חילוץ דרישות טכניות מ-RFQ בעברית עם AI — מדריך מעשי

מה זה חילוץ וניתוח דרישות טכניות מ-RFQ בעברית עם AI?

חילוץ דרישות הוא תהליך של קריאה של מסמך RFQ (בקשה להצעת מחיר) או מכרז, זיהוי כל הדרישות הטכניות (חומרה, תוכנה, תאימויות, ביצועים, בטיחות) וארגונם בטבלה או רשימה מובנית שאפשר לפעול עליה. עם AI, תהליך זה הופך מ"שעות של קריאה מתשומת לב" ל"דקות של עיבוד חכם".

למה זה קריטי? כי מכרזים בעברית בדרך כלל כתובים בשפה חוקית וטכנית כבדה, עם דרישות מפוזרות על פני עמודים רבים — וטעות בשום דרישה יכולה להיות יקרה. חברות הנדסה, משרדי ממשל וקבלני טכנולוגיה בישראל מחפשות דרך לתעד דרישות מהר ובמהימנות גבוהה, בלי להחמיץ שום פרט.

צעדים מעשיים: איך לאוטומט חילוץ דרישות עם AI

שלב 1: הכנת הקובץ

1. המר את ה-PDF לטקסט — אם הקובץ הוא סרוק (תמונה), השתמש בכלי OCR חינמי כמו:

   • תמונה זיהוי טקסט ב-Google Drive (עלוי על PDF)
   • Tesseract (קוד פתוח)
   • Adobe Acrobat Reader (בחינם למקרים פשוטים)

2. ודא שהטקסט מוצא כראוי — העתק קטע קטן מהקובץ וודא שהוא תיבות טקסט, לא סתם תמונה.

3. חלק את הקובץ לחלקים אם זה ארוך מאוד — אם ה-RFQ ארוך מ-50 עמודים, AI עובד יותר טוב עם חלקים של 15-20 עמודים בכל פעם.

שלב 2: בחירת כלי ה-AI הנכון

קלוד (Claude) הוא הבחירה המשפחתית:

• תמיכה מצוינת בעברית
• יכול לטפל בקבצים עד 200MB
• טוב בהבנת ניואנסים של שפה משפטית וטכנית
• API זמין לאוטומציה בקנה מידה

ChatGPT (OpenAI) גם טוב, עם יתרון של קישור יותר קל:

• GPT-4 מבין עברית מצוין
• זמין דרך ממשק אינטרנט פשוט
• בעלות נמוכה יותר לשימוש חד-פעמי

גרוק (Grok) מחברת xAI:

• עברית טובה
• גישה אמיתי-ריאל אל ידע עדכני
• עדיין בשלב מוקדם בהשוואה לשניים האחרים

שלב 3: כתיבת הפרומפט (ההוראה) הנכונה

פרומפט חזק הוא חצי מהחוסן. הנה תבנית:

אתה מומחה בניתוח מכרזים ודרישות טכניות בעברית.
קרא את המסמך הבא (RFQ/מכרז) וחלץ את כל הדרישות הטכניות.

חלץ וארגן לפי קטגוריות:
1. דרישות חומרה (Hardware)
2. דרישות תוכנה (Software)
3. תאימויות וסטנדרטים (Compatibility & Standards)
4. ביצועים (Performance)
5. בטיחות וסייבר (Security)
6. אחריות ותמיכה (Support & Warranty)
7. דרישות משפטיות/רגולטוריות (Compliance)

לכל דרישה, ציין:
- טקסט המקורי מהמסמך
- תיאור קצר שלך בעברית תקנית
- רמת קריטיות (חובה / עדיף / אופציונלי)

הוצא את התוצאה בטבלת markdown.

שלב 4: הרצת הניתוח

1. פתח את קלוד או ChatGPT
2. העתק את הפרומפט שלמעלה
3. אם עובדים עם קלוד, השתמש בכפתור ההטבעה של קובץ (File) - יכול להטביע PDF ישירות
4. בחר בקובץ ה-RFQ שלך
5. שלח וחכה לתוצאה (בדרך כלל 30 שניות עד דקה לתשובה)

שלב 5: בדיקה וסינון אנושיים

זה השלב שאתה לא יכול לדלג עליו.

1. קרא את פלט ה-AI בעמוד ההמלצה הראשון — בדוק אם חסרות דרישות ברורות
2. השווה לטקסט המקורי — בדוק לפחות כמה מהמשפטים כדי להעריך דיוק
3. סמן בצהוב דרישות שגויות או מורבות לפירוש
4. התקשר למומחה טכני אם אתה לא בטוח בפירוש של דרישה

טעויות נפוצות (שאתה צריך להימנע מהן)

דוגמה ישראלית: מכרז למערכת ממשל דיגיטלית

נניח שממשרד ממשלתי בישראל משדרים מכרז עבור "מערכת ניהול תיקיות דיגיטלית". המסמך הוא 35 עמודים בעברית חוקית.

בלי AI: מהנדס מוביל או Project Manager קורא לבד במשך 4-5 שעות, משמור הערות בווורד, ואז מארגן לפגישה קבוצתית.

עם AI (תהליך אמיתי):

1. המר את ה-PDF לטקסט (10 דקות עם Tesseract אם סרוק, או 0 דקות אם כבר טקסט)
2. פתח קלוד, העתק את הפרומפט שלמעלה + הוסף: "זה מכרז לממשלה ישראלית, חשוב כי אני צריך לדעת אילו דרישות קשורות לרגולציה ישראלית (משפט, בטיחות מידע, כשרות טכנולוגית עיתית)"
3. צרף את ה-PDF
4. קבל טבלה של 40-60 דרישות שמוצאות לחלקים (בתוך 1-2 דקות)
5. הצוות בוחן את הטבלה לתוך 30-45 דקות, מסמן שגיאות או שאלות
6. חוזרים ל-AI עם שאלה מדויקת: "בסעיף 5.3, האם דרישת הגיבוי היומי היא חובה או עדיפות?" → AI מוצא את הטקסט המקורי ומשיב
7. כתוב מחדש לטבלת עבודה סופית עבור צוות הפרויקט (30 דקות)

סה"כ: בערך 2-2.5 שעות במקום 5 שעות. וחשוב יותר — הדרישות מתוועדות בצורה מובנית שאפשר לעקוב אחריה בכלים כמו Jira או Trello.

כלים ואינטגרציות לאוטומציה בקנה מידה

אם אתה צריך לעבד עשרות RFQ בחודש, עדיף לבנות workflow:

• Zapier או Make — חברה שמטבעה RFQ דרך דואר, יכולה להשתמש ב-Zapier כדי להריץ את הניתוח על כל מכרז שמגיע
• Python + Claude API — אם יש לך מהנדס, בניית סקריפט קטן שמקבל PDF ומוציא CSV עם הדרישות
• Google Sheets + Apps Script — פתרון קל-יותר שמחבר Google Sheets עם API של Claude
• Power Automate (Microsoft) — לחברות שעובדות בעולם Microsoft, אפשר לבנות זרימה שמעבדת RFQ ושומרת לתוך SharePoint

מתי כדאי להעסיק מקצוען (ולא לעשות זה בעצמך)

1. אם אתה מעבד יותר מ-20 RFQ בחודש — זמן בנייה של pipeline בא לנקות את עצמו, כי עיבוד ידני הופך לחנק
2. אם הדרישות שלך תמיד שונות קטגורית — מכרז למה"מ דורש קטגוריות שונות מ-RFQ להזמנה ציבורית; יש צורך בקבלת מומחה
3. אם אתה חושש מטעות קריטיות — עורך דין או מומחה טכני צריך לבדוק לפחות מחוקים ודרישות ביטחון
4. אם אתה רוצה שתוצאת ה-AI תזינה ישירות לכלי ניהול פרויקט — מהנדס DevOps או מומחה integrations כדאי

הטעם השלם: איך להעלות את זה לרמה הבאה

אם אתה כבר משתמש ב-AI בקלוד או ChatGPT, הנה כמה דברים שאתה יכול לנסות:

• ייצוא לפורמט טוב יותר — בקש מ-AI לתפוקה כ-JSON בדלא של markdown, אז אתה יכול להטביע היישר ל-Jira או כלי אחר
• ניתוח השוואתי — חלץ דרישות משתי הצעות RFQ ובקש מ-AI להשוות ("בהצעה A, דרישת הביצועים גבוהה יותר מ-B כ-X%")
• שימוש בפרומפטים משיחתיים — אם מסמך מסובך, בקש מ-AI קודם לסיכום, ואז שאל שאלות עמוקות ("איזה סיכון פחות בגדול לפי המכרז?")
• בדיקת alignment עם strategy — בקש מ-AI להשוות דרישות לראיון או מוקד שלך ("לפי המכרז, כמה דרישות קשורות ל-Machine Learning? אנחנו רוצים להחליט אם להתמודד")

שלט עם קורס ה-AI למנהלי עסקים

אם אתה חושב שזה מסובך וחוששת לשגיאות — זה מבורך. הצעד החכם הוא לקחת שיעור פרטי בנושא AI ודרישות טכניות עם מומחה שמכיר את קרקע הישראלי. או אם אתה מהנדס או מנהל בארגון, נתחבר ל-יעקב צדק לייעוץ בטכנולוגיה — הוא כבר עזר לעשרות ארגונים להטמיע את הזרימה הזאת בחלוקה.

השורה התחתונה: חילוץ דרישות טכניות בעברית עם AI לא דורש מומחה קודם — זה דורש פרומפט טוב, בדיקה קפדנית, וכל כמה זמן חוזרים למומחה אנושי. אם אתה מתחיל, התחל עם קלוד או ChatGPT על RFQ יחיד, בדוק את הדיוק, ורק אז תמדד את זה לארגון. זה חוסך שעות וטעויות — בתנאי שאתה לא סומך 100% על זה.

קריאה נוספת

• שיעור פרטי 1-על-1 עם יעקב צדק
• הטמעת AI בארגונים
• AI לפי תחום — כל הענפים
• קורס Claude חינם