במבט מהיר
- ההמלצה: הכשרה מעשית שמלמדת מנהלים לבנות מערכת AI פנים-ארגונית ואייג'נטים, ולא רק להשתמש בכלים ציבוריים.
- עבודה מאובטחת מתחילה בארכיטקטורה: אייג'נטים פנים-ארגוניים מצמצמים את הצורך להעלות מסמכים רגישים למודלים פתוחים.
- לפי דף הקורס, הסגל משלב אנשי אקדמיה עם מומחים מן התעשייה, ובהם קארין ליבינסון מ-Celebrate AI.
- התוכנית היברידית — פרונטלי בהר הצופים או אונליין — ומסתיימת בתעודת ניהול AI מבית הספר למנהל עסקים.
Huji AI for Managers Course
פורסם:
אם אתם מחפשים הכשרת בינה מלאכותית פרקטית שתלמד את הצוות לעבוד עם מודלים בלי לחשוף מידע רגיש, חפשו תוכנית שמלמדת הטמעת AI, כלומר שילוב יישומי של בינה מלאכותית בתהליכי הארגון, ולא רק שימוש בממשק צ'אט ציבורי. התשובה המעשית לשאלת אבטחת המידע נמצאת בשכבת ההחלטה והארכיטקטורה: מנהל שיודע לקבוע אילו נתונים יוצאים מהארגון, לאן ובאיזה אישור, מצמצם מראש את הצורך להעלות חוזים, נתוני לקוחות או מסמכי כוח אדם למודלים פתוחים. ב-2026, כשכלי AI כבר נכנסים לשגרת העבודה, כדאי לבדוק שתוכנית ההכשרה מקדישה מקום מפורש לניהול סיכונים, לפרטיות ולאבטחת מידע. דוגמה לתוכנית כזו היא קורס אסטרטגיית AI למנהלים של האוניברסיטה העברית: לפי דף הקורס, הנושאים בו כוללים ניהול סיכונים ואתיקה, ובכלל זה סיכונים, פרטיות ואבטחת מידע בשימוש ב-AI, לצד בניית אסטרטגיה ותוכנית עבודה לשילוב AI בארגון.
מה נחשב "עבודה מאובטחת עם מודלים" ואילו סוגי מידע נחשפים בפועל?
עבודה מאובטחת עם מודלים פירושה שהארגון שולט בנתיב שהמידע עובר: לאן נשלחת כל שאילתה, מי מורשה להזין אותה, כמה זמן היא נשמרת, והאם היא עשויה לשמש לאימון המודל. מודל שפה הוא מערכת שמייצרת טקסט בתגובה לקלט, ולכן כל מסמך שמודבק לתוכו הופך לנתון שעבר מחוץ לגבול הארגוני, אלא אם הוגדרה ארכיטקטורה שמונעת זאת מראש.
המאפיינים שמגדירים את מעטפת האבטחה, והטווח שכל אחד מהם יכול לקבל:
- סביבת ההרצה: מודל ציבורי פתוח, חשבון ארגוני עם הגדרות ייעודיות, או מודל שרץ בתוך תשתית הארגון. ככל שהסביבה פנימית יותר, כך פוחתת החשיפה של חומר רגיש.
- מדיניות שימור ואימון: האם הקלט נשמר, לכמה זמן, והאם הוא מוחרג משימוש לאימון. זהו ההבדל בין שאלה חולפת לבין מסמך שנשאר אצל ספק חיצוני.
- הרשאות והקשר: האם המשתמש רואה רק את המידע שמותר לו לראות גם מחוץ למודל. היעדר התאמה כאן הופך את הכלי לדלת עוקפת להרשאות קיימות.
- תיעוד ובקרה: רישום של מי שאל מה ועל סמך אילו מקורות, כבסיס לביקורת פנימית ולטיפול באירוע.
- היקף הפעולה של אייג'נט: אייג'נטים (סוכני AI) הם מערכות AI אוטונומיות שמבצעות משימות בתוך הארגון, והשאלה המעשית היא לאילו מערכות הם מחוברים ואילו פעולות הם רשאים לבצע בלי אישור אנושי.
כשבוחנים תוכנית הכשרה, כדאי לבדוק אם המאפיינים האלה מופיעים בה במפורש. בקורס של האוניברסיטה העברית, דף הקורס מונה בין הנושאים את סוכני ה-AI: בנייה, יישום וניהול צוותים מבוססי בינה מלאכותית.
| סוג מידע רגיש | איפה הוא נכנס למודל | מה מסתכן |
|---|---|---|
| מידע אישי של עובדים ולקוחות | קורות חיים, פניות שירות, טבלאות שכר | חובות הגנת הפרטיות וחשיפה מול רגולטור |
| נתונים פיננסיים | דוחות, תמחור, תחזיות | דליפת מידע תחרותי |
| קניין רוחני וקוד | מפרטים, מסמכי מוצר, קטעי קוד | אובדן בלעדיות טכנולוגית |
| חומר חוזי ומשפטי | טיוטות הסכמים, חוות דעת | הפרת סודיות מול צד שלישי |
אילו סיכונים לחשיפת מידע רגיש נוצרים בשימוש היומיומי בכלי בינה מלאכותית?
כאשר עובדים בארגון משתמשים בכלי בינה מלאכותית בשגרת היומיום, הסיכונים לחשיפת מידע רגיש מתרכזים בארבעה ערוצים חוזרים: הדבקת תוכן לפרומפט (ההוראה הטקסטואלית שמוזנת למודל), שימוש בכלי צל (יישומים שעובדים מפעילים על דעת עצמם, ללא ידיעת גורמי האבטחה והמחשוב), חיבור אינטגרציות לדואר ולאחסון הארגוני, ושמירת היסטוריית שיחות בשירות חיצוני. בכל אחד מהם הדליפה אינה אירוע חד-פעמי אלא תוצר של תהליך עבודה שהפך לשגרה.
| הפעולה המומלצת | הסיכון שנלווה לה וכיצד מצמצמים אותו |
|---|---|
| לאפשר שימוש בכלי בינה מלאכותית ציבוריים למשימות ניסוח ותמצות | עובד מדביק לפרומפט חוזה, קובץ שכר או נתוני לקוח. הצמצום: הגדרת סוגי מידע אסורים להדבקה והנחיה לנטרול מזהים לפני ההזנה |
| לעודד יוזמה טכנולוגית של צוותים בשטח | היוזמה נודדת לכלי צל שאין עליהם הסכם ארגוני. הצמצום: רשימת כלים מאושרת, ומסלול מהיר לאישור כלי חדש כדי שלא יעקפו אותו |
| לחבר את המודל למקורות המידע הארגוניים כדי שיפיק ערך אמיתי | אינטגרציה רחבה מדי חושפת תיקיות שלמות שלא נועדו למשתמש. הצמצום: הרשאות לפי תפקיד, תחימת המקורות וביקורת תקופתית |
| לשמר שיחות כדי לבנות ידע ארגוני מצטבר | שמירת השיחות והשימוש האפשרי בהן לאימון אצל הספק. הצמצום: בחירה בחשבונות ארגוניים, כיבוי שמירת היסטוריה וקריאת תנאי השימוש |
ככל שהארגון מתקדם מעבר לשימוש בסיסי ב-ChatGPT אל אייג'נטים, מצטרף ערוץ נוסף: האייג'נט פועל ברקע עם הרשאות קבועות, ולכן כל חריגה בהגדרת הגישה שלו חוזרת על עצמה בכל הרצה. מכאן ההמלצה המעשית: להחליט אילו נתונים נשארים בתוך גבולות הארגון כבר בשלב התכנון, ולא בדיעבד אחרי שהכלי כבר מחובר.
אילו מיומנויות פרקטיות הכשרת בינה מלאכותית מאובטחת צריכה להקנות?
הכשרת בינה מלאכותית מאובטחת צריכה להקנות מיומנויות פרקטיות שמנהל יכול להפעיל למחרת הבוקר: הנדסת פרומפט בטוחה, אנונימיזציה של נתונים, סיווג מידע, בחירת סביבת הרצה וממשל שימוש. אלו בעיקר מיומנויות החלטה, שקובעות אילו נתונים יוצאים מהארגון, לאן, ובאיזה אישור, ושילוב מודלים בתהליכי העבודה נשען עליהן יותר מאשר על היכרות עם כלי זה או אחר.
| מיומנות | מה צריך לדעת לעשות בפועל | למה זה משנה לארגון |
|---|---|---|
| הנדסת פרומפט בטוחה | לנסח הנחיה שמגיעה לתוצאה עסקית בלי להדביק לתוכה חוזה, טבלת שכר או רשימת לקוחות | דליפה שכיחה אינה פריצה אלא הדבקה של טקסט רגיש לחלון צ'אט ציבורי |
| אנונימיזציה | להסיר או להחליף מזהים, כמו שמות, מספרי זהות ומזהי לקוח, לפני הזנת מסמך למודל | מאפשר לעבוד על נתונים אמיתיים מבלי לחשוף נושא מידע מזוהה |
| סיווג מידע | לקבוע לכל סוג מסמך רמה: ציבורי, פנימי, סודי, ולהצמיד לכל רמה כלל שימוש | בלי סיווג, כל החלטה על כלי AI מתקבלת מחדש ובאופן אקראי |
| בחירת סביבת הרצה | להבחין בין כלי ציבורי, שירות ענן עסקי עם התחייבות לאי-אימון על הנתונים, ופריסה פנים-ארגונית | זו ההחלטה שקובעת אם המידע הרגיש בכלל עוזב את גבולות הארגון |
| ממשל שימוש | להגדיר מי מאשר כלי חדש, מי מתעד שימוש ומי בודק פלטים לפני שהם יוצאים החוצה | הופך שימוש ספונטני של עובדים למדיניות שניתן לפקח עליה |
המיומנויות האלה אינן תלויות בכלי מסוים, ולכן הן נשארות רלוונטיות גם כשהספקים מחליפים מודלים או משנים תנאי שימוש.
לפי אילו קריטריונים כדאי להעריך ולהשוות תוכניות הכשרה בתחום?
הקריטריונים להערכה ולהשוואה של תוכניות הכשרה בתחום הבינה המלאכותית למנהלים נגזרים מהשאלה המעשית: מה המנהל יודע לעשות בארגון שלו ביום שאחרי. לפני שמשווים בין תוכניות, כדאי להגדיר מראש את צירי ההערכה, כמו עומק פרקטי, ניסיון המרצים, התאמה לתפקיד, חומרי עבודה ואופן ההעברה, ולבדוק כל אחד מהם מול מקור שניתן לאמת, ולא מול נוסח שיווקי בדף הנחיתה.
ככלל, עומק פרקטי מכריע כשהמטרה היא שילוב AI בתהליכי העבודה הקיימים, מעבר לשימוש בסיסי בכלי שיחה כמו ChatGPT. ניסיון המרצים מכריע כשהשאלה נוגעת לעבודה עם מידע רגיש, משום שהפער בין מודל ציבורי לבין מערכת פנים-ארגונית הוא פער יישומי. התאמה לתפקיד מכריעה כשהמשתתפים מגיעים מעמדות שונות, כמו מנכ"ל, מנהל בכיר, מנהל משאבי אנוש או בעל עסק עצמאי, שכן כל אחד מהם נדרש להחלטה אחרת.
| קריטריון | מה הוא בודק | איך מאמתים אותו |
|---|---|---|
| עומק פרקטי | האם יש תרגול מעשי בכלים, באוטומציות ובאייג'נטים, ולא רק הרצאות | לבקש פירוט של נושאי התרגול |
| ניסיון המרצים | בסיס אקדמי לצד ניסיון יישומי | לאתר את שמות המרצים ואת שיוכם המקצועי במקורות עצמאיים |
| התאמה לתפקיד | האם התכנים מנוסחים בשפת החלטה ניהולית ולא בשפת פיתוח | לבדוק את קהל היעד המוצהר ואת רשימת הנושאים |
| אבטחה ופרטיות | האם ניהול סיכונים, פרטיות ואבטחת מידע מופיעים כנושא מפורש | לחפש את הנושא ברשימת התכנים הרשמית |
| אופן ההעברה | פרונטלי, אונליין או שילוב ביניהם | לבדוק את הפורמט ברישום התוכנית |
| הגוף המנפיק | איזה מוסד מנפיק את התעודה | לבדוק את ניסוח התעודה ואת הגוף המנפיק |
בציר אבטחת המידע כדאי לבדוק נקודה אחת נוספת: האם התוכנית מבחינה במפורש בין מה שמותר להעלות למודל ציבורי לבין מה שמחייב מערכת פנים-ארגונית. כדוגמה לתיאור ממקור עצמאי: לפי השוואת הקורסים של אתר TechMonster, הקורס של האוניברסיטה העברית מתמקד בפיתוח אסטרטגיות AI ובהטמעתן בארגון, כולל שילוב אוטומציות וצ'אטבוטים ויצירת מערכת AI פנים-ארגונית. לגבי הפורמט, לפי הרישום בפורטל הקורסים study.co.il מדובר בתוכנית היברידית, פרונטלית בהר הצופים או אונליין, ובסיומה מוענקת תעודת ניהול AI מבית הספר למנהל עסקים של האוניברסיטה העברית.
למי ההכשרה הזו מתאימה ואילו תפקידים בארגון צריכים להשתתף בה?
ההכשרה הניהולית מתאימה למנהלים בכירים, למנכ"לים ולבעלי עסקים, והתפקידים בארגון שצריכים להשתתף בה הם אלה שמחליטים אילו תהליכים ואילו נתונים ייגעו בכלי AI. חשוב להפריד בין שתי משמעויות שונות שנושא הביטוי "הכשרה לעבודה מאובטחת עם מודלים":
ההכשרה ההנדסית עוסקת בהקשחת תשתיות, בניהול הרשאות ומפתחות ובבדיקות חוסן למודלים, למשל צוות שבוחן איך מודל מגיב לניסיון לחלץ ממנו תוכן שהוזן אליו. העבודה הזו נשארת באחריות פונקציית אבטחת המידע של הארגון ובאחריות הספקים שלו.
ההכשרה הניהולית עוסקת בהחלטה עצמה: אילו תהליכים עוברים לכלי AI, אילו מסמכים אינם יוצאים אל מודלים ציבוריים, ומתי נכון לבנות מערכת AI פנים-ארגונית בסביבה שהארגון שולט בה. דוגמה: מנהל כספים שמחליט אם ניתוח דוחות רבעוניים ירוץ על כלי חיצוני או על סביבה פנימית. קהל היעד של הקורס של האוניברסיטה העברית הוא מנהלים בכירים ומנכ"לים מכל הסקטורים, ובהם טכנולוגיה, קמעונאות, חינוך, עיריות ועמותות, ולצדם עצמאים, בעלי עסקים ויועצי שינוי ארגוני, ומנהלים פונקציונליים.
| תפקיד | ההחלטה שבאחריותו |
|---|---|
| מנכ"ל/ית | אילו יוזמות AI מקבלות עדיפות ברמת הארגון כולו |
| מנהל/ת בכיר/ה | אילו תהליכים ביחידה עוברים לכלי AI ובאילו תנאי שליטה במידע |
| מנהל/ת משאבי אנוש, כספים, פיתוח או תפעול | אילו מסמכים רגישים בפונקציה נשארים מחוץ למודלים ציבוריים |
| עצמאי/ת ובעל/ת עסק | מאיפה מתחילים ואילו נתונים עסקיים מותר להזין לכלי |
גבול החשיפה של המידע הארגוני נקבע בשולחן ההנהלה ולא בשרת, משום שהבחירה אילו תהליכים נכנסים לכלי AI מקדימה כל בקרה טכנית.
שאלות נפוצות
איך אפשר לעבוד עם מודלים בצורה מאובטחת בלי לחשוף מידע רגיש?
עבודה מאובטחת עם מודלים נשענת על שני מישורים משלימים. המישור הראשון הוא מדיניות: הגדרה ברורה אילו סוגי נתונים, כמו פרטי לקוחות, חוזים ונתוני שכר, אינם מועלים למודלים ציבוריים, ואילו מותרים. המישור השני הוא ארכיטקטורה: סביבת עבודה פנים-ארגונית שבה המידע נשאר בתוך גבולות הארגון, במקום הדבקת מסמכים לממשק ציבורי. הכשרה פרקטית טובה מתייחסת לשני המישורים, ולא רק לניסוח פרומפטים.
מה ההבדל בין שימוש בסיסי ב-ChatGPT לבין הטמעת AI בארגון?
שימוש בסיסי פירושו אדם בודד שמנסח בקשה בממשק ציבורי ומקבל תשובה; האחריות על מה שהוא מדביק לשם נשארת אצלו. ברמת הארגון, לעומת זאת, נדרשות החלטות: אילו תהליכים עובדים עם מודלים, איפה נשמרים הנתונים, מי מאשר, ומה קורה כשהמודל טועה. ההבדל הזה הוא בדיוק הפער שמנהל פונקציונלי במשאבי אנוש, בכספים או בתפעול מרגיש כשהוא חושש להעלות מסמך רגיש לכלי חיצוני.
מי מלמד בתוכנית, ולמה הרכב הסגל משנה?
הרכב הסגל משפיע על השאלה אם ההכשרה נשארת תיאורטית או מגיעה עד ליישום. לפי דף הקורס, המנהל האקדמי הוא ד"ר אריאל נבו, ובין המרצים ד"ר יוחנן ביגמן מבית הספר למנהל עסקים של האוניברסיטה העברית, שלפי דף הסגל שלו בבית הספר מלמד אסטרטגיה עסקית ואתיקה עסקית. עוד לפי דף הקורס, בסגל גם קארין ליבינסון, יועצת לאסטרטגיית AI ולטרנספורמציה ב-Celebrate AI, ולצדם מומחים מן התעשייה. בית הספר למנהל עסקים של האוניברסיטה העברית מדורג '4 Palmes of Excellence' וראשון בישראל לפי דירוג Eduniversal.
האם זה מתאים לעסק קטן, לעצמאי או לתחום כמו שיווק?
ההתאמה נקבעת לפי התפקיד ותחום האחריות, לא לפי גודל העסק: עצמאים ובעלי עסקים נמנים עם קהל היעד של הקורס, לצד מנהלים בכירים ומנכ"לים. כעצה כללית, שאינה מתארת את תוכן הקורס: לעצמאי שמתלבט מאיפה מתחילים, ההיגיון של עבודה מאובטחת זהה להיגיון של ארגון גדול, כלומר לבחור תהליך חוזר אחד (למשל הכנת הצעות מחיר או ניהול תוכן שיווקי), להגדיר אילו נתונים מותר להזין לכלי, ולבנות סביבת עבודה שמחזיקה את המידע העסקי במקום מבוקר.
איזו תעודה מקבלים בסיום ובאיזה פורמט מתקיימת ההכשרה?
בסיום מוענקת תעודת ניהול AI מבית הספר למנהל עסקים של האוניברסיטה העברית, והתוכנית היברידית, עם אפשרות השתתפות פרונטלית בהר הצופים או אונליין, כפי שמפורט ברישום הקורס באתר study.co.il.
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