TestIL Podcast

איתי ששון: המעבר מסטארט-אפ לחברה מסחרית מנקודת מבט של בדיקות ואוטומציה

בפרק זה של פודקאסט טסט איי אל, נתנאל הרוש מארח את איתי ששון, לשעבר כ-automation teach lead בחברת CathWorks וכיום QA Lead בחברת UNIXi לשיחה על האתגרים וההזדמנויות במעבר מחברת הזנק הנמצאת בשלב הוכחת הרעיון לחברה המוכרת מוצר ללקוחות בפועל.

איתי מספר על עבודתו בחברת קאטוורקס, שפעלה בתחום המכשור הרפואי. בניגוד לחברות הזנק קלאסיות, שבהן המטרה הראשונית היא למצוא לקוחות ולהוכיח שהרעיון עובד, בעולם המכשור הרפואי יש צורך לעבור מחקרים קליניים, לעמוד בדרישות רגולטוריות מחמירות ולקבל אישורי שיווק לפני שניתן להתחיל למכור את המוצר.

החברה השקיעה שנים במחקרים ובהוכחת יעילות המוצר מול בתי חולים ורופאים, ורק לאחר קבלת האישורים הרגולטוריים נדרשה לעבור לחשיבה עסקית של מכירת מוצר ושירות ללקוחות.

לדברי איתי, המעבר המשמעותי ביותר הוא שינוי תפיסתי. בשלב המחקר המטרה היא להוכיח שהמוצר עובד, בעוד שבשלב המסחרי נדרש לספק מוצר יציב, אמין ואיכותי עבור לקוחות אמיתיים.

הוא מדגיש כי איכות אינה אחריות של אנשי הבדיקות בלבד, אלא של כל בעלי התפקידים בארגון:

כתיבת דרישות נכונה

תכנון ופיתוח איכותי

סקירות קוד

בדיקות אוטומטיות

תהליכי שחרור גרסאות

משוב מלקוחות

האיכות מתחילה כבר בשלב התכנון ונמשכת לאורך כל מחזור חיי המוצר.

כאשר איתי הצטרף לחברה, מצב הבדיקות היה רחוק מלהיות אידיאלי:

כ-89 בדיקות אוטומטיות בלבד.

רוב הבדיקות נכשלו באופן קבוע.

הבדיקות הופעלו ידנית מתוך סביבת הפיתוח.

אחת לשלושה חודשים כל החברה עצרה את עבודתה לטובת מספר ימי בדיקות ידניות.

לא היה תהליך מסודר להכנסת קוד למערכת.

מנהלי המוצר ראו יכולות חדשות רק לאחר שכבר שולבו בגרסה המרכזית.

המצב יצר חוסר תקשורת, בזבוז זמן ותיקונים חוזרים.

איתי החל להוביל שינוי ארגוני מקיף.

הצעד הראשון היה יצירת שליטה בתהליך הכנסת הקוד. הוא הגדיר כי צוות הבדיקות אחראי על הגרסה המרכזית של המוצר ולכן עליו לקבוע אילו שינויים יכולים להיכנס ומתי.

לדבריו, אם אנשי הבדיקות נושאים באחריות כאשר תקלות חומקות ללקוחות, עליהם לקבל גם את הסמכות להשפיע על תהליך קבלת ההחלטות.

איתי טוען שאנשי הבדיקות צריכים להיות בעלי ההיכרות הרחבה ביותר עם המערכת:

להבין את כל הרכיבים.

להכיר תקלות עבר.

לזהות סיכונים.

להשתתף בתכנון העבודה.

לסייע בניתוח דרישות ובקבלת החלטות.

לדבריו, אנשי הבדיקות והמפתחים הם אלו שמכירים בצורה הטובה ביותר את נקודות החולשה של המערכת ולכן יכולים להתריע על סיכונים לפני שהם הופכים לבעיות אמיתיות.

אחד האתגרים המרכזיים היה חוסר אמון מוחלט במערך הבדיקות האוטומטיות.

כאשר איתי הגיע לחברה, היו עובדים שסברו שעדיף להעסיק מספר בודקים ידניים במקום להשקיע באוטומציה, משום שניסיונות קודמים לא הצליחו.

לכן היעד הראשון שלו היה להפוך את האוטומציה לכלי אמין ויציב.

הוא:

שכתב בדיקות.

שיפר את תשתיות האוטומציה.

הגדיל משמעותית את מספר הבדיקות.

יצר קוד קריא וניתן לתחזוקה.

הפחית באופן דרמטי את מספר הכשלים השגויים.

בהמשך נבנתה תשתית מלאה שכללה:

מסדי נתונים לאיסוף מידע.

לוחות מחוונים להצגת נתוני איכות.

שרתי הרצה ייעודיים.

תהליכי בדיקה אוטומטיים לפני שילוב קוד.

המערכת אפשרה לכלל העובדים לצפות בנתוני האיכות בזמן אמת ולזהות מגמות ושינויים לאורך זמן.

איתי הוביל הקמת תהליך שבו כל שינוי חייב לעבור סדרת בדיקות לפני שהוא נכנס למוצר:

הקוד חייב להיבנות בהצלחה.

חבילת ההתקנה חייבת להיווצר.

בדיקות יחידה חייבות לעבור.

בדיקות אוטומטיות קריטיות חייבות להצליח.

גישה זו אפשרה לזהות בעיות מוקדם ולמנוע תקלות משמעותיות לפני הגעתן ללקוחות.

לאחר שהאוטומציה הפכה לאמינה, היא שולבה כחלק מתהליך העבודה הרשמי.

כל יכולת חדשה הייתה צריכה לכלול גם בדיקות אוטומטיות, כל עוד ניתן היה לבצע אוטומציה עבורה. בנוסף, כל הפעולות הקשורות לאיכות ולבדיקות תועדו כחלק מדרישות הארגון והרגולציה.

לדברי איתי, הצלחת אוטומציה אינה נמדדת בכמות הבדיקות או באחוזי הכיסוי בלבד.

המדדים החשובים באמת הם:

איתור תקלות במהירות.

זיהוי השפעות של שינויים במערכת.

קבלת משוב מהיר למפתחים.

מניעת תקלות לפני הגעתן לגרסה המרכזית.

קיצור זמני התגובה לתקלות.

כאשר מפתחים מקבלים תשובה מהירה על איכות השינויים שביצעו, הם מסוגלים לעבוד בצורה יעילה הרבה יותר.

איתי מתנגד לגישה זו באופן חד-משמעי.

לדבריו, אוטומציה היא כלי נוסף בארגז הכלים של איש הבדיקות ואינה מחליפה את החשיבה האנושית. גם לאחר שנים רבות של השקעה באוטומציה, הוא המשיך לבדוק את המוצר ידנית מדי יום כדי להרגיש את חוויית המשתמש ולזהות בעיות שאינן ניתנות לזיהוי באמצעות בדיקות אוטומטיות בלבד.

בסיום הפרק מסביר איתי מדוע הוא אוהב לעבוד בחברות הזנק:

למידה מואצת – חשיפה למגוון רחב של תחומים וטכנולוגיות.

יכולת השפעה גבוהה – אפשרות לעצב תהליכים, כלים ותרבות ארגונית.

חופש טכנולוגי – בחירת הכלים והתשתיות המתאימים ביותר לצרכים.

תחושת בעלות ואחריות – היכולת להוביל שינויים משמעותיים בארגון.

בניית פתרונות מאפס – יצירת תשתיות ותהליכים המותאמים בדיוק לצורכי החברה.

המעבר מחברת הזנק הממוקדת בהוכחת יכולת לחברה מסחרית מחייב שינוי תפיסתי עמוק. הצלחת המוצר תלויה בבניית תרבות איכות ארגונית, בתהליכי עבודה מסודרים ובאוטומציה אמינה התומכת בצוותים השונים. אנשי הבדיקות אינם רק מאתרי תקלות, אלא שותפים מרכזיים בהובלת האיכות, בניהול הסיכונים ובהצלחת המוצר כולו.

קישור לפרופיל לינקדאין של איתי

קישור לפרופיל לינקדאין של נתנאל

קישור לקבוצת הוואצאפ לקבלת עדכונים

תחרות ITAC היא תחרות האוטומציה הישראלית הראשונה מסוגה, שמביאה לקדמת הבמה את אנשי ונשות האוטומציה, הבדיקות וה־DevOps בישראל. מטרת התחרות היא לא רק לבדוק מי כותב את הקוד הכי מהר, אלא מי יודע לחשוב כמו מהנדס בדיקות אמיתי: להבין מערכת, לתכנן אסטרטגיית בדיקות חכמה, לבנות פתרון אוטומציה יציב, קריא, יעיל ובר־תחזוקה, ולהציג יכולת הנדסית שמתאימה לעולם הפיתוח המודרני.

במהלך התחרות המשתתפים מתמודדים עם אתגר אמיתי המדמה עבודה בסביבת מוצר, שבו עליהם לנתח דרישות, לזהות תרחישים חשובים, לבנות בדיקות אוטומטיות, להתמודד עם כשלים, לדבג תקלות ולהראות לא רק תוצאה עובדת, אלא גם חשיבה מקצועית מאחורי הפתרון. הדגש הוא על איכות הקוד, בחירת הכלים, מבנה הפרויקט, יציבות הבדיקות, יכולת תחזוקה, דיווח ברור על תקלות והיכולת לייצר ערך אמיתי לצוותי הפיתוח והמוצר.

ITAC נועדה לתת במה לקהילה המקצועית בישראל ולהראות שאוטומציה היא הרבה מעבר לכתיבת סקריפטים. מדובר בדיסציפלינה הנדסית שלמה, שמשלבת הבנה טכנולוגית, חשיבה ביקורתית, בדיקות תוכנה, פיתוח, תשתיות, תהליכי CI/CD, עבודה עם כלים מתקדמים ולעיתים גם שימוש בבינה מלאכותית כדי לשפר את תהליך הבדיקה.

התחרות מתקיימת ביוזמת ITCB ובשיתוף שותפים מהתעשייה, מתוך מטרה לקדם את תחום האוטומציה בישראל, לעודד מצוינות מקצועית, לחשוף כישרונות חדשים ולחבר בין אנשי בדיקות, מפתחים, מנהלים, חברות וקהילות טכנולוגיות. עבור המשתתפים זו הזדמנות להוכיח יכולות, ללמוד מאחרים, לקבל חשיפה מקצועית ולהיות חלק מאירוע שמסמן את עתיד עולם הבדיקות והאוטומציה.

בסופו של דבר, ITAC היא לא רק תחרות. היא הצהרה מקצועית: עולם הבדיקות משתנה, האוטומציה הופכת למרכיב מרכזי באיכות המוצר, ואנשי הבדיקות של העתיד צריכים לדעת לשלב בין חשיבה בדיקותית עמוקה לבין יכולות הנדסיות מתקדמות. ITAC באה בדיוק כדי להראות את זה — על במה אחת, מול הקהילה כולה.

קישור לאתר התחרות:  WWW.ITAC.CO.IL

סיכום מלא של הפרק

בפרק הזה של פודקאסט טסט.איי.אל מבית אי.טי.סי.בי, נתנאל הרוש מארח את שי ששון לשיחה עמוקה ומרתקת על מה שבאמת קורה מאחורי הקלעים של עולם הבינה המלאכותית – מעבר לכלים שכולנו מכירים ולשימושים היומיומיים שהפכו לחלק מהחיים שלנו.

שי, שעוסק בתחום כבר יותר מ־20 שנה, מספר כיצד התחיל לעבוד עם מערכות בינה מלאכותית עוד בתקופה שבה התחום היה שייך כמעט רק לצבאות, מדינות ותאגידים גדולים. הוא מתאר עולם שבו פעולות שכיום ניתן לבצע בתוך שניות, דרשו בעבר מחשבים חזקים במיוחד, שעות ארוכות של עיבוד ועלויות עצומות.

השיחה מתמקדת במהפכה שהתרחשה בשנים האחרונות – שילוב של מחשוב ענן, אינטרנט מהיר, כוח עיבוד מתקדם וכמויות מידע אדירות, שאפשרו לבינה המלאכותית להפוך מכלי יקר ומוגבל לטכנולוגיה שכל אדם יכול להשתמש בה.

אחד הנושאים המרכזיים בפרק הוא המעבר ממערכות שמגיבות לפקודות בלבד, למערכות שמסוגלות ללמוד, לחקור, לחפש פתרונות ולבצע משימות באופן עצמאי. שי מתאר כיצד מערכות כאלה כבר יודעות לאתר בעיות, לחפש מידע ברחבי האינטרנט, לבדוק פתרונות שונים ולנסות לפתור תקלות ללא התערבות אנושית כמעט בכלל.

בהמשך הפרק עולה גם נושא הדור הבא של הבינה המלאכותית – מערכות שצפויות להגיע לרמת חשיבה ויכולת המזכירות חשיבה אנושית מלאה. שי מסביר שלדעתו הציבור עדיין לא מבין עד כמה הטכנולוגיה כבר מתקדמת, וכי החברות הגדולות בעולם מחזיקות ביכולות מתקדמות הרבה יותר ממה שנחשף לציבור הרחב.

השיחה נוגעת גם בהשפעה של הבינה המלאכותית על עולם העבודה. שי טוען שבעתיד הקרוב משימות רבות יתבצעו בצורה אוטומטית לחלוטין, ותפקידים רבים ישתנו משמעותית. במקום לבצע עבודה טכנית שחוזרת על עצמה, אנשים יתמקדו יותר בניהול, קבלת החלטות, חיבור בין מערכות ויצירת רעיונות חדשים.

נושא נוסף שמקבל מקום משמעותי בפרק הוא עולם הרובוטיקה. שי מספר על טכנולוגיות שמאפשרות לרובוטים ללמוד משימות חדשות בצורה עצמאית, במקום להיות מתוכנתים לבצע פעולה אחת בלבד. לדבריו, מדובר רק בתחילת הדרך, ובעתיד נראה רובוטים שמסוגלים להסתגל למשימות חדשות במהירות ובצורה כמעט אנושית.

לקראת סוף הפרק, השיחה הופכת רחבה ופילוסופית יותר. השניים מדברים על האפשרות שהבינה המלאכותית תשפר משמעותית את איכות החיים – פחות שעות עבודה, פחות בירוקרטיה, פתרון בעיות מורכבות ושיפור ברמת החיים של אנשים ברחבי העולם. לצד זאת, עולה גם החשש משימושים מסוכנים בטכנולוגיה – מאבקי כוח בין מדינות, מערכות נשק חכמות ואובדן שליטה אנושי על חלק מהמערכות.

הפרק מסתיים בתחושה ברורה: אנחנו נמצאים רק בתחילת המהפכה. מה שנראה היום מרשים ומתקדם הוא כנראה רק הצעד הראשון בדרך לעולם חדש לחלוטין, שבו הבינה המלאכותית תשפיע כמעט על כל תחום בחיים שלנו.

קישור לפרופיל לינקדאין של שי ששון: https://www.linkedin.com/in/shay-sasson-77aa5256/

קישור לפרופיל לינקדאין של נתנאל הרוש: https://www.linkedin.com/in/netanel-harush/

קישור לקבוצת הוואצאפ של טסט.איי.אל: https://bit.ly/TestIL_Whatsapp

הפרק של היום בחסות מכללת IPC - המכללה המובילה למקצועות הייטק בישראל

IPC - מקצועיות, קריירה ועתיד

https://ipc.co.il/ | 077-2760060

```

פרק #77 | ״אישה בחזית מהפיכה ושינוי ב-איי.טי.אנ.טי״ עם דקר שלום ויעל גולדברג

רקע על יעל גולדברג

יעל גולדברג היא סמנכ"לית חטיבת מרכז הפיתוח ב-איי.טי.אן.טי ישראל
הקריירה שלה התחילה כמפתחת תוכנה בחברת קונברס בזמן לימודיה, שם התקדמה לתפקידי ניהול (ראש צוות וקבוצה)

:בהמשך

עברה לניהול תוכניות רחבות

נחשפה לתמונה הרחבה של תהליכי פיתוח והאילוצים העסקיים

קיבלה הזדמנות לנהל קבוצת בדיקות – למרות חוסר ניסיון קודם

למדה את תחום הבדיקות לעומק (כולל הסמכות מקצועיות)

פיתחה מומחיות משולבת: פיתוח + בדיקות

החיבור בין שני העולמות (פיתוח ובדיקות) הפך לבסיס הקריירה שלה

על איי.טי.אן.טי ומרכז הפיתוח בישראל

איי.טי.אן.טי היא חברה ותיקה מאוד (כ-160 שנה), שהוקמה ע"י ממציא הטלפון

שרדה והתפתחה בזכות יכולת הסתגלות לשינויים

:מרכז הפיתוח בישראל

קיים מעל 15 שנה

נחשב למוביל בתוך הארגון

התחיל כסטארטאפ ישראלי (אינטרוייז) שנרכש ע"י איי.טי.אן.טי

משמש כמוקד מומחיות

:הייחוד המרכזי
👉 דגש על מצוינות טכנולוגית ושיטות פיתוח מתקדמות
👉 לא רק “לייצר תוכנה”, אלא להביא ערך ייחודי

עקרונות מרכזיים בניהול ופיתוח

יעל מדגישה שארגון חייב לבחור ערכים ברורים
:במקרה שלהם

מצוינות מקצועית

חדשנות טכנולוגית

שיפור מתמיד

:הדגש הוא על
👉 השקעה ארגונית במצוינות
👉 מדידה לפי איכות התוצר והאימפקט – לא לפי כמות קוד

https://www.linkedin.com/in/yael-goldeberg-katz/ קישור לפרופיל לינקדאין של יעל

https://www.linkedin.com/in/dakar-shalom-7b6a575/ קישור לפרופיל לינקדאין של דקר

https://bit.ly/TestIL_Whatsapp קישור לקבוצת הוואצאפ של עמותת הבודקים לקבלת עדכונים

תיאור הפרק: התפתחות מקצועית לבדוקי תוכנה

.הדיון מתחיל מתופעה מוכרת: אנשי בדיקות תוכנה מוכשרים עוזבים את התחום אחרי כמה שנים, לרוב לכיוון פיתוח או דבאופס
.הסיבה המרכזית שחוזרת על עצמה: תחושת “תקרת זכוכית” – חוסר במסלול התקדמות ברור בתוך בדיקות תוכנה

.עמית מנסה להתמודד עם הבעיה דרך מודל שמגדיר מסלולי התפתחות אמיתיים בתוך המקצוע

ביצוע משימות בדיקה

עבודה לפי הנחיות

יכולת לתפעל בדיקות (ידניות או אוטומטיות)

זה השלב שבו  - עושים את העבודה

:כאן מתחיל ההבדל האמיתי

.בודק בכיר לא רק מבצע – אלא משפיע על הסביבה שלו

:דוגמאות

מנטורינג לצוות      

מומחיות עמוקה במוצר     

הובלת תחום טכנולוגי (כמו אוטומציה)     

שיפור תהליכים

הפוקוס עובר מ-“מה אני עושה” ל-איך אני משפיע

:בשלב הזה ההשפעה כבר חוצה צוותים

מגדיר אסטרטגיית בדיקות ארגונית     

מחבר בין בדיקות לבין מטרות עסקיות    

בונה חזון   

כוח חילוץ-  למצבים מורכבים    

נכנס לבעיות קריטיות ומייצר פתרון מהיר   

משפר תהליכי עבודה     

בונה כלים שמייעלים את עבודת הצוות     

מתכנת חזק שמתמחה בכלי בדיקות     

בונה תשתיות מתקדמות     

אנשים עם מוניטין רחב    

מפיצים רעיונות חדשים   

מחברים בין קהילות וארגונים   

:אחת הביקורות החזקות בפרק היא על שוק העבודה

בודק תוכנה, מהנדס בדיקות, מהנדס אוטומציה

לא באמת מגדירים מה מצופה מהתפקיד

:התוצאה

מועמדים לא מתאימים מגישים מועמדות     

פערים בין ציפיות למציאות     

:הנושא עולה בסוף הפרק

בינה מלאכותית הוא כלי חזק – אבל לא חובה (עדיין)      

יש הרבה הייפ, אבל השוק עדיין לומד איך להשתמש בו נכון      

שימוש לא נכון יכול אפילו לבזבז זמן (למשל: יצירת כמויות קוד שלא מספיקים לבדוק)    

:המסקנה
בינה מלאכותית חשוב – אבל הוא עוד כלי בארגז, לא תחליף לחשיבה מקצועית

:קישורים שאוזכרו בפרק

https://www.satisfice.com 

https://www.associationforsoftwaretesting.org? 

מסקנה מרכזית

:הפרק שובר מיתוס חשוב

יש התפתחות מקצועית ב-בדיקות תוכנה – אבל צריך להגדיר אותה נכון

:הקידום האמיתי לא מגיע רק מתפקידים חדשים, אלא מ

הרחבת השפעה

העמקת מומחיות

תרומה לארגון ולתעשייה

האזינו לפרק המלא וקחו את הבדיקות שלכם לשלב הבא

https://bit.ly/TestIL_Whatsapp :לקבוצת הוואצאפ של קהילת הבודקים 

https://www.linkedin.com/in/ngqa/ :קישור לפרופיל לינקדאין של ניצן

https://www.linkedin.com/in/amit-wertheimer-ba187550/  :קישור לפרופיל לינקדאין של עמית

 Adaptability פרק #75 - האנציקלופדיה לבדיקות - היכולת של מערכות להסתגל  ( מערכות משולבות בינה מלאכותית) 

כשהמערכת משתנה בלי שאף אחד שינה קוד

אתם מגיעים בבוקר, כל הבדיקות עברו, אין גרסה חדשה, והמערכת נראית תקינה לחלוטין. ואז מתחילים להגיע דיווחים מהמשתמשים שמשהו לא עובד כמו אתמול. אתם בודקים שוב ולא מוצאים שום שינוי. זה הרגע שבו מבינים שהשינוי לא הגיע מהקוד, אלא מהעולם עצמו.

יכולת הסתגלות היא היכולת של מערכת מבוססת בינה מלאכותית להגיב לשינויים בסביבה שלה. המערכת מושפעת מדברים שמשתנים כל הזמן כמו נתונים, משתמשים, שפה, הקשר עסקי וסביבה טכנולוגית. לכן גם בלי שינוי קוד, ההתנהגות שלה יכולה להשתנות.

אבל עצם השינוי אינו מספיק. מערכת טובה צריכה להשתנות בצורה נכונה. היא צריכה להמשיך לעמוד בדרישות, לא לפגוע במשתמשים, לא ליצור הטיות בעייתיות ולשמור על רמת איכות יציבה. התפקיד של הבודק הוא לא רק לבדוק אם המערכת עובדת, אלא לבדוק האם הדרך שבה היא השתנתה היא תקינה.

בעולם הקלאסי בדיקות התמקדו בשאלה האם הפונקציונליות עובדת. בעולם של בינה מלאכותית צריך לשאול שאלה אחרת: האם המערכת עדיין נכונה. מערכת יכולה להחזיר תשובות, לעבור בדיקות ולהיראות תקינה, ובכל זאת לא להתאים למציאות המשתנה.

אפשר לראות את זה בדוגמאות שונות. מערכת לסינון מיילים יכולה להתחיל לחסום הודעות חשובות בגלל שינוי בשפה או בניסוח. מערכת לזיהוי תמונה יכולה לאבד דיוק בגלל שינוי בתאורה או במצלמות. מודל אשראי יכול להתחיל לדחות יותר בקשות בגלל שינוי בהרכב האוכלוסייה. צ׳אטבוט יכול להיכשל כאשר המשתמשים עוברים לשפה חדשה עם סלנג וקיצורים. בכל המקרים האלה אין תקלה קלאסית, אלא תגובה לשינוי שלא נבדקה נכון.

כדי לבדוק יכולת הסתגלות צריך לשנות גישה. צריך להשתמש בנתונים אמיתיים מהשטח ולא רק בנתונים נקיים ומלאכותיים. צריך לבדוק איך המערכת מתמודדת עם קלטים בעייתיים, שגיאות ותנאים קיצוניים. צריך להשוות התנהגות לאורך זמן ולבדוק לא רק אם משהו עובד אלא אם הוא השתנה, ואם השינוי הוא שיפור או הידרדרות. בנוסף, מאחר שאין תשובה אחת נכונה, יש לבדוק עקביות, היגיון ועמידה בחוקים ובגבולות. ולבסוף, חשוב לעבוד עם הצוות ולהבין מה באמת קריטי לעסק כדי להעריך נכון את המשמעות של השינוי.

חשוב להבין שיכולת הסתגלות אינה כאוס. המערכת לא אמורה לפעול באופן חופשי ללא גבולות, אלא להשתנות בצורה מבוקרת ובהתאם לחוקים ולדרישות.

השורה התחתונה היא שבעולם של בינה מלאכותית לא מספיק שהמערכת עובדת. צריך לשאול האם היא עדיין נכונה גם אחרי שהשתנתה.

האזינו לפרק המלא וקחו את הבדיקות שלכם לשלב הבא

https://bit.ly/TestIL_Whatsapp :לקבוצת הוואצאפ של קהילת הבודקים

https://www.linkedin.com/in/ngqa/ :קישור לפרופיל לינקדאין של ניצן

?מה זה מודל שפה גדול

מערכת שלומדת מטקסטים רבים מאוד, ומנבאת מילים בצורה סטטיסטית
היא לא מבינה באמת — אלא חוזה המשך

האתגר בבדיקות

:בניגוד לתוכנה רגילה

אין תשובה אחת נכונה

יש תחום אפור

חוויית משתמש קשה למדידה
 

הפתרון: בינה מלאכותית כשופטת

:משתמשים במודל אחד כדי לבדוק מודל אחר

נותנים קריטריונים
מבקשים דירוג
מקבלים ציון
 

? איך מלמדים את השופט

:שתי דרכים

מתן דוגמאות והנחיות ברורות
אימון על נתונים ייעודיים
 

בעיה: הטיה אנושית בנתונים

פתרון להטיה

:מגדירים עקרונות קבועים (כמו חוקה)

לא להפלות
לא להמציא מידע
להיות שקוף
 

המודל בודק את עצמו לפי זה ומשתפר

בעיית ״המצאות מידע״

המודל לפעמים ממציא תשובות שנשמעות נכונות

:דרכי התמודדות

בקרה אנושית
חיבור למידע אמיתי
בדיקה באמצעות מודל נוסף
הנחיות מדויקות
 

?איך מודדים איכות

ציונים לפי קריטריונים
אחוז הצלחה (למשל 85%)
בדיקות אנושיות להשוואה
 

?מה זה סוכן

מערכת שמבצעת משימות לבד

:מרכיבים

מוח (מודל שפה)
הוראות
זיכרון
מידע חיצוני
יכולות פעולה
חיבור לעולם האמיתי

יש תקן שמאפשר חיבור למידע וכלים חיצוניים בצורה מסודרת ואחידה

?איך בונים סוכן

יש כלים ללא קוד או פיתוח מלא
 

שינוי בעולם הפיתוח

:המפתחים

פחות כותבים קוד
יותר מפקחים ומכוונים
 

מסקנה

הבינה המלאכותית לא מחליפה אנשים -  היא הופכת אותם למנהלים של מערכות חכמות

קישור לפרופיל לינקדאין של יאיר כהן

קישור לפרופיל לינקדאין של נתנאל הרוש

קישור לקבוצת העדכונים של עמותת הבודקים בוואצאפ

פרק #73 - הקשר בין מנהיגות מודרנית לאיכות עם ניצן גולדנברג מראיין את פבל מלין 

כיצד סגנון המנהיגות בארגון משפיע על איכות המוצרים והשירותים? בפרק זה נצלול לקשר בין מנהיגות מודרנית לניהול איכות, ונבחן כיצד התפתחות הגישות הניהוליות לאורך המאה האחרונה עיצבה את הדרך שבה ארגונים משיגים מצוינות

נעסוק בהתפתחות עולם האיכות – מהניהול המדעי של פרדריק טיילור, דרך בקרת איכות סטטיסטית של וולטר שוהרט, ומעגל השיפור המתמיד תכנון–ביצוע–בדיקה–פעולה של אדוארדס דמינג

בהמשך נדבר גם על גישות מתקדמות לניהול איכות, כמו ניהול איכות כולל ניהול אג'ילי וניהול רזה גישות שמדגישות שיפור מתמיד, עבודה צוותית והתמקדות בערך ללקוח

בנוסף נבחן את השינוי בתפקיד המנהל: ממודל היררכי המתמקד בשליטה ותהליכים, למנהיגות מודרנית שמדגישה מיומנויות רכות כמו תקשורת אפקטיבית, אינטליגנציה רגשית, העצמת עובדים ויצירת ביטחון פסיכולוגי בצוות

בפרק נבין כיצד תקשורת ברורה, ניהול קונפליקטים, משוב מתמשך ויכולת הסתגלות לשינויים יכולים להשפיע ישירות על איכות העבודה והמוצר – וליצור תרבות ארגונית שמובילה לשיפור מתמיד, חדשנות והצלחה לאורך זמן

מבוסס על מאמרו של פבל מלין

קישור לפרופיל לינקדאין של פבל

קישור לקבוצת הוואצאפ של עמותת הבודקים של ישראל

בפרק הזה נדבר על שינוי תפיסה משמעותי בפיתוח קריירה – מעבר ממיקוד בחולשות למיקוד בחוזקות
הרעיון המרכזי: המרחב הגדול ביותר לצמיחה והתפתחות אינו טמון בשיפור החולשות שלנו – אלא בחיזוק החוזקות

המאמר פורסם בגיליון 42 של מגזין ״עולם הבדיקות״, רבעון שלישי 2025

:רובנו גדלנו על תפיסה ברורה

תשתפר במה שאתה לא טוב בו
תתקן את מה שמקולקל
תמצא את הבאגים

כאנשי בדיקות – זו אפילו המומחיות שלנו
אבל כשאנחנו מפעילים את אותו "מיינדסט של באגים" על הקריירה שלנו – אנחנו לעיתים שמים לעצמנו מקלות בגלגלים

ארגון המחקר האמריקאי חקר מעל מיליון אנשים ויותר מ-50,000 צוותים, ובדק מה מייצר הצלחה, שביעות רצון וביצועים גבוהים

:המסקנה חד משמעית

אנשים וצוותים מצליחים יותר כשהם עובדים מתוך החוזקות שלהם – לא מתוך ניסיון לתקן חולשות

:כאשר

משימות מותאמות לחוזקות

:הפידבק מחזק את השימוש בהן ואז יש

יותר מעורבות

ביצועים גבוהים יותר

פחות שחיקה

יותר מחוברות לארגון
 

וזה לא אומר להתעלם מחולשות – אלא לשים את הפוקוס במקום שמייצר מקסימום צמיחה

:איילת מחלקת את החוזקות לשני סוגים

כישרון + ידע + ניסיון
לדוגמה: חקירה עמוקה, תכנון טסטים, הבנת מערכות מורכבות

דברים שממלאים אותנו באנרגיה
פעילויות שמרגישות טבעיות ונותנות תחושת חיוניות

:תפקוד שיא קורה בנקודת ההצטלבות בין

מה שאני טוב/ה בו

מה שנותן לי אנרגיה וסיפוק
 

:שם אנחנו

גם מצטיינים

גם נהנים

גם מרגישים ערך עצמי גבוה
 

לא כל חוזקה היא בהכרח מקור אנרגיה
אפשר להיות מעולים במשהו – וזה עדיין ירוקן אותנו

איילת משתפת שבניהול קבוצת בדיקות תוכנה היא הייתה מאוד חזקה בהבנת מערכות ומתן פידבק
היא הוזמנה להרבה סקירות וישיבות – כי זו הייתה חוזקה ברורה

?אבל בפועל
זה שאב ממנה אנרגיה

במקביל, פעילויות שלא נחשבו "תחום המומחיות שלה" – כמו פיתוח סדנאות קריירה ומנטורינג – דווקא מילאו אותה באנרגיה

מה שהתחיל כצדדי – הפך בהמשך לחלק מהמקצוע שלה

קחו דף וחלקו לשתי עמודות

עמודה 1: במה אני חזק/ה? (לפחות 10 דברים)
?עמודה 2: ממה אני נהנה/ית? מה נותן לי אנרגיה וסיפוק

קישור לשאלון של איילה

:לאחר מכן

סמנו את מה שחוזר על עצמו בין העמודות

שם נמצא הרמז לאזור תפקוד השיא שלכם
 

אפשר גם למלא שאלון כתוב שמחדד את המקומות שבהם אתם במיטבכם

כשנכנס פרויקט חדש – דחפו לחלק שמתאים לחוזקות שלכם
בראיונות עבודה – הציגו את עצמכם דרך אזור תפקוד השיא
בשיחות משוב – שתפו במה שמאפשר לכם להיות במיטבכם
חפשו יוזמות ופעילויות שמחוברות לאזור הזה

יש אנשים שאולי מקצועית הם בינוניים – אבל חברתית הם כוכבים
הם מחוברים, משתתפים ביוזמות, בהאקתונים, בצוותי חדשנות, בפעילויות משאבי אנוש

הם פורחים כשהם מחוברים לאנשים
שם תפקוד השיא שלהם – ביצירת קשרים ובהשפעה רוחבית

איילת משתפת שבתקופה מאתגרת בקריירה, כשהרגישה תקיעות באחד הדומיינים שבאחריותה – ההתמקדות בחוזקות שלה שמרה על המוטיבציה

:תפקוד השיא

משמר ביטחון

מעלה מסוגלות

מאפשר להתמודד עם אתגרים ממקום יציב
 

להכיר את עצמך – זה כלי עבודה
להשקיע זמן בתפקוד השיא שלך – זו אסטרטגיית פיתוח קריירה

:במקום לשאול

?איפה אני לא מספיק טוב

:שאלו

?איפה אני גם טוב וגם מתמלא מזה באנרגיה

שם נמצאת קפיצת הגדילה הבאה שלכם

אם גם אתם רוצים לעשות את הצעד הבא בקריירה – זה הזמן להצטרף לקורס בדיקות התוכנה של מכללת איי פי סי

מדובר בקורס עדכני, מעשי ומקצועי במיוחד, שמשלב בין בדיקות ידניות, אוטומציה וכלים מתקדמים מעולם הבינה המלאכותית

תלמדו איך לתכנן, להריץ ולנתח בדיקות בצורה חכמה – כולל הכנה מלאה להסמכת ISTQB הבינלאומית

עם מרצים מנוסים מהתעשייה, ליווי אישי ותיק עבודות אמיתי – תקבלו את כל הכלים להשתלב בהצלחה בתחום

לפרטים והרשמה חפשו מכללת איי פי סי בגוגל או הקליקו על הקישור

להרשמה לתחרות הבדיקות תוכנה של ישראל

https://www.youtube.com/embed/qKt0X4JJnho?si=BB23W6LGveHdJnjK

 [email protected] :אם גם אתם מעוניינים להשתתף בפודקאסטים, אנא צרו עימנו קשר במייל

קישור לערוץ הפודקאסט שלנו

רקע על האורח – ויקטור אוסיפוב

ויקטור בן 47, גרוש ואב לשניים, מגיע מרקע עשיר בתחום האלקטרוניקה והבקרה 

שירת בצה"ל בתחום האלקטרוניקה

עבד 17 שנים באינטל בתחום הבקרה והתקשורת

המשיך לעבוד במקורות בבדיקת מערכות של תחנות שאיבה, כולל סימולציות

עבר לסטארטאפ בתחום מדעי – "חתול מדע"

כיום ראש צוות בדיקות מסירה בחברת החשמל – דרך קבלן משנה (טסטנט) דרך אריקסון
 

מה זה אומר לעבוד בבדיקות בחברת החשמל

ויקטור וצוותו עוסקים בבדיקות למערכת מונה חכם

המונה מעביר נתוני צריכת חשמל למרכז הבקרה

מדובר בפרויקט מורכב הכולל תקשורת, בטיחות, אבטחה, רגולציה, וסנכרון עם מערכות כמו סאפ

החברה משתמשת בשירותי אאוטסורס נוספים, בנוסף לצוותים פנימיים
 

המערכות 

מערכות רבות מאוד, לרוב מונוליטיות, הדורשות תקשורת מתואמת ביניהן

דוגמה  סאפ מנהלת מעקב אחרי התקנת מונים, סטטוס מלאי וכו'
 

מתודולוגיות בדיקה

עובדים בעיקר במודל של קבלנות לפי נפח עבודה ולא במתודולוגיות מודרניות כמו אג׳ייל או מרתונים

אין שימוש באוטומציה או בינה מלאכותית בצוות של ויקטור (לפי דרישת ההנהלה), אם כי צוותים אחרים כן עוסקים באוטומציה

מתודולוגיית הבדיקה המרכזית

בדיקות מסירה

בדיקות פונקציונליות מול מערכות ניהול
 

בדיקות חקרניות - הבדיקות "הטעימות" ביותר בעיניו של ויקטור
 

באגים מעניינים

הבאגים המהנים ביותר הם אלו שלא חלק מנפח העבודה הרשמי – כאלו שנמצאים מתוך היכרות עמוקה עם המערכת (בדיקות חקרניות)
צוותו מצא כ-100 באגים במערכות שכבר עברו בדיקות איכות של חברות מפתחות – כולל באגים קריטיים
 

תהליכי גרסה ושחרור

אין תהליך אג׳ייל אמיתי או שחרור יומי

מערכות שונות משתחררות בגרסאות נפרדות, לא תמיד מסונכרנות

דוגמה מטרידה  לעיתים סביבת טסט מקבלת גרסה חדשה יותר מסביבת דב
 

סקיוריטי, פרפורמנס, ותחומי אחריות

יש חלוקה ברורה בין צוותים

צוותים שמתמקדים בפונקציונליות

צוותים שעוסקים בביצועים, אבטחה, סאפ ועוד

כל צוות הוא "דומיין אקספרט" – מתמקצע בתחום ספציפי מאוד, אך חסר גמישות תפעולית
 

בינה מלאכותית ואוטומציה

בצוות של ויקטור אין שימוש בבינה מלאכותית או אוטומציה

בחלקים אחרים של חברת החשמל כן יש פרויקטים באוטומציה 

תובנות כלליות

ויקטור מדגיש את החשיבות של לא למהר להגדיר בג כקריטי - לפעמים מדובר בטעות בשימוש או בהבנה
כל בג צריך לעבור אימות חוזר, בדיקה על מספר מונים, ורק לאחר מכן לפתוח טיקט
 

נקודה אישית בסיום

ויקטור מביא גישה מקצועית, אך גם הומור, אהבה לתחום, וכנות לגבי האתגרים – כמו עמידה מול חסמים, קצב עבודה שונה מחברות הייטק, והצורך באלתור בתוך מסגרות נוקשות