מה בנינו, בדקנו ולמדנו בספטמבר

1. MyRentCar: תהליך צמיחה שמבוסס על ראיות

תיקון נבדק בייצור · תוצאת הניסוי ללא מסקנה

העבודה על MyRentCar חיברה ביצועי חיפוש, תצפיות על משפך ההזמנה ובדיקות תוכן בשתי שפות לתהליך פרסום מבוקר. כל שינוי מוצע נדרש לענות על צורך מוגדר של המשתמש ולעבור בדיקות מקורות, התאמה בין שפות וחוויית הזמנה.

במהלך ספטמבר תוקן ליקוי בניווט בין שפות, ודפי הייצור נבדקו מול הגרסה שנבחנה לפני הפרסום. בדיקות ההזמנה בנייד בחנו גם אם שדות האיסוף והתאריכים וכפתור החיפוש של הספק נראים במסך טלפון קצר.

התהליך כלל ניסויים עם שאילתה ודף מוגדרים מראש וחלונות תצפית קבועים. הניסוי בנושא איסוף רכב משדה התעופה לעומת איסוף בעיר נסגר ללא מסקנה: המדגם היה קטן, לא נצפו לחיצות בחיפוש בחלונות שנקבעו ושינוי בניווט הקשה על הפרשנות. שינוי במיקום לא הוצג כהוכחה לצמיחה עסקית.

הלקח: תהליך צמיחה מועיל יכול להמליץ על תיקון, על ניסוי חדש או על הימנעות משינוי. צפייה בדף הזמנה, אינטראקציה עם רכיב או אירוע בטופס של ספק אינם הזמנה שהושלמה.

2. מעבדת AI לצוותי תשתיות ותפעול

הסדנה וערכת ההדגמה הוכנו · התרגילים המקומיים נבדקו

הכנו סדנת AI בעברית וערכת הדגמה לצוותי תשתיות. החומר מחבר שימוש ב-AI למשימות תפעוליות מוכרות: ניתוח הקלטת תעבורת רשת, חקירת DNS, בדיקת סקריפט Bash וכתיבת טיוטת נוהל לטיפול בתקלה.

הערכה משתמשת בנתונים סינתטיים ובמעבדה מקומית. תרגילים נוספים עוסקים בתעבורה ובדפוסי גישה חשודים, בכשל מבוקר של שירות HTTP ובהזרקת הוראות. הערות למרצה ומדריך עבודה מפורט מאפשרים תרגול חוזר שאינו תלוי בהדגמה מוצלחת יחידה.

ההכנה כללה בדיקות מקומיות לסקריפטים ולנתוני המעבדה. מדריך העבודה זמין באנגלית עם פרומפטים בעברית, לצד גרסה בעברית. חזרה חיה עם Copilot עדיין דורשת כניסה לחשבון המאושר להצגה; ההכנה והבדיקות המקומיות אינן מוצגות כהוכחה שהסדנה כבר הועברה.

הלקח: מלמדים צוותים לבחון ראיות, להפריד בין תצפיות להשערות ולבדוק פעולות מוצעות לפני ההרצה. תרגיל טוב פועל עם נתוני דוגמה בטוחים וכולל דרך ברורה לחזרה למצב תקין.

3. מסירה בענן עם גבולות אימות ברורים

גרסת יישום והסבת נתונים נבדקו בסביבת בדיקות

עבודת המסירה בספטמבר כללה גם שינויי יישום שחייבו הסבת נתונים. הגרסה נבדקה בסביבת בדיקות, ולאחר מכן בוצע אימות עצמאי של מצב הנתונים. השלמת העבודה נקבעה לפי ההתנהגות שנפרסה ותוצאת האימות, ולא רק לפי מיזוג הקוד.

הדוגמה מתוארת ללא נתוני לקוח וללא פרטי מערכת פנימיים. היא מדגימה גישה תפעולית: זיהוי סביבת היעד, הבנת היקף ההסבה, בדיקת הגרסה ואימות נפרד של הנתונים שהתקבלו.

הלקח: ראיות מסביבת בדיקות מעידות על תוצאה בסביבת בדיקות. מוכנות לייצור והעלאה לייצור הן החלטות נפרדות, עם בדיקות משלהן.

מה זה אומר לצוות שלכם

העבודות האלה חולקות דפוס מעשי: מגדירים את בעיית המשתמש, בונים שינוי קטן ומועיל, בודקים את ההתנהגות בפועל ומשאירים תיעוד ברור של מה הושלם ומה עדיין לא ודאי.

• בתהליך צמיחה מתחילים ממדידה אמינה וממשימה מוגדרת של הלקוח.
• באימוץ AI מספקים לצוות תרגיל שאפשר לחזור עליו, נוהל עבודה ונתונים בטוחים.
• במסירת יישום משלבים בדיקות גרסה עם אחריות תפעולית ואימות עצמאי.

TSI Integration מסייעת דרך אסטרטגיה וארכיטקטורת AI, יישום מעשי והובלה הנדסית. שתפו את תהליך העבודה או את מגבלת המסירה שתרצו לשפר, ונוכל לזהות נקודת התחלה מוגדרת.