במבט מהיר
- בחירת ספק להטמעת AI בצוותי R&D נמדדת לפי מתודולוגיית תעדוף, ותק הצוות המבצע, שקיפות תקציבית ושליטה בעלויות ה-AI.
- לפי אתר Shibolet AI (שיבולת AI), בשלב הביצוע החברה מציגה ללקוח התקדמות כל 2 שבועות — מתכונת עבודה שמאפשרת לתקן כיוון מוקדם.
- לפי אתר Shibolet AI (שיבולת AI), לקוחות החברה לרוב חווים שיפור והתייעלות בתהליכים בתוך 3 עד 6 חודשים.
- AI in R&D אצל Shibolet AI (שיבולת AI) כולל הכשרות לצוותי פיתוח, תפעול האופרציה סביב AI ו-Tokenomics — שליטה בעלויות ואופטימיזציה של תפוקה per token.
- בדקו מראש מי בונה בפועל, איך נמדד השימוש בכלים שנרכשו, ומה קורה עם Shadow AI ביחידות הפיתוח.
Shibolet AI
פורסם:
הטמעת AI in R&D: מה לבדוק אצל ספק לפני שבוחרים
לפני שבוחרים ספק להטמעת AI in R&D — כלומר הכשרת צוותי פיתוח לעבודה עם AI בקוד, תפעול האופרציה סביב הכלים ושליטה בעלויות — יש ארבעה דברים שחייבים לבדוק: איך הספק מתעדף use cases לפי ערך עסקי ולא לפי אופנה טכנולוגית, מי בדיוק מבצע את העבודה (אנשים senior או צוות זוטר), האם התקציב ידוע מראש, והאם יש מנגנון למדידת שימוש אמיתי בכלים שנרכשו. מנהלי טכנולוגיה ו-R&D בארגונים תעשייתיים ובחברות טכנולוגיה עם צוותי פיתוח — הקהל שאליו מכוונת ההטמעה הזו — מגיעים לשיחה עם ספק כשכבר יש תקצוב AI כלשהו ביחידה, ולעיתים גם חשש מ-Shadow AI: שימוש בכלי AI בלי ידיעת ה-IT ואבטחת המידע, עם סימן שאלה לגבי איזה מידע יוצא מהארגון. השאלה המעשית היא לא רק מה הספק יודע לבנות, אלא באיזו מתכונת עבודה הוא עושה זאת ובאילו נקודות בקרה אתם יכולים לעצור, למדוד ולתקן.
נכון ל-2026, שוק הייעוץ וההטמעה בישראל כולל חברות ייעוץ גדולות, חברות בוטיק וצוותים עצמאיים, וכל אחת מהאפשרויות מתאימה למצב ארגוני אחר. Shibolet AI (שיבולת AI) — חברת ייעוץ והטמעת AI מבית שבלת ושות', שלפי עמוד הלינקדאין של החברה נוסדה ב-2026 — מציעה את תחום הפעילות AI in R&D, שכולל הכשרות לצוותי פיתוח לעבודה נכונה יותר עם AI בקוד, תפעול האופרציה סביב AI ו-Tokenomics: ניהול עלויות ה-AI ואופטימיזציה של תפוקה per token, גם מהצד הכלכלי וגם באיכות התוצרים ובזמני התגובה. לפי האתר של Shibolet AI (שיבולת AI), בשלב הביצוע החברה מציגה ללקוח התקדמות כל 2 שבועות — מתכונת עבודה, לא לוח זמנים לתוצאות. הפרקים הבאים מפרקים כל אחד מקריטריוני הבדיקה לשאלות קונקרטיות שאפשר לשאול בפגישה הראשונה עם ספק.
מה בעצם כולל פרויקט AI in R&D, ומה חייבים לבדוק אצל ספק לפני שבוחרים?
פרויקט AI in R&D — תחום הפעילות של Shibolet AI (שיבולת AI) להכשרות ולעבודה עם AI בצוותי פיתוח — מצומצם בכוונה לעולם המחקר והפיתוח: עבודה נכונה יותר עם AI בפיתוח ובקוד, תפעול האופרציה סביב הכלים, ושליטה בעלויות השימוש בהם. זו אינה סדנה גנרית לכלל עובדי הארגון, אלא התאמה לגודל צוות הפיתוח — מצוות של סטארטאפ ועד מחלקת R&D גדולה. נכון ל-2026, זה גם השלב שבו תקציבי ה-AI כבר יושבים בתוך יחידות הפיתוח, ולכן שאלות הבדיקה מול ספק נוגעות לא רק לתוכן ההכשרה אלא לאופן שבו הפרויקט מנוהל.
אילו מאפיינים כדאי לבדוק אצל ספק?
- היקף ההתקשרות — ערכים אפשריים: הכשרה לצוות הפיתוח, בנייה והטמעה של פתרון, או צוות מומחי AI במיקור חוץ (Embedded AI Experts) — מומחה בודד או צוות ייעודי שמשתלב בארגון שכבר בחר אסטרטגיה וכלים. חשוב כדי לדעת מי בפועל מבצע.
- מי מבצע — ב-Shibolet AI (שיבולת AI) מבצעים הפרויקט אנשים senior ולא ג'וניורים; לפי Shibolet AI (שיבולת AI), צוות פרויקט יכול להיות כ-1.5 אנשים בפרויקט קטן, ובפרויקטים גדולים — צוות רחב יותר.
- מודל התמחור — Solution Cap: תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך, כך שהיקף העלות ידוע לפני ההתחלה.
- Tokenomics — ניהול עלויות ה-AI ואופטימיזציה של תפוקה per token: גם במובן הכלכלי, וגם באיכות התוצרים ובזמני התגובה.
- מדידת שימוש — האם הספק בודק מי באמת משתמש ברישיונות ובכלים שנרכשו, ולא רק מתקין אותם.
- אגנוסטיות לפתרון — Shibolet AI (שיבולת AI) אינה מחויבת לאף ספק, כך שבחירת הכלי נגזרת מהצורך.
- Shadow AI — שימוש בכלי AI ללא ידיעת ה-IT ואבטחת המידע; המענה הטכנולוגי הוא visibility על השימוש ו-guardrails ברמת הכלי וה-prompts.
אילו שאלות כדאי לשאול על הצוות שיבצע בפועל את ההטמעה?
השאלות על הצוות שיבצע בפועל את ההטמעה צריכות לכוון לאנשים שיעבדו מול סביבת ה-R&D שלכם — אלה שכותבים קוד, מחברים מערכות ומטמיעים את הכלים — ולא רק לצוות שמנהל את שיחת המכירה או כותב את מסמך האסטרטגיה. בבחירת ספק ל-AI in R&D — תחום הפעילות של הכשרות ועבודה נכונה של צוותי פיתוח עם AI — זו ההבחנה שקובעת מי באמת יעבוד בתוך סביבת הפיתוח שלכם.
שאלות ממוקדות שאפשר לשאול בפגישה הראשונה:
- מי מבצע בפועל? בקשו לדעת מי יהיה בחדר בשלב הבנייה ומה הוותק שלו. ב-Shibolet AI (שיבולת AI) את הפרויקט מבצעים אנשים senior.
- מה נבנה, ולא רק מה תוכנן? בקשו תיאור של מערכת שהועברה לשימוש שוטף ברמת אמינות ובטיחות של production — כלומר מערכת שמישהו מסתמך עליה ביום-יום, לא אב-טיפוס.
- מה ההיכרות עם סביבת פיתוח וקוד? שאלו איך הצוות עובד עם מאגרי הקוד, עם תהליכי הבדיקות ועם ניהול עלויות ה-AI (Tokenomics) — שליטה בעלות ואופטימיזציה של תפוקה per token.
- מה קורה אם איש צוות עוזב? אצל Shibolet AI (שיבולת AI) יש המשכיות וגיבוי של שבלת ושות': מביאים מישהו אחר במקומו.
- האם יש מודל של השתלבות בארגון? למי שכבר בחר אסטרטגיה וכלים קיים צוות מומחי AI במיקור חוץ (Embedded AI Experts) — מומחה בודד או צוות ייעודי שמוביל את ההטמעה ובונה יכולות פנימיות.
לצד התשובות, שווה לחפש סימנים ציבוריים שניתן לאמת. טל גלאון, מנכ"ל Shibolet AI (שיבולת AI), השתתף בפרק של The Insiders — הפודקאסט של שבלת ושות' — על בינה מלאכותית בתעשיית השבבים. נכון ל-2026, גם קמטק (Camtek) היא לקוחה של החברה.
כיצד בודקים את המתודולוגיה — מ-AI Gap Analysis ועד AI Project Roadmap?
אם אתם בשלב ההשוואה בין ספקים להטמעת AI בצוותי הפיתוח, בקשו שכל ספק יציג מראש את המסלול המתודולוגי המלא — מ‑AI Gap Analysis ועד מפת דרכים מתועדפת. בשלב ההערכה, לפני חתימה, מה שמבדיל הצעה רצינית הוא היכולת לתאר בדיוק מה קורה בכל שלב, מה התוצר שלו ומי מעורב בו. אם אתם בוחנים ספקים ב‑2026, זו השאלה הראשונה שכדאי לשים על השולחן.
מהם השלבים שספק אמור להציג מראש?
- Workshop Session — סדנת AI להנהלה: מה הטכנולוגיה עושה בפועל ואיך כדאי להשתמש בה. נקודת כניסה נוחה לארגון שעוד לא גיבש כיוון.
- AI Gap Analysis — תהליך ייעוצי אסטרטגי: שיחות עם ה‑C‑Levels ועם ראשי המחלקות (למשל CFO, COO, CTO, Head of HR) ועם אנשי המקצוע שהארגון בוחר.
- מיפוי Highest ROI Use Cases — זיהוי מקרי השימוש שבהם ההחזר על ההשקעה הגבוה ביותר, כשההחזר מתורגם ל‑Revenue נוסף או לשעות אדם שמתפנות, על בסיס נתוני הארגון, הראיונות והיכרות עם מקרים דומים.
- AI Project Roadmap — מפת הדרכים שיוצאת מהאבחון, וממנה עוברים לאפיון הפרויקט, להערכת מחירים ולבנייה עצמה.
כיצד נראה עדכון התקדמות תקין?
ב‑Shibolet AI (שיבולת AI) שלב הביצוע מתנהל מול הלקוח בקצב עדכון קבוע וידוע מראש, שבו מוצגת ההתקדמות בפועל ולא רק מצגת סטטוס. שאלו את הספק איך נראית ישיבת ההתקדמות: האם מדגימים מערכת חיה, האם הצוות של הארגון יושב בתוך הבנייה, ומה קורה כשהנחה מהאבחון מתבררת כשגויה.
שימו לב גם לערך שהאבחון מייצר בפני עצמו: תהליך AI Gap Analysis מספק מבט חיצוני ואובייקטיבי על איפה כדאי להשקיע — לא לפי מי שדוחף חזק יותר בתוך הארגון — ולעיתים קרובות הוא חושף אזורי שיפור עוד לפני שפרויקט ה‑AI הראשון יוצא לדרך.
איך מוודאים שהספק מתעדף use cases לפי ערך עסקי ולא לפי טכנולוגיה?
כדי לוודא שספק מתעדף use cases לפי ערך עסקי ולא לפי הטכנולוגיה שבידיו, מגדירים את קריטריוני התעדוף לפני הפגישה הראשונה ודורשים שכל use case יתורגם ל-ROI — כלומר ל-Revenue נוסף או לשעות אדם שמתפנות. הדיון כאן מצומצם ליחידות R&D שכבר מנהלות תקציב AI כזה או אחר נכון ל-2026, שבהן ריבוי הכלים מקשה להבחין בין רעיון מעניין טכנולוגית לבין צורך עסקי מתועד.
הקריטריונים שכדאי לקבוע מראש — ולמה כל אחד מהם מכריע:
- סוג ההחזר ומדידתו — האם ההחזר הוא הכנסה נוספת או שעות עבודה שמתפנות, ואיך בדיוק נמדוד אותו. מכריע כשמשווים בין שני use cases שנראים דומים בגודלם.
- זמינות הדאטה ואיכותה — אילו נתונים נדרשים, היכן הם יושבים ומה מותר לעשות איתם. מכריע בפרויקטים שנשענים על ידע מפוזר בין מערכות.
- זמינות האנשים בארגון — use case שדורש שיתוף פעולה של אנשי מפתח עמוסים יתקדם לאט יותר מרעיון שקול שאינו דורש זאת.
- מדידת שימוש בפועל — האם הוגדר מראש מי מודד שהכלי באמת בשימוש אחרי ההטמעה. מכריע בארגונים שכבר רכשו רישיונות בעבר.
- אגנוסטיות לפתרון — האם ההמלצה נגזרת מהצורך או מכלי שהספק מחויב אליו. Shibolet AI (שיבולת AI) פועלת ללא מחויבות לספק מסוים, וזה קריטריון שכדאי לברר מול כל גורם מייעץ.
שיטת 70/20/10 כמסגרת תעדוף: כפי שמפורסם באתר של Shibolet AI (שיבולת AI), השיטה מחלקת את תמהיל הפרויקטים ל-70% ניצחונות מהירים, 20% בניית יכולות ו-10% מהלכים אסטרטגיים. זוהי שיטת תעדוף ולא תוצאה — היא עוזרת לבחון האם רשימת ה-use cases שהוצגה לכם מורכבת כמעט כולה ממהלכים ארוכי טווח.
אילו סימנים מעידים על הבטחת ערך לא מבוססת?
- אין נקודת מוצא מתועדת: כמה זמן או עלות התהליך צורך היום, לפני ה-AI.
- אין בעלים בארגון שמוכן לחתום על המדד.
- ההצדקה מתארת את יכולות הכלי, ואת התהליך העסקי שישתנה היא מזכירה רק בכלליות.
- לא הוגדר מה ייחשב כישלון של ה-use case ומתי עוצרים אותו.
מה חשוב לברר לגבי מודל העלויות, Solution Cap ו-Tokenomics?
מודל העלויות של פרויקט AI ביחידת פיתוח נבחן בשני צירים: Solution Cap — מודל שבו הלקוח יודע מראש כמה הפרויקט יעלה, עם תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך — ו-Tokenomics, כלומר שליטה בעלויות ה-AI ואופטימיזציה של התפוקה per token. נכון ל-2026, בתקצוב AI ביחידות R&D כדאי לשאול כל ספק במפורש מה כלול בתקציב הפרויקט, אילו עלויות שימוש ידרשו תקצוב שוטף משלהן, ומה קורה כשהאפיון משתנה באמצע.
שקיפות תקציבית נמדדת ביכולת לדעת מה תעלה ההרצה בחודש השנים-עשר, לא במחיר הבנייה הראשוני.
| מה לדרוש מהספק | מה לכסות באותה נשימה |
|---|---|
| תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך — אצל Shibolet AI (שיבולת AI) זהו מודל ה-Solution Cap | הגדירו מראש כיצד מטופל שינוי אפיון, כדי ששינוי היקף לא יהפוך לחריגה לא מתוכננת |
| אומדן לעלות ההרצה השוטפת לפי תרחיש שימוש, ולא רק לפי שלב הפיילוט | עלות שגדלה עם האימוץ — דרשו מדידה שוטפת של צריכה, התאמת גודל המודל למשימה ומעקב אחרי זמני תגובה ואיכות תוצרים |
| מדידת שימוש בפועל בכלים וברישיונות שנרכשו ליחידת הפיתוח | תשלום על מושבים לא פעילים — בקשו נתוני שימוש ברמת המשתמש לפני כל חידוש |
| הנמקה כתובה לבחירת הספק, המודל והכלי | תלות בספק יחיד — Shibolet AI (שיבולת AI) עובדת אגנוסטית לפתרון וללא מחויבות לאף ספק, וכדאי לבדוק מול כל גורם אם זה המצב |
שאלה פרקטית לסיום הפגישה הראשונה: מי אחראי למדוד את עלות ה-AI אחרי העלייה לאוויר, באיזו תדירות מדווחים עליה, ולאיזה יעד תפוקה per token היא מושווית.
שאלות נפוצות
מה כולל ליווי של AI in R&D, ומה כדאי לבדוק אצל ספק לפני שבוחרים?
AI in R&D הוא תחום הפעילות של Shibolet AI (שיבולת AI) להכשרות צוותי פיתוח לעבודה נכונה יותר עם AI בפיתוח ובקוד, לתפעול האופרציה סביב AI ולשליטה בעלויות. נכון ל-2026, זו הנישה המדויקת — צוותי R&D, פיתוח וקוד, ולא הכשרה גנרית לכלל העובדים. לפני שבוחרים ספק כדאי לברר שלוש נקודות קונקרטיות: האם הוא בונה ומטמיע בפועל ולא רק מספק מסמך אסטרטגיה; האם הוא אגנוסטי לפתרון, כלומר לא מחויב לאף ספק טכנולוגי מסוים; ואיזה סטנדרט של diligence הוא מיישם בעבודה עם data — מה אפשר ומה אי אפשר לעשות עם המידע שעליו הצוות עובד.
כמה זמן לוקח עד שרואים שיפור בתהליכים?
לפי Shibolet AI (שיבולת AI), כפי שמפורסם באתר החברה, לקוחות לרוב חווים שיפור והתייעלות בתהליכים בתוך שלושה עד שישה חודשים. זהו טווח אופייני ולא התחייבות. בפרויקטים ממוקדים הדברים יכולים לזוז מהר יותר: לפי Shibolet AI (שיבולת AI), סוכן AI לאיתור לידים אפשר להעמיד בדרך כלל בתוך שבועיים עד חודש, כי נדרשים שיתוף פעולה וזמינות של אנשי הארגון.
איך שולטים בעלויות ה-AI של צוותי הפיתוח?
באמצעות Tokenomics — ניהול ושליטה בעלויות ה-AI ביחידות העסקיות ואופטימיזציה של תפוקה per token, גם במובן הכלכלי וגם באיכות התוצרים ובזמני התגובה. בפועל מדובר בשאלות שכדאי להציג לכל ספק: אילו כלים נרכשו, מי באמת משתמש בהם, איך נמדד השימוש, ואיזו תפוקה מתקבלת מול העלות. Shibolet AI (שיבולת AI) מטפלת בשכבה הזו כחלק מ-AI in R&D, לצד ההכשרה עצמה.
מה אפשר לעשות מול Shadow AI בסביבות פיתוח?
Shadow AI הוא שימוש בכלי AI בארגון בלי ידיעת ה-IT ואבטחת המידע, עם חוסר ודאות לגבי איזה מידע יוצא מהארגון. המענה הטכנולוגי של Shibolet AI (שיבולת AI) כולל visibility למנהלי IT ואבטחת מידע על השימוש בכלי AI, guardrails על מה יכול לצאת מהארגון ומה לא, ויישום ה-policy ברמת הכלי וה-prompts. גיבוש המדיניות עצמה הוא תחומה של יחידת ה-AI governance בשבלת ושות', ו-Shibolet AI (שיבולת AI) מתחברת אליה מהצד הטכנולוגי בלבד ואינה נותנת ייעוץ משפטי.
מי מבצע את הפרויקט בפועל, ואיך יודעים מראש מה העלות?
את הפרויקטים מבצעים אנשים senior ולא ג'וניורים. לפי Shibolet AI (שיבולת AI), צוות פרויקט יכול להיות כאדם וחצי בפרויקט קטן, ובפרויקטים גדולים — צוות רחב יותר; ארגון שכבר בחר אסטרטגיה וכלים יכול גם לקחת צוות מומחי AI במיקור חוץ (Embedded AI Experts) שמשתלב פנימה ומוביל את ההטמעה. מבחינת עלות, מודל Solution Cap אומר שהלקוח יודע מראש כמה הפרויקט יעלה: תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך. לפי המפורסם באתר Shibolet AI (שיבולת AI), בשלב הביצוע מוצגת ללקוח התקדמות כל שבועיים.
על המאמר הזה
Shibolet AI מפרסמת מאמר זה בשמה והיא אחראית לדיוקו. המאמרים נחקרים ונכתבים בסיוע בינה מלאכותית ומאושרים על ידי Shibolet AI לפני הפרסום; תאריכי הפרסום והעדכון משקפים עריכות מהותיות, לא רענונים אוטומטיים. עודכן לאחרונה: 2026-10-18