שאלות נפוצות על הטמעת AI בארגון

קאייוואן היא חברה ישראלית להטמעת בינה מלאכותית בארגונים. ממפים איך הארגון שלכם באמת עובד, בונים כלי AI שמתאימים לעבודה הזו על המערכות שכבר יש לכם, ומכשירים עובדים מהצוותים שלכם להפעיל ולשפר אותם. אנחנו קוראים להם נאמני AI. אחרי כ-12 שבועות מודדים את התוצאה מול נקודת הפתיחה, ומוסרים לכם הכול, רשום על שמכם. המטרה היא שתוכלו להמשיך בלעדינו, וגם אחר כך אנחנו זמינים.

שלושתם, באותו פרויקט. בשוק יש מי שרק ממליץ, מי שרק מדריך ומי שרק בונה. אנחנו מגדירים איתכם אסטרטגיה, מפתחים כלים שעובדים בפועל, ומכשירים את הצוות שלכם להפעיל ולתחזק אותם. כך ההמלצה לא נשארת במצגת, והכלי לא נשאר בלי מי שיודע להפעיל אותו.

לארגונים שבהם הרבה זמן הולך על עבודה שחוזרת על עצמה ועוברת בין אנשים ומערכות: דוחות, השוואת הצעות מחיר, מענה לפניות, קליטת עובדים או מעקב מלאי. מה שקובע הוא לא הענף או מספר העובדים, אלא תהליך מעיק שאפשר למדוד, ומישהו בהנהלה שרוצה לשנות אותו. אם כלי מדף מספיק לכם, נגיד את זה כבר בשיחה הראשונה.

לא מתחילים מהטכנולוגיה, אלא מהתהליך שהכי מעיק עליכם. בארבעה מפגשי מיפוי עם צוותי מפתח בודקים איפה באמת הולך הזמן, ובוחרים שניים או שלושה תהליכים לפי שלושה מבחנים: כמה זה כואב, אם אפשר למדוד שיפור, ואם הנתונים הדרושים זמינים. כך ההשקעה הראשונה הולכת למקום שבו קל לראות אם היא עבדה.

לפעמים זה בדיוק מה שצריך, ואז נגיד לכם. כלי כללי עוזר לכתוב, לסכם ולחפש. כשהעבודה תלויה במערכות, בנהלים ובנתונים שלכם, כמו השוואת הצעות ספקים או טפסי תקינה, צריך כלי שמחובר אליהם ומכיר את הכללים שלכם. פעמים רבות הפתרון הנכון משלב את שניהם.

כן. לא צריך שכל הנתונים בארגון יהיו מסודרים, רק אלה שהתהליך הנבחר צריך. במיפוי בודקים מה קיים, באיזה מצב ומה חסר. אם הנתונים לתהליך מסוים חלקיים מדי, נגיד את זה ונמליץ להתחיל בתהליך אחר, או לסדר קודם את מה שחסר.

אין מחיר אחד, כי ההיקף משתנה מארגון לארגון. המחיר תלוי בעיקר במספר התהליכים, במספר המערכות שצריך לחבר, במצב הנתונים, בדרישות אבטחת המידע ובמספר הנאמנים שמכשירים. אחרי שיחת ההיכרות נשלח לכם מתווה ראשון והצעת מחיר מודולרית, כך שאפשר להתחיל בתחום אחד ולהחליט על ההמשך אחרי שרואים את המדידה.

בעיקר תשלום על השימוש במודלי ה-AI, שתלוי בנפח העבודה, ורישיונות לכלים אם נדרשים. החשבונות רשומים על שמכם ומחויבים ישירות אצלכם, כך שאתם רואים בדיוק על מה משלמים. לפני הבנייה נותנים לכם הערכה של העלות השוטפת לפי הנפח הצפוי, והיא חלק מההחלטה איזה מודל לבחור. אין מנוי חודשי אלינו שממשיך לרוץ ברקע.

לפני שבונים, מודדים יחד את נקודת הפתיחה: כמה זמן לוקח התהליך, כמה טעויות יש וכמה עבודה ידנית נדרשת. אחרי כ-12 שבועות מודדים שוב באותה שיטה בדיוק, ומתרגמים את ההפרש לשעות ולכסף. כדאי גם להחליט מראש מה עושים עם הזמן שמתפנה, אחרת הוא נבלע בשגרה ולא מופיע בשום מקום.

אנחנו לא מבטיחים אחוזי חיסכון לפני שמדדנו, וכדאי להיזהר ממי שכן. מה שאנחנו כן מתחייבים לו הוא שיטה: נקודת פתיחה מדודה, מדידה חוזרת באותה שיטה, ודוח שבו מה שלא עבד מקבל אותו מקום כמו מה שעבד. כך ההחלטה אם להרחיב נשענת על המספרים שלכם, לא על הבטחות.

אז זה מה שיופיע בדוח, עם הסבר למה ומה אפשר לשנות. אין מנוי שמחייב אתכם להמשיך. גם במקרה כזה נשארים אצלכם מפת התהליכים, המדידה של נקודת הפתיחה, הכלים שנבנו והידע של הנאמנים, כך שההחלטה הבאה תתבסס על נתונים.

אתם מספרים לנו באיזה תחום הלחץ הכי גדול, באילו מערכות אתם עובדים ומה כבר ניסיתם. אנחנו שואלים, ואומרים בכנות אם נראה שאנחנו מתאימים או שכלי מדף יספיק לכם. אחרי השיחה נשלח לכם מתווה ראשון והצעת מחיר מודולרית.

פרויקט ראשון נמשך בדרך כלל כ-12 שבועות. בשבועות 1–3 מתקיימים מפגשי המיפוי ומודדים את נקודת הפתיחה, בשבועות 3–8 בונים את הכלים, ובשבועות 6–10 הנאמנים מתאמנים עליהם במשימות אמיתיות. בשבוע 12 מודדים מול נקודת הפתיחה. ההיקף המדויק נקבע לפי מספר התהליכים והמערכות.

כלי ראשון עובד בדרך כלל כבר בשבועות הראשונים של הבנייה. את התוצאה מודדים אחרי כ-12 שבועות, מול נקודת הפתיחה שמודדים יחד לפני שמתחילים לבנות. תוצאה נחשבת אצלנו רק כשהיא נמדדת באותה שיטה שבה נמדד המצב הקודם.

אלה ארבעה מפגשים של שעתיים עד שלוש, כל אחד עם צוות אחר של אנשי מפתח. עוברים יחד על העבודה האמיתית: איפה הולך הזמן, איפה דברים נתקעים בין מחלקות, ומה נעשה ידנית שוב ושוב. בסוף יש מפת תהליכים, שניים או שלושה תהליכים שנבחרו, ומדידה של כמה זמן הם לוקחים היום.

בשלב הראשון ארבעה מפגשים של שעתיים עד שלוש עם צוותי המפתח. אחר כך הנאמנים עובדים איתנו על משימות מהשבוע הרגיל שלהם, כך שההכשרה קורית תוך כדי העבודה ולא במקומה. שאר העובדים פוגשים את הכלים כשהם כבר עובדים, דרך הנאמנים שלהם.

מפת תהליכים ומדידה של נקודת הפתיחה; כלים עובדים עם קוד ותיעוד, רשומים על שמכם; נאמני AI שיודעים לשנות כלי בלי להתקשר אלינו; מדריך תפעול למקרה שמשהו לא עובד; ודוח לפני ואחרי, עם המלצה מה מרחיבים ומה עוצרים. כל אלה נשארים אצלכם, גם אם לא תמשיכו איתנו.

כן. במעבדה באתר יש דמואים של כלים שבנינו בשיטה הזו, עם נתונים לדוגמה וכלים שעובדים באמת. בעמוד הפרויקטים מתפרסמים מקרי בוחן עם נקודת הפתיחה, התוצאה ומה שלא עבד. בשיחת ההיכרות אפשר לבקש דוגמה קרובה לתחום שלכם, וכשיש לקוח בתחום דומה שמסכים לכך, נשמח לחבר ביניכם.

את זה קובעים איתכם לפני שבונים: באיזה שירות ענן ובאיזה אזור בעולם, מי מקבל גישה, ואילו נתונים בכלל יוצאים מהארגון. כשהמידע רגיש, אפשר לבחור ספק ומיקום עיבוד מתאימים, או לא לשלוח מידע מזהה בכלל. החשבונות רשומים על שמכם, כך שהשליטה בגישה נשארת אצלכם, ובמידת הצורך חותמים על הסכם סודיות ועל הסכם עיבוד נתונים.

אנחנו עובדים דרך חשבונות עסקיים, כמו API או גרסאות Enterprise, שלפי התנאים שלהם המידע שנשלח אליהם לא משמש לאימון המודל כברירת מחדל. לפני שמחברים ספק בודקים איתכם את התנאים שלו: אם המידע משמש לאימון, כמה זמן הוא נשמר, ואם הוא מועבר לצד שלישי. זה ההבדל המרכזי בין כלי ארגוני לבין עובד שמדביק מסמך בגרסה חינמית.

כל כלי מקבל רק את ההרשאות שהמשימה שלו דורשת, ולא גישה כללית למערכות. מגדירים מי יכול להשתמש בכלי ולאיזה מידע הוא חשוף, שומרים תיעוד של הפעולות שלו, ומתאימים את ההגדרות לנוהלי אבטחת המידע שלכם. כשיש אצלכם צוות אבטחת מידע, הוא מאשר את הארכיטקטורה לפני העלייה לאוויר.

תיקון 13 לחוק הגנת הפרטיות, שנכנס לתוקף באוגוסט 2025, החמיר את הסנקציות והרחיב את ההגדרה של מידע אישי. לכן לפני שבונים כלי שמעבד מידע אישי, ממפים איזה מידע עובר בו, מצמצמים אותו למה שבאמת נחוץ, מגבילים הרשאות ובודקים את ההתחייבויות של כל ספק, כולל לגבי העברת מידע לחו״ל. אנחנו לא עורכי דין, ואת ההכרעות המשפטיות עושים יחד עם היועץ המשפטי או הממונה על הגנת הפרטיות שלכם.

אין בישראל חוק ייעודי לבינה מלאכותית. מה שחל בפועל הוא בעיקר חוק הגנת הפרטיות ותקנות אבטחת המידע, על כל מידע אישי שהכלי מעבד, ולצדם רגולציה ענפית, למשל בפיננסים או בבריאות. הרשות להגנת הפרטיות פרסמה טיוטת הנחיה על מערכות AI, ולכן כדאי לבנות כבר עכשיו לפי העקרונות שלה: שקיפות, צמצום מידע ובדיקת ספקים.

ייתכן. ה-AI Act חל גם על ארגונים מחוץ לאיחוד האירופי כשהפלט של המערכת משמש בתוך האיחוד. חובות השקיפות בסעיף 50, למשל ליידע אנשים שהם מתקשרים עם מערכת AI ולסמן תוכן שנוצר בבינה מלאכותית, חלות מאוגוסט 2026. כשזה רלוונטי, בונים את הגילוי והסימון לתוך הכלי, ואת הסיווג המשפטי בודקים עם היועץ המשפטי שלכם.

זה נפוץ, ובדרך כלל זה סימן לצורך אמיתי. הסיכון הוא שמידע של הארגון מודבק לחשבונות פרטיים בלי שליטה. הפתרון הוא לא רק לאסור, אלא לתת חלופה מאושרת שעובדת טוב יותר, יחד עם כללים פשוטים: מה מותר להעלות ולאן. השימוש הזה עולה בדרך כלל כבר במפגשי המיפוי, ומשם אפשר להתחיל.

כן, זו נקודת המוצא. בונים על המערכות שכבר עובדות אצלכם, כמו Excel, Priority, SAP, monday ותיבת המייל, ולא מבקשים להחליף אותן. הכלי נכנס לתהליך הקיים, כך שככל האפשר העובדים ממשיכים לעבוד במסכים שהם מכירים.

לרוב דרך ממשקי ה-API שהמערכות האלה מספקות, עם משתמש ייעודי שמקבל רק את ההרשאות הדרושות. כשאין ממשק מתאים, עובדים עם ייצוא קבצים, תיבת מייל ייעודית או קריאה ממסד הנתונים, לפי מה שה-IT שלכם מאשר. במיפוי בודקים מה אפשרי בכל מערכת, לפני שמתחייבים לפתרון.

בדרך כלל יש דרך. גם מערכת ותיקה מפיקה דוחות, קבצים או מיילים, ואפשר לבנות כלי שעובד עם מה שהיא כבר מוציאה. לפעמים החיבור מוגבל יותר, למשל קריאה בלבד או עדכון פעם ביום, ואז נגיד לכם מראש מה זה אומר על הכלי.

לא צריך צוות פיתוח: את הבנייה אנחנו עושים, והנאמנים לומדים להפעיל ולשנות את הכלים בלי לכתוב קוד. מה-IT נדרשים בעיקר שלושה דברים: הרשאות גישה מוגבלות למערכות הרלוונטיות, אישור אבטחת מידע לארכיטקטורה, ואיש קשר זמין לשאלות. כשאין IT פנימי, עובדים מול הספק שמתחזק לכם את המערכות.

אנחנו לא קשורים לספק מודלים מסוים. בוחרים מודל לפי המשימה, העלות ודרישות האבטחה, למשל מודלים של OpenAI, Anthropic או Google, ובמקרים מסוימים מודל פתוח שרץ בסביבה שלכם. כיוון שהחשבונות על שמכם והכלי לא נבנה סביב ספק אחד, אפשר להחליף מודל כשמופיע מודל טוב או זול יותר.

נאמני AI הם עובדים מתוך הצוותים שלכם, שמכירים את העבודה מבפנים ורוצים לשפר אותה. הם לא צריכים להיות טכניים. הם משתתפים במיפוי, לומדים להפעיל, לתקן ולשפר את הכלים, ואחר כך מלמדים את הצוותים שלהם. בוחרים אותם יחד עם המנהלים, לפי סקרנות ואמון בצוות, לא לפי תפקיד.

ההכשרה נעשית על משימות מהשבוע של הנאמנים, לא על דוגמאות כלליות. הם מפעילים את הכלים, מתקנים כשמשהו לא עובד ומשנים הנחיות והגדרות, כשאנחנו לידם. לפני שאנחנו מסיימים, הנאמנים כבר ביצעו לבד לפחות שני שינויים בכלים, ואז הם מלמדים את הצוותים שלהם.

הכי טוב שהבעלות על כל תהליך תהיה אצל מי שאחראי עליו בעסק, למשל מנהלת הרכש או מנהל התפעול, ו-IT שותף לאבטחה ולחיבורים. מעליהם צריך מישהו בהנהלה שמחזיק את הנושא: מגדיר מה חשוב בפתיחה, משתתף בבחירת התהליכים ומחליט מה מרחיבים אחרי המדידה. פרויקט AI שמנוהל רק כפרויקט טכנולוגי נוטה להיתקע, כי השינוי האמיתי קורה בתהליך העבודה.

המטרה שלנו היא להוריד מהעובדים עבודה שחוזרת על עצמה, כמו העתקה בין מערכות, הכנת דוחות ומענה על אותן שאלות שוב ושוב, ולא להחליף אנשים. מה עושים עם הזמן שמתפנה זו החלטה ניהולית שלכם, וכדאי לקבל אותה מראש: יותר לקוחות, שירות מהיר יותר, או עבודה שנדחתה עד עכשיו.

חשש הוא תגובה טבעית, בעיקר כשלא ברור מה הכלי ישנה בעבודה של כל אחד. לכן העובדים משתתפים כבר במיפוי, הכלים נבנים על המשימות שלהם, והנאמנים הם עמיתים מהצוות ולא גורם חיצוני. כשיש ועד עובדים, כדאי לשתף אותו מוקדם, לפני שהכלים עולים לאוויר.

לשימוש ולשינויים הנפוצים, לא. אנחנו בונים כך ששינויים כמו עדכון הנחיה, הוספת כלל או החלפת מסמך מקור לא דורשים לכתוב קוד, והנאמנים מתרגלים אותם במהלך הפרויקט. לשינוי עמוק, כמו חיבור למערכת חדשה, יש תיעוד מלא של הקוד, כך שכל מפתח יכול להמשיך מהנקודה שבה עצרנו.

מודלי שפה יכולים לטעות, ולכן בונים את הכלים כך שטעות תתגלה לפני שהיא עולה כסף. הכלים עונים מתוך המקורות שלכם ומראים מאיפה הגיעה כל תשובה. כשאין מקור, הם אומרים שאין להם תשובה. פעולות עם השלכות, כמו שליחה ללקוח או עדכון במערכת, עוברות אישור של אדם. לפני העלייה לאוויר בודקים כל כלי על דוגמאות אמיתיות מהעבודה שלכם.

טכנית כן, אבל מתחילים בזהירות. בשלב הראשון הכלי מכין, מסכם וממליץ, ואדם מאשר כל פעולה שיוצאת החוצה או משנה נתונים. אחרי שהכלי הוכיח את עצמו על מספיק מקרים, מחליטים יחד אילו פעולות פשוטות וחוזרות הוא יבצע לבד, עם הרשאות מוגבלות ותיעוד של כל פעולה.

לפני הבנייה מגדירים יחד מה נחשב תשובה נכונה, ואוספים סט של דוגמאות אמיתיות מהעבודה שלכם. הכלי נבדק עליהן לפני העלייה לאוויר, ושוב בכל פעם שמשנים אותו או מחליפים מודל. התוצאות נכנסות לדוח המדידה, יחד עם המקרים שבהם הכלי טעה.

מודלי השפה המובילים מתמודדים היום טוב עם עברית במשימות עסקיות נפוצות, כמו סיכום, מענה על שאלות וחילוץ מידע ממסמכים. האיכות עדיין משתנה בין מודלים ובין משימות, ולכן כל כלי נבדק על דוגמאות אמיתיות שלכם בעברית לפני העלייה לאוויר. כשהעובדים עובדים גם בערבית, באנגלית או ברוסית, בודקים גם את השפות האלה.

מודלים אכן מתחלפים מהר, ולכן לא בונים את הכלי סביב מודל אחד. המודל הוא רכיב שאפשר להחליף, וסט הבדיקות מאפשר לוודא שמודל חדש עובד לפחות כמו הקודם לפני שעוברים אליו. כך שדרוג למודל טוב או זול יותר דורש בדיקה, לא בנייה מחדש.

כן. כשהחלטה משפיעה ישירות על אדם, כמו גיוס, פיטורים או אשראי, ה-AI יכול לעזור בהכנת החומר, אבל ההחלטה צריכה להישאר אצל אדם. גם תהליך שקורה לעיתים רחוקות, או שאין דרך למדוד בו שיפור, הוא בדרך כלל לא המקום להתחיל. אם זה המצב אצלכם, נגיד את זה כבר במיפוי.

שלכם. הקוד, ההנחיות ל-AI, החשבונות אצל ספקי ה-AI והנתונים רשומים על שם הארגון מהיום הראשון. אם תחליטו להמשיך לבד או עם ספק אחר, כל מה שצריך כבר נמצא אצלכם.

אנחנו מסיימים כשחמישה תנאים מתקיימים: לכל כלי יש בעלים אצלכם, עם שם ותפקיד; הנאמנים ביצעו לבד לפחות שני שינויים בכלים; יש מדריך תפעול שמסביר מה עושים כשמשהו לא עובד; אתם יודעים למדוד את התוצאות בעצמכם, באותה שיטה שבה מדדנו; והקוד, ההנחיות ל-AI, החשבונות והנתונים רשומים על שמכם. את מועד הסיום קובעים איתכם מראש.

הצוות שלכם מפעיל את הכלים בעצמו: לכל כלי יש בעלים, יש מדריך תפעול, ויש נאמני AI שכבר ביצעו שינויים לבד. כשמשהו לא עובד, מתחילים במדריך ובנאמנים, וכיוון שהקוד והתיעוד אצלכם, גם מפתח אחר יכול לטפל בזה. אנחנו נשארים זמינים לשאלות, לבדיקת מצב או לתחום חדש, בלי מנוי חודשי שממשיך לרוץ.

בדיוק בגלל זה אנחנו בונים כך שלא תהיו תלויים בנו. הכול מתועד תוך כדי העבודה, הקוד והחשבונות רשומים על שמכם, והנאמנים שלכם מכירים את הכלים מבפנים. גם אם לא נהיה זמינים ביום מסוים, הכלים ממשיכים לעבוד ויש אצלכם מי שיודע לטפל בהם.

כן. דוח המדידה כולל המלצה מה כדאי להרחיב ומה לעצור, ואם תרצו לפתוח תחום חדש, עובדים באותה שיטה: מיפוי, בנייה, הכשרה ומדידה. בתחום השני הנאמנים שלכם כבר מנוסים, ויכולים לקחת חלק גדול יותר בעבודה.