פרויקט FinOps במימון ישיר

FinOps הינו מושג שהופך שגור ובעל משקל משמעותי יותר בכל ארגון, בעיקר עם התחזקות המגמה של מעבר למחשוב ענן. ככל שהארגון משקיע משאבים גדולים יותר בפתרונות מבוססי ענן, כך גובר הצורך בביצוע אסטרטגיית FinOps, במטרה לנהל בצורה אופטימלית את הוצאות הענן, תוך הסתכלות והתחשבות הוליסטיים לוקחים בחשבון את הצרכים העסקיים של כלל הגורמים בארגון: מערכות מידע, מוצר, שיווק, שירות ומכירות ועוד.

הריכוזיות של ניהול מערך הענן בארגון מאפשר לבנות תמונה טובה ועדכנית יותר לגבי ניצול המשאבים הטכנולוגיים, ולכן גם מחזקים את היכולת הניהולית לקבלת החלטות דינמיות העונות על הצרכים המדויקים של הארגון. חברת מימון ישיר, פנתה אלינו כדי להשיג בדיוק את זה: לייצר חיסכון בעלויות מחשוב הענן ובמקביל לעשות סדר בניהול העלויות בראיה הוליסטית ומחזורית, תוך ניטור שוטף של הפעילות.

את הפרויקט המשותף יזמו והובילו רונית פטר סמנכ"לית טכנולוגיות ועינת טל, ה-OCIO, ובשיתוף פעולה עם צוות המומחים שלנו, ניגשנו אל האתגר בשלושה שלבים מרכזיים:

שלב ה-Inform: בשלב זה ממפים את המצב הקיים, תוך יצירת תמונה שקופה וכוללת של מערך עלויות הענן בתוך הארגון. במסגרת זו היה נדרש לזהות ולסמן את העלויות המשמעותיות ביותר, הזוכות לשם "החשוד המיידי"… אותן עלויות שמשקלן היחסי בסך ההוצאות הוא הגבוה ביותר ולכן גם המשפיע העיקרי על התקציב השוטף. ואכן בפרויקט המדובר מיפינו ביחד עם הצוות המקצועי במימון ישיר את כל הוצאות הענן בארגון, תוך הגדרת ההוצאות הגבוהות והמשמעויות ביותר.

שלב ה-Optimize: שלב שבו מנתחים לעומק את הממצאים שעולים בשלב הקודם, במקביל בוחנים את ארכיטקטורת העל, מנסים להבין היכן ניתן לבצע אופטימיזציה תוך מיקוד בניסיון להתייעלות בטווח קצר, בלי לשנות ארכיטקטורה וקוד, בעיקר שינויים של קונפיגורציה בענן, תוך גיבוש המלצות בצורה זהירה ושקולה, כשערך החיסכון הוא שעומד מול העיניים. המטרה בשלב זה הוא לייצר Quick Wins לארגון, תוך השקעה קטנה יחסית של מאמצים, ואכן שמחנו לסייע לחברה לייצר חיסכון של כ-30% מעלויות הענן במהלכים פשוטים יחסית. למשל, משאבי ענן שכבר לא נמצאים בשימוש, עדכון מודלי תמחור של ספקיות הענן לגרסאות חדשות ויעילות יותר, רכישת תוכניות ארוכות טווח היכן שניתן, או קבלת הנחות רק מעצם הפניה לריסלרים כדי להבין את מודל התמחור הקיים (ז"א, הנחות מבלי לבצע שינוי בודד בתשתית הקיימת). גורם משפיע נוסף, כזה שכדאי מאוד להתייחס אליו, הינו המודעות הפנים ארגונית שהובילה אנשים רבים ליזום בעצמם מהלכי חיסכון וצמצום היכן שניתן.

שלב ה- Operate: המטרה בשלב זה: להגדיר מתודולוגיית FinOps ותהליכי העבודה הנלווים, מבלי להמציא את הגלגל שכן קיימת מתודולוגיה מקובלת וסדורה. לכן אין צורך להמציא מחדש, אבל כן חשוב להתאים את המהלכים אל צורכי ואילוצי הארגון הספציפי. כך למשל, נדרש לזהות מי הפרסונות הרלוונטיות שכן חשוב לקחת בחשבון בתהליך קבלת ההחלטות במסגרת אסטרטגיית ה FinOps. אותן הפרסומות משתנות ונבדלות מארגון אחד לשני, ובמקרה של מימון ישיר הוגדרו 4 פרסונות מרכזיות הרלוונטיות לאופרציה, לכל אחת גובשה בדיוק הגדרת התפקיד, באיזה אחוז משרה הם נדרשים לטובת פעילות ה FinOps  וכו'.

על בסיס שלושת השלבים ולאחר הגדרת הפרסונות הספציפיות, יצאנו לבניית תכנית העבודה: מה מותר ואסור לעשות, הגדרת בקרות, וכלי ניהול המחוברים לשירותי הענן ומספקים דאטה עדכנית וזמינה לגבי היקף השימוש בפועל וכן תובנות עסקיות נוספות. כיוון שלמימון ישיר יש נוכחות בכל שלושת העננים (תוצאה בין היתר של רכישות מוצרים שכבר פעלו על גבם), הדבר הווה אתגר ניהולי ותשתיתי משמעותי, לכן שילוב כלי ניהול ומעקב אחר פעילות הענן ייצרה ערך עסקי משמעותי לארגון.

וורנר פוגלס (Werner Vogels), ה-CTO של שירותי הענן באמזון, התייחס לנושא ה FinOps בכנס ה- re:invent האחרון ואמר: 1. בניהול מערך הארכיטקטורה בענן: מרכיב העלות הוא אחד המשמעותיים והחשובים ביותר שצריך לבדוק, יותר ממאפיינים אחרים, והיום ישנה מודעות הולכת וגדלה לגבי זה. הגביע הקדוש בהיבט הזה הוא לאפשר לארגון לקשר באופן ישיר בין היקף ההשקעה במחשוב ענן, לבין שורת הרווח. 2. לדעתו, כל פונקציה בארגון צריכה להבין ב FinOps, כי לכל אחד יש קשר והשפעה, טכנית או מוצרית על היקף הצריכה והמשאבים שהם דורשים, לולכן לכולם יש השלכות על תשתיות הענן בארגון.

בעבודה המשותפת עם מימון ישיר, התהליך התמקד באופן שבו מנהלים את האופרציה בשוטף ברמת התקציב, המעקב, התכנון, ניהול פגישות שוטפות עם מנהלי הפינאופס בארגון, הצפת הפערים, סטטוסים וגם איך מנחילים את זה לתוך הארגון עמוק יותר. התוצאה: מימון ישיר היו מאוד מרוצים מהתהליך והתוצרים שהושגו, בעיקר לאור העובדה שהם נדהמו מהחיסכון שנוצר, וגם כמה אנשים לא טכנולוגיים, הבינו את הפער ואת ההזדמנות שנוצרת, דווקא בארגון שהיסטורית ממוקד On Premise.

במילים אחרות, לתהליך המשותף הייתה השפעה רחבה על עצם ההבנה של הארגון לגבי מידת החיסכון שניתן להגיע אליה. כעת צוות המומחים שלנו ממשיך ללוות את מימון ישיר ביישום מתודולוגיית החיסכון.

בהזדמנות זו, אנו רוצים להביע את תודתנו העמוקה לצוות העבודה המשותף שנתן אמון מלא, השקיע את המשאבים והרצינות הנדרשים כדי להשיג תוצאות מהירות, ושגילה פתיחות, כנות ואומץ ברצון להתייעל ולשפר.

עוד כתבות עבורך

כשמתודולוגיית GAIN שלנו הופכת לסטנדרט אימות AI ארגוני

לשמחתי, אצלנו בשטראוס התקופה גדושה בלווי ארגונים במסע לאימוץ בינה-מלאכותית. לצערי, זה גם התירוץ מדוע נותר לי מעט זמן לכתוב פוסטים ומאמרים. אבל, חייב לשתף אתכם בחוויה – איך Open AI ו- Perplexity גרמו לי להסמיק "בשידור חי"…

 

מעשה שהיה כך היה…

אנחנו בשטראוס אסטרטגיה רואים שליחות להפיץ את תפיסת "AI-first mindset" בקרב מנהלים, קולגות ואנשי מקצוע – במאמרים, וובינרים, הסכתים, חשיפות הנהלה, ועוד. ברמה האישית אני שגריר נלהב של המיינדסט הזה. איך זה מתבטא "קלינית"? מהם תופעות הלוואי? המממ…. למשל, כשלקוח או קולגה שואלים שאלה במייל או בוואטסאפ שאני סבור שעוזרי ה AI הווירטואליים שלי יכולים להשלים ולהעשיר את התשובה שלי, פעמים רבות אני פשוט מצרף לתשובה "האנושית" שלי גם קישור לתשובה שנתן chatgpt או perplexity לשאלה הזו. אני (כמובן) מעודד אותם להמשיך בשיחה "מאותה נקודה", בואכה התשובה הספציפית עבורם.

 

בשבוע שעבר, ההרגל הזה תפס אותי בהפתעה…

באחד הכנסים המקצועיים מצאתי את עצמי משוחח עם סמנכ"ל טכנולוגיות בחברה פיננסית גדולה. על רקע קפה דהוי משהו סיפרתי לו על מודל ההפעלה שגיבשנו בשטראוס לאימוץ ארגוני של בינה מלאכותית, GAIN שמו, ועל לקוחות שכבר מיישמים אותו. הוא לקח לגימה מהקפה (וביס מהבורקס) ושאל אותי אם יש עוד best-practices ואסטרטגיות אימוץ AI הוליסטיות מוכרות שנפוצות בישראל. סאקר של המיינדסט הזה של לשלב כוחות עם AI, סיננתי לו "בוא נשאל את chatgpt בדיוק את זה".

בעודי שואל את ChatGPT, הולכת ונולדת בי החוצה תחושת חרטה וכפכוף עצמי. לחוץ שעוד רגע ג'פטו ילרלר name dropping של אסטרטגיות ופרקטיקות ממותגות מבית היוצר של ענקיות ייעוץ גלובליות…

 

אבל הי, לא באנו ליהנות…

טו-לייט…ואז ג'פטו ענה. והתשובה הפתיעה וחייכה אותי, מפיצה חום נעים בבית החזה…ג'פטו מספר כבר בהתחלה על GAIN , מבית שטראוס אסטרטגיה, ומפרט את מרכיבי האסטרטגיה שלה. עשירית שניה אחרי, פרפלקסיטי עונה תשובה דומה ומציג את GAIN כאסטרטגיה ראשונה לאימוץ AI ארגוני.אימאל'ה ואבאל'ה!

מילא לשתף את כל העולם כמה המתודולוגיה שלנו לאימוץ AI ארגוני יכולה ליצור קסמים בארגון. אבל זה וואו לגמרי לגלות ששני יישומי ה Gen-AI ב top 3 מספרים על GAIN שלנו כשיטה מרכזית לאימוץ AI ארגוני…ואם כבר "מחשבה יוצרת מציאות": שבוע מאוחר יותר פגשנו 2 מכרזים לגיבוש מודל הפעלה לאימוץ AI ארגוני, והדרישות לספקים מנוסחות בהלימה כמעט מוחלטת למודל האימוץ שלנו…כנראה שאתם עושים משהו טוב, אמר לי חבר טוב.

כנראה, עצמי עונה לי.

בתמונות – מי אנחנו שנתווכח עם התשובות שנתנו עוזרי ה AI שלנו…

 

 

וובינר מנהיגות טכנולוגית: כיצד להפוך את מערכות המידע למנוע צמיחה עסקי

וובינר מקצועי למובילים טכנולוגיים: מנהיגות טכנולוגית כמנוע צמיחה 🚀

מעל 180 משתתפים הצטרפו לוובינר שלנו "מנהיגות טכנולוגית: כיצד להפוך את מערכות המידע למנוע צמיחה עסקי", שבו עסקנו באתגרים המרכזיים של מובילי IT בארגונים.

על מה דיברנו?
✅ איך מגבשים אסטרטגיית IT שתהיה גם יציבה וגם גמישה
✅ כיצד למנף בינה מלאכותית מתקדמת – גם ברמת האפליקציות וגם בתשתיות
✅ איך מובילים שינוי טכנולוגי משמעותי מבלי לפגוע ביציבות התפעולית
✅ התמודדות חכמה עם מערכות לגאסי והתקדמות למודרניזציה

🎙️ תודה ענקית לדוברות ולדוברים שלנו, שהביאו תובנות מעשיות מהשטח ויצרו שיח מעורר השראה! 📌
מוזמנים לצפות בהקלטה ולהעמיק בתובנות החשובות ששיתפנו. צפייה מהנה! 🔗 ⬇️

 

מ-POC להצלחה: המדריך המעשי להטמעת AI Code Companion בארגונים

בעידן שבו חדשנות טכנולוגית מהווה יתרון תחרותי משמעותי, הטמעת AI Code Companions בארגוני Enterprise אינה אופציה – היא הכרח אסטרטגי. מחקרים מראים כי כלים אלו מסוגלים להעלות את הפרודוקטיביות של צוותי הפיתוח ב-15% עד 40%, נתון משמעותי שמתרגם ישירות לערך עסקי. אולם, ההבדל בין רכישת כלי לבין הטמעה מוצלחת שלו הוא עצום.

אבל רגע לפני שנמשיך, כדאי לעשות "יישור קו" לגבי המושג עצמו: למה מתכוונים כשאומרים AI Code Companions  ומדוע הם כך כך חשובים?

AI Code Companions הם כלים מבוססי בינה מלאכותית שנועדו לעזור למפתחים בתהליך כתיבת הקוד, תיקונו, שיפורו ותחזוקתו. מדובר ב"עוזרים" חכמים שמתפקדים כחלק מסביבת העבודה של המתכנתים, ומציעים תמיכה טכנית ולוגיסטית בזמן אמת.

אל מול התיאור הנ"ל, מדוע אם כן, ארגונים רבים כל כך עדיין לא מצליחים ביישומם? התשובה לשאלה הזו היא למעשה תיאור האתגר האמיתי שאיתו גופי IT רבים מתמודדים איתו כיום:

ארגוני Enterprise בישראל ניצבים כיום בפני אתגר מורכב: מצד אחד, הצורך להאיץ תהליכי פיתוח ולשפר איכות קוד הוא קריטי להישרדות בשוק תחרותי. מצד שני, הטמעת טכנולוגיות AI בתהליכי הפיתוח מעלה שאלות מורכבות של אבטחת מידע, ציות רגולטורי, והתנגדות מצד המפתחים. מחקרים מראים כי 68% מהארגונים שרכשו כלי AI לפיתוח נתקלו בקשיים משמעותיים בהטמעה מסיבות שונות ומגוונות (למשל: פערי ידע בקרב מפתחים בצוותי הפיתוח מה שמייצר אי אחידות ביכולת היישום בשטח, חוסר במדיניות ארגונית ברורה לשימוש בכלים – מה מותר ומה אסור?, חשש נרחב ומוכר מצד צוותי פיתוח לגבי איום אפשרי מצד כלים שכאלו ועוד).

בזמן שאתגרים וחסמים לא חסרים באף ארגון, המאמר הזה נועד לספק מפת דרכים מעשית להטמעה מוצלחת של AI Code Companions, תוך התמקדות בערך העסקי והתמודדות עם האתגרים האמיתיים שארגונים נתקלים בהם.

הסעיפים הבאים הינם בגדר המלצה בלבד וכמובן שכל ארגון יכול לאמץ את הנקודות והמאפיינים שמתאימים למבנה ולתפיסה הארגונית הספציפית. 

 

שלב 1: הכנה והערכת מידת המוכנות הארגונית

עוד בטרם בחירת כלי כזה או אחר, חיוני לבצע הערכת מוכנות של הארגון וצוותי הפיתוח. הערכה זו כוללת: 

  • סקירת תהליכי פיתוח קיימים: זיהוי נקודות כאב והפוטנציאל לשיפור
  • הערכת תשתיות טכנולוגיות: בחינת תאימות לשילוב כלי AI
  • סקר מוכנות צוותים: הערכת רמת הידע והנכונות לאימוץ טכנולוגיות חדשות
  • ניתוח דרישות רגולטוריות: הבנת מגבלות, דרישות אבטחת-מידע ורגולציה

שלב 2: בחירת פתרון ותכנון הטמעה

ביסוס הבחירה בפתרון המתאים על קריטריונים מדידים שגם מתאימים לארגון:

  • יכולות טכניות ודיוק – האם נדרש לימוד של כל ה- codebase הקיים?
  • תמיכה בשפות פיתוח ובפלטפורמות רלוונטיות
  • מודל תמחור ו-ROI צפוי
  • ריצה ב- on-prem או בענן

שלב 3: יישום והטמעה בפועל (זה ה-MONEY TIMEׂ):

  1. הקמת צוות מוביל – מינוי champion מכל צוות פיתוח
  2. תכנית הכשרה מדורגת ומותאמת לצוותים על בסיס הקוד הארגוני:
  • סדנאות בסיס לכל המפתחים ומעבר על use-cases רלוונטיים
  • הכשרות מתקדמות למובילים טכניים
  •  ליווי אישי ותמיכה בשלבים הראשונים
  • מדיניות ארגונית ונהלים:
  • מסמך Governance מקיף
  • הנחיות לשימוש בטוח

שלב 4: מדידה ואופטימיזציה

כמו בכל פרויקט הטמעה נרצה להגדיר יעדים ומדדי הצלחה שיראו לארגון שאנחנו בדרך להצלחה.
מדדי הצלחה יעילים יכולים להיות, למשל:

  • קיצור זמני הפיתוח עד ליצירת ה- pull request
  • כמות שורות קוד שיוצרו בעזרת AI Code Companion (ביחס לכמות הקוד הכוללת)
  • חיסכון בשעות פיתוח בחודש ו/או הגדלת מספר משימות הפיתוח
  • עלות ממוצעת לשורת קוד
  • איכות הקוד – ירידה במספר ההערות של static code analysis

מתיאוריה לפרקטיקה: סיפור הצלחה מקומי

אחת מחברות הפינטק המובילות בישראל, בליווי שלנו, הצליחה להטמיע בהצלחה כלי AI Code Companion בצוותי הפיתוח שלה. עם צוות של כ-45 מפתחים, החברה הפכה למקרה בוחן מרתק של הטמעה מדורגת ואפקטיבית של יכולות AI, שהביאו לשינוי משמעותי בתהליכי העבודה.

 

התוצאות מדברות בעד עצמן:

  • 80,000+ שורות קוד שנוצרו בעזרת הכלי – האצה מרשימה בתפוקה.
  • קיצור זמני הפיתוח: מסך חדש ב-React, שדרש בעבר 10 ימי עבודה, מפותח כיום תוך 3 ימים בלבד.
  • 80% מהמפתחים משתמשים בכלי מדי יום – עדות ליעילות ולנוחות של הכלי.
  • 50% מהצעות הכלי אומצו בפועל על ידי המפתחים, מה שממחיש את הערך האמיתי של הטכנולוגיה.

 

הסיפור הזה מוכיח שכשמאמצים פתרונות AI בצורה חכמה, אפשר לייצר שינויים מרחיקי לכת בשגרה, לייעל תהליכים, ולתת לצוותים כלים לעבוד טוב יותר.
רוצים לדעת איך גם אתם יכולים לשלב פתרון AI Code Companion בארגון שלכם? אנחנו כאן כדי לעזור לכם לעשות את הצעד הבא.

 

5 המלצות להטמעה מוצלחת של AI Code Companions בארגון שלך

הטמעת כלי AI Code Companion יכולה להוביל למהפכה בצוותי הפיתוח שלך – אבל כדי שזה יקרה, נדרשת גישה מחושבת ותכנון נכון. הנה מה שחשוב שתיקחו איתכן/ם מהמאמר הזה:

  1. הכנה מקדימה היא המפתח
    לפני שאתם בוחרים או רוכשים כלי, השקיעו זמן בהבנת הצרכים והיעדים של הצוות שלכם. בנו תשתית טכנולוגית וארגונית שתומכת בהטמעה.
  2. הטמעה הדרגתית – לא למהר
    התחילו בצוות פיילוט קטן שיבחן את הכלי בפועל, ויישמו שיפורים תוך כדי תנועה. לאחר מכן, הרחיבו את השימוש על בסיס הלקחים שנלמדו.
  3. תהליך מתמשך, לא חד-פעמי
    הדרכה אחת פשוט לא מספיקה. בנו תכנית הטמעה מתמשכת עם הדרכות תקופתיות, דגש על יישום מעשי, ותמיכה טכנית שוטפת כדי להבטיח הצלחה ארוכת טווח.
  4. תמיכה תרבותית בארגון
    שתפו את המפתחים בתהליך קבלת ההחלטות והתאימו את הכלי לצרכים שלהם. שיתוף פעולה יוצר מחויבות אמיתית ומגדיל את הסיכוי להצלחה.
  5. מדידה ושיפור מתמידים
    הגדירו מראש KPIs ברורים, כמו שימוש יומיומי בכלי או הפחתת זמני פיתוח. עקבו אחריהם באופן שוטף ושפרו את התהליכים בהתאם.

רוצים לדעת איך ליישם את זה אצלכם בארגון?
צוות המומחים שלנו ישמח להבין את האתגרים שלכם, וייסע בגיבוש תכנית הטמעה. פנו אלינו ל: maya@s-strategy.com