המקצועות החדשים של עידן ה-AI: מי הארגון שלכם צריך עכשיו

מוביל AI ארגוני (Chief AI Officer)

בארגון גדול זו יכולה להיות משרת הנהלה בכירה. בעסק בינוני זה יכול להיות אחראי AI שמרכז את התחום לצד תפקיד קיים. הכותרת פחות חשובה מהאחריות: לחבר בין היעדים העסקיים לבין היכולות הטכנולוגיות.

מה הוא עושה בפועל?

• בוחר אילו יוזמות AI לקדם ואילו לעצור.
• מגדיר מדיניות שימוש ומידע שאסור להזין למערכות.
• מחבר בין הנהלה, IT, משפטי, משאבי אנוש ומנהלי מחלקות.
• מודד תוצאה עסקית, לא רק מספר משתמשים או מנויים.

מתאים במיוחד ל: ארגון שכבר מפעיל כמה כלי AI או מתכנן השקעה רוחבית.

מוביל הטמעה והדרכה (AI Enablement Lead)

זה כנראה התפקיד המוזנח ביותר. ארגון יכול לרכוש רישיונות לכל העובדים ולגלות כעבור חצי שנה שרק שניים משתמשים בהם באופן קבוע. הפער בין "יש לנו AI" לבין "אנחנו עובדים עם AI" הוא לרוב פער אנושי.

מה הוא עושה בפועל?

• בונה הדרכות קצרות לפי מחלקה ותפקיד.
• מזהה משימות חוזרות שאפשר לשפר כבר עכשיו.
• יוצר ספריית דוגמאות, תבניות ונהלי עבודה.
• אוסף הצלחות מהשטח ומפיץ אותן בארגון.

מי יכול לצמוח לתפקיד? מנהל הדרכה, מנהלת פרויקטים או עובד סקרן שיודע להסביר ולרתום אנשים.

מנהל סוכני AI (AgentOps)

סוכן AI שמטפל בפניות, מעדכן מערכות או מריץ תהליך הוא לא "הגדר ושכח". הוא דומה יותר לעובד חדש: צריך להגדיר לו גבולות, לבדוק ביצועים ולדעת מתי הוא חייב להעביר את הטיפול לאדם.

מה הוא עושה בפועל?

• עוקב אחרי איכות התשובות והפעולות של הסוכנים.
• מגדיר הרשאות, מגבלות ונקודות עצירה.
• בודק חריגות, שגיאות ועלויות תפעול.
• מנהל גרסאות, שינויים ותהליך חזרה לאחור במקרה תקלה.

מתאים במיוחד ל: ארגון שמפעיל צ'אטבוטים, אוטומציות חכמות או סוכנים שניגשים למידע ולמערכות.

אחראי ממשל, סיכון ואתיקה (AI Governance)

ככל שהמערכת משפיעה יותר על לקוחות ועובדים, כך נדרשת בקרה רצינית יותר. מי רשאי להשתמש באיזה כלי? איזה מידע נשמר? מי בודק הטיה? מי אחראי כשהמערכת טועה?

מה הוא עושה בפועל?

• ממפה מערכות AI לפי רמת סיכון.
• מגדיר כללים לפרטיות, אבטחה, שקיפות ובקרה אנושית.
• מתעד ספקים, מודלים, מקורות מידע והחלטות.
• מתאם בין ההיבט העסקי, המשפטי והטכנולוגי.

חוק ה-AI האירופי מיושם בשלבים, ולכן ארגונים שפועלים באירופה או מטפלים במידע רגיש צריכים לעקוב אחר לוחות הזמנים והחובות הרלוונטיות להם. זהו תחום משפטי מתפתח, ולכן חשוב לקבל ייעוץ מקצועי ולא להסתמך על רשימת בדיקה כללית.

מהנדס הקשר (Context Engineer)

הגל הראשון התמקד ב-Prompt Engineering. היום ברור שפרומפט טוב לבדו לא מספיק. מערכת AI עסקית צריכה הקשר: נהלים, דוגמאות, שפה מותגית, הגדרות תפקיד, מקורות מידע והבחנה בין מידע מאושר למידע לא אמין.

מה הוא עושה בפועל?

• בונה את שכבת הידע וההנחיות שה-AI מקבל.
• מחבר מאגרי מסמכים ומקורות פנימיים.
• מגדיר איך המערכת מאתרת, מדרגת ומצטטת מידע.
• בודק שהתשובות נשענות על ההקשר הנכון ולא על ניחוש.

מי יכול לצמוח לתפקיד? מנהל ידע, מנתח מערכות, איש תוכן טכני או עובד שמכיר לעומק את תהליכי הארגון.

מהנדס הטמעה קדמי (Forward Deployed Engineer)

Forward Deployed Engineer, או FDE, הוא מהנדס שעובד קרוב מאוד לארגון ולעובדים שמשתמשים במערכת. במקום לפתח מוצר כללי מרחוק, הוא נכנס לתוך הבעיה העסקית, לומד את התהליכים והנתונים, ובונה עם הלקוח פתרון AI שעובד בתנאי אמת.

Palantir הייתה מחלוצות המודל הזה. החברה מתארת מהנדסים שמוטמעים ישירות לצד הלקוחות כדי לפתור את האתגרים הדחופים שלהם. כיום המודל נפוץ גם בחברות AI, משום שהפער בין מודל חכם לבין מערכת שימושית בפרודקשן דורש שילוב נדיר של הנדסה, הבנת מוצר ויכולת לעבוד עם אנשים.

מה הוא עושה בפועל?

• ממפה עם הצוות את התהליך העסקי ואת נקודות הכשל.
• מחבר מודלים, נתונים, APIs ומערכות ארגוניות קיימות.
• בונה Workflow מקצה לקצה ומעביר אותו מפיילוט לפרודקשן.
• בודק את הפתרון עם משתמשים אמיתיים ומחזיר תובנות לצוות המוצר.

מתי צריך FDE? כאשר פתרון מדף לא מספיק, יש אינטגרציות מורכבות או שהארגון צריך להעביר יוזמת AI קריטית מפיילוט למערכת עובדת. בעסק קטן ובינוני זה בדרך כלל יהיה מומחה חיצוני או איש טכנולוגיה שמקדיש זמן לפרויקט, ולא משרה מלאה.