ניוזלטר מס' 6

מדלגים ישר לנושא שמעניין אתכם:

📊 Excel • 🎯 מצגות • 📈 נתונים • 🤝 ייעוץ וסטרטאפים • 🤖 כלי AI

Newton Excel Bach מדגים איך לחבר את היכולות של Python בתוך Excel כדי להריץ סימולציות מונטה קרלו על מודלים פיננסיים. במקום להסתבך עם מאקרו ו-VBA, מקבלים את עוצמת הספריות של Python בתוך התא, עם תוצאות שמתעדכנות אוטומטית. שווה למי שעובד עם מודלים שדורשים בדיקת הסתברויות וניתוח סיכונים, ובמיוחד למי שמרגיש שהגיע לקצה היכולות של Excel הקלאסי.

XelPlus עוברת על שלוש דוגמאות פרקטיות שבהן Python בתוך Excel חוסך זמן משמעותי: ניקוי טבלאות מבולגנות, מיזוג קבצים מרובים והרצת חישובים סטטיסטיים מהירים. ההסבר מותאם גם למי שלא מכיר Python לעומק, ומדגיש את הצעדים שאפשר לבצע מהיום הראשון. אם אתם מבזבזים שעות על ניקוי דאטה לפני עבודה עליו, יש כאן פוטנציאל חיסכון אמיתי.

לא כל הגרפים של Excel חייבים להיראות כאילו הם משנת 2003. ג׳ון מ-Excel Campus לוקח גרף קווי גנרי ועובר עליו צעד אחר צעד, מסביר אילו אלמנטים להסיר, אילו צבעים לבחור ואיך להבליט את הנקודה החשובה. התוצאה הסופית נראית מקצועית בלי להזדקק לכלי עיצוב חיצוני, ויש שם רעיונות שמיישמים תוך דקות.

רוב הסקירות של כלי מצגות AI בוחנות איך נראית התוצאה אחרי לחיצה אחת, אבל זה לא משקף עבודה אמיתית. הסרטון של Presentation Process עובר על תרחיש של שינויים חוזרים במצגת אחת, כי ככה זה באמת קורה ביום-יום. Beautiful.ai מצליח לשמור על מבנה, ריווח והיררכיה גם אחרי כמה סבבי עריכה, וזה מה שהופך אותו לכלי שכדאי לבחון לעומק.

השאלה הזו עולה כל הזמן בקרב מעצבים ויוצרים, וב-visme לקחו אותה לדיון של ממש. במקום תשובה אחת חדה, מציגים בסרטון כמה זוויות, איך כלי ה-AI משנים את שלב הסיעור מוחות, מה הם עושים טוב באמת ואיפה דווקא הם עוצרים את היצירתיות. מומלץ למי שמחפש פרספקטיבה מאוזנת לפני שמשתלב או דוחה את ה-AI בתהליך העיצוב.

בחירת גופן למותג נשמעת כמו החלטה אסתטית בלבד, אבל יש מאחוריה היגיון מסחרי וניהולי. הסרטון הקצר של visme מציע כללי אצבע פשוטים לבחירה נכונה, כולל איך לזהות גופנים שמעבירים את הטון הנכון ולמה כדאי להגביל את עצמכם לשניים או שלושה. שווה צפייה מהירה לפני העדכון הבא של תבנית מצגת או מסמך תאגידי.

Visual Capitalist מציגים סקירה ויזואלית של הנתונים מאחורי השימוש בפועל ב-AI בעבודה, ולא מה שמדווחים שהם עושים. המספרים מפתיעים: סיכומים, כתיבה ראשונית וניקוי טקסט מובילים בגדול, בעוד שכלי קוד ויצירת תמונות נשארים נישתיים. הוויזואליזציה עצמה היא דוגמה טובה לאיך לבנות אינפוגרפיקה שמספרת סיפור בלי להעמיס. שווה לחיסכון בזמן בפעם הבאה שתבנו מצגת על אימוץ AI בארגון.

Junk Charts ממשיכים במסורת של פירוק תרשימים בעייתיים, ובפוסט הזה הם מנתחים גרף על מחירי בקר שעבר בכלי תקשורת מובילים. כל שגיאה שהם מצביעים עליה, מציר לא מאופס ועד מקרא מטעה, היא כזו שאתם עלולים לעשות במצגת הבאה שלכם בלי לשים לב. הקריאה הזו היא כמו שיעור פרטי על מה לא לעשות, ושווה לכל מי שמכין דוחות נתונים באופן קבוע.

Datawrapper משחזרים פרויקט שעיתון גרמני יצר על מצוקת תרומות הדם במדינה, ומסבירים את הבחירות הוויזואליות שמאחורי כל גרף. מעבר לערך החברתי של הנושא, הפוסט מהווה שיעור מעולה בעיצוב מידע שמדבר ללב בלי להיות מניפולטיבי. אם אתם מעבירים נתונים שדורשים אמפתיה מהקהל, יש כאן רעיונות שאפשר ליישם מיד.

סת׳ גודין חוזר לאחד הנושאים הכואבים בעולם העבודה, השאלה אם המשרה שלכם באמת מייצרת ערך. הפוסט קצר אבל חד, ומציג מסגרת חשיבה שתעזור לכם להבחין בין פעילות שמרגישה עמוסה לבין כזו שבאמת מקדמת תוצאה. הקריאה הזו רלוונטית במיוחד למייעצים ולמנהלים שעוצרים מדי פעם לבדוק במה הצוות שלהם משקיע את הזמן.

כשכמעט 90% מהארגונים כבר משתמשים ב-AI לפחות בפונקציה עסקית אחת, השאלה עברה מ״אם״ ל״איך מייצרים יתרון שמתחרים לא יכולים לשכפל״. McKinsey מזהים שישה מסלולי חפיר ושלוש יכולות שמייצרות יתרון אמיתי: ניהול נתונים כנכס אסטרטגי, AI מוטמע שיוצר אפקטי רשת, ומהירות ארגונית כמנוף. המסגרת שימושית במיוחד למייעצים שרוצים לעזור ללקוחות לעבור מ״AI כמו כולם״ ל״AI שמבדל אותנו״.

כמעט שני שלישים מהחברות השקיעו ב-AI בשנה האחרונה, אבל 60% מדווחות שלא ראו ערך מינימלי מהשקעתן. BCG מסבירים מה מבדיל את המנהיגים שמצליחים ליצור יתרון עלויות אמיתי מאלה שמשלמים הרבה ולא מרוויחים. הממצא המרכזי: הערך לא בא מהכלי עצמו אלא מהאינטגרציה שלו בתוך תהליכים עסקיים ספציפיים. מאמר מעשי לכל מי שמלווה ארגונים בתהליך הטמעת AI.

Geeky Gadgets עורכים השוואה ראש בראש בין שני המודלים הגדולים ובוחנים אותם במשימות עבודה אמיתיות: כתיבה, ניתוח אסטרטגי, קוד ובינוי ממשק. המסקנה לא חד משמעית, וזה דווקא מה שהופך את הסקירה לשימושית, כי היא מציעה מתי לבחור באיזה מודל לפי סוג המשימה. אם אתם משלמים על שני המנויים, או חושבים מאיזה לוותר, יש כאן בסיס טוב להחלטה.

The Rundown AI מדווחים על פריצת דרך מתמטית של OpenAI שמערערת על הנחה שהתקבעה במהלך 80 שנה. מעבר לעניין המדעי, יש כאן סימן כיוון לגבי מה שמודלים מתקדמים יכולים לעשות במחקר מקצועי, ולא רק בחיקוי שפה. הקריאה הזו מומלצת לכל מי שעוקב אחרי איך AI עובר מ״כלי עזר״ ל״עמית מחקר״, ובמיוחד למי שמייעץ לארגונים שחושבים איפה בדיוק להשקיע.

Thinking Machines Labs, חברה שהוקמה על ידי מירה מוראטי, CTO לשעבר של OpenAI, השיקה מודל אינטראקציה חדש שמרחיב משמעותית את הקטגוריה. הסרטון מציג הדגמות של תרגום סימולטני ויכולת להפסיק את המשתמש באמצע משפט בצורה טבעית. אם אתם עוקבים אחרי חלוקת הכוחות בעולם ה-AI, הכניסה הזו של שחקן חדש שווה תשומת לב, כי מדובר במהלך שעשוי לערער את המבנה הנוכחי של השוק.