כלי בינה מלאכותית כבר נמצאים בתוך כל ארגון — גם בארגונים שלא החליטו על כך.
לפי סדרת המחקרים Work Reborn של Lenovo לשנת 2026, שנערכה בקרב 6,000 עובדים בארגונים גדולים, כ-70% מהם משתמשים בכלי AI לפחות כמה פעמים בשבוע, ו-80% צופים שהשימוש שלהם רק יגדל בשנה הקרובה.
באותו מחקר, 31% מהעובדים מדווחים שלא קיבלו מהמעסיק שום הדרכה בנושא. הפער הזה — ולא היעדר טכנולוגיה — הוא מה שמפריד היום בין ארגונים שמפיקים ערך אמיתי מ-AI לבין ארגונים שרק משלמים עליו.
בפועל, רוב השימוש נעצר בשכבה הדקה ביותר: ניסוח מייל, סיכום מסמך, תרגום. אלה שיפורים נחמדים, אבל הם לא מזיזים מדדים עסקיים ולא מצדיקים את ההשקעה.
דוח AI Readiness Gap של Docebo מאפריל 2026 מחדד את הבעיה מהכיוון השני: 85% מהעובדים שהשתתפו בהדרכת AI כלשהי אמרו שההדרכה לא עזרה להם ליישם AI בתפקיד שלהם בפועל, וכ-20% נוספים לא קיבלו הדרכה כלל.
כלומר, גם ארגונים שכן משקיעים בהדרכה לרוב מספקים תוכן גנרי מדי מכדי להשפיע. עובד שיוצא מהרצאה על "מה זה בינה מלאכותית" חוזר לשולחן ולא יודע מה לעשות אחרת מחר בבוקר.
לפני המפגש נערכת שיחת אפיון עם ההנהלה או עם ראשי הצוותים, שבה ממפים אילו משימות חוזרות על עצמן, איפה נוצרים צווארי בקבוק, ואילו קבצים ותהליכים מותר בכלל להכניס לכלי AI.
התוצרים של האפיון הזה הם שקובעים את התרגילים במפגש עצמו.
מכאן נגזרים כמה עקרונות מעשיים. ראשית, פילוח לפי תפקיד: אנשי שיווק, מכירות, משאבי אנוש, כספים ותפעול צריכים תרחישים שונים לחלוטין, גם אם הכלי זהה.
שנית, עבודה על חומרים אמיתיים של הארגון ולא על דוגמאות מומצאות.
שלישית, השוואה בין כלים — ChatGPT, Claude, Gemini, Copilot ו-Perplexity מתנהגים אחרת, ועובד שיודע מתי להעדיף אחד על פני השני חוסך זמן רב יותר מעובד שמכיר כלי אחד לעומק.
רביעית, תוצר: כל משתתף אמור לצאת מהמפגש עם משהו שהוא בנה — ספריית פרומפטים, תבנית, אוטומציה קטנה או GPT ייעודי לצוות.
מסגרות ההעברה משתנות בהתאם לגודל הארגון ולעומק הרצוי: ממפגש מבוא של שעה עד שעה וחצי למאות משתתפים, דרך סדנאות חצי יום ויום מלא לקבוצות של 10–25 איש, ועד תוכניות ליווי ארגוניות שנפרסות על פני כמה שבועות או חודשים.
באותו מחקר של Lenovo, בין 20% ל-33% מהעובדים מדווחים על שימוש בכלי AI ללא כל פיקוח או ממשל מצד מחלקת ה-IT.
התופעה, המכונה Shadow AI, מייצרת חשיפה ממשית: 48% מהעובדים עצמם מציינים שהם מודאגים מאוד מהאפשרות שמידע רגיש ידלוף דרך מערכות ציבוריות, ו-74% מבקשים הדרכת אבטחה טובה יותר סביב AI.
סדנה ארגונית היא ההזדמנות הטבעית לסגור את הפער הזה, משום שהיא מגיעה לעובדים בדיוק ברגע שבו הם קשובים.
במקום מסמך מדיניות שנשלח במייל ואיש אינו קורא, הכללים נלמדים תוך כדי עבודה: איזה סוג מידע לא נכנס לכלי חיצוני, מתי נדרש אישור, איך מזהים תשובה שגויה של המודל, ומי בארגון אחראי לאשר שימוש בכלי חדש.
הטמעה ומדיניות שנלמדות יחד נשמרות הרבה יותר טוב משתיהן בנפרד.
המדדים הנפוצים הם שיעור אימוץ בפועל (כמה מהמשתתפים משתמשים בכלי לפחות פעם בשבוע), זמן מחזור של תהליך מוגדר —
למשל הכנת הצעת מחיר, סינון קורות חיים או הפקת דוח חודשי — ומספר התוצרים שנבנו והפכו לנוהל קבוע בצוות.
בשוק מצוטטים נתונים אופטימיים על חיסכון בשעות עבודה ועל החזר השקעה גבוה מהכשרות AI, ואולם המספרים האלה משתנים מאוד בין ארגונים ובין תפקידים.
הגישה הזהירה היא להתייחס אליהם כאל טווח אפשרי ולא כאל הבטחה, ולמדוד את הנתונים בארגון שלכם. מדידה פנימית פשוטה שווה יותר מכל ממוצע חיצוני.
שווה גם לשאול מי מעביר בפועל.
סדנאות שמועברות על ידי מרצה עם רקע יישומי, שמכיר את הכלים מעבודה שוטפת ולא רק מהספרות, נוטות לייצר תרגילים רלוונטיים יותר.
לצד זאת, כדאי לבדוק ניסיון מול ארגונים בסדר גודל ובענף דומים לשלכם — הצרכים של מחלקת שיווק בחברת מוצר שונים מאלה של מוסד אקדמי או של ארגון רפואי.
ארגונים שמצליחים באמת עושים שלושה דברים בשבועות שאחריה: ממנים שניים-שלושה "שגרירי AI" בכל מחלקה שמשמשים כתובת לשאלות; מרכזים ספריית פרומפטים ותבניות משותפת שכל אחד יכול להשתמש בה; וקובעים מפגש חיזוק קצר כעבור חודש-חודשיים, שבו עוברים על מה שעבד ומה נתקע.
בלי שלושת אלה, אפילו סדנה מצוינת מתאדה תוך רבעון.
התמונה הכוללת ברורה: הכלים כבר בפנים, העובדים כבר משתמשים בהם, והשאלה היחידה שנותרה היא אם הארגון מכוון את השימוש הזה או מגלה אותו בדיעבד.
סדנה מותאמת היא הדרך הזולה והמהירה ביותר לעבור מהמצב השני לראשון.
התרעות פיקוד העורף