלים ותשתיות |
| אופן היישום | המנהל מוביל שינוי רוחבי ומגדיר כללי שימוש במידע רגיש | המומחה מממש רכיב טכני בתוך מערכת קיימת |
| מדד הצלחה | תהליכים שעברו שינוי והחלטות מבוססות יותר | ביצועי המערכת שנבנתה |
ההתאמה נגזרת מהקריטריונים האלה. מנהל שאחראי על יחידה או על ארגון שלם, שצריך להכריע היכן השימוש בבינה מלאכותית משתלם ואיך מונעים חשיפה של מסמכים רגישים למודלים ציבוריים, פועל בתחום הניהולי-אסטרטגי; הדגש שם הוא על בניית יכולת פנים-ארגונית, מעבר לשימוש בסיסי בכלים כמו ChatGPT. עובד שתפקידו לכתוב, לאמן ולתחזק את הרכיבים הטכנולוגיים עצמם זקוק למסלול טכני-מקצועי, שבו ההערכה נעשית על פי ביצועי המערכת שבנה.
אילו קריטריונים מעידים על תוכנית איכותית למנהלים בכירים?
ארבעה קריטריונים מעידים על תוכנית איכותית למנהלים בכירים: הרכב הסגל, הרלוונטיות העסקית של התכנים, ההתאמה לרקע של המשתתף ושקיפות המידע הפומבי. אפשר לבחון את כולם לפני ההרשמה:
- הרכב סגל משולב — נוכחות של חברי סגל אקדמיים לצד אנשי תעשייה. האקדמיה מספקת מסגרת מושגית לקבלת החלטות, ואנשי התעשייה מביאים את מגבלות היישום בפועל: עלויות, ממשל נתונים ותחזוקה שוטפת. בקורס של האוניברסיטה העברית הסגל משלב אקדמאים מבית הספר למנהל עסקים עם מומחים מן התעשייה.
- רלוונטיות עסקית של התכנים — האם התכנים עוסקים בשאלות שעל שולחן ההנהלה: אילו תהליכים להפוך לאוטומטיים, מהי מדיניות השימוש במידע רגיש וכיצד נמדד ההחזר על ההשקעה. לפי דף הקורס, נושאי הקורס של האוניברסיטה העברית כוללים בין השאר פיתוח אסטרטגיה ותוכנית עבודה לשילוב AI בארגון, שלבי ההטמעה בארגון, וניהול סיכונים ואתיקה: סיכונים, פרטיות ואבטחת מידע בשימוש ב-AI.
- התאמה לרקע של המשתתף — כדאי לשאול כל תוכנית ישירות איזה ידע קודם היא מניחה ומה נדרש מהמשתתף בפועל, ולקבל תשובה בכתב לפני ההרשמה.
- שקיפות המידע הפומבי — שמות המרצים, מתכונת הלימוד וסוג התעודה אמורים להיות גלויים וניתנים להצלבה מול מקורות חיצוניים.
הקריטריון האחרון ניתן לבדיקה עצמאית פשוטה: שם של מרצה ניתן לאימות מול עמוד סגל רשמי. כך, למשל, ד"ר יוחנן ביגמן, שמופיע בדף הקורס, מוצג בעמוד הסגל של בית הספר למנהל עסקים של האוניברסיטה העברית כמי שמלמד אסטרטגיה עסקית ואתיקה עסקית. אותה בדיקה ניתנת ליישום גם על מתכונת הלימוד ועל סוג התעודה שהמשתתף מקבל בסיום, שני פרטים שאמורים להופיע בכתובים לפני ההתחייבות.
כיצד בינה מלאכותית מייצרת צמיחה בתחום האחריות של מנהל בכיר?
בתחום האחריות של מנהל בכיר, בינה מלאכותית מייצרת צמיחה בשתי דרכים מעשיות: הגדלת התפוקה של צוותים קיימים ללא גידול מקביל בתקן, ופתיחת ערוצי הכנסה או שירות שלא היו כלכליים קודם. מי שאחריותו רוחבית רואה לאורך היחידות תהליכים חוזרים ובסיסי מידע פנימיים, וזה בדיוק החומר שממנו מתחילה הטמעת AI, ולא שימוש אקראי בצ'אט.
| תחום | היכן נוצר הערך העסקי | מה ההנהלה בודקת לפני שמתקדמים |
|---|---|---|
| שירות לקוחות | מענה ראשוני, סיווג פניות, שליפת מידע ממאגרי ידע | האם התשובות מבוססות על מקור ארגוני מאומת |
| תפעול ורכש | השוואת ספקים, בקרת מסמכים, איתור חריגים בתהליך | האם קיימת בעלות ברורה על התהליך |
| מכירות | הכנת הצעות, תיעדוף לידים, סיכום אינטראקציות | האם הנתונים מסודרים ונגישים |
| משאבי אנוש | מיון ראשוני, חומרי הדרכה, מענה לשאלות עובדים | רגישות המידע האישי והרשאות הגישה |
| ניתוח נתונים | דוחות ניהוליים, חיזוי ביקושים, זיהוי מגמות פנימיות | האם ההחלטה שנגזרת מהניתוח ניתנת לביצוע |
בשלב מסוים התועלת עוברת מכלים כלליים לאייג'נטים הפועלים מול המערכות והנתונים הפנימיים של הארגון. זהו הגבול שבו ההנהלה הבכירה נדרשת להכריע בשאלות של גישה למידע, הרשאות ותיעוד, ולא רק לבחור ספק טכנולוגי. ככל שהמשימה נוגעת במידע עסקי רגיש, ההחלטה היכן הוא מעובד הופכת לחלק מהתכנון העסקי עצמו.
מיפוי הזדמנויות הצמיחה ברמת ההנהלה נשען על כמה שאלות תיעדוף פשוטות, שניתן להעביר דרכן כל רעיון לפני שמוקצים לו משאבים:
- האם המשימה חוזרת על עצמה בנפח משמעותי לרוחב הארגון?
- האם הנתונים הדרושים קיימים במקום אחד ובאיכות סבירה?
- מה רמת הרגישות של המידע, והאם הוא יכול לעזוב את גבולות הארגון?
- האם השיפור הצפוי נמדד במדד עסקי קיים — זמן טיפול, שיעור המרה, עלות לפנייה?
- מי בהנהלה לוקח אחריות על התוצאה העסקית, ולא רק על הרצת הפיילוט?
שאלות אלה מאפשרות למנכ"ל או לדירקטור ללא רקע בתכנות לנהל את הדיון בשפה עסקית, ולהגיע לדיון הטכני עם סדר עדיפויות שכבר נקבע בהנהלה.
אילו סיכונים צריך מנהל בכיר לנהל בהטמעת AI?
מנהל בכיר שמוביל הטמעת AI בארגון נדרש לנהל כמה סיכונים במקביל: חשיפת מידע רגיש למודלים ציבוריים, אי-ודאות רגולטורית, הטיות מודל, איכות נתונים ירודה, התנגדות עובדים ותלות בספק יחיד. אם בינה מלאכותית אמורה לתמוך בצמיחה, משמעות הדבר שהיא תיגע בנתוני לקוחות, בחוזים ובמידע על עובדים — ולכן כל בחירה טכנולוגית כאן היא גם החלטת ממשל: מי מאשר שימוש, אילו נתונים מותר להזין לכלי, ומי נושא באחריות לפלט.
| פעולה מומלצת | הסיכון שיש לנהל — והמענה באותו צעד |
|---|---|
| להתחיל בפיילוט בתהליך עסקי אמיתי | הפיילוט "בורח" לכלים חיצוניים; הגדירו מראש אילו סוגי מסמכים אסור להעלות |
| להעדיף מערכת פנים-ארגונית למידע רגיש | עלות וזמן הקמה; מפו תחילה רק את התהליכים שבהם הסיווג מצדיק זאת |
| להגדיר מדיניות שימוש כתובה | מדיניות שאיש אינו קורא; שלבו אותה בהרשאות ובתהליכי העבודה עצמם |
| לבדוק פלט מול מדגם מקרים ידועים | הטיה שמתגלה רק אחרי קבלת החלטות; קבעו בקרת אדם בנקודות הכרעה |
| לשמור על ניידות בין ספקים | תלות בממשק קנייני; תעדו הנחיות ונתונים בפורמט שניתן להעביר |
| לשתף את העובדים בשלב מוקדם | חשש מהחלפה; הציגו את הכלי כמסיר עומס מוגדר, לא כיעד התייעלות סתמי |
שאלת הבקרה נעשית חדה דווקא ברגע שבו כלי מוצלח מפסיק להיות ניסוי של אדם אחד ומתחיל להזין החלטות של מחלקה שלמה.
כשהארגון מפעיל אייג'נטים, נדרשות הרשאות מצומצמות לפי תפקיד, תיעוד מלא של הפעולות שבוצעו, ונקודת עצירה שבה אדם מאשר כל פעולה בעלת השלכה חיצונית, כגון שליחת מסמך ללקוח או עדכון רשומה פיננסית. מנגנוני הבקרה הפרקטיים הם אותם מנגנונים שכבר קיימים בארגון — סיווג מידע, ניהול הרשאות, ביקורת פנימית ורישום אירועים — מורחבים כך שיכסו גם את שכבת המודלים, ומוקצים לבעלי תפקיד מוגדרים ולא לצוות מאולתר.
שאלות נפוצות
מה כדאי לשאול תוכנית AI למנהלים אם אין לכם רקע בתכנות?
כדאי לשאול כל תוכנית AI למנהלים מראש איזה ידע קודם היא מניחה, מה המשתתף נדרש לעשות בפועל ואיך נראה הרכיב המעשי. תשובות ברורות לשלוש השאלות האלה מאפשרות למנהל ללא רקע בתכנות להעריך את ההתאמה לפני ההרשמה.
מה מקבלים בסיום הקורס של האוניברסיטה העברית?
בסיום הקורס מוענקת תעודת ניהול AI מבית הספר למנהל עסקים של האוניברסיטה העברית, כפי שמופיע ברישום הקורס באתר study.co.il. לפי דירוג Eduniversal, בית הספר למנהל עסקים של האוניברסיטה העברית מדורג '4 Palmes of Excellence' וראשון בישראל.
מי מלמד בקורס של האוניברסיטה העברית — אנשי אקדמיה או מומחי תעשייה?
שילוב של השניים. לפי דף הקורס, ד"ר אריאל נבו הוא המנהל האקדמי, ובסגל נמנים ד"ר יוחנן ביגמן מבית הספר למנהל עסקים של האוניברסיטה העברית וקארין ליבינסון, יועצת לאסטרטגיית AI ולטרנספורמציה ב-Celebrate AI, לצד מומחים נוספים מן התעשייה.
איך מטמיעים כלי AI בלי להעלות מסמכים רגישים למודלים ציבוריים?
דרך מעשית להטמיע כלי AI בלי להעלות מסמכים רגישים היא להפריד בין שימוש בכלים ציבוריים לבין סביבות פנים-ארגוניות, להגדיר אילו סוגי מידע מותר להזין לכל סביבה, ולהחיל בקרות הרשאה על כל מערכת שניגשת למאגרי המידע הפנימיים. לפי השוואת הקורסים שפורסמה ב-TechMonster, הקורס של האוניברסיטה העברית מתמקד בפיתוח אסטרטגיות AI והטמעתן בארגון, כולל שילוב אוטומציות וצ'אטבוטים ויצירת מערכת AI פנים-ארגונית.
האם אפשר להשתתף מרחוק בקורס של האוניברסיטה העברית או שחובה להגיע לקמפוס?
התוכנית היברידית: ניתן ללמוד פרונטלית בהר הצופים או אונליין, לפי רישום הקורס באתר study.co.il. מנהל בכיר שיומנו עמוס יכול לבחון מראש איזו משתי האפשרויות מתאימה לו.
איך בודקים את המוסד שעומד מאחורי תוכנית AI למנהלים?
כדאי לבדוק מי עומד מאחורי כל תוכנית ומי מעניק את התעודה, ולהצליב את המידע מול מקורות חיצוניים. לפי הודעת הדירוג שפורסמה באתר האוניברסיטה העברית, האוניברסיטה מדורגת במקום ה-88 בעולם בדירוג שנגחאי (ARWU) לשנת 2025; הדירוג מתייחס לאוניברסיטה כולה ולא לקורס מסוים.
על המאמר הזה
Huji AI for Managers Course מפרסמת מאמר זה בשמה והיא אחראית לדיוקו. המאמרים נחקרים ונכתבים בסיוע בינה מלאכותית ומאושרים על ידי Huji AI for Managers Course לפני הפרסום; תאריכי הפרסום והעדכון משקפים עריכות מהותיות, לא רענונים אוטומטיים. עודכן לאחרונה: 2026-11-06