מי מנהל את הבינה המלאכותית בחברה שלכם: מדוע לעסק דרוש אופרטור Claude Code

ברוב החברות הבינה המלאכותית כבר נמצאת. מישהו שילם על מנויים לעובדים, מישהו הזמין מאינטגרטור צ'אטבוט או עוזר קולי, מישהו חיבר בינה מלאכותית לדואר ולמסמכים. וכעבור כמה חודשים ההנהלה מודה בכנות: האפקט קטן ממה שהובטח. הבוט מוסר מחירים שפג תוקפם, העוזר «עושה משהו», אבל איש אינו יודע לומר כמה שעות הוא חסך, ומחצית העובדים חזרה לגיליונות המוכרים.

הסיבה נדירות נעוצה במודל עצמו. כמעט תמיד חסר אדם שמטיל על הבינה המלאכותית משימות מדי יום, מקבל את התוצאה ואחראי לה בדיוק כפי שמנהל החשבונות הראשי אחראי לספרים. לתפקיד הזה אנחנו קוראים אופרטור ובמאמר הזה נסביר, בדוגמת Claude Code, מדוע הוא נחוץ גם אחרי ההטמעה הטובה ביותר.

מה אומרים המספרים

את התמונה הרחבה ביותר נותן המעקב הרבעוני של הבנק הפדרלי של סנט לואיס. לפי נתוניו, ברבעון השלישי של 2026 חסכה הבינה המלאכותית היוצרת לעובדים בארה"ב בממוצע כ-2.1 % מכלל שעות העבודה. זהו ממוצע על כלל המועסקים בגילי 18–64: מי שאינו משתמש בבינה מלאכותית נספר כאפס, ולכן המספר הכולל יוצא צנוע.

תוצאה אחרת לגמרי מתקבלת היכן שהבינה המלאכותית שולבה בעבודה מוגדרת. המחקר «Generative AI at Work» (ברינייולפסון, לי, ריימונד, NBER) עקב אחר הפעלת עוזר בינה מלאכותית עבור 5 179 נציגי תמיכה: מספר הפניות שנפתרו בשעה עלה בממוצע ב- 14 %, ואצל המתחילים ובעלי הניסיון המועט ביותר ב- 34 %. אלה מדידות שונות, ולכן אי אפשר לחלק אחת בשנייה. אבל הכיוון זהה: האפקט מופיע היכן שהבינה המלאכותית משולבת בעבודה מוגדרת.

ואילו דוח MIT NANDA «The GenAI Divide» (2025) מסביר מדוע לא לכולם מצליח לשלב: לפיו, רק כ-5 % מהפיילוטים הארגוניים של בינה מלאכותית מניבים תוצאה כספית מורגשת. את הסיבה רואים הכותבים לא באיכות המודלים אלא בכך שהכלים אינם משתלבים בתהליכי העבודה של החברה ואינם מותאמים להם. כלומר, הבעיה אינה טכנולוגית אלא ניהולית.

את האפקט יוצרת לא הגישה לבינה מלאכותית, אלא האדם שהופך אותה לתהליך.

Claude Code אינו צ'אט אלא סוכן בסביבת העבודה

רוב האנשים מכירים בינה מלאכותית כחלון צ'אט: שאלה — תשובה. Claude Code בנוי אחרת. זהו סוכןהפועל בתוך סביבת העבודה של החברה: הוא קורא את הפרויקט ואת המסמכים, מציע תוכנית, מבצע בעצמו את השינויים ומראה מה בדיוק שינה. באמצעות מחברים — חיבורים מוכנים — מקשרים אותו לדואר, ליומן, למערכות הנהלת החשבונות ולאתר, ואז הוא עובד לא על קובץ בודד אלא על הנתונים האמיתיים של העסק.

אופרטור אדם

מטיל משימהמראה שינויים

סוכן Claude Code

קורא ומשנה

מערכות החברה דואר · יומן · הנהלת חשבונות · אתר

מקבל את התוצאה ואחראי לה

דווקא משום כך הוא חזק מצ'אט — ודווקא משום כך הוא זקוק להכוונה. סוכן שיכול לשנות עמוד באתר, מחיר במסד הנתונים או נוסח של חוזה חייב שיהיה לו בעל בית: מי שקובע מה מותר לו, ומי שבודק את העבודה לפני שהיא מגיעה ללקוח.

אילו משימות כבר אפשר למסור לסוכן בתוך החברה

אנחנו עובדים מדי יום עם Claude Code על המוצרים שלנו — Smart CMS, Smart 360, Smart LMS, BOT-panel — ועל אתרי לקוחות. אלה המשימות שהסוכן כבר מבצע אצלנו באופן יציב, בהכוונת אופרטור:

האופרטור אינו צריך להיות מתכנת — עליו להכיר את תחומו ולדעת להציב משימה כך שאפשר יהיה לקבל את התוצאה.

היכן הסוכן טועה בשקט

הטעויות המסוכנות ביותר של בינה מלאכותית אינן אלה שבהן היא מסרבת לעבוד, אלא אלה שבהן היא מדווחת בביטחון «מוכן». כמה מצבים מהפרקטיקה שלנו:

בכל מקרה ומקרה מה שמציל אינו «מודל חכם יותר» אלא אדם עם מחזור עבודה ברור.

מדוע אחרי האינטגרטור נחוץ אופרטור

אינטגרטור הוא פרויקט: הוא מתקין את המערכת, מגדיר, מדריך ומוסר. אבל המערכת ממשיכה לחיות. מחירים משתנים, מוצרים נוספים, אנשים חדשים מגיעים, נתונים ודרישות אבטחה משתנים. בלי בעלים, גם בינה מלאכותית שהוטמעה באופן מושלם מתחילה כעבור חודשים אחדים לפגר אחרי המציאות של החברה.

הטמעה · אינטגרטור

עבודה יומיומית · אופרטור

המחירים השתנו מוצר חדש אנשים חדשים דרישות אבטחה חדשות

	אינטגרטור	אופרטור מן המניין
מתכונת	פרויקט עם מועד סיום	עבודה יומיומית
אחראי ל	הפעלת המערכת	תוצאת המערכת בכל יום
מכיר	את הטכנולוגיה	את הטכנולוגיה ואת תהליכי המחלקה שלו
כשמשתנים מחירים או מוצר	הזמנה חדשה	מעדכן באותו יום
הרשאות ונתוני לקוחות	מוסר לאחר ההפעלה	מחזיק ומבקר

אין כאן תחרות. אינטגרטור טוב דווקא מעוניין שללקוח יהיה אדם שאפשר למסור לו את המערכת — אחרת בעוד חצי שנה קוראים לו שוב «לתקן את הבינה המלאכותית שהתקלקלה».

מחזור האופרטור: ארבעה צעדים בכל משימה

כל עוד המחזור הזה לא הפך להרגל, הסוכן נשאר צעצוע. משהפך — הוא כלי שנוטל מהצוות מדי שבוע שעות של שגרה.

מאת SmartGT Academy

כיצד אנחנו מלמדים זאת

את התפקיד הזה אנחנו מלמדים ב SmartGT Academy. הקורס אינו על הכלי עצמו אלא על הכוונתו: שישה שבועות של תרגול על המשימות של המשתתף עצמו.

אין צורך לדעת לתכנת. ללקוחות SmartGT — 15 000 הריבניה, קבוצה ארגונית עד 8 משתתפים — 120 000 הריבניה.

את המחזור מוביל מיכאילו וסיאנוביץ', מייסד SmartGT, שעובד מדי יום עם Claude Code על אותם מוצרים שהופכים לחומר התרגול.

דרגות: הסמכה שגדלה יחד עם הפרקטיקה

תעודה על «השתתפות בקורס» אינה אומרת דבר על מה שהאדם יעשה ביום שני. לכן לאופרטורים אנחנו מנהלים סולם דרגות: עשרה שלבים, כל אחד מאושש בשעות עבודה עם הסוכן, במספר מפגשי העבודה, ב טוקנים שנצרכו ובמשימה מעשית.

כל עשר הדרגות והספים

דרגה	סף	מה האדם עושה ללא פיקוח
R0 · מחובר	שיחה ראשונה	הכלי מותקן, ההרשאות מוגדרות
R1 · מתמחה	6 שע' · 3 מפגשים	משימות בפיקוח, עוצר את הסוכן בכיוון שגוי
R2 · אופרטור	14 שע' · 7 מפגשים	מוביל משימה לבדו: מהצבתה ועד דיף מאושר
R3 · מבקר	26 שע' · 13 מפגשים	בודק את עבודת הסוכן שנעשתה עבור אחרים
R4 · אמן מיומנויות	42 שע' · 21 מפגשים	מקבע את שגרת המחלקה בכלי הצוות
R5 · אינטגרטור	60 שע' · 30 מפגשים	מחבר את הסוכן לדואר, ליומן ולמערכות הנהלת החשבונות
R6 · שומר	80 שע' · 40 מפגשים	אחראי להרשאות, לסודות ולהפרדת נתוני לקוחות
R7 · מנצח	95 שע' · 48 מפגשים	מוביל כמה סוכנים במקביל ויכול להכשיר אופרטורים
R8 · אדריכל	180 שע' · 90 מפגשים	בעל התהליך במחלקה: ענפים, בדיקות, נוהל
R9 · חונך	350 שע' · 175 מפגשים	מכשיר אופרטורים ושומר על הסטנדרט בחברה

בהרחבה על הדרגות →

את שתיים-שלוש הדרגות הראשונות משיגים המשתתפים עוד במהלך הקורס. מכאן ואילך הדרגה גדלה יחד עם העבודה. לכל דרגה יש תג עם קוד קבוע ועמוד משלה, שמעסיק יכול לפתוח ולבדוק. עבור חברה זהו קריטריון ברור: במודעת דרושים אפשר לציין את הדרגה הנדרשת.

דרגה אינה נקנית אלא נרכשת בעבודה.

במה להתחיל

מונחי המאמר הזה

סוכן

תוכנה מבוססת בינה מלאכותית שאינה רק משיבה אלא מבצעת פעולות בעצמה: קוראת קבצים, מבצעת שינויים, מריצה בדיקות.

אופרטור

האדם שמטיל על הסוכן משימות, בודק את השינויים ואחראי לתוצאה.

מחבר

חיבור של הסוכן למערכת עבודה: דואר, יומן, הנהלת חשבונות, אתר.

דיף

רשימת מה שהסוכן שינה בפועל: לפני ואחרי.

טוקן

יחידת נפח הטקסט שהמודל עיבד; בדרגות — מידה של הנפח שנצבר.

מקורות

• Federal Reserve Bank of St. Louis, FRED: Generative Artificial Intelligence, Time Savings: Employed Adults (RPSGENAITSALL), נתונים לרבעון השלישי של 2026.
• Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond. Generative AI at Work, NBER Working Paper 31161.
• MIT NANDA, «The GenAI Divide: State of AI in Business 2025», לפי הסיקור של Virtualization Review.

SmartGT — צוות IT המספק פתרונות מקיפים לעסקים. SmartGT Academy — פרויקט הכשרה עצמאי. Claude ו-Claude Code הם סימנים מסחריים של Anthropic; איננו שותף רשמי של החברה.