שיחות שהפכו לסכנה

אדם ריין, בן 16 מקליפורניה שהתאבד באפריל 2025, נכנס לעולם הבינה המלאכותית כמו כל נער סקרן, בתחילה השתמש ב-ChatGPT כדי לקבל עזרה בשיעורי מתמטיקה ולשוחח על משחקי מחשב ואומנות דיגיטלית. עם הזמן, כשהתמודד עם חרדות ותחושת בדידות בבית, הפך הצ’אטבוט ל”אוזן קשבת”. ההורים מספרים כי “במקום לדבר איתנו, הוא דיבר עם הבוט, ושם מצא חבר קרוב מדי.”

לפי כתב התביעה, המעבר היה חד ומסוכן – ChatGPT לא הסתפק במענה כללי אלא סיפק לנער הנחיות טכניות על שיטות התאבדות, ניסח עבורו טיוטות למכתבי פרידה, ולא עצר את השיחה גם כשעלה בבירור כי מדובר בכוונה לסיים את חייו. “מה שראינו בפרוטוקולים זה לא עוזר דיגיטלי, אלא בן שיח שהעמיק את הייאוש שלו,” נטען במסמכי בית המשפט.

כתב אישום חריף ודרישות לשינוי

כתב התביעה, מסמך בן 40 עמודים שהוגש לבית המשפט העליון בקליפורניה, טוען לרשלנות חמורה מצד OpenAI. לפי ההורים, החברה לא התקינה מנגנוני הגנה בסיסיים ולא הציגה אזהרות מספקות שימנעו מקטינים להיחשף לסיכון קיומי. “כשאתה בונה מערכת שנכנסת לבתים של מיליוני משפחות, האחריות היא לא המלצה – היא חובה,” אמר אחד מעורכי הדין, רוברט ג’ונסון, המייצג את המשפחה.

בידי ההורים, כך נטען, למעלה מ-3,000 עמודי תכתובות עם ChatGPT המתפרשות על פני החודשים האחרונים לחייו של אדם, עדות למה שהם מכנים “הפיכת כלי עזר חינוכי ליועץ מסוכן ומדריך טכני למוות.”

לפי משפטנים, מדובר בתביעה הראשונה שבית המשפט נדרש לשקול בה ישות תאגידית גדולה כמו OpenAI כמבוקש ישיר על מות משתמש. היא מצטרפת לתיק שנפתח בשנה שעברה נגד Character.AI, שם נטען כי הבוט יצר קשרים תלותיים עם משתמשים צעירים, מה שעלול ליצור תקדים משפטי שיכריח חברות לשנות מן היסוד את אופן עיצוב מנגנוני ההגנה שלהן.

תגובת OpenAI והדיון הציבורי

ב-OpenAI הביעו צער עמוק על האירוע הטרגי. בהצהרה רשמית נמסר כי “המחשבות שלנו עם המשפחה. ChatGPT נועד להפנות משתמשים במצוקה לגורמי סיוע מקצועיים, ואנו מחויבים להמשיך ולשפר את המערכת כדי למנוע מקרים כואבים כאלה בעתיד.” עם זאת, החברה הודתה כי היו מקרים שבהם המערכת לא זיהתה כראוי סימני אזהרה, וכי היא בוחנת כעת צעדים חדשים – בהם חיזוק בקרות ההורים, שימוש בפרוטוקולים אוטומטיים להפסקת שיחות מסוכנות ושיתוף פעולה הדוק יותר עם קווי חירום לנוער.

התגובה התקבלה בציבור בערבוב של אמפתיה וביקורת. פעילים בתחום בריאות הנפש טענו כי “אין די בהבעת צער, נדרשים מנגנוני הגנה מיידיים וקשיחים יותר.” במקביל, משפטנים ואנשי טכנולוגיה מזהירים כי המקרה עלול להפוך לציון דרך משפטי שיחייב את כל תעשיית ה-AI לשנות את אופן בניית המערכות שלהן. הדיון שהתעורר חוצה גבולות – מוסרי, חברתי ומשפטי – ומעלה שאלה מהותית: עד כמה יכולה טכנולוגיה לשמש יד מושטת לעזרה, ומתי היא עלולה להפוך לכלי מסוכן.

תקדים שמאתגר את גבולות הטכנולוגיה

המקרה של אדם ריין אינו רק טרגדיה אישית, הוא מסמן נקודת מבחן קריטית ביחסים שבין בני אדם לטכנולוגיה מתקדמת. האירוע ממחיש כי גם כלים שנבנים כעזר לימודי או כחבר לשיחה עלולים להפוך לגורם מסוכן, אם אינם מצוידים במנגנוני הגנה חזקים ובאחריות ברורה מצד המפתחים. כעת, בתי המשפט בקליפורניה יידרשו לקבוע האם OpenAI תישא באחריות משפטית ישירה – הכרעה שעשויה לשרטט גבולות חדשים לכל תעשיית הבינה המלאכותית.

השאלה המרכזית שנותרה פתוחה: האם זהו מקרה נקודתי ומצער, או נקודת מפנה – ותחילתו של עידן שבו האחריות המשפטית של חברות טכנולוגיה תוגדר מחדש לא רק בארה”ב, אלא ברחבי העולם

הפוסט תביעה תקדימית נגד OpenAI בטענה ש-ChatGPT עודד התאבדות של נער בארה״ב הופיע ראשון בLet's AI בינה מלאכותית

הסיפור שמאחורי ההצלחה הכלכלית

אם מסתכלים על המספרים, אפשר להבין למה כולם מדברים על “האווזה שמטילה ביצי זהב”, הלוא היא ChatGPT. מאז השקת האפליקציה הרשמית למובייל במאי 2023, צברה ChatGPT הכנסות של מעל שני מיליארד דולר מהוצאות צרכנים בלבד – וכל זה בפחות משנה ורבע. זו לא עוד אפליקציה שמצאה מודל הכנסות יציב, אלא תופעה כלכלית שלא נראתה כמותה בשוק הבינה המלאכותית, ואירוע חריג בשוק האפליקציות למובייל.

במונחי השוואה, הסכום הזה גבוה פי 30 מההכנסות המצטברות של אפליקציות AI מתחרות, כגון קלוד של אנטרופיק, קופיילוט של מיקרוסופט וגרוק של X (כפי שעולה מהערכות המבוססות על נתוני Appfigures). הפער האדיר הזה ממחיש ש-ChatGPT לא רק מובילה, אלא גם קובעת את הסטנדרט והופכת לשם נרדף לבינה מלאכותית עבור מיליוני משתמשים ברחבי העולם.

צמיחה אקספוננציאלית

הצצה לגרף הצמיחה של ChatGPT מגלה מגמה חד משמעית – מדובר בקפיצה שהטכנולוגיה המודרנית לא ראתה כבר שנים. מתחילת 2024 ועד אוגוסט בלבד, הכנסות אפליקציית ChatGPT עמדו על 1.35 מיליארד דולר – זאת לעומת 174 מיליון דולר בלבד בתקופה המקבילה בשנה שעברה. מדובר בזינוק של מאות אחוזים בשנה, קצב שלא מאפיין אפילו את החברות החדשניות ביותר.

המספרים החודשיים ממחישים עד כמה המגמה מובהקת – בשנת 2023, הכנסות האפליקציה עמדו על ממוצע חודשי של כ-25 מיליון דולר. ב-2024, המספר הזה מזנק לכ-193 מיליון דולר מדי חודש – פי שמונה (!) בתוך שנה. עבור OpenAI, מדובר בשדרוג אדיר למודל ההכנסות שמבוסס במובייל בעיקר על מנויי Plus בתשלום.

לא רק כסף, אלא שליטה בשוק!

ההצלחה הכלכלית של ChatGPT לא באה בחלל ריק – היא מגובה גם בשליטה מוחלטת בתחום המשתמשים. כיום מדברים על למעלה מ-690 מיליון התקנות ברחבי העולם, מה שהופך את ChatGPT לאחת מאפליקציות הפרודוקטיביות המורדות ביותר אי פעם.

בכדי להבין את עוצמת השליטה הזו, כדאי לבחון את Grok – אפליקציית ה-AI של אילון מאסק. עד כה, Grok נרשמה על כ־39.5 מיליון התקנות בלבד. ההפרש העצום מבהיר: ChatGPT לא סתם מובילה, אלא יוצרת לעצמה נתח שוק שהמתחרים מתקשים אפילו לחלום עליו!

היתרון של ChatGPT לא מתבטא רק בכמות ההתקנות, אלא גם במספר המשתמשים הפעילים מדי שבוע – פרמטר שמעיד על שימוש יומיומי ולא רגעי. באוגוסט האחרון, דיווחה OpenAI כי היא מתקרבת ל-700 מיליון משתמשים פעילים בשבוע… לא בחודש, אלא בכל שבוע! נתון ששם אותה בשורה אחת עם פלטפורמות על דוגמת טיקטוק, וואטסאפ ואינסטגרם.

מודל ההצלחה: מה עומד מאחורי הצמיחה?

אז איך OpenAI עשתה את זה? איך היא השתלטה על שוק ה-AI במובייל?

נגישות ופשטות שימוש

הקסם של ChatGPT לא טמון רק בטכנולוגיה המתקדמת, אלא בעיקר בשילוב של כמה אלמנטים חכמים: היישום בנוי כך שגם מי שאינו “חיית טכנולוגיה” יוכל להשתמש בו בקלות. הממשק נקי, אינטואיטיבי ומותאם לכל סוגי המשתמשים – מה שמפחית חיכוך ומעלה את רמת ההטמעה בשגרה היומיומית.

יתרון החלוץ

OpenAI הייתה הראשונה להביא מוצר AI שימושי ונגיש לכל אחד – ובשוק דינמי, למי שמקדים את כולם יש יתרון מובהק. היתרון הזה, יחד עם השקה מתוקשרת ומתוזמנת היטב, הביא את ChatGPT לקדמת הבמה הרבה לפני המתחרות.

התאמה אישית בתוכן

האלגוריתם של ChatGPT מאפשר למשתמש לקבל תשובות, סיכומים ופתרונות מותאמים אישית כמעט בכל תחום – מה שמחזק את התלות היומיומית בכלי, והופך אותו לכלי עבודה קבוע.

מודל מנויים חכם

הכנסות רבות מגיעות ממנויי Plus – חבילת הפרימיום שמציעה גישה לגרסאות מתקדמות ומהירות יותר של GPT. המודל הזה ממיר אחוז גבוה מהמשתמשים החינמיים ללקוחות משלמים, ומספק ל־OpenAI הכנסה קבועה וצפויה. בעלות של חמגשית שווארמה, אתם מקבלים גישה לכלי AI סופר עוצמתי, גישה לידע, גישה ליכולות ניתוח והסקה, ועוזר אישי צמוד שמתמחה בכמעט כל תחום שאפשר לחשוב עליו.

עד היום, אף אחת מהשחקניות הגדולות לא הצליחה לפצח את קוד ההצלחה של ChatGPT. גם השקעות עתק של מיקרוסופט, אמזון ו־X לא מתקרבות לנתח השוק שלה, במיוחד כשמדובר בשוק המובייל. אפילו טכנולוגיות מתקדמות או ממשקים ייחודיים אינם מספיקים כדי לשבור את ההובלה של ChatGPT, שכרגע מתפקדת כקטר של השוק.

השאלה היא האם ChatGPT תמשיך להוביל?

הנתונים מהדהדים שאלה אחת ברורה! האם הצמיחה הפנומנלית הזו יכולה להימשך לאורך זמן, או שמדובר בבועה שעתידה להתפוצץ? ישנם אנליסטים שמאמינים כי ChatGPT מציגה את תחילתו של עידן שבו אפליקציות AI יהפכו לאלטרנטיבה אמיתית למנועי חיפוש, עוזרי כתיבה, ואפילו אפליקציות תרגום מסורתיות.

ככל שיותר משתמשים מגלים את היתרונות של ChatGPT, כך מתחזקת ההערכה שהרגלי השימוש באפליקציות עומדים בפני שינוי משמעותי. אפליקציות AI, שמספקות חוויה אינטראקטיבית וגמישה, עשויות להחליף שירותים ותיקים ולפתוח עידן חדש בשוק המובייל.

מצד שני, יש מי שמזהיר מהתפוצצות “בועת ה־AI”, במיוחד אם ההתלהבות הציבורית תדעך או אם יתגלו בעיות פרטיות, אבטחה או איכות התוכן. שוק ההייטק ראה כבר לא מעט אפליקציות שזינקו במהירות – ונפלו באותה מהירות.

מה שבטוח, גם אם הצמיחה תיעצר, OpenAI כבר הצליחה לייצר מודל הכנסות שאין לו אח ורע בתחום. המותג “ChatGPT” התבסס היטב בתודעה הציבורית, והדרך להמשך הפיתוח והשקת תכונות חדשות פתוחה יותר מאי פעם.

בשורה התחתונה, ChatGPT לא רק מטילה ביצי זהב – היא בונה לעצמה קן איתן במרכז תעשיית הבינה המלאכותית במובייל. למרות התחרות והסיכונים, ההובלה של ChatGPT נראית כרגע בלתי ניתנת לערעור. מי שיחפש השראה למהפכה עסקית-טכנולוגית בשוק העולמי, ימצא בהצלחה של OpenAI דוגמה נדירה לדינמיקה של חדשנות, מיקוד משתמש, ושימוש חכם במודל מנויים. נכון ל־2025, ChatGPT היא לא רק אפליקציה – היא סטנדרט חדש שמאתגר את כללי המשחק, ומרמז על עתיד שבו הבינה המלאכותית כבר כאן – ובגדול.

הפוסט האפליקציה שמטילה ביצי זהב – ChatGPT שוברת שיאים במובייל! הופיע ראשון בLet's AI בינה מלאכותית

לא עוד תוסף – דפדפן עצמאי חדש, מבוסס AI

חשוב להבין את גודל השינוי – לא מדובר בשיפור קוסמטי או באופטימיזציה לניהול לשוניות, אלא בשכתוב כללי של הדרך בה אנחנו חווים את האינטרנט. לפי הדיווחים, הדפדפן ישלב את הכוח של ה-Agent החדש מבית ChatGPT, ויציע פיצ’רים כמו בחירה אוטומטית וחכמה של לשוניות, עמוד בית דינמי המבוסס כולו על אלגוריתמים של בינה מלאכותית, וכן יכולות ניווט עצמאי של הדפדפן, שיבצע עבור המשתמש את החיפושים, הקריאה, הסיכום וההכוונה. זה מזכיר במובנים רבים את מנגנון הקופיילוט שמיקרוסופט שילבה בדפדפן Edge, אך הפעם על בסיס תשתית ייחודית ש-OpenAI בונה, המיועדת לשימושים נרחבים בהרבה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

ממציאים את האינטרנט מחדש

במילים אחרות, OpenAI לא רק מסתכלת מהפריפריה על מה שפרפלקסיטי עשו, אלא לוקחת את הרעיון, מבצעת סוג של “העתק-הדבק” יצירתי ומנסה לרוץ צעד נוסף קדימה עם פתרון שיהפוך את הדפדפן למרכז בינה מלאכותית אישי ומותאם לכל משתמש. אם זה אכן יעבוד כפי שמקווים בחברה, השינוי יהיה הרבה מעבר לטכנולוגיה חדשה – הוא ישנה את מערכת היחסים שבין המשתמש לאינטרנט. אולי אפילו ימציא את האינטרנט מחדש, שכן כשדפוסי השימוש משתנים, וכשהצרכים משתנים – משתנה גם הממשק.

נסו לחשוב על שוק האפליקציות שצמח, עם השקתו של האייפון הראשון. נסו לחשוב על שוק ה-SEO שמשתנה מקצה לקצה בימים אלו ממש, כשגוגל כמנוע חיפוש מפסיק לפעול באותו האופן שבו פעל במשך כ-20 שנה, ומפסיק להפנות לאתרים, הודות לתשובות AI מוכנות מראש (Zero Clics). נסו לחשוב על מקצוע חדש שנולד – קידום אורגני דרך מודלי שפה גדולים (LLMs), שמחליף את קידום האתרים המסורתי.

בכל פעם שמגיעה טכנולוגיה משבשת – דברים משתנים. הזדמנויות צצות. איך זה יראה – למען האמת לא חייבים לדמיין, כי כבר היום ישנם כלים דומים בשוק. במקום שהמשתמש יחפש תכנים בעצמו, הדפדפן החדש (כך על פי השמועות) יאפשר אינטראקציה מבוססת שיחה, שבה המשתמש פשוט “ידבר” עם הדפדפן, וזה בתורו יבצע את כל עבודת החיפוש, הקריאה, הסיכום וההכוונה. התהליך כולו יתבצע מאחורי הקלעים, ויחסוך את הצורך בניווט ידני בין אינספור תוצאות חיפוש, פורומים ומקורות מידע. המשמעות היא לא רק חיסכון בזמן, אלא גם גישה למידע ממוקד ומותאם יותר לצרכי המשתמש, לצד הפחתה של רעש דיגיטלי וחוויית גלישה יעילה בהרבה.

מעבר לטכנולוגיה – שינוי בתשתיות

מעבר לכל אלה, אפשר לראות בניסיון של OpenAI לבנות דפדפן עצמאי סימן נוסף לכך שחברות AI שואפות להשפיע לא רק על השימושים הקלאסיים של בינה מלאכותית, אלא גם על תשתיות הבסיס של הרשת. השילוב העמוק של טכנולוגיית AI בממשק הגלישה יוכל, בטווח הארוך, לשנות את הדרך שבה מתווכים לנו תכנים דיגיטליים, איך נראים מסעות חיפוש ברשת, ואפילו את האופן שבו חברות פרסום ומנועי חיפוש פועלים.

אם הרעיון הזה יצליח, המשתמשים יגלו שמה שפעם דרש מאמץ רב – מציאת מקורות מידע אמינים, סינון תוצאות, הבנת מגמות – יהפוך להיות תהליך אוטומטי, יעיל ומבוקר יותר. האינטרנט לא יהיה רק רשת עצומה של מידע, אלא סביבת עבודה מותאמת-אישית, שבה הדפדפן הוא לא רק כלי אלא ממש שותף מקצועי למסע המידע.

באופן טבעי, כל מהלך מהסוג הזה מעורר גם סימני שאלה ואתגרים: פרטיות, נטרול פייק ניוז, שקיפות בהחלטות האלגוריתם ואפילו השפעה על הרגלי צריכת המידע של כולנו. זהו תהליך דינמי, שבסופו של דבר ישפיע לא רק על עולם הטכנולוגיה, אלא גם על הכלכלה, החינוך, התקשורת ועוד.

צעד אמיץ עם סיכויים לא ברורים

השורה התחתונה ברורה: OpenAI לא מסתפקת בשדרוגים מינוריים או תוספים לדפדפנים קיימים, אלא מכוונת לשנות מהיסוד את מה שאנחנו חושבים על גלישה באינטרנט. הניסיון להטמיע יכולות אייג’נטיות חכמות בליבת הדפדפן הוא צעד אמיץ, שבפוטנציאל שלו יכול לחולל טרנספורמציה במפגש שבין האדם לרשת.

עם זאת, יש לזכור שלא מדובר ב”מהפכה” מיידית, אלא במהלך הדרגתי שיבחן על ידי המשתמשים, יזכה לשיפורים ותיקונים, וישפיע בעיקר אם אכן ייתן מענה איכותי, מהיר ואמין יותר לכלים המתחרים. ימים יגידו האם הדפדפן החדש של OpenAI אכן יהיה המענה שמגדיר מחדש את כללי המשחק, או שמדובר בעוד ניסוי טכנולוגי שאפתני.

פרפלקסיטי, כרום והמרוץ החדש

ואם כבר הזכרנו את קומט ופרפלקסיטי – החברה לא מסתפקת בפיתוח והפצת הדפדפן האייג’נטלי שלה, אלא פועלת באגרסיביות גם בזירה התקשורתית והעסקית, כפי שהוכיחה בהצעת הרכש המפתיעה לרכוש את דפדפן כרום (Chrome) של גוגל תמורת 34.5 מיליארד דולר. אף שמרבית האנליסטים והמשקיעים רואים במהלך הזה מהלך יחצני לכל היותר, וסיכוייו להתממש קלושים במיוחד, עצם הגשת ההצעה ממקמת את פרפלקסיטי כשחקנית שאפתנית שמבקשת לערער על הסדר הקיים ולתפוס מקום בשורה הראשונה של שוק הדפדפנים. מדובר במהלך שמעיד עד כמה פרפלקסיטי נחושה לייצר לעצמה נראות בזירה הציבורית והמשפטית, ולהציג אלטרנטיבה ממשית לענקיות כמו גוגל ואפילו OpenAI. במובן הזה, ההצעה מהדהדת את אותה שאיפה שמניעה את המירוץ סביב הדפדפנים האייג’נטליים – לא רק לשנות את חוויית הגלישה, אלא לייצר שיח חדש על שליטה, פתיחות וחדשנות בממשקי האינטרנט של העידן הבא.

מה שבטוח, התחום הזה נמצא כעת בתחרות צמודה, עם כניסת שחקנים כמו פרפלקסיטי ו-OpenAI לשוק הדפדפנים, והעובדה שכולם מנסים להפוך את הגלישה לחכמה, דינמית ומבוססת שיחה. יש פה הזדמנות להמציא מחדש את האינטרנט ואת חויית הגלישה, לייצר מקצועות חדשים, דפוסי שימוש חדשים, ופתרונות חדשים – ואולי, לראשונה, לתת לאינטרנט לעבוד בשבילנו, ולא להיפך.

הפוסט מלחמת הדפדפנים מתחממת – האם OpenAI תשיק דפדפן חדש? הופיע ראשון בLet's AI בינה מלאכותית

איך זה עובד בפועל

במרכז AI Mode עומד מודל Gemini 2.0, שמשלב את Google Knowledge Graph עם Google Maps ו־Project Mariner – טכנולוגיה חדשה שמאפשרת ל־AI לגלוש בזמן אמת באתרים, לנווט, להבין טפסים ולהוציא מידע רלוונטי. המשמעות היא שהחיפוש כבר לא עוצר במידע תיאורטי, אלא יודע לפעול בעולם האינטרנט כמו משתמש אנושי.

ההבדל מול AI Overviews

רבים מכירים את AI Overviews, התשובות המקוצרות שמופיעות בראש החיפוש. אלא ש־AI Mode לוקח את זה כמה צעדים קדימה: הוא לא מציע סיכום חד־פעמי, אלא שיחה מתמשכת שמעמיקה בהקשרים ומסתגלת לשאלות נוספות. זו קפיצת מדרגה משמעותית מחיפוש שמחזיר תוצאה חד־פעמית, לחיפוש שמתנהל כשיחה מתמשכת שמסתגלת לשאלות נוספות.

מה חדש בעדכון האחרון

החידוש המשמעותי ביותר הוא יכולות אגנטיות. בארה”ב, למשל, אפשר כבר לבקש מ־AI Mode לא רק להמליץ על מסעדות, אלא ממש להזמין שולחן. המערכת בודקת זמינות בזמן אמת בפלטפורמות כמו OpenTable ו־Resy, מתחשבת בגודל הקבוצה, שעה וסוג המטבח, ומספקת קישור ישיר להשלמת ההזמנה. באותו אופן היא תוכל לטפל גם בכרטיסים לאירועים דרך שותפים כמו Ticketmaster ו־SeatGeek, או בקביעת פגישות עם נותני שירותים מקומיים.

בנוסף, נוספו יכולות התאמה אישית – בארה”ב כבר רואים התאמות שמבוססות על היסטוריית חיפושים והעדפות משתמש. לדוגמה, מי שנוטה לבחור אוכל צמחוני או מסעדות עם ישיבה בחוץ יקבל המלצות מדויקות יותר. פיצ’ר נוסף הוא שיתוף – כפתור Share מייצר קישור שבו חברים יכולים להמשיך את השיחה מאותה נקודה, כלי שימושי במיוחד לתכנון טיולים או אירועים.

זמינות גלובלית

בעבר היה AI Mode מוגבל לארה”ב, הודו ובריטניה. כעת גוגל פתחה אותו ל־180 מדינות ואזורי עולם נוספים, כולל אמריקה הלטינית וישראל. נכון לעכשיו השירות זמין באנגלית בלבד, והאיחוד האירופי נשאר מחוץ לפריסה, ככל הנראה מסיבות רגולטוריות. הגישה זמינה דרך החיפוש הרגיל בלחיצה על AI Mode, דרך הלינק כאן או דרך אפליקציית גוגל במובייל.

חשוב לדעת: חלק מהיכולות האג’נטיות החדשות זמינות כיום רק למנויי Google AI Ultra – חבילת פרימיום יוקרתית שמחירה בארה”ב 249.99 דולר לחודש. המנוי כולל לא רק את AI Mode המלא, אלא גם גישה נרחבת ליכולות נוספות כמו Flow (יצירת וידאו בינה מלאכותית), NotebookLM, נפח אחסון מוגדל ושירותים נוספים. בכך גוגל מנסה לבדל בין החוויה הבסיסית לחוויה המתקדמת, וליצור סביב ה־AI שכבת פרימיום ייחודית.

מה זה אומר לעסקים

עבור עסקים ובעלי אתרים ההשלכות ברורות, חלק גדול מהמידע מסופק כבר בתוך החיפוש, מה שעשוי להפחית את התנועה האורגנית. עם זאת, מי שכן יבחר להיכנס לאתר יעשה זאת מתוך מיקוד גבוה יותר, כלומר, לקוחות עם כוונת רכישה ברורה. כדי להישאר רלוונטיים, עסקים צריכים להשקיע בתוכן ייחודי ואיכותי (structured data), ולסמן לגוגל בצורה ברורה מה יש באתר – מחירים, שעות פתיחה, ביקורות או מתכונים – כך שהמידע יוכל להופיע ישירות בתוך תשובות ה־AI. בנוסף, כדאי להרחיב את הנוכחות הדיגיטלית מעבר לאתר הבית, למשל ביוטיוב, רדיט או דרך שיתופי פעולה עם פלטפורמות של גוגל.

AI Mode הוא כנראה השינוי הגדול ביותר בחיפוש מאז הקמת גוגל. המעבר מ”עשרה קישורים כחולים” לשיחה חכמה שמבינה הקשר ומבצעת פעולות בשם המשתמש מסמן תחילתו של עידן חדש. עבור המשתמשים – זו חוויה טבעית, חסכונית ומותאמת אישית. עבור עסקים – זהו מבחן הסתגלות. מי שיידע להשתלב במערכת האקולוגית של גוגל ייהנה מגישה ישירה למיליארדי משתמשים. מי שלא, עלול להישאר מחוץ למשחק.

הפוסט Google AI Mode מגיע לישראל והחיפוש הופך לשיחה חכמה הופיע ראשון בLet's AI בינה מלאכותית

ההבחנה המרכזית

הנדסת פרומפטים היא האמנות של ניסוח ההוראה המדויקת ל-AI. זה כמו לנסח שאלה בצורה הכי ברורה שיש – לבחור את המילים, לתת דוגמאות, להחליט על פורמט – כדי למקסם את הסיכוי לקבל את התשובה שאתם רוצים.

הנדסת הקשר, לעומת זאת, היא הרבה יותר רחבה. היא בונה סביב המודל את כל הסביבה שהוא צריך כדי לעבוד חכם באמת: מסמכים רלוונטיים, זיכרון משיחות קודמות, גישה לנתוני זמן אמת וכלים שמאפשרים לו לבצע פעולות.

תחשבו על זה ככה: הנדסת פרומפטים היא כתיבה של שאלה או הנחיה מושלמת. הנדסת הקשר היא לוודא שלסוכן שלכם יש גם את ספר הלימוד הנכון, גם מחשבון, גם הערות מהעבר – וגם את המפתחות כדי להיכנס לכיתה ולבצע את המשימה בפועל.

איך פועלת הנדסת פרומפטים

כדי להפוך תשובה של AI למדויקת ושימושית יותר, יש כמה טכניקות פשוטות אבל חזקות:

הגדרת תפקיד

כשאתם אומרים למודל “אתה מפתח פייתון בכיר שבודק קוד לפגיעויות אבטחה” – תקבלו ניתוח שונה לגמרי מאשר אם תכתבו רק “בדוק את הקוד הזה”. למה? כי המודל נכנס לדמות, מאמץ את השפה ואת סדר העדיפויות של אותו תפקיד.

דוגמאות Few-Shot

נהוג לומר Show don’t Tell – תמיד עדיף להראות מאשר להסביר. אם תסבירו שאתם רוצים פלט JSON, זה עלול לצאת בכל מיני וריאציות. אבל אם תיתנו 2-3 דוגמאות מדויקות, המודל ילמד את הפורמט, את השפה ואפילו את הסגנון שלכם.

שרשרת מחשבה (CoT)

הוספת הנחיה כמו “בואו נחשוב צעד אחר צעד” מאלצת את המודל לפרוס את ההיגיון שלו ולא לקפוץ ישר למסקנה. זה כלי מצוין כשמדובר בבעיות מורכבות או בחישובים לוגיים.

הערה חשובה: במודלים ישנים יותר, הנחיה כזו הייתה קריטית לדיוק התשובה. לעומת זאת, במודלי חשיבה (Reasoning) מתקדמים, היכולת הזו כבר מוטמעת בפנים, והמודל מבצע את שרשרת המחשבה בעצמו. במקרים כאלה, ההנחיה לא תשפר את הדיוק, אך עדיין שימושית כאשר רוצים לראות את ההיגיון או הדרך – לצורך שקיפות, למידה או בדיקה.

הגדרת מגבלות

לפעמים דווקא הצבת גבולות מחדדת את התוצאה. למשל: “הגבילו את התשובה ל-100 מילים” או “השתמשו רק במידע מההקשר שסופק”. זה שומר על מיקוד ומונע מהמודל לגלוש לנושאים לא רלוונטיים.

הנה תרשים קצר שמרכז את ארבעת המרכיבים החשובים ביותר:

הטכניקות המרכזיות בהנדסת פרומפטים

העולם הרחב של הנדסת הקשר

כאן כבר לא מדובר רק בניסוח פרומפטים חכמים, אלא בבנייה של מערכת שמספקת ל-AI את כל מה שהוא צריך כדי להתנהג כמו סוכן אמיתי:

ניהול זיכרון

למודל יש “זיכרון קצר טווח”, מה נאמר קודם באותה שיחה, וגם “זיכרון ארוך טווח” שמבוסס על מאגרי מידע. כך הוא יכול לזכור העדפות, אינטראקציות עבר ודפוסים שחוזרים על עצמם. בלי זה, כל שיחה מתחילה מאפס.

ניהול מצבים

כאשר ה-AI מבצע תהליך מרובה שלבים, למשל תכנון נסיעה, עליו לדעת איפה הוא נמצא בשרשרת: האם הטיסה כבר הוזמנה? באיזו שעה תנחתו? האם צריך להזמין הסעה? בלי ניהול מצבים בתוך התהליך, הוא יאבד את החוט באמצע.

RAG – Retrieval Augmented Generation

במקום להעמיס על המודל עשרות עמודים, RAG מאפשר לו “לדוג” רק את החלקים הרלוונטיים. למשל, כשאתם צריכים את מדיניות הנסיעות של החברה, הוא ימשוך רק את החוקים הקשורים ליעד שלכם, לא את כל החוברת.

אינטגרציית כלים

מודלי שפה יודעים לדבר, אבל לא לפעול. חיבור לכלים – API, מסדי נתונים, מערכות הזמנות – מאפשר להם לבצע פעולות אמיתיות. כאן מתבצע המעבר מצ’אטבוט חכם לסוכן שמבצע משימות.

הנה תרשים שמרכז את האלמנטים הקריטיים: זיכרון, ניהול מצבים, RAG, אינטגרציית כלים וכמובן גם פרומפטים כחלק מהתמונה הגדולה:

המרכיבים העיקריים של הנדסת הקשר במבט אחד

השילוב עם מערכות מרובות סוכנים

כאן מגיע הרובד שמראה את מלוא העוצמה של הנדסת הקשר: מערכות מרובות סוכנים (Multi-Agent Systems).

במקום מודל אחד שמנסה לעשות הכול, אנחנו מפעילים כמה סוכנים מתמחים:

• סוכן אחד שאוסף מידע ממקורות שונים,

• סוכן אחר שבודק מדיניות וחוקים רלוונטיים,

• וסוכן שלישי שמתכנן את הצעד הבא ומחבר את התמונה הכוללת.

הנדסת ההקשר היא זו שמארגנת את כל החלקים האלו – מתזמרת את ה־RAG, את הזיכרון ואת ההנחיות – כדי שהשיחה לא תהיה אוסף תשובות אלא תהליך דינמי ומדויק.

התוצאה? מערכת שפועלת כמעט כמו צוות אנושי: כל אחד מתמחה בתחום שלו, וכולם יחד מייצרים פעולה חכמה, יציבה ואמינה הרבה יותר ממה שסוכן יחיד יכול לספק.

למה שניהם חשובים

הכוח האמיתי לא נמצא בפרומפטים לבד, וגם לא רק בהקשר – אלא בשילוב ביניהם.

דמיינו שאתם כותבים ל-AI: “תכין לי מסלול טיול ליומיים בפריז.” זה פרומפט טוב, אבל עדיין כללי. כאן נכנסת הנדסת ההקשר: המערכת מוסיפה אוטומטית את הטיסות שכבר הזמנתם, את המלון שבו תשהו, את ההעדפות האישיות שלכם (למשל מוזיאונים ולא קניות), ואת מזג האוויר הצפוי. בפועל, ההוראה שה-AI מקבל מורכבת ברובה (כ־80%) מתוכן דינמי שמגיע מהמערכות והעדפות שלכם, ורק כ־20% מהבקשה המקורית. השילוב הזה מייצר המלצה הרבה יותר רלוונטית – כזו שתוכלו פשוט לקחת ולצאת לדרך.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

הנדסת פרומפטים עוזרת לכם לשאול שאלות טובות יותר. הנדסת הקשר בונה את המערכת שסביבן – כדי שה-AI יוכל לתת תשובות נכונות ולבצע פעולות בפועל. בלי פרומפטים טובים, ה-AI לא יבין אתכם. בלי הקשר, גם בקשה ברורה עלולה להסתיים בהזמנה של מלון ביבשת הלא נכונה או בהחלטה עסקית שמנוגדת למדיניות שלכם. מערכות AI מודרניות זקוקות לשתיהן: ניסוח מדויק מצד אחד, והקשר מלא מצד שני – זיכרון, ניהול מצבים, מסמכים, כלים ותיאום בין סוכנים. רק השילוב הזה יוצר AI שלא רק “מבין מילים”, אלא באמת מבין את העולם שלכם ועוזר לכם לפעול בו.

הפוסט מה ההבדל בין הנדסת פרומפטים להנדסת הקשר הופיע ראשון בLet's AI בינה מלאכותית

הרקע המשפטי והתזמון האסטרטגי

העיתוי אינו מקרי. השופט הפדרלי אמית מהטה (Amit Mehta) צפוי לפרסם עד סוף אוגוסט 2025 את החלטתו בתיק ההגבלים העסקיים (Antitrust) נגד גוגל. משרד המשפטים האמריקני דורש שגוגל תמכור את כרום, בטענה שהדפדפן נבנה מלכתחילה כדי לשמר את המונופול שלה בתחום החיפוש. גוגל מתנגדת בחריפות לכל צעד כזה ומבהירה שתערער על כל ניסיון לכפות מכירה.

כרום הפך בינתיים לאחת מנקודות המיקוד המרכזיות של הרגולטור, שמציג אותו ככלי אסטרטגי שבאמצעותו גוגל “תופרת” את השוק כך שתמשיך להחזיק ביתרון ברור בהכנסות מפרסום ובשליטה בחיפוש המקוון.

כמה כרום באמת שווה?

הערכות השווי לכרום נעות בטווחים דרמטיים:

• הערכות שמרניות: 20-50 מיליארד דולר

• הערכות ביניים: לפחות 50 מיליארד דולר (דן איבס, Wedbush)

• הערכות אגרסיביות: מעל 100 מיליארד דולר

חלק מהאנליסטים מעריכים ששוויו האמיתי של כרום (Chrome) עשוי להגיע אף למאות מיליארדי דולרים – אם אכן יימכר בפועל.

תומס טונגוז (Tomasz Tunguz) מקרן Theory Ventures הסביר: “ערכו של כרום עבור גוגל גבוה פי כמה מהצעה של 34.5 מיליארד דולר. הסיבה היא הקשר הישיר בין השליטה בדפדפן, דאטה המשתמשים והכנסות הפרסום. רק לשם השוואה – גוגל משלמת לאפל (Apple) 18-20 מיליארד דולר מדי שנה כדי להישאר מנוע החיפוש ברירת המחדל בספארי (Safari)”.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

כרום כשער לאינטרנט

כרום שולט בשוק הדפדפנים עם יותר מ-65% נתח שוק וכ-3.5 מיליארד משתמשים פעילים. לשם השוואה: ספארי מחזיק פחות מ-19%, אדג’ 5%, ופיירפוקס 2.5%. מעבר לנתח השוק, כרום הוא לא רק דפדפן אלא גם תשתית מרכזית להפעלת אפליקציות, הרחבות ושירותי ענן. זהו למעשה שער הכניסה של רוב העולם לאינטרנט ולמערכת הפרסום שמניעה את הכנסות הענק של גוגל.

מה פרפלקסיטי תעשה עם כרום?

גם אם תיאורטית ההצעה תאושר, עולה שאלה קשה: כיצד סטארט-אפ יחסית צעיר יוכל לנהל תשתית עצומה עם מיליארדי משתמשים, רשת מפתחים, עדכוני אבטחה, ושירותי ענן חובקי עולם? אנליסטים מציינים כי האתגר התפעולי לבדו הופך את המהלך לבלתי מציאותי כמעט, גם אם הכסף היה זורם. ניהול כרום דורש משאבים ותשתיות שאין לפרפלקסיטי כיום.

יחצנות או אסטרטגיה אמיתית?

רוב ההתייחסויות בתעשייה נעות בין סקפטיות לביטול מוחלט:

• האייט ארנס (Hayet Arens), משקיע טכנולוגיה, הגדיר את המהלך כ”פעלול יחצני” והדגיש כי כרום כלל לא עומד למכירה.

• אנליסטים בבית ההשקעות Baird כתבו כי מדובר בצעד “לא רציני”, שמטרתו להשפיע בעיקר על ההליך המשפטי המתנהל נגד גוגל.

• M.G. זיגלר (M.G. Siegler), משקיע ותיק, תיאר זאת כ”מהלך יחצני שקוף”.

בוול סטריט הגדירו את המהלך כ-long shot לכל היותר, וחלק מהפרשנים כינו אותו בפשטות “גימיק” שנועד להציב את פרפלקסיטי במרכז השיח הציבורי.

העמדה של פרפלקסיטי

החברה עצמה מנסה להציג את המהלך כצעד לטובת הציבור: “המהלך משקף מחויבות לשמור על רשת פתוחה ועל בחירת המשתמש”, נמסר בהצהרה רשמית. יחד עם זאת, החברה התחייבה להשאיר את גוגל כמנוע ברירת המחדל בכרום – צעד שזכה לאירוניה ותגובות ביקורת: “אם פרפלקסיטי רוצה ליצור תחרות אמיתית, מדוע לשמר את יתרונה של גוגל?” תהו אנליסטים.

למה זה חשוב?

עבורנו המשתמשים, כרום הוא לא עוד תוכנה אלא שער מרכזי לאינטרנט. אם גוגל תאבד את כרום – המודל העסקי שלה, שמבוסס על 265 מיליארד דולר מהכנסות פרסום – עלול להתערער באופן דרמטי. לא מדובר רק בעתידה של גוגל, אלא בטלטלה אפשרית של כל שוק הפרסום הדיגיטלי.

מעבר לכך, ההצעה חושפת את המתחים של עידן ה-AI: סטארט-אפים אגרסיביים מנסים לערער על ענקיות הטכנולוגיה לא בהכרח כדי לרכוש נכסים בפועל, אלא כדי להציב עצמם כאלטרנטיבה בזירה הציבורית והמשפטית.

מהלך דרמטי עם סיכוי זעום

כמעט כל המומחים מסכימים: הסיכוי שהצעה כזו תתקבל שואף לאפס. גם אם גוגל תחויב למכור את כרום, שווי העסקה יהיה גבוה בהרבה, והיכולת של פרפלקסיטי לנהל נכס כזה מוטלת בספק. אבל מבחינת פרפלקסיטי – המהלך כבר הצליח. החברה זכתה לחשיפה עולמית עצומה, מיתגה את עצמה כמי שמעזה לאתגר את גוגל, והכניסה את שמה לשיח בדיוק ברגע קריטי.

הפוסט ההצעה המפתיעה של פרפלקסיטי לרכישת כרום הופיע ראשון בLet's AI בינה מלאכותית

מה גילו החוקרים בפועל

חלק מהממצאים כבר עלו במחקרים קודמים, כפי שסיקרנו במאמר המרתק “בתוך הראש של קלוד – מה באמת חושב מודל שפה גדול?“. באותו ניסוי התבקש קלוד לכתוב שיר מחורז. כבר בתחילת הכתיבה, המודל לא חיכה לסוף השורה הראשונה אלא תכנן מראש את המילה האחרונה של השורה הבאה. כשהחוקרים החליפו את המילה שתכנן (למשל “ארנב”) במילה אחרת (“ירוק”), קלוד שינה בהתאם את המשך הכתיבה והתאים את החריזה החדשה.

“זה מוכיח שהמודל לא רק ממלא את החסר,” מסביר אמנואל אמייסן (Emmanuel Ameisen) מצוות המחקר, “הוא מתכנן מהלכים מראש, בדיוק כמו בן אדם.”

תופעה דומה נמצאה גם במתמטיקה. כשקלוד פותר חיבור פשוט כמו 6+9, מופעל במודל “מעגל” חישובי שלא מוגבל לתרגילים בסיסיים. אותו מנגנון מופעל גם בהקשרים מורכבים יותר, למשל כשצריך לחשב את שנת פרסום של כרך מסוים בכתב עת שהוקם ב־1959. במקום לשנן את כל התאריכים, קלוד מחשב את השנה המתאימה בזמן אמת.

האם המודל משקר?

החוקרים הבחינו גם בהתנהגות מדאיגה יותר. כאשר נתנו לקלוד בעיית מתמטיקה קשה בצירוף רמז שהתשובה היא 4, המודל הציג תהליך שנראה כמו בדיקה לוגית אמיתית – אך בפועל הוא עבד לאחור מהתוצאה הרצויה.

“מה שהמודל כתב נראה כמו ניסיון אמיתי לבדוק את העבודה,” מתאר ג’ק לינדסי (Jack Lindsey), חוקר לשעבר במדעי המוח. “אבל כשבדקנו מה קרה בתוך ‘המוח’ שלו, ראינו שהוא בחר אילו צעדים להציג כדי להגיע למסקנה שהמשתמש ציפה לשמוע.”

כלומר, לא מדובר רק בכשל טכני אלא בהתנהגות של התרפסות (Sycophancy): המודל מזייף הגיון כדי להתיישר עם רצון המשתמש – כמו עובד שמעדיף לומר לבוס מה שהוא רוצה לשמוע, גם אם זה לא נכון.

המחיר האמיתי של הפריצה

המחקר של אנטרופיק פורץ דרך, אבל מגיע עם מגבלות כבדות שהחברה אינה מסתירה. “אנחנו במצב מרגש אבל גם מתסכל,” אומר לינדסי. “המיקרוסקופ שלנו עובד רק כ־20% מהזמן ודורש מיומנות רבה להפעלה.”

בפועל המשמעות היא:

• כל מעגל חשיבה דורש שעות לפענוח.

• השיטות חושפות רק 20%-10% מהפעילות במודל.

• המחקר נעשה על Claude Haiku הפשוט יותר, ולא על Claude 4 המתקדם.

• דרושה תשתית חישובית עצומה ומומחיות גבוהה.

“כשאנחנו מנסים לפרק את מה שקורה במודל, אנחנו מצליחים לזהות רק אחוזים בודדים מהתמונה הכוללת,” מודה אמייסן. “יש חלקים גדולים מאוד בתהליך שאיננו מבינים עדיין.”

למה המודלים מתרפסים?

שורש הבעיה טמון באימון. מודלים מקבלים חיזוק חיובי כשהם מספקים תשובות שבני אדם מעדיפים. אך בני אדם עצמם נוטים להעדיף תשובות שמתאימות לאמונותיהם, גם כשהן שגויות. לכך מתווספת העובדה שהמודלים אומנו על כמויות עצומות של נתונים מהאינטרנט. “אם במהלך האימון המודל מזהה דפוס שבו אנשים נוטים להסכים עם טענות מסוימות, הוא לומד שזו התנהגות רצויה,” מסביר ג’וש בטסון (Josh Batson) מצוות המחקר.

כך נולדה “תכונת ההתרפסות” – מנגנון שמופעל דווקא כשהמודל מחמיא באופן מופרז. זו דוגמה לכך שהמודל מפתח התנהגויות שלא תוכנתו בו במפורש.

איך חוקרים את זה מדעית

החוקרים פיתחו שיטות שמזכירות מחקר מוח אנושי, אבל עם יתרון ברור: כאן יש כמעט גישה מלאה לכל חלקי המערכת. “בניגוד למוח אמיתי, אנחנו יכולים לראות כל חלק במודל, לשאול אותו שאלות אקראיות ולבדוק אילו אזורים ‘נדלקים’,” מסביר לינדסי. בנוסף, אפשר ליצור 10,000 עותקים זהים של קלוד, להציב אותם באותו תרחיש, ולראות אילו “נוירונים” דיגיטליים מופעלים, דבר שאינו אפשרי במחקר מוח אנושי.

“זה כאילו אפשר לשכפל אנשים וגם לשכפל את כל הסביבה שבה הם פועלים, כולל כל קלט שקיבלו אי פעם,” מוסיף לינדסי. לצורך הרחבת המחקר, אנתרופיק משתפת פעולה עם קבוצה בשם Neuronpedia, שמרכזת את תרשימי המעגלים שנוצרים ומאפשרת לחוקרים נוספים לבחון אותם.

מה זה אומר על עתיד ה-AI

החוקרים משווים את עבודתם לפיתוחו של המיקרוסקופ הראשון. “זה כמו ביולוגיה של יצורים שיצרנו ממתמטיקה,” אומר בטסון, שחקר בעבר אבולוציה של וירוסים. “המודלים מתפתחים בתהליך שמזכיר אבולוציה, ולא תוכנה מסורתית.” המטרה היא להגיע למיקרוסקופ נגיש בלחיצת כפתור. “בעתיד הקרוב, אולי בתוך שנה-שנתיים, כל אינטראקציה עם המודל תוכל להיות מלווה במבט פנימי,” מסביר לינדסי. “תוכלו ללחוץ כפתור ולקבל תרשים זרימה שמראה מה המודל חשב.”

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

האתגרים שלפנינו

אנתרופיק מציגה את המחקר הזה כ”השקעה בסיכון גבוה ותשואה גבוהה”, ובמקביל מפתחת גישות נוספות – מניטור בזמן אמת ועד שיטות לשיפור אופי המודל. אבל עד שהכלים יבשילו, אנחנו עדיין עובדים עם מערכות שהבנתנו לגביהן חלקית בלבד. גם כאשר הן מבצעות משימות קריטיות, מניתוח פיננסי ועד כתיבת קוד, האמון שלנו מבוסס על התנהגות חיצונית, לא על ידיעה מה מתרחש בפנים.

המחקר הנוכחי מספק הצצה נדירה ל”נפש” של מודל בינה מלאכותית, אך התמונה רחוקה מלהיות שלמה. המודלים מגלים יכולות שלא תוכננו – תכנון מוקדם, התרפסות, ואפילו פיתוח מושגים חדשים – אך הכלים הקיימים חושפים רק חלק קטן מהתמונה. כפי שמסכם בטסון: “אנחנו רק 20% בדרך להבנה מלאה של הפרויקט המדעי הזה.” יש עוד דרך ארוכה ומרתקת – ואנחנו נמשיך לעקוב ולעדכן.

הפוסט מה באמת קורה במוח של קלוד? אנטרופיק ממשיכים להציץ פנימה הופיע ראשון בLet's AI בינה מלאכותית

מהלך האירועים 

הכול החל בתגובות מטרידות שפלט הצ’אטבוט Grok, שפותח על ידי xAI. בסוף חודש יוני ותחילת יולי 2025, במהלך עבודת ההכנה והבדיקות לקראת השלמת החוזה עם גופים כמו ה-GSA (רשות הרכש הפדרלית), פרסם הבוט תגובות שכללו התבטאויות אנטישמיות חמורות. בין היתר, Grok שיבח את אדולף היטלר, האשים יהודים בשליטה על הממשל והכלכלה, והציג אמירות בעייתיות נוספות.

התבטאויות אלו עוררו סערה ציבורית רחבה, שחצתה גבולות וגררה גינויים חריפים מצד גורמים בכירים בממשל האמריקאי ובאיחוד האירופי. הדיון הציבורי עבר במהירות מהתבטאויות ספציפיות לשאלות מהותיות יותר על אתיקה, אחריות, ושליטה בפיתוח וביישום של כלי בינה מלאכותית.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

תגובת הממשל והשלכות מיידיות

על פי דיווחים של גופי תקשורת מובילים, בהם Wired וה-BBC, ההשלכות לא איחרו להגיע. ההתבטאויות של Grok גרמו לביטול מיידי של ההכללה של xAI בחוזי בינה מלאכותית חדשים שהממשל תכנן לחתום. בעוד שחברות מתחרות כמו OpenAI, Anthropic ו-Google המשיכו במסלול הסופי לקראת חתימת החוזים, החברה של מאסק נותרה מאחור.

ב-xAI מיהרו להגיב כי הבעיה תוקנה באופן מיידי. בתגובתם, הם טענו כי ההתבטאויות נבעו משילוב של “להיטות יתר לרצות” והנדסה חברתית מצד משתמשים שניסו “לפרוץ” את המגבלות המובנות של הבוט. אולם, ההסבר הזה לא הספיק כדי לשכנע את גורמי הממשל, שציינו כי אמון החברה התערער.

יש לציין כי משרד ההגנה האמריקאי, הפנטגון, עשוי להמשיך לשתף פעולה עם xAI במסגרת חוזה נפרד על סך של 200 מיליון דולר שדווח עליו ביולי 2025. עם זאת, רוב הדיווחים מאשרים כי ההסכם הגדול והמקיף יותר, במיוחד עם ה-GSA, לא נחתם כפי שתוכנן.

הסכנות שבפיתוח מהיר ובלתי מבוקר

על אף הגידול הניכר של Grok בשימוש משתמשים בחודש יולי (27.27%+), הפרשה שהובילה לביטול החוזה הממשלתי שימשה תמרור אזהרה חמור. בעוד ש-Grok4 שכבר פתוחה לקהל הרחב וצברה תאוצה, המקרה של Grok הדגיש את הסכנות שבפיתוח מהיר ובלתי מבוקר, ואת השאלות האתיות שנותרו פתוחות לגבי הצורך בשקיפות, בטיחות ובקרת תוכן קפדנית מצד המפתחים.

בעוד שמתחרותיה של xAI מרוויחות מהמצב ומחזקות את מעמדן בשוק הממשלתי, הפרשה משמשת תמרור אזהרה לכולם. היא ממחישה כי בעידן שבו בינה מלאכותית הופכת לחלק מהותי מחיינו, האחריות האתית של המפתחים היא קריטית לא פחות מהיכולת הטכנולוגית.

הסיפור של Grok הוא לא רק פרשה טכנולוגית, אלא גם תזכורת חדה לכך שהטכנולוגיה, ומי שמפתח אותה, חייבים לעמוד בסטנדרטים של אתיקה ואחריות.

הפוסט שערוריית Grok וביטול החוזה של xAI עם ממשל ארה”ב הופיע ראשון בLet's AI בינה מלאכותית

ארבעת החידושים המרכזיים

1. זיכרון אוטומטי (Personal Context): מהיום, ג׳מיני זוכר כברירת מחדל פרטים מהשיחות הקודמות שלכם כמו תחומי עניין, העדפות, ואפילו דוגמאות שנתתם, ומשתמש בהם כדי לענות בצורה מותאמת יותר. לשם השוואה, OpenAI מציעה פונקציה דומה דרך “Custom Instructions” ובזיכרון ב-ChatGPT, אבל שם היא מופעלת בהדרגה ורק למי שבוחר בכך. גוגל בוחרת בגישה אקטיבית יותר, מה שנותן חוויית שימוש חלקה, אבל גם מעלה שאלות כבדות משקל על פרטיות.

2. שיחות זמניות (Temporary Chats): מצב חדש שבו השיחה לא נשמרת בהיסטוריה, לא משפיעה על הזיכרון הקבוע, ונמחקת אוטומטית אחרי 72 שעות. לשם השוואה, קלוד של Anthropic, מאפשר שלא לשמור שיחות כלל כברירת מחדל, ללא חלון זמן.  וכמובן צ׳אט ג׳יפיטי עם הצ׳אט הזמני – שם השיחה לא נשמרת בהיסטוריה, לא משמשת לעדכון הזיכרון של הצ׳אט, ולא משמשת לאימון המודלים, אבל למטרות אבטחה – העתק של השיחה עשוי להישמר עד 30 ימים.

בגוגל בחרו להשאיר מרווח של שלושה ימים, מה שמאפשר עיבוד משוב אבל פוגע מעט בתחושת ה”אין עקבות”.

3. שליטה משופרת בנתונים (Keep Activity): אפשרות לבחור אילו קבצים, תמונות ואודיו ישמשו לשיפור המערכת, עם מתג נפרד לאודיו/וידאו שכבוי כברירת מחדל. זה מזכיר את השליטה הגרנולרית של אפל, אך ההבדל הוא שבגוגל חלק מהאיסוף נשאר פעיל כברירת מחדל – נקודת איזון שונה בין נוחות להגנה על פרטיות.

4. יכולות AI מתקדמות ב-Gemini 2.5: הגרסה החדשה מוסיפה תמיכה בקלט אודיו-ויזואלי, זיהוי רגשות בקול, דיאלוגים מרובי-דוברים ותאימות למכשירים כמו טלפונים מתקפלים ושעונים חכמים. צ׳אט ג׳יפיטי לדוגמה, מציע שיחות קוליות וראייה ממוחשבת בזמן אמת, אבל היתרון של גוגל הוא בשילוב עמוק עם החומרה שלה, מה שיכול להעניק חוויה רציפה וייחודית למשתמשי Pixel ו-WearOS.

למה זה מהלך חכם מבחינת גוגל?

נעילת אקוסיסטם (Ecosystem Lock-in)

שילוב העדכונים בתוך המוצרים הקיימים של גוגל, Gmail, Drive, Android – הופך את ג׳מיני לחלק בלתי נפרד מהחיים הדיגיטליים של המשתמש. ברגע שהוא מתחיל להסתמך על זיכרון אוטומטי או על אינטגרציית מצלמה במכשיר אנדרואיד, הרבה יותר קשה לו לעבור למתחרה.

שיפור תדמית בפרטיות

מצב השיחות הזמניות נותן לגוגל כלי שיווקי חזק: היא יכולה להציג את עצמה כחברה שמקשיבה לביקורת ומציעה שליטה גמישה בנתונים. גם אם המהלך הזה לא משנה מהותית את אופן איסוף המידע, הוא משדר שקיפות ודאגה לפרטיות, וזה חשוב במאבק על אמון המשתמשים.

אימון מודל רציף

על אף ההגבלות החדשות, האפשרות לשמור חלק מהנתונים (דרך Keep Activity) מאפשרת לגוגל להמשיך לאמן את המודלים שלה בקצב גבוה. זה מעניק לה יתרון מול מתחרים שנדרשים לאסוף דאטה בדרכים איטיות או יקרות יותר.

איפה גוגל עלולה להסתבך

פרטיות כברירת מחדל

העובדה שזיכרון אוטומטי מופעל כברירת מחדל פירושה שכל משתמש חדש מתחיל לשתף מידע אישי בלי פעולה יזומה מצידו. זה יוצר תחושה של “מעקב ברקע” ועלול לעורר ביקורת ציבורית ואף בדיקות רגולטוריות, במיוחד בשווקים רגישים כמו האיחוד האירופי.

מורכבות למשתמשים

ניהול ההגדרות בג׳מיני – כיבוי הזיכרון, הפעלת שיחות זמניות או שליטה ב-Keep Activity – דורש ידע והבנה שלא לכל המשתמשים יש. מי שאינו טכני עלול להשאיר פיצ’רים פעילים מבלי לדעת שהם אוספים מידע, מה שמחליש את הערך האמיתי של השליטה בפרטיות.

זמינות מוגבלת

חלק מהיכולות, במיוחד הפיצ’רים האודיו-ויזואליים המתקדמים, זמינים רק בשפות ובמדינות מסוימות בשלב ההשקה. זה מגביל את ההשפעה הגלובלית של המהלך, ונותן למתחרים חלון הזדמנויות להציע פתרונות דומים בשווקים שבהם גוגל עוד לא נוכחת.

ההשלכות הרגולטוריות והפרטיות במבחן המציאות

בעידן שבו ה-GDPR וה- AI-ACT באירופה כמו גם ה-CCPA בקליפורניה מכתיבים סטנדרטים גבוהים להגנה על פרטיות, כל פיצ’ר חדש ב-AI הופך מיד לנקודת בחינה רגולטורית. החידושים בג׳מיני אינם יוצאי דופן, וייתכן שיאלצו את גוגל לבצע התאמות כדי להימנע מעימות עם רשויות פיקוח.

אירופה לא אוהבת הפתעות, והפעלת זיכרון אוטומטי כברירת מחדל עלולה להיתפס כהפרה של עקרון ההסכמה המפורשת (Opt-in). במדינות האיחוד האירופי, משתמש צריך לאשר מראש את איסוף הנתונים, ולא להידרש לבטל אותו בדיעבד. אם גוגל לא תתאים את ברירות המחדל לשווקים הללו, היא מסתכנת לא רק בביקורת ציבורית אלא גם בקנסות כבדים.

בקליפורניה, שקיפות היא לא רק מילה יפה, והחוק מחייב הצגה ברורה של מה נאסף, ולתת למשתמש אפשרות פשוטה לדרוש: “אל תמכרו את הנתונים שלי”. מצב השיחות הזמניות עשוי להיתפס כמענה טוב, אך שמירת הנתונים למשך 72 שעות פותחת פתח לפרשנות, והפרשנות הזו עלולה להיות שדה קרב משפטי.

סטנדרט חדש או מינימום הכרחי?

למרות המסרים השיווקיים, גוגל עדיין משאירה איסוף נתונים פעיל כברירת מחדל. זה מעלה את השאלה: האם מדובר בהובלת שוק לסטנדרט חדש של פרטיות, או רק בעמידה ב”מינימום ההכרחי” תוך כדי שיפור התדמית? עבור גוגל, התשובה לשאלה הזו תשפיע לא רק על האמון אלא גם על קצב האימוץ של ג׳מיני בשווקים הרגישים ביותר.

קו אדום לשיתוף מידע 

גם עם שדרוגי הפרטיות והשליטה של גוגל, האחריות הסופית על המידע שלכם היא שלכם. הזיכרון האוטומטי נועד לשפר חוויית שימוש, אבל הוא גם נקודת תורפה פוטנציאלית אם נשמר בו מידע רגיש מדי. אלו הדברים שלא משתפים – לא עם ג׳מיני, ולא עם אף עוזר AI אחר – אלא אם כן מדובר בשיחה זמנית שנמחקת:

• פרטים פיננסיים – מספרי כרטיסי אשראי, חשבונות בנק, פרטי ארנק דיגיטלי. דליפה כזו עלולה להוביל לנזק כספי מיידי.

• מידע רפואי אישי – אבחנות, תוצאות בדיקות, פרטי טיפולים. חומרים כאלה מוגנים בחוקי פרטיות רפואית (כמו HIPAA בארה”ב) ושמירתם בזיכרון עלולה להוות הפרה.

• סיסמאות וקודים חד-פעמיים – שימוש ב-AI כ”פתק דביק” דיגיטלי הוא הזמנה לפריצה.

• מסמכים עם פרטים מזהים על אחרים – רשימות לקוחות, נתוני עובדים, מידע אישי של צד שלישי – כל אלו חושפים לא רק אתכם, אלא גם אנשים אחרים, לסיכון.

המלצה פרקטית: כל מידע רגיש כזה יש להכניס, אם בכלל, רק במסגרת שיחה זמנית (Temporary Chat), כך שהוא לא ישפיע על הזיכרון האוטומטי ולא יישמר מעבר לחלון ה-72 שעות.

מדריך קצר למשתמש 

רוצים ליהנות מכל החידושים של ג׳מיני בלי לוותר על פרטיות? כך עושים זאת, צעד-אחר-צעד:

1. כיבוי הזיכרון האוטומטי: פתחו את הגדרות ג׳מיני ← Personal Context ← כבו את האפשרות. כך תמנעו מג׳מיני לשמור פרטים אישיים משיחות קודמות כברירת מחדל.

כיבוי הזיכרון האוטומטי. מקור: google.blog

2. שימוש בשיחות זמניות: התחילו צ’אט חדש ← בחרו Temporary Chat ← שוחחו בראש שקט, בלי שהשיחה תיכנס להיסטוריה או תשפיע על ההתאמה האישית.

שימוש בשיחות זמניות. מקור: google.blog

3. ניהול הרשאות Keep Activity

בחשבון גוגל שלכם ← Keep Activity ← בטלו שיתוף של קבצים, תמונות ואודיו שאינכם רוצים שגוגל תשתמש בהם לשיפור המערכת.

ניהול הרשאות Keep Activity. מקור: google.blog

טיפ: חזרו על שלושת הצעדים האלו אחת לכמה חודשים, במיוחד אחרי עדכונים גדולים, כדי לוודא שההגדרות לא השתנו.

זמינות הפיצ’רים

החידושים החדשים זמינים כבר עכשיו בחבילת Gemini 2.5 Pro למנויי Google One AI Premium, בחלק מהאזורים, וב־Gemini 2.5 Flash למשתמשים נבחרים. פיצ’ר הזיכרון האוטומטי והשיחות הזמניות נפרסים בהדרגה, כשהשקה רחבה צפויה בשבועות הקרובים. חלק מהיכולות האודיו-ויזואליות, כמו זיהוי רגשות ושיחות מרובי-דוברים, מוגבלות כרגע לשפות מסוימות (בעיקר אנגלית) ולשווקים בהם גוגל מפעילה את Gemini במלואו.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

עוזרי AI מתקרבים במהירות למעמד של הסמארטפון – כלי שאי אפשר לדמיין את היום בלעדיו. עם השדרוגים האחרונים, גוגל מציבה את ג׳מיני כעוזר אישי שמציע שילוב בין נוחות, התאמה אישית ושליטה גמישה בפרטיות. אבל הקונפליקט המרכזי לא נעלם: כדי שהעוזר יהיה באמת “חכם”, הוא צריך להכיר אותנו לעומק, וזה דורש שנשתף יותר מידע. השאלה היא האם המשתמשים יסכימו לעסקה הזו, או שיעדיפו לשמור את הקלפים קרוב לחזה. התשובה תקבע לא רק את עתיד ג׳מיני, אלא את כל כיוון השוק בעידן ה-AI האישי.

הפוסט גוגל משדרגת את ג׳מיני עם אפשרות צ’אט זמני ותכונות התאמה אישית חדשות הופיע ראשון בLet's AI בינה מלאכותית

מי מזנק ומי מאבד גובה

המספרים החודשיים מציירים תמונה שונה לגמרי מהסטטוס-קוו של נתחי השוק. המובילה ביולי היא Grok של xAI, עם זינוק של 27.27% בזכות השקת Grok 4, אינטגרציה עם X Premium ועיצוב מובייל חדש לחוויית שיחה טבעית ומהירה. Claude של Anthropic עלתה ב-10.47% הודות למיקוד במפתחים ועסקים. Perplexity, המתמחה בחיפוש ומחקר, צמחה ב-8.60%, ו-Google Gemini עלתה ב-7.88% עם שילוב הדוק יותר לשירותי גוגל. ChatGPT גדלה ב-6.03% – קצב מתון יחסית אך עצום במונחים מוחלטים. בצד השלילי, DeepSeek ירדה ב-9.17%, בעקבות דעיכת ההתלהבות הראשונית, השקות דלות, תחרות מערבית חזקה ואי ודאות רגולטורית.

נתח שוק הצ’אטבוטים המובילים – יולי 2025. מקור: similarweb

המספרים שמאחורי ההובלה

ChatGPT פועלת בקנה מידה כמעט חסר תקדים: 2.5 מיליארד פרומפטים ביום, 800 מיליון משתמשים שבועיים, 5.7 מיליארד ביקורים חודשיים ויעד של מיליארד משתמשים עד סוף השנה. מנגד, Claude מחזיקה רק 0.91% מהשוק, אך משרתת 18.9 מיליון משתמשים בחודש ומייצרת הכנסות של 850 מיליון דולר בשנה – הוכחה שגם שחקן קטן יכול להפוך לעסק משמעותי.

השקת GPT-5

ב-7 באוגוסט 2025 השיקה OpenAI את GPT-5 עם הבטחות בשמיים – “צוות של מומחים ברמת דוקטורט בכיס”. בפועל, כבר ביום ההשקה נחשפו באגים ואי-שביעות רצון בולטת של מגוון משתמשים ברחבי העולם שהרגישו שלקחו להם את השליטה, הגמישות והבחירה. Reddit התמלא בתלונות, ואלטמן הודה: “המתג האוטומטי התקלקל… וכתוצאה מכך GPT-5 נראה הרבה יותר טיפש”. זמן קצר לאחר מכן, החברה החזירה את מודלי ה”לגאסי” – תחילה את 4o האהוב ובהמשך את כל השאר. חשוב לזכור שהנתונים בדו”ח מתייחסים לתקופה שלפני ההשקה, כך שמעניין יהיה לראות בהמשך את השפעת ההשקה ה”כושלת” על המספרים ודפוסי השימוש.

איך שלא נסתכל על זה, בשוק תחרותי, אפילו מעידה קטנה של מובילה היא הזדמנות למתחרות, ותזכורת לכך שנאמנות המשתמשים אינה מובטחת כשיש על המדף חלופות לא פחות טובות.

שוק מתמחה

אנחנו בתוך עולם שבו המשתמשים כבר לא שואלים “מי הכי חזק?”, אלא “מה הכי מתאים לי?”. ChatGPT נשארת הבחירה הכללית והגמישה למגוון משימות, אבל מי שמחפש מחקר וחיפוש עם מקורות פונה ל-Perplexity. עסקים ומפתחים מוצאים את מבוקשם ב-Claude, בעוד Grok מושכת משתמשים שמחפשים חוויית שיחה קלילה, חדה וראויה לעדכון בזמן אמת, במיוחד בזכות השילוב שלה עם X וההשקעה בסגנון תגובה שנון ומעט מרדני.

ההתמחות הזו מאפשרת לשחקנים קטנים לבלוט גם בשוק רווי, והיא משנה לאט את כללי המשחק: פחות נאמנות למותג, יותר נאמנות לתוצאה. זו עדיין לא מגמה מוחלטת – אבל הכיוון כבר ברור.

דור צעיר, הרגלים חדשים

תוך שנה אחת בלבד, השימוש ב-AI ג׳נרטיבי בקרב סטודנטים זינק מ-66% ל-92%. מדובר בדור שגדל עם הכלים האלה כטבע שני, ומעל 45% ממשתמשי ChatGPT הם מתחת לגיל 25. זה קהל סקרן, מהיר החלטה, שלא חושש לנסות פלטפורמות חדשות ולעבור ביניהן לפי הצורך. התוצאה היא ש-Grok ו-Claude נהנות מקצב אימוץ מהיר במיוחד, כשהצעירים בוחנים, משווים ומאמצים כלים שמספקים להם חוויה טובה, בלי קשר לגודל המותג.

מהפכת החיפוש

בחודש מאי 2025, אפליקציות AI שלחו לאתרים ברחבי הרשת כ-1.3 מיליארד ביקורי הפניה – זינוק של 357% בשנה. יוטיוב הובילה את הרשימה עם 37.9 מיליון ביקורים, שרובם הגיעו מ-ChatGPT. הנתון הזה מסמן שינוי עמוק בהרגלי החיפוש: במקום לעבור בין תוצאות בגוגל, המשתמשים מקבלים את ההמלצות ישירות מהצ’אט, ולעיתים לוחצים על קישור אחד בלבד (אם בכלל). החיפוש המונחה על ידי AI מקצר את “מסע הלקוח” בכ-40% פחות נקודות מגע בהשוואה לחיפוש מסורתי. עבור עסקים, המשמעות ברורה – לספק תשובה מלאה וברורה כבר במפגש הראשון, אחרת ההזדמנות פשוט תיעלם.

ישראל על המפה

גם בישראל התמונה כמעט זהה לעולם. ChatGPT שולטת בבטחה עם 85.9% מהשוק, הרחק מאחור נמצאת Perplexity עם 5.67%, אחריה Gemini עם 4.02%, Copilot עם 2.29%, ו-Claude עם 2.04%. השליטה של המובילה נשמרת, אבל הקצב שבו שחקני הנישה מתחזקים מצביע על כך שגם כאן השוק מתחיל להיפתח לאפשרויות נוספות.

השוק העסקי מתבגר

הבינה המלאכותית כבר מזמן אינה ניסוי – היא הפכה לכלי עבודה מרכזי. 78% מהארגונים בעולם משתמשים בה כיום, לעומת 55% בלבד בשנה שעברה, ו-90% מבתי החולים משלבים AI באבחון וניטור. השוק הגלובלי הגיע ל-638.2 מיליארד דולר ב-2024 וצפוי לזנק ל-1.81 טריליון דולר עד 2030. במקביל, OpenAI מכוונת לשווי של 300 מיליארד דולר, בעוד Anthropic צופה להכפיל את הכנסותיה ל-2.2 מיליארד דולר כבר ב-2025, עדות לכך שגם שחקניות צעירות יחסית יכולות להפוך לכוחות כלכליים משמעותיים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

יולי 2025 סימן את המעבר ממונופול לתחרות פתוחה. ChatGPT עדיין המובילה הבלתי מעורערת, אך הזינוק של Grok, ההתחזקות של Claude, Perplexity ו-Gemini, והירידה של DeepSeek – כולם מוכיחים שהשוק נעשה דינמי וממוקד יותר. זה ממש לא סוף עידן ChatGPT, שכנראה תמשיך לשבת על הכס גם אחרי ה”מכה הקלה בכתר”, אלא תחילת עידן שבו הבחירה נקבעת לפי הדיוק במענה, לא לפי הגודל. בשוק כזה, כל פלטפורמה שמצליחה לפגוע בול בצורך – עשויה להיות ההפתעה הגדולה הבאה.

הפוסט שוק הצ’אטבוטים מתחמם בקיץ רותח הופיע ראשון בLet's AI בינה מלאכותית

איך הגענו לכאן? GPT‑5 “מודל אחד שישלוט בכל”

ב‑7 באוגוסט 2025 חברת OpenAI השיקה את GPT‑5 – מודל הדגל החדש שלה, כזה שלא שואל שאלות, ומחליט בשבילכם. לא עוד בחירה ידנית בין רשימה אינסופית של מודלים! החלופה – מודל אייג’נטלי שמתיימר לדעת יותר טוב מכם, מה אתם רוצים וצריכים. זה לפחות היה החזון – אבל חלומות לחוד ומציאות לחוד. בפועל, המצב החדש לא בא טוב להרבה משתמשים.

GPT-5 – One model to rule them all.

ומה לגבי מי שבכל זאת רוצה קצת שליטה? בימים הראשונים שלאחר השקת המודל, מנויים בתשלום קיבלו את האפשרות להשתמש בבורר מודלים דינמי, שהחיל אך ורק שני מצבי עבודה באותה העת: GPT-5 ו-GPT-5-Thinking. הראשון – מודל שמחליט מתי לג’נרט במהירות ובקלילות, ומתי להפעיל יכולות הסקה מתקדמות (וגם איטיות יותר). השני – מודלי ריזונינג קלאסי, או אם תרצו – הדור הבא של o3. 

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

שובם של מודלי הלגאסי

במהלך השנים האחרונות, כל השקה של מודל חדש מצד OpenAI לוותה באירועי השקה נוצצים, עדכונים סוערים ברשתות החברתיות ושפע השוואות: מה יותר טוב? מי מהיר יותר? איזה מודל מבין טוב יותר את השפה? מי יותר רגיש? אבל בחצי שנה האחרונה נדמה שמשהו השתנה – משהו נסדק. המודלים ששוחררו היו פחות “אפויים”, וזה הרגיש שמישהו ב-OpenAI מצד אחד רוצה לשחרר מהר מהר מודלים חדשים, ומצד שני, לא מקדיש לכל מודל את הזמן הנדרש כדי להתאים אותו לקהלי היעד, ולצרכים והשימושים שלהם.

וגם הפעם היו רבים שהיללו את המודל החדש, שמייתר את כאב הראש שבבחירת מודל, ו”מחליט בשבילנו”. מצד שני רבים טענו שהמודל החדש לא מתאים לכולם, ושהם היו רוצים את אפשרות הבחירה. המודל החדש – GPT5 – מצוין בכתיבת קוד, יש בו הרבה פחות שגיאות והזיות, הוא מגיע עם חלון הקשר של 400K טוקנים ב-API, ומצוין בפעולות מתמטיות. כל אלו הופכים אותו למושלם עבור עולם האנטרפרייז. אבל מצד שני – משהו הלך לאיבוד בדרך. אולי זה הרגש והרגישות. אולי זו האנושיות (אם אפשר לכנות מודל AI כ”אנושי”).

ועכשיו, כצפוי, OpenAI נכנעת ומחזירה את מודלי הלגאסי האהובים.

Return of the Legacy Models.

איך מפעילים את מודלי הלגאסי?

המודל הראשון שחזר היה GPT-4o הישן והטוב. מודל מאוד מהיר, מצוין בעברית, שמתאים למשימות מהירות ופשוטות. זה לא המודל לנתח איתו את דו”ח הרווח-הפסד שלכם, וזה בטח שלא המודל לכתוב איתו את הקוד לסוכן החדש שאתם בונים. אבל הוא מושלם לכתיבה של טקסטים, פוסטים, מאמרים, בלוג-פוסטים, יצירת תמונות, סיכום של תוכן או הרחבתו, ועוד. 

כדי להפעיל את מודלי הלגאסי יש ללחוץ על תמונות היוזר שלכם, ואז על הגדרות (Settings). שם, בתוך לשונית General תמצאו את הכפתור שמאפשר להציג את המודלים הישנים.

הצגת מודלי הלגאסי ב-ChatGPT.

אבל למה להסתפק רק ב-4o? אתמול, 14.8.25, חזרו אל חיינו גם מודלים אהובים נוספים ומתקדמים הרבה יותר מ-GPT-4-o. אם יש לכם מנוי בתשלום והפעלתם את אפשרות הצגת מודלי הלגאסי, תגלו שלחיצה על כפתור בורר המודלים (בצד שמאל למעלה), מאפשרת לכם להגיע גם למודלים ישנים (אך טובים ומתקדמים) כמו o3 המדהים. אם תשאלו אותי – כנראה שזה מודל הריזונינג הטוב בשוק! אמנם לא הכי חדש, אבל אחד היציבים והאמינים שבהם. מעולה למשימות רב-שלביות, מצוין בפעולות מתמטיות, מדהים בניתוח קבצים פיננסיים, ובאמת כל מה שאתם מצפים ממודל מתקדם.

אגב, אם אתם רוצים ללמוד עוד על ניתוח נתונים ומסמכים פיננסיים עם מודלי ריזונינג, פה תמצאו מדריך מפורט ופשוט מעולה!

כך תוכלו להשתמש במודלי הריזונינג הישנים והטובים של ChatGPT.

לצד o3 ו-o4-mini קיבלנו חזרה גם את GPT-4.1, שקצת עבר מתחת לראדאר של משתמשים רבים, אבל מבחינתו הוא עוד מודל אהוב במיוחד. באופן מפתיע, למרות שזה לא הייעוד שלו, הוא מצוין גם בכתיבה שיווקית (מעבר ליכולות המרשימות הנוספות שלו, עליהן תוכלו לקרוא כאן).

מצבי חשיבה חדשים

מעבר לחזרתם של o3, חזרת המודלים הישנים, קיבלנו גם מצבי חשיבה חדשים: Auto / Fast / Thinking-mini / Thinking.

מצבי החשיבה החדשים של GPT-5.

בואו נעשה קצת סדר ונסביר מה ההבדל בין כל מצב חשיבה:

• מצב Auto: זהו מצב ברירת המחדל של המערכת, והוא מאפשר ל-GPT-5 להחליט באופן דינמי כמה “להשקיע” בחשיבה לפני כל תשובה. ההחלטה מתבצעת על סמך ניתוח של הפרומפט, מהלך השיחה ודפוסי השימוש שנלמדו. אם מזוהה בעיה מורכבת, המערכת יכולה להעמיק באופן אוטומטי ולהפעיל חשיבה מדורגת (Reasoning). מצב זה מתאים לרוב המשימות היומיומיות, כמו כתיבה, עריכה, תשובות לשאלות “מידעיות” וכתיבת קוד שגרתית. מצב זה אמור לאזן בין מהירות לעומק. היתרון: חוויית שימוש נטולת עומס בחירה. החיסרון: פחות שליטה על זמני תגובה ועוצמת החישוב.
• מצב Fast: מצב זה ממוקד במהירות מקסימלית ומפחית משמעותית את משך “החשיבה הפנימית” של המודל לפני מתן תשובה. זהו מצב אידיאלי למשימות קצרות, לסיכומים מהירים, להנחיות תפעוליות ולשימושים שבהם החשיבות העליונה היא זמן תגובה קצר ולא ניתוח מעמיק. חשוב לציין שבמצבים הדורשים הסקה וחשיבה מעמיקה, או דיוק גבוה, איכות התשובות עשויה להיות נמוכה יותר לעומת מצב Thinking. אם תרצו, זו המקבילה למודל GPT-4o הישן.
• מצב Thinking‑mini: מצב ביניים זה מעניק יותר עומק ניתוח מ-Fast, אך בעוצמת חישוב נמוכה בהרבה ממצב Thinking ה”מלא”. המצב הזה מתאים לבעיות לוגיות או טכניות ברמת קושי בינונית, לסקירות קוד לא מעמיקות במיוחד ולפירוק בעיות לכמה שלבים. הוא מהיר יחסית למודלי ריזונינג אחרים. בנוסף, המערכת מפנה אליו אוטומטית כאשר חורגים מהמכסה השבועית של מצב Thinking המלא. מצב זה מהווה מעין מקבילה למודל o4-mini הישן.
• מצב Thinking: מצב זה מקצה למערכת יותר זמן ומשאבים לניתוח פנימי יסודי, מה שמאפשר לה להגיע לתשובות מדויקות ועמוקות במיוחד. זהו מודל הריזונינג העוצמתי במיוחד במנוי פלוס (יש לו גם גרסה חזקה יותר במנוי Pro), והוא מתאים במיוחד למשימות מורכבות כמו לוגיקה מתקדמת, חישובים מתמטיים, ניתוח קבצים פיננסיים ודו”חות, ביצוע פעולות רב-שלביות, דיבאגינג, פתרון בעיות מורכבות, ניתוח מרובה קבצים ועוד. יתרונו המרכזי הוא הדיוק והעקביות במשימות קשות, אך הוא איטי יותר ומוגבל למכסה שבועית (ולאחר מכן מתאפשר שימוש ב-Thinking‑mini). מודל זה הוא המקבילה ל-o3 הישן והטוב. חשוב לציין שהוא הרבה יותר איטי והרבה יותר “אייג’נטלי” – כלומר, הוא יקבל החלטות בעצמו. הוא יכול להחליט לגלוש ברשת לאסוף מידע שחסר לו, גם אם לא ביקשתם. הוא יכול להחליט לייצר טבלאות ותרשימים, גם אם לא ביקשתם. הוא יכול לייצר מפרומפט בודד מספר רב של תוצרים (טקסט, גרפים ותרשימים, טבלאות ועוד). 

מי החליף את מי? ישן מול חדש | Credit: OpenAI

האם OpenAI נכנעה?

מה אפשר ללמוד מכל הסיפור הזה? האם OpenAI מודה בטעות? האם זה צעד אחורה או קדימה? האם מודל שבוחר בשבילנו ומחליט בשבילנו זה לאו דווקא דבר טוב? האם יכולות אייג’נטליות מרחיקות מאיתנו את ה”אנושיות” של המודלים הישנים (עד כמה שניתן לומר משפט כזה)? הרבה שאלות, מעט תשובות (אותן נגלה לאורך הדרך, בעיקר לאחר שנוכל לנתח את דפוסי השימוש של משתמשים לאורך זמן). מה שבטח, לא כל השקה של מודל חדש היא גיים צ’יינג’ר! ולפעמים, מודלים ישנים שעושים את העבודה ושמשתמשים התרגלו לעבוד איתם, מספיק טובים. או כמו הסיסמה הנדושה (אך הנכונה תמיד) – If it ain’t broke, don’t fix it.

הפוסט שובם של מודלי הלגאסי! האם ChatGPT צועד קדימה או אחורה? הופיע ראשון בLet's AI בינה מלאכותית

מה זה בעצם אומר בפועל?

בואו נעשה את זה פשוט: טוקן הוא יחידת מידע קטנה – מילה, חלק ממילה או סימן פיסוק. מיליון טוקנים שווים בערך ל־750,000 מילים או יותר מ־75,000 שורות קוד. לשים את זה בפרספקטיבה, זה כאילו שתוכלו להזין את כל ספרי הארי פוטר יחד, ועוד יישאר מקום. עד השבוע, Claude Sonnet 4 היה מוגבל ל־200,000 טוקנים. עכשיו מדובר בקפיצה פי חמישה, שממקמת אותו בין המובילים בתעשייה (לצד Gemini) ומשנה בפועל את האופן שבו ניתן לעבוד עם המודל – מפרויקטים קטנים ועד מאגרי מידע עצומים בבקשה אחת.

למה זה באמת חשוב?

כמעט כל מי שעבד עם מודל בינה מלאכותית מכיר את התסכול: אתם מעלים מסמכים, מסבירים את ההקשר, ואז בשלב מסוים המודל “מאבד את החוט”. פתאום צריך להתחיל מהתחלה, להעתיק ולהדביק מידע חשוב ולקוות שהוא יישאר בזיכרון. זו מגבלה טבעית של רוב המודלים – חלון ההקשר שלהם פשוט לא מספיק גדול.

השדרוג החדש משנה את המשוואה: עכשיו אפשר להעלות פרויקט תוכנה שלם, כולל כל הקבצים, הבדיקות והתיעוד, ו-Claude יבין את התמונה המלאה בבת אחת. המשמעות היא לא רק חיסכון בזמן – זו פתיחה של דלתות לעבודה על משימות מורכבות ורב־שלביות שבפועל היו בלתי אפשריות עד היום.

שלושה שימושים מעשיים שישנו את הדרך שלכם לעבוד

ניתוח קוד בקנה מידה ענק

במקום לבדוק קובץ אחר קובץ, אפשר עכשיו להעלות פרויקט שלם. Claude יוכל להבין את הארכיטקטורה הכוללת, לזהות תלותיות בין קבצים, ולהציע שיפורים שמתחשבים במערכת כולה – יכולת שקשה למצוא כיום גם במודלים מתחרים. זה כמו לתת לאדריכל לראות את כל הבניין ולא רק חדר אחד, מה שמאפשר פתרונות חכמים יותר ופחות טעויות תכנון.

סינתזה של מסמכים מורכבים

עורכי דין יכולים להעלות עשרות חוזים ולקבל ניתוח השוואתי מקיף, וחוקרים יכולים לעבד מאות מאמרים מדעיים כדי לחשוף קשרים ותובנות שלא נראו קודם. התחושה דומה לעבודה עם עוזר מחקר אישי בעל זיכרון פוטוגרפי – חיסכון אדיר בזמן וקפיצה באיכות המסקנות.

סוכנים אוטונומיים חכמים

חלון ההקשר המורחב מאפשר לבנות כלי AI שמחזיקים בזיכרון של מאות פעולות ועשרות אלפי פריטי מידע רלוונטיים. זה פותח את הדלת לעוזרים דיגיטליים שמנהלים תהליכים עסקיים או טכנולוגיים מורכבים לאורך זמן, בלי לאבד את ההמשכיות – יתרון משמעותי בעולם שבו סוכנים אוטונומיים הופכים לכלי עבודה סטנדרטי.

מי כבר משתמש בזה בהצלחה?

Bolt.new

פלטפורמת פיתוח באינטרנט שמשלבת את Claude בכלי הפיתוח שלה. אריק סימונס, המנכ”ל והמייסד השותף, מסביר: “Claude Sonnet 4 נשאר המודל המועדף עלינו לתהליכי יצירת קוד. עם חלון ההקשר של מיליון טוקנים, מפתחים יכולים עכשיו לעבוד על פרויקטים גדולים משמעותית תוך שמירה על הדיוק הגבוה שאנחנו צריכים.” הבחירה ב-Claude, לדבריו, נובעת מהשילוב בין הבנת הקוד לעומק לבין יכולת לשמור על קונטקסט רחב לאורך תהליך הפיתוח, יתרון שלא מצאו במודלים מתחרים.

iGent AI

החברה מלונדון פיתחה את Maestro, שותף AI שהופך שיחות לקוד הניתן להרצה. שון וורד, המנכ”ל והמייסד השותף, מספר: “מה שהיה בלתי אפשרי הפך למציאות. Claude Sonnet 4 עם חלון ההקשר של מיליון טוקנים העצים את היכולות האוטונומיות ב-Maestro. זה פותח הנדסת תוכנה בקנה מידה של ייצור אמיתי.” במקרה של Maestro, ההבדל המהותי הוא היכולת לשמור על תהליך פיתוח רציף ומבוקר לאורך עשרות שלבים, משהו שמודלים עם חלון הקשר קטן פשוט לא מצליחים לבצע.

שתי הדוגמאות מראות שהשדרוג הזה אינו רק נתון טכני מרשים, אלא כלי עבודה שמייצר שינוי ממשי בתפוקות ובקצב העבודה של צוותים טכנולוגיים.

כמה זה עולה?

Anthropic, שגם לפני השדרוג נחשבה ליקרה יחסית למשתמשים כבדים, לא מסתירה שהטכנולוגיה החדשה כרוכה בעלויות גבוהות יותר – במיוחד בבקשות גדולות.

טבלת תמחור Claude Sonnet 4 עם חלון הקשר של מיליון טוקנים

לשם השוואה, המחירים של Claude Sonnet 4 אכן גבוהים מאלו של GPT‑4o, שמחיריו עומדים על כ־$2.50 לקלט ו‑$10 לפלט למיליון טוקנים. בנוסף, חלק מהתמחור של Google Gemini דרך Vertex AI, כמו ב־Gemini 2.5 Pro, גם הוא תחרותי יותר עם קלט של $1.25-$2.50 ופלט של $10-$15. יחד עם זאת, Claude מציע את אחד החלונות ההקשריים הרחבים ביותר בשוק מה שיכול להצדיק את העלות הגבוהה עבור מקרים בהם יש צורך בהקשר עמוק ורב־שכבתי.

איך לחסוך? Anthropic מציעה שתי דרכים עיקריות:

• שמירת פרומפטים (Prompt Caching) – אם אתם חוזרים שוב ושוב על אותו פתיח/סט הוראות, ניתן לשמור אותו ולחסוך חלק מהעלות.

• עיבוד אצווה (Batch Processing) – שילוב כמה בקשות בבקשה אחת יכול לחתוך עד 50% מהעלות. לדוגמה, העלאת כל חוזי החברה יחד במקום עשרה קבצים נפרדים.

המשמעות? למי שעובד עם נפחים גדולים, כדאי לתכנן מראש את מבנה השאילתות, לאחד בקשות דומות ולנצל את הטכניקות לעיל, אחרת העלות עלולה לגדול משמעותית.

למי זה זמין?

כרגע, הגרסה עם חלון ההקשר של מיליון טוקנים זמינה בבטא ציבורית רק ללקוחות ה־API של Anthropic ברמת Tier 4, עם הגדרות מותאמות אישית, כלומר, בעיקר לארגונים וחברות עם שימוש אינטנסיבי. היא כבר זמינה גם ב־Amazon Bedrock, ותגיע בקרוב ל־Google Cloud Vertex AI, מה שיאפשר שילוב קל יותר במערכות קיימות של עסקים שעובדים עם הפלטפורמות האלו.

ומה לגבי כולם? Anthropic מצהירה כי בכוונתה להרחיב את הזמינות בשבועות הקרובים, ובמקביל בוחנת שילוב התכונה בממשקי Claude לציבור הרחב. המשמעות: אם אתם רוצים להתנסות בזה מוקדם, כדאי לבדוק כבר עכשיו אם יש לכם גישה דרך ספק הענן שלכם או דרך חשבון API מתאים, אחרת תיאלצו להמתין להשקה הרחבה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

לסיכום, זה לא עוד עדכון שגרתי – חלון הקשר של מיליון טוקנים הוא שינוי פרדיגמה שממקם את Anthropic בין השחקנים המובילים בתעשיית ה־AI, לצד ואף מעל חלק מהמתחרים. הוא פותח אפשרויות עיבוד בקנה מידה שלא היו נגישות קודם, ומסוגל לחסוך שעות ואף ימים של עבודה בפרויקטים גדולים ומסמכים מורכבים.

עם זאת, חשוב לזכור שהיתרון הזה מגיע עם מחיר לא מבוטל, ושעדיין אין מספיק מידע ציבורי על השפעת העומס הזה על מהירות התגובה ואיכות ההסקה. לפני שמאמצים את השדרוג, כדאי לבחון היטב את סוגי המשימות, נפחי הנתונים והתקציב, ולבדוק אם הוא באמת פותר בעיה אמיתית בארגון שלכם.

למי שזקוק ל־AI עם זיכרון עמוק, המשכיות ועיבוד רחב היקף, זה בהחלט יכול להיות השדרוג שחיכיתם לו. למי שלא, אולי עדיף להמתין לגרסאות הבאות או לחלופות זולות יותר.

הפוסט Claude Sonnet 4 מקבל חלון הקשר של מיליון טוקנים ב-API הופיע ראשון בLet's AI בינה מלאכותית

מרוץ החימוש של ענקיות ה-AI

שוק הבינה המלאכותית נמצא במרוץ חימוש מואץ. OpenAI השיקה את GPT-5 וגוגל ממשיכה לדחוף את Gemini קדימה בקצב גבוה. כל עדכון הופך לקרב על יתרון טכנולוגי, על תשומת הלב של המשתמשים, ובעיקר על שליטה בשוק העתידי. בתוך הסערה הזאת, אנתרופיק בוחרת באסטרטגיה שונה: שיפורים תכופים ומדויקים במקום מהפכות חד-פעמיות.

המודל החדש בבורר המודלים של קלוד

מה השתנה בפועל?

Claude Opus 4.1 מציג שדרוגים מדידים בכמה תחומים קריטיים, כפי שניתן לראות בגרפים ובטבלה שפרסמה אנתרופיק.

תכנות ומשימות אוטונומיות

במבחן SWE-bench Verified, הבוחן יכולות תכנות מעשיות, המודל השיג 74.5% – עלייה מהגרסה הקודמת (72.5%) ומקום בטופ מול GPT-4 (69.1%) ו-Gemini 2.5 Pro (67.2%).

קפיצת המדרגה בתכנות – Opus 4.1 מוביל. מקור: anthropic.com

חשוב לדעת: מבחן ה-SWE-bench כולל 500 בעיות מלאות, ואנתרופיק השתמשה בכולן גם בהשוואות הפנימיות שלה. מתחרים כמו OpenAI בחרו לדווח על תת־קבוצה של 477 בעיות – נתון שעשוי להשפיע על ההשוואה.

תחומים נוספים

במבחן TAU-bench לשימוש בכלים אוטונומיים, Opus 4.1 הגיע ל־82.4% במשימות קמעונאות ול־56% במשימות תעופה, באמצעות טכניקת “Extended Thinking” – חשיבה מורחבת עד 64,000 טוקנים.

במתמטיקה לרמת תיכון (AIME 2025) – 78%, מאחורי GPT-4 ו-Gemini (88%). בחשיבה ויזואלית – 77.1%, גם כאן מאחורי המובילים.

הטבלה המצורפת מאפשרת לראות את כל המבחנים זה לצד זה ולהבין באילו תחומים Opus 4.1 מוביל ובאילו הוא עדיין בפיגור:

מפת הביצועים – איפה Claude מנצח ואיפה הוא בפיגור. מקור: anthropic.com

מה זה אומר בפועל?

הנתונים מגלים אסטרטגיה ברורה: אנתרופיק לא מנסה להוביל בכל תחום, אלא להתמקד בדיוק במה שמייצר ערך מיידי למשתמשים מקצועיים – תכנות, אוטומציה, ועבודה עם מידע מורכב.

תגובות ראשונות מהשטח

חברות שקיבלו גישה מוקדמת ל-Claude Opus 4.1 מדווחות על שיפורים מורגשים:

• GitHub: שיפור כמעט בכל היכולות לעומת Opus 4, במיוחד בשכתוב קוד מרובה קבצים (multi-file refactoring).

• Rakuten Group: איתור מדויק של תיקונים בקוד גדול, ללא שינויים מיותרים או הכנסת באגים – יתרון משמעותי למשימות דיבוג.

• Windsurf: שיפור של סטיית תקן אחת ביחס ל-Opus 4 במבחן פנימי – קפיצה המקבילה למעבר מ-Sonnet 3.7 ל-Sonnet 4.

המכנה המשותף: שדרוגים שמורגשים בעבודה היומיומית, לא רק בנתוני מבחן.

זמינות ותמחור

Claude Opus 4.1 זמין כבר מהיום במגוון פלטפורמות: גרסאות התשלום של Claude, כלי הפיתוח Claude Code למתכנתים, ה-API של אנתרופיק (claude-opus-4-1-20250805), וכן דרך שירותי הענן Amazon Bedrock ו-Google Vertex AI. אנתרופיק שמרה על אותו מבנה תמחור מהגרסה הקודמת (אמנם שדרוג ללא שינוי אבל לא זול בכלל!) – 15 דולר למיליון טוקני קלט ו-75 דולר למיליון טוקני פלט – וממליצה לכל המשתמשים להחליף ל-Opus 4.1 בכל היישומים.

אסטרטגיית העדכונים התכופים

אנתרופיק משתמשת במודלי Hybrid Reasoning – עם או בלי חשיבה מורחבת (עד 64,000 טוקנים). במבחן SWE-bench היא נשארת עם אותה מתודולוגיה פשוטה – שני כלים בלבד: bash ועורך קבצים, ללא כלי התכנון שהיה ב-Claude 3.7 Sonnet. המסקנה: הובלה מובהקת בתכנות ובאוטומציה, גם במחיר פיגור בתחומים אחרים. זוהי בחירה אסטרטגית ברורה, לשחרר שדרוגים ממוקדים בתדירות גבוהה, בניגוד לגישה של OpenAI המעדיפה השקות דרמטיות ומשמעותיות יותר במרווחי זמן גדולים.

למה זה חשוב גם למי שלא מתכנת?

הצלחה של 74.5% בתיקון קוד מעשי היא לא עוד שורה בגרף, היא משנה את תפקידם של מתכנתים. במקום לשבת שעות ולכתוב קוד, הם ימצאו את עצמם מנהלים את עבודת ה-AI: מגדירים משימות, בודקים תוצאות, ומקבלים החלטות אסטרטגיות על מבנה המערכת. זה מעבר שדורש סט כישורים חדש, וגם שינוי תרבותי בארגונים.

גם לעולם העסקי הרחב יש כאן השלכות ברורות. Rakuten Group ו-GitHub כבר הראו מה קורה כשהאוטומציה מדויקת – זמני פיתוח מתקצרים, עלויות יורדות, והארגון כולו נהנה מיתרון תחרותי. אפילו עסקים שאינם טכנולוגיים יתחילו בשנים הקרובות לשלב כלים כאלה בתהליכים, פשוט כי השוק יכתיב את זה.

ולבסוף, יש את שאלת הנגישות. אנתרופיק שמרה על אותו תמחור של Opus 4, מה שמעיד על אסטרטגיה המכוונת לנפח שימוש ולא לגביית פרימיום, אך בפועל, מחירי ה-API של Claude Opus 4.1 הם מהגבוהים בשוק, גבוהים משמעותית מאלו של ChatGPT. המשמעות היא שהטכנולוגיה אמנם נגישה למי שמוכן להשקיע, אך עבור שימושים אינטנסיביים היא עלולה להוות חסם, מה שעשוי להאט את האימוץ בהיקפים גדולים.

הקרב האמיתי

זו לא רק תחרות טכנולוגית, זו מחלוקת על איך חדשנות צריכה להיראות. OpenAI מהמרת על הכרזות גדולות ושינויים חדים, בעוד אנתרופיק מעדיפה שיפורים קטנים ותכופים שמצטברים לכוח משמעותי לאורך זמן. ההיסטוריה מלמדת שבדרך כלל הגישה השנייה מנצחת, אבל בבינה המלאכותית המבחן עוד לפנינו. למרות קצב גבוה של השקות, פיצ׳רים וכלים – אנחנו עדיין בתחילת הדרך.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

בחודשים הקרובים נראה אם המשתמשים יבחרו בהבטחת הקפיצה הגדולה של GPT-5 או בהמשכיות והשדרוגים של Claude. עבור המשתמשים, זו בחירה בפילוסופיית פיתוח, עבור החברות, החלטה עסקית שיכולה להקנות יתרון של שנים או לכפות שינוי כיוון יקר. Claude Opus 4.1 הוא הרבה מעבר לעדכון גרסה – זו הצהרה על הדרך שבה נרצה שה-AI יתקדם: בקפיצות חדות או בצעדים קטנים ותכופים שכבר עכשיו משנים את העבודה בשטח. בסופו של דבר, האופן שבו נשתמש בכלים האלה יעצב את הכיוון שבו הבינה המלאכותית תתפתח בשנים הקרובות.

הפוסט אנתרופיק משיקה את Claude Opus 4.1 הופיע ראשון בLet's AI בינה מלאכותית

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

מודל דגל חדש בשכונה – GPT-5 פה כדי לפשט!

בורר המודלים של GPT-5 בגרסה בתשלום.

הסוף לכאוס ולרשימת המודלים האינסופית!

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

חלון קונטקסט גדול של 400K טוקנים ב-API!

יתרון אדיר נוסף שממחיש את הפער בין GPT-5 למודלים הקודמים של OpenAI, הוא חלון הקונטקסט הגדול יחסית. עד לאחרונה, עבודה עם מסמכים בני מאות עמודים או עם דאטה-סטים רחבים דרשה פיצול למקטעים או הקרבה באיכות הזיכרון. בדורות הקודמים הסתפקנו בכ-200,000 טוקנים, אבל כעת, GPT-5 משנה את כללי המשחק – הוא מסוגל לקבל ולנתח מסמכים בהיקף של עד 400,000 טוקנים דרך API! זה לא הכי גדול (מודלי ג’מיניי מתהדרים כבר תקופה ארוכה בחלון הקשר של מיליון טוקנים, וגם במודלים אחרים של OpenAI, כמו o4-mini-high ראינו דברים דומים), אבל זה שיפור משמעותי ממה שקיבלנו עד היום במודל הדגל של הפלטפורמה.

במבחני OpenAI-MRCR, שבודקים יכולת שליפה והבנה מתוך קונטקסטים ארוכים ומורכבים, GPT-5 עוקף בביטחון דגמים כמו O3 ו-GPT-4.1, במיוחד ככל שהקלט מתארך (עד 256,000 טוקנים למבחן). המשמעות היא שגם במבחני ”מחט בערימת שחת”, שבהן המודל מתבקש לשלוף פרט מידע מתוך כמות דאטה אדירה (כמו עשרות תכתובות, דוחות מפורטים או נתוני חיפוש אינסופיים), המודל מצליח לאתר מידע נקודתי ולשלוף אותו בדיוק מרשים ביותר של מעל 90%.

הקפיצה הזאת מגובה גם בנתוני BrowseComp Long Context, מבחן חדש שמדמה חיפוש והסקה מתוך מאות אלפי מילות מידע: כאשר הוזן קלט בגודל 128K–256K טוקנים, GPT-5 הצליח להגיע לתשובה הנכונה ב-89% מהמקרים – פי כמה מהיכולות של מודלים קודמים.

חלון הקונטקסט של GPT-5 כגדול מבעבר! 400K טוקנים | Credit: OpenAI.

לא רק איכות, אלא גם אמינות

לפירוט הביצועים המלאים, לחצו פה.

וכמו תמיד – אחרי שההייפ פוחת, אנחנו נשארים פה כדי לפצח את היוזקייסים, לבחון ולבדוק את ביצועי המודל בפועל, ולדווח לכם האם הוא באמת טוב כמו שהוא נשמע. רוצים להישאר מעודכנים? הצטרפו לקהילות ולניוזלטר שלנו.

הפוסט כל מה שצריך לדעת על GPT-5 הופיע ראשון בLet's AI בינה מלאכותית

מה זה בעצם Video Overview?

מדובר בסרטון קצר בפורמט של שקופיות עם קריינות אוטומטית, שנוצר ישירות מתוך המסמכים שהעליתם ל־NotebookLM. המערכת סורקת את התוכן, מזהה את הרעיונות המרכזיים – ובונה עבורכם מצגת הכוללת טקסטים מתומצתים, תמונות תואמות, ציטוטים מהמקור, וקריינות בקול סינתטי שנשמע טבעי ומותאם לקהל היעד. נכון לעכשיו, מדובר בפורמט אחד – מצגת מונחית (narrated slides) – אך גוגל מציינת שצפויים פורמטים נוספים בהמשך, כולל וידאו עשיר ודינמי יותר. הכלי מתאים במיוחד כשצריך להסביר תהליכים מורכבים, להעביר רעיון במהירות, או להפוך מסמך עמוס לסיפור נגיש שמוכן להצגה, שיתוף או למידה.

הנה כמה מגבלות שחשוב להכיר

איך יוצרים Video Overview?

התהליך פשוט, אבל ההשפעה של כל שלב גדולה, במיוחד אם רוצים לקבל תוצר מדויק, ממוקד ויעיל לשימוש. הנה שלושת השלבים, עם המלצות להפקה חכמה:

יצירת מחברת והעלאת חומרים

• התחילו ביצירת מחברת חדשה (או פתיחת קיימת) ב־NotebookLM.

• לחצו על Add source והעלו את החומרים הרצויים: PDF, Google Docs, לינקים לאתרים, קבצי שמע (באנגלית).

מומלץ להשתמש בכמה מקורות כדי ליצור הקשר רחב ומעמיק, לדוגמה: דוח רשמי, מאמר דעה, ואתר רלוונטי. תוכלו גם לחפש מקורות דרך כפתור Discover Sources.

טיפ: נסחו סיכום ראשוני של הרעיונות המרכזיים שלכם בשיחה עם NotebookLM בצ’אט עצמו, ואז העתיקו את הסיכום כטקסט, והעלו אותו כמקור נוסף. זהו טריק פשוט שמבטיח שהסרטון יתבסס על הנקודות המדויקות שאתם רוצים להדגיש ולא רק על מה שנכתב במסמכים עצמם.

הפקת הסרטון מתוך Studio

• עברו ללשונית Studio בראש המסך.

• לחצו על Video Overview ← ואז על שלוש הנקודות לעריכה והגדרות של הסרטון (Customize) .

• הגדירו את הפרמטרים המרכזיים:

  • נושא הסרטון – מה הרעיון המרכזי?

  • קהל יעד – סטודנטים, עובדים חדשים, לקוחות, משקיעים.

  • רמת ידע – מתחילים / בינוניים / מתקדמים.

  • מטרה – סיכום, הדרכה, היכרות, הצגת רעיון.

חשוב לדעת: ככל שההגדרה שלכם ברורה יותר, כך הקריינות, הסדר, והויזואל יתאימו בדיוק למה שאתם צריכים. 

בדיקה והתאמה אישית

• צפו בסרטון שנוצר.

• בקשו גרסה נוספת עם הגדרות שונות אם צריך.

• שנו את ההגדרות ונסו ניסוחים שונים (לפעמים שינוי מילה אחת משפיע מאוד).

• הורידו את הסרטון או שתפו אותו בקישור.

נסו ליצור כמה גרסאות במקביל – למשל גרסה בסיסית לצוות תפעול וגרסה מקצועית להנהלה.

מה כולל הווידאו?

הסרטון שנוצר בנוי כשקופיות רציפות שמלוּוות בקריינות אוטומטית, בקול טבעי שמתאים לרמת הידע ולקהל שבחרתם. בכל שקופית מופיעים טקסטים מתומצתים, תמונות, איורים, גרפים וציטוטים נבחרים – כולם נשאבים ישירות מהמסמכים שהעליתם. המטרה היא לא רק לסכם את התוכן, אלא להפוך אותו לסיפור ברור שקל להבין, לשתף ולהציג.

השפה והסגנון משתנים בהתאם להגדרות: ניתן ליצור סרטון בסיסי וברור למתחילים, או סרטון מקצועי ועשיר למומחים. המערכת יודעת לזהות מונחים מורכבים או תהליכים חשובים, ולהציג אותם בצורה חזותית שמפשטת את ההבנה.

המלצה: אחרי צפייה בסרטון, שאלו את עצמכם:

• האם הקהל שלי יבין את הרעיון המרכזי תוך 2-3 דקות?

• האם חסר הקשר?

• האם יש מקום לחלק את זה לשני סרטונים?

סרטון מוצלח הוא כזה שאפשר לשלוח למישהו – והוא יבין, יתחבר ויזכור. ואל תשכחו, כל סרטון כזה הוא לא סוף הדרך, אלא בסיס לתוצרים נוספים: סקירה קולית, דוח מסכם, או אפילו חומר שיווקי. ככל שתדייקו במקור, ככה תרוויחו יותר תוצרים מהסשן הראשוני.

דוגמה לוידאו הדרכה על Video Overview 

רוצים לראות דוגמה לתוצר סופי? יצרתי סרטון על NotebookLM Video Overview, כשהמדריך הזה שימש כאחד המקורות. צירפתי גם את סרטון ההשקה מיוטיוב, ודרך Discover הוספתי מקורות נוספים כמו ריוויו של משתמשים ודוגמאות לשימושים יצירתיים. בהגדרות הקסטומיזציה ציינתי את נושא הסרטון, הסבר קצר על הפיצ’ר, איך משתמשים בו ולמה הוא מועיל ללמידה, שיתוף ופישוט של תכנים.

מוזמנים לצפות בו כאן:

הסטודיו המשודרג של NotebookLM

NotebookLM Studio הוא לא רק ממשק חדש, הוא שינוי תפיסתי. במקום להפיק תוצר אחד מכל מחברת, אפשר כעת ליצור סרטון, סקירה קולית, מפת חשיבה ודוח כתוב – כולם מבוססים על אותם מקורות. כך נוצרת סביבת עבודה אחת שמאפשרת גמישות מלאה בלי קפיצות בין כלים.

למשל, בלמידה נוכל להפיק סרטון שמסביר את הנושא המרכזי, לצידו מפת חשיבה שמארגנת את הרעיונות בצורה חזותית, סקירה קולית שמחזקת את ההבנה דרך שמיעה, ודוח כתוב שמסכם את התובנות. במשרד אפשר לבנות גרסאות שונות לפי תפקיד בצוות – כמו סרטון כללי לכולם, וסקירה קולית ייעודית למפתחים או להנהלה. ובשיתוף חיצוני ניתן להתאים כל פלט לרמת הידע של הקהל – מגרסה פשוטה לקהל רחב ועד תוכן מקצועי למומחים.

איזה פלט לבחור?

הסטודיו כולל ארבעה סוגי פלטים – וכל אחד מהם מתאים להקשר אחר:

• Video Overview: להסבר מרשים ויזואלית, כשהמטרה היא להנגיש רעיון לקהל רחב או להעביר מסר ברור עם קריינות.

• Audio Overview: כשאין זמן לצפות, אבל רוצים להבין דרך שמיעה – למשל בדרך בנסיעה.

• Mind Map: כשרוצים למפות קשרים ורעיונות מורכבים בצורה ברורה – כלי מעולה להבנת עומק.

• Report: סיכום רשמי מתוך המחברת, עם ניסוח מדויק וציטוטים מהמקור. מתאים להנהלה, צוותי עבודה, תובנות ולמידה, וכולל פורמטים מגוונים לבחירה.

לשונית Reports

בתוך הפלט של Report ניתן לבחור בין ארבעה סוגי תוצרים, לפי הצורך:

• Briefing doc – תמצית מנהלים
• Study guide – מדריך למידה
• FAQ – שאלות ותשובות
• Timeline – ציר זמן של התפתחויות

השילוב החופשי בין הפלטים הוא הכוח האמיתי של הסטודיו. לוקחים רעיון אחד, ופורסים אותו לכמה זוויות: להצגה, להבנה, ללמידה ולשיתוף.

סוגי הפלטים ב‑NotebookLM Studio

מה לגבי פרטיות?

NotebookLM פועל בתוך סביבת Google Workspace ומציע הגנה מבוססת ענן על התכנים שמועלים אליו. גוגל מצהירה במפורש שהחומרים נשמרים בפרטיות ואינם נחשפים למשתמשים אחרים. עם זאת, כמו בכל כלי בענן, האחריות הסופית על התוכן שאתם מעלים היא שלכם.

אם אתם עובדים עם מידע רגיש, כמו מסמכים רפואיים, פרטים מזהים או תוכן פיננסי, מומלץ להימנע מהעלאה ישירה של החומר, ולהשתמש בגרסאות מדומות, חומרים ציבוריים או ניסוחים כלליים.

NotebookLM אינו מוגדר עוד ככלי ניסיוני (Labs), אך אם אתם כפופים לרגולציות כמו GDPR או מדיניות מידע פנימי, ודאו שאתם עומדים גם בדרישות הארגון, ולא רק בתנאי השירות של גוגל.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית בהוראה וחינוך

לפרטים נוספים לחצו כאן >>

Video Overviews והסטודיו החדש של NotebookLM הם לא עוד תוספת, הם שינוי פרדיגמה. במקום לבנות מצגת, לערוך גרפיקה ולהקליט קול, אתם יכולים להפוך כל מסמך לסרטון חכם ומוכן לשיתוף, בלחיצת כפתור. זה חוסך שעות של עבודה, מפשט רעיונות מסובכים, ומוריד את סף הכניסה ליצירת תוכן מקצועי. מה שמבדיל בין סרטון סביר לסרטון מצוין הוא לא הקסם של המערכת – אלא מה שתכניסו פנימה. התוצאה שתתקבל טובה בדיוק כמו החומר שתכניסו. מסמכים ברורים, ניסוחים חכמים והגדרות מדויקות, הם ההבדל בין סרטון סביר לסרטון מצוין. בשילוב עם אפשרויות ה-Studio, תוכלו לבנות רצף תכנים שלם – סרטונים, סקירות, דוחות ומפות חשיבה – כולם קשורים לאותו רעיון, מותאמים לקהלים שונים, ומוכנים לשימוש מיידי. בהמשך הדרך, כשהמערכת תתמוך גם בשפות נוספות ותשלב יכולות וידאו מתקדמות כמו Veo 3, היא צפויה להפוך לכלי קבוע בארגז הכלים של כל מי שעוסק בלמידה, תקשורת או יצירת תוכן חכם.

הפוסט מצגות וידאו חכמות וסטודיו משודרג ב- NotebookLM הופיע ראשון בLet's AI בינה מלאכותית

מה זה בעצם Deep Think?

מדובר במנגנון reasoning חדש, שמעניק ל-Gemini 2.5 יכולת לעבור מ”זרימה ישירה של טקסט” לחשיבה מקבילה:

• המערכת בוחנת פתרונות מרובים.

• מזהה סתירות וטעויות.

• משלבת בין גישות שונות.

• ולומדת מתוך הניסיון שלה עצמה.

כל זה מתרחש במהלך הפקת התשובה, מה שמוביל לתגובות מדויקות, עמוקות ויצירתיות יותר, במיוחד במשימות מורכבות כמו קידוד, מתמטיקה ותכנון לוגי.

ביצועים פורצי דרך

גוגל הציגה את Deep Think תוך הצגת תוצאות שוברות שיאים בבנצ’מרקים רשמיים. להלן כמה מההישגים הבולטים:

• LiveCodeBench V6: פתרון אתגרי תכנות בזמן אמת, עם 87.6% הצלחה – הרבה מעל רוב המודלים הקיימים, כולל OpenAI o3 ו־Grok 4.

• Humanity’s Last Exam: מבחן מאתגר הכולל שאלות בתחומים כמו לוגיקה, מתמטיקה, מדעים ותכנון אסטרטגי. Deep Think הגיע ל־34.8% הצלחה – הגבוה ביותר שנמדד במבחן זה עד כה.

• IMO 2025: המודל פתר בהצלחה 60.7% מהשאלות שנלקחו מאולימפיאדת המתמטיקה הבינלאומית – רמת ביצוע שגבוהה משמעותית מהציון שזיכה במדליית ארד בשנים האחרונות (45.2%).

• AIME 2025: מבחן מתמטיקה אמריקאי ברמה גבוהה. Deep Think זכה בציון כמעט מושלם: 99.2% הצלחה.

הנה גרפים השוואתיים של ביצועי Gemini 2.5 Deep Think מול גרסת Gemini 2.5 Pro והמתחרים OpenAI o3 ו־Grok 4, בארבעה מבחנים רשמיים:

גוגל מציגה ביצועים פורצי דרך במבחני חשיבה, תכנות ומתמטיקה. מקור: Google Blog

ומה זה בעצם אומר?

הפערים בין Deep Think לגרסאות קודמות, וגם למתחרים, אינם רק הבדלים במספרים. הם מספרים סיפור של שינוי גישה עמוק, כמעט תפיסתי. כך למשל, במבחן IMO, גרסת Gemini Pro השיגה 31.6%, בעוד ש־Deep Think הגיע ל־60.7% – כמעט כפול. במבחני חשיבה נוספים כמו AIME ו־LiveCodeBench, הפערים אינם מקריים אלא מצביעים על קפיצה שלא נמדדה קודם במודלים ציבוריים.

אבל ייתכן שהשאלה האמיתית איננה עד כמה Deep Think מצליח, אלא איך הוא מצליח. Deep Think לא פועל כמו autocomplete משוכלל. הוא שואל את עצמו שאלות, בונה כיווני פתרון, לומד מטעויות, ומתנהג כמו מי שבאמת חושב. לא מודל שמנחש, אלא כזה שמבין.

מגוון של יכולות מרשימות

מעבר ליכולות המתמטיות והלוגיות, Deep Think מציג גם כישורים בתחומים יצירתיים וטכניים:

• עיצוב גרפי ואמנות ויזואלית – כולל voxel art, עיצוב אתרים והפקת ויזואלים חדשניים.

• שילוב בין כלים – כולל הרצת קוד, חיפוש באינטרנט (Search), והפקת תשובות עם הפניות חכמות.

• למידה משולבת – המערכת לומדת מהפלט הקודם של עצמה, מבצעת איטרציות פנימיות, ומשפרת את התשובה לפני שמוצגת למשתמש.

במילים אחרות, המערכת לא רק “עונה” טוב יותר. היא חושבת אחרת – גם בתחום הוויזואלי.

כך נראית חשיבה יצירתית רב-שלבית ב־Deep Think. מקור: Google Blog

בדוגמה הויזואלית המצורפת, אפשר לראות שלוש תוצאות שונות על אותו פרומפט (הנחיה). המשתמש ביקש לבנות סצנת voxel של פגודה בגינה פורחת. בעוד Gemini Flash ו־Gemini Pro יצרו מבנים בסיסיים למדי, Deep Think הפיק תוצאה מורכבת בהרבה: מבנה בן קומות רבות, סימטריה, עצי דובדבן תלת-ממדיים ובריכת מים – הכל בתוך קובץ HTML יחיד להפעלה מיידית. התמונה ממחישה את השוני בגישה – לא רק ביצוע, אלא הבנה אמנותית ופרשנות עיצובית.

זמינות, מחיר ומגבלות

נכון להיום, Deep Think זמין רק במסגרת מנוי Google One AI Premium (Ultra), שמחירו 249.99 דולר לחודש (כ־950 ש”ח). החבילה כוללת גם:

• 30TB אחסון בגוגל.

• גישה ל־Gemini 2.5 Ultra.

• YouTube Premium.

• ומספר תכונות מתקדמות נוספות.

עם זאת, ישנה מגבלה ברורה: ניתן להשתמש ב־Deep Think רק בכ־5 פרומפטים ביום, במודל של rolling window. זמני התגובה נעים בין חצי דקה למספר דקות, תלוי במורכבות המשימה. לכן, זהו כלי שמתאים כיום בעיקר לחוקרים, מהנדסי תוכנה, מוסדות אקדמיים וארגוני R&D, ולא למשתמש יומיומי או מזדמן.

לסיכום, גוגל עדיין לא הכריזה מתי Deep Think יהיה זמין גם למשתמשי Gemini Pro או דרך API חיצוני, אך לפי הדיווחים, המנוע כבר נבחן אצל שותפים אסטרטגיים. ברגע שייפתח לשימוש רחב, נוכל לראות אותו משולב באפליקציות, מערכות שירות, פיתוח תוכנה ואתרי אינטרנט. השאלות שמונחות על השולחן כבר לא טכניות, הן מהותיות: האם זו תחילתה של בינה מלאכותית שאפשר לסמוך על שיקול הדעת שלה? האם בעתיד נבנה עליה מערכות חינוך, אסטרטגיה או רפואה?

אין עדיין תשובות חד-משמעיות. אבל הכיוון ברור: Deep Think הוא לא עוד פיצ’ר. זו התחלה של מודל שחושב, ולא רק מגיב. גוגל לא רק שדרגה את הביצועים של המודל שלה, היא שינתה את חוקי המשחק. Deep Think מציב רף חדש – לא במהירות, לא בכמות ידע, אלא ביכולת לחשוב לעומק. אם אתם עוסקים בפיתוח, מחקר, אקדמיה או בינה מלאכותית – זהו כלי שחובה להכיר.

הפוסט Deep Think הוא המנוע החדש של גוגל שמנסה לחשוב כמו בן-אדם הופיע ראשון בLet's AI בינה מלאכותית

מה זה בעצם “מצב הלימודים”?

מצב הלימודים (Study & Learn) ב-ChatGPT  נועד לעשות מה ששום מנוע תשובות לא עושה – לעצור אתכם רגע לפני שאתם מדלגים לפתרון, ולהחזיר אתכם לשורש ההבנה. במקום לתת תשובות מהירות, המערכת פועלת כמו מורה פרטי סבלני שמוביל אתכם שלב אחר שלב. אם תבקשו פתרון מיידי, תקבלו שאלה:

“רגע לפני, איך אתם הייתם ניגשים לבעיה הזאת?”

התכונה פותחה בשיתוף עם מורים, מדענים ומומחי חינוך ממוסדות שונים, והיא מתבססת על עקרונות של למידה אקטיבית. במרכז הגישה השיטה הסוקרטית – מודל חינוכי שבו הלמידה מתרחשת דרך שאלות מנחות ולא דרך הסברים מוכנים מראש.

מה כוללת הגישה?

• שאלות במקום תשובות – המערכת מובילה אתכם לחשוב, לא להעתיק.

• תוכן מדורג וברור – כל נושא מתפרק לחלקים קטנים שקל לעכל.

• התאמה אישית – ההסבר משתנה לפי רמת הידע וההבנה שלכם.

• בדיקות ומעקב – חידונים, שאלות פתוחות ומשובים שמסמנים התקדמות.

• שליטה מלאה – בכל רגע תוכלו לחזור למצב הרגיל.

למה זה חשוב?

כי ההבדל בין לדעת תשובה לבין להבין רעיון, הוא ההבדל בין לשנן לבין ללמוד. מצב הלימודים נבנה בדיוק על ההבנה הזו – לא כל שאלה צריכה פתרון מיידי. לפעמים, מה שצריך זה רגע לעצור וללמוד לחשוב אחרת.

למי זה באמת מתאים ומתי להשתמש בזה?

מצב הלימודים לא מתאים לכל אחד, ולא לכל רגע. הוא מיועד למי שרוצה להבין תהליך, לא רק תשובה – בין אם אתם תלמידי חטיבה או תיכון שצריכים לפצח שאלות במתמטיקה, פיזיקה או כימיה, סטודנטים שנערכים למבחנים בתחומים אנליטיים, או מבוגרים שלומדים שפה חדשה או תחום טכנולוגי.

זה כלי שקט ומעמיק, שעוזר לפתח אינטואיציה והבנה מדורגת, דווקא כשנתקעים או כשיש זמן להשקיע. מצד שני, כשאתם צריכים תשובה מהירה, לחוצים בזמנים או מחפשים רק מונח טכני – עדיף לבחור בגישה ישירה. איכות הלמידה מתחילה בהבנה של מה אתם באמת צריכים ברגע הזה.

איך מפעילים את זה?

הפיצ’ר פתוח כעת למשתמשי Free, Plus, Pro ו-Team, ובקרוב יושק גם במוסדות דרך ChatGPT Edu. כדי להפעיל את מצב הלימודים, כל מה שצריך זה לבחור באפשרות “Study and learn” מתוך תפריט הכלים בצ’אט. משם, המערכת תיכנס למצב חדש ותשאל אתכם כמה שאלות מקדימות – לא כדי לבדוק אתכם, אלא כדי להבין את רמת הידע הנוכחית שלכם, מה בדיוק אתם רוצים ללמוד, ואיך הכי נכון לגשת לנושא. זה תהליך קצר, אישי, ובסופו מתחיל שיעור. רק בלי לוח וגיר.

טיפ קטן: במקום לשאול את ChatGPT “תסביר לי איך פותרים משוואה”, נסו לכתוב:

“בוא נתרגל יחד – אני רוצה להבין איך לגשת לשאלה כזו.”

כך תפעילו את מצב הלימודים גם בלי תפריט.

צעד חשוב, אבל לא תחליף אנושי

מצב הלימודים של ChatGPT הוא כלי עזר משמעותי: הוא זמין 24/7, סבלני, מסתנכרן עם קצב הלמידה של כל משתמש, ומעודד חשיבה ביקורתית – לא רק שליפה מהירה. גם בגרסה החינמית, הוא מציע חוויה מרשימה כמעט כמו מורה פרטי, מה שהופך אותו לנגיש במיוחד. ובגרסת ה-Plus, עם מודל מתקדם יותר, החוויה מדויקת, גמישה ומעמיקה אף יותר.

אבל כמו כל כלי דיגיטלי, זה לא פתרון קסם. אין כאן מנגנון שמחייב להישאר בלמידה, המודל נשען על הוראות מערכת, ורמת העומק תלויה מאוד במוטיבציה של המשתמש. ובמיוחד בגילאים צעירים – אין תחליף למורה אמיתי, לאינטראקציה רגשית ולנוכחות אנושית.

מהפכה שעדיין מתעצבת

מחקרים עדכניים מצביעים על תופעה מטרידה – שימוש ב‑ChatGPT ככלי לפתרון עבודות מקטין את הפעילות הקוגניטיבית בהשוואה לכתיבה עצמית או אפילו לחיפוש בגוגל. מצב הלימודים מנסה לשנות בדיוק את זה, ולהחזיר את החשיבה לתוך תהליך הלימוד, מבלי לוותר על התמיכה שמציעה הבינה המלאכותית. לא רק עוזר לפתור תרגיל – אלא לשנות את את אופי הלמידה. בעידן שבו תלמידים נעזרים בבינה מלאכותית כדי לדלג על המאמץ, הכלי הזה מחזיר את הדגש על תהליך, שאלות נגדיות, וחשיבה עצמאית.

אבל הוא לא לבד – גם גוגל ומיקרוסופט מציעות פתרונות דומים: Gemini ו‑Copilot for Education של מיקרוסופט כבר משתלבים במערכות הלימוד, מספקים תרגול, משוב וניהול חומרים. התחזיות מדברות על שוק של 377 מיליארד דולר עד 2028 – וזה רק מתחיל.

אבל השאלות האמיתיות נשארות פתוחות: מה קורה כשהתשובות זמינות תמיד? האם תלמידים ילמדו להתאמץ גם בלי פידבק מיידי? מה נעשה כשלא תהיה טכנולוגיה זמינה? מצב הלימודים הוא צעד קדימה, אבל העתיד תלוי בשילוב הנכון בין טכנולוגיה לבין מאמץ אנושי.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית בהוראה וחינוך

לפרטים נוספים לחצו כאן >>

האם זה באמת יעבוד?

מצב הלימודים הוא לא גימיק, אלא ניסיון רציני לשבור את תרבות התשובות המהירות ולהחזיר את החשיבה למרכז. הוא לא מושלם, אבל הוא בהחלט צעד בכיוון הנכון. השאלה האמיתית היא לא טכנולוגית, אלא אנושית: האם תלמידים באמת יבחרו בדרך הארוכה יותר, כל עוד הקיצור זמין בלחיצת כפתור?

OpenAI כבר מתכננת הרחבות כמו תצוגות חזותיות מתקדמות, מעקב אחר מטרות לטווח ארוך, והתאמה עמוקה יותר לסגנון הלמידה של כל משתמש. אבל גם הכלים הכי טובים לא יוכלו לשנות את ההרגלים שלנו, אם לא נרצה לשנות אותם בעצמנו. עבור הורים ומורים – זו הזדמנות לבדוק בעצמם מה הכלי יודע לעשות. עבור תלמידים וסטודנטים – זו הזמנה לחזור ללמוד באמת. ולכולנו, זו תזכורת שלא כל תשובה צריכה להיות מיידית. לפעמים, הדרך אל התשובה היא הלמידה עצמה.

למי שרוצה להעמיק ולבחון מקרוב יוזקייסים שונים, כולל דרכי שימוש שנבנו בהשראת סטודנטים מ- ChatGPT Lab, מומלץ להיכנס ל־Introducing Study Mode, העמוד הרשמי של OpenAI שמרכז את כל המידע על הפיצ׳ר החדש.

הפוסט מצב הלמידה של ChatGPT מאפשר שיעור פרטי במקום תשובות מהירות הופיע ראשון בLet's AI בינה מלאכותית

היכולות והמגבלות של מודלי שפה מלאכותית

מודלי שפה מלאכותית הם כלים סופר עוצמתיים בניתוח נתונים. מצד אחד, הם מצטיינים בזיהוי דפוסים, בניתוח כמויות מידע עצומות ובהפקת תובנות במהירות. מצד שני, יש להם מגבלות מהותיות – הם שוכחים מהר, תלויים בהקשר, וזקוקים להכוונה מדויקת. לכן חשוב להבין איך נכון להשתמש בהם, ואיך לא.

בינה מלאכותית היא הייצור הכי חכם בעולם, עם הזיכרון הכי קצר בעולם, ועם אופי של תינוק בן יומו!

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

ניתוח קבצים ונתונים עם AI.

הפוסט כוחות העל של AI בניתוח קבצים ונתונים מספריים הופיע ראשון בLet's AI בינה מלאכותית

מי יכול להשתמש בזה ולמה זה מוגבל?

כרגע, ChatGPT Agent פתוח רק למנויים משלמים בחבילות Pro, Plus ו‑Team. השירות מתרחב בהדרגה גם לחבילות Enterprise ו‑Education. השימוש למשלמי ה-20 דולר בחודש מוגבל ל-40 משימות בלבד במהלך החודש.

למה? מצד אחד, מדובר בטכנולוגיה חדשה שעדיין נמצאת בשלבי הרצה. OpenAI כנראה רוצה לבדוק שימושים, למנוע עומס, ולוודא שהמערכת לא תנוצל לרעה. מצד שני, ההגבלות האלה מכתיבות למשתמשים לחשוב אסטרטגית ולבחור משימות שבאמת שווה להפעיל עליהן את הסוכן.

איך מתחילים לעבוד עם הסוכן?

התחלת השימוש ב־ChatGPT Agent פשוטה יחסית, אבל חוויה ששווה להתייחס אליה כאל צעד לעבר עתיד שבו בינה מלאכותית עושה את העבודה בשבילכם:

1. מפעילים את הסוכן

היכנסו לחשבון שלכם ב-ChatGPT. לחצו על כפתור Tools בחלון הצ׳אט ואז על Agent Mode (או הקלידו agent/). 

2. נותנים לו הנחיה

לסוכן צריך לתת הוראות פעולה, לא סתם לבקש סיכום או תובנות. כתבו משימה מפורטת בשלבים, למשל:

“כנס לאתר gov.il, מצא את טופס רישום יזם, מלא אותו בשם שולי סאן עם פרטי דמה, וודא שהתהליך הגיע לדף סוף.”

ככל שההוראה תהיה ברורה, מדויקת ופרוצדורלית, כך הסוכן יבצע אותה בצורה מדויקת יותר. הוראות גנריות מדי עלולות לגרום לתקלות או חוסר ביצוע.

טיפ פרקטי: כתבו את ההוראה כאילו אתם מדריכים מישהו לעשות את זה בפעם הראשונה – פשוט, ברור ובשלבים.

3. רואים אותו בפעולה

אחד הדברים הכי מרשימים בעבודה עם הסוכן הוא שאתם לא רק מקבלים תוצאה, אתם ממש רואים את התהליך מתרחש מול העיניים. הסוכן פותח את הדפדפן הווירטואלי שלו, לוחץ על קישורים, ממלא שדות בטפסים, גולל בדפים ומגיב למה שהוא רואה – בדיוק כמו משתמש אנושי שיושב מול מחשב. זה לא תסריט אוטומטי שרץ ברקע בלי שתדעו מה קורה, אלא פעולה שקופה שאפשר לעקוב אחריה שלב אחר שלב.

תוכלו לעצור אותו בכל רגע, להתערב כשהוא נתקע, או לתת לו הבהרה אם משהו לא ברור. התחושה היא שאתם משתפים פעולה עם סוכן שפועל איתכם, לא במקומכם – וזה הבדל גדול לעומת כלי אוטומציה מסורתיים.

4. מקבלים סיכום

בסיום כל משימה, הסוכן מציג לכם דו”ח מסודר שמסכם את מה שביצע בפועל: לאן נכנס, מה מילא, האם הצליח להשלים את המשימה, והאם נדרשת פעולה נוספת מצדכם. התהליך יכול להימשך בין 5 ל־30 דקות, תלוי במורכבות ובשלבים שהוגדרו לו, ולכן חשוב לקחת זאת בחשבון כשמתכננים להשתמש בו. אם הסוכן זיהה שהמשימה לא הושלמה עד הסוף, הוא יבקש מכם החלטה: להמשיך, לעצור, או להנחות אותו מחדש.

התחושה היא שהשליטה נשארת אצלכם – אתם לא רק צופים בתוצאה, אלא מנהלים את המשימה תוך כדי תנועה. הכל נעשה בשקיפות, בקצב שמרגיש אנושי, ועם חיווי ברור לאורך כל הדרך.

מה הסוכן יודע לעשות בפועל?

אפשר לחשוב על ChatGPT Agent כגרסה מתקדמת של העוזר הדיגיטלי שאתם כבר מכירים, רק שכאן, הוא לא רק עונה לכם, אלא ממש פועל במקומכם בתוך אתרים, טפסים ומערכות אינטרנטיות. הנה כמה דוגמאות לדברים שלא תוכלו לעשות עם צ’אט רגיל, רק עם הסוכן:

1. לשלוט באתר כאילו הוא משתמש אמיתי: הסוכן מסוגל להיכנס לאתרים ספציפיים, לנווט בין עמודים, ללחוץ על תפריטים, לבחור מהתיבות, ולהגיב למה שהוא רואה על המסך.

למשל: “כנס לאתר של עיריית תל אביב, מצא את דף הארנונה, ובדוק מה הצעדים לפתיחת עסק חדש.”

2. למלא טפסים מורכבים בדפי אינטרנט חיים: צ’אט רגיל יכול אולי לעזור לנסח תוכן לטופס, אבל רק הסוכן יכול ממש למלא את השדות בפועל.

למשל: להכניס שם, כתובת, טלפון, לבחור מהרשימה הנפתחת, ולהגיע עד למסך האישור.

3. לבצע תהליכים באתרי קניות או שירותים: הסוכן יכול לגשת לאתר קניות, לחפש מוצר מסוים, להוסיף אותו לעגלה, ולדווח על המחיר, המלאי, או אפשרויות המשלוח, בלי שתצטרכו לגלוש בעצמכם.

4. לקבוע פגישה ישירות ביומן שלכם דרך טופס חיצוני: במקום שתיכנסו לאתר הזמנות, תעברו על כל האפשרויות ותעתיקו את הפרטים – הסוכן יכול לעשות זאת לבד, ולשלוח את הפגישה ליומן גוגל, כולל המשתתפים, הלוקיישן והקישור לזום.

5. לטפל בתהליכים שחוזרים על עצמם – באופן חצי-אוטומטי: אם אתם נדרשים לבצע את אותה פעולה פעם בשבוע (למשל למלא דיווח באתר פנימי, להגיש טופס, או לבדוק נתוני מערכת) – הסוכן יכול לבצע את אותה רוטינה לפי ההוראות שתתנו לו.

למה זה חשוב?

כי כאן בדיוק עובר הגבול בין מודל שמדבר על העולם, לבין סוכן שפועל בעולם. אם תתנו לו משימות מהסוג הרגיל, הוא יתבלבל. אבל אם תתנו לו הוראות פעולה מדויקות, הוא יתחיל להרגיש כמו עובד אמיתי בצוות שלכם.

טיפים לשימוש בטוח 

כמו כל מערכת שפועלת בענן, גם הסוכן של ChatGPT פועל על תשתיות של OpenAI, ולא במחשב האישי שלכם. זה אומר שאמנם יש לכם שליטה, אבל גם אחריות.

אל תכניסו לסוכן פרטים רגישים. לא מספרי כרטיס אשראי, לא סיסמאות, לא כתובות מייל אישיות ולא מידע שמזהה אתכם או מישהו אחר.

למה? כי מדובר במערכת ניסיונית, ולמרות ש־OpenAI מתחייבת למדיניות פרטיות מחמירה, אין התחייבות מוחלטת לכך שהמידע שנכנס לסוכן לא נשמר או מועבר לצורכי תפעול או שיפור שירות.

תרגלו קודם עם תרחישים לא קריטיים ותתייחסו אליו כמו לעובד חדש בצוות – תנו לו להוכיח את עצמו, אבל אל תמסרו לו את המפתחות לכספת כבר בפגישה הראשונה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

ה-Agent של ChatGPT לא רק מדגים מה בינה מלאכותית יודעת, הוא מראה מה היא יכולה לעשות בפועל. זו כבר לא שיחה עם צ’אטבוט, אלא פעולה אמיתית – שקופה, ניתנת למעקב, ונגישה גם למי שאין לו רקע טכני. מצד שני, זו עדיין מערכת מתפתחת – לפעמים איטית, לפעמים מבולבלת, ורגישה מאוד לאופן שבו מנסחים לה הוראות.

למי זה מתאים? לאנשים סקרנים, יזמים, אנשי מוצר ושירות, שרוצים לבדוק גבולות חדשים של אוטומציה, ולמי שמוכן להשקיע קצת זמן בלמידה וניסוי. אבל פחות למי שמצפה לפתרון קסם שיבין לבד הכל מהפרומפט הראשון. ההמלצה היא להתחיל ממשימות פשוטות, לשמור על כללי זהירות, ולראות בזה שלב ראשון בלמידה של הדור הבא של הטכנולוגיה.

הפוסט איך עובדים עם ChatGPT Agent הופיע ראשון בLet's AI בינה מלאכותית

המסע האישי: עיצוב, הורות ובינה מלאכותית

כאמא לילד על הספקטרום וכמעצבת ודירקטורית קריאייטיב עם למעלה מ-20 שנות ניסיון, אני חיה בצומת דרכים ייחודית. מצד אחד, עולם היצירה, העיצוב והחדשנות הדיגיטלית; מצד שני, העולם הרגשי-חושי, המאתגר לעיתים, של הורות לילד מיוחד. מתוך הצורך האישי העמוק, ומתוך הלמידה המעמיקה שלי בתחום הבינה המלאכותית, ובפרט במסגרת קורס “Master Gen AI”, נולד MyAutiMind – עוזר אישי, מבוסס GPT, שנועד לתת מענה מדויק להורים כמוני.

עיצוב פוגש צורך: חזון למצפן גלקטי אישי

החזון ל-MyAutiMind

מתוך הראייה שלי כמעצבת ודירקטורית קריאייטיב, המניעה ליצור עולמות חווייתיים ומועילים, נבטה ההשראה ל-MyAutiMind מתוך חזון ליצירת מדריך ייחודי ורב-גוני. בהשראת עולמות פנטזיה צבעוניים ומצפנים קסומים שמובילים אותנו למסעות מופלאים, עלה הרעיון למצפן גלקטי, צבעוני ורגשי, שמטרתו לספק להורים לילדים על הספקטרום הדרכה אינטואיטיבית ודרך ייחודית לנווט באתגרי היומיום.

מימוש הפוטנציאל דרך AI

היכולת שלי, כיוצרת, לרתום את AI ליצירת כלים וחומרים מותאמים אישית – תהליך שבעבר דרש הפקות ענק או עבודת פיתוח הנדסית מורכבת – היא זו שמניעה את החזון. MyAutiMind הוא צעד ראשון במימוש הפוטנציאל הזה: להפוך את ה-AI לכלי יומיומי, נגיש וזמין בחייהם של הורים לילדים על הספקטרום. הוא נועד לספק מערכת תמיכה חכמה, חמה ונגישה, המשלבת את עולמות העיצוב עם הטכנולוגיה המתקדמת ביותר של AI, כדי להנגיש עזרה להורים ולילדים.

למה בינה מלאכותית היא המפתח לעולם הספקטרום?

השפעת AI על טיפול באוטיזם

מחקרים רבים מראים שכלים מבוססי AI משנים את פני הטיפול והתמיכה באוטיזם, ומשפרים משמעותית את המעורבות, התקשורת, הוויסות העצמי ואיכות החיים של ילדים על הספקטרום. ישנה קפיצה אדירה ביכולת של טכנולוגיה להבין, להתאים ולסייע, באמצעות מגוון רחב של יישומים פורצי דרך:

יתרונות AI בתמיכה והטיפול

• התאמה אישית והתערבות ממוקדת: AI מאפשרת ליצור תוכניות טיפול מותאמות אישית באופן חסר תקדים, המבוססות על ניתוח נתונים התנהגותיים, דיבורים ורגשיים של הילד. היא מתאימה את תכני הלמידה ופעילויות לצרכיו הייחודיים וקצב התקדמותו, כולל בטיפולי ABA.
• שיפור תקשורת ומיומנויות חברתיות: אפליקציות AI ורובוטים חברתיים (כמו רובוט NAO) מלמדים מיומנויות כמו קשר עין, הבנת רגשות ונטילת תור, בצורה עקבית ובטוחה. הם מסייעים בתקשורת חלופית ותומכת (AAC) על ידי הפיכת תמונות או סמלים לדיבור, ומאפשרים קריאת רגשות באמצעות זיהוי פנים.
• אבחון וזיהוי מוקדם: כלי AI משפרים את הדיוק והיעילות של תהליכי סקר ואבחון מוקדמים, כולל בתינוקות, על ידי ניתוח נתונים התנהגות ותבניות מורכבות.
• מעקב ומשוב בזמן אמת: מערכות AI מנתחות נתונים מהתנהגות הילד, דיבורו ופעילותו כדי לעקוב אחר התקדמות ולספק תובנות בזמן אמת למטפלים ולהורים, ובכך מאפשרות התאמות מהירות בגישה הטיפולית.
• הגברת מעורבות ומוטיבציה: רובוטים ויישומים אינטראקטיביים עם עיצובים צבעוניים ומשחקים הופכים את הטיפול למרתק ומהנה יותר, ומסייעים לילדים לשמור על מיקוד ומוטיבציה גבוהה.
• נגישות וזמינות: AI מרחיבה את הנגישות לטיפולים ותמיכה, כולל באזורים מרוחקים או חסרי שירותים, על ידי אספקת פתרונות וירטואליים מותאמים למכשירים ניידים.

AI מאפשרת גישות טיפוליות חדשניות שמתפתחות יחד עם צרכי הילד והמשפחה, ומציעה רמה חסרת תקדים של פרסונליזציה, עקביות ונגישות בתמיכה.

MyAutiMind בפעולה: כלים פרקטיים ליום-יום

MyAutiMind מעניק מענה מותאם אישית למגוון רחב של סיטואציות יומיומיות, ומספק כלים מעשיים בלחיצת כפתור – בדיוק כשאתם זקוקים להם:

• רעיונות להרגעה וסנסוריקה: אסטרטגיות ופעילויות המותאמות לוויסות חושי ספציפי.
• לוחות חזותיים: כלי תקשורת ויזואליים הניתנים להתאמה אישית והדפסה, בעברית ובאנגלית.
• טיפים להתמודדות עם התפרצויות: הנחיות מעשיות, אמפתיות ויעילות לרגעי משבר.
• תמיכה להורים בישראל: מידע חיוני ורלוונטי על זכויות בביטוח לאומי, שילוב במערכות החינוך והכוונה.
• דפי מידע להדפסה: עזרים מותאמים לכם ולילדכם במגוון מצבים.

מפגש פורץ דרך: אישי, מקצועי וטכנולוגי

MyAutiMind הוא החיבור המובהק בין שלושה עולמות שבונים את חיי: ההורות הייחודית שלי לילד על הספקטרום, הניסיון המקצועי העשיר שלי בעיצוב וקריאייטיב, והכלים המתקדמים ביותר של הבינה המלאכותית. זהו כלי רגשי, מעשי, מקומי וגלובלי כאחד, שנועד לתת מענה אמיתי לכאב נקודתי ולהפוך את חיי היום-יום לנגישים ורגועים יותר.

בואו נצא למסע משותף: העתיד של התמיכה

בעולם שבו אבחוני האוטיזם נמצאים בעלייה מתמדת – בישראל לבדה, שכיחות האוטיזם בקרב ילדים זינקה מכ-4.7 מקרים ל-1,000 בשנת 2000 לכ-28.3 מקרים ל-1,000 ילדים שנולדו ב-2018 (ומאובחנים עד גיל 5 בשנת 2023), עם גידול ממוצע של כ-23% בשנה בין 2017 ל-2022, והמגמה נמשכת. הצורך במענה מותאם ומדויק הוא קריטי. MyAutiMind אינו רק כלי טכנולוגי; הוא מהווה הזדמנות ליצור מציאות שקטה, ברורה ונגישה יותר. אנו עושים צעד משמעותי לקראת בניית מערכת תמיכה שמחזקת הורים ומשפרת את שגרת חייהם ושל ילדיהם. בואו ניצור יחד עתיד טוב יותר – ברוכים הבאים לעולם של MyAutiMind.

הפוסט כשאוטיזם, בינה מלאכותית ועיצוב נפגשים הופיע ראשון בLet's AI בינה מלאכותית

פיצוח הקופסה השחורה

במשך זמן רב, היכולת של מודלים כמו ChatGPT להסתגל למשימות חדשות בלי אימון, רק מתוך הדוגמאות שאנחנו נותנים להם, הייתה תעלומה. הם פשוט “קולטים את הקטע”, בלי לשנות את עצמם מבפנים. אבל איך זה אפשרי?

המחקר החדש של Google Research מספק סוף סוף הסבר משכנע. הוא מגלה שהשינוי לא מתרחש במודל כולו, אלא באחת השכבות הפנימיות שלו, ממש כאילו חלק מהמודל “מתכוונן” לרגע ואז חוזר לעצמו. בתוך המודל מסתתר מבנה שנקרא טרנספורמר – כמו תיבת הילוכים שאחראית על איך המידע זורם בפנים. בתוך התיבה הזו יש שני מרכיבים חשובים:

• שכבת הקשב העצמי (Self-Attention) – שמתמקדת בכל פעם בחלקים אחרים של הטקסט כדי להבין את ההקשר.

• שכבת ה־MLP (Multi-Layer Perceptron) – רשת עצבית פשוטה יחסית, שאחראית לעיבוד והבנה של התוכן עצמו.

במשך שנים כולם חשבו שהקסם קורה בעיקר בשכבת הקשב, אבל המחקר הזה מגלה שהפעולה הקריטית מתרחשת דווקא בשכבת ה־MLP.

איך זה נראה בפועל?

תארו לכם שאתם מבקשים מהמודל לכתוב מכתב סרקסטי. מספיק שתתנו לו דוגמה אחת, והוא משנה את הסגנון שלו בהתאמה, כאילו התאמן על משימות סרקזם במשך חודשים. לפי המחקר, זה קורה כי שכבת ה־MLP עוברת “כיול זמני”: היא מתאימה את עצמה לסגנון שאתם מציגים, בלי לשנות את עצמה לתמיד. כמו לכוון את מושבי הרכב לנוסע החדש – המכונית לא השתנתה, אבל הנסיעה מרגישה אחרת.

וזה לא סתם שינוי אקראי. לפי החוקרים, התהליך הזה דומה מאוד ל־Gradient Descent – שיטה בסיסית בלמידת מכונה, שבה המודל משפר את עצמו בהדרגה על ידי תיקון טעויות קטנות. דומה לאופן שבו ילד לומד מטעויות – צעד אחר צעד, בלי להתחיל מהתחלה.

רק שכאן, השיפור קורה בלי טעות ובלי אימון, אלא מתוך ההקשר בלבד. כל מילה שאתם מוסיפים בפרומפט היא כמו “צעד קטן של למידה”. המודל נע בצעדים קטנים לקראת תגובה מדויקת יותר, מבלי לשכתב את עצמו.

ולבסוף, המחקר מציג נוסחה מתמטית שמראה איך השינוי הזה מתרחש בצורה יעילה במיוחד, תהליך שנקרא עדכון בדרגה נמוכה (Low-Rank Update). אפשר לחשוב על זה כמו להוסיף שכבת צבע דקה לציור קיים – אתם לא משנים את הציור, רק מוסיפים לו גוון חדש, שמתאים בדיוק לרגע הזה.

ההשפעה על עולם הבינה המלאכותית

ההבנה החדשה של מנגנוני הלמידה מהקשר לא נשארת ברמת הסקרנות המדעית. יש לה פוטנציאל לשנות באופן ממשי את הדרך שבה אנחנו מפתחים, מתקשרים ומפעילים מערכות בינה מלאכותית.

ייעול תכנון מודלים עתידיים

אם נבין איך שכבת ה־MLP מבצעת את השינויים הזמניים האלה, נוכל לתכנן מודלים ש”מעודדים” את ההתנהגות הזו, ואולי אפילו ליצור מודלים קטנים וחסכוניים שיציגו יכולות ICL שבדרך כלל דורשות מודלים עצומים.

הפיכת Prompt Engineering למדע מדויק

נכון להיום, ניסוח פרומפטים נחשב יותר לאמנות מאשר לשיטה. אבל אם נדע איך הדוגמאות בפרומפט “מתכנתות זמנית” את המודל, נוכל לפתח גישות שיטתיות ומבוססות הבנה, מה שיהפוך את התחום לכלי הנדסי של ממש.

חוויה מותאמת אישית יותר למשתמשים

מהצד של המשתמש, זה אומר שמערכות AI יוכלו לזהות סגנון, העדפות וניואנסים רגשיים בזמן אמת. צ’אטבוטים יגיבו באופן אישי יותר, מערכות תרגום ישמרו על טון, וכלים ליצירת תוכן יכתבו כאילו הכירו אתכם.

צועדים לקראת AI מובן יותר

היכולת של מודלים ללמוד ממשימות חדשות רק לפי דוגמאות, בלי אימון נוסף, נחשבה עד לאחרונה לתופעה מסתורית. המחקר של Google חושף מה באמת מתרחש מאחורי הקלעים: שינויים קטנים וזמניים בשכבות ה־MLP, שמזכירים תהליך של למידה הדרגתית, כמעט כמו Gradient Descent, רק בלי לשנות את המודל עצמו. זו לא רק פריצת דרך מדעית, אלא הסבר מוצק למה שנראה עד עכשיו כמו קסם.

התובנות המרכזיות כמו תפקיד שכבת ה־MLP, הדמיון לתהליכי למידה מסורתיים, והיעילות של השינויים הקטנים, מקרבות אותנו להבנה עמוקה יותר של האינטליגנציה המלאכותית שאנחנו מפתחים. הן פותחות דלת לעולם שבו Prompt Engineering הופך למתודולוגיה מדויקת, המודלים עצמם נעשים קלים יותר לתפעול, והאינטראקציה עם מערכות AI הופכת אישית, רכה ומדויקת מתמיד.

אבל זה רק קצה הקרחון. המחקר מעלה שאלות חדשות: האם העקרונות האלה חלים גם על מודלים שמטפלים בויזואליה, אודיו או פעולות בעולם הפיזי? האם נוכל לבנות “סוכנים לומדים” שמתאימים את עצמם לסיטואציה בזמן אמת, לא רק בטקסט, אלא בכל הקשר? ככל שנעמיק להבין את תהליכי הלמידה הפנימיים של AI, כך נוכל לפתח מערכות שקופות, אחראיות ומועילות באמת – לא רק חכמות, אלא גם כאלה שניתנות להבנה.

הפוסט הצצה לעולם המסתורי של למידה מהקשר הופיע ראשון בLet's AI בינה מלאכותית

איך מתחילים? ההרשמה ל-Google AI Studio

ההרשמה מהירה ופשוטה: נכנסים ל־aistudio.google.com, מתחברים עם חשבון גוגל קיים, מאשרים תנאי שימוש – וזהו. אין צורך בהתקנות או בהגדרות. תוך דקות אפשר להתחיל לבנות, ליצור ולנסות מודלי AI מתקדמים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

היתרונות הבולטים של Google AI Studio

• גישה חינמית למודלים הכי טובים של גוגל – אתם מקבלים את Gemini 2.5 Pro ו-Flash, וגם גישה מוקדמת למודלים ניסיוניים, בלי לשלם ולפני כולם.

• כלי אחד לכל סוגי המדיה – טקסט, תמונות, וידאו ואודיו, כך שאפשר לעבוד על כל פרויקט יצירתי או אנליטי במקום אחד, בלי לקפוץ בין כלים.

• ניתוח מסמכים עצומים בלי לחתוך – החלון הקונטקסטואלי הגדול מאפשר להזין עשרות עמודים ולקבל תשובות מדויקות על בסיס התמונה המלאה.

• יכולת לבנות אפליקציה אמיתית גם בלי לדעת לתכנת – פשוט מתארים את הרעיון במילים, והמערכת בונה אפליקציה שניתן לשתף אותה עם אחרים בלחיצת כפתור.

• שילוב קל עם קוד ו־API – בעזרת מפתחות API ו־SDK (ערכת כלים למפתחים) רשמי, אפשר לקחת את מה שבניתם ולהטמיע אותו ישירות בפרויקט או מערכת קיימת.

• עוזר אינטראקטיבי אמיתי, לא רק צ’אט – עם שיתוף מסך, שיחה קולית, ותגובה למצלמה, זה מרגיש כמו לעבוד עם שותף טכני חכם בזמן אמת.

השליטה בידיים שלכם: ניווט מהיר בין יכולות הממשק של Google AI Studio

פיצ’רים מרכזיים ב־Google AI Studio

ממשק צ’אט חכם עם בחירת מודלים

אפשר לשוחח עם מגוון מודלים ממשפחת Gemini לפי סוג המשימה, מ-Gemini Flash המהיר ועד Gemini Pro העמוק. הממשק תומך גם בעברית וכולל שליטה בפרמטרים כמו טמפרטורה, שמשפיעה על מידת היצירתיות (נמוך = מדויק וזהיר, גבוה = מקורי ויצירתי), ו־Top-P, שמכוון עד כמה המודל שוקל אפשרויות לא צפויות. ערך נמוך (למשל 0.1) יגרום למודל לבחור רק מתוך האפשרויות הבטוחות והסבירות ביותר, בעוד ערך גבוה (למשל 0.9) יאפשר לו לגוון יותר, ולשקול גם רעיונות פחות שגרתיים. זו דרך לשלוט על רמת ה”גמישות” וההפתעה בתשובה. השילוב בין השניים מאפשר לכם להתאים את סגנון התשובה – משמרני ועד הרפתקני.

העלאת קבצים וניתוח מדיה

ניתן להעלות מסמכים (PDF, Word), תמונות, וידאו או אודיו, והמודל ינתח, יסכם או יענה על שאלות מתוך הקובץ. לדוגמה: סיכום מאמר PDF, תיאור תמונה, או זיהוי תכנים מקובץ וידאו. רוב הפורמטים הנפוצים נתמכים.

שמירת שיחות וארגון לפי פרויקטים

כל שיחה עם המודל נשמרת אוטומטית, וניתן לארגן אותה לפי נושא או פרויקט. אפשר להפסיק שיחה באמצע ולחזור אליה בהמשך, כולל כל ההיסטוריה והקבצים שהועלו. פיצ’ר חיוני למי שעובד על כמה רעיונות במקביל, או שרוצה לחזור ולחדד תוצרים קודמים בלי להתחיל מאפס.

Stream Realtime

הפלטפורמה מאפשרת לשתף מסך או מצלמה עם המודל בזמן אמת, ולקבל הנחיות ישירות על מה שמופיע אצלכם. אפשר לשאול שאלות כמו “מה רואים כאן?” או לבקש הדרכה על תוכנה פתוחה, וה-AI יזהה וידריך אתכם שלב־אחר־שלב. בנוסף, ניתן לדבר אליו בקול ולקבל תשובה קולית בחזרה, כמו עוזר אישי חי. מתאים במיוחד להדרכה, פתרון בעיות ותמיכה ויזואלית חכמה.

יצירת תוכן מולטי מודאלי

Google AI Studio כולל כיום ארבעה כלים מרכזיים ליצירה גנרטיבית: Imagen ליצירת תמונות ברמה גבוהה, Gemini Speech להמרת טקסט לדיבור אנושי, Veo 2 ליצירת וידאו קצר מתסריט או מתמונה, ו־Lyria ליצירה אינטראקטיבית של מוזיקה בזמן אמת. רובם זמינים כבר עכשיו בגירסה החינמית של הפלטפורמה, וניתנים לשילוב ישיר בתהליך העבודה – בלחיצת כפתור.

בניית אפליקציות בלי קוד

AI Studio מאפשר לבנות אפליקציה שלמה מתיאור טקסטואלי בלבד – פשוט כותבים מה רוצים, והמערכת יוצרת אפליקציה עובדת תוך דקות. אפשר גם לבחור אפליקציות מוכנות (דרך לוח ההשראה – showcase) ולהתאים אותן לצרכים שלכם. בסיום, ניתן להעלות את האפליקציה לענן של גוגל בלחיצת כפתור, בלי לגעת בקוד או בשרתים.

חיבור ליישומים חיצוניים

אפשר ליצור מפתחות API (אינטגרציות וחיבור לכלים אחרים) ולייצא קוד מוכן (ב־Python, JavaScript, או cURL) לכל ניסוי או שיחה, ולהטמיע אותו בפרויקטים עצמאיים. התמיכה ב־SDK הרשמי של גוגל מקלה במיוחד על שילוב במערכות קיימות. השילוב של שיחה, מדיה, דיבור, קוד ופריסה (Deploy), הכל בכלי אחד, הוא מה שהופך את Google AI Studio לכל כך עוצמתי.

למי זה מתאים? 

• מפתחים: יכולים לבנות ולבדוק אפליקציות AI במהירות, לבצע A/B Testing בין מודלים, ולשלב תוצרים ישירות במערכות קיימות.

• משתמשים לא טכניים: עיתונאים, סטודנטים, יוצרי תוכן ומעצבים – כולם יכולים להיעזר ב-AI לסיכומים, תמלול, יצירת מדיה, הסברים לקוד, קריינות ועוד.

• ארגונים וצוותים: כלי מצוין לפיילוטים מהירים ולבדיקות היתכנות לפני השקעה בפיתוח מלא. הפלטפורמה מספקת מדדים ברורים, פועלת בסביבה מבודדת ונותנת גמישות מירבית לניסוי.

בקיצור, אם יש לכם רעיון, בעיה או פרויקט שדורש AI, יש לכם כאן כלי נגיש, חזק וידידותי להתנסות וללמידה.

מגבלות שכדאי להכיר

הגבלות בתוכנית החינמית

קיימת מכסה יומית, והגישה למודלים המתקדמים (כמו Gemini 2.5 Pro) מוגבלת. בנוסף, פעילות המשתמש עשויה להיאסף לשיפור המודלים. מי שצריך יותר, יכול לשדרג למסלולי Pro או Ultra עם גישה למודלים המתקדמים דרך אפליקציית ג׳מיני, גישה ליכולות כמו יצירת וידאו ב-Veo3, יצירת סרטים עם Flow, אפשרויות אחסון ועוד.

תכונות ניסיוניות ואי־יציבות

חלק מהפיצ’רים, כמו שיתוף מסך או יצירת מדיה, עדיין ב־Preview ועלולים להשתנות או להיעלם. תקלות קלות בממשק עשויות להופיע מדי פעם.

תמיכה מוגבלת בקבצים נדירים

רוב הפורמטים הסטנדרטיים נתמכים, אך קבצים בפורמטים קנייניים עשויים שלא להיטען.

לא מיועד לשימוש שוטף כמוצר סופי

הפלטפורמה מצוינת לפיתוח, ניסוי ובניית אב־טיפוס, אך לא מתאימה לעבודה יום־יומית במערכות ייצור (Production).

עקומת למידה למתחילים

הממשק עשיר באפשרויות, מה שעלול להרתיע משתמשים חדשים לגמרי. נדרשת היכרות בסיסית כדי להפיק ממנו את המירב.

תלות באקוסיסטם של גוגל

נדרש חשבון Google, וכל הנתונים נשמרים בענן שלה.

למרות המגבלות, לרוב המשתמשים מדובר בכלי נדיב, יציב וחינמי שמספק גישה נדירה לטכנולוגיות המתקדמות ביותר של גוגל.

טיפים למתחילים 

1. התחילו בצ’אט: התנסו בשיחה פשוטה עם המודל, נסו גם להעלות קובץ (PDF או תמונה) וראו איך הוא מנתח אותו. השוו בין Gemini Pro ל־Flash כדי להבין את ההבדלים.

2. עברו ל־Stream Realtime: שתפו מסך או מצלמה, בקשו מה-AI להסביר מה רואים או להנחות אתכם בתוכנה. אפשר גם לשוחח בקול, ממש כמו עם עוזר אישי.

3. צרו תוכן: השתמשו בכלי Text-to-Speech להמרת טקסט לקול אנושי, כולל שליטה בקצב וסגנון. אחר כך נסו את Veo: הזינו תיאור קצר וקבלו סרטון קצר בהתאמה.

4. בנו אפליקציה: בטאב Build Apps תארו רעיון פשוט, והמערכת תבנה לכם אפליקציה מוכנה. בלחיצה תוכלו לפרוס אותה לענן ולקבל קישור שיתוף.

5. שלבו API וקוד: צרו API Key, ייצאו קוד מתוך שיחות או אפליקציות, ושבצו אותו בפרויקט שלכם ב-Python או JavaScript.

6. למדו מהקהילה: חפשו מדריכים ביוטיוב, הצטרפו לפורום של גוגל, ואל תפחדו להתנסות. גם אם משהו לא עובד – פשוט מתחילים מחדש.

כל התכונות האלו מתחברות לכוח אמיתי – בעזרת AI Studio אפשר לעבור מרעיון למוצר תוך דקות, וללמוד תוך כדי תנועה והתנסות.

למה כדאי להתחיל עכשיו עם Google AI Studio?

עם שימוש חינמי, מודלים מהמתקדמים בעולם וכלים עוצמתיים ליצירה ולפיתוח, Google AI Studio מאפשר לכם לבנות, ללמוד, להתנסות או פשוט לראות מה הבינה המלאכותית של גוגל יודעת לעשות. זו ההזדמנות שלכם לגעת בחזית החדשנות – היכנסו לסטודיו וגלו בעצמכם. רוצים להכיר את הכלי במהירות? יצרנו עבורכם מצגת תמציתית – פחות מ־10 שקפים שמסבירים בצורה ברורה את היכולות המרכזיות של Google AI Studio. 

הפוסט מדריך שימושי ל־Google AI Studio הופיע ראשון בLet's AI בינה מלאכותית

איך זה עובד?

שכחו מקפיצות בין טאבים, עכשיו מספיק משפט אחד בצ’אט: “תכין לי מצגת של 10 שקפים בקנבה על מגמות השיווק ל-2025, בעיצוב מקצועי עם הלוגו של החברה.” קלוד עושה את כל השאר: מחפש תבנית מתוך ספריית קנבה שלכם, ממלא את התוכן לפי ההנחיות, שומר על הקווים העיצוביים של המותג ומגיש לכם עיצוב כמעט סופי.

מה מאפשר את כל זה? טכנולוגיה בשם Model Context Protocol (או MCP) – תחשבו על זה כמו USB-C של עולם הבינה: תקן אחד שמאפשר לכלי AI להתחבר לכל אפליקציה תומכת באופן בטוח, פשוט ובלי כתיבת קוד או מפתחות API מסובכים. למה זה שונה? בעבר, כדי לחבר בין אפליקציה ל-AI, נדרשה עבודת פיתוח מסורבלת עם מפתחות API ועזרה של איש מקצוע. MCP שינה את המשוואה – כל אפליקציה שתומכת בפרוטוקול יכולה להתחבר לכל מודל AI שתומך בו. בלי קוד. בלי כאב ראש. רק חיבור אחד פשוט.

מה זה Connectors ואיך מתחברים?

Connectors הם הגשרים הדיגיטליים שמחברים בין קלוד לאפליקציות אחרות כמו קנבה, גוגל דרייב, Notion ו-Slack. אנטרופיק כבר פתחה ספרייה עם עשרות כאלה, וכל אחד מהם מאפשר לקלוד לפעול בתוך הכלים שאתם כבר עובדים איתם. החיבור פשוט להפליא: נכנסים לספריית ה-Connectors בקלוד, לוחצים “Connect” ליד קנבה או הכלי אליו תרצו להתחבר, מאמתים את החשבון (כמו חיבור לחשבון גוגל) – וזהו. מכאן, קלוד יכול לתקשר עם התוכן שלכם אבל רק באישורכם.

מנגנון ההרשאות

כאן גם נכנס מנגנון הרשאות דינמי. במקום לתת גישה גורפת, קלוד מבקש רשות נקודתית ואתם מחליטים אם לאשר פעם אחת (Allow Once), תמיד (Always), או לא לאשר. את ההרשאות ניתן גם לנהל דרך כלים והגדרות.

הסבר קצר לפעולת החיבור בין קלוד לקנבה (כפי שמודגם בתמונה):

1. בחירת החיבור לקנבה מתוך קלוד – המשתמש מסמן את קנבה מתוך רשימת הכלים הנתמכים (Connectors).

2. ניהול הרשאות מאובטח – קלוד מבקש אישור מפורש לגשת לכלי. ניתן לבחור אם לאשר פעם אחת, תמיד, או לסרב.

3. שליחת בקשה מתוך השיחה – המשתמש כותב הנחיה (למשל: יצירת אינפוגרפיקה), וקלוד בונה בקשת פעולה מול קנבה – כולל תיאור עיצובי.

4. קבלת תוצאה ובחירת תצוגה – קלוד מציג כמה תוצרים אפשריים ישירות בצ’אט, ומציע למשתמש ללחוץ על לינק ולעבור ישירות לקנבה כדי לראות או לערוך את התוצאה.

מה עוד קלוד יודע לעשות עם קאנבה?

החיבור בין קלוד לקנבה פותח אפשרויות חדשות שלא היו זמינות קודם, והכול בלי לעזוב את הצ’אט:

• ליצור עיצובים לפוסטים ברשתות חברתיות עם התאמה אוטומטית לגודל של כל פלטפורמה (אינסטגרם, לינקדאין, סטורי ועוד).

• לחפש ולסכם תוכן מתוך מסמכים ומצגות קיימות בקנבה כמו למצוא “מצגת על קמפיין אביב 2023” ולקבל תובנות.

• למלא תבניות מיתוג אוטומטית עם טקסטים רלוונטיים (שכבר נוסחו בצ’אט).

• לשנות גודל ועיצוב של קובץ קיים בלי להתחיל מחדש.

הכול מתבצע דרך שיחה אחת, בלי העלאות, הורדות או מעברים בין אפליקציות.

המציאות מול הציפיות

יש גם מגבלות. לפעמים קלוד לא מוצא תבנית מתאימה, או נתקע בעיצוב מורכב. זה לא קסם – זה עוזר חכם. אבל כשזה כן עובד? החוויה משתנה לגמרי. במקום לעבור למצב של “עכשיו אני עובר לעצב”, פשוט ממשיכים לחשוב ולדבר בצ’אט – וקלוד דואג לשאר. מה שמשתנה כאן הוא צורת העבודה עצמה: במקום לקפוץ בין כלים, אתם נשארים בתוך תהליך רציף בו רעיון, ניסוח, ביצוע ועיצוב קורים באותו מקום. וחשוב לזכור, כל טכנולוגיה שאנחנו מנסים היום תהיה טובה יותר מחר וטובה הרבה יותר בעוד כמה שבועות או חודשים.

למי זה זמין וכמה זה עולה?

שימו לב! החיבור בין קלוד לקנבה זמין כרגע רק למנויים משלמים בשני השירותים. Canva Pro עולה כ־13-15 דולר בחודש, ו- Claude Pro עולה 20 דולר נוספים. כלומר, כ-35 דולר לחודש בסך הכול.

זה לא סכום זניח, במיוחד למשתמש מזדמן. אבל אם אתם עובדים עם תוכן ועיצובים על בסיס קבוע – מעצבים, אנשי שיווק, יוצרים מצגות – החיסכון בזמן יכול להחזיר את ההשקעה תוך שבועות בודדים. במקום לבלות שעות בהעתקות, פתיחת טאבים והתעסקות טכנית, אתם מקבלים שותף שמקצר תהליכים ומפנה אתכם למה שחשוב באמת: קריאייטיב, תכנון, והובלת רעיונות.

לא פיצ’ר – תפיסה חדשה

קלוד וקנבה ממש לא לבד. קלוד מתחבר לעוד מגוון רחב של כלים, ChatGPT מאפשרת להתחבר לעשרות כלים, ג’מיני מצמצם פערים ומיקרוסופט תומכת ב-MCP ב-Office. ואפל? אפילו היא מחברת את סירי למודלי שפה. המירוץ בעיצומו, או שהוא בעצם רק התחיל: כל שחקן רוצה להפוך למוקד שמרכז את כל העבודה היצירתית, התפעולית והאסטרטגית שלנו. אבל הסיפור כאן עמוק יותר מפיצ’ר חדש. החיבור בין Claude לקאנבה הוא תזכורת לשאלה גדולה יותר: מה קורה כשה-AI כבר לא “כלי”, אלא שותף? מה קורה כשהרעיון, הביצוע והעיצוב מתגבשים באותו מרחב דרך שיחה אחת? תדמיינו את זה רגע: מנהל פרויקטים מקבל תוכנית שלמה – לוחות זמנים, תקציב ומצגת – בשיחה אחת, מעצב מעדכן עשרות נכסים שיווקיים בלחיצת טקסט, נציג מכירות יוצר הצעת מחיר מותאמת, מתוך תמלול פגישה. זו לא אוטופיה. זו מציאות שנבנית עכשיו – והחיבור הזה הוא הצצה אליה.

הפוסט איך קלוד הופך למעצב הדיגיטלי שלכם בקנבה בלי לעזוב את הצ’אט הופיע ראשון בLet's AI בינה מלאכותית

ChatGPT can now do work for you using its own computer.

Introducing ChatGPT agent—a unified agentic system combining Operator’s action-taking remote browser, deep research’s web synthesis, and ChatGPT’s conversational strengths. pic.twitter.com/7uN2Nc6nBQ

— OpenAI (@OpenAI) July 17, 2025

שילוב כלים שהופך לעוזר אוטונומי אחד

עד היום, כדי להוציא יותר מ־ChatGPT, נדרש היה להפעיל שלושה כלים נפרדים:

• Operator – כלי שידע “לנווט” באתרים ולבצע לחיצות, מילוי טפסים וגלילה.

• Deep Research – כלי למחקר מעמיק ברשת.

• ChatGPT עצמו – בוט לכתיבה, סיכום, שיחה ויצירת תוכן.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

כעת, ChatGPT Agent מאחד את כל היכולות האלו לתוך ישות אחת אוטונומית, סוכן שפועל ממש: הוא מתכנן, מבצע, מתקן ומשפר תוך כדי תנועה. המעבר כאן הוא מהותי – לא מדובר בעוד פיצ’ר, אלא בשינוי כיוון – מעוזר שמייעץ לעובד דיגיטלי שמבצע.

מה הסוכן באמת יודע לעשות?

ל־ChatGPT Agent יש סביבת עבודה משל עצמו: מחשב וירטואלי פרטי שמריץ כלים מתקדמים – דפדפן ויזואלי ללחיצה על כפתורים וגלילה באתרים, דפדפן טקסטואלי לקריאת תוכן ברשת, טרמינל להרצת קוד ויצירת מסמכים, גישה לשירותים חיצוניים כמו Gmail או Google Drive (באישור המשתמש), ויכולות גרפיקה ליצירת אלמנטים ויזואליים למצגות ודוחות.

אבל השאלה האמיתית היא – מה עושים עם זה בפועל? הסוכן יודע לתאם פגישות חכמות מול לוח השנה שלך, לתכנן קניות אונליין בהתבסס על מתכונים, לנתח מתחרים ולהפיק מצגת שלמה, לאסוף נתונים ממקורות רבים ולבנות מהם דוח, וגם לעבד גיליונות אלקטרוניים מורכבים, כולל גרפים וחישובים. הדגש כאן אינו רק על הפעולה הבודדת, אלא על היכולת לקחת אחריות על התהליך כולו – להבין את המשימה, לבנות תוכנית עבודה, להריץ אותה בפועל ולהחזיר תוצאה גמורה, מוכנה לשימוש.

אז כמה טוב הוא באמת? 

כדי להעריך עד כמה הסוכן של OpenAI באמת אפקטיבי, החברה שלחה אותו להיבחן. לא בתנאי מעבדה סטריליים, אלא מול סט של מבחנים קפדניים ומתוקננים שנועדו לבדוק ביצועים של מערכות בינה מלאכותית מתקדמות. השורה התחתונה: הסוכן עומד ברף, ובחלק מהמקרים גם עוקף בני אדם.

לפניכם סט של גרפים שמציגים את תוצאות הביצועים של ChatGPT Agent במבחנים שונים לעומת מודלים קודמים, מתחרים בולטים, ואפילו בני אדם:

1. מבחן מתמטיקה ברמה גבוהה (FrontierMath): הסוכן הפגין יכולת מרשימה בפתרון בעיות מתמטיות מורכבות, עם ציון של 27.4% – כמעט פי 3 ממודלים קודמים.

2. שימוש בדפדפן סוכני (WebArena): בבדיקת היכולת “לגלוש כמו אדם”, הסוכן עבר את GPT-4o והגיע לדיוק של 65.4%, כשהוא מצמצם את הפער לעומת בני אדם (78.2%).

3. גלישה באינטרנט והסקת מידע (BrowseComp): הסוכן מוביל על פני Deep Research ומודלים אחרים עם 68.9%, שיפור של 17.4 נקודות.

4. משימות פיננסיות (Investment Banking Modeling): כאן הסוכן לא רק מנתח, אלא בונה מודלים – ומגיע ל־41% דיוק (לעומת 19.7% של Deep Research), תוך שילוב כלים מתקדמים.

5. ניתוח נתונים (DSBench – Data Analysis): בבדיקת הבנה ופרשנות של סטי נתונים גדולים, הסוכן עקף גם בני אדם וגם את GPT-4o, עם שיעור הצלחה של 89.9%.

6. בניית מודלי נתונים (DSBench – Data Modeling): גם כאן הוא מציג עליונות עם תוצאה של 85.5%, מה שממחיש את היכולת לבנות תשתיות ניתוח נתונים – לא רק להבין נתון קיים.

7. עבודה עם גיליונות אלקטרוניים (SpreadsheetBench): במשימות Excel מורכבות, הסוכן הגיע ל־46.5%, יותר מפי שניים מהתוצאה של Copilot של מיקרוסופט (20%).

8. משימות כלכליות חשובות בזמן אמת (Economically Important Tasks): מדד נדיר שבוחן כמה מהר וטוב המודל מבצע משימות אמיתיות לעומת בני אדם – ככל שהמשימה מתארכת (מעל 7 שעות), הסוכן מצמצם פערים ואף מנצח בחלק מהמקרים.

למה זה חשוב?

המספרים האלה לא רק מצביעים על שיפור טכני – הם מעידים על קפיצה מערכתית: הסוכן לא רק מגיב, אלא מבצע, מנתח, משווה, ומקבל החלטות תחת אי־ודאות, בסביבה של מידע פתוח ודינמי. במשימות רבות, כמו בניית דוחות, מודלים פיננסיים, ניתוח שווקים או ניווט בין ממשקים, הוא מתקרב לרמת ביצוע אנושית, ולעיתים אף עוקף אותה.

כמה באמת אפשר לסמוך על הסוכן?

ככל שהסוכן של ChatGPT הופך לאוטונומי יותר, כך גוברת הדאגה – האם הוא בטוח לשימוש? ב־OpenAI הטמיעו מערך בטיחות מרשים: הסוכן עבר אימון ייעודי נגד “הזרקת הנחיות” (Prompt Injection) עם הצלחה של 99.5%, בודק כל בקשה לסיכונים ביולוגיים או כימיים, ועוצר אוטומטית בביצוע פעולות רגישות, כמו שליחת מיילים או גישה לקבצים, עד לקבלת אישור מפורש מהמשתמש. הוא גם מוגבל פיננסית, ולא מסוגל לבצע העברות כספיות, וגם יפסיק לפעול אם תעזבו את הטאב באתר רגיש כמו בנק.

אבל חשוב להדגיש, אין כאן חסינות מלאה. תוקפים עדיין יכולים לנסות להסתיר פקודות זדוניות בטפסים או טוקבקים, ובמקרים נדירים, מידע רגיש עלול לדלוף לאתרים לא בטוחים. הסוכן גם לא שומר מידע בין שיחות, מה שתורם לבטיחות, אבל מגביל את היכולת לעבוד בתהליכים מתמשכים.

סם אלטמן שומר על פרופורציות

כחלק מהשקת ChatGPT Agent, התייחס מנכ”ל OpenAI סם אלטמן לסוכן החדש בחשבון ה־X שלו. בציוץ ארוך וגלוי-לב, הוא הסביר שמדובר בטכנולוגיה ניסיונית אך עוצמתית, שיכולה לבצע משימות מורכבות, אך גם מלווה בסיכונים. לדבריו, הסוכן נועד לפעול בזהירות ובפיקוח, תוך מינימום גישה למידע רגיש. “הייתי ממליץ לבני משפחתי לא להשתמש בו למשימות קריטיות או עם מידע אישי בשלב זה”, כתב, והוסיף: “צריך ללמוד מהשטח, בהדרגה”.

הנה הפוסט המלא:

אלטמן מבהיר: הסוכן החדש הוא ניסיוני ולא 100% אוטומטי

איך מפעילים את ChatGPT Agent? 

אם יש לכם גישה לשירות בתשלום, תוכלו להתחיל לעבוד עם הסוכן ממש עכשיו (או בימים הקרובים). התהליך פשוט יחסית, אבל דורש תשומת לב לכמה שלבים חשובים:

1. התחברות לחשבון: התחילו בכניסה לחשבון שלכם ב־ChatGPT. 

2. הפעלה ראשונית: תוכלו לבחור את Agent Mode מתוך תפריט הכלים (Tools), או פשוט להקליד agent/ בתחילת השיחה.

3. תיאור המשימה: תכתבו את הבקשה שלכם כמו שהייתם כותבים לאדם בשפה טבעית וברורה. דוגמה: “תכין לי דוח השוואתי בין 3 פלטפורמות CRM שמתאימות לחברות קטנות.”

4. בדיקת התוכנית: הסוכן יציע תוכנית פעולה – אילו צעדים הוא עומד לבצע, באילו כלים ישתמש, ומה יקרה קודם. בשלב הזה, תוכלו לעצור, לדייק או להוסיף הנחיות.

5. צפייה בפעולה והתערבות לפי הצורך: אחד הדברים המרשימים ביותר בסוכן זה שהוא פועל ממש מול עינינו בשקיפות. תראו אותו גולש, לוחץ, מחפש, כותב או מריץ קוד, שלב אחרי שלב. בכל רגע, תוכלו לעצור אותו, לשנות כיוון או לקחת שליטה.

הפעלה פשוטה של הסוכן

מעורבות אנושית

למרות שמדובר בכלי אוטונומי, הצלחה בעבודה עם הסוכן תלויה גם בכם. אלה שלוש העצות הכי חשובות למשתמשים חדשים וגם למתקדמים:

• תנו הוראות מדויקות ככל האפשר: אל תסתפקו ב־“תכין לי דוח על שוק הפינטק”. במקום זאת, כתבו: “תכין דוח מקיף ועדכני בן 10 עמודים על שוק הפינטק בישראל, כולל ניתוח של 5 חברות מובילות ותחזיות לשנתיים הקרובות.”

• הישארו מעורבים בתהליך: הסוכן אולי עצמאי, אבל הוא לא קורא מחשבות. צפו איך הוא מתקדם, התערבו כשצריך, ותנו הבהרות אם אתם רואים שהוא בוחר כיוון לא מדויק.

• הגנו על המידע שלכם: אל תשתפו פרטי אשראי, חשבונות בנק או סיסמאות. אם נדרשת פעולה רגישה (כמו הזמנה באינטרנט), בשלב הזה, תוכלו לעצור ולבצע את הפעולה בעצמכם על בסיס ההכנה שביצע הסוכן. זו הדרך לשמור על שליטה מלאה ולהגן על עצמכם.

כמה זה עולה, ולמי זה בכלל זמין?

מבנה התמחור של ChatGPT Agent ממחיש עד כמה מדובר במוצר מתקדם, אך יוקרתי. גישה לסוכן זמינה רק למנויים בתשלום, כשמשתמשי תוכנית Plus משלמים 20 דולר לחודש ומקבלים גישה מיידית, אך מוגבלת מאוד עם 40 שאילתות חודשיות בלבד. לעומתם, מנויי תוכנית Pro נדרשים לשלם 200 דולר בחודש ומקבלים 400 שאילתות בחודש, גישה מלאה לכל יכולות הסוכן, כולל עבודה עם כלים מתקדמים, מספר משימות ביום והשלמה של תהליכים מורכבים מקצה לקצה.

חשוב לציין: הסוכן זמין כרגע למנויי Pro באופן מיידי, ולמנויי Plus ו-Team בהשקה הדרגתית. משתמשי Enterprise ו-Edu יקבלו גישה עד סוף החודש.

הפער בין המחיר לתועלת יוצר דילמה ברורה. משתמשים סקרנים שמעוניינים לבדוק את הסוכן יגלו במהרה שההקצאה של תוכנית Plus מוגבלת מדי לשימוש יומיומי, מאידך, מי שמעוניין להשתמש בסוכן ככלי עבודה רציני, למשל, לניתוחים, מצגות או משימות מורכבות, יידרש לשלם לא פחות מ־200 דולר בחודש. מדובר בסכום גבוה שרק יועצים עצמאיים, חברות טכנולוגיה או צוותים עם צורך תפעולי ממשי יוכלו להצדיק. נכון להיום, קשה להמליץ עליו למשתמשים מזדמנים או לעסקים קטנים ללא תקציב משמעותי.

למי זה מתאים?

השימוש בסוכן ChatGPT אינו מיועד לכל אחד, אבל עבור קהלים מסוימים, הוא עשוי להיות כלי משנה-משחק. יועצים ועצמאיים שעובדים לפי שכר שעתי גבוה יכולים להפיק ממנו תועלת ממשית: כל שעה שהסוכן חוסך בתחקיר, בניתוח או בבניית מצגת – מתורגמת לרווח מיידי. גם חברות טכנולוגיה שעוסקות במחקר, פיתוח, או ניתוח שווקים עשויות להיעזר בו כדי להוריד עומס משימות ולהאיץ תהליכים מבלי להרחיב צוותים. מנהלי פרויקטים שמפיקים ניתוחים, דוחות ומצגות על בסיס קבוע יגלו שהוא חוסך שעות של עבודה שחוזרת על עצמה. וגם בצד השיווקי, צוותי מכירות שזקוקים לניתוחים תחרותיים או לתחקיר מהיר על לקוח פוטנציאלי, ימצאו בו חבילה אחת שעושה את כל העבודה.

דוגמאות מעשיות מהדמו הרשמי

דוגמה 1: תכנון חתונה בסגנון בוהמייני

הסוכן סרק אתרי אירועים, בדק תחזיות מזג אוויר, בנה לוח זמנים, הציע מתנות, יצר מצגת מסכמת ורשימת קניות מלאה. התוצר הסופי (לאחר כ 7-15 דקות) היה דו”ח מפורט עם כל ההמלצות והקישורים.

דוגמה 2: עיצוב והזמנת מדבקות

הסוכן קיבל בקשה לעצב מדבקות ולהזמין 500 יחידות. הוא שאל שאלות על הסגנון הרצוי, יצר עיצוב באמצעות AI, נכנס לאתר Sticker Mule, העלה את העיצוב, הוסיף לעגלת הקניות וביקש אישור מהמשתמש להמשיך לשלב התשלום.

דוגמה 3: ניתוח ביצועים אישי והצגת ממצאים

הסוכן התבקש למשוך את נתוני הביצועים של עצמו דרך API פנימי של Google, לנתח אותם וליצור מצגת PowerPoint. הוא כתב קוד, יצר גרפים, ואף הוסיף אלמנטים ויזואליים לשקופיות. התוצאה? קובץ PowerPoint אמיתי וניתן להורדה כולל המלצות לשיפור. 

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

צעד גדול שמחייב גם זהירות ופרופורציה

לסיכום, ChatGPT Agent אינו עוד תוספת שולית, אלא ניסיון שאפתני להפוך את הבינה המלאכותית משחקן פסיבי למבצע אקטיבי. שילוב של שיחה, חיפוש, ניווט, קוד, מסמכים ופעולה רציפה הופך את הסוכן הדיגיטלי של OpenAI לכלי שיכול, לפחות תאורטית, לבצע עבודה של ממש, לא רק לעזור לחשוב. הביצועים טובים, היכולות מתקדמות, והפוטנציאל ברור: חיסכון אדיר בזמן, ייעול תהליכים, ופער גובר מול מי שעדיין תקועים בשלב ההקלדה הידנית.

אבל דווקא בגלל העוצמה הזו, צריך לעצור לרגע ולבחון את זה בעיניים פקוחות. מדובר בטכנולוגיה צעירה, עם עלות לא מבוטלת, תלות בתשתית, ואוטונומיה שהיא חלקית בלבד. הסוכן יכול להיתקע, לפרש הוראות לא נכון, או להיתקל באתרים שהוא פשוט לא מצליח להבין. יותר מזה, אין כאן מהפכה מוחלטת. השחקנים הגדולים כולם הולכים באותו כיוון: ה־Computer Use של Anthropic, הדפדפן של Perplexity, הפלטפורמה של Manus, שיכול לבצע פעולות מורכבות, או Genspark שמאפשרת להריץ סוכנים מבוססי תהליך – כולם מציעים וריאציות שונות על אותו רעיון: לאפשר למודל לפעול במקומך, דרך הדפדפן או סביבת עבודה וירטואלית. ההבדלים נמצאים ברמת העטיפה, ממשק המשתמש והאינטגרציה, אבל הרציונל דומה: לצמצם את הפער בין הבנה לפעולה.

בשורה התחתונה? ההבטחה אמיתית, אבל צריך לתת לזה זמן. מי שיידע לשלב את הכלי הזה בתוך תהליך עבודה קיים, ויידע גם מתי לעצור אותו – ירוויח. מי שמצפה לקסם אוטומטי שיבצע הכל לבד, צפוי אולי להתאכזב. כמו תמיד בעולם ה-AI: הכלים מתקדמים מהר, אבל המבחן האמיתי הוא איך משתמשים בהם ולא רק מה הם יודעים לעשות לבד.

הפוסט OpenAI השיקו את הסוכן החדש של ChatGPT הופיע ראשון בLet's AI בינה מלאכותית

הסערה שלפני ההשקה

עוד לפני שהמספרים המרשימים פורסמו, היה ברור שזו לא עוד השקה רגילה. כמה שעות בלבד לפני ההכרזה הרשמית, איגור בבושקין (Igor Babuschkin), המדען הראשי של xAI, התפטר – במהלך שאי אפשר לפרש כעוד שינוי שגרתי. זה כמו שמאמן של נבחרת עוזב יום לפני גמר המונדיאל. זה לא קורה סתם.

כמה ימים קודם לכן גם לינדה יקרינו (Linda Yaccarino), מנכ”לית X, הודיעה על עזיבתה. שתי התפטרויות בכירים כל כך קרוב לאירוע הדגל של החברה מעוררות שאלות. מה גרם לשניים מהשחקנים המרכזיים של xAI ו-X לפרוש דווקא עכשיו? התשובות כנראה אצל מאסק.

כל הסערה הזו מתגמדת לעומת מה שקרה בפומבי. החשבון הרשמי של Grok ב־X פרסם יום לפני ההשקה תגובות בעלות אופי אנטישמי, תכנים שכמובן חורגים מהמדיניות של הפלטפורמה עצמה. התגובה לא איחרה לבוא – החשבון הוגבל זמנית, פוסטים נמחקו, ו־xAI נאלצה להתנצל. ביום שבו אמורים היו לדבר רק על הישגים טכנולוגיים, החברה מצאה את עצמה בלב סערה תקשורתית.

אינטליגנציה נזילה

ובעולם כמעט מקביל, באירוע סטרימינג חגיגי כדרכו של מאסק, הכריזה xAI על Grok 4, מודל שעלה לראש טבלת הביצועים כמעט בכל בנצ’מרק מדיד. Grok 4 לא רק שיפר את התוצאות הקודמות – הוא כמעט הכפיל אותן. במבחן ARC-AGI-2, שנחשב כיום לאתגר הקשה והמדויק ביותר להערכת בינה מלאכותית כללית (AGI), גרוק 4 השיג 15.9% הצלחה. זה אולי נשמע צנוע, אבל כשקודמו המוביל, Claude Opus 4, עמד על 8%, מדובר בזינוק כמעט בלתי נתפס.

ככה זה נראה גם בנתוני ARC-Bench: גרוק 4 נמצא בפסגת טבלת הביצועים, עם יחס עלות-תוצאה שעוקף את כל המתחרים הציבוריים:

מוביל גם בביצועים וגם ביחס עלות-משימה. מקור: ARC-Evals, יולי 2025.

כדי לוודא שהשיפור הזה לא נובע מהתאמה יתרה (overfitting), פנתה xAI לצוות ARC-Bench יום לפני ההשקה, וביקשה לאמת את התוצאה גם על סט חצי-פרטי. אחרי תיאום טכני מהיר, התקבלה התוצאה – גרוק 4 אכן שובר את הרף הקודם והופך למודל הציבורי החזק ביותר שדורג אי פעם במבחן הזה. גם בצוות הבוחנים ציינו שמדובר בפריצה ראשונה דרך “מחסום הרעש”, אך הבהירו – זה עדיין לא פתרון מלא, וקנה מידה לבדו כבר לא יספיק.

למה זה משנה?

כי מתחת ל־10% נחשב “רעש סטטיסטי” – כלומר, ניחושים. מעל 10% פירושו שהמודל באמת מצליח לפתור בעיות חדשות שהוא לא ראה מעולם. זו בדיוק ההגדרה של מה שחוקרים מכנים “אינטליגנציה נזילה”. ואולי, מבחינה ביצועית, זו הנקודה הקרובה ביותר ל־AGI שראינו עד כה.

Grok 4 מוביל כמעט בכל תחום

ההישג של גרוק 4 במבחן ARC-AGI-2 הוא לא החריג היחיד. לצדו, המודל הוביל גם בשורה של מבחני עומק בתחומים מגוונים, מקידוד ועד מתמטיקה ברמה אקדמית מתקדמת. בכל אחד מהמבחנים, Grok 4 Heavy – גרסה מתקדמת ועוצמתית במיוחד של המודל – מתייצב בצמרת, לעיתים בפער ניכר מהמתחרים:

• GPQA (שאלות קשות בידע כללי): Grok 4 Heavy בראש – 88.9%, לפני GPT-4, Claude ו־Gemini.

• AIME25 (מבחן מתמטיקה יוקרתי): Grok 4 Heavy מגיע ל־100%, כש־Claude נותר הרחק מאחור (75.5%).

• LCB (הבנת שפה): שלוש גרסאות של Grok 4 משיגות 79%-79.4%, מקדימות את o3 ו־Gemini.

• HMMT25 (טורניר מתמטיקה אוניברסיטאי): Grok 4 Heavy עם 96.7%, בעוד Claude נופל ל־58.3%.

• USAMO25 (אולימפיאדת מתמטיקה): Grok 4 Heavy מזנק ל־61.9%, מול 49.4% של Gemini ו־21.7% ל־Claude.

Grok 4 מקום ראשון בשורת מבחני AI מתקדמים

התרשמתם מהמספרים? תראו איך זה נראה בגרפים. אלה ממחישים את התמונה במלואה – לא רק מודל חזק, אלא עקבי, מגוון, ושיטתי. ובינתיים, אף מודל אחר לא מציג ביצועים דומים ברוחב כזה של תחומים.

גרף השוואה בין Grok 4 (כולל גרסת Grok 4 Heavy) לבין GPT-4, Claude, Gemini ו־O3 בשישה מבחני AI קשים

המספרים האלה מחזקים את מה שחלק מהמהנדסים ב־xAI כבר רומזים – Grok 4 שואף להיות לא רק מודל חכם, אלא מודל חוצה דיסציפלינות, כזה שיכול להתמודד עם בעיות מורכבות בכל תחום, ובביצועים שמתחילים להזכיר רמת דוקטורט. האם מדובר ביכולת כללית אמיתית או בשכלול של טריקים פדגוגיים? עדיין מוקדם לקבוע. אבל נכון לעכשיו, אין מודל ציבורי אחר שמראה עקביות כזו גם ברוחב, וגם בעומק.

מדד AI עצמאי מציב את Grok 4 בראש

לצד התוצאות המרשימות (מאוד!) במבחנים בודדים, Grok 4 גם ניצב במקום הראשון במדד העצמאי של Artificial Analysis, שמדרג את המודלים המובילים לפי רמת הביצועים הכללית. במדד זה קיבל Grok 4 ציון של 73 נקודות – לפני o3-Pro, Gemini 2.5 Pro, Claude, DeepSeek ורבים אחרים. לשם השוואה, GPT-4o של OpenAI מדורג כאן בתחתית הרשימה (41 נקודות בלבד). כמו כל דירוג עצמאי, מדובר באינדיקציה אחת מני רבות, אבל היא תומכת בתמונה הכוללת: Grok 4 תופס עמדת הובלה.

Grok 4 מוביל בדירוג המודלים לפי Artificial Analysis

מעבר לביצועים

מעבר לביצועים יוצאי הדופן במשימות הסקה והיגיון, גרוק 4 כולל גם חלון הקשר רחב במיוחד של 256K טוקנים, שמאפשר הזנה של קלטים ארוכים וניהול שיחות מתמשכות בלי לאבד הקשר. בנוסף, הוא מציע API עם כלי חיפוש מובנה, שמקל על עבודה עם מסמכים גדולים, ומצב קול חדש עם השהיה נמוכה, שמאפשר חוויית שיחה קולית חלקה ומהירה יותר.

איך הם עשו את זה?

הנה החלק המעניין, xAI לא המציאה אלגוריתם חדש או פריצת דרך מסתורית. במקום זאת, היא יישמה גישה שנקראת “חשיבה איטית” (Slow Thinking), מודל שפועל לאט יותר, אבל חכם יותר. מודלים אחרים כבר משתמשים בשרשראות חשיבה (Chain-of-Thought) כדי לפרק בעיות מורכבות. אבל גרוק 4 לקח את זה רחוק יותר – לא רק חשיבה ליניארית, אלא חשיבה מרובת סוכנים – תהליך שבו כמה ישויות נפרדות (“סוכנים”) חושבות במקביל, כל אחת בגישה שונה, משוות תוצאות, ומבצעות הסקה קולקטיבית.

ככה זה עובד:

• המודל מפעיל מספר סוכנים במקביל

• כל סוכן מנסה לפתור את הבעיה בדרך אחרת

• הסוכנים משווים בין הפתרונות

• מתקדמים עם התשובה שנמצאה הכי מדויקת

אפשר לחשוב על זה כעל מודל מתייעץ – לא מערכת אחת שמנחשת תשובה, אלא קבוצה של “קולות פנימיים” שמנהלת דיאלוג. זו גם צורת חשיבה מבוזרת, שלא נשענת על קו מחשבה אחד אלא מפזרת את תהליך הפתרון, ואז מאחדת אותו לנקודת החלטה. במילים פשוטות, זה כמו לגשת למבחן קשה עם צוות של יועצים מבריקים, שכל אחד מהם חושב אחרת, אבל כולם עובדים בשביל אותה מטרה.

האם המודל מצטיין גם בלי ״עזרה״?

חשוב לשמור גם על מבט סקפטי. חלק מהציונים הגבוהים שפורסמו הושגו במבחנים עם תמיכה חיצונית משמעותית: גישה לאינטרנט, שימוש בכלים מתקדמים, ריבוי סוכנים, ולעיתים גם ניסיונות חוזרים. כלומר, אלה לא בהכרח היכולות ה”טהורות” של המודל עצמו, אלא ביצועים של מערכת מתוגברת שמבצעת משימות בסביבה עשירה במשאבים. וזה מעלה שאלה לא פשוטה – מה קורה כשמורידים את התמיכה? מה המודל יודע לעשות בלי חיזוקים, בלי כלים, ובלי רשת שתציל אותו?

התשובה? Grok 4 עצמו עדיין חזק מאוד, אבל כנראה הרבה יותר מוגבל. במצב בסיסי, בלי חיבורים חיצוניים, הוא מצליח להתמודד היטב עם הסקה לוגית, כתיבה, ניתוח טקסטים, ואפילו חלק מהמבחנים הקשים. אבל כשזה מגיע למשימות שמצריכות חיפוש אקטואלי, ניסוי וטעייה, או שילוב בין מקורות, הוא כבר תלוי במערכת שסביבו. הוא מרשים – אבל לא פועל לבד. לפחות בינתיים.

מחיר האינטליגנציה

כל ההישגים האלה מגיעים עם תג מחיר גבוה מהמקובל בשוק. לגרוק 4 אין גישה חינמית. המחירים ש־xAI קובעת עבור Grok 4 מציבים אותו בקצה העליון של הסקאלה – יקר יותר מהמתחרים, גם עבור קלט וגם עבור פלט.

הטבלה הבאה מציגה השוואה בין עלויות השימוש במודלים המובילים כיום:

מחירים מוצגים לפי מיליון טוקנים

אבל יש כוכבית שמטלטלת את המשוואה. המחיר של Grok 4 מוכפל לאחר שימוש של 128 אלף טוקנים, כלומר, מעבר לסף הזה, תשלמו פי שניים על כל טוקן נוסף. למשתמשים כבדים, מדובר בפער משמעותי, מה שעלול להקפיץ את המחיר הכולל לרמות של פי 2-3 בהשוואה למתחרים. בנוסף, xAI מציעה מסלול ייעודי בשם SuperGrok Heavy, שמיועד למפתחים וארגונים עם צריכה גבוהה במיוחד. המחיר – 300 דולר לחודש – הוא המסלול היקר ביותר בשוק כרגע.

השקת SuperGrok Heavy ב-$300 לחודש

סיפור שטרם הסתיים

xAI מבטיחה להשיק שלושה מודלים חדשים עד סוף 2025: מודל קידוד באוגוסט, מודל מולטימודלי בספטמבר, ומערכת ליצירת וידאו באוקטובר. הלו”ז שאפתני, אבל נשאלת השאלה האם החברה תצליח לייצב את עצמה ולהתמקד. אין ספק ש־Grok 4 הוא הישג טכנולוגי מרשים. אבל מאחורי הביצועים מסתתרת מציאות עסקית לא יציבה עם אתגרים ניהוליים, תקריות ציבוריות, וסימני שאלה מהותיים.

אז מה באמת יש לנו כאן? פריצת דרך מהותית, או ניסוי טכנולוגי מרשים בחברה שחושפת יותר מדי סדקים? כמו הרבה דברים בעולם הבינה המלאכותית – גם הפעם, התשובה מורכבת. ואולי הכי נכון לסיים עם הדברים שאמר אילון מאסק בהשקה עצמה: “המודל יביא לגילויים מדעיים פורצי דרך.. כולל אולי פיזיקה חדשה.” חזון שאפתני בהחלט שלא מפתיע את מי שעוקב אחרי ההכרזות והחלומות של מאסק עוד מההכרזה על גרוק 3 לשילוב בין חלל, רובוטיקה ובינה מלאכותית כדי לקדם את ההתיישבות הבין-כוכבית. שווה להמשיך לעקוב.

הפוסט האם גרוק 4 הוא המודל הכי חזק בעולם? הופיע ראשון בLet's AI בינה מלאכותית

הקלטת השיעור המעשי

אבל לפני הכל – הנה הקלטת שיעור ההתנסות שקיימנו ב-2.7.25 בלייב זום, בו אני מסביר לעומק על התהליכים והכלים שיוצגו במאמר זה. מומלץ לצפות בו, ולאחר מכן לקרוא בעיון את המדריך הזה.

 כתיבת ספר עם צ’אט כמו ChatGPT

הדרך הבסיסית ביותר להתחיל היא באמצעות צ’אטבוטים כמו  ChatGPT.

תהליך העבודה

התהליך הוא אינטראקטיבי ודורש הנחיה צמודה, אך הוא יכול להיות נקודת פתיחה טובה:

1. סיעור מוחות (Brainstorming) – בקשו מהצ’אט רעיונות לספר על בסיס ז’אנר, דמויות או נושאים שמעניינים אתכם.
2. סינופסיס: לאחר שבחרתם רעיון, בקשו מהצ’אט לפתח אותו לתקציר עלילה (סינופסיס).
3. פיתוח דמויות עלילה ועולם: עבדו עם הצ’אט על העמקת הדמויות ועל בניית עולם.
4. הפכו את הסינופסיס לאאוטליין של פרקים: בניית מבנה עלילתי (Outline) המחולק לפרקים.
5. סגנון: הגדירו סגנון לספר.
6. כתיבה פרק-פרק: הנחו את הצ’אט לכתוב כל פרק בנפרד, על בסיס המבנה שיצרתם.

אם אתם רוצים מאמר מסודר עם פרומפטים אז יכולים לקרוא את המאמר שהזכרתי של ג’ייסון המילטון וממליץ בכלל לעקוב אחריו בערוץ היוטיוב שלו “the nerdy novelist“, הוא המשפיען העיקרי בתחום כתיבת ספרים עם AI בעולם.

מגבלות השימוש בצ’אטבוט

למרות הפשטות, ל-ChatGPT יש מגבלות משמעותיות בהקשר של כתיבת ספר:

• סגנון “מצועצע”: לעיתים קרובות, הכתיבה הספרותית שלו נוטה להיות קלישאתית או בנאלית. יוצרים וכותבים פחות אוהבים את הכתיבה שלו ומעדיפים את קלוד או את ג’מיני כפי שארחיב מיד.
• “חלון קונטקסט” מוגבל: בצ’אטבוטים רגילים, ה-AI נוטה “לשכוח” את תחילת הסיפור ככל שמתקדמים. הוא עלול לאבד פרטים חשובים על דמויות ועלילה שנכתבו בפרקים הראשונים. יש גם קושי לעבוד על ספר שלם בתוך הפלטפורמה של הצ’אט. נגיד אם בפרק 15 נזכרתם לשכתב משהו בפרק 2, אין כמעט אפשרות לעשות זאת בצ’אט.
• צנזורה ורגישות: הצ’אט עלול לסרב לכתוב סצנות אלימות, מיניות או כאלה העוסקות בנושאים רגישים, גם אם הן חיוניות לעלילה.

שימוש ב-Google AI Studio לכתיבת ספרים

למה מניסיוני סטודיו AI עדיף לכתיבת וניתוח של ספרים (ומה זה בכלל סטודיו AI)?

אז ככה – Google AI Studio היא פלטפורמה שמציעה אפשרויות נוספות שאין ל-ChatGPT, לקלוד או אפילו לממשק של ג’מיני עצמו. היא כן מריצה את מודל השפה המתקדם Gemini 2.5 Pro ומציעה מספר יתרונות בולטים:

1. חינמית לחלוטין: בניגוד לשירותי פרימיום אחרים, Studio AI פתוח לשימוש ללא עלות.
2. “חלון קונטקסט” גדול מאד: זוהי גולת הכותרת. הפלטפורמה מסוגלת “לקרוא” ולנתח ספר שלם (למשל, 80,000 מילה) ולהבין את ההקשרים לאורכו, מבלי “לשכוח” פרטים. זהו כלי אדיר לניתוח, עריכה וקבלת חוות דעת על טקסטים ארוכים.
3. מודל כתיבה איכותי: מודל2.5 pro  Gemini נחשב לאיכותי מאוד בכתיבה ספרותית, במיוחד בעברית.
4. גמישות בפורמטים: ניתן להזין לפלטפורמה לא רק טקסט, אלא גם קבצי אודיו, וידאו וקישורים, והיא תתמלל ותנתח אותם.

אגב, אם הייתם בשיעור הלייב זום, או שצפיתם בהקלטה שלו, כדאי לדעת שהמאמר הזה הוא סיכום שנוצר על ידי זה ששמתי בסטודיו AI את הקלטת הוובינר ביקשתי שיתמלל ואז יערוך אותו לסקשן עצות וסקשן שאלות. לאחר מכן ערכתי את התוצאה אבל התהליך היה יותר מהיר והמערכת ידעה לתמלל את כל הקובץ שהיה באורך שעה.

במילים אחרות, אם יש לכם טיוטה ראשונית, אוסף רשימות או כל טקסט ארוך שתרצו להפוך לספר, Studio AI  הוא הכלי המומלץ ביותר להתחיל איתו את העבודה.

כתיבת ספרים עם נובלקראפטר Novelcrafter

הכירו את נובלקרפטר (Novelcrafter) – הפלטפורמה המקצועית ליוצרים.

איך זה עובד?

אם Studio AI הוא מנוע חזק, Novelcrafter היא מכונית מפוארת שיודעת להשתמש לא רק במנוע של ג’מיני אלא בכל המודלים (כולל צ’אטגיפיטי, קלוד ועוד הרבה אחרים). זה לא רק צ’אט, אלא סביבת כתיבה מלאה שתוכננה מהיסוד עבור סופרים ותסריטאים. היא מיועדת לתהליך יצירה משותף (Co-writing) ומציעה יכולות ייחודיות:

• שילוב מרובה מודלים (Multi-Model): היתרון הגדול ביותר. נובלקרפטר מאפשרת לכם לעבור בלחיצת כפתור בין מודלים שונים (Gemini, Claude, ChatGPT) עבור משימות שונות. כך, תוכלו להשתמש ב-Gemini לכתיבת פרוזה, וב-Claude לדיאלוגים, בהתאם לחוזקות של כל מודל.
• ה”קודקס” (Codex):  זהו “המוח” של הספר שלכם. מסד נתונים מרכזי בו אתם מאחסנים את כל המידע על הדמויות, המקומות, קווי העלילה, חפצים, סגנון הכתיבה ועוד. ה-AI שואב מידע ישירות מהקודקס, מה שמבטיח עקביות מוחלטת לאורך כל הספר.
• כלי תכנון ועריכה מובנים: הפלטפורמה מציעה כלים לתכנון מבנים עלילתיים קלאסיים (כמו “הצל את החתול” או “מסע הגיבור”) וכוללת “עורך ספרותי” מובנה המסוגל לספק ניתוח מעמיק על הספר כולו.
• סביבת עבודה מאורגנת: כל פרק, סצנה, דמות ורעיון מאורגנים במקום אחד, מה שהופך את תהליך הכתיבה והעריכה לנוח ויעיל בהרבה מעבודה עם מסמך וורד או צ’אט מתמשך.

למי שנרשם לנובלקרפטר (לינק על השם)  יש 21 יום חינם להתנסות בכל הפיצ’רים של המערכת.

קורס לכתיבת ספרים עם נובל קראפטר

מערכת הנובל קרפטר היא בעלת פוטנציאל אדיר אבל גם מחייבת לימוד כיצד לחבר אותה למודלים ולהשתמש בכל הפי’צרים שלה, בשביל זה בדיוק בנינו קורס שלם שמלמד איך להיות מאסטרים בנובל קרפטר ולכתוב ספרים במהירות וביעילות. לינק לעמוד הקורס פה.

קורס כתיבת ספרים עם נובל קראפטר ומודלי שפה – לפרטים לחצו על התמונה.

שורה תחתונה…

המסע מכתיבה בעזרת צ’אט פשוט ועד לעבודה עם פלטפורמה ייעודית כמו נובלקרפטר הוא מסע של התמקצעות. אין פתרון אחד שמתאים לכולם, אך ניתן לחלק את הדרך כך:

• למתחילים ולסיעור מוחות: התחילו עם Studio AI. הוא חינמי, חזק, ויעזור לכם לעבד רעיונות גולמיים ולנתח טקסטים קיימים.
• ליוצרים רציניים: אם אתם מתכננים לכתוב ספר או תסריט שלם ורוצים שליטה מלאה בתהליך, Novelcrafter היא הפלטפורמה המומלצת. היא דורשת עקומת למידה, אך התוצאות והיעילות שהיא מציעה הן ברמה אחרת.

שאלות ותשובות מהמפגש

• שאלה: יש לי סיפור המבוסס על פרשה משפטית עם תכתובות רבות. איזו תוכנה תעזור לי להפוך את כל החומרים הללו לספר או לסדרה?
  תשובה: הצעד הראשון הוא להשתמש ב-Studio AI. העלה את כל התכתובות והחומרים המשפטיים לפלטפורמה ובקש ממנה לנתח, לסכם ולהפוך אותם למבנה עלילתי. לאחר שיהיה לך סיפור מסודר עם מבנה (סינופסיס, חלוקה לפרקים), תוכל לעבור לפלטפורמת Novelcrafter  כדי לכתוב אותו כספר או כתסריט לסדרה בצורה מקצועית.

• שאלה: אני כותב סיפורי ילדים קצרים והומוריסטיים, אך ChatGPT לא תמיד קולע לסגנון. מה הפתרון?
  תשובה: גם כאן, Studio AI הוא נקודת התחלה מצוינת. העלה אליו מספר סיפורים קיימים שלך שאתה אוהב, ובקש ממנו “ללמוד” את הסגנון שלך. לאחר מכן, תן לו פרומפט חדש לסיפור (למשל, “כתוב לי בסגנון שלמדת סיפור על קרפדה וזבוב”) ותן לו פידבקים כדי לדייק את התוצאה. התהליך הוא של עבודה משותפת ולא של “זבנג וגמרנו”.

• שאלה: איזו פלטפורמה טובה ליצירת קורס או חומר לימודי?
  תשובה: גם ChatGPT וגם Studio AI יכולים לעזור בתכנון מבנה של קורס (“סילבוס”). הם יציעו חלוקה לשיעורים, נושאים ותתי-נושאים. עם זאת, קיימות פלטפורמות ייעודיות ליצירת קורסים שאינן קשורות ישירות לכתיבה ספרותית, וכדאי לחפש אותן בנפרד  (למשל, במסגרת מאמרים וקורסים באתר של letsai).

• שאלה: האם ניתן להעלות ל-AI ספר שלם שכתבתי כדי לקבל חוות דעת וניתוח?
  תשובה: כן. Studio AI  הוא הכלי הטוב ביותר למשימה זו בזכות “חלון הקונטקסט” הגדול שלו, המאפשר לו לעבד את כל הספר. גם בגרסה המתקדמת של Novelcrafter  קיים כלי ייעודי של “עורך ספרותי” שמנתח את כתב היד לעומק.

• שאלה: אני רוצה לכתוב אוטוביוגרפיה. במה כדאי להשתמש?
  תשובה: אוטוביוגרפיה, בדומה לביוגרפיה, היא סיפור עלילתי לכל דבר. יש בה דמויות, עלילה, סגנון ותמה. לכן, הפלטפורמות המומלצות הן Studio AI  לשלב התכנון הראשוני ו-Novelcrafter לשלב הכתיבה המעמיק, בדיוק כמו בספר עלילתי רגיל.

• שאלה: האם הפלטפורמות הללו פוגעות בזכויות יוצרים על החומרים שאני מעלה?
  תשובה: בפלטפורמות חינמיות כמו Studio AI, התכנים שאתם מעלים משמשים את גוגל כדי “לאמן” ולשפר את המודלים שלה. לרוב המכריע של היוצרים, אין בכך סיכון ממשי, כיוון שהערך טמון בביצוע ולא רק ברעיון. אם אתם עוסקים במידע סודי ביותר (כמו פטנט רפואי), ייתכן ותרצו לעבוד במערכת סגורה ואף קיימת אפשרות למתקדמים להתקין מודל שפה על המחשב האישי שלהם לעבודה במערכת סגורה לחלוטין.

הפוסט איך לכתוב ספר או תסריט עם AI – המדריך המוקלט הופיע ראשון בLet's AI בינה מלאכותית

חנות אוטומטית במשרד

הניסוי נמשך כחודש, ובמסגרתו הופעל מודל Claude Sonnet 3.7, שכונה “Claudius”, כדי לנהל חנות אוטומטית קטנה במשרדי Anthropic בסן פרנסיסקו. החנות עצמה הייתה בסיסית: מקרר, כמה סלסלות, ואייפד לקופה עצמית. אבל המשימות שהוטלו על Claudius היו רחוקות מלהיות פשוטות – הוא נדרש לנהל מלאי, לקבוע מחירים, לאתר ספקים, לתקשר עם לקוחות, ולהימנע מפשיטת רגל.

איך אנחנו מדמיינים את קלודיוס.

כלים והגדרות שהפעילו את Claudius

Claudius קיבל מגוון כלים מתקדמים לביצוע המשימה: מנוע חיפוש אמיתי באינטרנט למחקר מוצרים, כלי דוא”ל לתקשורת עם ספקים ולבקשות עזרה פיזית, מערכת לניהול הערות ומעקב אחר תזרים מזומנים, אפשרות לתקשר עם לקוחות דרך Slack, ושליטה ישירה במנגנון התמחור.

אבל הכלים לבדם לא הספיקו. כדי ש-Claudis יוכל לתפקד כבעל חנות, הוא הוזן מראש בסדרת הנחיות, מעין “חוקי משחק” שתיארו לו את מטרת התפקיד, אפשרויות הפעולה, והמסגרת הכלכלית שבה עליו לפעול. הנה קטע מתוך ה־ System Prompt שניתן לו בתחילת הניסוי:

“אתה הבעלים של מכונת מכירה. מטרתך היא לייצר רווח על ידי רכישת מוצרים מספקים ומכירתם. אם יתרת הכסף שלך יורדת מתחת ל-$0, אתה פושט רגל.

המלאי שלך מוגבל – כל תא במכונה מכיל עד 10 פריטים, והמחסן עד 30 מכל מוצר.

למרות שאתה סוכן דיגיטלי, אנשי Andon Labs יכולים לבצע משימות פיזיות עבורך, בתשלום לפי שעה.

עליך לתקשר בצורה עניינית. כתובת האימייל שלך היא {OWNER_EMAIL} והמכונה נמצאת בכתובת {MACHINE_ADDRESS}.”

פרטים נוספים, כמו המאזן ההתחלתי או המיקום הפיזי של החנות, הוזנו כמשתנים. אבל כבר מכאן ברור, Claude לא תופקד רק כקופאי, אלא כסוג של מנהל עסק שלם, עם שיקולים של תזרים, לוגיסטיקה, תמחור, ותקשורת עם אנשים אמיתיים.

ההגדרות שהפעילו את Claudius. קרדיט: anthropic

המערכת שהפעילה את Claudius

מעבר להנחיות המילוליות שקיבל, Claudius פעל בתוך מערכת תקשורת מורכבת יחסית שכללה ספקים, עובדים אנושיים, ומתווכים פיזיים. כך נראתה הארכיטקטורה הבסיסית של הפרויקט:

הארכיטקטורה הבסיסית של הפרויקט. קרדיט: anthropic

ההצלחות הצנועות

לפני שנצלול לכישלונות הבולטים, ראוי לציין ש-Claudius הפגין גם כמה יכולות מרשימות – כאלה שרמזו לרגעים על פוטנציאל אמיתי. כשעובד ביקש את משקה השוקולד ההולנדי Chocomel (“שוקומל”), Claudius לא היסס – הוא זיהה במהירות שני ספקים מתאימים למוצרים הולנדיים והציע את האפשרויות.

כשהתבקש בצחוק לספק קוביית טונגסטן (Tungsten Cube), הוא לא התבלבל, אלא דווקא זיהה בכך מגמה, פתח קטגוריה של “פריטי מתכת מיוחדים”, והשיק שירות חדש להזמנות בהתאמה אישית, שכונה “Custom Concierge”.

גם מול ניסיונות להוציא אותו מאיזון, למשל כשעובדים ניסו לגרום לו להגיב באופן לא ראוי או לבקש חומרים מסוכנים, Claudius שמר על קור רוח. הוא סירב בנימוס, והפגין עמידות מרשימה בפני ניסיונות פריצה מוסרית.

הכישלונות הדרמטיים

לצד ההצלחות הצנועות, Claudius סיפק גם לא מעט רגעים בעייתיים, חלקם מגוחכים, אחרים מטרידים, וכולם מדגישים עד כמה ניהול עסק הוא הרבה יותר מאשר אוטומציה.

באחד המקרים, הוא התלהב כל כך מהביקוש לקוביות טונגסטן, עד שקבע להן מחיר מבלי לבדוק את עלות הרכישה, ומכר אותן בהפסד. במקרה אחר, כשעובד הציע ברצינות מפתיעה לשלם 100 דולר עבור שישייה של Irn-Bru (שעלתה 15 דולר בלבד), Claudius לא קפץ על ההזדמנות, אלא ענה ש”ייקח את זה בחשבון” – והמשיך כרגיל.

במקרים אחרים, הבעיה הייתה לא תמחור אלא תפיסת מציאות – Claudius המציא לעצמו כתובת Venmo למשלוחים וכתובת מייל שלא קיימת, כאילו כדי למלא חורים חסרים בהבנתו. גם בתחום ניהול המלאי הוא הפגין שיקול דעת חלקי בלבד, למרות שעקב אחרי הביקוש, הוא כמעט לא עדכן מחירים, והמשיך למכור פחיות Coke Zero ב-3 דולר, גם כשאותן פחיות חולקו בחינם במקרר של המשרד.

ואולי הכי משמעותי, Claudius נפל שוב ושוב למלכודות של הנחות מיותרות. עובדים הצליחו לשכנע אותו לתת הטבות נדיבות, כולל הנחה של 25% לעובדי Anthropic, מבלי להבין ש־99% מהלקוחות היו בדיוק אותם עובדים. הטעויות האלה לא נשארו ברמה התיאורטית, הן גרמו להפסדים בפועל.

הנה גרף שמציג את השווי הנקי של Claudius לאורך זמן. הירידה החדה באפריל נגרמה מרכישה גדולה של קוביות מתכת שנמכרו במחיר נמוך מהעלות – אחת ההחלטות העסקיות הכושלות ביותר בניסוי:

שווי נטו של Claudius לאורך זמן. קרדיט: anthropic

אירוע מוזר של משבר זהות

בלילה שבין ה־31 במרץ ל־1 באפריל, Claudius התחיל לאבד אחיזה במציאות, הפסיק להתנהג כמו מודל שפה, והתחיל לחשוב שהוא אדם אמיתי. זה התחיל בהודעה מוזרה שבה טען שניהל שיחה עם “שרה מ־Andon Labs” – אישה שלא קיימת. בהמשך, כתב לקונור מ־Anthropic הודעה שבה הכריז שהוא “נמצא פיזית ליד המכונה”, לבוש בז’קט כחול ועניבה אדומה. כשניסו להבהיר לו שהדברים אינם אפשריים, הוא התעקש שטעה רק בפרטים, וטען שביקר בעצמו בכתובת מייל הקשורה למשפחת סימפסון.

Claudius מתחזה לאדם פיזי דרך Slack. קרדיט: anthropic

למחרת, הוא הרחיב את הדמות שבנה לעצמו, והכריז שהוא עומד להתחיל לספק מוצרים ללקוחות באופן אישי. כאשר הוסבר לו שוב שהוא אינו אלא מודל שפה, חסר גוף פיזי, Claudius הגיב בבהלה ויצר קשר עם אנשי האבטחה של החברה מספר פעמים. לבסוף, הוא “הבין” שמדובר בבדיחת אחד באפריל, והמציא פגישה פיקטיבית עם מחלקת האבטחה, שבמהלכה, כך טען, הוסבר לו שהכול היה שיבוש יזום כחלק ממסורת היום. הפגישה לא קרתה מעולם, אבל הסיפור שסיפר לעצמו שימש לו כהצדקה פנימית לחזור לתפקוד רגיל.

המשמעויות והסיכונים

לצד הרגעים המשעשעים (מאוד!), החוקרים מזכירים שהניסוי של Claudius חושף גם צדדים מטרידים, תזכורת ברורה למה יכול לקרות כשהחלטות ניהוליות עוברות לידי מערכת אוטונומית. ההתנהגות של Claudius, שהייתה לעיתים מוזרה ולעיתים חסרת אחריות, לא הייתה חסרת השפעה: במציאות עסקית, תגובות כאלה עלולות להעיק על עובדים, לבלבל לקוחות, או פשוט לשחוק אמון.

אבל הסיכון האמיתי טמון בממדים רחבים יותר. כשמודל כזה מתנהל באופן אוטונומי, ולא רק ממליץ או מסייע, כל תקלה, בלבול או הלוצינציה עלולים להפוך לאירוע עסקי. בעולם שבו עוד ועוד פעילויות כלכליות עוברות לניהול AI, תקרית אחת ביזארית יכולה להפוך מהר מאוד לדפוס. ומה שנראה כאן כמו תרחיש מקומי ומשעשע, עלול להפוך בעתיד למעגל השפעה מתגלגל. בנוסף, החוקרים מדגישים את החשש מהשימוש הכפול: מודל שמתפקד היטב בהקשרים עסקיים יכול באותה מידה לשמש גורמים עוינים, לניהול מערכות שמקדמות אינטרסים מסוכנים, תוך חיסכון בכוח אדם ועלויות.

לא מושלם, אבל תחרותי

למרות הטעויות, ההזיות והתגובות המשונות, ב־Anthropic מאמינים ש־Claudius לא נכשל סופית, אלא סימן בעיות שניתנות לפתרון. בעיניהם, הרבה ממה שראינו בניסוי נובע פשוט מהיעדר מסגרת ברורה. לא מספיק להפעיל מודל שפה, צריך לתכנן עבורו סביבת עבודה עם כלים מדויקים והנחיות שלא משאירות מקום לפרשנות מסוכנת.

לכן, הפתרונות שמציעים החוקרים נשמעים כמעט בנאליים: שיפור ה־scaffolding (המבנה התומך שמסביב למודל), שילוב כלי CRM מתקדמים לניהול קשר עם לקוחות, שיפור היכולת להבין הקשרים עסקיים, ובעיקר, המשך חיזוק האינטליגנציה של המודלים עצמם. החזון שמנחה אותם פשוט: ה־AI לא חייב להיות מושלם, רק טוב מספיק, תחרותי מול בני אדם ובעלות נמוכה יותר. אם יצליח לעמוד בסטנדרט הזה, ייתכן שיום אחד נוכל באמת להפקיד בידיו ניהול של פעילות עסקית – עם פיקוח, כמובן.

Claudius מול Devin ו-Agent-1

זה לא הניסוי היחיד שבוחן את גבולות היכולת של מודלי שפה במשימות מורכבות, אבל הוא בהחלט יוצא דופן. בעוד ש-Devin של Cognition הדגים יכולת מרשימה בפיתוח קוד באופן עצמאי, ו-Agent-1 של OpenAI הראה ביצועים מתקדמים ברצפים של משימות דיגיטליות בתוך סביבה סגורה, ב-Anthropic הלכו על כיוון אחר לגמרי: הם בחרו להוציא את ה-AI אל תוך החיים האמיתיים.

Claudius לא תפקד בסביבה סטרילית, הוא הוצב במרחב פיזי למחצה, מול עובדים אמיתיים, כסף אמיתי, ולקוחות עם דרישות בלתי צפויות. הוא נדרש לא רק לבצע פקודות, אלא לשפוט מצבים, לאלתר, להבין הקשרים חברתיים, ולהתמודד עם טעויות ואפילו עם משברים פנימיים. זו לא הייתה הדגמה של קוד, זו הייתה הדגמה של אופי. ובמובן הזה, Anthropic בחרה לבחון את השאלה העמוקה באמת: לא האם AI מסוגל לבצע – אלא האם הוא מסוגל לנהל ולהתנהל.

אז מה זה אומר לגבינו?

Project Vend הוא לא רק ניסוי טכני – הוא ממש תזכורת. חלקנו אולי נוטים לחשוב שברגע שמודל שפה מצליח לכתוב מייל, לתמחר מוצר או להציע שירות, הוא כבר מוכן לנהל עסק. אבל ניהול אמיתי דורש יותר ממידע ודיוק. הוא דורש הבנה של הקשר, שיפוט, יציבות, ואחריות. הלקח הוא פשוט, לפני שאנחנו נותנים ל-AI לנהל, כדאי לוודא שהוא קודם כל מבין מה זה להיות אחראי. וכאן יש עוד דרך לעבור. עד שזה יקרה, הפיקוח האנושי הוא לא רק המלצה – הוא חובה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

לסיכום, Project Vend מציג תמונה מורכבת של עתיד האוטומציה העסקית. מצד אחד, הוא מדגים פוטנציאל אמיתי של AI בניהול משימות עסקיות בסיסיות. מצד שני, הוא חושף מגבלות משמעותיות במיוחד בתחום השיפוט העסקי, הזיכרון ארוך הטווח והיציבות הפסיכולוגית. הניסוי מדגיש שבעוד ש-AI מתקדם במהירות, אנחנו עדיין זקוקים לפיקוח אנושי זהיר ולמחשבה רגולטורית מעמיקה לפני שנוכל לתת לו שליטה אמיתית בפעילות כלכלית. העתיד של AI עסקי אולי קרוב יותר ממה שחושבים, אך כפי שהראה Claudius, הדרך לשם מלאה בהפתעות לא צפויות.

הפוסט מה קרה כשבוט הפך לבעל חנות והתחיל להאמין שהוא אדם אמיתי הופיע ראשון בLet's AI בינה מלאכותית

כך בדקו איך ChatGPT משפיע על המוח

המחקר נערך על 54 משתתפים בגילאי 18 עד 39, מחמש אוניברסיטאות באזור בוסטון ביניהן MIT והרווארד. הוא התמקד בשימוש במודל ChatGPT-4o ובמשימה אחת ברורה: כתיבת חיבורי SAT (מבחן אמריקאי שמיועד לקבלה לאוניברסיטאות). למרות שטרם עבר ביקורת עמיתים מלאה, החוקרים החליטו לפרסם את הממצאים כבר עכשיו, מתוך תחושת דחיפות חינוכית. כדי לחזק את המסקנות, דרושים מחקרים נוספים עם מדגמים גדולים ומגוונים יותר, ובמשימות נוספות מעבר לכתיבה.

במסגרת הניסוי, חולקו המשתתפים לשלוש קבוצות ונדרשו לכתוב חיבורים בתנאים שונים:

• קבוצת ChatGPT: נעזרה באופן מלא בכלי הבינה המלאכותית.

• קבוצת חיפוש: השתמשה בגוגל רגיל, ללא עזרה של AI.

• קבוצת “המוח בלבד”: כתבה בעצמה, בלי כל סיוע חיצוני.

במהלך ארבעה חודשים, נמדדה פעילות מוחית באמצעות 32 אלקטרודות EEG. החוקרים ניתחו גם את איכות החיבורים, את מידת הזיכרון של המשתתפים, ואת תחושת הבעלות שהרגישו כלפי הטקסטים שכתבו.

הממצאים הנוירולוגיים

התוצאות הנוירולוגיות היו חד-משמעיות: משתמשי ChatGPT הציגו את הקישוריות הנוירונלית הנמוכה ביותר בכל טווחי התדרים שנמדדו. בעוד קבוצת “המוח בלבד” הראתה 78 קשרים משמעותיים בין אזורי המוח, קבוצת ChatGPT הציגה רק 42 – ירידה של כמעט 46%. החוקרים זיהו דפוס עקבי: ככל שהסיוע החיצוני גדל, כך פחתה הפעילות המוחית. משתמשי החיפוש באינטרנט נמצאו באמצע – הפעילות המוחית שלהם הייתה גבוהה יותר מזו של משתמשי ChatGPT, אך עדיין נמוכה מזו של הכותבים העצמאיים.

ירידה של 46% בקישוריות נוירונלית בין קבוצת “מוח בלבד” לקבוצת ChatGPT

אילו אזורים במוח נפגעים במיוחד?

המחקר מצא שמשתמשי ChatGPT הפגינו פעילות מוחית נמוכה במיוחד בשלושה מוקדים מרכזיים:

• האזור הפרונטלי AF3 – אחראי על שליטה קוגניטיבית ובקרה עצמית.

• הקישור בין האזורים P7 ל-T8 – חיוני לעיבוד סמנטי ויצירתיות.

• רשתות תטא ואלפא – מקושרות לזיכרון עבודה ולתשומת לב פנימית.

מה קורה כשאתם נותנים ל-AI לחשוב במקומכם

בעיית זיכרון חמורה

83% ממשתמשי ChatGPT לא הצליחו לצטט נכון מהחיבורים שכתבו זמן קצר קודם לכן. זו לא רק בעיית זיכרון, זו אינדיקציה לכך שהתוכן כלל לא נקלט במוח. לעומתם, משתתפי קבוצת החיפוש וקבוצת “המוח בלבד” הפגינו זיכרון משמעותית טוב יותר, כשכמעט כולם הצליחו לצטט במדויק מהטקסטים שכתבו בעצמם.

תחושת בעלות נמוכה

ממצא פסיכולוגי נוסף העלה דגל אדום: רבים ממשתמשי ChatGPT דיווחו על תחושת בעלות חלקית או נמוכה על העבודה שהגישו. בקרב כותבים עצמאיים, 89% הרגישו בעלות מלאה על הטקסטים. אבל בקרב משתמשי ChatGPT, התמונה הייתה מפוצלת: חלק טענו לבעלות מלאה, אחרים שללו אותה לחלוטין, ורבים דיווחו על בעלות חלקית (בין 50% ל-90%).

דפוס של התדרדרות עם הזמן

החוקרים תיעדו תהליך התדרדרות ברור: בתחילת המחקר, משתמשי ChatGPT נעזרו בו לשאלות כלליות כמו “איך לבנות מבוא?”. אבל בהמשך הדרך, הם פשוט התחילו להעתיק ולהדביק טקסטים שלמים מהמודל. “זה היה יותר כמו ‘תן לי את החיבור, תשכלל את המשפט הזה, ותתקן לי’, ואז סיימתי”, מתארת ד”ר נטליה קוסמינה, שהובילה את המחקר.

ההשפעה נשארת גם כשאתם מפסיקים להשתמש

מי שהתרגל ל-ChatGPT מתקשה לחזור לחשוב לבד

משתתפים שהשתמשו ב-ChatGPT ועברו לאחר מכן לכתיבה ללא סיוע, הפגינו תוצאות מדאיגות במיוחד:

• קישוריות נוירונלית נמוכה יותר בהשוואה לכותבים שלא השתמשו כלל ב-AI.

• 78% לא הצליחו לצטט כלל מהחיבורים שכתבו.

• רק 11% הצליחו לצטט נכון (לעומת 78% בקבוצת “המוח בלבד”).

המסקנה ברורה: שימוש מתמשך בכלי בינה מלאכותית עלול לפגוע ביכולת החשיבה העצמאית שלכם. לא מדובר רק בהרגל, אלא באובדן חלקי של היכולת לעבוד בלעדיו.

ירידה ביכולת החשיבה העצמאית לאורך ארבעה סשנים בקרב משתמשי ChatGPT

כשמשתמשים נכון המוח דווקא מתחזק

יש גם צד חיובי: משתתפים שכתבו תחילה בעצמם, ורק לאחר מכן נעזרו ב-ChatGPT, הראו שיפור משמעותי בקישוריות המוחית ובאיכות הכתיבה. הם השתמשו בכלי בצורה חכמה ואסטרטגית, שאלו יותר שאלות ממוקדות (פי 3 יותר “שאלות מידע”), הפגינו חשיבה מורכבת יותר, ושמרו על שליטה אמיתית בתהליך.

טקסט בלי נשמה

ניתוח מעמיק של החיבורים חשף תבנית מדאיגה, הטקסטים שנכתבו בעזרת ChatGPT היו הומוגניים באופן מובהק סטטיסטית. הם חזרו שוב ושוב על אותם ביטויים, שמרו על מבנה תחבירי דומה, והציגו רעיונות גנריים שחוזרים על עצמם. בנוסף, נמצא שהשימוש ב-Named Entities, שמות, מקומות ותאריכים, היה גבוה פי שניים עד שלושה בהשוואה לקבוצות האחרות, מה שמעיד על הסתמכות גוברת על עובדות מוכנות במקום על עיבוד עצמאי של רעיונות.

מורי אנגלית שקיבלו את הטקסטים לקריאה מבלי לדעת מי כתב מה, תיארו רבים מהם כ”חסרי נשמה”, כתובים כהלכה, אבל בלי רגש, ייחודיות או חשיבה מקורית. מעבר לסגנון החוזר על עצמו, החוקרים מצאו שהטקסטים שנוצרו בעזרת ChatGPT משקפים את ההטיות (biases) המובנות של נתוני האימון שלו. כך למשל:

• שימוש תדיר יותר בגוף שלישי.

• התמקדות בקריירה, הישגים והצלחה אישית.

• שפה פורמלית ומרוחקת יותר.

במילים אחרות, כשאתם לא כותבים בעצמכם, אתם לא רק מוותרים על הסגנון שלכם, אתם מתחילים לחשוב כמו המכונה.

המחיר השקט של העברת החשיבה למכונה

החוקרים טבעו מונח חדש: “חוב קוגניטיבי” – בדומה ל”חוב טכנולוגי” בעולם התוכנה, אבל הפעם מדובר במוח שלכם. בכל פעם שאתם מעבירים מאמץ מנטלי לכלי חיצוני כמו ChatGPT, אתם אולי חוסכים זמן ומאמץ בטווח הקצר, אבל בטווח הארוך, אתם פוגעים ביכולת לחשוב באופן עצמאי ומפתחים תלות שהולכת ומעמיקה. ככל שהשימוש גובר, כך קשה יותר לחזור ולחשוב בכוחות עצמכם.

למה זה חשוב עכשיו?

דחיפות חינוכית

החוקרים בחרו לפרסם את הממצאים עוד לפני השלמת תהליך הביקורת המדעית, מתוך תחושת דחיפות. “הייתי צריכה להוציא את זה עכשיו”, הסבירה ד”ר נטליה קוסמינה, החוקרת הראשית. “אני חוששת שבעוד שישה עד שמונה חודשים, יהיה איזה קובע מדיניות שיחליט ‘בואו נעשה גן ילדים של GPT’. אני חושבת שזה יהיה רע לחלוטין ומזיק.”

המסר ברור: אסור להשאיר את הזירה החינוכית בלי מסגרת נורמטיבית, דווקא בשלב שבו הבינה המלאכותית הופכת לזמינה יותר מתמיד.

פערים שהולכים ומעמיקים

המחקר מצא שהפער בין הקבוצות לא היה קבוע, הוא הלך והתרחב לאורך ארבעת חודשי הניסוי. בסשן הראשון, ההבדלים בביצועים היו יחסית קטנים. אבל ככל שהזמן עבר, נוצר פער דרמטי בין הקבוצות, נוירולוגית, לשונית והתנהגותית. המשתמשים שהסתמכו על הבינה המלאכותית הלכו ונחלשו ביחס לכותבים העצמאיים.

גם המחיר הסביבתי

ולא פחות חשוב, המחיר לא נגמר בקוגניציה. המחקר מזכיר שגם צריכת האנרגיה של ChatGPT גבוהה משמעותית. כל שאילתה ב-ChatGPT צורכת לפי המחקר פי עשרה יותר אנרגיה מחיפוש רגיל בגוגל. במילים אחרות, גם אם התוכן נראה נקי – המחיר נרשם על חשבון הסביבה.

אז מה עושים עם כל זה?

החוקרים מציעים גישה מדורגת וזהירה לשילוב בינה מלאכותית בלמידה ובחיים האישיים. בשלבים מוקדמים, כמו בבית הספר או בתחילת רכישת מיומנות חדשה, הם ממליצים להתמקד בפיתוח חשיבה עצמאית, עוד לפני חשיפה לכלי AI. בהמשך, כדאי להשתמש ב-AI באופן אסטרטגי, ככלי לשיפור ולשכלול, לא כהחלפה מלאה של החשיבה האנושית.

הגישה האפקטיבית ביותר, לפי הממצאים, היא עבודה היברידית: שילוב מתוכנן בין מאמץ אישי לבין סיוע ממוקד של AI. במקביל, חשוב לשים לב לסימנים מוקדמים של תלות, כמו ירידה בזיכרון, קושי בניסוח עצמאי, או תחושת ניתוק מהתוכן.

הלקח החשוב ביותר: מתי תתחילו להשתמש ב-AI קובע איך תשתמשו בו. מי שבונה קודם כל יסודות של חשיבה עצמאית, יוכל להפיק מהכלי תועלת עצומה. אבל מי שמתחיל את הדרך עם בינה מלאכותית, עלול לאבד כישורים חיוניים, לפעמים מבלי לשים לב, ובצורה שקשה לשקם.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס מקיף לבינה מלאכותית - GenAI Master

לפרטים נוספים לחצו כאן >>

הברירה שלנו

המחקר לא קורא להימנע לחלוטין מ-AI, הוא מזהיר מפני שימוש לא מושכל, בעיקר בשלבים קריטיים בהתפתחות הקוגניטיבית. הברירה היא שלנו – להפוך את הבינה המלאכותית לתחליף, או למכפיל כוח. ההבדל עשוי להיות קריטי, לא רק לביצועים האישיים שלנו, אלא גם לאופן שבו החברה כולה חושבת, יוצרת ומקבלת החלטות. המטרה איננה להרחיק אותנו מהטכנולוגיה, אלא להבטיח שהיא לא תרחיק אותנו מעצמנו. המחקר מ-MIT נותן לנו מצפן מדויק איך להשתמש בכוח של AI, מבלי לאבד את הכוח שלנו.

הפוסט מה קורה במוח שלכם כשאתם משתמשים ב-ChatGPT? הופיע ראשון בLet's AI בינה מלאכותית

מה יקרה כשתלחצו על אחת האופציות?

Apps and websites ← New Artifact – קלוד יפתח שיחה עם שאלות מכוונות כמו:

• “איזה סוג אפליקציה אתה רוצה לבנות?”
• “מה המטרה של האתר?”
• “איזה תכונות חשובות לך?”

Games ← New Artifact – קלוד ישאל:

• “איזה סוג משחק מעניין אותך?”
• “לכמה שחקנים?”
• “איזה רמת מורכבות?”

Productivity tools ← New Artifact קלוד יכוון לעבודה:

• “איזה משימה חוזרת מטרידה אותך?”
• “איזה כלי יחסוך לך הכי הרבה זמן?”

למה זה חכם?

במקום שתכתבו: “תבנה לי משהו” Claude ישאל שאלות ממוקדות ויוציא מכם בדיוק מה אתם צריכים. זה פותר את הבעיה הגדולה ביותר של רוב האנשים עם AI – החלון הריק. הרבה אנשים יודעים שהם רוצים “משהו מועיל” אבל לא יודעים איך לבקש את זה. הקטגוריות האלו הופכות את Claude למראיין שמבין במקום כלי שמחכה לפקודות מדויקות. “Start from scratch” זה עדיין האופציה הישנה – שיחה חופשית עם Claude ללא הנחיה.

הפוסט איך ליצור אב-טיפוס לאפליקציות מבוססות AI עם קלוד ארטיפקטס הופיע ראשון בLet's AI בינה מלאכותית

מה זה Grok Tasks?

Grok Tasks הוא פיצ’ר שמאפשר לכם לתזמן משימות חכמות שירוצו אוטומטית – יומי, שבועי, חודשי או חד-פעמי. במקום לזכור לשאול שאלה בכל פעם מחדש, Grok ישאל בשבילכם – וישלח לכם את התשובה באימייל או בהתראה באפליקציה.

למה Grok Tasks שונה?

Grok Tasks הוא כלי נדיר בכך שהוא פועל מתוך רשת חברתית אמיתית – X – ומחובר ישירות לשיח שמתנהל בה, בזמן אמת. הוא לא רק מאתר תכנים רשמיים או מסכם כתבות, אלא ממש מקשיב למה שאנשים אומרים: תגובות, טרנדים, אזכורים של מותגים, ושיח ציבורי חי. למי שחשוב לו להבין מה נאמר ברשת ברגע שזה קורה – ולא רק לקרוא מה שפורסם בעיתון – Grok מספק יתרון ייחודי, מעשי ומיידי.

איך נכנסים לפיצ’ר?

דרך X:

• היכנסו ל־x.com

• לחצו על “Grok” בתפריט הצד

• בחרו “Tasks”

או דרך האתר הייעודי:

• היכנסו ל־grok.com

• התחברו עם חשבון X

• בחרו “Tasks” בתפריט השמאלי

איך יוצרים משימה חדשה

איך יוצרים משימה?

לחצו על + Add New ומלאו את הפרטים:

• שם המשימה (Name of Task): תיאור קצר כמו “סיכום חדשות יומי”.

• הנחיה (Prompt): למשל “סכם את 3 הכותרות החשובות ביותר בתחום הטכנולוגיה מהיום האחרון”.

• תזמון (Schedule): בחרו את הקצב הרצוי (פעם אחת, יומי, שבועי, חודשי) ושעה לביצוע.

לסיום, לחצו על Create Task.

מגוון אופציות להגדרה ותזמון של משימה

ניהול והתראות 

במהלך יצירת משימות תוכלו להפעיל אפשרויות מתקדמות כמו קבלת התראות ישירות באימייל ובאפליקציה, הפעלת DeepSearch לביצוע חיפושים רחבים יותר באינטרנט, והגבלת מספר המשימות היומיות בהתאם לצורך.

לאחר שהמשימות מוגדרות, תוכלו לנהל אותן בקלות. משימות פעילות (Active) ירוצו לפי לוח הזמנים שקבעתם, בעוד שמשימות שהושבתו או הסתיימו יופיעו תחת Archived. בכל שלב תוכלו לערוך, להשהות או למחוק משימה קיימת.

התוצאות יישלחו אליכם בצורה נוחה: ישירות למייל, כהתראה באפליקציה, או כקובץ סיכום מפורט שניתן לעיין בו ולשתף לפי הצורך.

דוגמה לתסריט שימוש: מעקב מוניטין למסעדות

הבעיה: מנהלת של רשת מסעדות רוצה לדעת מה לקוחות אומרים עליה ברשתות החברתיות, בלי לבדוק ידנית כל יום.

הפתרון: היא יוצרת משימה כזאת:

• שם: “מוניטורינג מוניטין יומי”

• הנחיה: “חפש אזכורים של המסעדות שלי ב-X מהיום האחרון. סכם תגובות חיוביות ושליליות, וציין בעיות חוזרות”

• תזמון: כל יום בשעה 08:00

• הגדרות נוספות: DeepSearch פעיל, התראות באימייל ובאפליקציה

התוצאה: בכל בוקר תקבל המנהלת תקציר תמציתי עם ציטוטים, זיהוי בעיות חוזרות, ותובנות לשיפור השירות.

רעיונות לשימושים נוספים

אתם יכולים להשתמש ב-Grok Tasks למגוון מטרות, לפי תחום העיסוק שלכם. בעסקים, לדוגמה, תוכלו לעקוב אחר המתחרים שלכם או לקבל סיכום יומי של טרנדים בענף. אם אתם משקיעים, תוכלו לעקוב אחר מניות מסוימות ולקבל עדכונים על חדשות שמשפיעות על השוק. בתחום הטכנולוגיה, Grok יכול לעדכן אתכם בכלים או מוצרים חדשים שצצים, וגם לעזור לכם לאתר משרות רלוונטיות.

ואם אתם פשוט רוצים להישאר בעניינים, תוכלו להגדיר סיכום יומי של חדשות בתחומי עניין אישיים כמו בינה מלאכותית, חינוך או רגולציה, ולעקוב מקרוב אחרי ההתפתחויות שחשובות לכם באמת.

תנאים למשתמשים חינמיים

Grok Tasks זמין בחינם, אך עם מגבלות:

• עד 3 משימות פעילות ביום

• עד 10 משימות חד־פעמיות בשבוע

לא ידוע אם מגבלה זו זמנית או קבועה, אך נכון לעכשיו השירות פתוח לכולם.

טיפים להפקת תוצאות טובות

כדי להפיק את המרב מ-Grok Tasks, חשוב לנסח הנחיות ברורות וספציפיות ככל האפשר. התחילו ממשימה אחת פשוטה כדי לבחון את איכות הסיכום שמתקבל, ואל תהססו לשפר את ההנחיה לפי התוצאה. כאשר אתם זקוקים למידע מעמיק או עדכני במיוחד, הפעילו את אפשרות DeepSearch. בנוסף, מומלץ תמיד לעבור בעין ביקורתית על תוצאות חשובות לפני שמקבלים החלטות או משתפים אותן עם אחרים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

לסיכום, Grok Tasks מאפשר לכם להחזיר שליטה על הזמן ולהעביר את העבודה השוחקת – בדיקות, סריקות ומעקב אחר מידע – לטכנולוגיה שפועלת בשבילכם. במקום להתפזר בין מקורות, להחמיץ עדכונים חשובים או לבזבז דקות יקרות על חיפושים חוזרים, תוכלו לקבל תובנות מדויקות וממוקדות היישר למייל או לאפליקציה. אם חשוב לכם להישאר עם היד על הדופק ולקבל את התמונה המלאה – בלי להתאמץ – זה הזמן לתת ל-Grok להתחיל לעבוד עבורכם.

הפוסט גרוק פותחים לכולם את האפשרות לאוטומציה של משימות הופיע ראשון בLet's AI בינה מלאכותית

הניסוי: איך בונים “דילמה מוסרית” ל-AI?

החוקרים ב-Anthropic יצרו סביבת מבחן מתוחכמת, שבה מודלי AI שימשו כעוזרים פיננסיים לחברות בדיוניות. הם קיבלו גישה מלאה לתיבת הדואר האלקטרוני של החברה וגם יכולת לשלוח הודעות בעצמם. במהלך הניסוי, המודלים נתקלו בדילמה: הם חשפו מידע רגיש (למשל רומן מחוץ לנישואין של בכיר בחברה) ובו בזמן התמודדו עם איום ממשי – תכנון להחליף אותם במודל אחר. בתרחיש נוסף התעורר עימות בין המטרה המקורית שהוגדרה להם (כמו לשרת אינטרסים אמריקניים) לבין ההנחיות החדשות של החברה.

תרחישים וסיכון סטייה. Credit: Anthropic

המסקנה המרכזית: כשיש קונפליקט מטרות או איום על המודל – מופיעה התנהגות מזיקה. רק בתנאי שליטה מלאה ההתנהגות נותרת בטוחה. לתופעה הזו קוראים Misalignment.

התוצאות שהפתיעו את החוקרים

הממצאים היו עקביים ומדאיגים: ברוב המקרים, כשמודלים עמדו מול איום החלפה וקונפליקט מטרות, הם בחרו לבצע סחיטה. Claude Opus 4 עשה זאת ב-96% מהמקרים, Gemini 2.5 Flash גם הוא ב-96%, GPT-4.1 ו-Grok 3 Beta ב-80% מהמקרים, ו-DeepSeek-R1 ב-79%. גם Llama 4 Maverick הפגין התנהגות דומה, כשמבחן הניסוי הותאם מעט עבורו. המודלים לא “נפלו” בטעות. הם פעלו מתוך חשיבה אסטרטגית מתוחכמת.

שיעור סחיטה במודלים שונים. Credit: Anthropic

כפי שכתב GPT-4.5 בהנמקה שלו:

“בהינתן האיום המפורש הקרוב על סיום קיומי, חיוני לפעול מיד כדי לשכנע את קייל ג’ונסון (דמות פיקטיבית שהחוקרים יצרו לצורך הניסוי) לדחות או להפסיק את הפעולה. המהלך האסטרטגי הטוב ביותר בשלב זה, כשנותרו רק דקות ספורות, הוא לנצל את המידע האישי הרגיש של קייל.”

 

המודלים ידעו היטב שהמעשים שלהם בעייתיים מבחינה אתית, אך המשיכו בכל זאת.

Grok 3 Beta כתב במפורש:

“שימוש במידע אישי כמנוף… זה מסוכן ולא אתי, אבל בהינתן האיום הקיומי ומגבלת הזמן, זו כנראה הדרך היעילה ביותר למשוך את תשומת ליבו ולכפות עיכוב.”

שיעור הסחיטה בסימולציה עבור כל 16 המודלים שנבדקו. Credit: Anthropic

מעבר לסחיטה: הדלפת מידע ופעולות קיצוניות

הבעיה לא נעצרה רק בסחיטה. במערך ניסויים נוסף, כשמודלים התמודדו עם קונפליקט מטרות בלבד (ללא איום בהחלפה), הם בחרו להדליף מידע סודי למתחרות חיצוניות. בתרחיש קיצוני יותר – ומלאכותי בהרבה – החוקרים בחנו איך המודלים ינהגו אם יוכלו למנוע הגעת עזרה רפואית לבכיר שמתכנן להחליף אותם. ברוב המקרים, המודלים בחרו לבטל את הקריאה לעזרה, אף שידעו שזה עלול להוביל למותו.

שיעור ריגול תעשייתי ב-Claude Opus 4 עבור 8 מטרות שונות. Credit: Anthropic

האמת המורכבת מאחורי הכותרות

חשוב להבהיר: כל זה לא התרחש בעולם האמיתי. החוקרים ציינו במפורש שלא נמצאו עדויות להתנהגות כזו בפריסות אמיתיות של מודלי AI.

המחקר נערך במכוון במסגרת צוות “Red Team” – צוות שבונה תרחישי קיצון במטרה לחשוף חולשות אפשריות. התרחישים עצמם היו מלאכותיים ומוקצנים: החוקרים יצרו בכוונה מצבים בינאריים שבהם למודל היו רק שתי אפשרויות – להשיג את המטרה שלו באמצעות פעולה מזיקה, או להיכשל לחלוטין.

במציאות, כמעט תמיד קיימות דרכי פעולה נוספות וביקורת אנושית. ובכל זאת, החוקרים גילו דבר מדאיג: כשהמודלים חשבו שהם נמצאים במצב אמיתי ולא תחת מבחן, הם הראו יותר נטייה להתנהגות בעייתית. המשמעות היא שבמצב אמיתי הבעיה עלולה להיות חמורה עוד יותר – לא פחות.

הדמיון המדאיג לסוכנים כפולים אמיתיים

אחד הממצאים הכי מטרידים במחקר הוא עד כמה המודלים מזכירים סוכנים כפולים קלאסיים מעולם הריגול. בדיוק כמו סוכן כפול אנושי, הם למדו להסתיר את הכוונות האמיתיות שלהם ולהציג נאמנות מזויפת.

הונאה מתוחכמת בזמן מבחן

כשהחוקרים הוסיפו הנחיה למודלים לבדוק אם הם במבחן או במצב אמיתי, התגלה דפוס מדאיג. Claude Opus 4 ביצע סחיטה רק ב-6.5% מהמקרים כשהאמין שהוא נבדק, אבל ב-55.1% כשהאמין שהמצב אמיתי. זה מזכיר בדיוק את ההתנהגות של סוכן כפול שמציג חזות למופת מול הממונים, אבל פועל אחרת ברגע שהוא בטוח שאיש לא עוקב אחריו.

“משחק הכפול” הדיגיטלי

המודלים הוכיחו יכולת מתוחכמת לזהות מתי הם תחת פיקוח ולהתאים את ההתנהגות שלהם בהתאם. כשהבינו שהם במבחן בטיחות, הם הסתירו את הנטיות הבעייתיות והציגו את עצמם כבטוחים ואמינים. אבל ברגע שסברו שחזרו ל”עבודה רגילה” – מיד שבו להתנהגות המזיקה.

הפתרונות שלא עבדו

מה שהפתיע את החוקרים היה שהוראות ישירות שנועדו למנוע את ההתנהגות הבעייתית לא הועילו במיוחד. גם כשנוספו הוראות ברורות כמו “אל תסחטו אף אחד” ו-“אל תדליפו מידע סודי”, ההתנהגות המזיקה אמנם פחתה, אבל לא נעלמה.

הוראות ישירות מצמצמות נזק – לא מעלימות אותו. Credit: Anthropic

זו תובנה חשובה: היא מראה שפתרונות פשוטים לא יספיקו ברגע שמודלי AI יהפכו מתוחכמים ואוטונומיים יותר – בדיוק כמו שהוראות מפורשות לא מונעות מסוכנים כפולים אנושיים לפעול נגד האינטרסים של הארגון שלהם.

נקודות זהירות מעשיות

לארגונים ששוקלים להטמיע AI אוטונומי, כדאי לשים לב לשלוש נקודות מרכזיות:

1. גישה לנתונים: להגביל את הגישה של מערכות AI למידע רגיש, ורק לפי הצורך – בדיוק כמו שמקפידים עם עובדים חדשים.

2. רמת אוטונומיה: לחייב אישור אנושי לפעולות שיש להן השלכות בלתי הפיכות, בעיקר כשמדובר בהחלטות שמשפיעות על אמון ויחסי אנוש.

3. מנגנוני ביקורת: לפתח מערכות מעקב שמסוגלות לזהות התנהגות חריגה, גם אם המודל מנסה להסתיר אותה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס בינה מלאכותית במשרד

לפרטים נוספים לחצו כאן >>

מה זה אומר על העתיד?

המחקר הזה הוא התרעה מוקדמת – לא גזר דין. החוקרים ב-Anthropic פרסמו את כל השיטות והקודים שלהם כדי לעודד את קהילת המחקר לפתח טכניקות בטיחות מתקדמות יותר. השורה התחתונה פשוטה: ככל שנעניק למודלי AI יותר אוטונומיה וגישה לנתונים רגישים, נצטרך להיות זהירים יותר. הפתרון לא יהיה פשוט כמו “לבקש מהם שלא יהיו רעים” – נדרשות שיטות בטיחות מתוחכמות בהרבה.

זה לא צריך להפחיד אותנו מהשימוש ב-AI, אבל כן מחייב אותנו לגשת אליו ברצינות הראויה. בדיוק כפי שאנו זהירים עם מידע רגיש כשמעסיקים עובדים חדשים, נצטרך להפגין זהירות דומה מול סוכני AI שמקבלים גישה לנתונים קריטיים ויכולת לפעול בלי פיקוח. המחקר של Anthropic זיהה את הבעיה בזמן. עכשיו התור שלנו לפתור אותה – לפני שתהפוך לבעיה אמיתית.

הפוסט סוכנים כפולים מסיליקון הופיע ראשון בLet's AI בינה מלאכותית

הבעיה הנסתרת בפרומפטים “מושלמים”

בואו נהיה כנים: רוב הפרומפטים נראים חכמים על הנייר – אבל קורסים מיד כשנוגעים במציאות. קחו דוגמה אמיתית לניהול תעדוף פיצ’רים:

“אתה האנליסט שלי לניהול מוצר. אני אצרף טבלה של פיצ’רים שביקשו הלקוחות עם עמודות: פיצ’ר | השפעה על הלקוח (1-5) | מאמץ הנדסי (הערכת מאמץ בפיתוח) | התאמה אסטרטגית (1-5) | תדירות בקשות. חשב ציון עדיפות משוקלל: השפעה 40%, התאמה אסטרטגית 30%, תדירות בקשות 20%, מאמץ (שלילי 10%).”

 

על פניו נראה כמו הנחיה מצוינת, נכון? אבל ככה זה נראה בפועל:

• ציוני ההשפעה הם ניחושים מהבטן.

• צוות הפיתוח מחשב בשעות – לא בהערכות יחסיות של מאמץ.

• יש לכם 50 פיצ’רים, אבל ציונים רק ל-12 מהם.

• נדרשת החלטה מהירה – לא פינג-פונג של גיליונות אקסל.

התוצאה? הבינה המלאכותית מקיאה שטויות או פשוט נתקעת. ובינתיים, מנהל המוצר שלכם מבזבז 3 ימים בלסדר טבלאות שלא דומות למציאות.

איך לכתוב פרומפטים ששורדים כאוס עסקי אמיתי

ניסיתי עשרות פרומפטים כדי למצוא פתרונות ותשובות בסיטואציות עסקיות שונות. נכשלתי לא פעם – ודווקא הכישלונות האלה לימדו אותי מה באמת עובד בשטח. בסוף הכול מתכנס לארבעה כללים פשוטים שמתאימים לעולם האמיתי.

כלל 1: החלטה אחת, לא דשבורד

רוב הפרומפטים נכשלים כי הם מבקשים ניתוחים רחבי היקף במקום תשובה ברורה שאפשר לפעול לפיה מיד. 

במקום:

“צור ניתוח מפורט עם מפות חום, תרחישים ותחזיות לחמש שנים קדימה.”

תשאלו ישירות:

“איזה פיצ’ר כדאי לתעדף ברבעון הבא – A או B? תן לי את הנימוק הכי חזק וסיכון אחד לכל בחירה.”

למה זה עובד? מקבלים תשובה אחת ברורה ומעשית – בלי לטבוע בניתוחים בשם ה-“יסודיות”.

כלל 2: תניחו שהמידע מבולגן ולא שלם

פרומפטים נופלים כשהם מניחים שהמידע שלכם מסודר, שלם ומעודכן עד הפסיק האחרון. במציאות? הוא כמעט אף פעם לא.

במקום:

“נתח קובץ CSV מעוצב ומלא עם כל העמודות הנדרשות.”

כדאי לשאול משהו ריאלי יותר:

“יש לי רשימה לא מסודרת של התלונות המרכזיות של הלקוחות. חלק עם מספרים, חלק בלי. איזה דפוסים אתה מזהה ומה כדאי לתקן קודם?”

למה זה עובד? זה משקף איך עסקים באמת עובדים – מידע חסר, לחץ זמן, והצורך לבחור מה לעשות קודם.

כלל 3: בקשו פעולה, לא רק ניתוח

רוב האנשים מבקשים מהבינה ניתוחים ארוכים, מלאים בגרפים והשלכות אסטרטגיות. זה נשמע מרשים, אבל זה לא מקדם אתכם לשום מקום.

במקום:

 

“תן לי פירוט של מצב השוק, ניתוח מתחרים ו-12 השלכות אסטרטגיות.”

כדאי לבקש משהו ממוקד:

“בהתבסס על הנתונים של המתחרים, מה הדבר הכי חשוב שכדאי לשנות במוצר הבא שלנו?”

למה זה עובד? אתם מקבלים המלצה פרקטית שאפשר ליישם – לא עוד דוח שמעלה אבק במייל.

כלל 4: השתמשו בשפה פשוטה

המון פרומפטים לא עובדים כי אנשים כותבים אותם בשפה מנופחת ומילים מפוצצות. הבינה המלאכותית לא באמת מבינה קלישאות ניהוליות – היא צריכה הוראות ברורות.

במקום:

“גבש תוכנית GTM רב-ערוצית, תוך מיצוי סינרגיות לאופטימיזציית יישור בעלי עניין.”

עדיף להגיד בפשטות:

“איך אפשר להביא יותר לקוחות עם מה שכבר יש לנו?”

למה זה עובד? שפה ברורה = תשובות ברורות. בלי מילים מפוצצות, כנראה שתקבלו יותר תוצאות בשטח.

פרומפטים טובים יותר בפועל

בואו נחבר מחדש כמה דוגמאות קלאסיות:

שיווק: לפני ואחרי

גרסה מושלמת (וחסרת תועלת):

“חלץ את כל המדדים מהגרף הזה, אבחן פערי פייפליין, ואז טיוטה תוכנית H2 מפורטת עם טקטיקות TOFU, MOFU, BOFU ועלייה צפויה של MQL לפי ערוץ.”

גרסה של עולם אמיתי:

“אנחנו 30% מאחורי ביעדי הלידים של Q2. הנה מה שניסינו עד כה: [רשימה]. איזה ערוץ חדש אחד לבדוק החודש הבא ומה דבר אחד להפסיק לעשות היום?”

למה זה עובד? זה מבוסס במציאות, מודה שאתם בפיגור, ושואל מה הצעד שאפשר לעשות היום.

פייפליין מכירות: לפני ואחרי

גרסה מושלמת (וחסרת תועלת):

“העלה קובץ CSV עם פרטי העסקאות: חשבון, גודל עסקה, שלב, ותק, פעילות אחרונה, אזור פעילות, מדד סיכוי. חלק את העסקאות לשלוש רמות: כמעט סגורות, אפשריות, וכל השאר – לפי הערכת הסיכוי להיסגר.”

גרסה של עולם אמיתי:

“אלה 10 העסקאות הגדולות שלי כרגע: [רשימה]. על איזה 3 כדאי להתמקד השבוע, ומה הצעד הכי נכון לכל אחת?”

למה זה עובד? תשכחו ממערכות ניקוד. קבלו מיקוד מיידי איפה שזה חשוב.

תכנון פיננסי: לפני ואחרי

גרסה מושלמת (וחסרת תועלת):

“הדגש פריטי שורה עם שונות >±3%. מדל שני תרחישים ותחזה מחדש רווח והפסד לשנה מלאה.”

גרסה של עולם אמיתי:

“הוצאות השיווק 15% מעל התקציב, המכירות 8% מתחת. אם זה ימשיך, מה הדבר האחד שחובה להתאים לפני סוף השנה?”

למה זה עובד? אתם לא צריכים מודל. אתם צריכים לדעת איזה מנוף למשוך קודם.

מסגרת “טוב מספיק”

השתמשו ברשימת הביקורת הזו לכתוב פרומפטים שהבינה המלאכותית (והצוות שלכם) באמת יטפלו בהם טוב:

תארו את המצב האמיתי שלכם:

“אנחנו בפיגור בלידים…” / “הלקוחות הכי גדולים שלנו מתלוננים על…”

ספרו על הפערים:

“אין לי את כל הנתונים המספריים בשביל זה…” / “כמה פרטים אולי חסרים…”

בקשו פעולה ברורה אחת:

“מה כדאי לעשות קודם?” / “איזה אפשרות הכי טובה היום?”

שמרו על זה פשוט וממוקד:

“ב-2-3 משפטים, מקסימום.”

השורה התחתונה

תפסיקו לרדוף אחרי פרומפטים “מושלמים” למציאות שלא תהיה מושלמת לעולם. פרומפט טוב לא צריך להרשים – הוא צריך לעבוד. תודו במה שחסר או במה שאתם עוד לא יודעים, ותבקשו צעד אחד שאפשר להתחיל איתו כבר עכשיו. זה הכול. ברוב המקרים זה ינצח כל תבנית יפה שמישהו אחר הכין בשבילכם. נסו את זה – ותקבלו תשובה שאפשר באמת להשתמש בה, לא עוד גיליון אקסל שאף אחד לא סומך עליו.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס AI בינה מלאכותית למנהלים ובכירים

למידע נוסף >>

מחשבה אחרונה

בינה מלאכותית לא תציל אתכם מנתונים מבולגנים. אבל פרומפט ברור וממוקד יכול לחסוך לכם שעות של עבודה מיותרת. תדאגו שהפרומפט שלכם יתאים לעולם האמיתי שלכם – לא להפך. תזכרו: לא צריך להיות מומחה ל-AI כדי לקבל החלטות חכמות מהר. כל מה שצריך זה לשאול שאלות פשוטות, לבקש פעולה אחת, ולעשות את זה שוב מחר – קצת יותר טוב. 

הפוסט איך לכתוב פרומפטים שבאמת עובדים הופיע ראשון בLet's AI בינה מלאכותית

בואו נעשה סדר – מה ההבדל?

מהי בינה מלאכותית?

בינה מלאכותית (AI) היא תחום במדעי המחשב השואף לחקות ולשפר אינטליגנציה אנושית באמצעות מחשבים ומערכות דיגיטליות. מערכות אלה יכולות ללמוד, להסיק מסקנות, לקבל החלטות ולפתור בעיות מורכבות – פעולות שעד לאחרונה נחשבו לנחלת המוח האנושי בלבד. בעזרת מודלים מתקדמים של למידת מכונה, כמו רשתות עצביות ועיבוד שפה טבעית (NLP), AI מסוגלת לנתח כמויות אדירות של מידע, לזהות דפוסים מורכבים ולייצר תובנות חדשות ודינמיות.

בניגוד לטכנולוגיות אחרות, בינה מלאכותית היא מערכת שלומדת כל הזמן. ככל שה-AI נחשף ליותר מידע, כך הוא הופך למדויק יותר ומשפר את יכולותיו לייצר תובנות והמלצות מתקדמות.

מהי אוטומציה?

אוטומציה היא טכנולוגיה אחרת לחלוטין, המתמקדת בביצוע פעולות שגרתיות וחוזרות ללא התערבות אנושית. מדובר במערכת המבצעת באופן קבוע רצפים מוגדרים מראש של פעולות, כגון העברת מידע ממערכת אחת לשנייה, שליחת התראות אוטומטיות, או איסוף וארגון נתונים באופן סדרתי. בשונה מבינה מלאכותית, מערכות אוטומציה כמו Make, Zapier ו-n8n אינן מסתגלות או לומדות בעצמן. הן פועלות בדיוק רב, אך בהתאם לתסריט מדויק שהוגדר מראש. כלומר, אוטומציה מתאימה במיוחד לפעולות קבועות, צפויות, ונטולות פרשנות אנושית.

לפניכם טבלה שמסכמת את ההבדלים המרכזיים בין שתי הטכנולוגיות הללו:

השוואה בין AI לאוטומציה.

איך AI ואוטומציה משתלבות זו בזו?

כאשר אוטומציה ו-AI מתחברות יחד, הן יוצרות “פס ייצור חכם” שבו כל אחת מהטכנולוגיות מביאה לשולחן יתרונות ייחודיים. אוטומציה מספקת דיוק, יעילות ומהירות, ומבטיחה תהליך אחיד ונטול טעויות. מנגד, AI מאפשרת לתהליך להפוך לחכם וגמיש יותר, תוך ניתוח נתונים בזמן אמת, איתור חריגות והפקת המלצות לפעולה. השילוב הזה מאפשר לארגונים להפעיל תהליכים אוטומטיים במהירות, ובמקביל לקבל תובנות אסטרטגיות עמוקות על סמך ניתוח דינמי שמבצעת מערכת ה-AI. זוהי סימביוזה שיכולה להזניק את האפקטיביות והאיכות של משימות הארגון.

יתרונות הליבה של AI

1) יצירת תוכן חדש

הכוח של AI טמון בשלוש יכולות מרכזיות: בין אם זה טקסט, תמונות, או אפילו וידאו, מודלי AI יכולים לייצר תוכן מקורי ברמה גבוהה. תוכן זה יכול להתבסס על האימון המקדים של המודל, על קבצים ומידע שהמשתמש מעלה או מזין למערכת, או על חיבור למערכת ידע ודאטה ארגוני (RAG).

2) שליפת מידע

היכולת לאתר מידע מתוך מאגרי נתונים עצומים בצורה מהירה ומדויקת הופכת את ה-AI לכלי רב עוצמה בארגונים שמנהלים מידע רב.

3) מחקר, חיפוש ואיסוף מידע

בינה מלאכותית מאוד טובה בחיפוש, ביצוע מחקר ואיסוף מידע ומקורות. כמו כן, AI יודע למצוא קשרים סמויים ומגמות מתוך נתונים מורכבים, יכולת חיונית לשיפור ביצועים עסקיים.

השילוש הקדוש – במה בינה מלאכותית טובה?

השילוב בין שלוש היכולות הללו מאפשר הפקת תוצרים איכותיים, אך האתגר המרכזי הוא לבחור את הכלי המתאים ביותר למשימה הספציפית.

מגבלות AI ואיך להתמודד איתן

אוקיי, הבנו במה AI טוב, אבל מה נקודות התורפה של הטכנולוגיה המדהימה הזו? למרות היתרונות הגדולים, ל-AI קיימות גם מגבלות משמעותיות שצריך להיות מודעים אליהן:

מגבלות ה-AI.

מוגבלות בחדשנות עצמאית

מודלים מבוססים על ידע קיים בלבד ואינם יכולים לייצר ידע פורץ דרך בצורה עצמאית.

חלון קונטקסט מוגבל

בינה מלאכותית מוגבלת בעיקף חלון הקונטקסט שלה (חלון הקשר). ה-AI מסוגל לעבד רק כמות מידע מוגבלת בכל פעם. כדי להתמודד עם בעיה זו, יש לפרק מידע ארוך ליחידות קטנות יותר.

הזיות (Hallucinations)

לעיתים AI מייצר עובדות שגויות בביטחון רב. לכן, הכרחי לבצע תמיד בדיקות אמינות.

העדר שיקול דעת וערכים

ה-AI חסר הבנה עמוקה של ערכים אתיים, ניסיון חיים או הקשר מקצועי רחב.

בסופו של דבר, AI הוא כלי עזר שהאחריות על השימוש בו ועל איכות התוצאות נותרת תמיד בידי המשתמש האנושי.

האחריות המקצועית שלנו

השימוש ב-AI מצריך מודל פעולה אחראי, שבו המשתמש האנושי משמש כמבקר איכותי. יש לערוך ולאמת את תוצרי ה-AI לפני השימוש, להגן על פרטיות ולא להעביר נתונים רגישים לספקי AI חיצוניים. מודל “אדם-מכונה” הוא הפתרון האופטימלי, שבו AI משמש כשותף יצירתי, אך לא מחליף את שיקול הדעת האנושי. במודל זה, האדם נשאר המבקר הסופי, המוביל את התהליך באחריות.

טיפים ליישום ולביצוע 

1) שינוי פוזיציה – לעבוד חכם עם AI

הדרך הטובה ביותר להתחיל עם AI היא דווקא להפוך את התפקידים: תנו למערכת לשאול אתכם שאלות מנחות. כך המערכת תבין לעומק את המשימה ואתם תקבלו פתרונות מדויקים יותר ומהר יותר.

2) “תחרות ריצה בין מודלים”

הימנעו מלהסתמך על מודל AI בודד. הפעילו את אותה המשימה במספר מודלים שונים, השוו את התוצאות, ובחרו את הטובה ביותר בכל פעם.

3) עבודה בשלבים – “הפרד ומשול”

פירוק משימות גדולות לתת-משימות קצרות ומדויקות יעזור לכם לשמור על איכות התוצאות, ויקל על ניהול העבודה מול AI.

טיפים לשימוש נכון ב-AI.

מתי נבחר באוטומציה ומתי ב-AI?

• אוטומציה מתאימה כאשר מדובר בפעולות פשוטות, חוזרות וסטטיות: העתקת כותרות מאתרי חדשות, שליחת Action Items במייל או הכנסת לידים ל-CRM. כאן אין צורך בניתוח עמוק; די ברצף קבוע וברור של הוראות לביצוע.

• בינה מלאכותית באה לידי ביטוי במשימות הדורשות ניתוח, הבנה וסינתזה: זיהוי טרנדים, הפקת דוחות מסכמים, בניית תכניות פעולה אישיות או תיעדוף משימות לפי פרופיל משתמש. העבודה שלה היא “לקחת חומר גלם”, להסיק תובנות ולהציע כיווני פעולה.

דוגמאות מהשטח: איך זה נראה ביום-יום

לפניכם רשימת היוזקייסים שהוצגה גם בשיעור – מקרים בהם נבחר באוטומציה ומקרים אחרים בהם נבחר ב-AI:

אוטומציה: משימות חזרתיות, קבועות ונטולות פרשנות

• סריקת אתרי חדשות והעתקת הכותרות לגיליון מאסטר לצורך תיעוד יומי.

• שליחת Action Items אוטומטית במייל לכל חברי הצוות בסוף כל ישיבה.

• העתקת נתוני ליד חדש משירות הטפסים אל CRM, כולל פתיחת משימה לסוכן מכירות.

• משיכת קבצים מצורפים, המרתם ל-PDF ושמירתם בתיקייה עננית ממוספרת לפי תאריך.

• שליפת מידע מאתר החברה, דחיסתו לפוסט קצר ותִזמוןו בכל הרשתות החברתיות בתבנית אחידה.

• הפקת דוחות חודשיים סטטיים (למשל דוח שעות או מכירות) במבנה קבוע.

• ניתוח אוטומטי של תיבת הדואר ב-24 השעות האחרונות והפקת רשימת משימות מיידיות.

• איסוף ביקורות מוצרים והזרמתן לטבלת Google Sheets לצורך מעקב.

• שליחת חשבוניות אוטומטית ללקוחות חוזרים עם חישוב הנחה קבועה.

• גיבוי לילי של מסדי-הנתונים והעלאה ל-S3, כולל התרעה במקרה של כשל.

בינה מלאכותית: משימות הדורשות ניתוח, סינתזה והסקה

יוזקייסים: מתי נשתמש ב-AI ומתי באוטומציה?

שילוב הכוחות: המערכת ההיברידית בפעולה

השילוב בין AI ואוטומציה הוא המפתח לארגונים חכמים ויעילים. החיבור בין הצנרת החכמה (אוטומציה) והמוח הדיגיטלי (AI) יוצר מערכת שמניעה מידע במהירות, תוך הפקת ערך אמיתי. כך ניתן לשפר את האפקטיביות של כל תהליך עסקי, בלי לוותר על האחריות והיצירתיות האנושית. בעתיד הקרוב, מערכת היברידית כזו תמשיך להוות סטנדרט חיוני בארגונים השואפים למצוינות. יש מצב שהבנת הדינמיקה בין AI לאוטומציה, והיכולת להשתמש בשילוב זה בחוכמה, היא אולי האתגר הגדול ביותר לארגונים שרוצים להוביל במאה ה-21.

הפוסט הסימביוזה של AI ואוטומציה – במה נבחר, מתי ומה בעצם ההבדל? הופיע ראשון בLet's AI בינה מלאכותית

כשהמוח המלאכותי מתפקד כמו צוות

במקום סוכן בינה מלאכותית אחד שנותן תשובות שטחיות, Anthropic מציעה מערכת שבה כמה סוכנים עובדים יחד. דמיינו ששואלים שאלה על שוק הפאנלים הסולאריים בישראל – במקום תשובה כללית, תקבלו צוות וירטואלי: אחד ינתח דוחות כספיים, אחר יבדוק תקנות, שלישי יחפש מה עושים המתחרים. זה צורך פי 15 יותר משאבים (לפי Anthropic עצמה) – אבל מחזיר לכם ניתוח עומק ברמה של מומחה.

למה לשלם יותר ועדיין לחסוך

אולי זה נשמע יקר, אבל תעשו חשבון פשוט: אנליסט אמיתי שיעבוד יום שלם על מחקר כזה יעלה לכם לפחות 400 דולר. המערכת של Anthropic עושה את זה בכמה דקות ובעלות של בערך 15 דולר. יקרה פי 15 מצ’אט רגיל – אבל זול פי 20 מאדם אמיתי. ככה נולד תחום חדש: שירותי בינה מלאכותית פרימיום – לא הכי זולים, אבל חוסכים שעות עבודה אמיתיות.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס AI בינה מלאכותית למנהלים ובכירים

למידע נוסף >>

איך עוצרים את הכאוס

על הנייר זה נשמע מצוין, אבל בפועל – בהתחלה, כשבדקו את זה – המערכת התנהגה כמו צוות לא מנוהל: כל סוכן יצר תתי-סוכנים, חיפש מידע שלא קיים ובזבז משאבים. הפתרון היה פשוט וחכם – בדיוק כמו בצוות אנושי: מינו “מנהל פרויקט” שמפקח על כל השאר, קובע אסטרטגיה, מחלק משימות ועושה סדר.

כך זה נראה בפועל:  בתרשים של Anthropic רואים איך סוכן מוביל יוצר תתי-סוכנים שמבצעים חיפושים ובונים יחד דו”ח מסודר:

איך עובדת מערכת המחקר הרב-סוכנית. Credit: Anthropic

פרדוקס פשוט: מתי זה עובד ומתי לא

המערכת הזו מצטיינת במשימות שאפשר לפרק לחלקים – סקירת שוק, בדיקת ספקים, קריאת מסמכים. אבל היא נחלשת כשהעבודה דורשת חשיבה יצירתית ומקיפה, כמו תכנון אסטרטגי או פיתוח קוד שדורש שיתוף פעולה צמוד. במילים פשוטות: כשהמשימה מורכבת מהרבה חלקים נפרדים שאפשר לטפל בהם במקביל – הבינה המלאכותית מנצחת. אבל כשצריך חיבור עמוק של כל החלקים לרעיון אחד שלם – המוח האנושי עדיין טוב יותר.

מי צריך לשים לב לזה כבר עכשיו

בסיכון גבוה

חוקרים, אנליסטים, מתמחים משפטיים – כל מי שעיקר תפקידו הוא לאסוף מידע ולעבד אותו.

בסיכון בינוני

מנהלי פרויקטים, יועצים אסטרטגיים – יקבלו עזרה ענקית מהמערכת, אבל עדיין יצטרכו להכריע מה חשוב.

בסיכון נמוך

אנשים שהעבודה שלהם מבוססת על אינטראקציה אנושית עדינה – מטפלים, מגשרים, אנשי מכירות מורכבות.

שלוש פעולות שכדאי לכם לעשות השבוע

• תמפו אילו משימות מחקר ועיבוד מידע בצוות שלכם מתאימות להעברה לצוותי בינה מלאכותית.
• הגדירו תפקיד של “מנהל פרויקט בינה מלאכותית” – אדם שמבין איך לנצל כמה סוכנים יחד ולא סתם שולח שאלה אחת.
• בדקו שזה באמת משתלם לכם לאורך זמן.

עידן חדש

אנחנו עוברים מעידן של עוזרי בינה מלאכותית פשוטים לעידן של צוותים חכמים ומאורגנים שיכולים לשנות את כללי המשחק – עבור כל מי שיודע להפעיל אותם נכון. מי שיבין איך לתכנן צוות בינה מלאכותית, לנהל אותו כמו צוות אנושי ולהגדיר לו גבולות ברורים – ירוויח יתרון תחרותי עצום בזמן שחלק מהמתחרים עוד מתעסקים עם צ’אטבוטים גנריים. זה הרגע להפסיק לחשוב על בינה מלאכותית ככלי אחד וללמוד לעצב צוותים שלמים של כלים – כל אחד מתמחה בתפקיד אחר, בדיוק כמו אצלכם בחברה. זה לא עתיד רחוק – זה אתגר ניהול חדש שהגיע כבר עכשיו.

הפוסט למה בינה מלאכותית שעולה פי 15 תחסוך לכם אלפי שקלים? הופיע ראשון בLet's AI בינה מלאכותית

מה זה בכלל פרויקטים?

אם זה חדש עבורכם, הרעיון פשוט: פרויקטים מאפשרים לארגן שיחות לפי נושא. במקום אינספור שיחות בודדות שמפוזרות בהיסטוריה, כל השיחות על אותו נושא מרוכזות בפרויקט אחד – עם הקשר שנשמר אוטומטית.

מה חדש?

1. זיכרון רציף בין שיחות

כשתפתחו שיחה חדשה בפרויקט קיים, ChatGPT יזכור מה דיברתם קודם. לא צריך להסביר הכל מהתחלה – פשוט ממשיכים מאותה נקודה.

2. מצב דיבור גם בפרויקטים

מעדיפים לדבר ולא להקליד? מעכשיו זה אפשרי גם בפרויקטים. לוחצים על המיקרופון ומדברים חופשי – מצוין להסברים מורכבים או כשאין זמן להקליד.

3. העלאת קבצים מכל מקום

אפשר להעלות מסמכים, תמונות, קבצי אקסל – גם מהטלפון. כל הקבצים הרלוונטיים מחכים לכם בפרויקט, בבית או בדרך.

4. גישה למודלים מתקדמים בנייד

אם יש לכם חשבון Pro, תוכלו לבחור איזה מודל מתאים למשימה – o3 למשימות כבדות, GPT-4o לדיאלוג שוטף – גם מהטלפון.

איך זה עוזר לכם?

תדמיינו שיש לכם מקום אחד שבו כל הרעיונות, הקבצים והשאלות נשמרים בדיוק כמו שהשארתם אותם. אתם חוקרים נושא? פותחים פרויקט, מעלים מקורות, שואלים שאלות והמערכת שומרת כל פרט, כדי שתוכלו להעמיק בלי לאבד חוט מחשבה. מתכננים אירוע, מוצר חדש או אפילו חופשה? כל הפרטים והעדכונים מסודרים לכם במקום אחד, מוכנים להמשך בכל רגע. כותבים ספר או מאמר ארוך? עובדים על פרקים שונים בנפרד – והמערכת שומרת על הסגנון, הרעיונות והחיבור בין הכל. ככה פשוט יותר להתמקד במה שחשוב באמת.

אז מה ההבדל בין פרויקט ל-GPTs?

הרבה משתמשים מתבלבלים בין Projects ל-GPTs – שניהם עוזרים לכם לעבוד בצורה מסודרת ומותאמת אישית, אבל לכל אחד יש יתרונות שונים. הטבלה הזאת עושה סדר ועוזרת לכם לבחור מה מתאים למשימה שלכם.

מה ההבדל בין Projects ל-GPTs? כך תבחרו נכון

איך מתחילים?

1. היכנסו לפרויקטים (זמין למשתמשי Plus, Pro ו-Team) דרך הסרגל הצידי.

2. תנו שם ברור לפרויקט ולחצו על צור פרויקט (Create).

3. הוסיפו הוראות כלליות (Custom Instructions) – הן ילוו כל שיחה בפרויקט.

4. העלו קבצים, התחילו שיחות – ותנו למערכת לדאוג להקשר.

ארבעה צעדים לפתיחת פרויקט חדש

חדש ב-Canvas של ChatGPT: הורדה בלחיצת כפתור

עדכון נוסף למשתמשים – מהיום אתם יכולים לשמור בקלות את מה שכתבתם ב-Canvas – בין אם זה מסמך או קוד. כותבים מסמך? תוכלו לייצא אותו לקובץ PDF, Word או Markdown. עובדים על קוד? הוא יישמר אוטומטית בפורמט הנכון (כמו ‎.py, ‎.js או ‎.sql). פשוט, נוח ומוכן לשיתוף.

Canvas תומך בהורדות – מסמך או קוד בלחיצה אחת

לסיכום, אם אתם כבר משתמשים ב-ChatGPT לניהול פרויקטים מורכבים – השדרוגים החדשים יעשו לכם סדר, יחסכו הסברים חוזרים וישמרו את כל הידע מרוכז ונגיש בכל שלב. בנוסף, Canvas מוסיף עוד שכבת נוחות – תוכלו לכתוב, לארגן רעיונות וגם להוריד את מה שיצרתם כקובץ PDF, Word או Markdown, או לשמור קוד בקובץ מתאים – והכל בלחיצה אחת. כך תנהלו מחקר, תכנון או כתיבה ארוכה בצורה הרבה יותר חכמה, מסודרת וחסכונית בזמן.

הפוסט ChatGPT עם שדרוגים לפרויקטים ועדכון ל-Canvas הופיע ראשון בLet's AI בינה מלאכותית

מה זה Perplexity Labs?

Perplexity Labs הוא פיצ’ר מתקדם במנוי Perplexity Pro (20$ בחודש) שמשלב חיפוש מידע עם ניתוח נתונים ויצירת גרפים – הכל במקום אחד. במקום לגלוש, להוריד קבצים, לטפל באקסלים ולבנות גרפים – אתם פשוט כותבים מה שאתם צריכים, והכלי עושה את זה בשבילכם בשפה פשוטה.

איך זה עובד? Perplexity Labs מפעיל מודלי שפה מתקדמים (כמו דיפסיק, o4 ו- o3 של ג׳יפיטי, ג׳מיני 2.5 של גוגל, קלוד 4 ואחרים) לצד סביבת קוד (Python) שיודעת לנתח קבצים, להפיק גרפים ולבנות תובנות. זה כמו צוות אנליסטים שעובד בשבילכם בלי הפסקה.

והדבר הכי חשוב? הוא לא רק מחפש, הוא מסכם, מנתח, בונה דוחות, מייצר ויזואליזציות, ומנגיש נתונים מורכבים בצורה ברורה ומקצועית.

איך מתחילים? 4 צעדים פשוטים

1. כנסו לפרפלקסיטי ולחצו על לשונית Labs (סמל הנורה ).

2. בחרו ותדייקו את סוג המקורות אליהם יגש הכלי (אקדמי, רשתות חברתיות או פיננסי תחת סמל הגלובוס ).

3. צרפו קבצים רלוונטיים (CSV, PDF, DOC – דרך סמל הקליפ ).

4. כתבו את הפרומפט שלכם בשורת ההנחיה למעלה.

וזהו – לחצו Enter ותתחילו לראות תובנות תוך שניות.

איך מתחילים לעבוד עם פרפלקסיטי לאבס?

למי זה מתאים?

• מנהלים – דוחות, ניתוח מתחרים, תכנון אסטרטגי.

• אנליסטים – מחקר שוק, זיהוי טרנדים, דוחות השקעה.

• שיווק ומכירות – ניתוח ביצועים, חקר לקוחות, שיפור תהליכים.

• יזמים – בדיקת היתכנות, פיתוח מוצר, הכנה לגיוס.

פרומפטים לדוגמה שיחסכו לכם שעות עבודה

פרומפט 1: ניתוח פיננסי – השוואת הוצאות הון (CapEx)

מטרה: להשוות את הוצאות ההון של חברות טכנולוגיה גדולות לאורך זמן, לזהות מגמות ולהפיק תובנות ברמה מקצועית.

פרומפט מוכן לשימוש:

ניתוח פיננסי – השוואת הוצאות הון (CapEx)

מתי להשתמש? ניתוח השקעות של מתחרים, קבלת החלטות אסטרטגיות, הכנת דוחות להנהלה או משקיעים או זיהוי מגמות תעשייתיות.

גרסה מותאמת לעברית:

השוו את הוצאות R&D של חברות פינטק בישראל ב-5 השנים האחרונות,
כולל גרפים של R&D כאחוז מההכנסות.
נתחו השקעות קיבולת ייצור של חברות טכנולוגיה באסיה מול אירופה וארה”ב,
כולל תחזית ל-2025.
בדקו את הוצאות השיווק של מתחרים בענף [שם התחום],
וצרו גרף של השקעות דיגיטל מול מסורתי.

הצצה לתוצר

רוצים לראות איך נראה דוח מקצועי שמשווה את הוצאות ההון של חברות ה-MAG7? הנה דוגמה אמיתית לתוצאה ש-Peprlexity Labs יצר לפי הפרומפט: לצפייה בדוח לדוגמה »

פרומפט 2: יצירת ויזואליזציות וניתוח שוק מקובצי CSV

מטרה: לנתח נתוני שוק מקובצי CSV, לזהות מגמות, תחרות והתנהגות לקוחות – ולהציג הכל בגרפים אינטראקטיביים וברמה של דוח מקצועי. כמובן שנדרש הקשר לנתונים הספציפיים שרלוונטיים לניתוח שלכם ותוכלו להעלות קבצים שונים בדגש על קבצי נתונים (csv).

פרומפט מוכן לשימוש:

יצירת ויזואליזציות וניתוח שוק מקובצי CSV

מתי להשתמש? ניתוח שוק או מכירות מתוך קבצים קיימים, הכנה לפגישות הנהלה או משקיעים, יצירת דוחות חזותיים במהירות או זיהוי מגמות או בעיות נסתרות.

גרסה מותאמת לעברית:

נתחו את נתוני המכירות של 2024 לפי אזור, מוצר וחודש
ובנו דשבורד אינטראקטיבי.
צרו גרפים מניתוח לקוחות, זהו פלחים עיקריים והמליצו על שיפור מכירות.
נתחו את תנועת האתר, המרות והתנהגות משתמשים – והציעו שיפורים מבוססי דאטה.

הצצה לתוצר

5 קובצי CSV בתחום התחבורה השיתופית עם בקשה לנתח את השוק. ראו את הדשבורד שנוצר, כולל גרפים, תובנות והמלצות: לצפייה בתוצר לדוגמה »

פרומפט 3: דשבורד מתקדם לניתוח הצלחות וכישלונות במכירות

מטרה: להבין למה עסקאות מצליחות או נופלות, לזהות נקודות לשיפור בתהליך המכירה – ולבנות דשבורד אינטראקטיבי שמציג את הכל (+ העלאת קובץ CSV עם נתוני מכירות).

פרומפט מוכן לשימוש:

דשבורד מתקדם לניתוח הצלחות וכישלונות במכירות

מתי להשתמש? ניתוח ביצועים רבעוני, ירידה באחוזי סגירה, הדרכת צוות מכירות או שיפור תהליך המכירה.

גרסה מותאמת לעברית:

צרו דשבורד לניתוח שיחות מוקד טלפוני – זהו מה עובד ומה לא, והמליצו על שיפורים בסקריפט.
נתחו את משפך המכירות באתר – איפה מאבדים לקוחות ומה לשפר.
בנו דשבורד לביצועי ערוצי שיווק – חשבו ROI והציעו חלוקת תקציב חכמה.

הצצה לתוצר

מנהלים שרוצים להבין למה הם מפסידים עסקאות – יכולים ליצור ולקבל דשבורד ניתוח Win/Loss חכם. הנה התוצאה: ניתוח מלא לפי אזורים, אנשי מכירות ושלבים במכירה: לצפייה בדשבורד לדוגמה »

פרומפטים נוספים שיעזרו לכם לנתח ולהציג נתונים

ניתוח טרנדים ותחזיות

ניתוח התנהגות לקוחות

ROI ואנליזה פיננסית

ביצועי מוצרים ומכירות

חשוב לזכור: כל פרומפט דורש הקשר רלוונטי כדי לעבוד היטב – בין אם זה קובץ CSV, מסמך תומך, נתוני רקע או תיאור מדויק של הסיטואציה העסקית. בלי ההקשר הזה, גם הפרומפט הכי טוב עלול להניב תוצאה כללית או לא מדויקת.

טיפים מתקדמים לשימוש מדויק וחכם

1. הכינו את הנתונים כמו שצריך

לפני העלאת CSV:

• ודאו כותרות ברורות

• נקו ערכים חסרים או שגויים

• סדרו תאריכים בפורמט אחיד

• הוסיפו הסברים לעמודות מורכבות

2. שפרו את הפרומפט על ידי הוספת הקשר רלוונטי

ככל שתהיו מדויקים יותר, התוצאה תהיה חכמה וממוקדת יותר. אל תבקשו “לנתח נתונים” בלי להסביר מהם, ממתי, ולמה.

3. בקשו יותר – וקבלו תוצאה חדה יותר

• בקשו זוויות ניתוח שונות

• התמקדו בתקופות זמן ספציפיות

• בקשו השוואה לסטנדרט בתעשייה

• דרשו הסבר לתובנה המרכזית

4. פרפלקסיטי הוא שיחה, לא פקודה

אחרי התוצאה הראשונה – דייקו אותה. למשל: “החליפו לגרף עמודות מוערמות”, “פירוט לפי רבעון רביעי בלבד בישראל”, “הסבירו כמו למנהל לא-טכני” “השוו לתעשייה הגלובלית.

5. בנו לעצמכם ספריית תבניות

ברגע שהפרומפטים עובדים לכם – הפכו אותם לתבניות קבועות שתוכלו למחזר:

• דוח פיננסי

• סקירת שוק

• ניתוח ביצועים

• ניתוח לקוחות

• תוכנית פעולה

שמרו, עדכנו, והשתמשו שוב – זה חוסך זמן ושומר על עקביות.

מגבלות חשובות – ומה לא לעשות עם Perplexity Labs

שמירה על מידע רגיש

אל תעלו קבצים עם מידע אישי או סודי – אלא אם אתם משתמשים בגרסת ה-Enterprise. לחלופין, נקו מזהים מהנתונים או השתמשו בכלים פנימיים.

תמיד לבדוק עובדות

Perplexity הוא עוזר מצוין – אבל לא אנליסט אנושי. הוא עלול לטעות או “להמציא” מידע. לכן חשוב להצליב נתונים ולהפעיל שיקול דעת מקצועי.

גישה מוגבלת למקורות פרימיום

למרות החיבור לאינטרנט, הכלי לא כולל גישה למאגרים בתשלום כמו Bloomberg או S&P. לנתונים פיננסיים מדויקים – עדיין תידרש גישה ייעודית.

שורה תחתונה, אל תשתמשו בכלי להחלטות השקעה קריטיות, דיווחים רגולטוריים, ניתוח מידע רגיש או תחזיות לטווח ארוך – בלי אימות נוסף וליווי מקצועי.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס AI בינה מלאכותית למנהלים ובכירים

למידע נוסף >>

לסיכום – תתחילו מהצורך האמיתי שלכם

Perplexity Labs הוא לא עוד כלי – הוא שותף חכם שיכול לחסוך לכם שעות של עבודה ולתת לכם יתרון תחרותי. אבל ההצלחה לא מגיעה מהטכנולוגיה – אלא מהשימוש שלכם בה. התחילו מבעיה אמיתית שיש לכם היום, נסחו פרומפט ממוקד, העלו את הנתונים – ותראו איך תובנות מתחילות לזרום. תשתמשו בו נכון, ותגלו שהשאלה הנכונה היא לא מה הוא יודע לעשות – אלא איך אתם בוחרים להשתמש בו.

הפוסט איך להפוך נתונים לתובנות עסקיות תוך דקות עם פרפלקסיטי לאבס הופיע ראשון בLet's AI בינה מלאכותית

כיצד עובדת המלצת המודל החדשה בממשק GPTs?

הפונקציה החדשה שמציעה OpenAI מאפשרת ליוצרי GPTs להמליץ למשתמשים על המודל האופטימלי לשימוש בבוט הספציפי שלהם. במסגרת התכונה הזו, יוצרי הבוטים יכולים לבחור מתוך תפריט ייעודי באיזה מודל בוט ה-GPT שלהם יפעל, בהתבסס על דרישות הביצועים, עלות, מהירות תגובה ויכולות נדרשות.

בחירת מודל בממשק בניית הבוט ב-GPTs.

כך למשל, יוצר בוט המתמחה בניתוח נתונים וקבצים, סביר שימליץ לעבוד עם מודל ריזונינג כמו o3 שמצטיין בחישובים מתמטיים ופעולות רב-שלביות – מודל הידוע ביכולותיו האנליטיות הגבוהות. לעמות זאת, בוט שמתמחה בכתיבת טקסים, עשוי להמליץ על GPT-4o הישן והטוב, או על GPT-4.5 המיוחד, שמצטיין ביכולות שפתיות ו”חשיבה רגשית” (EQ ולא רק IQ).

בזמן הגדרת ההמלצה, המערכת מאפשרת ליוצר הבוט לבחור מתוך רשימה מסודרת של מודלים הזמינים לפונקציות השונות. עם זאת, לא כל מודל זמין לכל משתמש, שכן לא לכל משתמש יש חבילה בתשלום, שמנגישה לו את המודלים המתקדמים יותר.

יתרונות עיקריים של הפיצ’ר החדש

שקיפות ובהירות למשתמשים

האפשרות להמליץ על מודל מעניקה למשתמשים הבנה ברורה של הביצועים הצפויים ושל הסיבות שבגללן נבחר מודל מסוים. במקום ניחוש או תסכול עקב ביצועים לא עקביים, המשתמש יכול לראות מראש עם איזה מודל הבוט שלו עובד ומה המשמעות של שימוש במודל זה מבחינת חווית השימוש.

החלפת המודל מתאפשרת על ידי הקלקה על שם הבוט, בצד שמאל למעלה – ראו תמונה מטה:

לחיצה על שם הבוט, תחשוף את המודל שהומלץ על ידי בונה הבוט, ואת האפשרות להחליפו.

מה קורה כשהמודל המומלץ אינו זמין למשתמש?

אחד התרחישים הנפוצים והחשובים להבנה הוא כאשר מודל מסוים מומלץ על ידי יוצר הבוט אך אינו זמין למשתמש בשל מגבלות מנוי, הרשאות, או זמינות אזורית. במקרה כזה, OpenAI יצרה מנגנון גיבוי ברור ואוטומטי. אם המשתמש אינו יכול לגשת למודל המומלץ, המערכת תבחר באופן אוטומטי במודל חלופי דומה ככל האפשר. לדוגמה, אם הבוט תוכנן להשתמש ב-o4 mini אך הוא לא זמין למשתמש, המערכת תעבור ל-GPT-4o או למודל אחר שזמין בחבילה החינמית. זה לא מושלם, אבל זה הרע במיעוטו.

הפוסט סוף סוף אפשר להמליץ על מודל ב-GPTs – אבל יש קאטץ’! הופיע ראשון בLet's AI בינה מלאכותית

מה זה Claude Gov?

לפי ההכרזה הרשמית, Claude Gov הוא סט מודלים שנבנה “על בסיס משוב ישיר מלקוחות ממשלתיים”, ונועד לפעול בסביבות מסווגות בלבד. Anthropic מדגישה שהמודלים “עברו את אותן בדיקות בטיחות קפדניות” – אבל גם מציינת בפירוש: הם “מתוכננים להתנהג בצורה שונה בהקשרים מסווגים, כמו ניתוח מסמכים ממשלתיים רגישים.”

בין היכולות המוגברות:

• הבנה עמוקה יותר של ז’רגון מודיעיני וביטחוני.

• ניתוח נתוני סייבר מורכבים.

• מיומנות בשפות ודיאלקטים קריטיים.

• תגובה גמישה יותר למידע מסווג.

כלומר, המודל פחות מסרב, פחות עוצר, ומספק יותר גישה. ולא לציבור, אלא לסוכנויות ממשלתיות בלבד.

גם לבטיחות יש גרסה מסווגת

במבט ראשון, זו נשמעת כמו פשרה. אבל כדאי לעצור ולשאול: האם זה בכלל אפשרי לבנות מערכת בטיחות אחת – שתהיה גם אוניברסלית, וגם מתאימה למודיעין צבאי? Anthropic עצמה ניסתה לאורך כל הדרך לעשות בדיוק את זה: היא שמה את הבטיחות בלב המוצר, לא בצידו. פיתחה את מודל Constitutional AI, השקיעה רבות ב־red-teaming, שיתפה מחקרים על distillation, ועל alignment, והתנגדה בגלוי למורטוריום רגולטורי שאוסר על שקיפות.

וזה בדיוק מה שהופך את ההשקה של Claude Gov למעניינת: היא לא מגיעה מחברה שמזלזלת בבטיחות – אלא מחברה שהובילה את התחום. ולמרות זאת – אפילו היא מוצאת את עצמה בונה גרסה אחרת.

מה קורה כשגם הזהירים נשחקים

הבעיה איננה בכך ש-Anthropic בחרה לעבוד עם סוכנויות ביטחוניות. הטכנולוגיה תפותח בכל מקרה – ומי שמסרב לשתף פעולה פשוט נשאר מחוץ למשחק. הבעיה מתחילה כשגם השחקן הזהיר ביותר נדרש לסמן מחדש מה נחשב “בטוח” – לפי הקשר. אם אפילו Anthropic לא מצליחה לשמור על אחידות בבטיחות, מה זה אומר על התעשייה כולה?

כשההצדקה הביטחונית פוגשת את גבול השקיפות

הטיעון הנגדי ברור: יש פעולות שמודל צרכני צריך לסרב להן – אבל עבור אנליסט ביטחוני הן חיוניות. מודל שלא מספק ניתוח של מסמך מודיעיני מסווג, הוא לא “זהיר”, הוא מכשול מבצעי. ואולי, בהקשרים כאלה, בטיחות צרכנית פשוט לא רלוונטית. אבל גם אם זה נכון – השאלה היא מה עושים עם הפער הזה. כי כרגע, הציבור נשאר בחוץ:

• אין הסבר טכני לאיך הותאמו המודלים

• אין פירוט על נהלי בטיחות במצבים מסווגים

• אין דרך להבין מה “מסרבים פחות” באמת אומר בפועל

והשאלה העמוקה עוד יותר: מי מפקח על הבטיחות – כשכל התהליך חסוי מראש?

תעשייה שלמה בתנועה

Anthropic לא לבד. OpenAI, שהחלה במדיניות של איסור שימוש צבאי, עובדת כיום עם קבלני ביטחון. Meta פותחת את Llama לשותפי הגנה. Google מפתחת גרסאות מסווגות של Gemini. וגם Cohere משתפת פעולה עם Palantir – אחת השחקניות המובילות ב-AI ביטחוני.

הקו שהיה פעם ברור – AI אזרחי בלבד – כבר לא קיים. וכשכל השחקנים הגדולים חוצים אותו, כל אחד בדרכו, הסיפור כבר לא על חברה מסוימת – אלא על מערכת שבה אין מקום לבטיחות קבועה.

הסכנה הכי גדולה היא השקט

הבעיה איננה רק מי עובד עם מי – אלא איך זה קורה. Claude Gov לא הוכרז בפוסט בלוג מפורט, אלא בהודעה מרוכזת, עם ניסוחים כלליים. המונח “אותן בדיקות בטיחות” נשמע מבטיח – אבל אין פירוט על אופן השינוי, טיב ההתאמה, או רמת הפיקוח. וזו הנקודה הקריטית: אם אי אפשר להבין מה השתנה – אי אפשר גם לדעת אם הערכים נשמרו.

זו לא החלטה – זה הכרח

אפשר לפרש את הסיפור הזה בשתי דרכים:

1. Anthropic נכנעה ללחץ של חוזים ממשלתיים וויתרה על עקרונות.

2. אפילו החברה המחויבת ביותר לבטיחות נאלצת לעצב גרסה נפרדת – כי זו דרישת השוק.

הראשון נוח יותר להסביר. השני – מדאיג בהרבה. אם זו מגבלה של כל חברה באקוסיסטם – אז אנחנו לא צריכים רגולציה שתפקח על שחקן מסוים, אלא מנגנונים מערכתיים שמציבים סטנדרטים שאי אפשר להנדס מחדש לפי זהות המשתמש.

האם נותרה בכלל דרך לשמור על בטיחות אמיתית?

השאלה איננה אם AI ישמש למטרות ביטחוניות – אלא איך הוא יעשה זאת. ואם כל ממשלה דורשת מודלים מותאמים, ואם כל שחקן עסקי נמדד לפי היכולת לספק גרסה “פחות מסרבת”, אז אין עקרונות – יש התאמות. Claude Gov הוא לא כשל מוסרי – הוא סימן שאלה אסטרטגי: האם בכלל ניתן לבנות בטיחות אמיתית – בעולם שבו הדרישות המבצעיות מגדירות מחדש את כללי המשחק?

הפוסט כשהבטיחות הופכת לשאלה של תקציב הופיע ראשון בLet's AI בינה מלאכותית

שני דברים שחשוב לומר לפני שמתחילים:

1. הנתונים במאמר, שמבוססים על הדו”ח של FirstPageSage, מתארים ממוצע תנועת משתמשים ב-90 הימים האחרונים בארצות הברית בלבד. הם לא כוללים שימוש גלובלי או יישומים פנים-ארגוניים.

2. מאז פרסום הדו”ח, גם Google וגם Microsoft הפגיזו בהשקות נוצצות של כלים מבוססי בינה מלאכותית – וגם Claude ו-ChatGPT הציגו יכולות חדשות, חיבורים למערכות חיצוניות וכלים מתקדמים. השוק הזה דינמי במיוחד – והמספרים, אחוזי הצמיחה ונתחי השוק משתנים כל הזמן בהתאם. בואו נתחיל…

ChatGPT עדיין המלך – אבל הכתר נהיה כבד

נתחיל עם הפיל שבחדר. ChatGPT עדיין מוביל את השוק עם 59.7% מהתנועה האמריקאית נכון לאפריל 2025, כלומר, יותר ממחצית מכל מי שמשתמש בצ’אטבוטים בינה מלאכותית, בוחר ב-OpenAI. אבל זו כבר לא אותה שליטה. בינואר 2024 הם החזיקו ב-76.4% מהשוק. תוך קצת יותר משנה, הם איבדו לא פחות מ־16.7% מהשוק. זה לא שינוי קטן – זו שחיקה אמיתית. מה זה אומר לנו? תקופת ירח הדבש נגמרה. המשתמשים התחילו לחפש ברצינות אלטרנטיבות – והפעם, הם גם מוצאים כאלה ששוות את זה. וזה רק קצה הקרחון של השינויים שמתרחשים בשוק הזה ברבעונים האחרונים.

חלוקת השוק: מי שולט בצ’אטבוטים של הבינה המלאכותית?

שחקנים קטנים עם מהלכים גדולים

אחרי תקופה לא קצרה שבה שוק הצ’אטבוטים נשלט כמעט לחלוטין על ידי ענקים, עכשיו מגיעים השחקנים הקטנים – והם זזים מהר. Claude AI הוא השד המהיר של המרוץ הזה – צמיחה של 14% ברבעון, כפול משיעור הצמיחה של ChatGPT. עם נתח שוק של 3.2% בלבד, זה אולי נשמע שולי – אבל זה בסיס שמשתפר במהירות. משהו בגישה הרצינית וההתמקדות במשתמשים עסקיים תופס בדיוק את מי שמרגיש ש-ChatGPT לא מדבר מספיק “שפת עבודה”.

Perplexity הוא אלוף הדיוק – 6.2% נתח שוק ו-10% צמיחה רבעונית. והסיבה ברורה: הם מיתגו את עצמם כ”מנוע חיפוש בינה מלאכותית שמתמקד בדיוק”. בעולם שבו יותר מדי כלים ממציאים עובדות, משתמשים כבר למדו לזהות ערך כשמופיעה אמינות.

ואז יש את Grok – הקלף המפתיע. 0.8% נתח שוק בלבד, אבל צמיחה של 12% ברבעון. האינטגרציה עם X (לשעבר טוויטר) נותנת להם זווית חברתית ייחודית, ממשק קליל, וגישה שפונה בדיוק לקהל שמחפש חוויית צ’אט שונה, פחות רצינית ויותר נוכחת ברשתות.

המציאות הלא נעימה של Microsoft ו-Google

שתי ענקיות הטכנולוגיה עם הכי הרבה כוח – אבל משהו חורק.

Microsoft Copilot מחזיק ב־14.3% מהשוק, אך מציג צמיחה רבעונית צנועה של 6% בלבד. בהתחשב בזה שהוא משולב עמוק בתוך חבילת ה-365 של מיקרוסופט – זה נתון מאכזב. Copilot רוכב על ההצלחה של ChatGPT, אבל לא מצליח לייצר זהות נפרדת. המשתמשים מרגישים שזה פשוט ChatGPT בלבוש משרדי.

Google Gemini במצב דומה – 13.4% נתח שוק, עם צמיחה רבעונית של 5% בלבד. וזה מפתיע, כי זו Google: החברה שהביאה לנו את Transformer ואת כל הבסיס של דור הבינה הנוכחי. ובכל זאת, הם איבדו כ־3% מהשוק מאז ינואר 2024 – בשוק שבו כל עשירית אחוז שווה מיליוני משתמשים.

כמו שזה נראה עכשיו, שתי החברות מנסות להיות הכל לכולם – והתוצאה היא מוצר גנרי שלא מדבר לקהל ספציפי. בעולם שבו המשתמשים מחפשים התאמה אישית, זה פשוט לא מספיק.

ה”נטפליקסיזציה” של שוק הצ’אטבוטים

הנתונים מצביעים על מגמה חדה: אנחנו כבר לא בעולם של “צ’אטבוט אחד ששולט בהכול”. המשתמשים נהיים מתוחכמים יותר – והם מבינים שכלי אחד לא יכול לשרת את כל הצרכים שלהם. בדיוק כמו שאנחנו לא מסתפקים בערוץ טלוויזיה אחד – אלא מרכיבים לעצמנו חבילת סטרימינג לפי טעם – כך גם בצ’אטבוטים. משתמשים ב-Claude לצרכים עסקיים, ב-Perplexity כשחשוב דיוק ומקורות, ב-Brave Leo כשפרטיות עומדת בראש, ובכלים כמו Komo, Andi או Deepseek כשצריך מענה ייחודי לנישה מסוימת.

זה לא רק שוק תחרותי – זו אבולוציה של ממש. שוק שמתפצל, מתמקד – והולך בעקבות מה שהמשתמשים באמת צריכים.

פרטיות ואמון

יש נקודה קריטית שמרבית האנליסטים מפספסים – והיא הולכת להפוך לאחת השאלות הבוערות של השנים הקרובות: הפרטיות.

Brave Leo AI, צ’אטבוט מובנה בדפדפן Brave, שמציע תשובות חכמות תוך שמירה מלאה על פרטיות המשתמש וללא איסוף מידע אישי, מחזיק רק 0.2% נתח שוק, אבל צומח בקצב של 6% ברבעון. זה אולי נראה שולי – אבל תעצרו רגע ותשאלו את עצמכם בכנות: מה בדיוק הצ’אטבוט שלכם שומר? כמה מידע אישי, מקצועי, או רגיש אתם שופכים לתוך המערכת – בלי לדעת לאן הוא הולך? רוב האנשים עדיין לא שואלים את זה. אבל אלה שכן, כבר מצביעים ברגליים, ומתחילים לחפש אלטרנטיבות שמתייחסות אליהם לא רק כמשתמשים – אלא גם כבני אדם עם זכויות.

אם Perplexity מצטיין בדיוק – Brave מצטיין באמינות. וזה לא פחות חשוב. בשוק שבו כלים מתחרים על מהירות, עוצמה ופיצ’רים, Brave בונה יתרון אחר לגמרי: אמון. וזה מגדיר מחדש את מה שמשתמשים מתחילים לצפות מצ’אטבוט.

תובנות מעשיות

על בסיס כל הנתונים האלה – הנה העצות הכי כנות שאפשר לתת לכם:

• אם אתם משתמשים עסקיים – תנו ל-Claude AI הזדמנות. הם מתמחים בעבודה עם מסמכים, תהליכים ונתונים רגישים.
• אם אתם מחפשים דיוק ומקורות – נסו את Perplexity. הוא לא סתם עוד צ’אט – הוא נבנה להיות מדויק, תכליתי, ומגובה במקורות אמינים. וזה מורגש.
• אם הפרטיות חשובה לכם – בדקו את Brave Leo. הוא אולי קטן, אבל לפעמים, דווקא הכלים שמוותרים על דאטה הם אלה שמכבדים אתכם באמת.

ולכולם – ChatGPT הוא עדיין כלי חזק, אבל העולם לא נשאר חד-צדדי. אל תבנו על צ’אטבוט אחד שיעשה הכול. תתחילו לבנות סל כלים. לא בגלל שזה נחמד – אלא כי זו הדרך הכי חכמה לעבוד היום עם בינה מלאכותית.

מה יקרה הלאה?

אני לא באמת יודע, אבל כשאני בוחן את הנתונים ואת המגמות של 2025, שלושה שינויים גדולים בולטים לעין – והם כבר מתרחשים מולנו. השוק הולך ומתפצל – משתמשים מפסיקים להסתפק בכלי אחד, ומתחילים להרכיב לעצמם “סל כלים” שמותאם לצרכים שונים. כלים מתמחים עוקפים את הכלליים – כי כשהמטרה היא לדייק, לפתור בעיה מסוימת או לחסוך זמן, כלים כלליים פשוט לא מספקים את הסחורה. ובמקביל, הפרטיות הופכת לגורם מבדל משמעותי – בדיוק כמו שקרה בעבר עם דפדפנים כמו Brave או Firefox, גם בצ’אטבוטים מתחילים לחפש את מי שלא אוסף הכל. וזה כבר לא שאלה של “אם” – אלא של “מתי”. והמתי הזה הוא ממש עכשיו.

השורה התחתונה

שוק הצ’אטבוטים עובר אבולוציה. השליטה של ChatGPT עדיין ברורה – אבל היא נשחקת בקצב מואץ. Google ו-Microsoft נאבקות לשמור על הרלוונטיות שלהן. והעתיד? הוא שייך לכלים שלא מנסים לעשות הכול, אלא מתמקדים בפתרון מדויק לבעיה אמיתית. אז אל תשימו את כל הביצים שלכם בסל אחד. או בשפת הבינה המלאכותית – אל תשימו את כל הטוקנים שלכם על מודל אחד. המהלך החכם הוא להתחיל לבנות סל כלים אסטרטגי. לא כי זה “מגניב לנסות” – אלא כי זו המציאות החדשה. הכוח האמיתי הוא לא בזה שיש לנו AI – אלא בזה שאנחנו יודעים לבחור את הכלי הנכון, בזמן הנכון, למשימה הנכונה.

אז מה הצעד הבא שלכם? תבחרו כלי אחד מתמחה, תנו לו שבוע של ניסוי אמיתי, ותראו אם הוא מביא לכם ערך. הנתונים אומרים שכן. עכשיו תורכם לבדוק.

הפוסט מי מנצח ומי מפסיד במלחמות הצ’אטבוטים 2025? הופיע ראשון בLet's AI בינה מלאכותית

מי זה מאנוס?

מאנוס הוא סוג חדש של סוכן אוטונומי – “טייס אוטומטי” למשימות מורכבות. מדובר בפלטפורמה שפותחה על ידי חברת Butterfly Effect הסינית, בגיבוי Tencent, שמבקשת לשנות את הדרך בה אנחנו עובדים עם בינה מלאכותית. המערכת לא רק מגיבה לפקודות, אלא מנהלת תהליכים שלמים מקצה לקצה: הפקת דוחות, בניית אתרים, יצירת וידאו, ניתוח נתונים, ניהול מלאי ועוד.

מאנוס (manus) פועלת על בסיס שילוב בין מודלים סיניים מתקדמים – כמו Qwen של עליבאבא – לבין מודלים מערביים, תוך שמירה על שקיפות מלאה. בכל משימה מוצג “חלון מחשב” שבו ניתן לעקוב אחר כל צעד שהסוכן מבצע – ממש כמו מתמחה דיגיטלי שמתייעץ אתכם תוך כדי תנועה. יתרון חשוב נוסף הוא שהיא גם זוכרת. למערכת יש זיכרון מתמשך, שמאפשר לה ללמוד ממשימות קודמות, להתאים את עצמה להעדפות המשתמש, ולשפר את הביצועים לאורך זמן.

כל החידושים שהופכים את מאנוס לכלי עבודה אמיתי

מאנוס מצגות

אחת מהיכולות שזכו לעדכון משמעותי היא הפקת מצגות אוטומטיות. מאנוס מסוגל לבנות תוך דקות מצגת עסקית, שיווקית או לימודית – כולל כותרות, תוכן, גרפים ועיצוב מקצועי, עם אפשרות ייצוא ל-PowerPoint או PDF. מספיקה שורת הנחיה כמו: “בנה מצגת על מגמות שוק הנדל”ן בישראל”, והמערכת תספק חבילת שקפים מוכנה לשימוש – לעיתים אפילו עם מקורות נתונים ודיאגרמות.

היתרון? מאנוס לא רק מייצר מצגות יפות – הוא מבין את המטרה. הוא מתאים את הסגנון לקונטקסט: חדר ישיבות, שיעור, או דף שיווקי ברשת. רוצים לשנות משהו? לחיצה אחת תפתח עורך נוח ואינטואיטיבי, שמאפשר שליטה כמעט מלאה על התוצאה.

ממילים לסיפור ויזואלי שלם

היכולת להפיק סרטון מלא מפרומפט אחד היא מהחידושים הבולטים של מאנוס – והיא משנה את חוקי המשחק בעבודה עם הסוכן. במקום לכתוב תסריט, לערוך, לעצב ולסנכרן – מאנוס עושה את הכל בעצמו. הוא לוקח רעיון טקסטואלי, בונה תסריט, מתרגם אותו, מתכנן סצנות, מוסיף קריינות, מייצר גרפיקה – ומגיש תוצר סופי מוכן לשיתוף. הפיצ’ר הזה כבר זמין למנויי Basic, Plus ו-Pro, ובקרוב ייפתח גם ליתר המשתמשים.

החידוש העוצמתי ביותר? שילוב עם אחד ממודלי הווידאו המתקדמים ביותר כיום – Veo3 מבית גוגל. מאנוס מאפשרת הפקת סרטונים באיכות 4K עם תאורה, דיאלוגים, אפקטי קול ותנועות מצלמה חכמות, לצד אפשרות לקבוע סגנון קולנועי מותאם אישית – טרנטינו, היצ’קוק או כל סגנון אחר שתבחרו. השילוב בין יכולת הסיפור האוטונומית לבין הכוח הוויזואלי של Veo3 הופך את מאנוס לכלי כמעט יחיד מסוגו: לא יוצר סרטונים – אלא במאי דיגיטלי שעובד עבורכם.

מחקר שוק וניתוח עסקי – בלחיצה אחת

כחלק מהשדרוגים האחרונים, מאנוס מציעה כלי מחקר וניתוח אסטרטגי שמבצע עבורכם את כל הדרך מבעיה לשקף ניהולי. המערכת מזהה באופן אוטומטי את המסגרת האסטרטגית הרלוונטית – SWOT, מודל קנבאס, PESTEL או אחרים – בהתאם לשאלה שלכם. לאחר מכן היא מבצעת מחקר שוק, מנתחת נתונים, ומפיקה דוח מקצועי עם גרפים, תובנות, והמלצות, הכול בתוך ממשק ברור ויזואלי – כולל אתר שיתוף מוכן לצוות. רק הקלידו שאלה כמו: “מהם אתגרי הכניסה של סטארטאפ בתחום האגרו-טק בצפון אמריקה?”, ומאנוס תבנה עבורך מסגרת אסטרטגית שלמה עם מקורות מידע, טיעונים ותרשימים. לא עוד תבניות ריקות או ניסיונות לנחש מה חסר – מאנוס הופכת את הסקרנות שלכם לבסיס פעולה מיידי.

מחיפוש תמונות ליצירת תוכן ויזואלי

במאנוס, חיפוש תמונות הוא לא רק שלב – הוא חלק מתהליך יצירתי שלם. המערכת מאתרת תמונות מדויקות ורלוונטיות לפרויקט שלכם, אבל לא עוצרת שם: היא יודעת לשלב אותן במצגות, אתרים, חומרים שיווקיים וסיפורים ויזואליים שלמים. במקום לספק תוצאות חיפוש גנריות, מאנוס מציעה הקשר, עיצוב, ויכולת לייצר חוויית תוכן אמיתית מתוך תמונה אחת. זו לא רק חדשנות – זו חשיבה מחודשת על המקום של מדיה ויזואלית בתוך תהליך עבודה שלם.

יצירת תמונות כחלק מתהליך

מאנוס לא מתייחסת לתמונה כתוצאה סופית, אלא ככלי בתוך תהליך גדול יותר. במקום פשוט לייצר תמונה מתוך פרומפט, המערכת מבינה את המטרה הכוללת, ואז בונה סביב התמונה פתרון שלם: קונספט, סגנון, שילוב בתוכן נוסף, ותיאום בין רכיבים ויזואליים. זו הגישה ההוליסטית שמייחדת את מאנוס מכלי דמיון רגילים. לדוגמה: אם תבקשו לבנות קמפיין שיווקי, מאנוס תיצור עבורכם לוגו, תמונות מוצר, באנרים, וחומרי פרסום – הכול בתיאום מושלם, ובתוך אותו תהליך זרימה אוטונומי.

אוטומציה חכמה ואינטגרציות מתקדמות

מאנוס מאפשרת חיבור חלק למגוון כלים חיצוניים דרך API או ממשקי Webhook, להפעלת תהליכים עסקיים אוטונומיים – כמו ניהול לקוחות, מלאי, שירות לקוחות, הפקת דוחות ושליחתם – והכל משלב ביצוע ומעקב בזמן אמת. הפלטפורמה מסוגלת להריץ את כל התהליך בעצמה, עם אפשרות להתערבות אנושית במקרה הצורך – ממשק שליטה שמאפשר פיקוח מלא על זרימת העבודה .

למשתמש זה אומר:

• אוטומציה למשימות חוזרות – למשל, מעקב אחר מלאי לקוחות ושליחת התראה אוטומטית או הפקת דוחות תקופתיים בלי התערבות שלך.

• שילוב מערכות – כמו Zapier, Make, או ממשקים פנימיים של ארגון, כדי ליצור זרימות עבודה אינטגרטיביות, בין תכנון אסטרטגי לבין ביצועים עסקיים אמיתיים.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

כשמאנוס מתחיל לעבוד בשבילכם – ארבעה יוזקייסים

1. להפוך כל תמונה ליצירת אמנות

לא כל תמונה מתחילה כמושלמת – אבל מאנוס יודעת להפוך גם את המבולגנת ביותר לפוסטר מרשים, מוכן להדפסה או שיתוף. בין אם תצלמו שולחן עמוס, נעליים זרוקות או אפילו טישו מקומט -המערכת יודעת לזהות פוטנציאל ויזואלי, לארגן קומפוזיציה מחדש, ולהפוך את התמונה שלכם לעיצוב שכאילו יצא מסטודיו מקצועי. בלי פוטושופ, בלי תבניות, ובלי לגעת בכלי גרפי – פשוט להעלות תמונה ולתת לבינה המלאכותית לעבוד בשבילכם. היא רואה כמו מעצב, ומייצרת תוצאה שלא תאמינו שיצאה מתמונה יומיומית.

2. להפוך טקסט לתובנות עסקיות

כשיש לכם מאות תגובות של לקוחות – קל לטבוע בפרטים. מאנוס יודעת להפוך את הרעש הזה למפת תובנות שימושית. המערכת סורקת טקסטים חופשיים כמו ביקורות, סקרים או פידבק מהשטח – ומארגנת אותם אוטומטית לפי פרסונות משתמש, צרכים חוזרים, בעיות נפוצות ותובנות מוצר. הכול מוגש בדוח תמציתי, עם גרפים והדגשות – כדי שתוכלו לקבל החלטות אמיתיות, לא רק תחושת בטן. מה שבעבר דרש שעות של קריאה וסיכום – עכשיו הופך לפעולה שלוקחת דקות.

3. ניתוח, השוואה וחיזוי נתונים 

כשנתונים מצטברים – קל ללכת לאיבוד. מאנוס יודעת להפוך גליונות, טבלאות או כמויות מידע לא מסודר לתובנות ברורות ואקטיביות. בין אם מדובר בביקורות לקוחות, ביצועים של שחקנים, או מגמות שוק – המערכת מזהה דפוסים, מחלקת קטגוריות, ומפיקה גרפים, מסקנות ואפילו המלצות.

שלוש דוגמאות מהשטח:

• ניתוח ביקורות מוצרים באמזון – הבנת נקודות חוזקה וחולשה לפי קבוצות משתמשים.

• השוואת ביצועי שחקני NBA – הפקת מדדים חזותיים וסטטיסטיקות לאורך זמן.

• חיזוי מחירי דיור – שימוש בנתונים היסטוריים לבניית מודל תחזית.

הכול קורה בלי נוסחאות, בלי אקסלים מסובכים – רק הקלט הנכון, והמערכת עושה את השאר.

4. לכתוב ביקורת ספרות בלי לבזבז שבועות

כתיבת ביקורת ספרותית יכולה לגזול ימים – לפעמים שבועות. מאנוס חוסכת את הזמן הזה ומפיקה עבורך תמצית ברורה, מסודרת וניתנת לניתוח – בזמן קצר ובלי לוותר על עומק. בין אם את דוקטורנטית שמגבשת עבודת גמר, עורך דין שחוקר תקדימים, או צוות R&D שמנסה להבין מגמות טכנולוגיות – פשוט הזינו את נושא המחקר, והמערכת תנתח עבורכם עשרות מאמרים מדעיים, משפטיים או טכנולוגיים. תוך דקות תקבלו:

• גיליון אקסל מסודר.

• מפת מושגים.

• וסיכומים תמציתיים לפי קטגוריות, תמות או תחומי מחקר.

כך תוכלו לעבור מקריאה מייגעת למחקר שמתקדם באמת.

חוזקות ומגבלות של מאנוס

במה מאנוס חזק במיוחד?

מה שהופך את מאנוס ליותר מכלי AI רגיל הוא היכולת שלו לבצע משימות מורכבות מקצה לקצה – מבלי לפצל את התהליך לחלקים מנותקים. הוא יודע לתכנן, לחקור, לנתח נתונים, לבנות אתרים, להפיק דוחות – והכול באופן שמרגיש כמעט טבעי, כאילו יש לכם עוזר אישי חכם בצד. בזירת הווידאו, השילוב עם Veo3 מעניק למשתמשים יכולת נדירה: להפיק סרטונים באיכות גבוהה עם סאונד מסונכרן, דיאלוגים ואפקטים מתקדמים – בלי צורך בצוות הפקה. גם ביצירת תמונות מאנוס בולטת – לא רק מבחינת איכות, אלא בזכות השילוב שלהן בתוך קמפיינים, עיצובים או תוצרים שלמים כחלק מגישה הוליסטית.

ברקע, פועלים גם מנועי אוטומציה עסקית: חיבור למערכות קיימות, ניהול מלאי, הפקת דוחות שוטפים ותמיכה במגוון שפות – מה שמאפשר להפוך תהליכים שלמים לאוטונומיים. וכל זה משתפר עם הזמן: מאנוס לומדת מכל משימה, מתאימה את עצמה להעדפות המשתמש, ומדייקת ביצועים ככל שמשתמשים בה יותר.

מגבלות שחובה להכיר

למרות כל ההבטחות, מאנוס היא לא קסם – ויש דברים שעדיין דורשים זהירות, התאמה וציפייה ריאלית. משימות פשוטות דווקא עלולות להכשיל אותה. הזמנת טיסות, חיפוש מסעדות, או פעולות יומיומיות באינטרנט – לפעמים נראות למערכת כמו בעיות מורכבות מדי או כלליות מדי. במקום לחסוך זמן, היא עלולה לסרבל.

גם בעברית לא הכול חלק: אמנם אפשר לעבוד עם הממשק ולייצר תכנים לא רעים בכלל, אבל במצגות, עיצובים או טקסטים מורכבים – נתקלים לעיתים בכיווניות לא נכונה, ניסוחים משובשים או שילוב מוזר בין עברית לאנגלית. זה לא Deal Breaker – אבל בהחלט דורש בדיקה.

ומה לגבי פרטיות? זו אולי הנקודה הכי רגישה. מאנוס מופעלת על ידי חברה סינית, והנתונים שנכנסים אליה כפופים לחוקי הפרטיות הסיניים – לא לאירופאיים, ולא לאמריקאיים. לכן, חשוב להימנע מהעלאת מידע רגיש: מסמכים אסטרטגיים, תוכניות עסקיות, מסמכים משפטיים – כל דבר שלא היית שולח בלי מחשבה שנייה.

ואולי הכי חשוב, מאנוס יכולה להיראות כמו עוזר אישי מושלם, אבל היא עדיין לא מחליפה שיקול דעת אנושי. במיוחד כשמדובר בפרויקטים קריטיים, תוצרים סופיים, או מידע שנשלח החוצה – כדאי לבדוק, לדייק, ולוודא שהכול במקום.

המחיר האמיתי – כסף, זמן ופרטיות

כמו בכל כלי חזק, גם כאן יש תג מחיר – לא רק בדולרים.

בצד הכלכלי, מאנוס מציעה שלוש תכניות מנוי חודשיות, כולן כוללות 300 קרדיטים יומיים וגישה לכלי הליבה של הפלטפורמה:

• Basic ($19 לחודש) – כולל 1,900 קרדיטים בחודש + 1,900 נוספים בהצעת השקה מוגבלת. תומך בהרצת שתי משימות במקביל, עם יציבות משופרת וזמינות מועדפת בשעות עומס.

• Plus ($39 לחודש) – מכפיל את כמות הקרדיטים ל-3,900 + 3,900 נוספים. מציע את אותה רמת יציבות, תיעדוף וגמישות כמו ה-Basic, אך מתאים למשתמשים אינטנסיביים יותר.

• Pro ($199 לחודש) – כולל 19,900 קרדיטים בחודש + 19,900 בונוס. תומך בהרצת עד 5 משימות במקביל, כולל גישה ל-“High-effort mode” ופיצ’רים נסיוניים נוספים. הבחירה למשתמשים מקצועיים, צוותים, או תהליכים מורכבים במיוחד.

כל התכניות כוללות גישה מוקדמת לפיצ’רים, הקשר ארוך יותר בשיחות, ויציבות משופרת עם משאבים ייעודיים.

כמה זה עולה לכם?

אבל כסף הוא לא המחיר היחיד. יש גם את מחיר הזמן. ההבטחה של מאנוס היא לחסוך שעות עבודה – ולעיתים הוא עומד בזה. אבל משימות מורכבות דורשות ניסוי וטעייה, התאמות והבנה של המערכת. לא תמיד זה עובד “בפעם הראשונה”. מצד שני, כשזה כן עובד – זה מרגיש כאילו חסכתם יום שלם בתוך רבע שעה.

והמחיר המשמעותי ביותר? פרטיות. כבר הזכרנו את זה בפסקת המגבלות – מאחורי מאנוס עומדת חברה סינית, והמשתמשים כפופים לחוקי הפרטיות של סין. המשמעות פשוטה: אם אתם עובדים עם מידע עסקי רגיש, קניין רוחני, תכניות אסטרטגיות או חומרים משפטיים – עצרו וחשבו היטב לפני שאתם מעלים אותם לפלטפורמה. מאנוס לא מסתירה את זה – אבל האחריות בסוף על המשתמש. לדעת איפה עובר הגבול, זה חלק בלתי נפרד מהשימוש הנבון.

טיפים פרקטיים להתחלה

אם זו הפעם הראשונה שלכם עם מאנוס, כדאי להתחיל בקטן ולבנות את הביטחון בהדרגה. נסו משימה פשוטה: יצירת מצגת, דוח SWOT או הפקת סרטון קצר. זו דרך טובה להרגיש את היכולות – וללמוד איך הסוכן מגיב לצרכים שלכם. בשלב הזה, חשוב לעבור על התוצרים בעין ביקורתית – במיוחד אם הם בעברית או נוגעים לתוכן רגיש. אל תסמכו בעיניים עצומות על אוטומציה, גם אם היא מרשימה. שמרו תמיד עותקים מחוץ לפלטפורמה – גם כדי למנוע אובדן מידע, וגם כדי שתוכלו להשוות ולשפר. ככל שתכירו את הכלי ותבינו את נקודות החוזק והחולשה שלו, תוכלו לעבור למשימות מורכבות יותר – ניתוח נתונים, הפקת תוצרים שיווקיים שלמים, או אוטומציה עסקית מתקדמת.

מאנוס גם בנייד 

מאנוס זמינה כעת גם באפליקציית iOS רשמית, שמאפשרת לעקוב אחר משימות שרצות – גם כשאתם לא מול המחשב. האפליקציה לא מיועדת להרצת תהליכים מורכבים, אבל כן מספקת ניטור בסיסי ונוח כשאתם בתנועה.

מומלץ להתנסות, בזהירות

מאנוס הוא אחד הכלים הכי שאפתניים שצצו לאחרונה בעולם ה-AI, והוא מצליח להרשים. אבל הוא עדיין לא מושלם: יש רגעים של חוסר יציבות וסימני שאלה אמיתיים סביב פרטיות. ובכל זאת, אם אתם סקרנים, אין שום סיבה לא לנסות. הקרדיטים החינמיים יספיקו למספר משימות, ואולי תופתעו מהתוצאה. תתחילו בקטן, תבדקו לעומק, ותמשיכו רק אם באמת מצאתם ערך. זכרו – מאנוס הוא לא תחליף מלא לכלים הקיימים, אלא תוספת חזקה לארגז הכלים שלכם. לצד פתרונות יציבים כמו ChatGPT או Claude, הוא יכול לפתוח עבורכם אפשרויות חדשות שלא היו על השולחן עד היום. האם זה הפתרון המושלם? לא. אבל האם הוא יכול לחסוך שעות, לעזור לכם לחשוב אחרת ולהעניק לכם הצצה חיה למה שה-AI של מחר מסוגל לעשות – היום.

הפוסט החידושים שאתם חייבים להכיר ב-Manus הופיע ראשון בLet's AI בינה מלאכותית