מאת: איתי גרונר, מוביל הטמעות AI בארגונים ואוטומציות ב-HRD                    

ארגונים רבים כבר משתמשים היום ב-AI. יש עובדים שכותבים פרומפטים מצוינים. יש צוותים שבנו לעצמם שיטות עבודה. יש מנהלים שמצליחים להפיק מ ChatGPT או Claude תוצרים ברמה גבוהה. אבל ברוב המקרים, הידע הזה נשאר אישי, מקומי ולא אחיד.

עובד אחד יודע בדיוק איך לבקש מ-AI לכתוב סיכום מנהלים. עובדת אחרת יודעת איך להפוך חומר מקצועי למערך הדרכה. צוות אחד מצא דרך טובה לנתח קורות חיים. צוות אחר ממציא את אותו תהליך מחדש, רק בצורה קצת פחות טובה.

הבעיה היא לא שהארגון לא משתמש ב-AI. הבעיה היא שהארגון עדיין לא הפך את השימוש הזה ליכולת ארגונית.

כאן נכנס לתמונה מושג שחשוב להכיר שנקרא Skills.

מה זה Skills?

Skill הוא דרך ללמד את כלי ה-AI לבצע משימה מסוימת בצורה קבועה, מוגדרת וחוזרת על עצמה.

במקום שכל עובד יכתוב בכל פעם מחדש פרומפט ארוך, מסביר את ההקשר, מצרף דוגמאות, מגדיר פורמט ומקווה שהתוצאה תהיה טובה – הארגון יכול לארוז את ההנחיות, הכללים, הדוגמאות והפורמטים בתוך Skill.

במילים פשוטות, Skill הוא לא רק "פרומפט שמור" אלא דרך לארוז תהליך עבודה.

היכולת לשימוש ויצירה ב-Skills קיימת ב-Claude וגם ב-ChatGPT ברישוי Enterprise (נכון להיום, יכולת זאת ב-ChatGPT מוגדרת כבטא).

ב-ChatGPT, הם מאפשרים לבנות תהליכי עבודה חוזרים שמנחים את ChatGPT איך לבצע משימה מסוימת בצורה עקבית יותר. הם יכולים לכלול הנחיות, דוגמאות, קבצי עזר ולעיתים גם יכולות מתקדמות יותר, בהתאם לסביבת העבודה ולהרשאות.

גם ב-Claude הם מיועדים לעזור למודל לבצע משימות ייעודיות בצורה טובה יותר, באמצעות הנחיות, קבצים, דוגמאות ומשאבים שהוגדרו מראש. בחלק מהמקרים נדרשת הפעלה של יכולות מתקדמות כמו יצירת קבצים או הרצת קוד, ולכן בארגון חשוב לבדוק מראש אילו הרשאות זמינות ומה מדיניות ה-IT  מאפשרת.

אבל ברמה הארגונית, ההגדרה הטכנית פחות חשובה. הדבר החשוב הוא המשמעות. Skills  מאפשרים לקחת ידע ארגוני ולגרום ל-AI  להשתמש בו שוב ושוב, בצורה עקבית יותר.

למה Skills חשובים דווקא עכשיו?

כי כל עוד העבודה עם AI מבוססת רק על יכולת אישית של עובדים לנסח פרומפטים, הארגון מקבל תוצאות לא אחידות. עובד אחד מקבל תוצר מעולה. עובד אחר מקבל תוצר בינוני. צוות אחד מפתח שיטה טובה, אבל היא לא עוברת לשאר הארגון.

Skills הם אחד הכלים שמאפשרים לעבור משימוש אישי ב-AI לשימוש ארגוני מובנה.

הם עוזרים לארגון:

• לצמצם תלות בעובדים שיודעים לכתוב פרומפטים טובים.
• לשמור על שפה ארגונית אחידה.
• להטמיע נהלים וסטנדרטים בתוך תהליכי העבודה עם AI .
• לקצר זמן במשימות שחוזרות על עצמן.
• לשמר ידע מקצועי גם כשהעובדים מתחלפים.
• להפחית טעויות בתוצרים.
• להעביר Use Cases מוצלחים בין צוותים.

במקום שכל צוות יבנה לעצמו "שיטה פרטית", הארגון מתחיל לבנות ספריית יכולות.

דוגמאות ל- Skills בארגון

כדי להבין את זה בצורה פרקטית, נסתכל על כמה דוגמאות.

במשאבי אנוש, Skill יכול לכתוב תיאורי משרה לפי פורמט ארגוני קבוע. הוא יודע אילו סעיפים לכלול, באיזה טון לכתוב, איך להציג דרישות חובה מול יתרון, ואיך לשמור על ניסוח שמתאים לשפת הארגון.

בגיוס, Skill יכול לנתח קורות חיים מול דרישות משרה לפי קריטריונים מוגדרים מראש. לא כדי להחליף את שיקול הדעת של המגייס, אלא כדי לייצר שכבת עזר עקבית שמסמנת התאמות, פערים ושאלות להמשך בדיקה.

בלמידה ופיתוח, Skill יכול לקחת חומר מקצועי ולהפוך אותו למערך הדרכה: מטרות למידה, מבנה שיעור, תרגילים, שאלות דיון וסיכום.

בשיווק, Skill יכול לוודא שטקסטים נכתבים לפי שפת המותג. לא רק "כתוב יפה", אלא לפי כללים מוגדרים: אורך משפטים, טון, מילים מועדפות, דברים שלא אומרים, מבנה מומלץ ודוגמאות.

במכירות, Skill יכול להכין מייל פולואפ אחרי שיחת לקוח, תסריט שיחה, ניתוח התנגדויות או תקציר לקוח לפני פגישה.

במערכת מידע, Skill  יכול לעזור לכתוב נוהל תמיכה, סיכום תקלה, מסמך אפיון ראשוני או הודעה מסודרת למשתמשים על שינוי במערכת.

עבור ההנהלה, Skill יכול להפוך מסמך ארוך לתקציר מנהלים לפי פורמט קבוע: עיקרי הדברים, החלטות נדרשות, סיכונים, חלופות והמלצה.

בכספים או רכש, Skill יכול לנתח הצעת מחיר לפי מבנה אחיד: עלויות, חריגים, סיכונים, סעיפים שדורשים הבהרה והשוואה להצעות אחרות.

המשותף לכל הדוגמאות האלה הוא לא הטכנולוגיה. המשותף הוא שיש תהליך שחוזר על עצמו, ויש חשיבות לאיכות, עקביות ובקרה.

לא יודעים איך להתחיל? צריכים סיוע בבניית Skill?
שלחו אלינו מייל לקביעת שיחת בירור ממוקדת itay@hrd.co.il

איך יוצרים Skill ב-Claude?

ב-Claude, Skill  יכול להיות פשוט מאוד או מורכב יותר. Skill בסיסי כולל בדרך כלל קובץ הנחיות שמגדיר את שם ה-Skill, תיאור קצר שמסביר מתי להשתמש בו, והוראות עבודה ברורות. במידת הצורך, אפשר להוסיף גם קבצי עזר, דוגמאות, פורמטים, נהלים או משאבים נוספים.

ברמה הפרקטית, התהליך נראה כך:

ראשית, חשוב לוודא שיוצר ה-Skills קיים ופעיל ב-Claude שלכם.

תחת Customize -> Skills -> Skill-creator. שם לסמן שה-Skill ניתן לשימוש.

 לאחר מכן, פותחים צ'אט חדש ומגדירים משימה חוזרת וברורה. למשל: "כתיבת תקציר מנהלים ממסמך ארוך", "יצירת תיאור משרה לפי פורמט החברה", או "הפיכת חומר מקצועי למערך הדרכה".

בשלב הבא, כותבים מה ה-Skill אמור לעשות ומתי להשתמש בו. זה שלב חשוב, כיClaude  צריך להבין באילו מצבים ה-Skill רלוונטי.

בונים את קובץ ההנחיות. הוא יכול לכלול כללים, שלבים, דוגמאות, מבנה פלט רצוי ודגשים. אם יש מסמכי עזר, פורמטים קיימים או דוגמאות טובות, אפשר להוסיף אותם כחלק מהחבילה. לאחר שמירה, נוצר קובץ ה-Skill עם סיומת קובץ .md

טוענים את ה-Skill ל-Claude  (באותו המסך שהצילום שלו מופיע מעלה), מפעילים אותו ובודקים שהוא אכן מופעל במצבים הנכונים. חשוב לבדוק את ה-Skill עם כמה ניסוחים שונים ולשפר את התיאור או ההנחיות אם הוא לא עובד כפי שציפיתם.

הנקודה החשובה: לא חייבים להתחיל מ-Skill מורכב. בהרבה ארגונים, ה-Skill הראשונים יכולים להיות מבוססים רק על הנחיות, דוגמאות ופורמט ברור.

ניתן גם לטעון ל-Claude גם קבצי Skills שאחרים כתבו. יחד עם זאת, חובה לוודא שמקור קובץ ה-Skill אמין. גם קובץ Skill "תמים" יכול להכיל הנחיות זדוניות.

איך יוצרים Skill ב-ChatGPT Enterprise?

ב-ChatGPT Enterprise, יצירת Skills תלויה בסביבת העבודה הארגונית ובהרשאות שהוגדרו על ידי מנהלי המערכת. נכון להיום, חשוב להתייחס ל-Skills ב-ChatGPT כיכולת שיכולה להיות תלויה בתוכנית, בהרשאות ובמדיניות הארגון.

ברמה פשוטה, אפשר ליצור Skill מתוך שיחה עם ChatGPT,  להשתמש בעורך ייעודי ל-Skills  אם הוא זמין בסביבה הארגונית, להתקין Skill ששותף בתוך סביבת העבודה, או להעלות Skill שנבנה מראש.

במילים פשוטות: אפשר להתחיל משיחה רגילה. למשל, לבקש מ-ChatGPT לבנות Skill עבור תהליך קבוע בארגון. ChatGPT יכול לעזור לנסח את ההנחיות, להגדיר את מבנה העבודה, להציע בדיקות איכות ולבנות בסיס ראשוני ל-Skill. מומלץ להגדיר בשיחה זו שימוש ב-Thinking לתוצאות טובות יותר.

איך תדעו שאכן נשמר כ-Skill? מעבר לכך שה-ChatGPT ירשום לכם שנשמר, בעת השמירה עצמה יהיה כתוב: "Used skill-creator skill". כלומר, ChatGPT עשה שימוש ביוצר ה-Skills שלו לטובת יצירת ה-Skill שלכם.

Skill טוב מתחיל מתהליך טוב

יש טעות נפוצה בארגונים: להתחיל מהכלי.

"יש לנו Claude, בואו נבנה Skill".
"יש לנו Chatgpt Enterprise, בואו ניצור כמה Skills".

אבל אם התהליך הארגוני לא ברור, גם ה-Skill לא יהיה ברור.

לפני שבונים Skill, כדאי לענות על כמה שאלות:

• איזו משימה חוזרת אנחנו רוצים לשפר?
• מי המשתמשים שיפעילו את ה-Skill?
• איזה קלט הם יספקו?
• מה הפלט הרצוי?
• מה נחשב תוצר טוב?
• אילו כללים אסור ל-AI להפר?
• אילו דוגמאות מייצגות עבודה טובה?
• מתי חובה לערב אדם?
• איך נמדוד שה-Skill באמת חסך זמן או שיפר איכות?

השאלות האלה נראות פשוטות, אבל הן ההבדל בין "פרומפט נחמד" לבין יכולת ארגונית שאפשר לסמוך עליה.

טעויות נפוצות בהטמעת Skills

הטעות הראשונה היא לבנות Skill כללי מדי. כזה שמנסה לעשות הכל: גם לכתוב, גם לסכם, גם לנתח, גם לנסח מיילים, גם לבנות מצגות. ברוב המקרים, עדיף Skill קטן וממוקד על פני Skill  ענק ומעורפל.

הטעות השנייה היא להעתיק פרומפט ארוך ולהכריז עליו כ-Skill .Skill טוב לא רק כולל הוראות. הוא מתאר תהליך: מתי להשתמש, מה לבדוק, איך להחליט, מה הפלט הרצוי ומה עושים במקרי קצה.

הטעות השלישית היא לא לבדוק אותו עם משתמשים אמיתיים. תוצר שנראה טוב בדמו לא בהכרח יעבוד ביום עבודה אמיתי, עם מסמכים לא מסודרים, ניסוחים חלקיים ולחץ של זמן.

הטעות הרביעית היא לא לעדכן את ה-Skill. נהלים משתנים, שפה ארגונית משתנה, תהליכים משתנים. Skill שלא מתוחזק הופך עם הזמן ממנגנון עזר למקור לטעויות.

הטעות החמישית היא לא להגדיר בעלות. אם כל אחד יכול ליצור, לפרסם ולהפיץ Skills בלי תהליך בקרה, מהר מאוד נוצרת ספרייה מבולגנת של יכולות לא מתועדות.

איך כדאי להתחיל?

לא צריך להתחיל מעשרות Skills אלא להפך.

כדאי לבחור 3-5 משימות חוזרות שיש להן ערך ברור. מתוכן לבחור Skill אחד קטן, לא מסוכן, שקל לבדוק.

לדוגמה: כתיבת תקציר מנהלים, יצירת תיאור משרה, הפיכת חומר הדרכה למערך שיעור, כתיבת הודעת עדכון ללקוחות, או בניית סיכום פגישה לפי פורמט קבוע.

לאחר מכן בודקים אותו עם משתמשים אמיתיים. מודדים האם הוא חסך זמן, האם התוצרים טובים יותר, האם המשתמשים באמת משתמשים בו, והאם הוא מצמצם שונות בין עובדים.

רק אחרי שמבינים מה עובד, מרחיבים.

בהמשך אפשר לבנות ספריית Skills ארגונית. אבל ספרייה כזו צריכה להיות מנוהלת. צריך Owner לכל Skill חשוב. צריך גרסאות. צריך תיעוד. צריך להבין מי מאשר שינוי. צריך לחבר בין IT, HR, המחלקה המשפטית, אבטחת מידע והיחידות העסקיות.

כי Skills נוגעים בדיוק בנקודת החיבור בין אנשים, תהליכים וטכנולוגיה.

לסיכום

Skills הם לא עוד פיצ'ר אלא הדרך להפוך את העבודה עם AI ליותר עקבית, מקצועית וארגונית.

במקום שכל עובד ימציא מחדש איך לדבר עם AI, הארגון יכול לארוז את הידע שלו, את הנהלים שלו, את הפורמטים שלו ואת שיטות העבודה הטובות שלו, ולהפוך אותם ליכולת זמינה לכל מי שצריך.

זה לא מבטל שיקול דעת אנושי. להפך. זה מאפשר לאנשים לעבוד בצורה מסודרת יותר, עם פחות חזרתיות ועם יותר אחידות.

אם אתם כבר משתמשים ב-AI בארגון, אבל מרגישים שכל צוות עובד אחרת, יכול להיות שהשלב הבא שלכם הוא לא עוד סדנה כללית.

יכול להיות שהשלב הבא הוא לבנות Skills ותהליכי עבודה שמתאימים באמת לארגון שלכם.

HRD מסייעת לארגונים לבנות Skills, תהליכי AI , אוטומציות והטמעות שמחברות בין אנשים, טכנולוגיה וערך עסקי.

לא יודעים איך להתחיל? צריכים סיוע בבניית Skill?
שלחו אלינו מייל לקביעת שיחת בירור ממוקדת itay@hrd.co.il