מאי

מאת: ליאור ישראל

כשהבינה המלאכותית היוצרת פגשה את X-Labs: מסע של שילוב מנצח

כאשר הסערה של Generative AI נכנסה לחיינו ולא רק ברמה האישית אנחנו הבנו בשטראוס וב X-Labs שזו לא רק מהפכה טכנולוגית זה ממש מערכת הפעלה חדשה שנהפוך את עולם היזמות למשהו אחר.

ב X-Labs לקחנו משימה שאפתנית, למרות שברור לנו שהטכנולוגיה לא מספיק בשלה אני מזכיר מדובר על שנת 2022 אנחנו נשלב את כוחה של GAI (Generative AI) בכל היבט שנוכל.

החל מעיצוב חוויית למידה פורצת דרך, דרך גיבוש מיזמים חדשניים שמגדירים מחדש את גבולות האפשרי, ועד ליצירת שיח ארגוני שמעצים חדשנות, הסיפור שלנו הוא הרבה מעבר לשילוב טכנולוגי. זהו סיפור של טרנספורמציה תרבותית עמוקה, של שינוי דפוסי חשיבה, ושל הבנה מחודשת של הפוטנציאל הטמון בטכנולוגיה.

GAI זה לא עוד כלי אוטומציה. זה שינוי פרדיגמה של ממש בתחום שמביא לידי ביטוי את היכולת ליצור יש מאין – ליצור טקסטים מקוריים, להפיק תמונות עוצרות נשימה, להלחין מוזיקה, ולפתח קוד תוכנה. יכולות אלו פותחות פתח לעולם שלם של הזדמנויות שלא היו קיימות בעבר, ואנחנו ראינו בכך הזדמנות לא רק להשתפר, אלא להוסיף תבלינים חדשים לארגז הכלים שלנו.

ידענו שאנחנו נתמקד במספר צירים – או יותר נכון, בכמה שאלות מרכזיות. איך אנחנו יכולים להשתמש ב-GAI כדי להבין טוב יותר את הצרכים של הלקוחות שלנו? איך אנחנו יכולים לפתח מוצרים חדשים בצורה מהירה ויעילה יותר? ואיך אנחנו יכולים לוודא שאנחנו עושים את זה בצורה אחראית ואתית

עיצוב חוויות יזמות מותאמות אישית: X-Labs שמה דגש על התאמת חוויית יזמות לצרכים הייחודיים של הארגונים המובילים בישראל מתוך הבנה שזה שונה מעולם הסטראטאפים . GAI מאפשר להתאים ארגז כלים מבוסס פרומטים כן אני ממש יצרנו prompts for enterprise entrepreneurs , כמובן שמי שמעוניין מוזמן ליצור איתנו קשר. כאמור זה מלווה אותנו בכל תהליך היזמות הייתר

בניית פרסונות

ניתוח סקרים על מנת להבין את הכאב והצורך

הגדרת הצעות הערך החדשות ואפילו כתיבת Press Release

ניתוח שוק מעמיק ואיתור הזדמנויות עסקיות

פיתוח קונספטים חדשניים ועיצוב חוויית משתמש

האצת תהליך הפיתוח והגעה מהירה לשוק

יצירת מצגות משקיעים

חשיבת מוצרית משולבת GAI : ספקיות הענן נותנת נקודת התחלה מדהימה בעבודה עם GAI ולא רק הם יש מאות סטרטאפים (אלפים) שמנגשים יכולות אלו בתור SaaS או מוצרי מדף. שימוש בGAI לחלוטין מאיץ את התהליך היזמי לקראת ה MVP ולא פעם גם לקראת ה Product Market Fit. הערת אזהרה לעיתים אפשר לראות שברמת ה MVP שימוש ב GAI זה הדבר הנכון אבל להגיע ל PMF לפעמים דורש התאמות של טכנולוגיות AI או אפילו כתיבת קוד מסורתית. מספר דוגמאות אמיתיות שחלקם אפילו הגיעו לשלב ה PMF וחלקם היו רק במסגרת תוכנית X-Labs לבדיקות MVP

הנגשת רגולציה בינלאומית באמצעות ממשק שיחה מבוסס Teams ו Azure OpenAI ויכולת מוצריות מתקדמות ומותאמות לתהליך עבודה. במקרה זה ארכיטקטורה נכונה ושימוש במודל הנכון יצרה חיסכון תפעול של 95 אחוז למול היישום המומלץ והפשוט למימוש (לא תמיד פשוט זה זול)

מוצר מהפכני שמסייע להורים לנהל את השיח היום יומי עם הילדים המתבגרים שלהם ביותר קלות ולאורך זמן. זה הרבה יותר מצ׳אט

מנגונון התאמה אישי שנועד להמליץ על חבילות שרות ובצורה כזו להגדיל את אחוזי מימוש חבילות השרות תוך חיזוק מתן איכות השרות

מנגנון המלצות לפעולה שנציג השרות יכול להציע על סמך הבנת המצב הקיים וסל האפשרויות שניתן להציע

סיוע בתהליכי אנליזה והפיכה של תהליכים ידניים לתהליכים שמשלבים בין הכח של הבינה המלכותית ולבין בקרה חכמה של בן האנוש

שילוב אחראי ״בצוות X-Labs ״ GAI: לקראת תחילת 2024 הבנו שצריך פשוט צריך שגם אנחנו נייצר לנו כלים פנימים שישמשו את חברי X-Labs . גילוי נאות לא היה לנו 100 מיליון דולר להשקיע כמו חברות יעוץ אחרות. אנחנו עשינו זאת כמו שאנחנו עושים את רוב הדברים ב X-Labs … , Lean , Smart , Fast. אם זה באמצעות שילוב GAI ב Lean Canvas דרך תהליך הפיתוח ועד ייצירת תאום דיגיטלי של אחד מהנטורים של X-Labs

בתחילת המסע של שילוב ה GAI ידענו שזה ישפיע על המסע היזמי . היום אנחנו כבר בטוחים שזה משפיע ויותר מזה שהמציאות תעלה על כל דימיון.

מרץ

מאת: רוני לוי

איך מסובבים נימיץ – הובלת שינוי טכנולוגי אפקטיבי

האם גם אתם מצאתם את עצמכם מתמודדים עם תוכנית אסטרטגית טכנולוגית מרשימה שבסופו של דבר הצטמצמה לרשימת שו"שים ומעט טכנולוגיות חדשות? אתם לא לבד.

רבים מהארגונים כיום מתקשים לגשר על הפער בין חזון טכנולוגי שאפתני לבין מימוש בפועל. בעידן שבו הטרנספורמציה הדיגיטלית הפכה מאופציה לחובה, האתגר האמיתי הוא להוביל שינוי טכנולוגי באופן שיטתי ומתמשך, מבלי לערער את היציבות התפעולית של הארגון. הקושי נובע משילוב של גורמים: מורכבות טכנולוגית, מגבלות משאבים, התנגדויות ארגוניות, ולעתים קרובות – היעדר מתודולוגיה מתאימה.

הגישה המנצחת: מתודולוגיה גמישה בשלושה רבדים – להקשיב, להגיב בזמן, לתכנן מניסיוננו המעשי בליווי עשרות ארגונים בתהליכי שינוי טכנולוגי, זיהינו כי ההצלחה טמונה ביכולת לפעול במקביל בשלושה רבדים משלימים:

1. לתכנן – יצירת תשתית איתנה לשינוי – בטרם נצלול לפרטים הטכניים, חיוני לבנות את הבסיס הארגוני והתרבותי. זה מתחיל בחזון ברור ומשכנע שמסביר מדוע השינוי נדרש, עובר דרך גיוס תמיכת ההנהלה הבכירה וכולל זיהוי וטיפוח "סוכני שינוי" בארגון – אותם מובילי דעה שיסחפו אחריהם את שאר העובדים. כל זאת, תוך יצירת ערוצי תקשורת פתוחים לזרימת מידע דו- כיוונית.

2. להגיב בזמן – ניהול אפקטיבי של התהליך – השינוי הטכנולוגי הוא מסע, לא אירוע חד-פעמי. ניהול המסע דורש תכנית ברורה שמפרקת את המהלך לצעדים מוגדרים וברי-השגה. לצד זאת, נדרש ניהול סיכונים פרואקטיבי, מדידה שוטפת של ההתקדמות וחגיגה של הצלחות קטנות לאורך הדרך. למדנו שהצלחות מוקדמות, גם אם צנועות, בונות מומנטום ואמון ביכולת הארגון להשתנות.

3. להקשיב – התמודדות חכמה עם התנגדויות – אנשים הם לב ליבו של כל שינוי ולכן ההיבט האנושי הוא קריטי. הצלחה מתחילה בהקשבה אמיתית לחששות העובדים, ממשיכה בשיתופם בתכנון ובעיצוב השינוי וכוללת הכשרה מקיפה והקניית הכלים הנדרשים, תוך ליווי לאורך התהליך.

הסיפור מאחורי המספרים: תיעדוף חכם כמפתח להצלחה באחד הארגונים המובילים במשק שליווינו, נתקלנו באתגר מוכר: רשימה ארוכה של פרויקטים טכנולוגיים עם משאבים מוגבלים. במקום להסתמך על תחושות בטן או לחצים פוליטיים, פיתחנו יחד עם הארגון מודל תיעדוף משוקלל המבוסס על ארבעה פרמטרים: ערך לארגון (30%), סיכון באי- ביצוע (40%), מאמץ נדרש (10%) ועלות (20%).

המודל הפשוט אך האפקטיבי אפשר לארגון לקבל החלטות מושכלות ושקופות וגם להתאים את התיעדוף בקלות כאשר חלו שינויים בסביבה העסקית. התוצאה המרשימה: עלייה באחוז הפרויקטים שהושלמו בהצלחה מ- 40% ל- 75% תוך שנה אחת בלבד. מדידה שמובילה לשיפור: מה שנמדד מתבצע הגדרת מדדי הצלחה ברורים היא אחד המרכיבים הקריטיים, והם צריכים לכסות שלושה עולמות תוכן:

מדדים עסקיים (ROI, TTM, חיסכון בעלויות), מדדים תפעוליים (זמינות מערכות, זמני תגובה, איכות שירות) ומדדי חדשנות (אימוץ טכנולוגיות חדשות ושיפור תהליכים). במפעל תעשייתי שליווינו, המדידה השיטתית הייתה המפתח להצלחה. הגדרנו מדדים ספציפיים לפרויקט שיפור ניהול המלאי ובכל ישיבת היגוי עקבנו אחר ההתקדמות.

מה הופך שינוי טכנולוגי למוצלח?

מניסיוננו העשיר בהובלת שינויים טכנולוגיים, זיקקנו טיפים מעשיים שיכולים לעשות את ההבדל:

1. תהיו גמישים – התאימו את התוכנית ליכולת ההכלה של הארגון – אין טעם בתוכנית מפוארת שאין סיכוי ליישם. בנו תוכנית המביאה בחשבון את המשאבים הזמינים, התרבות הארגונית והמשימות הנוספות על הפרק. התוכנית צריכה להיות גמישה דיה כדי להתאים את עצמה בהתאם לשינויים בסביבה העסקית והטכנולוגית.

2. חישבו "מוצר", לא רק "פרויקט" – אחד השינויים המשמעותיים שאנו רואים בארגונים מצליחים הוא המעבר מחשיבה פרויקטלית (התחלה- סוף) לחשיבת מוצר (התפתחות מתמדת). גישה זו מייצרת רצף של ערך לאורך זמן.

3. הקשיבו – נהלו דיאלוג פתוח ורציף – אין תחליף לתקשורת טובה. קיימו שיח שוטף, שקוף וכן עם כל הגורמים המושפעים מהשינוי, והקשיבו באמת למה שיש להם לומר.

4. פתחו "חוברת הפעלה" ארגונית – ארגונים מצליחים מפתחים מתודולוגיה סדורה לניהול שינויים טכנולוגיים, הכוללת תבניות עבודה, שלבים מוגדרים ותהליכי בקרה. זהו נכס ארגוני רב- ערך שמשתבח עם הזמן והניסיון.

עם המבט קדימה: הובלת שינוי בעולם משתנה העתיד מביא עמו אתגרים חדשים שישפיעו על האופן שבו נוביל שינויים טכנולוגיים. המפתח להצלחה טמון ביכולת לפעול בהתאם למתודולוגיה סדורה וגמישה תוך ניהול במקביל של שלושת הרבדים של השינוי – הטכנולוגי, התהליכי והאנושי-תרבותי.

אנו מזמינים אתכם לבחון את מודל התיעדוף והמדידה הקיים בארגונכם ולשאול: האם הוא משקף נכונה את האיזון הנדרש? האם מוגדרים מדדי הצלחה ברורים לכל יוזמה? וכיצד נערכים להובלת שינוי אפקטיבי בעידן החדש?

מרץ

מאת: מוטי קריספיל

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…

פבר

מאת: נאוה לביא

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! 🔗 ⬇️

ינו

מאת: אסף שיפ

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):

הקמת צוות מוביל – מינוי champion מכל צוות פיתוח
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:

הכנה מקדימה היא המפתח
לפני שאתם בוחרים או רוכשים כלי, השקיעו זמן בהבנת הצרכים והיעדים של הצוות שלכם. בנו תשתית טכנולוגית וארגונית שתומכת בהטמעה.
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.
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.
תמיכה תרבותית בארגון
שתפו את המפתחים בתהליך קבלת ההחלטות והתאימו את הכלי לצרכים שלהם. שיתוף פעולה יוצר מחויבות אמיתית ומגדיל את הסיכוי להצלחה.
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: [email protected]

ינו

מאת: נאוה לביא

להבטיח רציפות עסקית גם בזמני משבר: כך עושים את זה נכון

בעולם העסקי המודרני, שבו שיבושים ואירועי חירום בלתי צפויים עשויים להתרחש בכל רגע, ההיערכות לכל תרחיש היא קריטית יותר מאי פעם. כאן נכנס לתמונה ניתוח השפעות עסקיות (BIA), אבן יסוד בניהול המשכיות עסקית (BCM) והבטחת חוסן ארגוני בכל ההיבטים – עסקיים, תפעוליים וטכנולוגיים.

המטרה המרכזית בניתוח השפעות עסקיות (BIA) היא לזהות ולמפות את התפקודים העסקיים הקריטיים בארגון, להעריך את ההשפעה הפוטנציאלית של שיבושים בתרחישים שונים, לקבוע סדרי עדיפויות לשיקום והתאוששות. ה-BIA מסייע לארגון להבין ולהגדיר אילו תהליכים חיוניים להמשך פעילותו ומהם הזמנים הקריטיים להחזרתם לפעילות תקינה.

התוצרים מתהליך ה-BIA מהווים את אבן היסוד לבניית תוכנית התאוששות מאסון (DRP) ולהקמת אתר DR. זה מבטיח התאמה מדויקת בין הדרישות העסקיות והתפעוליות של הארגון לבין הפתרונות הטכנולוגיים שאגף טכנולוגיות המידע מחויב לספק.

אנו שמחים לשתף אתכם בכך שסיימנו לאחרונה פרויקט חשוב בקבוצת שטראוס, שהתמקד בניתוח השפעות עסקיות (BIA) וביצוע התאמות לתוכנית התאוששות מאסון, בפרויקט השתתפו נציגים מהצד העסקי והטכנולוגי, מה שהבטיח הבנה מקיפה ומדויקת של כל ההיבטים הקריטיים. שיתוף פעולה זה אפשר התאמה מיטבית בין הצרכים העסקיים לבין הפתרונות הטכנולוגיים.

הצורך בביצוע ניתוח השפעות עסקיות עלה מאגף טכנולוגיות המידע, כחלק מהיערכות לשדרוג והתאמת אתר ה-DR לאתגרים ודרישות העסקיות. במהלך העבודה עלו שאלות כמו: מהם התהליכים הקריטיים ביותר? מהו סדר העדיפויות להעלאת שירותים ומערכות? אילו דרישות רגולטוריות יש למלא? האם ההשקעה בשדרוג אתר DR מספק את המענה העסקי הרצוי?

שאלות אלו הדגישו את החשיבות בביצוע ניתוח השפעות עסקיות (BIA), כדי להבטיח שהאתר המשודרג יענה באופן אופטימלי על צרכי הארגון ויתמוך בהשגת יעדיו העסקיים.

ה-BIA הוא אבן היסוד לכל פתרון התאוששות מאסון (DR) מוצלח, המספק מידע קריטי להבנת מה חשוב לשקם ומתי. כך הארגון יכול להמשיך לתפקד גם במצבי חירום קשים.

להלן כמה שלבים מרכזיים שכדאי להכיר בתהליך:

מיפוי מקיף של התהליכים העסקיים והתפעוליים של החברה.
הגדרת תרחישי ייחוס רלוונטיים.
קביעת יעדי התאוששות ותיעדוף תהליכים עסקיים קריטיים.
זיהוי הקשרים ותלויות בין התהליכים העסקיים למערכות הטכנולוגיות.
מיפוי וזיהוי פערים טכנולוגיים ונקודות כשל אפשריות.
הערכת סיכונים והשפעות אפשריות על התהליכים העסקיים.
מתן המלצות והתאמת תכנית ה-DR לצרכים העסקיים.
בניית תיק חירום אסטרטגי, הכולל Playbook לניהול אירועים, הגדרת תפקידים ואחריות וריכוז כל המידע החיוני לניהול אפקטיבי של תרחישי חירום.

לסיכום: ה-BIA הוא כלי קריטי שכל חברה צריכה לאמץ כחלק מהתכנון האסטרטגי שלה. זהו הצעד הראשון לבניית חוסן אמיתי ולהבטחת המשכיות העסק בזמנים של אי-ודאות.

תודה רבה ליורם סדן, סמנכ"ל מערכות מידע ודיגיטל, ירון סבג ה-CTO, ואלי פטל, ה-GLOBAL CISO של קבוצת שטראוס על האמון והשותפות גם בפרויקט החשוב הזה.

צוות המומחים של שטראוס אסטרטגיה, ליווה ארגונים רבים במשק הישראלי בדיוק בנושא הזה, והם ישמחו לשתף אתכם בניסיון העשיר והמעשי שצברו כדי לסייע גם לארגון שלכם להיערך לאירועי חירום.

למידע נוסף, אנא פנו ל: [email protected]

ינו

מאת: מוטי קריספיל

וובינר "ממגמות לפעולה – תובנות מהשטח לאימוץ בינה מלאכותית בארגונים" מבית שטראוס אסטרטגיה

מעל ל-350 איש השתתפו בוובינר שלנו "ממגמות לפעולה – תובנות מהשטח לאימוץ בינה מלאכותית בארגון".

בואו והקשיבו לוובינר הוליסטי, מגוון ורב-תחומי הכולל תובנות מרכזיות והדרכים להפוך מגמות עסקיות וטכנולוגיות למהלכים פרקטיים ואפקטיבים בעולם המרתק של בינה מלאכותית.

תודה מיוחדת לדוברות ולדוברים המקצועיים שלנו, שהביאו את נקודות המבט מהשטח ויצרו שיח מעשיר ומעורר השראה:

– על מה באמת חשוב לשים דגש כשמאמצים בינה מלאכותית בארגון.
– כיצד תשתיות גמישות, נתונים מדויקים, ויוזמות AI יכולים להפוך לחלק בלתי נפרד מהאסטרטגיה שלכם.
– ️ ובעיקר – איך נשלב טכנולוגיה, תרבות ארגונית ואנשים כדי להוביל תהליכים עסקים מוצלחים.

למידע נוסף על הצעדים והכלים שיסייעו לארגון שלכם לצעוד קדימה בעולם הבינה המלאכותית – צרו עמנו קשר בכתובת: [email protected]

ינו

מאת: מוריס קסנר

השאלות החשובות שכל ארגון נדרש לשאול את עצמו לפני שדרוג/החלפת מערכת ERP

בעבודתנו השוטפת אנחנו פוגשים באופן קבוע ארגונים שתשתית הERP שלהם מבוססת SAP ECC ונמצאים בצומת קריטית בה עליהם לקבל החלטה לגבי עתיד מערכות ה ERP. כידוע לכולנו, חברת SAP הודיע על end of support למערכת ה ECC (שהושקה ב 2005) בסוף 2027 ושיש צורך לשדרג את המערכת לגרסה העדכנית, S/4HANA שהושקה ב2015.

המעבר ממערכת ERP אחת לחדשה הוא תמיד אירוע מורכב, רגיש ומשמעותי בכל ארגון – צעד שדורש השקעה גבוהה של זמן, משאבי כ"א, פוקוס הנהלה ותקציב רב. המורכבות הזו היא גם אחת הסיבות שבגללן ארגונים לא ממהרים להתניע פרוייקטי הגירה שכאלו, והם מתעקשים להבין לעומק את הצעת הערך הכוללת שהארגון יכול לקבל ממהלך כזה.

במילים אחרות, מחפשים את "הגזר" ולא רק את "המקל" .

סביב הסוגייה המורכבת הזו עולות הרבה מאד שאלות חשובות, שלמענה עליהן השפעה על פעילות החברה. ריכזנו עבורכם מספר שאלות שכל ארגון נדרש לשאול את עצמו טרם קבלת החלטה על הכיוון שיבחרו בו:

· האם השדרוג הוא באמת הכרחי או שניתן להאריך את המשך התמיכה הזמינה במערכת הקיימת?

· בהנחה שהתשובה היא כן ואין ברירה אלא להחליף את מערכת, האם נוצרת הזדמנות לשקול החלפה של יצרן ה-ERP ובכך "לשפר עמדות" מבחינת יכולות המערכות והערך הכולל לארגון?

· בהנחה שמקבלים החלטה לעבור ל 4S, מתי נכון לבצע את הפרויקט? ואיזו תועלות עסקיות הארגון יפיק מהמעבר (בטווח הקצר/בינוני/ארוך)?

· מה צפויה להיות העלות הכוללת של ההטמעה וכיצד הסטת המשאבים תשפיע על פרויקטים ומהלכים טכנולוגיים מקבילים?

· ארכיטקטורה ותשתיות:

o On-premise או Cloud?

o במקרה של Cloud – RISE או GROW?

o איך משתלבת שכבת ה-BTP בארכיטקטורה הקיימת?

· באיזה גישת מימוש נבחר?

o – Brownfield שדרוג טכני בלבד

o – Greenfield הזדמנות לטרנספורמציה דיגיטלית

o – Bluefield גישה היברידית

· חדשנות ועתיד- אילו יכולות AI/GAI אפשריות בגרסה החדשה וכיצד ניתן לנצל יכולות אלו לטובת התייעלות והעלאת הproductivity? כיצד ניתן לשלב אוטומציה חכמה בתהליכים?

· איך מגדירים תוכנית מימוש שלא תפגע בעבודה השוטפת של הארגון?

· ועוד ועוד..

עם ניסיון עשיר ומגוון בליווי ארגונים גדולים בדיוק סביב השאלות הקריטיות הללו, אנו בשטראוס אסטרטגיה מציעים לכם.ן את המומחים הבכירים והמנוסים שלנו, שישמחו לסייע לארגון שלכן.ם במענה יסודי על השאלות הרבות והמורכבות הללו, במיפוי ובניית חלופות ריאליות, כולל אמדן עלות של תכנית המעבר, תכנית עבודה ליישום המעבר וגם יעניקו המלצות מנומקות לכל שאלה. אנו מאמינים קודם כל במענה מותאם ושקוף עבור הנהלת הארגון שיתחבר לאסטרטגיה העסקית, יעדי הארגון והאתגרים.

אז איפה אתם נמצאים בתהליך?

✓ יש לכם תשובות ברורות לשאלות האלו? מעולה! המומחים שלנו ישמחו לתקף יחד אתכם את המסקנות ולסייע בבניית תכנית פעולה מדויקת.

✓ עדיין מתלבטים? זה בדיוק הזמן הנכון להיעזר בניסיון העשיר שלנו. צוות המומחים בראשות מוריס קסנר יוביל אתכם בתהליך מובנה לקבלת החלטות מושכלות שיתאימו בדיוק לצרכים הייחודיים של הארגון שלכם.

בואו נדבר על זה.

נוב

מאת: מוטי קריספיל

רופא מתמחה, רופא כללי , וקידמה אקספוננציאלית 🤖

בשבת לפנות בוקר נערך בטקסס קרב אגרוף בין מייק טייסון (גיבור מוערץ) לבין ג'ייק פול אקס-יוטיובר שהוסב למתאגרף. התוצאה צפויה לצערי – 30 שנות הפרש הן רמז עבה… אבל, הקרב הזה הזכיר לי שרציתי לכתוב על "דו-קרב" אחר בעל תוצאות הרבה פחות צפויות: מודלי שפה גנריים מול מודלי שפה מתמחים.

🎯 ממון רב מושקע באימון ו/או fine-tuning של מודלי שפה

בתקווה ליצור מודל מתמחה שמניב ביצועים עדיפים בעולם תוכן ספציפי. מודלים אלו מכונים DAPT (domain adaptive pretraining).
לכאורה טריוויאלי ומתבקש: מודלים שאומנו (pre trained) ו/או כויילו (fine tuned) כירורגית להתמחות בעולמות רפואה או פיננסים למשל, אמורים להניב תשובות מדויקות יותר בשימושים ייעודיים ממודל גנרי עדכני.

לכאורה.
שני מחקרים שפורסמו מטילים ספק בפרדיגמה הזאת.

💰לקסם הבא אני זקוק ל-10 מיליון $ ומודל GPT3

בלומברג – ענקית פיננסים מהמובילות בעולם – השקיעה לפני שנה+ למעלה מ-10 מיליון $ ביצירת BloombergGPT – מודל שפה ייעודי מבוסס GPT3.5 שאומן על דאטה פיננסי קנייני וציבורי.

BloombergGPT הוא מודל שפה בן 50 מיליארד פרמטרים. הוא אומן מהבסיס – משימה יקרה השמורה בד"כ לשחקנים מובילים. הוכן dataset עצום שמתבסס על מידע פיננסי שנצבר מ-40 שנות פעילות, בתוספת מאגרי מידע פיננסיים ציבוריים שיצרו גוף-ידע של למעלה מ-700 מיליארד טוקנים אותם היא זיקקה ל 50.

היעד היה שאפתני והתוצאה סמוך להשקה היתה חד-משמעית: המודל של בלומברג הציג ביצועים טובים יותר בהשוואה למודלים דוגמת GPT3.5 במשימות פיננסיות, ולתוצאות דומות או עדיפות במשימות כלליות.

אמריקה, וורסאנו. או שלא תמיד?

במחקר מקיף שהתפרסם באוק 23 נמצא שמספר חודשים מאוחר יותר – מודל GPT4 החינמי הזמין לכל מביס אותו ברוב המבדקים.

הסיפור של BloombergGPT ממחיש בצורה הכי גרפית את העקרון של "שיפור אינטרינסי אקספוננציאלי" ביכולות מודלי שפה והמשמעות הדרמטית שלו על אסטרטגיות מוצר או הצעת ערך.

⚕️האם מודלים רפואיים מתמחים בהכרח עדיפים?

חוקרים מאוניברסיטאות קרנגי-מלון וג'ון הופקינס פרסמו לאחרונה מחקר שמטיל ספק דומה בתחום הרפואי. המחקר השווה בין מספר מודלי שפה מתמחים (טקסטואלים וחזותיים) לבין מודלי הבסיס הגנריים המקבילים.

ניתן לעובדות לדבר:

⭐ מודלים מתמחים טקסטואליים
הניבו תשובות נחותות בהשוואה לאחיהם "הלא משכילים" ב 38.2% מהמבדקים, השיגו תיקו ב 49.8% מהם, והביסו את אחיהם "הגנריים" רק ב- 12.1% מהמבדקים.

⭐ המודלים החזותיים
הביסו את אחיהם הגנריים רק ב 6.3% מהמבדקים, הגיעו לתיקו ב 81.3%, והובסו ב 12.5% מהמבדקים.

📈 מחשבות ותובנות שלדעתי ראוי שכל מקבל החלטות ישקול:

⚡שיקלו להשקיע באימון או fine-tuning במקרים מאד מובחנים

דוגמאות: דאטה ייחודי ובעל משמעות דרמטית לאיכות התשובה, צורך בסמנטיקה עמוקה או רצון לנתח/לבנות גרף ידע בתחום מאד מתמחה.

⚡"פקטרו" שיפור "אבולוציוני" במוצר שלכם שנובע משיפור במודל-השפה

קצב השיפור האקספוננציאלי של מודלים גנריים מאפשר לעתים לתכנן מפת דרכים שממנפת שיפור "עצמוני" במוצר ⭐שלכם⭐ שנובע מעצם השיפור במודל הגנרי השלוב בו.

נסו שלא "לנוון" שיפור זה בגלל ארכיטקטורת שילוב/פרומפטינג קשיחה.

⚡טכניקות פרומפטינג מדויקות

(דוגמת COT , few shots) כמו גם הינדוס חכם של זרימת השימוש במודלי השפה הגנריים מוכחים כיכולים לשפר דרמטית את איכות ועקביות התשובות

המגזין של שטראוס