בינה מלאכותית יוצרת (Generative AI)
בינה מלאכותית שיוצרת תוכן חדש: טקסט, תמונה, קוד או קול, על סמך הוראה בשפה חופשית. בארגונים משתמשים בה בעיקר לניסוח, סיכום, סיווג ומענה.
איך זה נראה בפועל ←
09 מילון AI לארגונים
מילון AI לארגונים, בשפה פשוטה.
הגדרות קצרות למושגים שמנהלים פוגשים כשמכניסים AI לארגון: מה זה סוכן AI, מה זה RAG ו-MCP, מה ההבדל בין מודל שפה לסוכן, ולמה צריך אדם בלולאה. כל הגדרה מקושרת לעמוד שמסביר איך זה נראה בפועל.
מודל שפה גדול (LLM)
מודל AI שאומן על כמויות גדולות של טקסט, ויודע להבין ולנסח שפה. ChatGPT, Claude ו-Gemini מבוססים על מודלי שפה. מודל שפה לבד לא מכיר את המידע של הארגון ולא פועל במערכות שלו, ולכן מחברים אותו לנתונים ולכלים.
איך זה נראה בפועל ←סוכן AI (AI Agent)
מערכת שמקבלת משימה ומבצעת אותה בכמה צעדים: קוראת את מה שנכנס, מחליטה מה לעשות, פועלת במערכות כמו CRM או מייל, ומחזירה תוצאה. בארגון, סוכן טוב עוצר בשלבים רגישים ומבקש אישור של אדם.
איך זה נראה בפועל ←Agentic AI
גישה שבה AI לא רק עונה על שאלה אלא פועל: מתכנן צעדים, משתמש בכלים ומשלים משימה. סוכני AI הם היישום המעשי שלה.
איך זה נראה בפועל ←RAG (Retrieval-Augmented Generation)
שיטה שבה לפני שהמודל עונה, המערכת מחפשת את הקטעים הרלוונטיים במסמכים של הארגון ומצרפת אותם לשאלה. כך התשובה מבוססת על המידע שלכם, ואפשר להציג מקור לכל תשובה. זה הבסיס של רוב עוזרי הידע הארגוניים.
איך זה נראה בפועל ←MCP (Model Context Protocol)
פרוטוקול פתוח שמגדיר דרך אחידה לחבר יישומי AI למערכות ולכלים: מקורות מידע, מסמכים ופעולות. הוא מקל על חיבור סוכן AI לכמה מערכות, אבל לא מחליף ניהול הרשאות ואבטחה.
איך זה נראה בפועל ←ניהול ידע ארגוני
הדרך שבה ארגון שומר נהלים, מסמכים וניסיון ומעביר אותם לעובדים שצריכים אותם, בדרך כלל במערכת ניהול ידע כמו ויקי, תיקיות משותפות או מאגר ידע לשירות.
איך זה נראה בפועל ←עוזר ידע ארגוני
צ׳אט שעונה לעובדים מתוך הנהלים, המסמכים והמערכות של הארגון, עם הרשאות לפי תפקיד וקישור למקור בכל תשובה.
איך זה נראה בפועל ←אוטומציה עסקית
רצף פעולות שמתבצע לבד בעקבות אירוע: למשל פנייה מהאתר שנכנסת ל-CRM, מעדכנת איש מכירות ומתזמנת תזכורת. כשמוסיפים AI, האוטומציה יודעת לקרוא גם טקסט חופשי ומסמכים.
איך זה נראה בפועל ←דשבורד ניהולי
מסך שמרכז למנהלים את המדדים החשובים של הארגון, מתעדכן לבד מהמערכות שבהן העבודה קורית, ומראה חריגות ולא רק מספרים.
איך זה נראה בפועל ←n8n
כלי לבניית תהליכי אוטומציה (Workflows) שמחברים בין מערכות, עם אפשרות להפעיל אותו על שרת של הארגון. מתאים לתהליכים מוגדרים. כשנדרשים ממשק לעובדים, הרשאות מורכבות ותחזוקה של הרבה תהליכים, משלבים אותו עם מערכת בהתאמה.
איך זה נראה בפועל ←אינטגרציה
חיבור בין שתי מערכות כך שמידע עובר ביניהן לבד, בדרך כלל דרך ממשק API. למשל חיבור בין וואטסאפ עסקי ל-CRM.
איך זה נראה בפועל ←API
ממשק שדרכו מערכת אחת מבקשת מידע או פעולה ממערכת אחרת. רוב החיבורים בין מערכות, וגם החיבור למודלי AI, עוברים דרך API.
איך זה נראה בפועל ←אדם בלולאה (Human in the Loop)
עיקרון שלפיו בשלבים רגישים מערכת AI עוצרת ומחכה לאישור של אדם: שליחה ללקוח, תשלום, שינוי בהזמנה. זה מה שמאפשר להכניס AI לתהליכים אמיתיים בבטחה.
איך זה נראה בפועל ←הזיה (Hallucination)
מצב שבו מודל שפה מנסח תשובה שנשמעת בטוחה אבל אינה נכונה. מצמצמים את זה בעזרת RAG, מקור לכל תשובה, בדיקות, ואישור אנושי בשלבים רגישים.
איך זה נראה בפועל ←פרומפט (Prompt)
ההוראה שנותנים למודל שפה. במערכות ארגוניות הפרומפט כולל גם כללים, דוגמאות ומידע מהארגון, ונבדק על מקרים אמיתיים לפני שעולים לייצור.
איך זה נראה בפועל ←פיילוט
הפעלה של מערכת על תהליך אחד, עם משתמשים אמיתיים ולזמן מוגבל, כדי למדוד אם היא חוסכת זמן ומדייקת לפני שמרחיבים.
איך זה נראה בפועל ←תיקון 13 לחוק הגנת הפרטיות
עדכון לחוק הגנת הפרטיות בישראל שהרחיב את החובות של ארגונים שמחזיקים מידע אישי ואת סמכויות האכיפה. כשמכניסים AI לעבודה עם מידע אישי, כדאי לבדוק מה עובר במערכת ואיך מצמצמים אותו, ולהתייעץ עם עורך דין.
איך זה נראה בפועל ←רוצים לראות את זה עובד אצלכם?
ספרו לנו על תהליך אחד, ונחזור אליכם תוך יום עבודה.