הטמעת בינה מלאכותית בארגונים: למה רוב הארגונים נתקעים בפיילוט (ואיך יוצאים ממנו)

מחפשים את השירות עצמו ולא רק את ההסבר? הפירוט המלא נמצא בעמודים יועץ בינה מלאכותית לארגונים וייעוץ והטמעת AI בארגונים.

הטמעת בינה מלאכותית בארגונים היא אחד הנושאים המדוברים ביותר בשנים האחרונות. כמעט כל הנהלה מדברת על זה. כמעט כל ארגון מרגיש שהוא חייב להיות שם. ועדיין, בפועל, ברוב הארגונים זה נתקע (גם אצל אלה שהתלהבו הכי הרבה בהתחלה). וזה נתקע כמעט תמיד על הדרך, הרבה לפני שהטכנולוגיה או הכלים נכנסים לתמונה.

והיום, בסוף 2026, זה כבר ממש מוזר. כי כמעט לכל ארגון כבר יש כלי AI כלשהו (גם אם זה רק הצ׳אט החינמי של Copilot). הכלי כבר שם. מה שחסר זה ההטמעה.

אני כותב את המאמר הזה מניסיון אישי מצטבר. אני עובד עם AI מאז תחילת 2022, כותב ניוזלטר שבועי, מגיש פודקאסט פעיל, ועד היום העברתי 264 מפגשי AI ב-112 ארגונים. אינספור שיחות עם מנהלים, עובדים, אנשי IT, אנשי HR וצוותי הנהלה. הטמעת בינה מלאכותית בארגונים נראית מבחוץ כמו החלטה טכנולוגית, אבל מבפנים היא שינוי תרבותי עמוק.

כבר בתחילת הדרך חשוב לי לומר דבר אחד בצורה ברורה. אני נכנס לפרויקט של הטמעת בינה מלאכותית בארגונים רק אם יש בארגון שותף אמיתי להובלה. מישהו מבפנים. אדם שמוכן לקחת אחריות. אדם שיש לו לגיטימציה. אדם שיש לו זמן (זמן אמיתי ביומן). ובמקביל, חייבת להיות רוח גבית ברורה מההנהלה. בלי שני הדברים האלה, גם הכלים הכי מתקדמים בעולם לא יזוזו מילימטר.

למה רוב הטמעות ה-AI בארגונים נתקעות בפיילוט (והמספרים לא מחמיאים)

התרחיש הזה חוזר שוב ושוב. ארגון קונה רישיונות, שולח מייל "יש לכם Copilot, תתחילו להשתמש", ומחכה. אחרי כמה זמן מישהו ב-IT בודק את נתוני השימוש, ומגלה שהרבה מהעובדים כמעט לא נגעו בזה.

ואז מגיע המשפט "AI לא עובד אצלנו", כשבתכלס מה שלא עבד אצלם זו ההטמעה.

סקר של BCG (חברת הייעוץ האסטרטגי הבינלאומית) מיולי 2026, שבדק 152 מנכ״לים של חברות עם מחזור של מעל 500 מיליון דולר, מצא ש-88% מהם רואים תועלת מ-AI. אבל רק 26% הצליחו להרחיב את השימוש מעבר לפיילוטים, ורק 14% מודדים את ההשפעה שלו על הרווח וההפסד.

מה זה אומר? כמעט כולם מרגישים שזה עוזר, ורק מעטים יודעים להראות במספרים כמה.

ובאוגוסט 2026 PwC (אחת מפירמות רואי החשבון והייעוץ הגדולות בעולם) סקרה 351 מנכ״לים ב-59 מדינות, ומצאה ש-20% מהחברות קוטפות 74% מהערך של AI. כלומר, רוב הערך הולך לחמישית מהחברות, וכל השאר מתחלקים ב-26% שנשארו.

אז מה מפריד ביניהם? מהניסיון שלי, ההטמעות נתקעות כמעט תמיד על אותם דברים: אין בעלים בהנהלה, אין זמן מוגדר ללמידה, יש יותר מדי כלים בבת אחת, ואף אחד לא מודד מה השתנה בעבודה עצמה. פירטתי את זה לעומק בפוסט על הטעויות הנפוצות בהטמעת AI בארגונים, וכאן אני רוצה להתמקד במה שכן עובד (כי על מה שלא עובד כבר כתבתי מספיק).

מי צריך להוביל הטמעת בינה מלאכותית בארגונים? (רמז: הוא יושב בחדר ההנהלה)

לפני שמדברים על פרומפטים, מודלים או יכולות חדשות, צריך לשאול שאלה פשוטה. מי באמת מוביל את זה.

הטעות הכי נפוצה היא להעביר את זה ל-IT. ה-IT יודע לרכוש רישיונות, לחבר מערכות ולשמור על אבטחת המידע, וזה חשוב מאוד (בלי זה שום דבר לא עובד). אבל הטמעה היא שינוי בדרך שבה אנשים עובדים, ואת זה מחלקת IT לא יכולה לדרוש מאף אחד. גם ועדה לא.

הבעלים של הפרויקט הם המנכ״ל וההנהלה הבכירה. רק הם יכולים לדרוש מכל הארגון ללמוד, ורק הם יכולים לקבוע שיוקדשו לזה זמן ותקציב אמיתיים. ואני אומר את זה בכל הנהלה שאני פוגש: "כשההנהלה מבינה לעומק, כל הארגון זז. כשהיא לא, הכל נשאר ברמת הפיילוטים."

ובמקביל, צריך עוגן בשטח. בכל ארגון שבו ראיתי הצלחה, היה אדם אחד לפחות ששימש כעוגן. לפעמים זה מנהל בכיר. לפעמים זה ראש צוות. לפעמים זה דמות היברידית שמכירה גם את השטח וגם את ההנהלה. הטמעת בינה מלאכותית בארגונים לא יכולה להיות יוזמה אנונימית. היא חייבת פנים, שם וקול.

בפועל, הובלה אפקטיבית של הטמעת בינה מלאכותית בארגונים נראית כך:

• יש אדם אחד ברור שלוקח בעלות מלאה על התהליך
• אותו אדם מחובר גם להנהלה וגם לעבודה היומיומית של הצוותים
• ההובלה מתרחשת לאורך זמן, כחלק קבוע מהעבודה של אותו אדם
• מתקיימת נוכחות עקבית בשטח, בשאלות, בהתלבטויות ובדוגמא אישית
• יש יכולת להגיד גם מה לא עושים עכשיו

מנהלים רבים חושבים שאפשר למנות "אחראי AI" ולהמשיך הלאה. זה לא עובד. ההובלה חייבת להיות יומיומית. היא חייבת להיות מחוברת לאנשים. והיא חייבת להיות מחוברת לעבודה האמיתית.

ומה ההנהלה עושה בפועל? כמו שאני אומר בהנהלות, "השאלה הגדולה היא איך. לא האם, או כמה, אלא איך." אז הנה האיך, חמישה דברים שעושות ההנהלות שמזיזות את הארגון:

1. תיקחו בעלות. אתם, המנכ״ל וחברי ההנהלה, הבעלים של הפרויקט, ואתם גם אלה שמסמנים לכל הארגון שזה רציני.
2. תקצו זמן, ובכתב. זמן לצוותים ללמוד, להמשיך ללמוד ולתרגל. וזמן לצ׳אמפיונס להתמחות, לחנוך וללמד אחרים. בלי זמן מוגדר, הלמידה תמיד תפסיד לעבודה השוטפת.
3. תדרשו, אל תבקשו. כל משימה עוברת קודם דרך AI, או לפחות ניסיון. "זו כבר לא פאדיחה להשתמש בבינה, זו חובה של ממש". וזה כולל את המנהלים עצמם: ניתוח אקסלים, תובנות עסקיות מתוך הדאטה, ניהול פרויקטים ואנשים, מעקב אחרי משימות, מחקר מתחרים ושוק, תמיכה בקבלת החלטות, ועוד ועוד.
4. אבל בלי קופי פייסט. קופי פייסט של תוצר AI "מביא פאדיחות גדולות". כל תוצר הוא טיוטה, ואליה נכנסים תובנה, ניסיון אישי, חשיבה יצירתית, אסטרטגיה והרבה (הרבה) מוח אנושי.
5. תדברו על זה בשגרת הניהול, ותמדדו כל הזמן. גם שימוש וגם השפעה עסקית, מול KPIs שהגדרתם מראש. מה שלא עולה בישיבות ההנהלה, דועך.

אם אתם רוצים להביא את ההנהלה שלכם לשם, בשביל זה בניתי את ההרצאות והסדנאות ל-AI להנהלות בכירות.

למה אני בכוונה לא מדבר על הטמעה של הרבה כלים

אחת הטעויות הכי נפוצות שאני רואה בארגונים גדולים היא פיזור. ארגון מתלהב. מגלה שיש עשרות כלי AI. מנסה הכול. נותן לכל צוות משהו אחר. ואז שואל למה זה לא מחזיק (הא?!).

ברמה האנושית זה לא אפשרי (אף אחד לא זוכר עשרה כלים שונים). ברמה הארגונית זה לא ריאלי. בטח לא כשמדברים על AI לארגונים גדולים.

הטמעת בינה מלאכותית בארגונים צריכה להתמקד בכלי מרכזי אחד. כלי עוגן. לרוב זה Copilot בארגונים מבוססי Microsoft. בארגונים גוגליים זה יהיה פתרון מקביל. תתחילו משם, ורק אחר כך תרחיבו החוצה.

כשיש כלי אחד מרכזי, קל לבנות שפה. קל לבנות ידע. קל לבנות הרגלים. אנשים לא מתבלבלים. הם לא מרגישים מוצפים. הם מתחילים להשתמש (סוף סוף).

"AI יחליף אותי?" למה הטמעת בינה מלאכותית בארגונים היא קודם כל מהפכה אנושית

אני אומר את זה בכל הרצאה וסדנה. המהפכה הזו היא אנושית.

אנשים מפחדים. זה טבעי. הם מפחדים לאבד ערך. הם מפחדים להיחשף. הם מפחדים להישאר מאחור. הטמעת בינה מלאכותית בארגונים נוגעת בשאלות זהות.

מי שמתעלם מזה, ייתקל בהתנגדות שקטה (הכי מסוכנת, כי אף אחד לא אומר אותה בקול). שימוש חלקי. או פשוט חוסר שימוש.

אז מה עונים? שלוש ההתנגדויות שאני שומע הכי הרבה:

"AI יחליף אותי". אני לא מבטל את הפחד הזה, כי הוא לא מטופש. חלק מהמשימות באמת ישתנו. מה שאני אומר לאנשים זה שהמקום הכי בטוח הוא להיות אלה שעובדים עם הכלים וחתומים על התוצאה, ולא אלה שמחכים בצד לראות מה יקרה.

"אני לא מספיק טכנולוגי". הכלים של היום עובדים בשפה רגילה. מי שיודע לכתוב מייל מסודר לקולגה, יודע לכתוב פרומפט. והרבה אנשים כבר משתמשים בצ׳אט בבית, הם פשוט עוד לא חיברו את זה לעבודה.

"עבדנו ככה 20 שנה, למה לשנות?" כאן הסברים לא עוזרים. תיקחו משימה אמיתית של אותו אדם, מהשבוע שלו, ותעשו אותה איתו עם AI. זה משנה את השיחה הרבה יותר מכל מצגת.

פורום צ׳אמפיונס: האנשים שעושים את ההטמעה בפועל (ולמה הם צריכים זמן ביומן)

אחד המרכיבים הקריטיים ביותר בהטמעת בינה מלאכותית בארגונים הוא יצירת פורום מובילים. תקראו להם צ׳אמפיונס, שגרירים או נינג׳ות, מה שמתאים לכם. המבנה הוא העיקר.

בכל ארגון שבו זה עבד, היה פורום כזה. נציגים מכל הצוותים. אנשים שעובדים ביום יום. אנשים שמכירים את הכאבים. האנשים האלה הם אלה שעושים את ההטמעה בפועל.

הם מנסים. נכשלים. משתפים. מלמדים אחרים. ובלי פורום כזה, ההטמעה נשארת על הנייר.

ותנו להם זמן, בכתב. צ׳אמפיון שאמור להתמחות, לחנוך ולענות לשאלות של כל הצוות על חשבון שעות נוספות, לא יחזיק לאורך זמן.

שיטות עבודה עם בינה מלאכותית בארגונים: איפה הן באמת נולדות

שיטות עבודה עם בינה מלאכותית בארגונים נוצרות בשטח, בתוך העבודה עצמה (בדרך כלל באמצע יום עבודה רגיל).

אני עובד עם הצ׳אמפיונס על זיהוי תהליכים קיימים. אנחנו שואלים איפה מבזבזים זמן, איפה חוזרים על עצמנו ואיפה נתקעים.

רק אחרי זה נכנס ה-AI, כתוספת לעבודה שכבר קיימת.

תהליך הטמעת AI בארגון שלב אחר שלב (המסלול שאני עובד לפיו)

זה המסלול שאני עובד לפיו עם ארגונים, בגדול. הסדר חשוב יותר מהקצב.

שלב 1: תמונת מצב אמיתית. מי כבר משתמש ב-AI, באילו כלים, ולמה. ברוב הסיכויים יש אצלכם "מערב פרוע" שקט: עובדים שמשתמשים בחשבונות פרטיים של ChatGPT או Gemini על חומרים של העבודה, בלי שאף אחד יודע. אל תכעסו על זה. זה בדיוק הסימן שיש ביקוש, ועכשיו צריך להעביר אותו לכלי הארגוני.

שלב 2: מה אתם רוצים להשיג, ואיך תדעו שהשגתם. חיסכון בזמן? איכות? תגובה מהירה יותר ללקוחות? כל מטרה דורשת דרך אחרת. וכבר כאן תגדירו KPIs, אחרת בעוד חצי שנה תישארו עם תחושה טובה ובלי מספר אחד להציג להנהלה.

שלב 3: הכשרה מדורגת. קודם ההנהלה, אחר כך הצ׳אמפיונס, ורק אז כל הארגון, לפי תפקידים ומחלקות (מכירות, שירות, כספים, HR, תפעול).

שלב 4: use cases מהעבודה האמיתית. תבחרו בכל צוות כמה use cases מתוך התהליכים שלו, בדיוק איפה שהוא מבזבז הכי הרבה זמן, ותמדדו לפני ואחרי. התוצאות האלה הן הדלק לשלב הבא.

שלב 5: הרחבה ומיסוד. תרחיבו רק אחרי שיש תוצאות. תכתבו מדיניות שימוש עם דוגמאות (מה מותר להכניס לכלי ומה לא), תבנו ספריית פרומפטים משותפת, ותכניסו את ה-AI לשגרת הניהול הקבועה. ככה זה לא דועך אחרי ההתלהבות הראשונה.

תוכנית AI לארגון: ממה מתחילים כבר השבוע? (בלי גאנט של חצי שנה)

כולם רוצים תוכנית של שישה חודשים עם גאנט יפה. אני מעדיף ארבע החלטות שאפשר לקבל כבר השבוע, כי בלעדיהן שום גאנט לא יזוז:

1. מי מההנהלה הבעלים של זה. שם אחד, לא מחלקה.
2. מהו כלי העוגן. ברוב הארגונים הוא כבר קיים (Copilot או Gemini), אז ההחלטה היא בעיקר להפסיק להתפזר.
3. מי הצ׳אמפיונס. נציג מכל צוות, עם שם ועם זמן מוגדר.
4. כמה זמן מוקצה ללמידה, ובכתב. שעות ביומן, לא "כשיהיה זמן".

סדנת בינה מלאכותית בעבודה: הרגע שבו עובד אומר "זה חסך לי זמן היום"

סדנת בינה מלאכותית בעבודה היא תרגול.

אני בונה כל סדנה סביב עבודה אמיתית. מסמכים אמיתיים. מיילים אמיתיים. דילמות אמיתיות (כאלה שאין להן תשובה מוכנה במצגת). רק ככה אנשים מתחילים להאמין שזה רלוונטי להם.

הטמעת בינה מלאכותית בארגונים מתחילה ברגע שעובד אומר לעצמו "זה חוסך לי זמן היום".

סדנת בינה מלאכותית בשיווק: למה דווקא ההתלהבות היא הסכנה

סדנת בינה מלאכותית בשיווק יכולה לייצר אימפקט מהיר. אבל גם בלבול.

שיווק אוהב חדשנות. אוהב כלים (אני אומר את זה באהבה). אוהב ניסויים. אבל בלי מסגרת, זה מתפזר.

אני מקפיד להדגיש שכל תוצר של AI הוא טיוטה, ושאת הקול של המותג כותב בן אדם. בשיווק טעות כזו יוצאת ישר ללקוחות.

סדנת בינה מלאכותית ל-HR: אם הם בחוץ, ההטמעה לא תעמיק

סדנת בינה מלאכותית ל-HR היא קריטית. HR מחזיקים את התרבות. את השפה. את תהליכי הלמידה.

אם HR לא בפנים, ההטמעה לא תעמיק. אם HR מפחדים, הארגון כולו מרגיש את זה (ומהר).

למה הטמעת AI בבנק לא דומה בכלל להטמעה בסטארטאפ

אין דומה ארגון פיננסי לארגון חינוכי. אין דומה תעשייה כבדה לסטארטאפ. המשפט הזה אולי נשמע טריוויאלי, אבל בפועל הוא אחד הדברים שהכי הרבה ארגונים מתעלמים מהם.

בינה מלאכותית בארגונים ועסקים חייבת להתחשב ברגולציה, בקצב, ובאופי האנשים. בארגון פיננסי, כל החלטה עוברת שכבות של בקרה, ניהול סיכונים ו-compliance. בארגון חינוכי, האתגר הוא דווקא עומס רגשי, ריבוי תפקידים ותחושת שליחות. בתעשייה כבדה יש תהליכים ארוכים, בטיחות וסטנדרטים. בסטארטאפ יש מהירות, חוסר סבלנות וציפייה לתוצאות מיידיות.

הטמעת בינה מלאכותית בארגונים נכשלת כשהיא מנסה להיראות אותו דבר בכל מקום. אותו מצג. אותו סלייד. אותה סדנה. אותה הבטחה. הצלחה מגיעה רק כשמתאימים את השפה, הדוגמאות והקצב לאנשים עצמם.

אני מקפיד בכל ארגון לעצור רגע ולשאול. איפה אתם חיים ביום יום. מה באמת מלחיץ אתכם. איפה ה-AI יכול לעזור בלי לשבור את המערכת הקיימת. זו עבודה איטית יותר, אבל היא היחידה שמחזיקה לאורך זמן.

מחפשים ייעוץ להטמעת AI בארגון? ככה זה נראה איתי (גם תחת רגולציה מחמירה)

אם הגעתם לכאן כי אתם מחפשים מי ילווה אתכם בהטמעה, הנה איך זה נראה אצלי.

ליווי הטמעה איתי מתחיל בהנהלה. שיחה עם המנכ״ל וההנהלה הבכירה: מה אתם רוצים להשיג, מי הבעלים, אילו כלים כבר קיימים בארגון ואיך משתמשים בהם היום. משם אנחנו בונים יחד את התוכנית: בחירת כלי העוגן, מפגש להנהלה, הכשרה מעמיקה לצ׳אמפיונס, סדנאות לפי תפקידים, מדיניות שימוש, ומדידה שנכנסת לשגרת הניהול.

בין הארגונים שעבדתי איתם: כללית, מכבי, אמדוקס, סלברייט, סאפיינס, כתר פלסטיק, הג׳וינט, הסוכנות היהודית, UMI, דקתלון ואמישראגז.

ומה עם ארגונים פיננסיים, ביטוח, בריאות וכל מי שחי תחת רגולציה?

בארגון פיננסי, או בכל ארגון שחי תחת רגולציה מחמירה, הסדר משתנה. לפני שעובד אחד פותח צ׳אט, תסגרו שלושה דברים:

1. data governance. כלומר, מי רשאי להכניס איזה מידע לאיזה כלי. מידע של לקוחות, מידע פיננסי, מידע רפואי, חומרים פנימיים. כל סוג מידע מקבל כלל ברור עם דוגמאות, כדי שעובד לא יצטרך לנחש.
2. אילו כלים. תעבדו רק בתוך הסביבה הארגונית המורשית (Copilot בתוך Microsoft 365, או Gemini בתוך Google Workspace), ולא בחשבונות פרטיים. כאן בדיוק הערך של כלי עוגן אחד: הרבה יותר קל לפקח על כלי אחד מאשר על עשרה.
3. מדיניות. תכתבו מדיניות שימוש קצרה וברורה: מה מותר, מה אסור ומי בודק. ותקבעו כלל אחד בלי פשרות: כל תוצר עובר עין אנושית לפני שהוא יוצא החוצה, ללקוח או לרגולטור.

ואת אנשי המחלקה המשפטית, אבטחת המידע וה-compliance תכניסו לחדר כבר מהיום הראשון, לפני שהכלי נפתח לכולם. ברגולציה מחמירה זה בדיוק מה שמאפשר לזוז מהר, כי אף אחד לא עוצר אתכם באמצע.

את הפירוט המלא ריכזתי בעמוד ייעוץ והטמעת AI בארגונים (וסליחה שאני מוכר את עצמי, זה באמת מתוך אמונה ותשוקה).

13 עצות למי שמטמיע בינה מלאכותית בארגון (אחרי 264 מפגשים ב-112 ארגונים)

אחרי כל כך הרבה ארגונים, אותן תובנות חוזרות שוב ושוב. אז הנה הן, מסודרות כעקרונות שחוזרים בהטמעות שמצליחות:

1. תתחילו קטן ותעמיקו. ככה בונים אמון (גם כשכולם לוחצים לרוץ מהר). הצלחה קטנה אחת שווה יותר מעשרה פיילוטים שלא נסגרו.
2. תבחרו כלי מרכזי אחד. כלי עוגן שאפשר לבנות סביבו שפה, ידע והרגלים. ריבוי כלים מייצר עומס, בלבול ונטישה.
3. תגדירו בעלות ברורה. הבעלים הם המנכ״ל וההנהלה, ולצידם אדם אחד בשטח שמוביל את התהליך מקצה לקצה.
4. תבנו פורום צ׳אמפיונס פעיל. קבוצה חיה שעובדת, מתנסה, טועה ומשפיעה על אחרים. האנשים האלה הם מנוע ההטמעה האמיתי.
5. תשקיעו בהכשרה שיטתית של הצ׳אמפיונס, הרבה מעבר לסדנה חד פעמית. תנו להם עומק, ביטחון וכלים. הם צריכים להבין את הכלי המרכזי, להכיר use cases, ולדעת איך ללמד אחרים. משם הידע מתחיל לחלחל לשאר הארגון.
6. תעבדו עם ההנהלה עצמה. תכשירו גם את שכבת ההנהלה, בשימוש בפועל על העבודה שלהם. מנהלים שמבינים איך AI משתלב בעבודה שלהם מייצרים לגיטימציה ומסירים חסמים.
7. תנו לצ׳אמפיונס ולהנהלה להעביר ידע לצוותים. ההטמעה קורית הרבה מעבר לסדנאות: בשיחות צוות, בדוגמאות קטנות, ובהדגמות יומיומיות מתוך העבודה.
8. תתמקדו בכלי הארגוני המרכזי. ברוב הארגונים שאני פוגש זו סביבת Microsoft, ושם Copilot הוא כלי העוגן (הצ׳אט שלו זמין לכל העובדים עם חשבון Microsoft 365 ארגוני, בלי עלות נוספת). בארגונים גוגליים זה Gemini, שמשולב ישירות ב-Docs, Sheets ו-Slides.
9. תנו מקום לפחדים ואל תבטלו אותם. פחד הוא תגובה טבעית לשינוי, הרבה לפני שהוא הופך להתנגדות. מי שמקשיב לפחדים, מקבל מחויבות.
10. תחברו את ה-AI לעבודה היומיומית. משימות אמיתיות, מסמכים אמיתיים ולחצים אמיתיים, בלי סיסמאות.
11. תמדדו שימוש והשפעה עסקית. כמה באמת השתמשו, כמה פעמים, איפה זה שינה עבודה ומה זז מול ה-KPIs שהגדרתם מראש.
12. תאפשרו ניסוי וטעייה בטוחים. מרחב שבו מותר לנסות, להיכשל וללמוד בלי שיפוט ובלי ענישה.
13. תנו דוגמה אישית. מנהל שמראה בישיבת צוות מה הוא עשה היום עם AI משכנע יותר מכל מצגת או הנחיה כתובה.

שאלות ותשובות נפוצות

למה אני מבין לעומק את האתגרים בהטמעה (ולמה אני לא מבטיח קסמים)

בזכות הניוזלטר שאני כותב לאורך זמן. בזכות הפודקאסט. בזכות 264 מפגשי AI ב-112 ארגונים. ובזכות עבודה ישירה עם ארגונים גדולים ומורכבים.

ראיתי התנגדויות שקטות. ראיתי חששות עמוקים. ראיתי גם ארגונים שעשו את הקפיצה בצורה חכמה ואחראית.

אני לא מבלשט. אני לא מבטיח קסמים. אני כן רוצה שכולם ישתמשו כמה שיותר (באמת כולם). אבל בצורה חכמה, מחוברת למציאות, ואנושית.

על הכותב

אייל מרקוס

מרצה, מדריך ויועץ AI

בתחילת 2022 צללתי אל תוך עולם הבינה המלאכותית, ומאז לא עליתי לשאוף אוויר.

אני מעביר שלל הרצאות, סדנאות והכשרות על שימוש פרקטי בכלים ביומיום המקצועי, ובמקביל מלווה ומייעץ לארגונים. אני מתמחה בהטמעה של AI - כיצד עושים שינוי גדול כל כך ומטמיעים שימוש בכלים בכל המחלקות, בכל הדרגים, בכל הארגון.

אני כותב את הניוזלטר "Don't Panic" מאז תחילת 2023, ויש לי גם פודקאסט בשם "Hands On AI" - בשניהם אני מתמקד בהטמעה בעולם העבודה.

חלקם לקוחות עבר וחלקם גם לקוחות הווה: הג'וינט, חברת החשמל, אמדוקס, סלברייט, כללית, מכבי, אינטל, כתר, הסוכנות היהודית, סאפיינס, בנק דיסקונט, בנק ירושלים, Roche ועוד.

הרשמה לניוזלטר LinkedIn