כיצד לנווט בחכמה את מהפכת ה AI: ממהלכים טקטיים לטרנספורמציה ארגונית אסטרטגית

שינוי פרדיגמה: מהפכה עמוקה מכפי שנדמה

העולם העסקי חווה שינוי מהותי ועמוק עם כניסת הבינה המלאכותית "לחייו". חברות ייעוץ ומחקר מעריכות כי עד 2030, הבינה המלאכותית צפויה לתרום כ 15.7 טריליון דולר לכלכלה העולמית. בדרך לשם, הבינה המלאכותית מאתגרת ומשבשת את כללי המשחק לא רק ברובד התפעולי והטכנולוגי – אלא בעיקר ברמת הפרדיגמה הארגונית.

איך מרגיש השינוי הזה?

קצב תמורות אקספוננציאלי

מהפכות / טרנספורמציות טכנולוגיות קודמות התאפיינו בשינויים הדרגתיים יחסית וקצב הבשלה שאפשרו לארגונים להסתגל באופן מדוד אחראי ומתון, ואשר השפיעו באופן יחסית ממוקד על רבדים/יחידות ארגוניים. לעומתן, מהפכת הבינה המלאכותית מציבה בפנינו תמונת מציאות שונה לחלוטין: טכנולוגיה שמשנה את כללי המשחק בכל רובד ארגוני במקביל, בקצב אקספוננציאלי, ללא "נוסחה מנצחת" לאימוץ ארגוני מוצלח, ומאלצת חשיבה מחדש על הנחות יסוד ופרדיגמות עסקיות של הארגון בעידן החדש הזה.

 "כוח על" לכל עובד-ידע

אם לא די בכך, הבינה המלאכותית היוצרת והנגישות חסרת התקדים שלה יוצרות לראשונה מצב בו טכנולוגיה כה טרנספורמטיבית זמינה ונגישה פוטנציאלית לכל עובד ידע בכל רמה ותפקיד  in-the-flow-of-work ויכולה להקפיץ באופן דרמטי את האפקטיביות, האיכות, הפריון, והיצירתיות שלו מרמת הניהול והתכנון ועד לרזולוציה של משימה בודדת.

כל זאת, ללא צורך ברכישת מיומנויות טכנולוגיות, ללא צורך בפיתוח תוכנה, תקורת IT, או צורך בהטמעת מערכות ליבה ארגוניות מורכבות. בדיוק כפי שלא נעלה בדעתנו עובד-ידע שאינו שולט בסביבת Office בקרוב כל עובד ישלוט בארגז-כלי AI יומיומיים חיוניים שישפרו דרמטית את הפרודוקטיביות והיצירתיות שלו.

 דמוקרטיזציה וקומודיטציה של עולם התוכנה

ומהפרט לארגון: אנו עדים לתהליך מואץ ועמוק של קומודיטיזציה של עולם התוכנה. מה שפעם היווה חסם כניסה ומקור ליתרון תחרותי לגדולים, לעשירים ולעתירי טאלנט טכנולוגי, כעת הופך במהירות עצומה למוצר מדף נגיש, זמין כלכלית ובר-שיחלוף.

מערכות המידע הארגוניות "המסורתיות" מאבדות את הערך האינטרינסי המבדל שלהן, ובמקביל, הבינה המלאכותית הנגישה (לעתים עד רמת קוד פתוח חינמי לשימוש בלתי מוגבל) מתגלה ככוח טרנספורמטיבי שמסוגל לשנות מן היסוד את האופן שבו יחידים וארגונים מקבלים החלטות, מנהלים סיכונים, מזהים הזדמנויות ומייצרים ערך.

הפרדוקס האסטרטגי: מדוע ארגונים רבים מחמיצים את ההזדמנות האמיתית

עד כאן החלק הרומנטי.

בעוד מחקרים ודוחות עדכניים (בעיקר מארה"ב ואירופה) מעידים על אחוז גבוה (35-60%) מהארגונים שהצהירו כי הם כבר "משתמשים" ב Gen-AI בצורה כזו או אחרת, הרי שבפועל אחוז גבוה מאד מאלו המצהירים זאת מיישם זאת בפועל באחד מ או שילוב של 2 נתיבי אימוץ עיקריים:

א. הארגון מנסה לגבש "אסטרטגיית AI" נפרדת ועצמאית

גישה זו, המתייחסת ל-AI כאל עוד תחום טכנולוגי שדורש אסטרטגיה משל עצמו, היא – בעצמה – סוג של טעות אסטרטגית…

הפרדוקס טמון בעובדה שככל שהתועלות הפוטנציאליות המהותיות שמביאה עמה הבינה המלאכותית אמורה להשתלב ולהעצים את האסטרטגיה העסקית והמיקודים העסקיים של הארגון. במקום לראות ב-AI עוד הזדמנות טכנולוגית או דיסציפלינה נפרדת, עלינו להתייחס אליו ככוח טרנספורמטיבי שיכול:

  • לשדרג ולהאיץ את המיקודים העסקיים הקיימים
  • לדמיין מחדש את הצעות הערך והמודלים העסקיים
  • להעצים את היתרונות התחרותיים של הארגון
  • לשפר ללא הכר את יכולת קבלת ההחלטות וניהול הסיכונים

ב. הארגון מקדם "איים" של יוזמות נקודתיות וטקטיות

רוב הארגונים במשק כבר מקדמים / מתניעים מהלכים ויוזמות בתחום AI. חלקם מקדם פיילוטים או POC (Proof of concept) ליוזמות AI, מספקים הדרכות וסדנאות לחלק מהעובדים לשימוש בכלי Gen-AI מובילים. חלקם אף מטמיע פתרונות נקודתיים דוגמת בוטים של שרות או אוטומציות ברצפת המוצר והשירות.

איים של יוזמות, ואסטרטגיית AI עצמאית = סיכוי גבוה לתת מיצוי

פיילוט אינו טרנספורמציה, הדרכה לא יוצרת מיינדסט AI ואימוץ נרחב, ויישום של בוט שירות לא "יזיז את המחוג" במיקודים העסקיים. נדרשת חשיבה עדכנית יותר על הפוטנציאל הטרנספורמטיבי המהותי של AI בארגון. מבינה מלאכותית ככלי / operational enabler ל- transformative tool

האתגר המרכזי: ניווט חכם בים סוער של שינוי אקספוננציאלי

האתגר המרכזי העומד בפני ארגונים החפצים להתגבר על הפרדוקס הארגוני / אסטרטגי הזה, הוא משולש:

שיטות ניהול-שינוי הנוכחיות לינאריות – מהפכת ה AI היא אקספוננציאלית

ראשית, רוב פרקטיקות ניהול השינוי ומודלי ההפעלה והניהול המסורתיים אופטימליות לעידן של שינויים לינאריים ומתונים, עבורו קיים playbook מוכח לאימוץ והטמעה של טכנולוגיות חדשות. אולם בעידן הנוכחי של שינוי אקספוננציאלי, כלים אלו פשוט הרבה פחות אפקטיביים.

להמתין שהעת תבשיל משמעו לפתוח פיגור מהותי

שנית, אסטרטגיית המתנה (Wait Strategy) שנראית לכאורה זהירה ואחראית, עלולה ליצור פער בלתי ניתן לגישור מול מתחרים שכבר החלו במסע הטרנספורמציה. כמו בכל מהפכה טכנולוגית, אלו הנעים ראשונים קדימה כבר ימנפו את היתרון התחרותי שהשיגו בעזרת AI כדי ליצור פער, בידול, נתח שוק, או נכסים מוחשיים רבי ערך אחרים – נכסים שישמרו על ערכם גם אחרי שכל השחקנים האחרים כבר יאמצו AI.

הייפ ורעש לבן מקשים לקבל החלטות

שלישית, הקצב המסחרר של ההתפתחויות בתחום מייצר "רעש לבן" שמקשה על קבלת החלטות אסטרטגיות מבוססות ותקפות. ארגונים מתקשים להבחין בין מגמות משמעותיות לבין הייפ זמני וטרנדים חולפים, בין הזדמנויות אמיתיות לבין חתונה-קתולית עם טכנולוגיה או תפיסה קניינית.

לסיכום:

תמונת המצב הנוכחים היא שארגונים רבים שאינם ארגוני AI – נאבקים לנווט במסע לאימוץ והטמעה ארגונית של בינה מלאכותית בליבת העסק, ובלב העובדים. הם חווים את המורכבות של ריבוי גישות כלליות, איים של יוזמות ופרויקטים שמיעוטם מבשיל לסביבת הייצור, וונדורים עם פרדיגמות כלים ופלטפורמות "גן סגור", אימוץ נקודתי ע"י עובדים, וחוסר בהירות באשר לתמונת העתיד.

אז מה עושים?

שלושת גלגלי התנופה שיעזרו לארגון להתמודד עם האתגרים:

GAIN: מודל הפעלה "עדכני" לניהול טרנספורמציית AI

אז סיכמנו שמהפכת הבינה המלאכותית מציבה בפני ארגונים אתגר ייחודי: כיצד להוביל טרנספורמציה ארגונית בעידן שבו אין playbook מוכח, קצב השינויים אקספוננציאלי, וההשפעה חודרת לכל רובד בארגון.

המענה לאתגר המשולש הזה דורש מסגרת חשיבה חדשה – מודל הפעלה עדכני – המתבסס על שלושה גלגלי תנופה ארגוניים המזינים ומעצימים זה את זה בדרך לארגון מועצם AI.

אנחנו מכנים את מודל ההפעלה הזה GAIN (וזו גם שמה של פרקטיקת ה AI הצומחת במהירות שלנו בשטראוס).

GAIN מתבססת על התובנה שטרנספורמציית AI מוצלחת דורשת סינרגיה בין שלושה מרכיבים קריטיים:

  • אוריינות AI ואימוץ נרחב ואחראי בקרב כלל העובדים, בכל יחידות ורמות הארגון
  • זיהוי והבשלה של יוזמות AI מובילות והבשלה של תשתית מידע/IT "מאפשרת"
  • תשתית ניהולית תומכת – מצפן לניווט ארגוני חכם בטרנספורמציה.

כל אחד מהמרכיבים הללו הוא תנאי הכרחי אך לא מספיק בפני עצמו – רק השילוב ביניהם מייצר את גלגל התנופה הארגוניהאינרציה הארגונית הנדרשת לטרנספורמציה ומיצוי מוצלחים ברמה האסטרטגית.

הבה נסקור בקצרה כל אחד מגלגלי התנופה:

GAIN Impact/Adoption

מעבר להדרכות: הקניית מיינדסט של אוריינות, כישורים ומצוינות AI לעובדי הידע

הדרכות והנגשת כלי AI ,חשובות ככל שיהיו, אינן מספיקות ליצירת אימוץ נבחר ובר-קיימא של AI בקרב עובדי הידע בארגון. נדרשת גישה מערכתית שיוצרת אוריינות AI עמוקה, מטפחת סביבה תומכת ומייצרת מוטיבציה מתמשכת לאימוץ והתפתחות. גלגל התנופה הראשון מתמקד ביצירת התשתית האנושית והתרבותית הנדרשת, בין היתר:

  • Buy-in ארגוני חכם ומותאם אישית – מהנהלה בכירה ועד לאחרון עובדי-הידע
  • הקניית אוריינות, מיינדסט וארגז-כלי AI לכל רמות הארגון באופן שלוב ביום-יום העסקי
  • יצירת סביבה ארגונית וכלי IT מעודדים ומאיצים שימוש, שימוש חוזר ושיתוף ידע
  • הטמעת "כלכלה תמרוץ/הכרה" ארגונית המאיצה buy-in, אימוץ ושיתוף ויראליים
  • זיהוי, טיפוח והסמכת מובילי טרנספורמציה כמאיץ אימוץ וכמרכז מצוינות
  • יצירה של סביבת למידה רציפה in the flow of work למשך חיי הארגון

GAIN Value

מינוף הזדמנויות למיצוי AI ויצירת תשתית תומכת

האימוץ הנרחב של AI בארגון יוצר מצע חיוני לזיהוי והבשלה של יוזמות AI מובילות. עובדים ומנהלים המצוידים ב AI-mindset ובאוריינות AI מתקדמת משלבים את "חוכמת השטח" העסקית שלהם עם הגופים הטכנולוגיים בארגון כדי לזהות לאפיין ולתעדף הזדמנויות למינוף AI בתהליכי הליבה ובמיקודים העסקיים של הארגון, ובכלל זה:

איתור הזדמנויות / יוזמות AI מובילות

  • כלים ופתרונות לזיהוי ואפיון יוזמות bottom-up ומונחי הנהלה
  • מיפוי רב ממדי ברבדי המוצרים, העובדים, התהליכים, הדאטה, וה IT.
  • זיהוי הזדמנויות AI בנכסי Data ארגוניים וחשיבת AI Data thinking

תיעדוף מאוזן מבוסס ערך עסקי ומידת ישימות

  • יישום מודל הערכה רב-ממדי לסינון ותיעדוף יוזמות AI
  • איזון בין תועלות מיידיות לפוטנציאל אסטרטגי ארוך טווח

הערכת בשלות טכנולוגית וארגונית ליישום – מוכנות Data, IT, רגולציה, בעלי תפקיד וכו'

ניהול פורטפוליו יוזמות חכם ומאוזן

  • יצירת תמהיל אופטימלי של יוזמות קצרות וארוכות טווח
  • קידום תשתיות מאפשרות בתחומי ה Data וה IT

GAIN Confidence

המצפן הניהולי החדש לניווט בטרנספורמציה הארגונית

גלגל התנופה השלישי מספק את התשתית הניהולית החיונית להצלחת הטרנספורמציה. הוא מאפשר למקבלי ההחלטות לנווט את המהלך המורכב באמצעות:

גיבוש מודל-הפעלה ושפה ארגונית אחידה לניהול טרנספורמציית AI

  • גיבוש מודל הפעלה לתיעדוף, קבלת החלטות, וקידום יוזמות
  • גיבוש מבנה ארגוני והגדרות תפקיד למבנים ולכישורים החדשים

מפת דרכים דינמית וגמישה

  • תוכנית פעולה דינאמית ומדורגת , ידידותית להתאמות ועדכונים תדירים
  • יכולת תגובה מהירה לשינויים טכנולוגיים ועסקיים

ניהול פורטפוליו יוזמות AI בצורת "תיק השקעות" ארגוני

  • ראייה הוליסטית של כלל היוזמות והפרויקטים, הערכה שוטפת של תשואה על השקעה
  • ניהול סיכונים מושכל ברמת הפורטפוליו

הסינרגיה והסנכרון בין הגלגלים: המפתח לניווט מוצלח בכל תוואי שנבחר

שלושת גלגלי התנופה אינם פועלים בוואקום. הם מזינים ומעצימים זה את זה באופן מתמיד:

  • אוריינות AI נרחבת מגבירה פריון, מוטיבציה לאימוץ ומעצימה קידום יוזמות מובילות
  • הצלחות ביוזמות מובילות מייצרות חוויות הצלחה ומאיצות אימוץ נרחב, ויוזמות אסטרטגיות
  • תשתית ניהולית חזקה מאפשרת היגוי חכם ואחראי ומינוף ההצלחות להישגים עסקיים מדידים 

ומה הלאה? הדרך לארגון אקספוננציאלי

ניווט במסע המרתק לאימוץ AI ארגוני בשיטת גלגלי התנופה של GAIN, לא רק שמסייע למקבלי ההחלטות בארגון לנווט בצורה חכמה ואפקטיבית בטרנספורמציה הארגונית של AI, אלא יכול אף לחשל ולהוביל בהמשך ליצירת "ארגון אקספוננציאלי" – ארגון עם מערכת הפעלה ניהולית עדכנית שמסוגל לא רק להסתגל בקצב-מואץ ומערכתי לשינויים וטרנספורמציות טכנולוגיות או עסקיות, אלא גם ליצור ולמנף הזדמנויות בקצב הולך וגובר – תוך יישום אותם שלושת גלגלי התנופה לאימוץ ארגוני, טכנולוגי, וניהולי מתואם, סינרגטי ומהיר.

ארגונים שיצליחו במשימה זו ייהנו מיתרונות מצטברים ומתחזקים:

  • יכולת קבלת החלטות מהירה ומדויקת יותר, מבוססת Data ומועצמת AI
  • חדשנות רציפה בתהליכים ובמודלים עסקיים
  • יתרון תחרותי מבוסס על נכסי מידע אסטרטגיים (Data, מודלים של AI)
  • תרבות ארגונית של למידה והתפתחות מתמדת 

GAIN. נעים להכיר 🙂

GAIN, פרקטיקת ה AI הצומחת במהירות של שטראוס גובשה כמענה ישיר לאתגרים הייחודיים של עידן ה AI. ההתמחות שלנו שלנו מבוססת על שילוב של:

  • ניסיון עשיר בליווי טרנספורמציות ארגוניות, דיגיטליות, ועסקיות מורכבות
  • הבנה מעמיקה של דינמיקת השינוי האקספוננציאלי בעידן ה AI
  • היכרות מעמיקה עם אתגרי אימוץ AI בארגונים גדולים
  • מסגרת חשיבה הוליסטית המשלבת טכנולוגיה, תהליכים ואנשים

אנו מזמינים אתכם לגלות כיצד GAIN יכולה לסייע לארגון שלכם לנווט בהצלחה את המסע המאתגר לעבר עתיד מועצם AI – עתיד שבו הארגון שלכם לא רק מסתגל לשינויים, אלא מוביל אותם.

למידע נוסף על כיצד GAIN יכולה לסייע לארגון שלכם בטרנספורמציית  AI, צרו קשר עם צוות המומחים שלנו.

חנן אליאב, סמנכ"ל אסטרטגיה: Hanan@s-strategy.com 052-3994958

מוטי קריספיל, ראש תחום AI בשטראוס אסטרטגיה:  052-5565758 Moti@s-strategy.com

עוד כתבות עבורך

איך רשות ניירות ערך הפכה את מחלקת מערכות המידע למנוע צמיחה אסטרטגי?

רקע על הפרויקט 

הרשות לניירות ערך (רנ"ע) היא הגוף הרגולטורי המוביל בישראל לפיקוח על שוק ההון, שמשרת מיליוני משקיעים וחברות ציבוריות. מחלקת מערכות המידע של הרשות עומדת בפני אתגרים רבים ונדרשת לייצר יכולות טכנולוגיות מתקדמות וחדשניות על מנת לאפשר לרשות לעמוד ביעדיה.

האתגר המרכזי היה ברור: איך מעבירים את מחלקת מערכות המידע ממצב של "תגובה לצרכים" למצב של "הובלה אסטרטגית" שתתמוך בחזון הרשות לקראת 2026?

צוות המומחים שלנו בשטראוס אסטרטגיה ביחד עם ה CIO של הרשות, אורן הנר, ומנכ"ל הרשות, שפירר עודד, ששם את הטכנולוגיה כמקום מרכזי באסטרטגיה של הארגון יצאו לתהליך של בניית מפת הדרכים למחלקת מערכות המידע של הרשות והפיכתה לגוף שמוביל את הארגון.

 

האתגרים העיקריים איתם המחלקה מתמודדת

  • חוב טכנולוגי מצטבר – חלק ממערכות הליבה המרכזיות מבוססות טכנולוגיות מיושנות.
  • ביזור מערכות וחוסר אינטגרציה – מגוון רחב של מערכות שבנויות כסילו ללא קישוריות ביניהן.
  • פערים בניהול ידע ארגוני – פיצול מקורות מידע, יכולות חיפוש מוגבלות, ונתונים לא מובנים שמקשים על קבלת החלטות מבוססות נתונים.

 

לאתגרים אלה השפעה על היכולת להוביל טרנספורמציה דיגיטלית ארגונית וקושי בניצול מלא הפוטנציאל של דאטה ו- AI.

למרות האתגרים, התגלו עוצמות משמעותיות שהיוו בסיס איתן לאסטרטגיה:

  1. צוות מקצועי ומחויב – הון אנושי איכותי עם מוטיבציה גבוהה ומחויבות למשימה.
  2. ניהול משאבים מושכל – ניהול אפקטיבי של תקציב וספקים עם השקעה מיטבית ב- Run, Grow ו- Transform.
  3. רמת שירות גבוהה – שיפור משמעותי ברמת השירות עם משוב חיובי מהמחלקות העסקיות.
  4. מיקוד עסקי וחדשנות – הובלה מקצועית הממוקדת במתן ערך עסקי אמיתי, כולל פעילות מובילה בדאטה ו- AI.
  5. יציבות ואמינות המערכות – תשתיות איתנות המבטיחות רציפות עסקית ברמה גבוהה.

 

תובנות ולקחים מרכזיים 

הפרויקט הניב תובנות חשובות הרלוונטיות לכל ארגון המעוניין בטרנספורמציה דיגיטלית:

  1. חשיבות המיפוי המדויק – "הצלחנו לזהות את העוצמות הקיימות ולבנות עליהן", מסביר מנהל הפרויקט ברנ"ע. "הבנת המצב הקיים בפירוט אפשרה לנו לתעדף את הפעולות הנכונות."
  2. מנהל מוצר כגורם מתכלל – אחת ההחלטות הנדרשות הינה מינוי מנהל מוצר ייעודי שיהווה גורם מתכלל בין כל השותפים. מנהל המוצר הוא הדבק שמחבר בין הטכנולוגיה, הצרכים העסקיים והמשתמשים ומסייע בתהליך השינוי מתפיסת פיתוח מערכות למענה לתהליכים עסקיים.
  3. שותפות עם המחלקות העסקיות – הבסיס להצלחה הוא עבודה משותפת והדוקה עם המחלקות העסקיות, תוך שקיפות במתן בהבנת הצרכים, תעדוף בראייה רוחבית ומתן מענים התואמים את הצורך העסקי.

 

מבט לעתיד 

מחלקת מערכות המידע של רנ"ע נמצאת כיום בשלב הבשלה "מוגדר ומדויק" ביחס למיצוי הפוטנציאל בתחומי הדאטה, אנליטיקה ו- AI עם תוכניות להתקדם לשלבי הבשלה מתקדמים יותר במסגרת המפה האסטרטגית לקראת 2026.

Govmap – איך הופכים תשתית למוצר דיגיטלי בעידן של ממשל חכם?

רקע על הפרויקט 

Govmap היא פלטפורמה גיאוגרפית ייחודית, מבית מפ"י (המרכז למיפוי ישראל), שנועדה לרכז ולנהל מידע גיאוגרפי עשיר הן ברמת המפות הטופולוגיות והן ברמת שכבות המידע המגוונות. הפרויקט נולד משיתוף פעולה אסטרטגי בין מערך הדיגיטל הלאומי ומרכז המיפוי לישראל (מפ"י), שהבינו את הצורך הדחוף בפתרון מרכזי לניהול המידע הגיאוגרפי בראיה רוחבית. 

במצב הקיים, קיימים מספר פתרונות טכנולוגים עבור ניהול המידע הגיאוגרפי במשרדי הממשלה והרשויות המקומיות, דבר שמוביל לכפילויות, בזבוז משאבים וקושי בקבלת החלטות מבוססות נתונים. 

 

האתגר העסקי והטכנולוגי 

האתגר המרכזי היה ברור: איך מייצרים פלטפורמה אחת שתשרת את כלל הממשלה, הרשויות המקומיות והציבור הרחב, ותאפשר גישה למידע גיאוגרפי מהימן ועדכני? 

האתגרים איתם הפרויקט מתמודד: 

  • פיזור מידע קריטי כל משרד ממשלתי החזיק את המידע הגיאוגרפי שלו בנפרד, ללא יכולת שיתוף אפקטיבית 
  • חוסר אמת אחת שכבות המידע הגיאוגרפי מופיעות ברמת עדכניות שונה במערכות שונות 
  • בזבוז משאבים כל גוף מפתח יכולות מיפוי משלו, מה שמיצר כפילויות יקרות 
  • קושי בקבלת החלטות מקבלי ההחלטות מתקשים לקבל תמונה מלאה ורוחבית של על בסיס המידע הגיאוגרפי 

השפעת האתגרים הללו הינה דרמטית: עיכובים בפרויקטים לאומיים, קושי בתכנון עירוני ואזורי וחוסר יכולת לספק שירות איכותי לאזרחים שזקוקים למידע גיאוגרפי.
 

תהליך העבודה והפתרון החדשני 

כאן נכנסה לתמונה חברת שטראוס אסטרטגיה, שהובילה אקסלרטור ייחודי לתכנון תפיסה מוצרית מקיפה עבור Govmap.
 

שלב א': הגדרת הצעת הערך 

הצוות של שטראוס, בעבודה משותפת עם מפ"י ומערך הדיגיטל הלאומי, החל בהגדרת הצעת ערך ברורה:
Govmap הינה פלטפורמה שיתופית המרכזת מידע גיאוגרפי עדכני ומגוון ממשרדי הממשלה, מהרשויות המקומיות ומגופים ציבוריים נוספים במקום אחד. Govmap מיועדת למשרדי ממשלה, רשויות מקומיות, ארגונים ציבוריים והקהל הרחב ומאפשרת ביצוע ניתוחים מתקדמים, ניהול מידע גיאוגרפי באופן עצמאי ושיתוף המידע בקלות עם גורמים נוספים – הכל במטרה לשפר את השירות הציבורי ולקדם קבלת החלטות מושכלת.
 

שלב ב': זיהוי אזורי המיקוד האסטרטגיים 

הצוות האינטגרטיבי זיהה שלושה אזורי מיקוד מרכזיים: 

  1. HUB ממשלתי ציבורי – יצירת מרכז מידע גיאוגרפי לכלל הממשלה 
  2. חיבור בין ממשלה לרשויות גישור על הפער בין הרמה הלאומית למקומית 
  3. כלי לקבלת החלטותהצגת נתונים אינטגרטיבית ופיתוח יכולות אנליטיות מתקדמות המסייעות בתהליך קבלת החלטות מבוסס נתונים
     

שלב ג': בניית מודל עסקי בר-קיימא 

אחד האתגרים הגדולים היה לבנות מודל עסקי שיבטיח את קיימות הפרויקט לאורך זמן. הצוות פיתח מודל המבוסס על ערך מוסף לכל השותפים, עם מנגנוני מימון ברורים ותמריצים לשיתוף מידע. 

 

שלב ד': גיבוש מפת דרכים מוצרית 

הצוות בנה מפת דרכים מפורטת הכוללת אבני דרך ברורות, החל מגרסת MVP ועד לפלטפורמה מלאה עם יכולות אנליטיות מתקדמות. 

 

התוצאות  

התשתית הושקה ועלתה לאוויר בשבוע שעבר וזמינה לציבור הרחב. מדובר בשלב הראשון במפת הדרכים ומכאן תמשיך להתפתח ולהתרחב בגרסאות עיתיות בפיתוח אג'ילי בהתאם לצרכים ולערך המוסף עבור הלקוחות השונים. 

 

תובנות ולקחים מרכזיים 

הפרויקט הניב תובנות חשובות הרלוונטיות לכל ארגון המעוניין בטרנספורמציה דיגיטלית: 

  1. חשיבות החזון המשותף
    "הצלחנו ליצור שפה משותפת בין כל השותפים", מסביר מנהל הפרויקט. "כשכולם מבינים את הערך שהם מקבלים, השיתוף הופך לטבעי." 
  2. מנהל מוצר כגורם מפתח
    אחת ההחלטות הנדרשות ביותר הינה מינוי מנהל מוצר ייעודי שהיווה גורם מתכלל בין כל השותפים. "מנהל המוצר הוא הדבק שמחבר בין הטכנולוגיה, הצרכים העסקיים והמשתמשים", מציינת מנהלת במערך הדיגיטל הלאומי. 
  3. התחלה קטנה, חשיבה גדולה
    הפרויקט החל עם מספר use cases ממוקדים שהוכיחו ערך מידי, ומשם התרחב בהדרגה. "לא ניסינו לפתור את כל הבעיות ביום אחד", מדגיש מנהל במפ"י. "אנו רוצים לבנות אמון צעד אחר צעד." 
  4. שותפויות אסטרטגיות
    הצלחת הפרויקט נבעה במידה רבה מהשותפויות החכמות שנוצרו. "הבנו שאנחנו לא יכולים לעשות הכל לבד", מסכם מנהל במפ"י. "השותפות עם מערך הדיגיטל הלאומי והליווי של חברת שטראוס אסטרטגיה הינם קריטיים להצלחה." 

 

מבט לעתיד 

Govmap ממשיכה להתפתח ולהתרחב. "זהו רק תחילתו של המסע", מסכם מנהל הפרויקט. "החזון שלנו הוא שכל החלטה ממשלתית או עירונית הקשורה למרחב תתבסס על מידע מדויק ועדכני מ- Govmap. אנחנו בדרך הנכונה להגשים את החזון הזה." 

איך מחליפים מערכת שכר ונוכחות מבלי לעצור את המוסד האקדמי לרגע

במכללת אחווה עמדו בפני אתגר שמוכר כמעט לכל מוסד אקדמי ותיק: מערכות השכר והנוכחות הישנות כבר לא מצליחות לשרת את המציאות המורכבת של האקדמיה המודרנית.
המודלים המורכבים של העסקת סגל ואנשי מנהל, הרגולציה הדינמית והדיווחים בזמן אמת, כולם הפכו למשימות מאתגרות במערכות שלא התעדכנו בקצב הדרישות.
כשהמצב הגיע לצוואר בקבוק, סמנכ"ל הכספים, חן ראובן, החליט לא לחכות לתקלה הבאה, להרים את הכפפה ולצאת לדרך: החלפת מערכות ליבה, אבל עם חזון רחב יותר – להפוך את התהליך להזדמנות לשדרוג מקצה לקצה, גם של תהליכים וגם של האינטגרציה בין מחלקות.
כאן נכנסו לתמונה שתי מומחות יקרות שלנו בשטראוס אסטרטגיה, יעל ששי, מומחית מערכות מידע וחשבת שכר מוסמכת, ורות לובודה, יועצת אסטרטגית לשיפור תהליכים וניהול פרויקטים.
ביחד עם הנהלת המכללה וצוותי הכספים, השכר ומשאבי האנוש, יצאנו לפרויקט שמטרתו ברורה: מערכת חדשה שתוריד עומסים, תייצר שליטה ובקרה, ובעיקר – תתאים לאקדמיה של המאה ה-21.

מהם האתגרים שניצבו על השולחן?
מודל שכר אקדמי מורכב: סגל ומנהל שנמצא בכמה מחלקות במקביל, עם תעריפים משתנים לכל תפקיד ומשרה, כולל ריבוי דירוגים והסכמים קיבוציים.
דיווח רגולטורי מדויק ובזמן: בין אם מדובר בביטוח לאומי, מס הכנסה או משרדי ממשלה – אין מקום לטעויות או עיכובים.
ניהול נוכחות מותאם: באקדמיה לא תמיד אלו "שעות עבודה רגילות". יש צורך לדווח לפי משימות או פרויקטים, וצורך לנהל 2 טווחי זמן לדיווח נוכחות אקדמי וקלנדרי.
• אינטגרציה בין מערכות: ההפרדה בין מערכת נוכחות למערכת שכר מייצרת טעויות, עומסים ובזבוז זמן, בעיקר בתקופות חישובי שכר.

אז איך ניגשנו לזה?
1. הגדרת צרכים לעומק
בסדנאות עם משתתפים מולטי דיסצפלינאריים מיפינו את הצרכים, לא הסתפקנו בדרישות טכניות, אלא ירדנו לפרטי פרטים של מודל השכר, מבנה הדיווחים, ודשבורדים לניהול ובקרה.
2. בחינת שוק מסודרת וממוקדת
השווינו פתרונות טכנולוגיים עם דגש על אינטגרציה, עמידה ברגולציה ציבורית וגמישות לשינויים עתידיים, שיוכלו לצמוח עם המכללה, והסקנו מהם תנאי הסף עליהם לא נוותר.
3. כתיבת מכרז ובחירת פתרון מותאם
ביחד עם צוותי המכללה, גיבשנו בזמן שיא מכרז מקצועי שהביא אל השולחן את הספקים הרלוונטיים ביותר וליווינו את תהליך בחירת הספק והפתרון המתאים ביותר לצרכי מכללת אחווה.
מה עוד מחכה לנו בתהליך?
4. הטמעה בשלבים וללא זעזועים
בסיום שלב ההתאמות, ביצוע פיילוטים – נבצע עליות שקטות לאוויר הכוללות בדיקות מסיביות לפני העלייה לאוויר בתחילת השנה התקציבית.
5. ניהול שינוי וליווי מתמיד
פרויקט כזה לא נגמר בהתקנת המערכת. ליווי ההנהלה והצוותים בתמיכה שוטפת, עדכונים שוטפים ברגולציה והטמעה של מיומנויות חדשות – כולל חיבור לאפליקציות דיווח מותאמות.

מה למדנו עד כה – תובנות קריטיות למי שנכנס להרפתקה דומה:
• מערכות שכר ונוכחות הן גנריות מטבען. חשוב להתעקש על התאמות לעולם האקדמי: שכר דינמי, מודלים מרובי תפקידים, עמידה בדרישות דיווח ספציפיות, תחזוקת טבלאות ות"ת ועוד.
• החלפת מערכת ליבה היא לא שדרוג – אלא ניתוח לב פתוח. נדרשת הובלה תקיפה של ההנהלה שתסיר חסמים כמו "ככה תמיד עשינו".
• תזמון זה הכל. אין מקום לטעויות בשכר. לכן תכנון קפדני של לוחות זמנים ועלייה הדרגתית לאוויר – עדיפה פי כמה על מהלך בזק.
• ניהול שינוי הוא קריטי. גם במוסדות אקדמיים – לא כולם ממהרים להוריד אפליקציה או לשנות הרגלי דיווח. תכנון נכון של ההטמעה והרגלי השימוש הוא קריטי להצלחה.

 

אם אתם מובילים מוסד אקדמי או ציבורי ושוקלים להיכנס לתהליך כזה – נשמח לשתף אתכם בניסיון שלנו ולהוביל אתכם לשם בביטחון ובמקצועיות.