מעבר ל-ChatGPT: מה מנהל אמור לדעת לעשות בסוף קורס AI?

בסוף קורס בינה מלאכותית ראוי למנהלים בכירים, מנהל אמור לדעת לעשות ארבעה דברים בפועל: לזהות אילו תהליכים בארגון שלו מועמדים אמיתיים לאוטומציה חכמה, להגדיר לכל תרחיש מדד הצלחה עסקי אחד ובעל ערך, לבנות או להזמין אייג'נט פנים-ארגוני — כלומר מערכת AI אוטונומית שמבצעת משימה מוגדרת בתוך הארגון — ולקבוע כלל ברור אילו מסמכים אסור להעלות למודל ציבורי. הידיעה לנסח פרומפט טוב היא נקודת הפתיחה, לא היעד. קורס אסטרטגיית AI למנהלים של הכשרת המנהלים באוניברסיטה העברית בנוי בדיוק סביב הפער הזה: מנהלים מתנסים בהטמעת כלי AI בארגונם ובבניית מערכת AI פנים-ארגונית, כולל אייג'נטים, ולא מסתפקים בשימוש בסיסי ב-ChatGPT.

מה מנהל אמור לדעת לעשות בסוף קורס AI, בפועל?

מנהל שסיים קורס בינה מלאכותית טוב אמור לדעת לעשות דברים מוחשיים, לא לדקלם מושגים. נתחיל בהגדרות, כי כל השאר נשען עליהן: הטמעת AI היא שילוב יישומי של בינה מלאכותית בתהליכי עבודה קיימים — לא רכישת כלי, אלא שינוי של האופן שבו משימה מתבצעת; אייג'נט הוא מערכת AI שמקבלת מטרה, מפעילה כלים ומסמכים בעצמה ומחזירה תוצר, בתוך גבולות הרשאה שהארגון קבע; ומודל ציבורי הוא שירות שמופעל בסביבה שאינה בשליטת הארגון, ולכן דורש כלל החלטה מפורש לגבי מה נשלח אליו.

על בסיס זה, אלה הכשירויות שמנהל אמור לצאת איתן — ומה בדיוק נמדד בכל אחת:

כשירות	מה מוגדר בה	למה זה חשוב למנהל
מיפוי מועמדים לאוטומציה	סיווג כל משימה כ"אנושית", "מסייעת" או "אוטונומית" — סינון קורות חיים, מענה לפניות ספקים וסיכומי דוחות תפעול מול משימות שדורשות שיקול דעת	בלי מיפוי, ההטמעה נדבקת למשימות הזוהרות ולא לצווארי הבקבוק
מדד תהליכי יחיד	זמן טיפול בפנייה, שיעור טעויות או חלק המסמכים שמוכנים לאישור בסבב ראשון — נמדד לפני ואחרי	מתרגם "רוצים AI" לדיון תקציבי מול ההנהלה והדירקטוריון
פרומפט עבודה חוזר	תבנית קבועה: הקשר, קלט, פורמט פלט וקריטריון קבלה	הופך שימוש אישי ואקראי בכלי כמו ChatGPT לנוהל עבודה מדיד
בנייה ראשונית של אייג'נט	הרכבת אייג'נט פשוט מעל מסמכי הארגון, והבנה מה קורה כשהוא טועה	ההבחנה המעשית בין מי שמכיר כלי לבין מי שיודע להוביל מהלך
בדיקת פלט מול מקור	שרשרת אימות: מסמך מקור, ציטוט ואישור אנושי לפני החלטה	מקטין חשיפה לשגיאות עובדתיות בהחלטות ניהוליות
קווים אדומים על מידע	מדרג רגישות — פומבי, פנימי, סודי, אישי — ואיזה כלי מותר בכל דרגה	מונע העלאת מסמכים רגישים למודלים ציבוריים
הובלת שינוי	הסבר לדירקטוריון ולמנהלי הפונקציות מה נבחן, מה הסיכון ומה ההחלטה הנדרשת	בלעדיו היוזמה נשארת פיילוט של אדם בודד

התוכנית של הכשרת המנהלים באוניברסיטה העברית מעמידה את המשתתפים בעמדת הבונה ולא בעמדת הצופה: התרגול המעשי מאפשר להתנסות בהטמעת כלי AI בארגון עצמו ובבניית מערכת AI פנים-ארגונית, לפי סיקור עצמאי של השוואת הקורסים ב-TechMonster. זו ההבחנה המעשית בין הכרת כלי לבין יכולת להוביל מהלך.

במה שונה שימוש בסיסי ב-ChatGPT מהטמעה ארגונית אמיתית?

שימוש בסיסי ב-ChatGPT והטמעה ארגונית אמיתית נבדלים לא באיכות הפלט אלא בבעלות, בשליטה ובמידע. לפני שמשווים, כדאי להסכים על ארבעה קריטריונים, בסדר החשיבות שלהם למנהל: רגישות המידע (מה יוצא מגבולות הארגון), בעלות ותחזוקה (מי אחראי כשזה נשבר), מדידות (האם יש מדד עסקי או רק תחושה), וסקאלביליות (האם התוצאה תלויה באדם אחד מוכשר). קריטריון המידע מקבל את המשקל הגבוה ביותר, כי טעות שם אינה הפיכה; מדידות ותחזוקה קובעות אם הפיילוט הופך לתהליך.

קריטריון	שימוש אישי בכלי ציבורי	כלי AI מוטמע בתהליך	אייג'נט פנים-ארגוני
רגישות המידע	מסמכים עלולים לצאת מהארגון ללא כלל החלטה	ניתן להגדיר אילו שדות נשלחים	עובד מעל מסמכי הארגון בהרשאות מוגדרות
בעלות ותחזוקה	העובד הבודד	מנהל התהליך, בתמיכת IT	ועדת היגוי עם בעלות מוגדרת ותיעוד
מדידות	קשה למדוד; חיסכון סמוי	מדד אחד לתהליך	מדדי איכות, שיעור התערבות אנושית ולוגים
סקאלביליות	תלוי מיומנות אישית	חוזר על עצמו בצוות	פועל רוחבית, מספר תהליכים
זמן להקמה	מיידי	קצר	ארוך יותר, דורש הכנת מידע

שני מושגים שכדאי להחזיק בזמן ההשוואה: מודל שפה גדול (LLM) הוא מודל שהותאם לחזות את ההמשך הסביר ביותר לטקסט, ולכן הוא מיטיב לנסח אך עלול לייצר הזיה — תשובה שנשמעת מוסמכת אך שגויה עובדתית; אוטומציה קלאסית, לעומת זאת, היא כלל דטרמיניסטי שמריץ את אותה פעולה בדיוק באותו אופן, ולכן היא עדיפה בהעברת כספים, בהרשאות ובכל מקום שדורש תוצאה ודאית. מנהל שמבחין בין השניים כבר אינו שואל רק "איך מנסחים פרומפט טוב", אלא "איזה חלק בשרשרת העבודה מתאים לבינה מלאכותית גנרטיבית, איזה חלק מתאים לכלל דטרמיניסטי, והיכן יושב המידע הרגיש".

השורה התחתונה: שימוש אישי הוא נקודת פתיחה לגיטימית לחלוטין, אבל רק כלי מוטמע ואייג'נט מוגדר-הרשאות מייצרים ערך שנשאר בארגון גם כשהעובד המוכשר יוצא לחופשה. לכן מנהל שמסיים קורס בתחום אמור לדעת להזיז יוזמות שלב אחד ימינה בטבלה — מהמצב שבו כל אחד מנסה משהו לבד, למצב שבו קיים תהליך עם בעלים, מדד וגבולות מידע. בקורס של בית הספר למנהל עסקים באוניברסיטה העברית, ההתנסות נעשית על תרחישים מהארגון של המשתתף עצמו, כך שההבחנה הזאת נלמדת מהצד המעשי ולא כתיאוריה.

איך בונים אייג'נט פנים-ארגוני בלי לחשוף מסמכים רגישים?

בונים אייג'נט פנים-ארגוני בלי לחשוף מסמכים רגישים באמצעות ארכיטקטורה שמפרידה בין המודל לבין המידע. המנגנון המקובל בתעשייה הוא ייצור מבוסס-אחזור (RAG): המסמכים נשארים במאגר של הארגון, נשלפים ממנו רק הקטעים הרלוונטיים לשאלה, ורק הם מועברים למודל. המשמעות המעשית היא שאין צורך "לאמן מודל על הנתונים שלנו" כדי לקבל תשובות מבוססות ארגון — וזו אחת התפיסות השגויות הנפוצות בקרב מנהלים שמגיעים מהיכרות עם כלי צ'אט ציבורי.

מעל זה נבנות שכבות ההגנה שמנהל אמור לדרוש:

• סיווג מידע: חלוקה לרמות (פומבי, פנימי, סודי, אישי) לפני שכותבים שורת קוד אחת.
• הרשאות לפי תפקיד: האייג'נט רואה בדיוק מה שהמשתמש מולו מורשה לראות, ולא יותר.
• סביבת הרצה בשליטת הארגון: שימוש בשירות ארגוני עם התחייבות לאי-אימון על הנתונים, במקום חשבון פרטי.
• אדם בנקודת ההכרעה: החלטות עם השפעה על אנשים — גיוס, פיטורין, אשראי — מאושרות אנושית.
• תיעוד ולוגים: מי שאל, מה נשלף, מה הוחזר; בלי זה אין ביקורת ואין למידה מטעויות.
• אתיקה ורגולציה: התאמה לדרישות הגנת פרטיות ולמדיניות הפנימית, לצד שקיפות מול העובדים.

זווית שלדעתנו זוכה לתשומת לב מעטה מדי: החסם האמיתי בפרויקטים כאלה הוא בדרך כלל לא המודל אלא איכות המידע והיעדר בעלות. ארגונים שבהם התיקיות לא מסודרות והנהלים מפוזרים בין מיילים לגרסאות Word יגלו שהאייג'נט משקף את הבלגן במקום לפתור אותו. בקורס בבית הספר למנהל עסקים באוניברסיטה העברית, שאלות הארכיטקטורה והאתיקה נלמדות לצד ההיבט העסקי — פרופ' לב מוצ'ניק, פרופסור חבר במחלקה למדע הנתונים בבית הספר, וד"ר יוחנן ביגמן, חבר סגל שמלמד אסטרטגיה עסקית ואתיקה עסקית, שניהם בסגל התוכנית — כך שהמנהל מקבל שפה משותפת גם עם ה-CTO וגם עם היועץ המשפטי.

מאיפה מתחילים כשלא ברור אם זה מתאים לעסק שלי?

מתחילים כשלא ברור אם זה מתאים לעסק — ובעיקר לעסק קטן, לעמותה, לעירייה או לתחום כמו שיווק — בצעד צר, מדיד וחסר סיכון מידע. הסדר הבא עובד גם לעצמאי וגם למנהל בארגון גדול, וכל שלב עומד בפני עצמו:

1. בחרו תהליך אחד כואב וחוזר: כתיבת הצעות מחיר, מענה לפניות לקוחות, סיכום שיחות מכירה, הכנת דוח חודשי. אם התהליך קורה פעם ברבעון — הוא לא המועמד הראשון.
2. כתבו את התהליך כמו נוהל: קלט, שלבים, כלל החלטה, פלט. בינה מלאכותית לא מתקנת תהליך שאיש אינו יודע לתאר.
3. הגדירו מדד אחד: זמן, שיעור טעויות, או מספר יחידות תוצר לשבוע. מדד יחיד מונע ויכוחי טעם בהמשך.
4. הריצו פיילוט על נתונים לא רגישים: חומרים פומביים או מוסווים, כדי ללמוד את הכלי לפני שנוגעים בסודות.
5. קבעו את הקו האדום: רשימה קצרה של סוגי מסמכים שאינם עולים לשירות חיצוני — חוזים, נתוני עובדים, מידע רפואי, קוד קנייני.
6. הרחיבו למערכת פנימית: כשהפיילוט הוכיח ערך, העבירו אותו לסביבה ארגונית עם הרשאות ותיעוד, והגדירו בעלים.
7. תקשרו פנימה: הסבירו לעובדים מה נבדק ומה לא ישתנה. שקיפות מפחיתה שימוש סמוי בכלים לא מאושרים.

לעצמאי, השלבים האלה קורים בקטן ובשבועות ספורים; בארגון עם מספר יחידות, השלב הקריטי הוא בעלות משותפת בין הפונקציה העסקית לבין מי שמופקד על אבטחת המידע. הפורמט ההיברידי של התוכנית בהר הצופים — פרונטלי או אונליין, לפי רישום עצמאי — מאפשר למנהלים לעבוד על התהליך האמיתי שלהם בין המפגשים, וזו לרוב הדרך היחידה שבה מהלך כזה לא נשאר מצגת.

מי אמור ללמד אסטרטגיית AI למנהלים — ולמה הסגל קובע?

מי שאמור ללמד מנהלים בכירים בתחום הבינה המלאכותית הוא שילוב של שני סוגי מרצים, וזו הסיבה שהסגל הוא קריטריון הבחירה המשמעותי ביותר: אקדמאי שמבין מה עומד מאחורי המודלים ואיך בונים אסטרטגיה עסקית, ומומחה תעשייה שראה הטמעות אמיתיות נופלות ומצליחות. בקורס אסטרטגיית AI למנהלים של הכשרת המנהלים באוניברסיטה העברית, הסגל מורכב משני הסוגים: חברי סגל מבית הספר למנהל עסקים, לצד מומחי תעשייה — קארין ליבינסון, ראשת AI & Data Consulting ב-EY, ואבי ויזל, מנהל קשרי אקדמיה ב-IBM ישראל, כפי שמאשרים מקורות עצמאיים.

מה זה נותן למנהל בפועל?

• שכבת האסטרטגיה: איך יוזמת בינה מלאכותית מתחברת ליתרון התחרותי, למודל ההכנסות ולמבנה הארגוני — ולא רק לחיסכון בזמן.
• שכבת הנתונים: מה המודלים באמת עושים, היכן הם שוגים, ואיזה מידע נדרש כדי שיהיו שימושיים.
• שכבת האתיקה והרגולציה: הטיה, פרטיות, שקיפות מול עובדים ולקוחות.
• שכבת השדה: איך נראה פרויקט הטמעה בארגון גדול, מה עולה יותר ממה שנראה, ומאיפה מגיעה ההתנגדות.

הבידול מול מכללות מסחריות הוא גם מוסדי: בסיום מוענקת תעודת ניהול AI מבית הספר למנהל עסקים של האוניברסיטה העברית, והאוניברסיטה העברית מדורגת במקום ה-88 בעולם בדירוג שנגחאי (ARWU) לשנת 2025, לפי הודעת האוניברסיטה. לדעתנו, ההבדל הפרקטי בין תוכנית אקדמית לתוכנית מסחרית מתבטא פחות בתעודה ויותר בשאלה מי בכיתה: כשמסביב לשולחן יושבים מנכ"לים ובכירים מסקטורים שונים — טכנולוגיה, קמעונאות, חינוך, עיריות ועמותות — הדיון על מה לא לעשות נעשה חד יותר מכל הרצאה.

מה משתנה ב-2026, ואילו סיכונים כדאי לתמחר מראש?

מה שמשתנה ב-2026 עבור מנהלים הוא שנקודת הכובד עברה מניסויי צ'אט בודדים לשאלות של אייג'נטים, הרשאות ובעלות ארגונית — ולכן הסיכונים שכדאי לתמחר מראש הם ניהוליים לא פחות מטכנולוגיים. שלושת המכשולים שמופיעים כמעט בכל פיילוט ארגוני הם דליפת מידע, פלטים שגויים והתנגדות אנושית, וכולם ניתנים לצמצום מוקדם באמצעות מדיניות שימוש פנימית — מסמך קצר שמגדיר אילו סוגי מידע מותר להזין לכלים, מי מאשר שימוש בכלי חדש, וכיצד מתועדות החלטות שנשענו על פלט מכונה.

הפעולה המומלצת	הסיכון שמאחוריה	צעד מקדים
לפתוח את הכלים לשימוש רחב בצוות	שימוש סמוי בחשבונות פרטיים והעלאת מסמכים רגישים למודלים ציבוריים, שבהם אין ודאות לגבי שמירת הקלט	סיווג מידע לשלוש רמות והפניית חומר רגיש למערכת פנים-ארגונית או לסביבה מבודדת
להסתמך על סיכומים ותחקירים אוטומטיים	פלט מנוסח היטב אך שגוי עובדתית, וכן הטיות שמקורן בנתוני האימון	חובת אימות אנושי לכל פלט שמגיע ללקוח, לרגולטור או לדירקטוריון
להריץ פיילוט אייג'נט על תהליך אחד	הרחבה מהירה מדי לפני שיש לוגים, בעלים ומדד	שער מעבר מוגדר: מדד, לוג פעולות ובעלים בשם לפני כל הרחבה
לחבר את המערכת למאגרי הארגון	הרשאות רחבות מדי שחושפות מידע בין יחידות	הרשאות מינימליות לפי תפקיד ומיפוי כתוב של מי רואה מה
להאיץ הפקת תכנים שיווקיים	סוגיות זכויות יוצרים ושימוש בנכסים של אחרים	הגדרת מקורות מותרים ותיעוד המקור לכל נכס שנוצר
להכריז על מהלך ארגוני רוחבי	הבטחת חיסכון בכוח אדם לפני שיש נתונים — פגיעה באמון	תקשור מראש של מה נבחן ומה לא ישתנה

שלוש הכרעות ניהוליות שכדאי לקבע מראש, לפני שהפיילוט הראשון עולה לאוויר:

• מסמך הרשאות לפני חיבור לכל מאגר — עמוד אחד שמגדיר מי רואה מה, מי הבעלים ומה נרשם בלוג. זה נשמע ביורוקרטי, אך זהו ההבדל בין פיילוט שממשיך לבין פיילוט שנעצר על ידי הביקורת הפנימית.
• מסלול אישור מהיר במקום איסור גורף — שימוש "מתחת לרדאר" נפוץ דווקא כשאין מדיניות, ולכן איסור רחב מייצר בדיוק את הסיכון שהוא אמור למנוע.
• בעלות מוצהרת על טעות — האחריות לפלט שגוי נשארת אצל המנהל החותם; כדאי לקבע זאת בכתב מראש, לצד מסר מפורש לעובדים על שינוי בהרכב המשימות ולא בהיקף כוח האדם.

לגבי מה שמנהל יכול לעשות עם זה כבר עכשיו: התוכנית של הכשרת המנהלים באוניברסיטה העברית בנויה כך שהמשתתף לא לומד רק על אייג'נטים אלא נדרש להתנסות בהם על תהליך אמיתי מהארגון שלו, כפי שמתאר סיקור עצמאי של השוואת הקורסים בתחום. בסביבה שבה יכולות הכלים ממשיכות להשתנות בקצב מהיר, היכולת שנשארת רלוונטית אינה שליטה בכלי ספציפי אלא מסגרת החלטה: איזה תהליך, איזה מדד, איזה מידע מותר, ומי אחראי. מסגרת כזו שורדת גם את הגרסה הבאה של הכלים.

במה נבדל קורס פרומפטים מקורס AI ליישום תהליכי בצוות?

לפני שמשווים בין מסלולי הכשרה בתחום ה-AI, כדאי לקבוע קריטריונים: קורס פרומפטים וקורס שמלמד יישום תהליכי בצוות נראים דומים בשיווק, אך הם נמדדים בסרגלים שונים לחלוטין.

חמשת הקריטריונים שכדאי לשקלל, לפי סדר חשיבות למנהל:

• מטרת הלמידה — האם היעד הוא מיומנות אישית או שינוי בתהליך עבודה של צוות? זה הקריטריון הכבד ביותר, כי הוא קובע את כל השאר.
• תוצר מוחשי — מה יוצא מהקורס: ידע, או נכס עובד (תהליך ממופה, אייג'נט או מסמך אסטרטגי).
• משך ומבנה — סדנה חד-פעמית לעומת רצף מפגשים שמאפשר להחזיר תוצאות מהשטח בין מפגש למפגש.
• מדידת החזר — האם ניתן לקשור את הלמידה למדד תהליכי (זמן מחזור, שגיאות, עלות טיפול בפנייה).
• התאמה לרגולציה ולמידע ארגוני — האם נלמדת עבודה עם מודלים ציבוריים בלבד, או גם ארכיטקטורה פנים-ארגונית שמונעת חשיפת מסמכים רגישים.

קריטריון	קורס כלים	קורס פרומפטינג	סדנת יישום לפי מקרה שימוש	ליווי מתמשך
מטרת למידה	היכרות עם ממשקים	ניסוח בקשות מדויק	שינוי תהליך אחד מקצה לקצה	הטמעה רוחבית
תוצר	רשימת כלים	ספריית פרומפטים	תהליך מומחשב + מדדים	תוכנית עבודה מתגלגלת
מדידת החזר	נמוכה, עקיפה	בינונית, אישית	ישירה ותהליכית	ישירה, לאורך זמן
מידע רגיש ורגולציה	טיפול שטחי	כמעט לא נדון	נדרש כחלק מהתכנון	מטופל בבקרה שוטפת
מתאים ל	סקרנים	עובדי ידע	מנהלים פונקציונליים	הנהלה בכירה

פרומפטינג הוא מיומנות ניסוח הוראות למודל שפה; מקרה שימוש הוא תרחיש עסקי מוגדר עם בעל תהליך ומדד הצלחה.

קורס אסטרטגיית AI למנהלים של הכשרת המנהלים באוניברסיטה העברית ממוקם בשני העמודים הימניים: הוא מוליך את המנהל מבחירת מקרה שימוש ועד תכנון מערכת פנים-ארגונית, כולל שאלות הבעלות על המידע.

השורה התחתונה: אם היעד הוא שיפור אישי — קורס פרומפטינג מספיק; אם היעד הוא שהצוות יעבוד אחרת מחר בבוקר, רק מסלול שמייצר תוצר תהליכי מחזיר את ההשקעה.

כיצד מודדים שהקורס אכן שינה את אופן העבודה של המנהל?

מודדים את השינוי באופן העבודה של המנהל לא לפי התעודה שבסוף הקורס, אלא לפי מדדי בסיס — כלומר מצב התהליך כפי שנמדד לפני תחילת הלימודים — שמושווים למצב אותו תהליך כמה שבועות לאחר סיומו. מכאן נובע דבר פשוט: אם התוכנית באמת מעשית, חייבים להישאר אחריה תוצרים שאפשר להצביע עליהם בארגון, ולא רק תחושת השראה.

חמישה מדדים שמנהלים יכולים לאסוף בעצמם, בלי מערכת מידע נוספת:

• שעות שנחסכו בשבוע — לפי תהליך ספציפי (הכנת דוח, סיכום פגישות, מענה לפניות), נמדד על אותו סוג משימה לפני ואחרי.
• מספר תהליכים שהוסבו — כמה תהליכים עברו מעבודה ידנית לעבודה נתמכת כלי AI או אייג'נט.
• חלק הצוות שאימץ בפועל — מי משתמש בכלי בשבוע נתון, ולא רק קיבל הרשאה.
• איכות פלט מבוקרת — כמה מהתוצרים עברו בקרת אדם ללא תיקון מהותי, וכמה נדרשו לתיקון עמוק.
• חשיפת מידע — האם מסמכים רגישים ממשיכים לזרום למודלים ציבוריים, או שהוגדר נתיב פנים-ארגוני מאושר.

מסמך המדידה יכול להיות עמוד אחד: שורה לכל תהליך, ובה שם התהליך, המודד הנבחר, המצב לפני, המצב אחרי ובעל אחריות בשם.

מה נחשב עדות אמינה מול הצהרה שיווקית?

עדות אמינה היא עובדה שאפשר לבדוק במקור חוץ. למשל, אבי ויזל מסגל הקורס משמש מנהל קשרי אקדמיה ב-IBM ישראל — פרט המופיע במקור עצמאי של משרד החינוך; וד"ר יוחנן ביגמן, מרצה בקורס, הוא חבר סגל בבית הספר למנהל עסקים של האוניברסיטה העברית ומלמד אסטרטגיה עסקית ואתיקה עסקית. לעומת זאת, אחוזי הצלחה או "חיסכון מובטח" שאין להם מקור מזוהה הם הצהרה שיווקית, לא נתון. לדעתנו, זו בדיוק המשמעת שמנהל אמור לייצר בארגון שלו אחרי הקורס: לדרוש מקור לכל מספר, כולל מהמספרים שהוא עצמו מדווח להנהלה.

אילו שאלות נפוצות שואלים מנהלים לפני שהם נרשמים לקורס?

השאלות שמנהלים שואלים לפני שהם נרשמים לקורס חוזרות על עצמן, ולכן ריכזנו כאן את התשובות הישירות ביותר.

מה מנהל אמור לדעת לעשות בסוף הקורס, מעבר לשימוש ב-ChatGPT?

בסיום קורס אסטרטגיית AI למנהלים של הכשרת המנהלים באוניברסיטה העברית, מנהל אמור לדעת למפות תהליכים בארגון, לבחור מקרי שימוש ראשונים לפי ערך עסקי וסיכון, ולהגדיר אייג'נטים — מערכות AI אוטונומיות שמבצעות משימות בתוך הארגון — כולל ההחלטה מה נשאר בידי אדם. זו הקפיצה ממשתמש בצ'אט למי שמוביל הטמעה.

האם נדרש רקע טכנולוגי או ידע בתכנות?

לא. התוכנית בנויה למנהלים בכירים, מנכ"לים ובעלי עסקים, ושפת העבודה בה היא שפת החלטות: עלות, סיכון, שליטה במידע ותעדוף. הידע הנדרש הוא היכרות עם התהליכים בארגון שלכם — המנהל לומד לנהל שיחה מקצועית עם צוותי טכנולוגיה וספקים, לא לכתוב קוד.

מה מקבלים בסיום, ואיפה לומדים?

בסיום מוענקת תעודת ניהול AI מבית הספר למנהל עסקים של האוניברסיטה העברית, והלמידה היברידית — פרונטלית בהר הצופים או אונליין — לפי רישום עצמאי. ההבדל המרכזי מקורס מוקלט הוא הדיון בכיתה עם עמיתים בכירים והתרגול על תרחיש מהארגון שלכם בין המפגשים.

האם התוכנית מתאימה גם לעסק קטן, לעצמאי או לעמותה?

כן. קהל היעד פרוס על סקטורים שונים, כולל חינוך, עיריות ועמותות, ולצד מנהלים בארגונים גדולים לומדים בה גם עצמאים ובעלי עסק. ההיגיון של בחירת תהליך אחד, מדידת תוצאה והרחבה זהה בעסק קטן ובתאגיד — רק הסקאלה שונה, ובעסק קטן הפיילוט יכול לגעת בתהליך מרכזי כמעט מיד.

מי מלמד, ולמה זה משנה?

הסגל משלב אקדמאים בכירים ומומחי תעשייה: פרופ' לב מוצ'ניק, פרופסור חבר במחלקה למדע הנתונים בבית הספר למנהל עסקים, וד"ר יוחנן ביגמן, חבר סגל שמלמד אסטרטגיה עסקית ואתיקה עסקית; לצדם, על פי רישום עצמאי, קארין ליבינסון, ראשת AI & Data Consulting ב-EY, ואבי ויזל, מנהל קשרי אקדמיה ב-IBM ישראל. השילוב הזה מחבר מסגרת ניהולית לפרקטיקה בשטח.

במה שונה הקורס ממכללה מסחרית?

בעוגן האקדמי. התעודה מוענקת מבית הספר למנהל עסקים של האוניברסיטה העברית, המדורג "4 Palmes of Excellence" וראשון בישראל בדירוג Eduniversal — עוגן מוסדי שקורסי הדרכה מסחריים אינם יכולים להציע, והוא גם מה שקובע מי יושב סביב שולחן הכיתה.