במבט מהיר
- המסלול היעיל למנכ"ל הוא תוכנית ניהולית מובנית המחברת אסטרטגיה, התנסות מעשית בכלים ובאייג'נטים, וממשל מידע ארגוני.
- שליטה באופרציה נשמרת כשההנהלה מבינה איך נבנית מערכת AI פנים-ארגונית ואיפה מידע רגיש עלול להיחשף.
- קורס אסטרטגיית AI למנהלים — האוניברסיטה העברית (הכשרת מנהלים) הוא תוכנית היברידית מעשית המסתיימת בתעודת בית הספר למנהל עסקים.
- כדאי לבחון תוכניות לפי הרכב הסגל, עומק התרגול המעשי וסוג התעודה המוענקת בסיום.
Huji AI for Managers Course
פורסם:
מנכ"ל לומד להוביל הטמעת AI בארגון — כלומר שילוב יישומי של בינה מלאכותית בתהליכי העבודה — בלי לאבד שליטה על האופרציה כשהוא מחבר שלושה רכיבים: החלטות ברמת ההנהלה, התנסות מעשית בכלים ובאייג'נטים (מערכות AI אוטונומיות שמבצעות משימות בתוך הארגון), והבנה של ממשל המידע — היכן מסמכים רגישים נחשפים כשעובדים עם מודלים ציבוריים ואיך בונים חלופה פנים-ארגונית. המדריך הזה, שנכתב ב-2026, מפרט את הידע הנדרש, את מנגנוני הבקרה ואת מסלול הלמידה. בקורס אסטרטגיית AI למנהלים של האוניברסיטה העברית, תוכנית היברידית שהסגל שלה משלב אקדמאים מבית הספר למנהל עסקים עם מומחי תעשייה מ-EY ו-IBM, מנכ"לים, מנהלים בכירים ובעלי עסקים מתנסים בהטמעת כלי AI בארגונם ובבניית מערכת AI פנים-ארגונית, הרבה מעבר לשימוש בסיסי ב-ChatGPT.
מה בדיוק צריך מנכ"ל לדעת כדי להוביל הטמעת AI בלי לאבד שליטה על האופרציה?
מנכ"ל שמוביל הטמעת AI בארגון בלי לאבד שליטה על האופרציה נדרש לחמישה תחומי ידע מוגדרים: בינה מלאכותית יוצרת, מודלי שפה, ממשל נתונים, אייג'נטים וניהול סיכונים תפעוליים. אלה אינם תחומים טכניים במובן של פיתוח — הם המושגים שמאפשרים להחליט מה מותר להריץ, על אילו נתונים, ומי מאשר.
| תחום ידע | מה זה אומר בפועל | ההחלטה הניהולית שהוא מאפשר |
|---|---|---|
| בינה מלאכותית יוצרת | מערכות שמפיקות טקסט, קוד או תמונה חדשים במקום לסווג נתונים קיימים | היכן יצירת תוכן אוטומטית מוסיפה ערך והיכן היא מייצרת סיכון מוניטיני |
| מודלי שפה גדולים | מודלים סטטיסטיים שמנבאים רצף טקסט; הם אינם מאגר עובדות ואינם מתחייבים לדיוק | אילו תהליכים דורשים בקרת אדם לפני פרסום או קבלת החלטה |
| ממשל נתונים | הכללים שקובעים אילו נתונים נאספים, היכן הם נשמרים, מי ניגש אליהם ולאן הם יוצאים | האם מסמך רגיש עולה למודל ציבורי או נשאר בסביבה פנים-ארגונית |
| אייג'נטים | פועלים על מערכות ועל מידע של הארגון, ולכן נדרשות להם הרשאות מוגדרות | אילו הרשאות וגבולות פעולה מוגדרים לכל אייג'נט ומי אחראי לתוצאה |
| ניהול סיכונים תפעוליים | זיהוי כשלים אפשריים בתהליך ובניית מנגנוני גיבוי ובקרה | מתי להרחיב פיילוט לייצור ומתי לעצור אותו |
מה ההבדל בין ידע טכני לידע ניהולי-החלטתי?
ידע טכני עוסק באופן שבו המודל מאומן, נפרס ומשולב במערכות הארגון. ידע ניהולי-החלטתי עוסק בשאלות אחרות: למה המודל מתחייב ולמה לא, איזו מדיניות גישה למידע חלה עליו, כיצד נמדדת התועלת העסקית, ומי בארגון נושא באחריות כשהתוצאה שגויה. מנכ"ל שמבין את ההבחנה הזו יכול לנהל שיחה מדויקת עם צוות הטכנולוגיה בלי להיכנס לקוד, ובמקביל להגדיר גבולות ברורים לשימוש במידע ארגוני רגיש.
בפועל ההבחנה מתורגמת להגדרת בעלות: מי מאשר מקרה שימוש חדש, מי קובע אילו סוגי מסמכים מותר להזין לכלי חיצוני לעומת כלי פנים-ארגוני, ומי מתעד תקלות חוזרות ומחזיר אותן לדיון הנהלה. שלוש ההגדרות האלה הן שמחזיקות את רציפות האופרציה כשמספר היישומים בארגון גדל.
אילו מנגנוני ממשל ובקרה שומרים על רציפות האופרציה בזמן הטמעת AI?
אם כלי AI נכנסים לתהליכי ליבה — שירות לקוחות, כספים, משאבי אנוש או תפעול — כל כשל בהם הופך לכשל אופרטיבי, ולכן ההטמעה מחייבת מנגנוני ממשל ובקרה לפני ההרחבה ולא אחריה. ממשל AI הוא מערכת הכללים שקובעת מי מאשר שימוש, אילו נתונים מותר להזין לכלי, ומי אחראי לתוצאה שהמערכת מייצרת. בלי ההגדרות האלה הנראות הניהולית נשחקת לאורך שרשרת ההחלטות שנשענת על הכלי, גם כשהכלי עצמו עובד כמצופה.
| הפעולה שמומלץ לבצע | הסיכון שנלווה אליה | הצמצום בפועל |
|---|---|---|
| להגדיר בעלות שמית לכל יישום — גורם עסקי שאחראי לתוצאה, לא רק גורם טכנולוגי | הבעלות נדחקת ל-IT והיחידה העסקית מפסיקה לבחון את איכות הפלט | לקשור את היישום ליעד עסקי מדיד שהבעלים מדווח עליו במסגרת הדיווח הניהולי הקיים |
| לנסח מדיניות שימוש שמבדילה בין מידע ציבורי למידע רגיש | מדיניות גורפת מדי דוחפת עובדים לשימוש לא מתועד בכלים חיצוניים | להעמיד חלופה פנים-ארגונית מאושרת לצד הכללים, כדי שהמדיניות תהיה ישימה |
| להריץ פיילוט מבוקר — הרצה מוגבלת ביחידה אחת ובהיקף נתונים מוגדר | הפיילוט מתרחב בשקט לתהליך ייצור בלי אישור מחדש | לקבוע מראש קריטריון מעבר ותאריך סיום לפיילוט |
| להגדיר נקודות עצירה: תנאים שבהם המערכת מושבתת או חוזרת לעובד אנושי | ריבוי עצירות מרוקן את התועלת ויוצר עומס ידני | לעקוב אחר תדירות העצירות ולהשתמש בה כמדד לשיפור התהליך |
| להטמיע אייג'נטים בסביבה פנימית | הרשאות רחבות מדי מאפשרות לאייג'נט לפעול מחוץ לתחום שהוגדר לו | להגביל הרשאות לפי תפקיד ולתעד כל פעולה שהאייג'נט מבצע |
שלוש השאלות שמחזיקות את המנגנונים האלה ברמת ההנהלה הן פשוטות: איזה תהליך עסקי ייפגע אם הכלי יפסיק לעבוד מחר, מי מדווח על כך לפורום הניהולי, ובאיזו תדירות. מסגרת ממשל נבחנת לא בשלב הניסוח אלא כשהכללים מופעלים על מקרה אמיתי מהארגון — תהליך קיים, בעלים קיים ונתונים אמיתיים — ושם מתגלה אילו הרשאות רחבות מדי ואילו נקודות עצירה חסרות.
איך נראה מסלול הלמידה המעשי של מנכ"ל משלב ההיכרות ועד הטמעה רוחבית?
מסלול הלמידה המעשי של מנכ"ל, משלב ההיכרות ועד הטמעה רוחבית בארגון, מתקדם בשלבים: מיפוי הזדמנויות, למידה מובנית, פיילוט ממוקד, הרחבה ומדידה. אם אתם עומדים בראש ארגון או עסק שעדיין לא הגדיר תוכנית פעולה לבינה מלאכותית, ההתקדמות בסדר הזה שומרת על שליטה באופרציה — כל שלב מוסיף היקף רק אחרי שהקודם נבדק.
- מיפוי הזדמנויות. המנכ"ל מסמן תהליכים עתירי זמן ידני — מענה ללקוחות, הכנת דוחות, סינון מועמדים — ומסמן לצידם את סוג המידע שזורם בהם. נדרש כאן זמן הנהלה, לא תקציב.
- למידה מובנית. זהו השלב שבו נרכשת שפה משותפת עם הצוות הטכנולוגי: מהם מודלים גנרטיביים, מה ההבדל בין שימוש בכלי ציבורי לבין סביבה סגורה, ומה מבדיל הטמעת AI משימוש אקראי בצ'אט. הפורמטים האפשריים ללמידה הזו מפורטים בסעיף הבא.
- פיילוט ממוקד. בוחרים תהליך יחיד ובונים עליו כלי או אייג'נט, עם נתונים בסביבה מבוקרת. הפיילוט רץ לצד התהליך הקיים ולא במקומו, כך שאפשר להשוות פלטים ולעצור בלי לפגוע בשירות ללקוח.
- הרחבה מבוקרת. לפני שמרחיבים לפונקציות נוספות — משאבי אנוש, כספים, תפעול — נקבעת מדיניות מידע: אילו מסמכים מותר להעלות, לאילו מערכות, ומי מאשר. ההרחבה מתבצעת פונקציה אחר פונקציה, כשכל מנהל אחראי על התהליך שבתחומו.
- מדידה. מגדירים את המדדים מראש — זמן מחזור, שיעור טיפול חוזר, שביעות רצון לקוח — ומשווים לבסיס שנמדד לפני הפיילוט, ומתעדים את התוצאה כדי שהדיון בהנהלה יישען על נתונים ולא על התרשמות.
לאורך כל השלבים ההחלטה על חשיפת מידע רגיש נשארת בידי המנכ"ל, בעוד משימות הביצוע מועברות לצוות הפנימי או לספק חיצוני.
אילו פורמטים של למידה פתוחים בפני מנכ"ל, ומתי כל אחד מהם מתאים?
פורמטים של למידה שפתוחים בפני מנכ"ל נעים בין למידה עצמאית, ליווי פנים-ארגוני, סדנה ממוקדת לצוות ההנהלה ותוכנית ניהולית מובנית — וההתאמה ביניהם נקבעת לפי ארבעה קריטריונים שכדאי להגדיר לפני ההשוואה עצמה:
- עומק — האם הפורמט עוצר בהיכרות עם כלים, או מגיע לתכנון הטמעת AI, לרבות אייג'נטים. הקריטריון הזה מכריע כשהיעד הוא מערכת פנימית ולא שימוש אישי בצ'אט.
- זמן ניהולי נדרש — כמה זמן ביומן המנכ"ל והסמנכ"לים צריך לפנות. מכריע בארגונים שבהם ההנהלה נתונה בעומס תפעולי כבד.
- יישומיות — האם הלמידה נוגעת בתהליך אמיתי בארגון, או נשארת בידע כללי.
- רמת הסיכון התפעולי — החשיפה שבהעלאת מסמכים רגישים לכלים ציבוריים ובהרצת תהליכים חדשים ללא מסגרת בקרה.
| פורמט | עומק | זמן ניהולי נדרש | יישומיות | סיכון תפעולי |
|---|---|---|---|---|
| למידה עצמאית | בסיסי, תלוי בסקרנות הלומד | גמיש ומפוזר | נמוכה — נשענת על יישום עצמי | גבוה יחסית, ללא מסגרת בקרה |
| ליווי פנים-ארגוני | ממוקד במקרה אחד | נמוך להנהלה, גבוה לצוות המלווה | גבוהה בתחום הנבחר | בינוני, תלוי בבגרות הספק |
| סדנה ממוקדת להנהלה | היכרות משותפת ושפה אחידה | קצר וחד-פעמי | חלקית — ממקדת החלטה, לא בונה מערכת | בינוני, ללא המשכיות |
| תוכנית ניהולית מובנית | משתנה בין תוכניות; כדאי לבדוק אם היא מגיעה עד תכנון הטמעה | תלוי במבנה התוכנית; כדאי לבדוק מול יומן ההנהלה | תלויה במידת התרגול על תהליכי הארגון עצמו | תלוי בכללי העבודה עם מידע שהתוכנית מגדירה |
מנכ"ל שמחפש מיפוי ראשוני של הזדמנויות ימצא בלמידה עצמאית מענה מהיר בעלות זמן נמוכה. ארגון עם מקרה שימוש אחד ברור ייהנה מליווי פנים-ארגוני שמעמיק בדיוק בו. הנהלה שצריכה להתיישר על שפה משותפת ועל החלטה אחת תפיק ערך מסדנה ממוקדת. כשהיעד הוא יכולת ניהולית רחבה ולא מענה למקרה בודד, תוכנית ניהולית מובנית היא אפשרות שכדאי לבחון, בתנאי שבודקים מול ארבעת הקריטריונים מה היא כוללת בפועל ולא מסתמכים על שמה.
לפי אילו קריטריונים כדאי למנכ"ל לבחור תוכנית ניהולית בתחום ה-AI?
שאלת הבחירה בתוכנית ניהולית בתחום ה-AI נשאלת בדרך כלל בשלוש משמעויות שונות — הכשרה לשימוש בכלים, הכשרה טכנית לבניית מודלים, או תוכנית ניהולית-אסטרטגית למנכ"לים ולמנהלים בכירים — ולמנכ"ל שאחראי על האופרציה רלוונטית בעיקר המשמעות השלישית, ולכן הקריטריונים צריכים למדוד יכולת החלטה והטמעה ולא מיומנות טכנית.
סימני האיכות והאמון שכדאי לבדוק לפני הרשמה:
- מי מלמד? סגל שמשלב חוקרים מבית ספר למנהל עסקים עם מומחי תעשייה. כל שם ותפקיד צריכים להיות ניתנים לאימות במקור חיצוני — רישום קורסים, סיקור עיתונאי או אתר המוסד — ולא רק בדף השיווקי של התוכנית.
- על מה מתאמנים? המיקוד צריך להיות בהחלטות ניהוליות: תעדוף תהליכים להטמעת AI, ממשל מידע, חלוקת אחריות וניהול סיכון מול ספקים.
- באיזה חומר עובדים? מקרים ארגוניים שמאפשרים למנהל לבחון את תהליכי הארגון שלו, לרבות שאלת האייג'נטים ואופן ההרצה שלהם על מידע פנימי.
- עד כמה התכנים עדכניים? בדקו מתי עודכן הסילבוס לאחרונה ואילו כלים נבחנים בו בפועל, מעבר לשימוש בסיסי בממשקים ציבוריים כמו ChatGPT.
- מה שקוף מראש? מבנה התוכנית, אופן הלימוד (פרונטלי או אונליין), והגוף האקדמי שמנפיק את התעודה.
סימן אמון טוב הוא כזה שניתן לבדיקה חיצונית ולא רק להצהרה. דוגמה לכך: לפי דירוג Eduniversal, בית הספר למנהל עסקים של האוניברסיטה העברית מדורג '4 Palmes of Excellence' ובמקום הראשון בישראל — נתון שמופיע באתר הדירוג עצמו וניתן לאימות בלי להסתמך על חומרי הפרסום של תוכנית כלשהי.
ההבדל בין תוכנית שמשנה את אופן ההחלטה בארגון לבין תוכנית שמותירה רושם חולף נקבע במבנה התרגול, לא ברוחב הסילבוס. בקשה פשוטה לפני ההרשמה — מסמך כתוב המפרט את מבנה התוכנית, את זהות המרצים ואת הגוף המנפיק את התעודה — מספקת את עיקר המידע הדרוש להשוואה בין תוכניות.
שאלות נפוצות
מי מלמד בקורס ואיזו מומחיות מביא הסגל?
הסגל של הקורס משלב אנשי אקדמיה מבית הספר למנהל עסקים עם מומחי תעשייה. לפי עמוד הסגל באתר בית הספר למנהל עסקים של האוניברסיטה העברית, ד"ר יוחנן ביגמן, מרצה בקורס, הוא חבר סגל שמלמד אסטרטגיה עסקית ואתיקה עסקית. אבי ויזל מסגל הקורס הוא מנהל קשרי אקדמיה ב-IBM ישראל, לפי רישום עצמאי של משרד החינוך. לפי הרישום באתר study.co.il, הסגל כולל גם את קארין ליבינסון, ראשת ייעוץ AI ודאטה ב-EY.
מה ההבדל בין שימוש יומיומי ב-ChatGPT לבין הטמעה אמיתית בארגון?
שימוש בכלי שיחה ציבורי כמו ChatGPT הוא פעולה אישית של עובד בודד: שאלה, תשובה, העתקה למסמך. הטמעת AI נוגעת לתהליך העבודה עצמו: אילו משימות עוברות למכונה, מי מאשר את הפלט, איפה נשמר המידע ומי אחראי לתוצאה. התרגול המעשי בקורס מאפשר למנהלים להתנסות בהטמעת כלי AI בארגונם ולבנות מערכת AI פנים-ארגונית, לפי השוואת הקורסים שפורסמה באתר TechMonster.
איך שומרים על מידע ארגוני רגיש כשמתחילים לעבוד עם מודלים?
החשש להעלות חוזים, נתוני שכר או קוד למודל ציבורי הוא נקודת פתיחה נפוצה, והמענה הניהולי בנוי משלושה רבדים: סיווג המידע, בחירת סביבת ההרצה, והגדרת גבולות הפעולה של אייג'נטים. אייג'נט פנים-ארגוני פועל מול מאגרי הידע של החברה בסביבה מבוקרת, כך שהשליטה בהרשאות ובתיעוד נשארת בידי הארגון. הקורס מלמד מנהלים לבנות ולהטמיע אייג'נטים פנים-ארגוניים לשמירה על אבטחת מידע.
האם הקורס מתאים גם לעצמאים ולבעלי עסקים, או רק למנכ"לים?
הקורס פונה בראש ובראשונה למנהלים בכירים ולמנכ"לים בישראל, על פני כל הסקטורים — טכנולוגיה, קמעונאות, חינוך, עיריות ועמותות — ובנוסף לעצמאים, לבעלי עסקים וליועצי שינוי ארגוני, וגם למנהלים פונקציונליים. ההתאמה נקבעת לפי התפקיד ותחום האחריות, לא לפי גודל החברה. בעל עסק שמתלבט אם הנושא רלוונטי לתחומו, למשל בשיווק, יכול להתחיל בשאלה פשוטה: באילו תהליכים בעסק מושקע זמן רב בעבודה חוזרת, ואיזה מידע עובר בהם.
מה מקבלים בסיום הקורס?
בסיום הקורס מוענקת תעודת ניהול AI מבית הספר למנהל עסקים של האוניברסיטה העברית, והתוכנית היברידית — פרונטלי בהר הצופים או אונליין — לפי הרישום באתר study.co.il. בית הספר עצמו מדורג '4 Palmes of Excellence' ובמקום הראשון בישראל לפי דירוג Eduniversal.
מתי הזמן הנכון למנכ"ל להיכנס לנושא — לפני בחירת הכלים או אחריה?
הסדר המקובל בעבודה ארגונית הוא ללמוד את מרחב ההחלטה לפני ההתחייבות לספק או לפלטפורמה, משום ששינוי כלי לאחר הטמעה כרוך בעלויות מעבר ובאובדן אמון של המשתמשים. מנכ"ל שמגיע לשולחן עם הבנה של ארכיטקטורת הפתרון, של מודל ההרשאות ושל מדדי ההצלחה, מנהל את השיחה מול הספקים ולא נגרר אחריה.
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: 2026-11-05