רווחים:
- יכולת להסביר את גבולות השימוש בבינה מלאכותית ב-MIS במסגרת KVKK ועקרונות אבטחת מידע בסיסיים
- יכולת ליישם בבטחה אנונימיזציה, עקרונות לפחות הרשאות וסיווג נתונים על זרימות עבודה של בינה מלאכותית
- יכולת ניהול אחראי של פרויקט MIS-AI מקצה לקצה במסגרת אתיקה, ציות ואישור מוכשר.
מבחן מודול
1. איזו הצהרה מתארת בצורה המדויקת ביותר את תפקידה של פלט בינה מלאכותית בעבודתו של מומחה למערכות מידע ניהוליות?
- א) AI מייצר טיוטות והצעות; ✔ כלל עסקי הוא באחריות האדם לאמת עם נתונים אמיתיים ואישור מוכשר
- ב) פלט AI כתוב בצורה שוטפת וטכנית ולכן הוא בדרך כלל אינו דורש אימות
- ג) AI יכול לסיים דרישות ישירות ללא אישור היחידה העסקית
- ד) בהחלטות קריטיות פיננסיות, פלט AI מחליף אישור של מומחה מוסמך
תיאור: בינה מלאכותית מנסחת במהירות מוצרי ביניים כגון דרישות, מודלים של נתונים, SQL ודוחות; עם זאת, האחריות האנושית היא לאמת את הטיוטות הללו עם הכלל העסקי, הנתונים בפועל ואישור בעלי העניין. במיוחד בהחלטות פיננסיות ותאימות קריטיות, בינה מלאכותית אינה מהווה תחליף לאישור מומחים מוסמכים.
2. מה הבעיה העיקרית באמירה 'המערכת חייבת להיות מהירה' במחקר ניתוח דרישות?
- א) זה כתוב כלא פונקציונלי למרות שזו דרישה פונקציונלית
- ב) לא ניתן לבדוק ולאמת כי הוא אינו מכיל סף מדיד ✔
- ג) בעלי עניין אינם מבינים כי הוא מכיל יותר מדי פרטים טכניים
- ד) זה לא חוקי כי זה לא כתוב בפורמט משתמש סיפור
הסבר: הצהרה זו מתארת דרישה שאינה פונקציונלית, אך אינה ניתנת למדידה. 'מהיר' הוא סובייקטיבי; מגדיר זמן תגובה של דרישה מקובל לפי מספר, מצב ועומס (למשל 'תגובת שאילתה פחות מ-2 שניות בעומס ממוצע'). דרישה שאינה ניתנת למדידה אינה ניתנת לבדיקה.
3. מהי המטרה העיקרית של נורמליזציה במודל נתונים?
- א) פישוט השאילתה על ידי איסוף כל הנתונים בטבלה אחת גדולה
- ב) מניעת חריגות עדכון על ידי הפחתת כפילות הנתונים ושמירה על שלמות ✔
- ג) צמצם תמיד את גודל קבצי הגיבוי
- ד) הבטחה ישירה לביצועי גרפיקה ולוח
תיאור: נורמליזציה היא תהליך של פיצול לוגי של טבלאות כדי להפחית יתירות ולשמור על שלמות הנתונים. שמירה על אותו מידע במקום אחד מונעת חריגות וחוסר עקביות בעדכון. המטרה היא לא להאיץ את הדיווח; דה-נורמליזציה מכוונת נעשית לפעמים בשביל המהירות.
4. מהו הסיכון העיקרי להסיק 'המכירות גדלו ככל שהוצאות הפרסום גדלו, כך שפרסום מגדיל את המכירות' בלוח מחוונים של בינה עסקית?
- א) מתאם מבלבל עם סיבתיות; פעולה משותפת אינה מוכיחה שאחד יוצר את השני ✔
- ב) בחירה שגויה של סוג התרשים
- ג) הנתונים אינם מנורמלים
- ד) הלוח מכיל יותר מדי צבעים
הסבר: זה מבלבל מתאם עם סיבתיות. שני המדדים עשויים לנוע ביחד, אבל גורם שלישי (למשל עונה, תקופת קמפיין) עשוי להניע את שניהם. מומחה MIS צריך גם לבדוק את המלכודת הזו בטקסטים נרטיביים שנוצרו בינה מלאכותית ולבדוק טענות סיבתיות עם ראיות.
5. באוטומציה חכמה, שבה משתמשים יחד ב-RPA (רובוטי אוטומציה של תהליכים) ובינה מלאכותית, לאיזה סוג צעד RPA הכי מתאים?
- א) צעדים שאינם ברורים, מבוססים על פרשנות, ומצריכים החלטות שונות בכל פעם
- ב) שלבי עבודה על נתונים קבועים, חוזרים ומובנים ✔
- ג) צעדים הדורשים הזדהות עם הלקוח
- ד) שלבים בהם מתקבלות החלטות השקעה אסטרטגיות
הסבר: RPA חזק בשלבי נתונים קבועים, חוזרים ומובנים: העתקת נתונים ממסך אחד והכנסתם למערכת אחרת. בינה מלאכותית נכנסת לפעולה בשלבים הדורשים שיפוט, סיווג או הבנת שפה טבעית מעורפלים; החלטות בסיכון גבוה נשארות כפופות לאישור אנושי.
6. מדוע יש לאמת את תפוקות הבינה המלאכותית בקפידה במיוחד במערכות ERP?
- א) נתוני ERP הם תמיד אנונימיים ולכן נדרשת זהירות נוספת
- ב) תהליכי ERP הם קריטיים מבחינה פיננסית ותפעולית; לטעות יש השלכות כספיות ומשפטיות ישירות ✔
- ג) לא ניתן לשלב מערכות ERP עם בינה מלאכותית כלל
- ד) בינה מלאכותית לא מבינה דוחות ERP כי הם לא חזותיים
תיאור: ERP; עורך תהליכים קריטיים פיננסיים ותפעוליים כגון הנהלת חשבונות, מלאי, רכש וחשבות שכר. טעות כאן משתקפת ישירות ברישום הפיננסי, בתשלום או בהחלטת המלאי. לכן, המלצות בינה מלאכותית אינן מעובדות ללא אישור של מומחה מוסמך; מסלול ביקורת הוא חובה.
7. מה הדבר הראשון שמומחה MIS צריך לשים לב אליו בעת שימוש בבינה מלאכותית בעת עבודה עם נתוני CRM?
- א) בחירת לוח הצבעים של הפאנל
- ב) פרטיות נתונים אישיים: אנונימיזציה, הרשאה מינימלית והבטחת תאימות KVKK תחילה ✔
- ג) טעינת מערך הנתונים הגדול ביותר האפשרי לתוך הרכב כפי שהוא
- ד) די להשתמש בגרסה החדשה ביותר של הדגם
תיאור: נתוני CRM הם בעיקר נתונים אישיים (שם, איש קשר, היסטוריית רכישות). לפני מתן נתונים אלה לכלי בינה מלאכותית, יש להעריך אנונימיזציה, הרשאות מינימום ותאימות ל-KVKK. בנוסף, החלטות אוטומטיות המשפיעות על הלקוח דורשות פיקוח אנושי וזכות להתנגד.
8. איזה סוג של תרשים הוא בדרך כלל המתאים ביותר להצגת שיעור (אחוז) שינוי לאורך זמן בלוח המחוונים?
- א) תרשים קו למגמת זמן; קנה המידה והציר חייבים להיות מוגדרים כהלכה ✔
- ב) תרשים עוגה הוא הטוב ביותר בכל מצב
- ג) גרפיקה עם אפקטים תלת מימדיים מגבירה את הקריאה
- ד) סוג התרשים אינו משפיע על ההודעה, כולם שווים
הסבר: תרשים קו מתאים להצגת מגמה לאורך זמן; אם הצירים והקנה מידה מוגדרים נכון, ניתן לקרוא את השינוי בבירור. תרשים העוגה מציג את המניה בנקודת זמן בודדת, הוא אינו מתאים למגמת זמן. הבחירה הגרפית נעשית בהתאם למסר שיועבר.
9. מה מהבאים הוא הסיכון החשוב ביותר של פלטפורמות ללא קוד / קוד נמוך מבחינת ממשל?
- א) יישומים תמיד פועלים לאט מאוד
- ב) פתרונות 'צל IT' לא מתועדים ולא מבוקרים יוצרים סיכוני נתונים ואבטחה ✔
- ג) הם אף פעם לא פותרים בעיות עסקיות אמיתיות
- ד) ניתן להשתמש בהם רק בחברות גדולות
תיאור: ללא קוד/קוד נמוך מאפשר לעובדים שאינם טכניים (מפתחים אזרחיים) להתקין במהירות יישומים. עם זאת, כאשר הוא גדל ללא שליטה; פתרונות 'צל IT' לא מתועדים, לא מאובטחים ויתומים יוצרים דליפת נתונים וחובות טכניים. ממשל מחייב רישום ומעקב אחר פתרונות אלה.
10. מה המשמעות של 'עקביות', אחד מממדי איכות הנתונים?
- א) הנתונים מתאימים בדיוק לערך העולם האמיתי
- ב) אותם נתונים אינם מתנגשים זה עם זה במערכות ורשומות שונות ✔
- ג) כל השדות בנתונים ממולאים
- ד) מציאת הנתונים בצורתם העדכנית ביותר
הסבר: עקביות פירושה שאותם נתונים אינם מתנגשים זה עם זה במערכות או רשומות שונות; לדוגמה, כתובת לקוח זהה במערכת ה-CRM והחיוב. דיוק פירושה התאמה למציאות, שלמות פירושה שלמות, ועדכניות פירושה עמידה בזמנים של הנתונים. אלו מידות נפרדות.
11. במסגרת KVKK, מהו העיקרון הבסיסי ביותר שמומחה MIS צריך ליישם לפני עיבוד נתונים אישיים עם כלי בינה מלאכותית?
- א) איסוף כל הנתונים האישיים שניתן להשיג
- ב) מזעור נתונים והגבלת מטרה: עבד רק נתונים נחוצים למטרה המוגדרת ✔
- ג) הכנסת הנתונים בתיקייה ציבורית שכולם יכולים לגשת אליה
- ד) השארת החלטת הפרטיות כולה לבינה מלאכותית
תיאור: מזעור נתונים והגבלת מטרות הם חיוניים: עיבוד נתונים נחוצים בלבד למטרה מזוהה ולגיטימית. במידת האפשר, הנתונים הם אנונימיים או בדויים; אזורים המזהים את האדם מורחקים מהרכב. גישת 'יותר נתונים, יותר טוב' מנוגדת לעקרונות KVKK.
12. מדוע המשפט 'המערכת מאשרת אוטומטית כשזה מתאים' הוא דרישה מסוכנת בטיוטה של דרישה המונעת בינה מלאכותית?
- א) כי זה ארוך מדי
- ב) 'מקרים אפשריים' אינם מוגדרים, פתוחים לפרשנות, בלתי ניתנים לבדיקה ונוטים לטעויות ✔
- ג) אוטומציה תמיד אסורה
- ד) כי זה לא בפורמט משתמש סיפור
הסבר: 'מצבים מתאימים' הוא ביטוי מעורפל; לא מוגדר אילו תנאים מעוררים אישור. הדרישה המעורפלת מתפרשת בצורה שגויה על ידי היזם ולא ניתנת לבדיקה. מומחה MIS צריך להבהיר הצהרות מעורפלות שכאלו שהופקו על ידי AI עם כללים וספים ברורים ולאשר אותם על ידי בעל העניין.
13. מהי המטרה העיקרית של תהליך ETL (Extract-Transform-Load) במחסן נתונים?
- א) הפקת נתוני לקוחות חדשים
- ב) חילוץ והפיכת נתונים ממקורות שונים וטעינתם למבנה עקבי מוכן לניתוח ✔
- ג) בחירה אוטומטית של צבעי הלוחות
- ד) שיתוף נתונים אישיים ללא קשר לחוק
תיאור: ETL; הוא שואב נתונים ממקורות (Extract), מנקה אותם וממיר אותם למבנה סטנדרטי (Transform) ומטעין אותם למחסן הנתונים לצורך ניתוח (Load). המטרה היא להביא פורמטים מפוזרים ושונים של נתונים תפעוליים למבנה עקבי המוכן לדיווח וניתוח. ETL לא מייצר נתונים, הוא מזיז ומארגן נתונים קיימים.
14. מדוע 'טיפול בחריגים' הוא קריטי בתכנון אוטומציה של תהליכים?
- א) כי זה תמיד גורם לאוטומציה לעבוד מהר יותר
- ב) מכיוון שהוא מספק עצירה בטוחה והדרכה לאנשים במקום שגיאות שקטות במצבים לא חוקיים ✔
- ג) כי זה משפר עיצוב גרפי
- ד) מכיוון שהוא מוחק אוטומטית נתונים אישיים
הסבר: אוטומציות תמיד נתקלות במצבים הנוגדים את הכללים (נתונים חסרים, פורמט לא צפוי, שגיאת מערכת). טיפול בחריגים מאפשר לרובוט לעצור את התהליך בבטחה ולהפנות אותו לאדם במקרים אלה, במקום לבצע פעולה שגויה בשקט. אם לא מתוכננים חריגים, שגיאות יתפשטו בשקט ושביל הביקורת יאבד.