מכון מאיירס-ג'וינט-ברוקדיילMyers-JDC-Brookdale Institute

✨ טיפים לחוקרים · חלק 2Tips for Researchers · Part 2

לעבור מהנדסת פרומפטים ← להנדסת הקשר From Prompt Engineering → Context Engineering

הכינה: זהר אור שרביטPrepared by: Zohar Or Sharvit

איך לעבוד עם AI בצורה חכמה ובטוחה. How to work with AI smartly and safely.

הדור הקודם של עבודה עם AI היה "לכתוב פרומפט טוב". הדור הנוכחי הוא לבנות הקשר טוב: לתת לכלי את כל מה שהוא צריך כדי לעזור לכם. The previous era of working with AI was "write a good prompt." The current era is building good context: giving the tool everything it needs to help you.

במדריך הנוכחי נסביר את ההבדל, איך עושים את זה בכל כלי, ואיך שומרים על המידע של המכון. In this guide we explain the difference, how to do it in every tool, and how to keep the institute's data safe.

✍️

הנדסת פרומפטיםPrompt Engineering

6 עקרונות לבקשות חכמות מ-AI, ופירוט יישום לפי סוג הכלי.6 principles for smart AI requests, with per-tool application details.

🧩

הנדסת הקשרContext Engineering

השכבה הבאה אחרי הפרומפט: איך לתת לכלי את כל הרקע שצריך לתשובה מדויקת.The next layer beyond the prompt: how to give the tool the background it needs for a precise answer.

⚖️

פרומפט מול הקשרPrompt vs Context

ההבדל בין השניים, ולמה הוא משנה את כל איכות התשובה שתקבלו.The difference between the two, and why it changes the quality of the answer you'll get.

🔒

אבטחת מידעData Security

איזה מידע מותר ואסור להעלות לכל כלי AI, על פי מדיניות הג'וינט.Which information may and may not be uploaded to each AI tool, per JDC policy.

🚀

חידוש: קופיילוט ארגוני, עכשיו עם בחירת מנוע GPT או ClaudeNew: Org Copilot, now with a choice of GPT or Claude engine

הכלי המומלץ במכון, והיחיד שמותר להזין אליו מידע אישי מזהה.The recommended tool at the institute, the only one cleared for personally identifiable information.

הלב של המדריך
The heart of the guide

מה ההבדל בין פרומפט להקשר?What's the difference between a prompt and context?

נתחיל מהיסוד, בלי להניח שום ידע מוקדם. We start from the basics, assuming no prior knowledge.

💬

פרומפט = הבקשה שלכןPrompt = your request

הפרומפט הוא מה שאתן מקלידות לכלי: השאלה, ההוראה, המשימה. למשל: "סכם לי את הטקסט הזה". הנדסת פרומפטים = לנסח את הבקשה בצורה הכי ברורה ומדויקת. The prompt is what you type into the tool: the question, the instruction, the task. For example: "Summarize this text for me." Prompt engineering = phrasing the request as clearly and precisely as possible.

🧩

הקשר = כל מה שמסביב לבקשהContext = everything around the request

ההקשר הוא כל המידע שהכלי "רואה" כשהוא עונה: מי אתם, מה המטרה, מסמכים שצירפתם, השיחה הקודמת, ודוגמאות. הנדסת הקשר = לדאוג שכל המידע הנכון יהיה לפניו ברגע התשובה. Context is all the information the tool "sees" when it answers: who you are, the goal, documents you attached, the prior conversation, and examples. Context engineering = making sure all the right information is in front of it at the moment it answers.

🍳 אנלוגיה: בקשה למטבחAnalogy: an order to a kitchen

פרומפט הוא ההזמנה שאתם נותנים לטבח ("תכין לי חביתת ירק, בלי פטריות"). הקשר הוא כל מה שיש לטבח במטבח: המתכונים, החומרים, מי הסועד, אילו אלרגיות יש לו. אפשר לנסח הזמנה מושלמת, אבל אם במטבח חסרים חומרים המנה לא תצא טובה. עם AI זה בדיוק אותו דבר: פרומפט מנוסח היטב בלי ההקשר הנכון ייתן תשובה כללית ולא מדויקת. The prompt is the order you give the chef ("make me a veggie omelet, no mushrooms"). The context is everything the chef has in the kitchen: the recipes, the ingredients, who the diner is, what allergies they have. You can phrase a perfect order, but if the kitchen lacks ingredients the dish won't come out well. With AI it's exactly the same: a well-phrased prompt without the right context yields a generic, imprecise answer.

תראו את זה בפעולה
See it in action

אותה שאלה, עם הקשר ובלעדיוSame question, with and without context

🗣️ מה שכתבתן:🗣️ What you wrote:
"כתוב לי פסקה על נוער בסיכון.""Write me a paragraph about youth at risk."
🤖 מה שתקבלו:🤖 What you'll get:
פסקה כללית ומעורפלת על נוער בסיכון בעולם, בלי קשר לעבודה שלכן, לאוכלוסייה שאתן חוקרות, או למטרת הטקסט. תצטרכו לתקן ולשכתב הרבה. A generic, vague paragraph about youth at risk worldwide, unrelated to your work, the population you study, or the text's purpose. You'll need to fix and rewrite a lot.
✗ תשובה כללית✗ Generic answer
🗣️ מה שכתבתם (אותה בקשה + הקשר):🗣️ What you wrote (same request + context):
"אני חוקרת במכון ברוקדייל בתחום ילדים ונוער בסיכון. אני כותבת מבוא לדוח לקובעי מדיניות. צירפתי את ממצאי המחקר. כתוב פסקת פתיחה בעברית מקצועית ונגישה, שמתבססת על הממצאים המצורפים, באורך 5–6 שורות." "I'm a researcher at the Brookdale Institute in the field of children and youth at risk. I'm writing an introduction to a report for policymakers. I've attached the study's findings. Write an opening paragraph in professional, accessible Hebrew, grounded in the attached findings, 5–6 lines long."
🤖 מה שתקבלו:🤖 What you'll get:
פסקה ממוקדת, בטון ובאורך הנכונים, שמתבססת על הממצאים שלכן ומדברת לקהל הנכון. כמעט מוכנה לשימוש. A focused paragraph, in the right tone and length, grounded in your findings and speaking to the right audience. Nearly ready to use.
✓ תשובה מדויקת✓ Precise answer
💡 למה זה קרה?Why did this happen?

שתי הבקשות זהות כמעט. ההבדל הוא ההקשר: בפעם השנייה נתנו לכלי תפקיד, מטרה, קהל, מקור (הממצאים) ופורמט. זה הלב של הנדסת ההקשר: לא לנסח יפה יותר, אלא לספק יותר ממה שצריך. The two requests are almost identical. The difference is context: the second time we gave the tool a role, a goal, an audience, a source (the findings), and a format. That's the heart of context engineering: not phrasing more nicely, but supplying what's actually needed.

מבוסס על הנחיות Anthropic, "Effective context engineering for AI agents" (2025).Based on Anthropic, "Effective context engineering for AI agents" (2025).

🎯 שורה תחתונהBottom line

הנדסת פרומפטים = איך אני מבקש. הנדסת הקשר = מה אני נותן לכלי לפני שהוא עונה. שתיהן חשובות.
ככל שהמשימות מורכבות יותר, ההקשר הוא מה שעושה את ההבדל. Prompt engineering = how I ask. Context engineering = what I give the tool before it answers. Both matter.
The more complex the task, the more context is what makes the difference.

חלק א' · עקרונות
Part A · Principles

6 עקרונות שעובדים בכל כלי6 principles that work in every tool

אותם עקרונות עובדים בקופיילוט, ב-ChatGPT ובכל כלי בינה מלאכותית.The same principles hold in Copilot, ChatGPT, and any AI tool.

1 🎭

תנו תפקיד / פרסונהGive a role / persona

פתחו במשפט שמגדיר את תחום המומחיות שתרצו שתהיה לכלי במשימה הספציפית שאתם מבצעים. ככל שהתפקיד מדויק ומותאם יותר, התשובה תהיה רלוונטית יותר. הנה דוגמאות לפי סוגי משימות נפוצות במחקר:Open with a sentence defining the area of expertise you want the tool to bring to the specific task at hand. The more precise the role, the more relevant the answer. Examples by common research task type:

  • לניתוח נתונים איכותני:"את חוקרת מנוסה בניתוח איכותני במדעי החברה, מומחית בקידוד תמטי של ראיונות עומק וב-grounded theory." For qualitative analysis:"You are an experienced qualitative researcher in social sciences, expert in thematic coding of in-depth interviews and grounded theory."
  • לניתוח נתונים כמותי:"אתה סטטיסטיקאי במחקר חברתי, בקיא בניתוח רגרסיה, מבחני השערות ופירוש מובהקות סטטיסטית." For quantitative analysis:"You are a statistician in social research, skilled in regression, hypothesis testing, and interpreting statistical significance."
  • לביקורת על פרק שכתבתם לדוח:"את עורכת תוכן בכירה בכתיבה אקדמית בעברית, עם ניסיון בהכנת דוחות לקובעי מדיניות." For reviewing a chapter you wrote:"You are a senior content editor for academic writing, with experience preparing reports for policymakers."

זה מכוון את סגנון התשובה, המקצועיות והדיוק שלה.This steers the style, the level of expertise, and the precision of the answer.

2 🎯

הגדירו מטרה למשימה וקהל יעדDefine the task's goal and target audience

שתי שאלות שצריכות תשובה לפני כל בקשה: לְמה התוצר משמש (מטרה), ולמי הוא מיועד (קהל יעד). ככל שמדייקים את שתיהן, התשובה ממוקדת ושימושית יותר.Two questions that need an answer before every request: what the output is for (the goal), and who it's intended for (the audience). The more precisely you define both, the more focused and useful the answer.

  • סוגי מטרות אפשריות:"אני מכינה תוכנית לניתוח נתונים למחקר שכולל דאטה כמותית ואיכותנית."
    "אני כותב תקציר מנהלים לדוח שצירפתי."
    "אני מכינה מצגת להצגה בפני ועדה מקצועית."     Possible task goals:"I'm preparing an analysis plan for a study with both quantitative and qualitative data."
    "I'm writing an executive summary for a report I've attached."
    "I'm preparing slides for a presentation to a professional committee."
  • קהלי יעד נפוצים:קובעי מדיניות · אנשי מקצוע בשטח · מקבלי שירות ובעלי עניין · ועדה מקצועית · חברי הצוות שלי · המנהלת הישירה שלי Common target audiences:Policymakers · Field professionals · Service recipients and stakeholders · A professional committee · My team members · My direct manager
3 ✨

תנו דוגמאות לפלט הרצוי
(מה כן)Provide examples of the desired output
(what to do)

דוגמה אחת שווה יותר מעשרה משפטי הסבר. במקום לתאר את התוצר במילים, הראו לכלי איך נראה תוצר טוב, והוא יחקה את המבנה, הטון והפורמט. שלוש קטגוריות שכדאי לתת בהן דוגמה:One example is worth more than ten sentences of explanation. Instead of describing the output in words, show the tool what a good result looks like, and it will mirror the structure, tone, and format. Three useful categories to give an example in:

  • לסגנון כתיבה:"כתוב בסגנון הפסקה הזו: [פסקה שכתבתם בעבר]" For writing style:"Write in the style of this paragraph: [a paragraph you wrote previously]"
  • למבנה תקציר, דוח או טבלה:"ארגן את התוצר כמו במסמך הזה: [תקציר מנהלים או טבלה שאתם אוהבים]" For structure of a brief, report, or table:"Structure the output like this document: [an executive summary or table you like]"
  • לסטנדרטים אקדמיים ולמקורות:"כתוב לפי כללי APA 7."
    "השתמש במאמרים מתוך כתב העת X בלבד."
    "צטט רק מקורות של WHO, UNICEF או ארגונים בינלאומיים מקבילים."     For academic standards and sources:"Follow APA 7 citation rules."
    "Use only articles from journal X."
    "Cite only sources from WHO, UNICEF, or similar international organizations."

ככל שהדוגמה קונקרטית יותר, התוצר ידמה לה יותר.The more concrete the example, the closer the result will be to it.

4 🚫

הגדירו הגבלות וקווים אדומים
(מה לא)Define constraints and red lines
(what not to do)

הוראות חיוביות אומרות לכלי מה לעשות. הוראות שליליות לא פחות חשובות, הן מבהירות לכלי ממה להימנע וחוסכות עריכה בדיעבד. שלוש קטגוריות הגבלה שכדאי לכלול בפרומפט:Positive instructions tell the tool what to do. Negative instructions matter just as much; they clarify to the tool what to avoid and save editing time. Three categories of constraint worth including in every prompt:

  • לסגנון כתיבה אנושי:"אל תשתמש במקפים ארוכים, בסוגריים מרובעים, או בגרשיים מסולסלים. אל תכתוב בסגנון 'AI' טיפוסי. הימנע ממילים נפוחות כמו 'באמת' או 'בעצם'. כתוב בעברית טבעית וישירה." For natural writing style:"Don't use em dashes, square brackets, or curly quotes. Don't write in typical 'AI' style. Avoid inflated words like 'truly' or 'genuinely'. Write in plain, direct language."
  • לגבולות המחקר:"אל תוסיף ממצאים, ציטוטים או נתונים שלא נתתי לך. אל תכליל מעבר למדגם של המחקר. אל תפרש קורלציה כסיבתיות." For research boundaries:"Don't add findings, quotes, or data I didn't give you. Don't generalize beyond the study's sample. Don't interpret correlation as causation."
  • לפורמט נקי:"אל תוסיף אמוג'ים אלא אם ביקשתי. אל תפרק את התשובה לרשימת בולטים אם זה לא מתאים." For clean format:"Don't add emojis unless I asked. Don't break the answer into bullet points if it doesn't fit."

כל הגבלה שאתם נותנים מראש חוסכת תיקון בדיעבד.Every constraint you set upfront saves an edit afterward.

5 🔬

תתמקדו בכל פעם במשימה אחת ממוקדתFocus on one defined task at a time

אם תבקשו כתיבת פרק ממצאים שלם, ניתוח של קובץ תמלול שלם או סיכום דוח של 60 עמודים, הכלי לא יצליח לבצע את המשימה ותצאו מאוכזבים. תתייחסו לכלי כאל עובד חדש שהגיע היום לעבוד אצלכם וצריך הנחיות ברורות בצעדים קטנים. הנה איך לפרק משימות גדולות נפוצות:If you ask for a whole findings chapter, a full transcript analysis, or a summary of a 60-page report, the tool will fail and you'll be disappointed. Treat the tool like a new employee on their first day, who needs clear instructions broken into small steps. Here's how to break down common large tasks:

  • כתיבת פרק לדוח:במקום "כתוב לי את פרק הממצאים השלם", בקשו "כתוב כותרת ופסקת פתיחה לפרק הממצאים בלבד", ואחר כך "פרט עכשיו רק את הממצא הראשון, עם ציטוט אחד מהראיונות". Writing a report chapter:Instead of "write me the entire findings chapter," ask "write a title and opening paragraph for the findings chapter only," then "now detail just the first finding, with one quote from the interviews."
  • ניתוח תמלול:במקום "סכם את כל התמלולים", בקשו "זהה את שלושת הנושאים המרכזיים בקובץ הראיון הזה בלבד", ואחר כך "מצא ציטוטים שמדגימים את נושא X". Transcript analysis:Instead of "summarize all the transcripts," ask "identify the three main themes in this one interview only," then "find quotes that illustrate theme X."
  • סיכום דוח ארוך:במקום "סכם דוח של 60 עמודים", בקשו "סכם את פרק הסיכום וההמלצות בלבד", או "תן רשימה של 5 הממצאים העיקריים מפרק 3". Summarizing a long report:Instead of "summarize this 60-page report," ask "summarize the recommendations chapter only," or "give me a list of the 5 main findings from chapter 3."

אחרי שקיבלתם תוצר ראשון בדיוק בסגנון שאהבתם, תוכלו לבקש מהכלי לחזור על אותו סגנון גם בפרקים הבאים, בממצאים הבאים, בפרזנטציות הבאות וכו'.Once you have a first output in exactly the style you wanted, you can ask the tool to repeat the same approach for the next chapters, the next findings, the next presentations, and so on.

6 🔁

אל תתייאשו! ושכללו תוך כדיDon't give up. Refine as you go.

אין דבר כזה "כלי לא מוצלח". יש פרומפט לא מדויק, משימה לא ממוקדת, או היעדר דוגמאות חיוביות ושליליות. התשובה הראשונה היא תמיד טיוטה. השקעה בדיוק של התוצר הראשון משתלמת לכל ההמשך. כשהגעתם לתוצר הרצוי, עשו שלושה דברים:There's no such thing as a "bad tool." There are imprecise prompts, unfocused tasks, and missing positive or negative examples. The first answer is always a draft. Investing in the precision of the first output pays off for everything that follows. Once you've reached the output you wanted, do three things:

  • שמרו אותו כתוצר לדוגמה:הניסוח, הפורמט והטון של תוצר מוצלח הופכים לדוגמת התייחסות לפעם הבאה. Save it as a reference output:The phrasing, format, and tone of a successful output become your reference example for next time.
  • בקשו סיכום של תהליך העבודה:"סכם לי את ההחלטות, ההגבלות והניסוחים שהובילו לתוצר הזה." הסיכום הופך לפרומפט מוכן לפעם הבאה. Ask the tool to summarize the process:"Summarize the decisions, constraints, and phrasing that led to this output." That summary becomes a ready-made prompt for next time.
  • הרחיבו את התבנית:אותו פרומפט, אותן הגבלות, על נושאים נוספים. ככה משימה ממוקדת אחת הופכת לתבנית חוזרת. Scale the pattern:Same prompt, same constraints, applied to other topics. One focused task becomes a recurring template.

שיחה עם AI מתחילה תמיד בתהליך הכשרה ודיוקים. ברגע שהגעתם לתוצר המדויק, אפשר לשכפל אותו לעבודות רבות נוספות (ב-Claude זה נקרא Skills).A conversation with AI always starts with training and refinement. Once you've reached the precise output, you can replicate it across many more tasks (in Claude this is called Skills).

קיצור דרך
Shortcut
🪄

אין לכן זמן לנסח? תנו לכלי לכתוב את הפרומפט בשבילכןNo time to write a prompt? Have the tool write it for you

גם בניית פרומפט היא משימה שאפשר להאציל לכלי. תנו לו את המסגרת ואת הפרטים, והוא יבנה את הניסוח המלא:Building a prompt is itself a task you can hand to the tool. Give it the frame and the details, and it will draft the full prompt for you:

📋 פרומפט לבניית פרומפטPrompt for building a prompt
תכתוב לי פרומפט מקצועי ומלא לכלי [שם הכלי, למשל קופיילוט / ChatGPT] לצורך המשימה [תיאור המשימה]. התוצר מיועד ל[קהל היעד, למשל קובעי מדיניות / חברי הצוות שלי]. כלול בפרומפט: תפקיד ומומחיות רצויה של הכלי, מטרה וקהל יעד, דוגמה רצויה לתוצר, הגבלות וקווים אדומים, ומיקוד במשימה הראשונה הנדרשת. הפרומפט צריך להיות מוכן להדבקה, בלי הקדמות או משפטים נלווים. אם יש לך שאלות לפני בניית הפרומפט, שאל אותי.Write me a professional and complete prompt for the tool [tool name, e.g., Copilot / ChatGPT] for the task [task description]. The output is intended for [target audience, e.g., policymakers / my team]. Include in the prompt: the desired role and expertise of the tool, the goal and target audience, a desired example of the output, constraints and red lines, and focus on the first specific subtask. The prompt should be ready to paste, with no preamble or trailing sentences. If you have questions before building the prompt, ask me.
⚠️ עדיין צריך לעבור עליו. אין תחליף לקריאה אנושית של הפרומפט שהכלי כתב. ודאו שהוא כולל את התפקיד הנכון, את הקהל הנכון, את ההגבלות שחשובות לכם, ואת הדוגמה שאתם רוצים. הכלי יכול לפספס פרטים שמשמעותיים בעבודה שלכם. ⚠️ You still need to review it. There's no substitute for a human read of the prompt the tool wrote. Check that it includes the right role, the right audience, the constraints that matter to you, and the example you want. The tool can miss details that are significant in your work.
דוגמה
Example

פרומפט חלש מול פרומפט חזקA weak prompt vs a strong prompt

✗ חלשWeak
"תכין לי שאלון על רווחת ילדים.""Make me a questionnaire about child well-being."
✓ חזקStrong
"אתה מומחה למדידה במדעי החברה. עזור לי לנסח 8 שאלות סגורות בסולם ליקרט לשאלון רווחה לילדים בגילי 10–12. הקהל: הורים. שמור על שפה פשוטה ונייטרלית. הצג כטבלה עם השאלה והסולם.""You are a measurement expert in social science. Help me draft 8 closed Likert-scale questions for a well-being survey for children aged 10–12. Audience: parents. Keep the language simple and neutral. Present as a table with the question and the scale."
הדור הבא
The next era

מה זה הנדסת הקשר?What is context engineering?

הנדסת הקשר היא לוודא שכל המידע הנכון עומד לפני הכלי ברגע שהוא עונה: לא יותר מדי, לא פחות מדי, והכי רלוונטי. Context engineering means making sure the right information sits in front of the tool the moment it answers: not too much, not too little, and as relevant as possible.

מה הקשר טוב כולל?
What does good context include?
👤

רקע עליכןBackground about you

בקשו מהכלי שאתן עובדות איתו צמוד לסכם את ההעדפות והרקע שלכן: תפקיד, תחומי עיסוק, פרויקט נוכחי, שיטות מחקר מועדפות (איכותני / כמותי / מעורב), סגנון כתיבה, שפת התוצרים, וקהלי היעד שאתן כותבות עבורם.You can ask the tool you work with regularly to summarize your preferences and background: role, areas of expertise, current project, preferred research methods (qualitative / quantitative / mixed), writing style, output language, and the audiences you usually write for.

🗂️

היסטוריה רלוונטית לפרויקטProject-relevant history

סיכומים של צ'אטים ארוכים ששמרתן כקובץ Word, פעולות שבוצעו, החלטות שהתקבלו, אתגרים שנפתרו, שלבי המחקר, ממצאים שנותחו, פרקים שנכתבו, סקירת ספרות בנושא, הצעת המחקר, ציר זמן ודדליינים, שותפי מחקר ובעלי עניין, שאלות מחקר פתוחות, ומילון מונחים שגיבשתן לפרויקט.Summaries of long chats you saved as Word files, actions taken, decisions made, challenges resolved, research stages, analyzed findings, written chapters, literature review, the research proposal, timeline and deadlines, research partners and stakeholders, open research questions, and a glossary you built for the project.

📚

מקורות מאומתים רלוונטייםVerified relevant sources

מאמרים שקשורים לשלב המשימה, דוחות קודמים של ברוקדייל בנושא, נתונים גולמיים (לאחר אנונימיזציה), כלי מדידה ושאלונים מאומתים, פרסומים של ארגונים בינלאומיים רלוונטיים (WHO, UNICEF, OECD), והנחיות מתודולוגיות שאתן מקפידות עליהן.Articles relevant to the current task stage, prior Brookdale reports on the topic, raw data (after anonymization), validated measurement tools and surveys, publications from relevant international organizations (WHO, UNICEF, OECD), and methodology guidelines you follow.

⚖️

רגישויות ואילוציםSensitivities and constraints

מושגים רגישים, הנחות שצריך להיזהר מהן, מינוח רגיש לגבי אוכלוסיות המחקר (איך נכון לקרוא, מה לא להגיד), הקשר תרבותי של המשתתפים, הנחיות אתיקה (אישורי ועדת אתיקה, פרטיות משתתפים), והבחנה בין ממצאים שניתן לפרסם לבין כאלה שלא.Sensitive concepts, assumptions to be cautious about, sensitive terminology for the populations you study (correct usage, what not to say), the cultural context of participants, ethics requirements (ethics committee approval, participant privacy), and distinguishing findings that can be published from those that cannot.

פרקטיקות מרכזיות (ראו הרחבות במדריך הטיפים חלק 1)
Key practices (see the Tips Guide Part 1 for more)

עכשיו כשאתן יודעות מה צריך להיכנס להקשר, הנה איך לתת את זה לכלי בפועל:Now that you know what should go into the context, here's how to actually give it to the tool:

  • 👤הוראות קבועות (Custom Instructions): ספרו לכלי פעם אחת מי אתן, מה הסגנון שלכן ומה חשוב לכן, והוא יזכור בכל שיחה.Custom Instructions: tell the tool once who you are, your style, and what matters to you, and it will remember across sessions.
  • 📎צירוף מסמכים: במקום להעתיק טקסט, צרפו את המסמך עצמו. הכלי יסתמך עליו ישירות.Attach documents: instead of pasting text, attach the document itself. The tool will rely on it directly.
  • 🗂️תיקיות / פרויקטים: כלים רבים מאפשרים "מרחב פרויקט" עם הקשר משותף לכל השיחות בו.Folders / projects: many tools offer a "project space" with shared context across all its conversations.
  • 🧠סיכום שיחות: בסוף שיחה ארוכה, בקשו סיכום והדביקו אותו בתחילת השיחה הבאה כדי לשמר את ההקשר.Summarize conversations: at the end of a long chat, ask for a summary and paste it at the start of the next one to preserve context.
  • 🎯רלוונטיות לפני כמות: אל תציפו את הכלי בכול. מידע ממוקד ורלוונטי עדיף על ערימת מסמכים.Relevance over volume: don't flood the tool with everything. Focused, relevant information beats a pile of documents.
  • 🗑️מקור ישן? תורידו אותו! מקור שכבר לא רלוונטי תופס מקום ומבלבל את הכלי. נקו את ההקשר ממה שלא תורם למשימה הנוכחית.Outdated source? Remove it! A source that's no longer relevant takes up space and confuses the tool. Clean the context of anything that doesn't serve the current task.
ההקשר בכלים השונים
Context across tools

איך ההקשר בא לידי ביטוי בכלים שוניםHow context manifests across different tools

לכל כלי AI פרופיל הקשר אחר: חלק נותנים אותו אוטומטית, אחרים דורשים שתספקו אותו ידנית. ⚠️ שימו לב לכללי האבטחה בכל כלי (פירוט מלא בטאב אבטחת מידע).Each AI tool has a different context profile: some provide it automatically, others require you to supply it manually. ⚠️ Mind the security rules per tool (full details in the Data Security tab).

💼

קופיילוט ארגוניOrg Copilot

הכלי הבטוח ביותר במכון. נותן הקשר ארגוני אוטומטי (מסמכים, מיילים, Teams). דגש: בקשו ממנו להסתמך על קובץ או מייל ספציפי, ובחרו את המנוע המתאים (GPT/Claude) למשימה.The safest tool at the institute. Provides automatic organizational context (documents, emails, Teams). Tip: ask it to rely on a specific file or email, and pick the right engine (GPT/Claude) for the task.

✅ מותר מידע ארגוני ואישי רגישSensitive org & personal info allowed
💬

צ'אטים חיצונייםExternal chats

ChatGPT, Claude, Gemini. מצוינים לניסוח, רעיונות והסברים. דגש: אין להם הקשר על העבודה שלכם. צריך לתת אותו ידנית בכל שיחה (תפקיד, מטרה, דוגמאות).ChatGPT, Claude, Gemini. Great for phrasing, ideas, and explanations. Tip: they have no context on your work. You must supply it manually each session (role, goal, examples).

⚠️ בלי מידע רגיש או אישי מזהה (PII)No sensitive or personal info (PII)
🎬

כלים למצגות וויזואלSlides & visual tools

Gamma, Canva ועוד. דגש: תנו להם מבנה ברור (כותרות הסליידים) ותוכן מתומצת, לא טקסט גולמי. בקשו "סלייד אחד לכל רעיון" וטון אחיד (ראו פירוט הכנת מתווה למצגת במדריך הטיפים חלק 1).Gamma, Canva, and others. Tip: give them a clear structure (slide titles) and concise content, not raw text. Ask for "one slide per idea" and a consistent tone (see the detailed slide outline guide in Tips Guide Part 1).

⚠️ בלי תמונות עם פנים מזוהותNo images with identifiable faces
📊

כלים לניתוח נתוניםData analysis tools

עוזרי קוד וניתוח (Python/עוזרי גיליונות). דגש: תארו את מבנה הנתונים (שמות עמודות, סוגי משתנים) ואת השאלה המחקרית. בקשו קוד עם הסבר, ותמיד אמתו את התוצאה.Code and analysis assistants (Python / spreadsheet helpers). Tip: describe the data structure (column names, variable types) and the research question. Ask for code with an explanation, and always verify the result.

⚠️ נתונים מזוהים: בקופיילוט בלבדIdentifiable data: Copilot only
מושגי מפתח
Key concepts

חלון ההקשר: מהי קיבולת הזיכרון של הכלי?The context window: what is the tool's memory capacity?

לכל כלי AI יש חלון הקשרהכמות המקסימלית של טקסט שהכלי יכול להחזיק "בראש" בו-זמנית, נמדדת בטוקנים.: זיכרון עבודה מוגבל. כשהוא מתמלא, המידע הישן ביותר "נושר" והכלי שוכח אותו. Every AI tool has a context windowThe maximum amount of text the tool can hold "in mind" at once, measured in tokens.: a limited working memory. When it fills up, the oldest information "drops off" and the tool forgets it.

הדגמהDemo

החלונית הבאה ממחישה את קיבולת הזיכרון המוגבלת של כל כלי AI. לחצו על "הוסיפו מידע" ותראו מה קורה למידע הראשוני ברגע שעברתם את סף הקיבולת של הכלי (כלומר, מילאתם את כל "חלון ההקשר שלו"). The widget below shows the limited memory capacity of every AI tool. Click "Add information" to see what happens to the earliest content once you exceed the tool's capacity (that is, once you fill its entire "context window").

חלון ההקשרContext window
20% מלא20% full
💡 מה זה אומר עבורכםWhat this means for you

בשיחות ארוכות מאוד, הכלי עלול "לשכוח" הוראות שנתתם בהתחלה. הפתרון: חזרו על ההוראות החשובות, או פתחו שיחה חדשה עם סיכום. חלונות ההקשר הולכים וגדלים, אבל הם תמיד מוגבלים. In very long conversations, the tool may "forget" instructions you gave at the start. The fix: repeat the important instructions, or open a new conversation with a summary. Context windows keep growing, but they are always limited.

מבוסס על תיעוד ספקי ה-LLM המובילים בנושא context windows ו-tokens.Based on leading LLM providers' documentation on context windows and tokens.

▸טוקנים, RAG וזיכרון, לחצו כאן להעמקהTokens, RAG, and memory, click here to go deeper

טוקן הוא יחידת הטקסט הקטנה שהכלי עובד איתה, בערך מילה או חלק ממילה. לדוגמה, עמוד וורד אחד בעברית ≈ 1,000–1,500 טוקנים. A token is the smallest text unit the tool works with, roughly a word or part of a word. For example, one Hebrew Word page ≈ 1,000–1,500 tokens.

צריכת הטוקנים מושפעת משלושה גורמים: החברה (Claude הוא הספק היקר ביותר), גרסת המודל (ככל שחדשה יותר, גוזלת יותר טוקנים), ומורכבות המשימה (ככל שמורכבת יותר, גוזלת יותר טוקנים). Token consumption depends on three factors: the provider (Claude is the most expensive), the model version (newer = more tokens consumed), and task complexity (more complex = more tokens consumed).

לשמחתכן, בקופיילוט הארגוני אין הגבלת טוקנים 😊 גם כשבוחרים את המודלים המתקדמים ביותר של GPT או Claude (הרחבה בלשונית קופיילוט) וגם במשימות מחקר מורכבות. Good news: the org Copilot has no token limit 😊 even when you pick the most advanced GPT or Claude engines (more on this in the Copilot tab), and even on complex research tasks.

RAG (אחזור מידע) היא שיטה שבה הכלי שולף רק את הקטעים הרלוונטיים ממאגר גדול ומכניס אותם להקשר. כך אפשר "לדבר" עם אלפי מסמכים בלי להציף את החלון. RAG מתקדם תומך לא רק במסמכים, אלא גם בתמונות, בקטעי קול ובסרטוני וידאו. RAG (retrieval-augmented generation) is a method where the tool fetches only the relevant passages from a large repository and inserts them into the context. This lets you "talk" to thousands of documents without flooding the window. Advanced RAG supports not just documents, but also images, audio clips, and video.

זיכרון (Memory) הוא יכולת חדשה שבה הכלי שומר עובדות עליכן בין שיחות. שימוש חכם: בקשו מהכלי לזכור את סגנון התשובה המועדף עליכן, מבנה טבלה אהוב, סגנון הפניות APA, או דרישות כמו ביסוס כל תשובה במקורות. רק שימו לב שהכלי לא זוכר עליכן דברים שלא ביקשתן שיזכור. Memory is a newer capability where the tool retains facts about you across sessions. Smart use: ask the tool to remember your preferred answer style, a table format you like, an APA citation style, or requirements like grounding every answer in sources. Just make sure the tool doesn't retain things you didn't ask it to.

Lost in the Middle (אובדן באמצע) הוא דפוס מתועד שבו הכלי שם פחות לב למידע שנמצא באמצע ההקשר, ויותר למידע שבתחילה ובסוף, גם כשהכל בתוך חלון ההקשר. Lost in the Middle is a documented pattern where the tool pays less attention to information in the middle of the context, and more to information at the beginning and end, even when everything is within the context window.

ממה זה נובע? ממנגנון תשומת הלב של המודלים: התחלה וסוף "בולטים" יותר במבנה ההכשרה, ולכן המודל "זוכר" אותם טוב יותר. What causes it? The model's attention mechanism. The beginning and end are more "salient" in the training data structure, so the model "remembers" them better.

איך למנוע? הציבו את ההוראות והמידע הקריטיים בתחילת הפרומפט או בסופו, לא באמצע. במשימות עם מסמך ארוך מצורף, סכמו את הנקודות החשובות בתחילת ההודעה וחזרו עליהן בסוף. How to avoid it? Place critical instructions and information at the start or end of the prompt, not in the middle. For long-document tasks, summarize key points at the start of your message and repeat them at the end.

מבוסס על Liu et al., 2023, "Lost in the Middle: How Language Models Use Long Contexts". Based on Liu et al., 2023, "Lost in the Middle: How Language Models Use Long Contexts".

מילון מושגים
Glossary

פרומפטPrompt

הבקשה שאתן מקלידות לכלי.The request you type into the tool.

הקשרContext

כל המידע שנתתן לכלי לעבד לפני שהוא עונה.All the information you give the tool to process before it answers.

טוקןToken

יחידת טקסט קטנה ≈ מילה.A small text unit ≈ a word.

חלון הקשרContext window

זיכרון העבודה המוגבל של הכלי.The tool's limited working memory.

RAG

שליפת קטעים רלוונטיים ממאגר גדול.Fetching relevant passages from a large repository.

זיכרוןMemory

שמירת עובדות עליכן בין שיחות.Retaining facts about you across sessions.

חובה לדעת
Must-know

אבטחת מידע: מה מותר להעלות לאןData security: what may go where

הכלל החשוב ביותר: כל מה שמעלים לכלי AI נחשב הפצה ציבורית, כמו פוסט פתוח ברשת. לכן לכל כלי יש כללים שונים. The single most important rule: anything uploaded to an AI tool counts as public distribution, like an open post online. So each tool has different rules.

כליTool מידע ארגוני מותמם
(תמלולים מותממים, דאטה לא רגיש, דוחות ומאמרים שהתפרסמו)		Anonymized org info
(anonymized transcripts, non-sensitive data, published reports and articles)		 מידע ארגוני ואישי רגיש
(תמלולים עם פרטים מזהים, קבצי דאטה רגישים, תקציבים, פרטים חסויים של החוקרים או של המכון)		Sensitive org & personal info
(transcripts with identifying details, sensitive data files, budgets, confidential details about researchers or the institute)
קופיילוט ארגוניOrg Copilot
Edge + משתמש ארגוניorg account		 ✅ מותרAllowed ✅ מותר, הכלי היחיד!Allowed, the only one!
ChatGPT (רישיוןlicense JDC) ✅ מותרAllowed ❌ אסורNot allowed
כל כלי AI אחרAny other AI tool ⚠️ מותר בלי פרטי הארגוןAllowed without org details ❌ אסורNot allowed
🪪

מה נחשב "מידע אישי מזהה" (PII)?What counts as "personally identifiable information" (PII)?

שם, גיל, כתובת, דת, מידע בריאותי או פיננסי, מקום לידה, נתוני תעסוקה, או תמונה הכוללת פנים, של משתתפי תוכניות, לקוחות, עובדים או כל אדם. Name, age, address, religion, health or financial information, place of birth, employment data, or a photo containing a face, of program participants, clients, employees, or anyone.

AI במחקר איכותני
AI in qualitative research

הכללים הספציפיים לעבודה עם AI במחקרSpecific rules for research work with AI

מסעיף 9 של "מדריך לכתיבת דוח איכותני" של הפורום האיכותני המוסדי. חמש הוראות שמשלימות את המדיניות הכללית מעלה:From section 9 of the institute's Qualitative Forum guide ("Writing a Qualitative Report"). Five directives that complement the general policy above:

  • ✅קופיילוט הארגוני ו-ATLAS הארגוני (ללא AI): לא מחייבים התממה. אפשר לעבוד עם נתונים רגישים.Org Copilot and org ATLAS (without AI): no anonymization required; you can work with identifying data.
  • ⚠️ChatGPT (כולל הגרסה הארגונית): מחייב התממה מלאה לפני העלאת תוכן. ההתממה כוללת: שמות אנשים ומקומות, מידע אישי, פרטי קשר, פרטי עיסוק שעלולים להוביל לזיהוי, וצירופי שדות שמאפשרים זיהוי בהצלבה.ChatGPT (incl. the licensed version): full anonymization required before uploading content. Includes: names of people and places, personal info, contact details, occupation details that could lead to identification, and field combinations that enable identification by cross-reference.
  • 🚫תוספי AI בתוך ATLAS: אסורים. הם רצים על שרתים חיצוניים שאינם של ATLAS, גם אם הטקסט שמועלה אליהם מותמם.AI add-ons inside ATLAS: forbidden. They run on external servers that are not ATLAS's, even when the uploaded text is anonymized.
  • 🧭AI הוא עוזר מחקר, לא תחליף: מתאים יותר לתיקוף ובקרה איכותית מאשר לניתוח עצמאי, בגלל סכנת "טעות נגררת".AI is a research assistant, not a substitute: better suited for validation and quality control than for independent analysis, due to the risk of "cascading errors".
  • 👤אחריות החוקרת על ניתוח ופרשנות סופיים: קריאה ביקורתית אנושית חובה לכל פלט של הכלי לפני שילובו בדוח.Researcher's responsibility for final analysis and interpretation: a critical human read is required for every tool output before incorporating it into the report.
גילוי נאות
Disclosure

נוסחים מומלצים לפרק השיטה בדוחRecommended phrasings for the methodology chapter

כל דוח מחקר שנעשה בו שימוש בכלי AI חייב לכלול גילוי נאות בפרק השיטה. אתן מוזמנות להיעזר בנוסחים הבאים ולהעתיק אותם לדוח שלכן:Every research report that used AI tools must include a disclosure in the methodology chapter. Feel free to use the following phrasings and copy them into your report:

📋 1. לסקירת ספרות1. For a literature review
בנוסף לשלושת אפיקי החיפוש המרכזיים, נעשה שימוש בכלים מבוססי בינה מלאכותית המסייעים באיתור שיטתי של מקורות אקדמיים, דוחות מדיניות ומסמכים בין-לאומיים. בין הכלים שבהם נעשה שימוש ניתן למנות את Elicit, Scispace, Perplexity ו-ChatGPT. כלים אלה שימשו לאיתור מאמרים רלוונטיים, לגיבוש מונחי חיפוש מדויקים, ולחילוץ מידע קונספטואלי והשוואתי ממקורות מרובים. השימוש בכלים אלה לא החליף את בקרת האיכות האנושית, אלא שימש כתמיכה מתודולוגית בתהליך סקירה מקצועי ומבוקר, תוך אימות כל מקור שנאסף באמצעות קריאה אנושית ובדיקה מול מקורות ראשוניים אמינים.In addition to the three main search channels, AI-based tools were used to assist with the systematic identification of academic sources, policy reports, and international documents. Tools used include Elicit, Scispace, Perplexity, and ChatGPT. These tools were used to locate relevant articles, refine search terms, and extract conceptual and comparative information from multiple sources. The use of these tools did not replace human quality control, but rather served as methodological support within a professional, supervised review process, with verification of every source through human reading and cross-checking against reliable primary sources.
📋 2. למחקר איכותני2. For qualitative research
במהלך ניתוח הממצאים נעשה שימוש בכלי בינה מלאכותית לצורך סיוע בתהליך מיון, קידוד ויצירת תמות. כל ניתוח ופרשנות סופיים עברו קריאה ביקורתית ונעשו על ידי החוקרת. השימוש בכלים אלה נעשה בהתאם לכללי מדיניות אבטחת המידע במכון ולהנחיות ועדת האתיקה.During the analysis of the findings, AI tools were used to assist with sorting, coding, and theme generation. All final analyses and interpretations were critically reviewed and carried out by the researcher. These tools were used in accordance with the institute's information security policy and the ethics committee guidelines.
📋 3. למחקר כמותי / משולב (mix methods)3. For quantitative / mixed-methods research
במהלך עיבוד וניתוח הנתונים נעשה שימוש בכלי בינה מלאכותית לצורך סיוע בכתיבת קוד סטטיסטי (R, Python, SPSS), בבחירה והסבר של מודלים סטטיסטיים, בניקוי ובעיבוד מקדים של נתונים, ובפירוש תוצאות. כלים אלה שימשו כעזר טכני ומתודולוגי בלבד. כל ההחלטות המתודולוגיות, פירוש התוצאות והממצאים נבחנו ונקבעו על ידי החוקרת, תוך הצלבה מול מקורות מקצועיים מאומתים ובדיקה ביקורתית של כל פלט. במחקר משולב, אותם עקרונות חלו גם על החלק האיכותני וגם על החלק הכמותי. השימוש בכלים אלה נעשה בהתאם לכללי מדיניות אבטחת המידע במכון ולהנחיות ועדת האתיקה.During data processing and analysis, AI tools were used to assist with writing statistical code (R, Python, SPSS), selecting and explaining statistical models, cleaning and pre-processing data, and interpreting results. These tools served as a technical and methodological aid only. All methodological decisions, interpretations, and findings were examined and determined by the researcher, with cross-checks against validated professional sources and critical review of every output. In mixed-methods research, the same principles applied to both the qualitative and quantitative parts. These tools were used in accordance with the institute's information security policy and the ethics committee guidelines.
כללי הזהב
Golden rules
🔍

תמיד לאמתAlways verify

הצליבו עובדות עם מקור שאינו AI. הכלי עשוי לטעות בביטחון מלא.Cross-check facts with a non-AI source. The tool may err with full confidence.

🚫

תמלולים ופרטים מזהיםTranscripts and identifying details

תמלולי ראיונות, רשימות מרואיינים או מסמכי מחקר עם פרטים מזהים מחייבים התממה מלאה לפני העלאה לכלי AI.Interview transcripts, participant lists, or research documents with identifying details require full anonymization before uploading to AI tools.

👤

האחריות עליכןYou are responsible

אתן אחראיות על תוצרי ה-AI בדיוק כמו על עבודה רגילה.You're responsible for AI outputs exactly as for regular work.

💬

ספק? התייעצו!In doubt? Consult!

בכל ספק שנוגע לפרטיות, אבטחת מידע או שימוש בכלי AI עם מידע רגיש: התייעצו עם ועדת האתיקה או עם ה-IT.For any doubt about privacy, information security, or AI tool use involving sensitive data: consult the ethics committee or IT.

🧑‍⚖️

לא תחליף למומחה!Not a substitute for an expert!

AI אינו תחליף לייעוץ סטטיסטי, מחקרי או משפטי.AI is not a substitute for statistical, research, or legal advice.

📢

חובת דיווחDuty to report

כל אירוע אבטחה חשוד (מייל פישינג, אובדן מכשיר, התנהגות חריגה, חשד לזליגת מידע): דווחו מיד ל-IT Helpdesk.Any suspected security incident (phishing email, lost device, unusual behavior, suspected data leak): report it immediately to the IT Helpdesk.

קבצים להעמקה
Documents for deeper reading

נהלים ומסמכים להורדהPolicies and documents to download

המסמכים הרשמיים של ברוקדייל בנושאי אבטחת מידע, פרטיות מחקר, ועבודה עם נתונים רגישים. שווה לשמור במקום נגיש לעיון לפני כל פרויקט חדש.Brookdale's official documents on information security, research privacy, and handling sensitive data. Worth keeping handy for reference before every new project.

📕

Acceptable Usage Policy (דצמבר 2025)Acceptable Usage Policy (Dec 2025)

מסמך המדיניות הרשמי של JDC על אחריות העובד להגנה על פרטיות ושימוש מקובל במערכות מידע. הליבה של כל המדריך הזה.JDC's official policy on employee responsibility for privacy protection and acceptable use of information systems. The foundation of this entire guide.

⬇ הורדה (PDF)Download (PDF)
📒

אבטחת מידע: עשה ואל תעשהInformation Security: Do's and Don'ts

הכרזת היסוד של ברוקדייל על אבטחת מידע: חובות העובד מתוקף חוק הגנת הפרטיות, רשימת כלים אסורים, ומדיניות שולחן נקי.Brookdale's foundational statement on information security: employee duties under the Privacy Protection Law, list of forbidden tools, and clean-desk policy.

⬇ הורדה (PDF)Download (PDF)
📘

טיפול בקבצים עם מידע אישי רגישHandling files with sensitive personal information

נוהל מעשי לסיווג, התממה, אחסון ומחיקה של קבצים רגישים. כולל פרוטוקול הקלטה ותמלול שמאפשר עבודה בטוחה עם AI.Practical procedure for classifying, anonymizing, storing, and deleting sensitive files. Includes recording and transcription protocol that enables safe AI work.

⬇ הורדה (PDF)Download (PDF)
📗

מדריך לכתיבת דוח איכותניGuide for writing a qualitative report

מדריך הפורום האיכותני המוסדי. הסעיף החשוב ביותר: סעיף 9 על שימוש ב-AI במחקר איכותני (זה שמופיע בלשונית הזו).The institute's Qualitative Forum guide. Most important: section 9 on AI use in qualitative research (the one featured in this tab).

⬇ הורדה (PDF)Download (PDF)
📙

אמצעי הגנה על מאגר המחקרResearch database protection measures

מכתב הסבר של ממונה אבטחת המידע על הארכיטקטורה הטכנית להגנה על נתוני המחקר. שימושי כשנשאלות איך ברוקדייל מגן על הנתונים.Letter from the information security officer about the technical architecture protecting research data. Useful when you're asked how Brookdale protects the data.

⬇ הורדה (PDF)Download (PDF)

מבוסס על: "אחריות העובד להגנה על פרטיות ותקנון שימוש מקובל במערכות המידע", גרסה 4.0, אגף טכנולוגיית מידע ותקשורת (דצמבר 2025), סעיפים 3.9 ו-4. ובנוסף: "מדריך לכתיבת דוח איכותני", הפורום האיכותני המוסדי (2019), סעיף 9. ונוהל "טיפול בקבצים שבהם מידע אישי רגיש", ברוקדייל. Based on: "Employee Responsibility for Privacy Protection and Acceptable Use Policy," v4.0, ICT Division (December 2025), sections 3.9 and 4. Plus: "Guide for Writing a Qualitative Report," Institutional Qualitative Forum (2019), section 9. And "Handling Files with Sensitive Personal Information" procedure, Brookdale.

חידוש במכון
New at the institute

קופיילוט ארגוני: עכשיו עם בחירת מנועOrg Copilot: now with engine choice

לקופיילוט הארגוני נוספה אפשרות לבחור את המנוע שמאחורי הקלעים: GPT או Claude. מומלץ לכולם לעבור לעבוד דרכו. The org Copilot now lets you choose the engine behind the scenes: GPT or Claude. Everyone is encouraged to switch to working through it.

🛡️ למה דווקא הוא? הסיבה המרכזיתWhy this one? The main reason

הקופיילוט הארגוני הוא הכלי היחיד במכון שמותר להזין אליו מידע אישי מזהה (PII). בכל כלי AI אחר זה אסור. עבור חוקר שעובד עם נתוני מחקר אמיתיים, זה לא שדרוג נוחות: זו הדרך היחידה לעבוד עם הנתונים האמיתיים ולעמוד במדיניות המכון בו-זמנית. The org Copilot is the only tool at the institute cleared for personally identifiable information (PII). In any other AI tool, it's forbidden. For a researcher working with real research data, this isn't a convenience upgrade: it's the only way to work with the real data and stay compliant with institute policy at the same time.

תמצית היתרונות
Key advantages
🔒

אבטחה ארגוניתEnterprise security

הנתונים שלכן נשארים בתוך הסביבה המאובטחת של הארגון ולא מאמנים מודלים חיצוניים.Your data stays inside the organization's secure environment and isn't used to train external models.

📂

הקשר ארגוני מובנהBuilt-in org context

יודע להסתמך על המסמכים, המיילים ופגישות ה-Teams שלכם. הנדסת הקשר אוטומטית.It can draw on your documents, emails, and Teams meetings. Automatic context engineering.

🔀

בחירת מנוע: GPT או ClaudeEngine choice: GPT or Claude

בחרו את המנוע שמתאים למשימה. שווה לנסות את שניהם על אותה משימה ולהשוות.Pick the engine that fits the task. Worth trying both on the same task and comparing.

🧩

חלק מ-Microsoft 365Part of Microsoft 365

משולב ב-Word, Excel, PowerPoint, Outlook ו-Teams שאתן כבר עובדות איתם.Integrated into Word, Excel, PowerPoint, Outlook, and Teams that you already use.

מה אפשר ליצור איתו?
What can you create with it?

הקופיילוט יודע להמיר תוכן בין כלי Microsoft 365. כמה דוגמאות שימושיות במחקר:Copilot can transform content between Microsoft 365 apps. Useful examples for research:

  • 📊מצגת PowerPoint על סמך דוח Word שכתבתן.A PowerPoint deck from a Word report you wrote.
  • 📈מסמך Word עם גרפים ותרשימים על סמך קובץ Excel.A Word document with graphs and charts from an Excel file.
  • 📋טבלה מסכמת ב-Word על סמך רשימת קישורים שהדבקתן.A summary table in Word from a list of links you pasted.
  • 📝סיכום מסודר של פגישת Teams במייל מוכן לשליחה.A clean Teams meeting summary in a ready-to-send email.
  • 📄שאלון Forms על סמך מטרות מחקר שניסחתן ב-Word.A Forms questionnaire from research objectives you wrote in Word.

🤖 בקרוב: סוכנים ייעודיים בתוך הקופיילוטComing soon: dedicated agents inside Copilot

בשלב הבא יפותחו סוכנים ייעודיים בתוך הקופיילוט: עוזרים ממוקדים למשימות מחקר חוזרות (למשל סקירת ספרות, ניסוח מסמכים, ניתוח נתונים). נעדכן ברגע שיהיו זמינים. In the next phase, dedicated agents will be built inside Copilot: focused assistants for recurring research tasks (e.g., literature review, drafting documents, data analysis). We'll update you the moment they're available.

🔜 בפיתוחIn development
🚀

הצעד שלכןYour move

פתחו את Copilot מדפדפן Edge עם המשתמש הארגוני, נסו אותו על משימה אמיתית, ושחקו עם בחירת המנוע. יש שאלה? פנו למובילי ה-AI. Open Copilot from the Edge browser with your org account, try it on a real task, and experiment with the engine choice. Questions? Reach out to the AI champions.

📚
מחפשים את הטיפים מחלק 1?
המדריך הראשון: טיפים בסיסיים לעבודה עם AI במכון
← 📚
Looking for Part 1 tips?
The first guide: foundational tips for working with AI at the institute (Hebrew)
→
💡
יש לכן רעיון למדריך הבא?
אתן ואתם מוזמנות ומוזמנים לפנות לזהר עם בקשות, רעיונות והערות
📧 [email protected]
← 💡
Got an idea for the next guide?
You're welcome to reach out to Zohar with requests, ideas, and feedback
📧 [email protected]
→