איך משתמשים בבינה מלאכותית - מדריכים בעברית למתחילים ומתקדמים | Let's AI בינה מלאכותית https://letsai.co.il/articles/tutorials/ בינה מלאכותית Fri, 12 Dec 2025 15:00:32 +0000 he-IL hourly 1 https://wordpress.org/?v=6.8.3 https://letsai.co.il/wp-content/uploads/2024/03/cropped-logo-lets-ai-32x32.webp איך משתמשים בבינה מלאכותית - מדריכים בעברית למתחילים ומתקדמים | Let's AI בינה מלאכותית https://letsai.co.il/articles/tutorials/ 32 32 עיצוב אפליקציות ואתרים עם Stitch של Google https://letsai.co.il/google-stitch/ https://letsai.co.il/google-stitch/#respond Sat, 13 Dec 2025 06:07:21 +0000 https://letsai.co.il/?p=66000 תגידו את האמת – כמה פעמים היה לכם רעיון לאפליקציה או אתר, ציירתם אותו על דף, ואז נתקעתם? המעבר מ”רעיון בראש” ל”עיצוב בפיגמה” ומשם ל”קוד עובד” הוא בדרך כלל תהליך ארוך, יקר ומתיש. אז גוגל החליטה לשבור את הכלים. הכירו את Stitch (או “תפר”, אם אתם מתעקשים על עברית) – הכלי החדש מבית Google Labs […]

הפוסט עיצוב אפליקציות ואתרים עם Stitch של Google הופיע ראשון בLet's AI בינה מלאכותית

]]>
תגידו את האמת – כמה פעמים היה לכם רעיון לאפליקציה או אתר, ציירתם אותו על דף, ואז נתקעתם? המעבר מ”רעיון בראש” ל”עיצוב בפיגמה” ומשם ל”קוד עובד” הוא בדרך כלל תהליך ארוך, יקר ומתיש. אז גוגל החליטה לשבור את הכלים. הכירו את Stitch (או “תפר”, אם אתם מתעקשים על עברית) – הכלי החדש מבית Google Labs שהולך לשנות את הדרך שבה מעצבים ומפתחים עובדים. Vibe Coding במיטבו – אתם מתארים מה אתם רוצים שהוא יבנה, באמצעות הנחיות בשפה טבעית, והוא בונה את המסכים, הכפתורים והממשקים. את הכל ניתן לייצא בקלות כקוד ולהמשיך לעצב ולפתח בפיגמה או בכלים אחרים.

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

מה זה בעצם Stitch? 

במילים פשוטות: זהו כלי מבוסס בינה מלאכותית (Generative AI) שלוקח טקסט או תמונה והופך אותם לממשק משתמש (UI) מעוצב, ואפילו לקוד Front-end מוכן. ככה זה הנראה בלייב:

 

אבל זה לא עוד “מחולל תמונות” כמו מידג’רני. ההבדל הגדול הוא ש-Stitch לא סתם יוצר תמונה יפה ושטוחה (“PNG”), אלא מבין את המבנה של העיצוב. הוא יודע להוציא לכם את זה כשכבות עריכה ל-Figma או כקוד HTML/CSS נקי (יחסית) שמפתחים יכולים ממש להשתמש בו.

הכלי רץ על המודלים הכי חדשים של גוגל (לרבות Gemini 3), מה שאומר שהוא מבין הקשר, עיצוב ומבניות בצורה מפחידה.

 

אפליקציית צ'טבוט

תראו מה קרה כשביקשנו ממנו לבנות אפליקציית צ’טבוט AI.

 

איך מתחברים לכלי וכמה זה עולה?

אפשר להשתמש בכלי בחינם באתר הרשמי.

כאמור, Stitch נכון לעכשיו הוא כלי נסיוני וחינמי. 

 

הפיצ’רים שמעיפים לנו את הסכך!

משרבוט לעיצוב (Sketch-to-UI)

ציירתם Wireframe מכוער על לוח מחיק? צילמתם שרבוט על דף? העלו את זה ל-Stitch, והוא יהפוך את זה לממשק דיגיטלי נקי ומודרני בשניות.

פרומפט לעיצוב (Text-to-UI)

פשוט תכתבו לו: “A movie streaming app for mobile, dark mode with neon accents”, ובום – יש לכם מסכים מוכנים.

 
רשמו לו מה תרצו שהוא יעצב לכם ובום - יש לכם עיצוב מושלם בקליק.

רשמו לו מה תרצו שהוא יעצב לכם ובום – יש לכם עיצוב מושלם בקליק.

 

Export ל-Figma

ה-גיים צ’יינגר האמיתי. בלחיצת כפתור אתם מעבירים את העיצוב לפיגמה עם Auto-layout ושכבות מסודרות. מעצבים, אתם שומעים את זה? חסכתם עכשיו שעות של “עבודה שחורה”.

קוד מוכן למפתחים

רוצים לראות איך זה נראה בדפדפן? Stitch מוציא לכם קוד HTML ו-Tailwind CSS שתוכלו להעתיק ולשחק איתו.

עריכה בשיחה

לא אהבתם את הצבע? הפונט קטן מדי? פשוט תגידו לו בצ’אט: “Make the buttons rounded and blue”, והוא יעדכן את העיצוב בזמן אמת.

 

מצב Preview

רוצים “להרגיש” את העיצוב שלכם בלייב? בקשו מסטיץ’ לבנות לכם אב-טיפוס (Prototype) שיפיח בעיצוב שלכם חיים, וייתן להם “לשחק” בפיצ’רים השונים שהוא בנה או עיצב לכם.

 

Export ל-Google AI Studio

רוצים להפוך את העיצוב לאפליקציה אמיתית – כזו שבאמת עובדת? לחצו על ייצוא לסטודיו ה-AI של גוגל (Google AI Studio) מה שיאפשר לכם לבנות בפועל את הכלי המבוקש. מטורף!!

 

למי זה מתאים? (Use Case) 

בואו נדמיין סיטואציה קלאסית: אתם יזמים או מנהלי מוצר. יש לכם רעיון לפיצ’ר חדש. במקום לחכות למעצב שיתפנה בעוד שבועיים, אתם נכנסים ל-Stitch, מתארים את הרעיון או מעלים סקיצה גסה. תוך 2 דקות יש לכם 3 וריאציות של מסכים. אתם בוחרים את הטובה ביותר, מייצאים לפיגמה, עושים פינישים קטנים ושולחים למפתח יחד עם הקוד הראשוני. קיצרתם תהליך של שבועיים לשעתיים.

 

או לחלופין – אתם פשוט חולמים על אפליקציה או רוצים לשייף ולדייק את ה-UI של המוצר או הכלי שלכם, אבל אין לכם ידע בעיצוב. מה הבעיה?! פשוט מסבירים לסטיץ’ איך אתם רוצים שהמוצר שלכם יראה, והוא כבר יעשה את השאר.

 

 

טיפים לכתיבת פרומפטים אפקטיבית ב-Stitch

אחד הגורמים המשפיעים ביותר על איכות התוצרים ב-Stitch הוא אופן ניסוח הפרומפטים. הכלי מגיב בצורה שונה מאוד לבקשות כלליות לעומת הנחיות מדויקות, ולכן חשוב להבין כיצד לגשת לתהליך כבר מהשלב הראשון, ואיך ללטש את האפליקציה לאורך הדרך.

 

1) התחלת פרויקט: מרעיון כללי לפרטים מדויקים

  • בשלב ההתחלתי ניתן לבחור בין פרומפט רחב לבין תיאור מפורט יותר. כאשר מדובר באפליקציות מורכבות, לרוב נכון להתחיל ברמה הקונספטואלית, ורק לאחר מכן לרדת בהדרגה למסכים, רכיבים ופיצ’רים ספציפיים.
  • פרומפטים כלליים מתאימים בעיקר לשלב החקר וההשראה, למשל תיאור בסיסי של סוג האפליקציה או קהל היעד שלה. לעומת זאת, פרומפטים מפורטים יותר מאפשרים ל-Stitch לייצר תוצאה ממוקדת כבר מהג’ינרוט הראשון, עם הגדרה ברורה של פונקציונליות, שימושים מרכזיים והקשר בין רכיבים שונים במוצר.
  • מרכיב חשוב נוסף כבר בשלב זה הוא הגדרת האווירה הכללית של האפליקציה. שימוש במילים שמתארות תחושה, סגנון או אופי משפיע ישירות על בחירות העיצוב של Stitch, החל מפלטת הצבעים, דרך הפונטים ועד לשפה הוויזואלית הכללית. אפליקציה המתוארת כאנרגטית ומעודדת תיראה שונה לחלוטין מאפליקציה מינימליסטית ושקטה, גם אם הפונקציונליות הבסיסית דומה.

 

2) עידון ושיפור באיטרציות ממוקדות

  • לאחר יצירת הבסיס, העבודה היעילה ביותר עם Stitch נעשית באמצעות איטרציות קטנות וממוקדות. במקום לבקש שינויים רחבים בכל האפליקציה, מומלץ להתמקד במסך אחד בכל פעם ולבצע שינוי אחד או שניים בלבד בכל פרומפט.
  • הנחיות ברורות ומדויקות משפרות משמעותית את התוצאה. חשוב לציין לא רק מה לשנות, אלא גם כיצד, למשל מיקום של רכיב מסוים, גודל כפתור או שימוש בצבע מותג ספציפי. גישה זו מאפשרת שליטה טובה יותר בתהליך ומקלה על תיקון והתאמה במקרה שהתוצאה הראשונית אינה מדויקת.
  • הדבר נכון במיוחד במסכי מוצר או מסכים מורכבים יותר, שבהם שילוב של סגנון עיצובי, צבעוניות, טיפוגרפיה ותוכן ויזואלי יוצר את החוויה הכוללת. תיאור ברור של הקונספט העיצובי, גם במילים פשוטות, מסייע ל-Stitch להבין את הכיוון הרצוי.

 

3) שליטה בעיצוב הכללי ובשפה הוויזואלית

  • מעבר לשינויים נקודתיים, Stitch מאפשר שליטה רחבה על העיצוב הכללי של האפליקציה. ניתן לבקש שינוי צבעים מדויק, כמו צבע מותג מסוים, או להגדיר תחושה כללית של פלטת צבעים חמה, קרה, כהה או מזמינה.
  • גם לפונטים ולאלמנטים גרפיים יש השפעה משמעותית. בחירה בין פונטים מסוג סריף או סנס-סריף, עיגול פינות של כפתורים, או הוספת מסגרות לשדות קלט, כל אלה משפיעים על תחושת המוצר ועל רמת הבשלות העיצובית שלו. כאשר משלבים כמה מאפיינים יחד, כדאי לרכז אותם בפרומפט אחד ברור שמגדיר את הקו העיצובי הרצוי.

4) עבודה מדויקת עם תמונות

  • תמונות הן מרכיב מרכזי בחוויית המשתמש, וגם כאן רמת הדיוק בפרומפט קובעת את איכות התוצאה. שינוי גורף, כמו עדכון רקע לכל תמונות המוצרים, דורש ניסוח שונה משינוי נקודתי בתמונה מסוימת במסך ספציפי.
  • כאשר מבצעים שינוי בעיצוב הכללי של האפליקציה, חשוב לציין אם יש צורך להתאים גם את התמונות, האיורים והאייקונים לפלטת הצבעים או לאווירה החדשה. תיאום כזה מונע חוסר אחידות ויוצר חוויה ויזואלית מגובשת יותר.

 

5) שינוי שפה וטקסטים באפליקציה

Stitch מאפשר גם שינוי רוחבי של שפת הטקסטים באפליקציה באמצעות פרומפט פשוט וברור. כאשר מבקשים לתרגם את כל הטקסטים והכפתורים לשפה אחרת, הכלי מבצע זאת באופן אחיד, מה שחוסך עבודה ידנית במסכים בודדים.

 

 

לא גיים צ’יינג’ר – אבל אחלה כלי בארגז הכלים!

בסופו של דבר, עבודה מוצלחת עם Stitch נשענת על כמה עקרונות פשוטים: ניסוח ברור ותמציתי, שינוי אחד מרכזי בכל פעם, שימוש במונחי UI ו-UX מוכרים, והפניה מדויקת לאלמנטים ספציפיים בממשק. כאשר תוצאה מסוימת אינה תואמת את הציפיות, לרוב אין צורך להתחיל מחדש, אלא רק לחדד את הניסוח ולהיות ממוקדים יותר בבקשה הבאה. גישה כזו מאפשרת למצות את היכולות של Stitch לאורך זמן, ולהפוך את תהליך העיצוב והאיטרציה ליעיל, נשלט ובעיקר צפוי יותר.

 

Stitch הוא עדיין כלי ניסיוני, וזה לא Lovable, אז אל תצפו ממנו להחליף את המעצב שלכם מחר בבוקר. אבל הוא כלי מטורף ל-Prototyping מהיר, להשראה, ולסגירת הפער המעצבן שבין “מה שציירתי” ל”מה שבנינו”. זה חינם, זה מהיר, וזה של גוגל (ולאחרונה הולך להם לא רע). רוצו לשחק עם זה לפני שזה נהיה בתשלום.

הפוסט עיצוב אפליקציות ואתרים עם Stitch של Google הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-stitch/feed/ 0
איך בינה מלאכותית משנה את העבודה באנטרופיק – ומה זה אומר על העתיד שלנו https://letsai.co.il/ai-transforming-work-anthropic/ https://letsai.co.il/ai-transforming-work-anthropic/#respond Tue, 09 Dec 2025 07:46:13 +0000 https://letsai.co.il/?p=65652 אם רוצים להבין איך תיראה העבודה של מהנדסים ואנשי ידע בעוד כמה שנים, כדאי להסתכל על מה שקורה היום באנטרופיק. זו לא מצגת חזון על “עתיד העבודה”, אלא תיאור יחסית נדיר של מה קורה כש-AI נכנס עמוק ליום עבודה אמיתי, אצל האנשים שבונים את המודלים בעצמם. אנטרופיק, החברה שפיתחה את Claude, סקרה כ-132 מהנדסים, ערכה […]

הפוסט איך בינה מלאכותית משנה את העבודה באנטרופיק – ומה זה אומר על העתיד שלנו הופיע ראשון בLet's AI בינה מלאכותית

]]>
אם רוצים להבין איך תיראה העבודה של מהנדסים ואנשי ידע בעוד כמה שנים, כדאי להסתכל על מה שקורה היום באנטרופיק. זו לא מצגת חזון על “עתיד העבודה”, אלא תיאור יחסית נדיר של מה קורה כש-AI נכנס עמוק ליום עבודה אמיתי, אצל האנשים שבונים את המודלים בעצמם. אנטרופיק, החברה שפיתחה את Claude, סקרה כ-132 מהנדסים, ערכה 53 ראיונות עומק וניתחה בערך 200 אלף סשנים של Claude Code כדי להבין איך העבודה שלהם משתנה. לפי הדיווח של המהנדסים, Claude מעורב היום בכ-60% מהעבודה שלהם, והם מדווחים על עלייה ממוצעת של כ-50% בפרודוקטיביות בהשוואה לעבודה בלי AI. שנה קודם, השימוש היה סביב 28% מהעבודה והעלייה בפרודוקטיביות הוערכה בכ-20%.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

לפני שממשיכים, חשוב לזכור את המסגרת: זה מחקר פנימי של חברה מסחרית, על מהנדסים שהם משתמשים מתקדמים במיוחד, והמדדים מבוססים ברובם על דיווח עצמי. אין כאן מדידה אובייקטיבית של תפוקה לאורך שנים, אלא צילום מצב עשיר של איך אנשים מרגישים ועובדים בתוך אחד מארגוני ה-AI הכי מתקדמים. ובדיוק בגלל זה, מה שקורה שם הוא כנראה הצצה מוקדמת למה שעוד יגיע לשאר השוק.

לא רק לחסוך זמן – לעשות עבודה שלא הייתה קיימת

הנתונים היבשים מספרים סיפור אחד. העדויות מהשטח מספרות סיפור קצת אחר.

 

על פניו, המספרים מרשימים – יותר שימוש ב-AI, קפיצה בתחושת הפרודוקטיביות, ואפילו קבוצה של כ-14% מהנדסים שמתארים קפיצה של יותר מפי 2 בתפוקה. אבל כשמסתכלים על איך המהנדסים מתארים את היום יום, מתגלה ניואנס חשוב – זה פחות “אני עושה את אותה עבודה בחצי זמן”, ויותר “אני מספיק הרבה יותר דברים שלא היו נכנסים לי בכלל ללו״ז”.

 

השפעת Claude על זמן לעומת תפוקה

השפעת Claude על זמן לעומת תפוקה | Anthropic

 

בערך 27% מהעבודה שנעשית היום עם Claude, לפי הסקר, פשוט לא הייתה נעשית בלעדיו. מהנדסים מדברים על:

  • תיקון באגים קטנים ומעצבנים שהיו נדחים שוב ושוב.

  • בנייה של כלים פנימיים ודאשבורדים שמשפרים את החיים בצוות, אבל אף פעם לא נכנסו ל”עדיפויות”.

  • עבודת חקר טכנית שלא הייתה כדאית אם היו צריכים לבצע אותה ידנית.

חוקר אחד מתאר שהוא מריץ כמה מופעי Claude במקביל, שכל אחד בודק כיוון אחר לפתרון בעיה. הוא מסביר שאנשים חושבים על מודלים מתקדמים כמו על “מכונית מהירה יותר”, אבל בפועל זה יותר כמו “יש לך כוח סוס כמעט אינסופי לבדוק רעיונות”. זה שינוי לא רק בכמה מהר עובדים, אלא בכמה אפשר לנסות.

מהנדסים כמנהלי אורקסטרציה, לא רק ככותבי קוד

שינוי נוסף שמופיע שוב ושוב בראיונות הוא הרחבת תחומי המומחיות בפועל. הגבולות המסורתיים של “אני Backend”, “אני Frontend”, “אני רק מחקר” נפתחים. מהנדסי Backend מספרים איך הם בונים ממשקי משתמש מורכבים בעזרת Claude. חוקרים יוצרים ויזואליזציות נתונים ואוטומציות סביב הניסויים שלהם. צוותי אבטחה משתמשים ב-Claude כדי לקרוא ולנתח קוד שהם לא מכירים.

 

אחד המהנדסים מספר שהצליח, בעזרת Claude, לבנות ממשק משתמש ברמת איכות שבחיים לא היה מגיע אליה לבדו בזמן שהיה לו. המעצבים שאלו אותו אם הוא פתאום נהיה מומחה UI. הוא ענה את האמת: “Claude בנה, אני רק ניהלתי.” התפקיד זז לאט לאט מכותב קוד למנהל אורקסטרציה – זה שמפרק את הבעיה, מנסח את הדרישות למודל, בודק את הפלטים, מחבר אותם למערכת הקיימת ולוקח אחריות על התוצאה.

 

תדירות המשימות ב-Claude Code לפי קטגוריות

עלייה חדה במימוש פיצ’רים, תכנון ו-Front-End תוך חצי שנה | Anthropic

 

הנתונים מ-Claude Code מחזקים את זה. אנטרופיק מדווחת שבסשן טיפוסי, המודל מחזיק היום בערך פי שניים יותר “צעדים ברצף” לפני שהוא צריך קלט חדש מהמשתמש ביחס ללפני חצי שנה. שיעור המשימות שעוסקות בתכנון ועיצוב קוד עלה מאזור האחוז הבודד לכ-10%. מימוש פיצ’רים חדשים קפץ מכ-14% לכמעט 37% מהשימוש. המודל כבר לא רק “עוזר לכתוב פונקציה”, אלא מעורב בשלבים עמוקים יותר של בניית המוצר.

 

שיעור המהנדסים שמשתמשים ב-Claude מדי יום לכל קטגוריית משימה

שיעור המהנדסים שמשתמשים ב-Claude מדי יום לפי משימות | Anthropic

 

ועדיין, כששואלים את המהנדסים כמה מהעבודה הם יכולים “להאציל לגמרי” ל-Claude, רובם נשארים באזור 0-20 אחוז. הסיבה פשוטה – ברוב הזמן הם לא משחררים משימה ונעלמים, אלא עובדים עם Claude יחד, צעד אחרי צעד. זה לא רובוט אוטונומי, זה שותף שצריך ניהול.

 

עלייה באוטונומיה של Claude

עלייה באוטונומיה של Claude

 

חשוב לראות שהשינוי הזה אינו מתקיים רק בצוותי פיתוח. השימוש ב-Claude חוצה צוותים וסוגי תפקידים, וכל מחלקה משתמשת בו באופן אחר.

 

ככה נראית ההתפשטות הארגונית של העבודה האוטומטית:

 

שימוש ב-Claude לפי צוותים שונים

התפלגות משימות Claude Code לפי סוג צוות | Anthropic

מיומנויות, יחסים וזהות מקצועית

ככל שיותר מהעבודה עוברת דרך Claude, מתחילים לצוף גם צדדים פחות נוחים.

 

הראשון הוא שחיקה אפשרית של מיומנויות. לא בקפיצה אחת, אלא בשחיקה איטית. במקום לקרוא דוקומנטציה, לעבור על קוד לבד, ולהיאבק עם באגים, מהנדסים רבים מדלגים ישר לפתרון. חלקם אומרים במפורש שהם מרגישים שאיבדו חלק מה”חוש” שנבנה כשהיו עושים דברים “בדרך הקשה”.

 

מהנדס בכיר אומר שהוא משתמש ב-AI בעיקר במשימות שבהן הוא כבר יודע איך התשובה בערך צריכה להיראות, ולכן יכול לפקח על האיכות. הוא מוסיף שאם היה בתחילת הקריירה, כנראה היה צריך להשקיע הרבה יותר מאמץ מודע כדי לוודא שהוא לא פשוט מאמץ את מה שהמודל נותן.

 

כאן נוצר פרדוקס לא קטן – כדי לפקח על Claude היטב, צריך בדיוק את אותן מיומנויות שעלולות להישחק משימוש מוגזם בו. חלק מהמהנדסים מתארים שהם בכוונה עובדים לפעמים בלי AI, כדי להישאר חדים.

 

המחקר גם מצביע על שינוי ביחסים בין אנשים. Claude הפך לתחנה הראשונה לשאלות שפעם היו מופנות לעמיתים. מהנדסים מספרים שהם שואלים עכשיו הרבה יותר שאלות באופן כללי, אבל 80-90 אחוז מהן הולכות למודל. מצד אחד, זה חוסך “מבוכה” ופוגע פחות בזמן של אחרים. מצד שני, חלק מהבכירים אומרים בגלוי שזה עצוב לראות כמה פחות ג’וניורים מגיעים אליהם. המודל עושה אופטימיזציה לשאלה, אבל חונכות וקשרים אנושיים לא נבנים מעצמם.

 

ולבסוף, יש את השאלה הגדולה של הקריירה. חלק מהמהנדסים בעמדות בכירות מרגישים יחסית בטוחים. הם יודעים לקחת אחריות, לתכנן מערכות, לנהל סיכונים. אבל גם הם מודים שקשה להם להמר על אילו מיומנויות יהיו רלוונטיות בעוד חמש או עשר שנים. אחרים מנסחים תחושה קיצונית יותר: “אני מרגיש שאני בא לעבודה כל יום כדי לעבוד על הטכנולוגיה שייתכן שתהפוך אותי ואת עוד רבים ללא רלוונטיים.”

 

זה לא סיפור של “איום מיידי”. זה סיפור של מקצוע שנמצא בתנועה מתמשכת, בלי מפה ברורה.

 

 

מה אפשר ללמוד מזה מחוץ לאנטרופיק

אנטרופיק מדגישה שהמהנדסים שלה לא מייצגים את כל שוק העבודה. הם עובדים עם הכלים הכי מתקדמים, הם קרובים למודל, והתרבות הארגונית שלהם מותאמת לזה. אבל מה שקורה שם היום הוא לכל הפחות אזהרה מוקדמת, או אולי הזדמנות מוקדמת, לכל ארגון שמכניס AI לעבודה היומיומית.

 

יש כמה מסקנות שקשה להתעלם מהן:

1. AI באמת מגדיל תפוקה, אבל משנה את סוג העבודה: לא מדובר רק בקיצוץ זמן על משימות קיימות, אלא ביצירה של קטגוריות עבודה חדשות – ניסויים, כלים פנימיים, תיקונים קטנים. ארגונים שלא ימצאו דרך לתרגם את “עוד עבודה” הזאת לערך אמיתי, עלולים פשוט להציף את עצמם בעשייה.

2. מיומנויות עמוקות לא נשמרות לבד: אם נותנים ל-AI להיכנס לכל שלב, צריך במקביל לחשוב איך שומרים על יכולת הבנה עצמאית של מערכות, במיוחד אצל ג’וניורים. זה לא קורה מעצמו.

3. חונכות ויחסים מקצועיים צריכים תכנון מודע: אם רוב השאלות הולכות למודל, צריך ליצור במכוון מרחבים שבהם אנשים כן שואלים אחד את השני, כן יושבים על קוד ביחד, כן רואים איך אחרים חושבים.

4. זהות מקצועית תעבור שינוי: מהנדסים, אנשי מוצר, אנליסטים ועוד מקצועות יהיו פחות “עושים הכל ידנית”, ויותר מנהלי תהליכים וסוכנים. זה דורש שפה אחרת כשיושבים לדבר על קריירה, קידום ופיתוח מקצועי.

במובן הזה, המחקר של אנטרופיק הוא לא תשובה, אלא מראה. הוא מראה איך נראית עבודה כש-AI הופך להיות שכבת תשתית יומיומית, ולא גימיק. מי שמסתכל עליה ברצינות, יכול להתחיל לתכנן היום איך הוא רוצה שהשילוב הזה ייראה אצלו, לפני שהשינוי יכפה עליו מבחוץ.

 

לכל מי שרוצה לקרוא את המחקר המלא, כנסו כאן.

הפוסט איך בינה מלאכותית משנה את העבודה באנטרופיק – ומה זה אומר על העתיד שלנו הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/ai-transforming-work-anthropic/feed/ 0
בניית סוכנים ללא קוד ב-Google Workspace Studio https://letsai.co.il/google-workspace-studio/ https://letsai.co.il/google-workspace-studio/#respond Sun, 07 Dec 2025 07:40:56 +0000 https://letsai.co.il/?p=65522 Google השיקה ב-3 בדצמבר 2025 את Google Workspace Studio, פלטפורמה שמאפשרת לכל עובד לבנות סוכני AI שעושים במקומו משימות חוזרות או מורכבות, בלי לדעת תכנות. הכלי כלול כבר בחבילות Workspace העסקיות והארגוניות, בלי תשלום נוסף. Studio פועל על בסיס Gemini 3 ומשתלב ישירות בכל הכלים שהארגון כבר משתמש בהם כמו Gmail, Drive ו-Chat.     […]

הפוסט בניית סוכנים ללא קוד ב-Google Workspace Studio הופיע ראשון בLet's AI בינה מלאכותית

]]>
Google השיקה ב-3 בדצמבר 2025 את Google Workspace Studio, פלטפורמה שמאפשרת לכל עובד לבנות סוכני AI שעושים במקומו משימות חוזרות או מורכבות, בלי לדעת תכנות. הכלי כלול כבר בחבילות Workspace העסקיות והארגוניות, בלי תשלום נוסף. Studio פועל על בסיס Gemini 3 ומשתלב ישירות בכל הכלים שהארגון כבר משתמש בהם כמו Gmail, Drive ו-Chat.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה זה בדיוק ואיך זה עובד

Workspace Studio מאפשר לכם לבנות “סוכנים” – אוטומציות חכמות שמבצעות משימות במקומכם. אתם פשוט כותבים למערכת מה אתם רוצים שיקרה, והיא יוצרת את הסוכן בלי שתצטרכו לכתוב קוד.

 

אפשר להתחיל מתיאור בשפה רגילה או להשתמש בתבנית מוכנה. כדי שהסוכן יבצע את המשימה כמו שצריך, חשוב לנסח בצורה ברורה מה בדיוק אתם רוצים שיקרה.

 

הסוכנים פועלים ישירות בתוך הכלים שבהם אתם משתמשים ביום יום. הפעולות שלהם מופיעות בפאנל הצד של Gmail, Drive ו-Chat, כך שאין צורך ללמוד מערכת חדשה. אפשר גם לשתף סוכנים עם חברי הצוות כמו שמשתפים קובץ ב-Drive, מה שמאפשר להפיץ אוטומציות מוכנות בארגון.

 

בנוסף, הסוכנים יכולים להרכיב תהליכים שמשלבים כמה יישומי Workspace, כמו Gmail, Docs, Sheets ו-Calendar, וגם להתחבר לכלים חיצוניים כמו Asana, Jira, Salesforce ו-Mailchimp. כך ניתן להפעיל רצף שלם של משימות בין מערכות, בלי עבודה ידנית.

 

היתרון הגדול הוא שהסוכנים לא פועלים רק לפי כללים קשיחים. הם יודעים להבין הקשר, לפרש טקסט, לזהות כוונה ולהתאים את הפעולות למידע שמגיע בזמן אמת. זה מאפשר להתמודד גם עם תהליכים מורכבים או משתנים.

 

הסרטון המצורף מדגים איך Workspace Studio יוצר סוכן שמסכם פגישות עתידיות ישירות ב-Chat, תוך שימוש בפרטי הפגישה, המשתתפים והקבצים המצורפים – וכל זה באמצעות תיאור קצר בשפה טבעית, בלי לכתוב קוד:

 

מה אפשר לעשות עם זה

סינון וסיווג מיילים

הסוכן יכול לזהות מיילים שדורשים תשובה, לסמן אותם, לחלץ פרטים חשובים כמו מספר חשבונית או משימה, ולהתריע ב-Chat. זה מונע עומס ומבטיח שלא תפספסו מיילים קריטיים.

אוטומציה בין כמה יישומים

משימות שמגיעות במייל יכולות להפוך אוטומטית לפריטים במערכת ניהול הפרויקטים, להתעדכן ב-Chat ולהיכנס לרצף עבודה מסודר. זה מחליף עבודה ידנית שנמשכת זמן רב.

ניהול יומן

הסוכן יכול לסרוק הזמנות לפגישות, להשוות אותן לסדרי העדיפויות שלכם, להמליץ מה לקבל ומה לדחות, ואפילו לנסח תשובה מותאמת אישית. ככה היומן נשאר בשליטה.

דיווחים אוטומטיים

הסוכן יודע למשוך נתונים מ-Sheets, ממסמכים וממיילים, ולהרכיב מהם דוח שבועי מוכן. זה מפחית שעות של איסוף ידני.

 

בסרטון המצורף תראו איך Workspace Studio בונה סוכן שמזהה מיילים הדורשים תשומת לב, מסווג אותם אוטומטית ומסמן אותם כתעדוף גבוה – הכל על בסיס תיאור קצר בשפה רגילה, בלי צורך בקוד:

 

 

המספרים מדברים בעד עצמם

בתוך 30 ימי ה-Alpha בלבד משתמשים ביצעו יותר מ-20 מיליון משימות דרך סוכני Workspace Studio. מדובר בעובדים רגילים, לא מפתחים, מה שמדגיש עד כמה הכלי נגיש.

 

דוגמה בולטת מגיעה מהחברה הגרמנית Kärcher. הצוות שלהם בחן רעיונות למוצרים חדשים בתהליך ארוך שכלל הרבה תיאום ומסמכים. הם בנו “צוות” של ארבעה סוכנים: אחד מנתח את הרעיון, אחד בודק כדאיות טכנית, אחד מייצר תרחיש משתמש, ורביעי מאגד הכל למסמך מסודר.



התוצאה? קיצור של כ-90 אחוז בזמן ההכנה – משעות של עבודה ידנית לדקות. זו המחשה מדויקת לכוח של סוכני AI שמופעלים נכון.

אבטחה ופרטיות

הנתונים שלכם נשארים שלכם

Workspace Studio פועל לפי מדיניות האבטחה של Workspace ושל Gemini. המידע שעובר דרך הסוכנים לא משמש לפרסום ולא מאמן מודלים אחרים.

הסוכן רואה רק מה שאתם רואים

הסוכנים יכולים לגשת רק למידע שכבר יש לכם הרשאה אליו. אם אתם לא יכולים לפתוח קובץ מסוים, גם הסוכן לא יוכל.

הגנה על מידע רגיש

הסוכנים מכבדים את כללי הארגון לגבי מידע שמותר או אסור לשתף. אם יש מדיניות שמונעת העברה של קובץ רגיש החוצה, הסוכן לא יוכל לבצע פעולה שמפרה אותה.

 

 

אז למי Workspace Studio באמת מתאים?

Workspace Studio מתאים במיוחד לארגונים שכבר עובדים בתוך Workspace ורוצים להפחית עבודה ידנית בלי להכניס כלי נוסף או מורכב. הוא מאפשר לכל עובד לבנות אוטומציות חכמות בלי לכתוב קוד, והוא מוכיח את עצמו גם במספרים וגם בשטח.

 

מצד שני, הוא לא נועד למשתמשים פרטיים או לארגונים שמטפלים במידע רגיש במיוחד ודורשים בקרות אבטחה מחמירות.

 

אם העבודה שלכם מתבצעת בעיקר ב-Gmail, Drive, Docs וכלים חיצוניים נפוצים, והאתגר המרכזי הוא עומס של משימות חוזרות – Workspace Studio יכול לחסוך לכם הרבה זמן.

הפוסט בניית סוכנים ללא קוד ב-Google Workspace Studio הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-workspace-studio/feed/ 0
דוח בזק 2025 מצביע על חברה ישראלית שמאמצת בינה מלאכותית במהירות חסרת תקדים https://letsai.co.il/ai-adoption-in-israel/ https://letsai.co.il/ai-adoption-in-israel/#respond Sat, 06 Dec 2025 10:38:33 +0000 https://letsai.co.il/?p=65493 שלוש שנים אחרי הופעת ChatGPT, הבינה המלאכותית הפכה לחלק כמעט טבעי מהיומיום הישראלי. 92% מהציבור מדווחים שהכירו או השתמשו בכלי AI, קצב אימוץ מהיר בהרבה מהטכנולוגיות שהקדימו אותו. לשם השוואה, לוואטסאפ נדרש כמעט עשור להגיע לשיעורי שימוש דומים, ולקניות אונליין קרוב לעשרים שנה. כך עולה מדוח האינטרנט השנתי של בזק לשנת 2025, המבוסס על סקר […]

הפוסט דוח בזק 2025 מצביע על חברה ישראלית שמאמצת בינה מלאכותית במהירות חסרת תקדים הופיע ראשון בLet's AI בינה מלאכותית

]]>
שלוש שנים אחרי הופעת ChatGPT, הבינה המלאכותית הפכה לחלק כמעט טבעי מהיומיום הישראלי. 92% מהציבור מדווחים שהכירו או השתמשו בכלי AI, קצב אימוץ מהיר בהרבה מהטכנולוגיות שהקדימו אותו. לשם השוואה, לוואטסאפ נדרש כמעט עשור להגיע לשיעורי שימוש דומים, ולקניות אונליין קרוב לעשרים שנה. כך עולה מדוח האינטרנט השנתי של בזק לשנת 2025, המבוסס על סקר מקיף בקרב 4,750 ישראלים בני 13 ומעלה שנערך בשיתוף KANTAR.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

שימוש יומיומי אינטנסיבי

מחצית מהישראלים שמוגדרים כ״משתמשים קבועים״ ב-AI משתמשים בו לפחות פעם ביום. מתוך הקבוצה הזו, 10% מדווחים על שימוש לאורך כל היום, 29% משתמשים פעם ביום, ו-11% כמה פעמים ביום. זמן השימוש היומי הממוצע עומד על שעה וחצי. 70% מהמשתמשים ב-AI אומרים שזמן המסך שלהם עם AI עלה בהשוואה לשנה שעברה.

 

נתונים על אימוץ בינה מלאכותית

שימוש יומי אינטנסיבי | קרדיט: bezeq.co.il

 

גם סל הכלים מתרחב. הישראלים לא מסתפקים בכלי אחד, והדוח מצביע על עלייה במספר כלי ה-AI שבהם משתמש אדם ממוצע לעומת 2024. ChatGPT נשאר הכלי הדומיננטי, עם 75% שימוש בקרב המשתמשים. Gemini של גוגל קופץ מ-22% ב-2024 ל-42% ב-2025, ומשמש 59% מבני הנוער. Canva מגיע ל-21% שימוש כללי ו-45% בקרב נוער. אחריה Copilot של מיקרוסופט עם 18%, Claude עם 12% ו-Perplexity עם 9%.

 

אימוץ כלי בינה מלאכותית

מגוון ותדירות השימוש בכלי בינה מלאכותית | קרדיט: bezeq.co.il

 

הנתון של 92% שימוש ב-AI בולט עוד יותר כשמשווים אותו לשנים קודמות: 69% בלבד ב-2024 ו-48% ב-2023. בתוך שנתיים בלבד, השימוש בכלי AI בישראל כמעט הפך לנורמה. מאחר שהשאלה בסקר עוסקת ב״שימוש בכלי AI״ באופן כללי, סביר שהנתון כולל גם שימוש עקיף בכלים משולבי AI, כמו חיפוש בגוגל או יכולות AI מובנות באפליקציות אחרות, ולא רק שימוש ישיר בצ׳אטבוטים.

 

נתוני שימוש בבינה מלאכותית

עלייה דרמטית בשימוש ב-AI תוך שלוש שנים | קרדיט: bezeq.co.il

AI מחליף רופאים, עורכי דין ופסיכולוגים

38% מהציבור הישראלי קיבלו ב-2025 לפחות עצה רפואית אחת מ-AI, לעומת 19% בלבד ב-2024. רבע מבני הנוער בישראל מתייעצים עם AI במקום עם רופא, וגם בקרב בני 60 ומעלה נרשם אימוץ זהיר של כ-6%.

 

הבינה המלאכותית כיועץ

הבינה המלאכותית כיועץ | קרדיט: bezeq.co.il

 

מעבר לרפואה הפיזית, ה-AI נכנס גם למרחב הרגשי. 29% מהבוגרים ו-59% מבני הנוער פנו ל-AI לסיוע נפשי או רגשי. כחמישית מהישראלים משתמשים ב-AI לקבלת עצות מקצועיות בתחום הקריירה.

 

גם בתחום המשפטי נרשמה קפיצה כאשר שיעור הישראלים שקיבלו עצה משפטית מ-AI עלה מכ-9% ב-2024 לכ-19% ב-2025.

השפעה על מערכת החינוך

69% מבני הנוער בישראל אומרים שכלי AI עוזרים להם להיות טובים יותר בלימודים. 28% כבר השתמשו במורה AI במקום מורה פרטי, ועוד 34% שוקלים לעשות זאת בעתיד. בתוך דור תלמידים אחד, מורה אלגוריתמי הופך מחידוש טכנולוגי לחלופה אמיתית לשיעור פרטי.

 

מנגד, מערכת החינוך עצמה לא מדביקה את הקצב. 35% מהבוגרים ו-41% מבני הנוער סבורים שבתי הספר אינם מעודדים את התלמידים להשתמש ב-AI. בפועל, נוצר פער בין מה שהתלמידים עושים בבית לבין מה שמותר להם לעשות בכיתה.

 

ה-AI כמורה פרטי

ה-AI כמורה פרטי | קרדיט: bezeq.co.il

חששות גדלים

לצד ההתלהבות מה-AI, מתגלה גם אי אמון. 58% מהישראלים נמנעים מלחשוף ל-AI מידע אישי מחשש שידלוף או שיעשה בו שימוש לרעה. 44% לא סומכים על המידע שהם מקבלים מהמערכות האלה. 67% מודים שהם מתקשים לזהות אם טקסט או תמונה נוצרו על ידי אדם או על ידי AI, ו-71% רוצים שתוכן שנוצר ב-AI יסומן באופן ברור. החוויה האישית מחזקת את החשדנות – כ-30% מהציבור ו-37% מבני הנוער מספרים שכבר נכוו מעצה אישית שקיבלו מ-AI והתבררה כשגויה.

 

פחות סומכים על המידע

חששות וספקנות לצד התלהבות | קרדיט: bezeq.co.il

תופעת ההתמכרות והשפעה על יחסי הורים-ילדים

29% מבני הנוער בישראל אומרים שהם כבר מרגישים מכורים ל-AI. גם בקרב המבוגרים, 16% מדווחים על תחושה דומה. לשם השוואה, כ-40% מבני הנוער מגדירים את עצמם מכורים לרשתות חברתיות בכלל.

 

התמכרויות דיגיטליות גרסת ה-AI

התמכרויות דיגיטליות גרסת ה-AI | קרדיט: bezeq.co.il

 

ה-AI נכנס גם למרחב היחסים בתוך הבית. 45% מבני הנוער מרגישים שה-AI מחליף את הצורך להתייעץ עם ההורים. 38% אומרים שה-AI מבין אותם טוב יותר מאנשים בחיים שלהם, ו-21% מהנוער מדווחים שהם אפילו מפתחים רגשות כלפי המערכת.

 

הנוער מפתח רגשות לבינה המלאכותית

הנוער מפתח רגשות לבינה המלאכותית | קרדיט: bezeq.co.il

 

מחקרי בריאות נפשית בעידן הדיגיטלי מצביעים לא פעם על תבנית דומה – שימוש אינטנסיבי בטכנולוגיה מספק הקלה רגשית מיידית, אבל אצל חלק מהמשתמשים הוא עלול להיות קשור גם לעלייה בתחושת בדידות או הסתגרות חברתית. הנתונים מדוח בזק מרמזים שה-AI עלול להצטרף לאותו דפוס – כלי שמרגיש זמין ואמפתי, אבל עלול גם להחליף שיחה אנושית במקום לעודד אותה.

השפעה על היכולות האנושיות

הנתונים מציירים תמונה כפולה. מצד אחד, מבין המשתמשים ב-AI,  כ-72% מרגישים שהכלים מחזקים את הידע שלהם על העולם, 68% אומרים שנהיו יותר סקרנים ולומדים דברים חדשים, 65% מרגישים יותר יעילים, ו-44% מדווחים שהביטחון העצמי שלהם התחזק.

 

השפעה על היכולות האנושיות

השפעה על היכולות האנושיות | קרדיט: bezeq.co.il

 

מצד שני, אותם משתמשים מדווחים גם על מחיר. 66% מרגישים שנהיו יותר עצלנים, 52% חשים שהם פחות יצירתיים, 42% מרגישים שפחתה אצלם החשיבה העצמאית, ו-39% אומרים שנהיו פחות סבלניים. 32% כבר חוששים משחיקה כללית בכישורים האנושיים.

 

המשמעות היא לא רק ויכוח עקרוני על טכנולוגיה, אלא חוויה יומיומית פנימית כפולה. עבור רבים, ה-AI הוא גם מאיץ של ידע ויעילות וגם זרז לתחושת נוחות יתר ופחות מאמץ מנטלי.

ההורים נכנסים לתמונה

35% מההורים מתייעצים עם AI בענייני חינוך הילדים. 45% משתמשים בו כדי לקבל רעיונות לפעילויות משפחתיות משותפות. כ-24% מההורים מדווחים שה-AI הופך אותם, לדעתם, להורים טובים יותר. 25% כבר רשמו או שוקלים לרשום את ילדיהם לחוג או פעילות לימודית הקשורה ל-AI.

 

ה-AI נכנס לתא המשפחתי

ה-AI נכנס לתא המשפחתי | קרדיט: bezeq.co.il

שוק העבודה והעסקים הקטנים

46% מהעסקים הקטנים בישראל משתמשים בכלי AI, ו-18% מהעסקים הקטנים כבר משלמים על כלי AI בתשלום. מבין העסקים שמשתמשים ב-AI,  כ-58% מדווחים על חיסכון בזמן, 36% על חיסכון בהוצאות ועלויות, 37% על שיפור בשירות הלקוחות, ו-35% על חדשנות בפיתוח מוצרים ושירותים חדשים.

 

נתוני שימוש ותשלום בעסקים קטנים

נתוני שימוש ותשלום בעסקים קטנים | קרדיט: bezeq.co.il

 

מעבר לעסקים, הישראלים רואים ב-AI גם הזדמנות וגם איום בשוק העבודה. 76% סבורים שה-AI יכול לעזור לאנשים למצוא עבודה, למשל בכתיבת קורות חיים או חיפוש משרות. במקביל, 57% חוששים שה-AI גורם לאנשים לאבד את מקום העבודה שלהם.

 

אימוץ ושימוש בעסקים קטנים

אימוץ ושימוש בעסקים קטנים | קרדיט: bezeq.co.il

האם הישראלים רוצים רגולציה?

84% מהישראלים רוצים רגולציה ופיקוח גלובלי על תחום ה-AI.  כ-79% מודאגים מהאפשרות שממשלות או גורמים עוינים ינצלו את הטכנולוגיה לרעה, ו-61% חוששים שההתפתחות המהירה מדי עלולה לסכן את האנושות בטווח הארוך.

 

כשמגיעים לשאלת האחריות האישית, המספרים צונחים. רק 23% מבני הנוער ורק 12% מהבוגרים סבורים שכל אדם צריך לקחת אחריות אישית על האופן שבו הוא משתמש ב-AI. רוב הישראלים מצפים בראש ובראשונה שרגולטורים ומוסדות יגבשו את הגבולות, ורק אחר כך שהמשתמשים יתנהלו באחריות.

 

הרצון לרגולציה ופיקוח גלובלי

הרצון לרגולציה ופיקוח גלובלי | קרדיט: bezeq.co.il

ישראל בהקשר העולמי 

לצד נתוני בזק, השוואות בינלאומיות ממחקרים חיצוניים מצביעות על תמונה מורכבת. ישראל נמצאת בחלק העליון של טווח האימוץ העולמי בכל הנוגע לשימוש אישי ב-AI, אך השוואה בין מדינות מחייבת זהירות: מחקרים שונים מודדים דברים שונים לחלוטין – שימוש של אנשים, אימוץ של ארגונים או השקעות ממשלתיות – ולכן הנתונים מהווים אינדיקציה, לא מדד אחיד.

 

כך למשל, בסין דווח באמצע 2025 על כ-515 מיליון משתמשי GenAI, שהם כ-36.5% מהאוכלוסייה. בהודו, סקר אחד מצא ש-59% מהארגונים אימצו AI באופן פעיל, בעוד שסקר אחר מצא שכ-73% מהציבור מדווחים על שימוש ב-AI ב-2024. באיחוד האירופי, רק כ-13.5% מהעסקים עם 10 עובדים ומעלה השתמשו ב-AI ב-2024.

 

במדדי עומק רחבים יותר ישראל מצטיירת כמעצמת AI, גם אם לא מובילה בכל ממד. לפי מדד ה-AI הגלובלי של Tortoise לשנת 2024, ישראל מדורגת במקום התשיעי מתוך 83 מדינות, ובמקום השני בעולם ביחס לגודל האוכלוסייה. מחקר נוסף מציב את ישראל במקום הרביעי בעולם בהיקף ההשקעות ב-AI, עם כ-12.83 מיליארד דולר, ומדגיש את שיעור כישרון ה-AI הגבוה ביותר ביחס לכוח העבודה – כ-1.13%.

 

הנתון שלפיו 28% מהעסקים בישראל משתמשים ב-AI מבוסס על סקר נפרד של המכון הישראלי לדמוקרטיה והלמ”ס. הוא מציב את ישראל מעל הממוצע האירופי (כ-13% אימוץ ב-2024), אך עדיין רחוק ממצב שבו AI הופך לסטנדרט עסקי רחב.

תקווה למרות החששות

למרות כל החששות, 41% מהישראלים מאמינים שבעתיד היתרונות של ה-AI יעלו על החסרונות. 36% סבורים שה-AI יוביל את האנושות לעתיד חיובי. במקביל, 40% אומרים שהם כיום יותר מודאגים מאשר מתרגשים מההתפתחויות בתחום, לעומת 26% בלבד בשנה שעברה.

 

ה-AI לוקח אותנו לקצוות

ה-AI לוקח אותנו לקצוות | קרדיט: bezeq.co.il

 

הישראלים לא רק מפחדים מה-AI, הם גם רוצים לראות אותו יותר מעורב בחיים שלהם. 55% היו רוצים שהמערכות ינהלו עבורם משימות יומיומיות באופן אוטומטי, 49% מעוניינים בייעוץ בתכנון פיננסי והשקעות, 47% רוצים התרעות על סיכוני אבטחה בדיגיטל, 38% רוצים לחסוך זמן בקניות, ו-31% היו שמחים שה-AI יתנהל במקומם מול גופים בירוקרטיים.

 

הציפיות מה-AI בעתיד

הציפיות מה-AI בעתיד | קרדיט: bezeq.co.il

ישראל כמעבדה חיה לאימוץ מהיר של AI

הסיפור שמצטייר מהדוח הוא של טכנולוגיה שמשתלבת במהירות חסרת תקדים כמעט בכל תחום בחיים בישראל – מבריאות וחינוך, דרך פנאי ועד עבודה. האתגר כבר איננו האם להשתמש ב-AI, אלא איך להשתמש בו בצורה שמחזקת את היכולות האנושיות במקום לשחוק אותן. הנתונים מישראל מצביעים על כך שאנחנו כבר עמוק בתוך הניסוי החברתי הזה, והתגובות של הציבור – בין פחד, סקרנות ואופטימיות זהירה – עדיין נמצאות בתהליך התגבשות.

 

את הדוח המלא של בזק תוכלו להוריד מכאן.

הפוסט דוח בזק 2025 מצביע על חברה ישראלית שמאמצת בינה מלאכותית במהירות חסרת תקדים הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/ai-adoption-in-israel/feed/ 0
ChatGPT Voice עובד עכשיו בתוך חלון הצ’אט הרגיל https://letsai.co.il/chatgpt-voice-mode/ https://letsai.co.il/chatgpt-voice-mode/#respond Wed, 03 Dec 2025 08:30:08 +0000 https://letsai.co.il/?p=65264 OpenAI שינתה ב-25 בנובמבר 2024 את אופן הפעולה של מצב הדיבור הקולי ב-ChatGPT, ובעצם חיברה אותו ישירות לחוויית הצ’אט הרגילה. במקום לעבור לממשק נפרד עם הכדור הכחול המוכר, השיחה הקולית מתרחשת עכשיו בתוך חלון הצ’אט עצמו. מדברים, רואים תמלול חי, מקבלים תשובות טקסטואליות בזמן אמת, וגם ניגשים לתמונות, קוד, מפות ותוכן ויזואלי נוסף בלי לעזוב […]

הפוסט ChatGPT Voice עובד עכשיו בתוך חלון הצ’אט הרגיל הופיע ראשון בLet's AI בינה מלאכותית

]]>
OpenAI שינתה ב-25 בנובמבר 2024 את אופן הפעולה של מצב הדיבור הקולי ב-ChatGPT, ובעצם חיברה אותו ישירות לחוויית הצ’אט הרגילה. במקום לעבור לממשק נפרד עם הכדור הכחול המוכר, השיחה הקולית מתרחשת עכשיו בתוך חלון הצ’אט עצמו. מדברים, רואים תמלול חי, מקבלים תשובות טקסטואליות בזמן אמת, וגם ניגשים לתמונות, קוד, מפות ותוכן ויזואלי נוסף בלי לעזוב את השיחה. זה שינוי קטן לכאורה, אבל כזה שמסמן הפיכה של מצב הקול מכלי צדדי לדרך עבודה טבעית בתוך המוצר.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

איך זה עובד בפועל

ברגע שלוחצים על אייקון המיקרופון, הקלט הקולי נכנס לשיחה כמו כל הודעה אחרת. התשובה מופיעה כטקסט מתגלגל, בדיוק כמו בצ’אט רגיל. אפשר לעבור בין דיבור לכתיבה בצורה חלקה, לגלול לשיחות קודמות, ולשמור על כל ההיסטוריה באותו חלון. מבחינת חוויית שימוש זה צעד שמתקרב לאינטראקציה רב-מודלית אמיתית.

 

יחד עם זאת, יש פרט שכדאי לשים אליו לב: עד שלוחצים על כפתור “סיום”, המערכת ממשיכה להאזין ולהגיב. אין כיבוי אוטומטי אחרי חוסר פעילות, וזו נקודה שיכולה ליצור אי נעימות אם שוכחים את המיקרופון פועל.

תוכן ויזואלי בזמן השיחה

אחד החידושים הבולטים הוא היכולת להציג תוכן ויזואלי בזמן השיחה. זה כולל תמונות, קוד, כרטיסי מידע, מידע על מזג אוויר ולעיתים גם מפות. בפועל, תצוגת המפות עדיין לא יציבה בכל אזור משום שהיא תלויה בשירותי צד שלישי שלא זמינים במלואם בכל מדינה. חלק מהמשתמשים כבר נתקלו בפער בין ההדגמות לבין מה שמופיע בפועל.

 

למרות זאת, עצם האפשרות לשלב קול ותוכן חזותי בזמן אמת מייצרת חוויה רלוונטית בהרבה למי שעובד עם מידע מורכב.

המודל שמפעיל את השיחות הקוליות

שיחות טקסט רגילות יכולות להשתמש במודל GPT-5.1 על סוגיו, שהוא כרגע הכלי החזק ביותר של OpenAI. מצב הקול, לעומת זאת, פועל על GPT-4o שמותאם לעיבוד קול וזמן אמת. במנויים בתשלום קיימת אפשרות שהמערכת תעבור ל-GPT-4o mini לאחר שימוש ממושך, אף על פי ש-OpenAI אינה מפרסמת מכסה רשמית שמבהירה מתי זה קורה. המשמעות פשוטה – גם אם הכול מתרחש באותו חלון, איכות התשובות הקוליות אינה זהה לאיכות המתקבלת במצב טקסט בלבד.

למי זה מתאים

העדכון מתאים בעיקר למשתמשים שרוצים לעבור באופן טבעי בין קול לטקסט באותה שיחה, ולהנות מהמהירות של דיבור ומהדיוק של תמלול חי. זה שימושי בתכנון טיולים שבהם רוצים לראות מפה מיידית, בלמידה ותרגול שפות, בבישול כשהידיים לא פנויות, ובעבודה עם קוד שבה מסבירים בעל פה ורואים את התיקון כתוב.

 

מי שמעדיף חוויית קול נקייה וללא תמלול, או שנוח לו יותר עם הממשק המופרד עם הכדור הכחול, עשוי להרגיש פחות בנוח עם הפורמט המשולב. עבורכם נשמרה האפשרות להחזיר את המצב הישן דרך Settings → Voice → Separate voice mode.

 

הפרדת הקול ממסך הטקסט

כאן ניתן להפעיל מחדש את מצב הקול הנפרד

זמינות

העדכון מופץ לכל המשתמשים, כולל Free, Plus ו-Pro, גם באפליקציות וגם בממשק הדפדפן. אין עלות נוספת לשימוש בקול. משתמשי החינם מקבלים גרסה מצומצמת של היכולת, בעוד שמנויי Plus ו-Pro יכולים גם לצלם תמונות בזמן שיחה, לשתף מסך, או לאפשר למודל לראות את הסביבה דרך המצלמה. אלו תוספות שמרחיבות את היכולת המעשית של מצב הקול, בעיקר בתרחישים כמו תמיכה טכנית או הסברים על קוד.

הקול כחלק בלתי נפרד

בסופו של דבר, זהו שינוי שממקם את הקול כחלק בלתי נפרד מאופן העבודה עם ChatGPT. החיבור בין דיבור, טקסט ותוכן חזותי הופך את החוויה לזורמת ופחות מסורבלת, גם אם יש אזורים שעדיין דורשים הבשלה כמו יציבות מפות או מנגנון כיבוי אוטומטי. בשורה התחתונה, מדובר בשדרוג שהופך את השימוש בקול למעשי הרבה יותר מבעבר, בלי להכריח את המשתמש לבחור בין קול לטקסט אלא לאפשר שילוב טבעי ביניהם.

הפוסט ChatGPT Voice עובד עכשיו בתוך חלון הצ’אט הרגיל הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/chatgpt-voice-mode/feed/ 0
איך ChatGPT הופך ליועץ שופינג אישי https://letsai.co.il/chatgpt-shopping-research/ https://letsai.co.il/chatgpt-shopping-research/#respond Mon, 01 Dec 2025 13:38:39 +0000 https://letsai.co.il/?p=65155 כמעט כל קנייה רצינית באינטרנט מתחילה באותו דפוס: פותחים עשרות טאביים, קוראים ביקורות, צופים בסרטונים, משווים מחירים – ובסוף עדיין לא בטוחים מה באמת נכון לצרכים שלכם. OpenAI, שממש היום חוגגת יום הולדת 3 ל-ChatGPT, מנסה לפתור בדיוק את הבלבול הזה עם פיצ׳ר חדש בתוך הצ׳אט שנקרא Shopping Research. זה לא עוד רשימת קישורים, אלא […]

הפוסט איך ChatGPT הופך ליועץ שופינג אישי הופיע ראשון בLet's AI בינה מלאכותית

]]>
כמעט כל קנייה רצינית באינטרנט מתחילה באותו דפוס: פותחים עשרות טאביים, קוראים ביקורות, צופים בסרטונים, משווים מחירים – ובסוף עדיין לא בטוחים מה באמת נכון לצרכים שלכם. OpenAI, שממש היום חוגגת יום הולדת 3 ל-ChatGPT, מנסה לפתור בדיוק את הבלבול הזה עם פיצ׳ר חדש בתוך הצ׳אט שנקרא Shopping Research. זה לא עוד רשימת קישורים, אלא תהליך שמרגיש כמו יועץ קנייה אישי. אתם מתארים את הצורך, הצ׳אט שואל שאלות מיקוד, ובסוף מחזיר מדריך קנייה מסודר שמותאם למה שחשוב לכם.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה Shopping Research מביא לשולחן

כשאתם באמת מתלבטים – כשצריך להבין מה משתלם, מה מיותר ומה רק נראה טוב על הנייר – ChatGPT משנה סגנון. ברגע שהוא מזהה שמדובר בקנייה מורכבת, הוא מציע לעבור למצב Shopping Research. אפשר גם להפעיל אותו ישירות דרך כפתור ה-“+” בדפדפן או באפליקציה.

 

כך מפעילים ידנית את Shopping Research

כך מפעילים ידנית את Shopping Research

 

בשיחה עצמה אתם לא צריכים לחפש את המילים הנכונות. פשוט מתארים מה אתם מחפשים: “מחשב ללימודים בתקציב מוגבל” או “כסא עבודה נוח לחדר קטן”. הכלי שואל שאלות הבהרה לגבי שימוש, גודל, טווח תקציב ועוד, כדי למקד את הדרישות ולבנות תמונה אמיתית של הצורך.

 

מאחורי הקלעים, Shopping Research קורא אתרים ציבוריים: חנויות, מפרטי יצרן, ביקורות, תמונות והשוואות. OpenAI מציינת שהתהליך מבוסס על מקורות איכותיים, ציבוריים וזמינים, ולא על לינקים ממומנים. המטרה היא להישען על מידע פתוח, אמין ולא מסחרי.

 

בסוף התהליך אתם מקבלים מסמך מסודר עם רשימת מוצרים מומלצים, הסבר למה כל אחד מהם מתאים לכם, ההבדלים המעשיים ביניהם, ומה עדיף לבדוק בעצמכם לפני רכישה. אפשר גם לסמן “לא רלוונטי” או לבקש “עוד כאלה”, וההמלצות יתעדכנו בהתאם.

 

בגרף המצורף אפשר לראות את השיפור שאותו מציגה OpenAI בדיוק התאמת המוצרים לדרישות המשתמש. בבדיקה פנימית, Shopping Research מגיע לדיוק של 64 אחוז בעמידה בתנאים כמו מחיר, צבע, חומר ומפרט. לצורך השוואה, GPT-5 Thinking עומד על 56 אחוז, גרסת המיני על 52 אחוז, והחיפוש הרגיל מגיע ל- 37 אחוז:

 

דיוק המודל בבחירת מוצרים

דיוק המודל בבחירת מוצרים | openai.com

איך זה נראה בפועל

ככה זה נראה בתוך האפליקציה – אתם מצלמים או מעלים תמונה של מוצר, מבקשים למצוא משהו דומה, או מתארים בצ’אט את מה שאתם מחפשים. משם הכלי מתחיל לעבוד – הוא שואל שאלות מיקוד, מעלה הצעות בזמן אמת, וממשיך לחדד בהתאם לתשובות שלכם:

 

ככה זה נראה בתוך האפליקציה

ככה זה נראה בתוך האפליקציה

למי זה מתאים, ומתי כדאי להפעיל

Shopping Research לא מיועד לחיפוש מהיר של מחיר או בדיקה נקודתית של פיצ’ר אחד. הוא מתאים במיוחד לקניות שמצריכות מחשבה, השוואה ותמונה רחבה. למשל מחשבים, טלוויזיות, ריהוט, ציוד לבית, מתנות משמעותיות ומוצרי טכנולוגיה שיש להם הרבה דגמים ותתי דגמים.

 

אם אתם רק רוצים עובדה אחת, שיחה עם כל מודל שפה גדול או חיפוש בגוגל (אם אתם עדיין עושים את זה) כנראה יספיקו. אבל אם אתם מנסים להבין מה באמת משתלם מבחינת שימוש, תקציב, מידות או תחזוקה, Shopping Research יכול לחסוך לכם זמן ולמנוע טעויות נפוצות.

נקודות ששווה לשים לב אליהן

OpenAI מדגישה שהתוצאות מבוססות על מקורות איכותיים, ציבוריים ולא פרסומיים. זה חשוב, אבל זה לא אומר שיש רשימה סגורה של אתרים מאושרים או מנגנון שבודק כל עמוד לעומק. לכן כדאי לשמור על ערנות ולוודא שהפרטים שמופיעים בשיחה תואמים למה שמופיע אצל המוכר.

 

יש גם מצבים שבהם ייעוץ של מודל לא מספיק. מוצרים בטיחותיים או רפואיים דורשים התאמה אישית, ולעיתים גם בדיקה פיזית. מוצרים יד שנייה או פריטים נדירים מציגים בעיה אחרת, משום שקשה להבטיח איכות, זמינות ומידע עקבי. וגם כשיש דרישות מדויקות במיוחד, כמו מידות, התאמה לסביבה מסוימת או תחזוקה מיוחדת, צריך להצליב מידע ולוודא שההמלצה אכן מתאימה למצב שלכם.

 

ובנוסף, גם כשהמדריך שמתקבל נראה מדויק ומסודר, חשוב להיכנס לאתר החנות ולבדוק פרטים סופיים: מחיר עדכני, זמינות מלאי, תנאי משלוח והחזרות, ודגם המוצר המדויק. Shopping Research חוסך את רוב עבודת המחקר, אבל הוא לא מחליף את שלב האימות האחרון שמבטיח קנייה בטוחה.

הצצה לעתיד

OpenAI כבר מדברת על אפשרות לרכוש מוצרים ישירות מתוך ChatGPT דרך מה שהיא מכנה Instant Checkout. אם זה יתממש, התהליך יוכל להסתיים בלחיצה אחת: מהמחקר, דרך ההשוואה, ועד הקנייה, הכל בתוך אותה שיחה.

 

Shopping Research לא מבטל התלבטויות והוא לא קוסם. מה שהוא כן עושה הוא לשנות את נקודת הפתיחה, לחסוך לכם זמן ולארגן לכם את המידע מול העיניים. במקום להתחיל את המסע בגוגל, לעבור אינספור אתרים ולהתבלבל מהשוואות סותרות, אתם מתחילים משיחה אחת שמנסה להבין אתכם. הכלי מפיק מתוך זה מדריך קנייה שמדבר בשפה שלכם ומסדר את האפשרויות בצורה ברורה. שווה להיכנס ולנסות.

הפוסט איך ChatGPT הופך ליועץ שופינג אישי הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/chatgpt-shopping-research/feed/ 0
סקר רשות החדשנות מצא שכמעט כל עובדי ההייטק משתמשים בבינה מלאכותית יוצרת https://letsai.co.il/ai-high-tech-israel/ https://letsai.co.il/ai-high-tech-israel/#respond Mon, 01 Dec 2025 07:54:08 +0000 https://letsai.co.il/?p=65121 רשות החדשנות ומכון ברוקדייל בחנו את חדירת כלי הבינה המלאכותית היוצרת אל לב שגרת העבודה של ההייטק הישראלי. הסקר בדק שלושה נושאים מרכזיים: איך עובדים משתמשים בכלים האלה בפועל, איך הם תופסים את השפעתם על איכות העבודה והפרודוקטיביות, וכיצד הם מפרשים את הטכנולוגיה – כהזדמנות תעסוקתית או כאיום. חשוב להדגיש, אלו דיווחים סובייקטיביים של העובדים […]

הפוסט סקר רשות החדשנות מצא שכמעט כל עובדי ההייטק משתמשים בבינה מלאכותית יוצרת הופיע ראשון בLet's AI בינה מלאכותית

]]>
רשות החדשנות ומכון ברוקדייל בחנו את חדירת כלי הבינה המלאכותית היוצרת אל לב שגרת העבודה של ההייטק הישראלי. הסקר בדק שלושה נושאים מרכזיים: איך עובדים משתמשים בכלים האלה בפועל, איך הם תופסים את השפעתם על איכות העבודה והפרודוקטיביות, וכיצד הם מפרשים את הטכנולוגיה – כהזדמנות תעסוקתית או כאיום. חשוב להדגיש, אלו דיווחים סובייקטיביים של העובדים עצמם. הסקר בוחן את תחושת ההשפעה ולא מדידה אובייקטיבית של תפוקה בפועל.

 

מנכ״ל רשות החדשנות

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

כמעט כולם משתמשים, הצעירים מובילים

הסקר כולל 523 עובדי ועובדות הייטק, רובם בעלי השכלה אקדמית (86%) ומתגוררים במרכז הארץ (69%). הפרופיל הדמוגרפי הזה משקף היטב את הרכב כוח האדם בענף, אך חשוב לזכור שהוא אינו מייצג בהכרח את שוק העבודה הרחב בישראל.

 

הממצא הבולט הוא שכמעט כל עובדי ההייטק משתמשים בכלי בינה מלאכותית יוצרת. 95% מהם עושים שימוש קבוע בכלים, ו-78% משתמשים בהם מדי יום. השימוש איננו מוגבל למפתחים בלבד. קבוצת הגיל 25 עד 34 מובילה את האימוץ – 86% מבני הגיל הזה מדווחים על שימוש יומיומי – אך גם בקרב עובדים מבוגרים יותר שיעורי השימוש נותרו גבוהים. השילוב של הכלים התרחב גם לתפקידים כמו שיווק, משאבי אנוש ומוצר.

 

תדירות השימוש ב-GenAI

תדירות השימוש בכלי בינה יוצרת | innovationisrael.org.il

 

עומק השימוש מרשים לא פחות: 82% מהמשתמשים היומיומיים מפעילים את הכלים בשלושה סוגי משימות או יותר, ורבע מהם עובדים עם ששה סוגי משימות ויותר. התמונה שחוזרת לאורך הדוח ברורה – מי שמשתמש, משתמש הרבה.

 

ההבדלים בין תפקידי הליבה בהייטק בולטים אך אינם חוצים את קו האימוץ. עובדים טכנולוגיים נעזרים בכלים בעיקר לפיתוח קוד, איתור תקלות ותיעוד. מנגד, גם 46% מהעובדים בתפקידים לא טכנולוגיים מדווחים על שימוש בכלים לכתיבת קוד ותיעוד, לצד כתיבת תוכן מקצועי, חיפוש מידע ולמידה עצמית.

 

הבדלים בשימוש לפי תפקיד

הבדלים בשימוש לפי תפקיד | innovationisrael.org.il

תרומה משמעותית לפרודוקטיביות

העובדים מדווחים על תרומה ברורה של כלי הבינה המלאכותית לעבודתם. 70% מציינים שיפור רב באיכות התוצרים, ו-50% מדווחים על קיצור משמעותי בזמן ביצוע המשימות. בתוך קבוצת המשתמשים החווים חיסכון בזמן, כ-40% מציינים שהכלים קיצרו עבורם יותר ממחצית מזמן העבודה על משימות מסוימות.

 

שיפור באיכות ובזמן העבודה

שיפור באיכות ובזמן העבודה | innovationisrael.org.il

 

כדי לאמוד את השפעת הכלים בצורה רחבה יותר, פותח בסקר מדד משולב הבוחן גם את השיפור באיכות וגם את החיסכון בזמן. לפי המדד הזה, כ-75% מהעובדים חווים עלייה משמעותית בפרודוקטיביות. תוצאה זו משותפת לכלל העובדים – ללא פערים משמעותיים בין תפקידים או סוגי חברות.

 

ההשפעה הנתפסת של כלי GenAI על פרודוקטיביות, איכות התוצרים וקיצור זמני העבודה

ההשפעה הנתפסת של כלי GenAI על פרודוקטיביות, איכות התוצרים וקיצור זמני העבודה | innovationisrael.org.il

 

כלים כלליים בכל התפקידים, כלי קוד בעיקר אצל המפתחים

כלי GenAI רב תכליתיים – כמו ChatGPT, Claude ו-Gemini – הפכו לחלק משגרת העבודה של כמעט כל העובדים בענף. יותר מ-94% מדווחים שהם משתמשים בהם, ללא הבדל מהותי בין תפקידים טכנולוגיים ולא-טכנולוגיים.

 

התמונה משתנה כשמדובר בכלים ייעודיים לפיתוח קוד. כלים כמו GitHub Copilot ו-Cursor נפוצים משמעותית יותר בקרב עובדים טכנולוגיים: 67% מהם משתמשים בהם, לעומת 43% בלבד מהעובדים שאינם בתפקידי פיתוח.

 

פער בולט נוסף מופיע בתוך קבוצת העובדים הטכנולוגיים עצמם. שיעורי השימוש בכלי קוד גבוהים במיוחד בקרב ג’וניורים – 74% מהם משתמשים בכלים כאלה, לעומת 48% בלבד מבכירי ההנהלה. הנתון הזה מדגיש מגמה עקבית בסקר: עובדים צעירים ונמוכי דרג מאמצים את הכלים מהר יותר ובאופן אינטנסיבי יותר.

 

שימוש בכלי GenAI לפי תפקיד

שימוש בכלי GenAI לפי תפקיד | innovationisrael.org.il

סטארטאפים מאמצים לאט יותר את כלי הקוד

אחד הפערים הבולטים בסקר מופיע בין סוגי החברות. בעוד שמרכזי מו”פ בינלאומיים וחברות שירותים מציגים אימוץ גבוה של כלי AI לכתיבת קוד – 77% מהעובדים הטכנולוגיים משתמשים בהם – שיעור השימוש בסטארטאפים נמוך משמעותית ועומד על 64% בלבד.

 

שיעור השימוש בכלי GenAI לקוד

שיעור השימוש בכלי GenAI לקוד | innovationisrael.org.il

 

הפער הזה מרמז על דפוס זהיר יותר בחברות צעירות. סטארטאפים, שפועלים לעיתים על קוד ייחודי ורגיש, נוטים לשמור על שליטה הדוקה בתהליך הפיתוח ולהימנע משילוב מהיר של כלים שעלולים להשפיע על נכס הליבה שלהם. הדוח אינו מספק הסבר ישיר לתופעה, אך הנתונים משאירים מקום לפרשנות זו.

הזדמנות או איום? זה תלוי איפה אתם נמצאים בהייטק

רוב עובדי ההייטק רואים בבינה המלאכותית הזדמנות: 68% מהמשיבים תופסים את GenAI כמנוע לצמיחה מקצועית, ורק 27% רואים בה איום ממשי על עתידם התעסוקתי. הנתונים הללו מציבים תמונה אופטימית במבט ראשון, אך כשמעמיקים פנימה מתגלים פערים ברורים בין קבוצות שונות בענף.

 

הזדמנות משמעותית להתפתחות מקצועית

הזדמנות משמעותית להתפתחות מקצועית | innovationisrael.org.il

 

עובדים בתפקידים לא טכנולוגיים נוטים לראות בבינה המלאכותית בעיקר הזדמנות – 76% מהם מצהירים כך, לעומת 65% מהעובדים בתפקידי פיתוח. במקביל, תחושת האיום פוגעת יותר בעובדים טכנולוגיים: 31% מהם חשים מאוימים, בהשוואה ל-14% בלבד בקרב עובדים שאינם בתפקידי פיתוח.

 

הפער הזה מתיישב עם מגמה רחבה בדוח: מי שעובד קרוב יותר לקוד חושש יותר מהשפעה ישירה על תחום מומחיותו, בעוד שעובדים מתחומי שיווק, מוצר, משאבי אנוש ושירות נוטים לראות בכלים מנוע שמרחיב יכולות ולא מחליף אותן.

מי חושש יותר? הפערים החברתיים שנחשפים בסקר

הנתונים על תפיסת האיום מציגים פערים חברתיים ברורים בין קבוצות שונות בענף ההייטק. אף שהרוב רואים בבינה המלאכותית הזדמנות, יש קבוצות שחשות מאוימות במידה רבה יותר – והדוח ממפה אותן באופן מדויק.

גיל ודרג מקצועי: צעירים וסניורים מודאגים יותר

החשש מהשפעת הבינה המלאכותית אינו ליניארי. דווקא העובדים הצעירים יחסית, בני 25-34, מדווחים על רמות איום גבוהות יותר לעומת קבוצות גיל מבוגרות מהם. לצד זאת, גם עובדים בדרגים בכירים – סניורים בתפקידי פיתוח – מביעים רמת חשש גבוהה: 37% מהם רואים ב-GenAI איום משמעותי על עתידם המקצועי. עובדים מבוגרים יותר, בני 45-64, מדווחים על חשש נמוך בהרבה.

מיקום גיאוגרפי והשכלה: פריפריה וללא תואר חוששים יותר

פער חד נוסף מופיע בין תושבי המרכז לפריפריה. 40% מעובדי ההייטק שמתגוררים בפריפריה חשים מאוימים מהטכנולוגיה, לעומת 24% בלבד מתושבי המרכז. הבדל דומה נמצא בין עובדים בעלי תואר אקדמי לבין כאלה ללא תואר: 39% מהעובדים ללא השכלה אקדמית מודאגים מהשפעת הבינה המלאכותית על עתידם התעסוקתי, מול 26.5% בלבד מבעלי תואר.

 

הפערים הללו מציירים תמונה ברורה: החשש אינו מחולק שווה בשווה. הוא מרוכז יותר בקרב צעירים, סניורים טכנולוגיים, תושבי הפריפריה ועובדים ללא השכלה אקדמית – קבוצות שחשות שהשינוי עשוי לערער את מעמדן בשוק העבודה.

מה מלמד אותנו הסקר הזה על עתיד העבודה בהייטק?

הנתונים מציירים תמונה מורכבת. מצד אחד, כלי הבינה המלאכותית היוצרת כבר הפכו לחלק מרכזי משגרת העבודה של כמעט כל עובדי ההייטק, והם נתפסים כמשפרים משמעותית את איכות העבודה ואת מהירות הביצוע. מצד שני, הסקר חושף כיסי חשש מובהקים – בעיקר בקרב עובדים צעירים, סניורים טכנולוגיים, תושבי הפריפריה ועובדים ללא תואר אקדמי – קבוצות שמרגישות שהשינוי הטכנולוגי עשוי להשפיע על מעמדן המקצועי.

 

דרור בין, מנכ”ל רשות החדשנות, מסכם את המשמעות הרחבה של ממצאי הסקר: “כמעט כל עובדי הענף כבר משתמשים בה – זו איננה תחזית עתידית אלא מציאות עכשווית שמעצבת מחדש את תעסוקת ההייטק.” לצד זאת הוא מדגיש כי האתגר כעת הוא ניהולי ולא רק טכנולוגי: כיצד לאזן בין פריון וצמיחה לבין ההשפעה על שוק העבודה. “על מנת למנוע פערים עוד יותר גדולים בין ההייטק לשאר הכלכלה הישראלית, נכון לוודא שבינה מלאכותית מאומצת בצורה נרחבת בכל ענפי הכלכלה.”

 

בסופו של דבר, הסקר מראה שכלי הבינה המלאכותית אינם עוד תוספת נקודתית, אלא מרכיב קבוע בפרודוקטיביות של עובדי ההייטק – מכל תפקיד, דרג וסוג חברה. אך הוא גם מציב משימה ברורה למדינה ולמעסיקים – להשקיע בהנגשת הכלים ובהכשרות ייעודיות לקבוצות שנמצאות בעמדת חולשה, כדי שהמהפכה לא תיצור פערים עמוקים יותר בשוק העבודה.

 

לסקר המלא עם כל התובנות, כנסו כאן.

הפוסט סקר רשות החדשנות מצא שכמעט כל עובדי ההייטק משתמשים בבינה מלאכותית יוצרת הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/ai-high-tech-israel/feed/ 0
למה 92% ממנהלי הנתונים חייבים להיות ממוקדי תוצאות עסקיות אבל רק 29% יודעים למדוד את הערך https://letsai.co.il/data-ai-value-gap/ https://letsai.co.il/data-ai-value-gap/#respond Sat, 29 Nov 2025 14:21:59 +0000 https://letsai.co.il/?p=64935 דוח חדש של IBM Institute for Business Value מגלה שרוב הארגונים משקיעים בבינה מלאכותית בלי לדעת באמת אם היא מייצרת ערך עסקי. 92% ממנהלי הנתונים הבכירים (CDO) אומרים שהם חייבים להיות ממוקדי תוצאות עסקיות כדי להצליח בתפקיד, אבל רק 29% מהם מדווחים שיש להם מדדים ברורים שמאפשרים למדוד את הערך של תוצאות מונעות נתונים. הסקר, […]

הפוסט למה 92% ממנהלי הנתונים חייבים להיות ממוקדי תוצאות עסקיות אבל רק 29% יודעים למדוד את הערך הופיע ראשון בLet's AI בינה מלאכותית

]]>
דוח חדש של IBM Institute for Business Value מגלה שרוב הארגונים משקיעים בבינה מלאכותית בלי לדעת באמת אם היא מייצרת ערך עסקי. 92% ממנהלי הנתונים הבכירים (CDO) אומרים שהם חייבים להיות ממוקדי תוצאות עסקיות כדי להצליח בתפקיד, אבל רק 29% מהם מדווחים שיש להם מדדים ברורים שמאפשרים למדוד את הערך של תוצאות מונעות נתונים. הסקר, שנערך בקרב 1,700 מנהלי נתונים ב-27 מדינות ו-19 תעשיות, חושף פער חריף בין השאיפה להשתמש ב-AI כדי לקדם את העסק לבין היכולת להוכיח שההשקעות האלה באמת משתלמות.

 

המחקר התבסס על 1,700 מנהלי נתונים בכירים ב-27 מדינות ו-19 תעשיות ברחבי העולם

IBM Institute for Business Value, 2025 CDO Study

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

המדידה הטכנולוגית מסתירה את התשובה האמיתית

הסיבה לפער הזה פשוטה. ברוב הארגונים מודדים את הטכנולוגיה במקום למדוד את השפעתה על העסק. עוקבים אחרי זמני תגובה, דיוק מודלים וכמות שאילתות, אבל הרבה פחות אחרי שאלות בסיסיות כמו: האם הלקוחות מרוצים יותר, האם העלויות יורדות, והאם השורה התחתונה באמת משתפרת.

 

באנר קורס דאטה ניתוח נתונים עם AI

 

הדוח מציג כאן סתירה חדה: 81% ממנהלי הנתונים אומרים שהם נותנים עדיפות להשקעות שמאיצות יכולות ויוזמות AI, אבל רק 26% בטוחים שהיכולות האלה באמת ביצירת מקורות הכנסה חדשים שמופעלים על ידי בינה מלאכותית. במילים אחרות, רוב הארגונים משקיעים בכוח במנוע, בלי לבדוק אם המכונית בכלל מתקדמת בכיוון הנכון.

 

מתוך זה הדוח גוזר עיקרון פשוט: אי אפשר למדוד החזר על השקעה ב-AI בלי תשתית נתונים ותהליכי מדידה שנבנו מראש בשביל זה. החברות שמצליחות לחבר בין הטכנולוגיה לערך העסקי עושות שני דברים בולטים – בונות צנרת נתונים אמינה וגמישה, והופכות את הידע התפעולי הייחודי שלהן לנכס תחרותי. במאמר הזה נתמקד בשני התחומים האלה.

 

בגרף הבא רואים את הפער הזה במספרים: 92% מהמנהלים אומרים שהם חייבים להיות ממוקדי תוצאות עסקיות כדי להצליח בתפקיד, אבל רק 29% מדווחים שיש להם מדדים ברורים שמאפשרים למדוד את הערך של תוצאות מונעות נתונים. זה כבר לא רק סיפור על טכנולוגיה מתקדמת, אלא על חוסר יכולת בסיסי לענות על השאלה “האם כל זה באמת שווה את הכסף”.

 

פער אמון: למה 92% מהמנהלים מצפים מבינה מלאכותית לתוצאות אבל רק 29% יודעים למדוד אותן

IBM Institute for Business Value, 2025 CDO Study

צנרת נתונים שעובדת באמת

בינה מלאכותית מכפילה גם את הערך וגם את הסיכון. מודל AI שמוזן בנתונים לא נקיים או לא מדויקים לא רק שלא מייצר ערך, הוא גם מגדיל את הנזק. קחו למשל חברה שמנסה לחזות ביקוש ללקוחות. אם הנתונים שלה מלאים ברעש מהזמנות שבוטלו או כתובות לא מעודכנות, המודל יחזה ביקוש גבוה באזורים שהלקוחות כבר עזבו. התוצאה ברורה – מלאי שנשאר במחסנים, עלויות לוגיסטיקה מיותרות והחלטות שנראות “חכמות” על הדשבורד אבל שגויות בשטח.

 

החברות שמצליחות לייצר ערך מבינה מלאכותית מתחילות בבנייה של צנרת נתונים נקייה ומפוקחת. הן משקיעות קודם כל בניקוי מוקדם, מסירות רעש, מסננות מקורות בעייתיים וממפות מראש נקודות כשל אפשריות. אחר כך הן ממקדות את המאמץ במידע שנותן ערך ממשי, במקום לאסוף כל דבר שזז. הן מגדירות סטנדרטים ברורים לפורמטים, משתמשות בשפה אחידה בכל המערכות ומנסחות במדויק מה נחשב “נתון תקין”.

 

לפני שהנתונים מגיעים למודל, הן מריצות בקרת כניסה שתופסת חריגות ושגיאות. אחרי שהמודל עולה לאוויר, הן ממשיכות לנטר את הזרימה בזמן אמת, מזהות סטיות מוקדם ומאפשרות תיקון מהיר לפני שהטעויות מתגלגלות ללקוחות ולדו”חות. בלי התשתית הזו, בינה מלאכותית היא בעיקר כלי יקר שמייצר החלטות מרשימות במצגת ופוגעות בביצועים בשורה התחתונה.

איך זה נראה בפועל

חברת Medtronic, יצרנית ציוד רפואי גלובלית, התמודדה עם תהליך ידני ואיטי של התאמת חשבוניות, אישורי משלוח והזמנות רכש. הצוותים השקיעו עד 20 דקות בעיבוד חשבונית אחת, תהליך שגזל זמן יקר מעבודה אסטרטגית ופגע ביעילות התפעולית.

 

Medtronic הטמיעה פתרון מבוסס AI שמבצע קליטה אוטומטית של מסמכים והתאמה ביניהם. הפלטפורמה משתמשת בלמידת מכונה ובבינה מלאכותית ג׳נרטיבית כדי להתמודד עם פורמטים מורכבים, חותמות, סריקות באיכות ירודה ומבנים לא סטנדרטיים, ולסגור את כל ההתאמות בלי התערבות ידנית.

 

בתוך ארבעה שבועות בלבד הושלמה האוטומציה של תהליך התאמת המסמכים במחלקה אחת, כבסיס להתרחבות לשאר הארגון. זמן עיבוד החשבוניות ירד מ”עד 20 דקות” ל-8 שניות עם דיוק שעולה על 99 אחוז. התוצאה לא הייתה רק חיסכון דרמטי בזמן: השגיאות היקרות צומצמו, המערכת יכולה להתמודד עם נפחי מסמכים גדלים בלי להוסיף כוח אדם, והעובדים שוחררו להתמקד במשימות בעלות ערך גבוה יותר.

 

זו דוגמה קלאסית למה שהדוח של IBM מדגיש – כשיש צנרת נתונים מסודרת ומגדירים מראש מה מודדים, בינה מלאכותית היא כבר לא “פיילוט טכנולוגי” אלא תהליך עסקי חדש עם תוצאה ברורה שקל למדוד בזמן, כסף ודיוק.

ניסיון תפעולי כיתרון תחרותי

הטכנולוגיה של בינה מלאכותית זמינה לכולם. המודלים, הפלטפורמות וה-APIs דומים מאוד בין ארגון לארגון. מה שלא זמין לכולם הוא הניסיון התפעולי הייחודי שכל ארגון צובר עם השנים. החברות שמובילות בתחום הן אלו שלא מסתפקות בידע הזה כ”ידע בראש של אנשים”, אלא הופכות אותו לנתונים, למערכות ולתהליכים שאי אפשר להעתיק בקלות.

 

זה לא ידע כללי על השוק או על טרנדים בטכנולוגיה, אלא ידע מאוד ספציפי – איך הלקוחות שלכם באמת מתנהגים, איפה התהליכים נשברים שוב ושוב, אילו פתרונות עבדו בשטח ואילו נכשלו, מה גורם לעיכובים, ואיזה ניואנסים קטנים גורמים ללקוח להישאר או לעזוב. זה החומר הגולמי שממנו בונים יתרון תחרותי אמיתי.

 

כדי להפוך את הידע הזה ליתרון עסקי צריך להתייחס אליו כמו אל נכס נתונים, לא רק כמו אל ניסיון. לתעד בזמן אמת מה עובד ומה לא, ולשתף את הצוות בתובנות במקום להשאיר אותן בשיחות מסדרון, לבנות תהליכים ברורים שניתנים לשחזור ולהגדלה, להפעיל מנועי החלטות אוטונומיים בנקודות קריטיות עם אפשרות להתערבות אנושית כשצריך, לפתח מנגנונים שמונעים טעויות ומפעילים התראות מוקדמות, כך שלא מחכים לבעיות גדולות אלא מזהים סימני אזהרה בזמן, ולשמור את כל הידע הזה במערכות נגישות שמאפשרות לשפר את התהליכים כל הזמן ולא להתחיל מאפס בכל פרויקט חדש.

 

הדוח של IBM מראה שהמיקוד הזה איננו רק יתרון תחרותי אלא גם סדר עדיפות מובהק: מנהלי הנתונים מציבים “מינוף נתונים ליתרון עסקי” במקום הראשון, ומולם מתמודדים עם אתגרים כמו תרבות מונעת נתונים וממשל נתונים אפקטיבי. התרשים הבא מציג את זה בצורה ברורה:

 

מה הכי חשוב למנהלי הנתונים – ומה מעכב אותם בדרך

מה הכי חשוב למנהלי הנתונים – ומה מעכב אותם בדרך. IBM CDO Study

למי זה מתאים ולמי לא

הגישה הזו מתאימה בדרך כלל לארגונים גדולים, לרוב עם מאות עד אלפי עובדים, שיש להם מחלקת IT ייעודית ובעלות ברורה על הנתונים. ארגונים כאלה מסוגלים להשקיע זמן ומשאבים בבנייה של תשתית נתונים, במדידה ובשינוי תהליכים לפני שהם רצים להציג תוצאות נוצצות. זה דורש סבלנות, משמעת וגישה שיטתית לעבודה עם נתונים, לא עוד פרויקט חדשני שמוצג במצגת ונשכח אחרי חצי שנה.

 

היא פחות מתאימה לחברות שמחפשות קיצור דרך או “קסם” טכנולוגי. בינה מלאכותית לא מתקנת תהליכים גרועים ולא מסדרת נתונים מבולגנים. היא רק מכפילה אותם. אם התהליכים בעייתיים והנתונים לא אמינים, AI יגרום להם להיות מהירים יותר, גדולים יותר וקשים יותר לתיקון.

 

המסקנה המעשית נשארת פשוטה – הנתונים שלכם הם הנכס הייחודי שלכם. אם לא מטפלים בהם ברצינות, שום מודל לא יציל אתכם. התחילו מבנייה של תשתית שמאפשרת מדידה אמיתית ותיעוד של ידע תפעולי. רק אחר כך תוסיפו שכבת בינה מלאכותית, ורק אז תוכלו גם להפיק ערך ממנה וגם לדעת כמה ערך באמת התקבל.

 

לסקרנים שרוצים לצלול לדוח המלא ואל כל המספרים, ההמלצות והדוגמאות, אפשר לקרוא אותו כאן.

הפוסט למה 92% ממנהלי הנתונים חייבים להיות ממוקדי תוצאות עסקיות אבל רק 29% יודעים למדוד את הערך הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/data-ai-value-gap/feed/ 0
הנפילה וההתאוששות של קלרנה שגילתה שבינה מלאכותית לא מחליפה אנושיות https://letsai.co.il/klarna-ai-crisis/ https://letsai.co.il/klarna-ai-crisis/#respond Wed, 26 Nov 2025 08:09:13 +0000 https://letsai.co.il/?p=64794 בואו נתחיל מההתחלה: בשנת 2023, מנכ”ל קלרנה, סבסטיאן סיימיאטקובסקי, הצהיר קבל עם ועדה: אנחנו “שפן הניסיונות” של ChatGPT. כך יצא לדרך ברעש וצלצולים פרויקט דגל עם OpenAI, מיזם בינה מלאכותית שאמור היה לשנות את העולם – ובמיוחד את שירות הלקוחות של קלרנה. אז הם חלמו על סוכני שירות לקוחות, בעידן שבו ChatGPT היה עדיין תינוק, […]

הפוסט הנפילה וההתאוששות של קלרנה שגילתה שבינה מלאכותית לא מחליפה אנושיות הופיע ראשון בLet's AI בינה מלאכותית

]]>
בואו נתחיל מההתחלה: בשנת 2023, מנכ”ל קלרנה, סבסטיאן סיימיאטקובסקי, הצהיר קבל עם ועדה: אנחנו “שפן הניסיונות” של ChatGPT. כך יצא לדרך ברעש וצלצולים פרויקט דגל עם OpenAI, מיזם בינה מלאכותית שאמור היה לשנות את העולם – ובמיוחד את שירות הלקוחות של קלרנה. אז הם חלמו על סוכני שירות לקוחות, בעידן שבו ChatGPT היה עדיין תינוק, ובטח שלא הילד הכי חכם בכיתה. למה צריך מאות עובדים אנושיים כשאפשר לשים בוט שעושה את העבודה של 800 איש, ושמתיימר לקצר את זמני השיחה מ-11 דק’ ל-2 דק’ בלבד. על הנייר – חלום ורוד וציפיות בשמיים! אבל חלומות לחוד ומציאות לחוד – סיפור הסינדרלה שלנו (או ליתר דיוק – של קלארנה) הפך מהר מאוד לסרט אימה. איך זה נגמר בסוף ומה אפשר ללמוד הזה על הטמעת AI בחברות וארגונים? התשובות בהמשך המאמר…

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מי זו Klarna?

קלארנה (Klarna) היא חברת פינטק שוודית שהוקמה ב-2005, והפכה למובילה עולמית בתחום “קנה עכשיו, שלם אחר כך” (BNPL). החברה מספקת שירותים פיננסיים מקוונים, כולל עיבוד תשלומים לעסקים בתחום המסחר האלקטרוני, פתרונות סליקה, ניהול הקשר עם חנויות פיזיות, והקלה בתשלומים ללקוחות. נסו לחשוב על מעין שילוב בין זאפ, אמאזון ופייבוקס. עם יותר מ-150 מיליון צרכנים ברחבי העולם, קלארנה הפכה לשחקן מרכזי בזירת התשלומים הדיגיטליים.

 

באנר אנטרפרייז

 

“נשירה טבעית”… האמנם?!

בחברה העריכו – תוך חודשים נוכל לחתוך במצבת כוח האדם בחצי, לייעל תהליכים ולתת שירות טוב ומהיר יותר ללקוח. המציאות הייתה אף קיצונית יותר! קלרנה צמצמה את כוח האדם שלה מ-7,400 עובדים ל-3,000 בלבד. ירידה של 60%! הבינה המלאכותית טיפלה ב-75% מהפניות לשירות הלקוחות. בקלארנה כינו את התהליך בזמנו כ”נשירה טבעית” – כולם מחאו כפיים, המנכ”ל חגג את החיסכון – 10 מיליון בשנה, והמשקיעים חייכו בדרך לבורסה.

 

אבל אז, כמו בכל סיפור טוב, משהו נסדק. הלקוחות התחילו להתלונן: “אין עם מי לדבר”, “הבוט לא מבין אותי”, “חסר אנושיות”. מדד שביעות הרצון של הלקוחות התרסק – ירידה של 40%. חיסכון זה נהדר, אבל לקוחות רוצים להרגיש שמישהו באמת מקשיב להם. פתאום התברר שהעלות הפכה לחשובה יותר מהאיכות. כך הצהיר בדיעבד מנכ”ל החברה.

 

הוא אף הגדיל ואמר שאי אפשר להחליף אמפתיה אנושית, אפילו לא עם האלגוריתם הכי משוכלל. בקיץ 2025 קלרנה החלה לגייס מחדש עובדים אנושיים, בנתה צוותים היברידיים (גם בינה מלאכותית וגם נציגים בשר ודם) שעונים ללקוחות, וכך הם החזירו את הערך האנושי.

 

הקאמבק של Klarna

ההימור השתלם: החברה חזרה לגדול, הכנסותיה בארצות הברית קפצו ב-38%, והרווחיות טיפסה. אחרי תקופה סוערת – קלרנה חזרה להנפקה בשווי של למעלה מ-15 מיליארד דולר. סיפור סינדרלה שהפך לסיפור אימה ועשה קאמבק מפתיע – שוב סינדרלה!

 

 

בינה מלאכותית אינה מטרה, אלא רק עוד אחד מסט הפתרונות האפשריים

אחרי כל הרעש סבסטיאן ה-CEO הצהיר שוב: “בינה מלאכותית זה מצוין, אבל אנושיות? את זה אי אפשר להחליף”. מה הלקח פה? ש-AI לבדו אינו חזות הכל! אינו מטה קסם. שצוותים היברידיים יעילים יותר מצוותים אנושיים שלא עובדים עם AI, וגם יותר יעילים מסוכני AI שפועלים בניתוק מבני אנוש. שהטמעת AI היא פתרון ולא מטרה! 

הפוסט הנפילה וההתאוששות של קלרנה שגילתה שבינה מלאכותית לא מחליפה אנושיות הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/klarna-ai-crisis/feed/ 0
צ’אטים קבוצתיים ב-ChatGPT הם הדור החדש של עבודה משותפת עם AI https://letsai.co.il/group-chats-chatgpt/ https://letsai.co.il/group-chats-chatgpt/#respond Sun, 23 Nov 2025 12:16:13 +0000 https://letsai.co.il/?p=64534 OpenAI השיקה בנובמבר 2025 את הצ’אטים הקבוצתיים, תכונה שמסמנת שינוי עמוק בדרך שבה משתמשים עובדים עם ChatGPT. הכלי כבר לא רק עוזר אישי שמדבר עם אדם אחד. מעכשיו הוא יודע לפעול בתוך שיחה מרובת משתתפים, להבין הקשר קבוצתי, להגיב כשצריך ולסייע לצוותים לחשוב, להחליט וליצור יחד. במקום מודל שעונה לשואל יחיד, נוצר מרחב עבודה משותף […]

הפוסט צ’אטים קבוצתיים ב-ChatGPT הם הדור החדש של עבודה משותפת עם AI הופיע ראשון בLet's AI בינה מלאכותית

]]>
OpenAI השיקה בנובמבר 2025 את הצ’אטים הקבוצתיים, תכונה שמסמנת שינוי עמוק בדרך שבה משתמשים עובדים עם ChatGPT. הכלי כבר לא רק עוזר אישי שמדבר עם אדם אחד. מעכשיו הוא יודע לפעול בתוך שיחה מרובת משתתפים, להבין הקשר קבוצתי, להגיב כשצריך ולסייע לצוותים לחשוב, להחליט וליצור יחד. במקום מודל שעונה לשואל יחיד, נוצר מרחב עבודה משותף שבו ה-AI הופך לחבר צוות פעיל. זהו צעד שמרחיב את ChatGPT וממקם אותו ככלי אמיתי לשיתוף פעולה.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה חדש כאן בעצם?

צ’אט קבוצתי ב-ChatGPT יוצר מרחב עבודה משותף שבו עד עשרים אנשים יכולים לעבוד יחד בזמן אמת. כל משתתף יכול להעלות קבצים, לשתף רעיונות ולפתח שיחה טבעית. בתוך הסביבה הזאת ChatGPT מתפקד כחבר נוסף בקבוצה. הוא מגיב רק כשמזמינים אותו ומזהה מתי נכון להתערב ומתי לתת לשיחה להתנהל בין המשתתפים.

 

התכונה זמינה למשתמשי Free, Go, Plus ו-Pro. התכונה עוד לא הושקה רשמית לתוכניות Business ו-Enterprise.

איך פותחים צ׳אט קבוצתי

הקמה של צ’אט קבוצתי ב-ChatGPT היא תהליך מהיר וברור, והמסכים עצמם מנחים אתכם שלב אחרי שלב.

 

השלבים ליצירת צ'אט קבוצתי ב-ChatGPT

השלבים ליצירת צ’אט קבוצתי ב-ChatGPT

 

1. לחיצה על אייקון המשתמשים: במסך הצ’אט הקיים מופיע אייקון של דמות עם סימן פלוס. לחיצה עליו פותחת את חלון יצירת הצ’אט הקבוצתי. זה השלב שבו אתם מאותתים למערכת שאתם רוצים להוסיף אנשים לשיחה.

2. התחלת צ’אט קבוצתי: בחלון שנפתח מוצג מסר קצר שמסביר את הרעיון: שימוש משותף ב-ChatGPT לצורך תכנון, רעיונות ושיתוף. כאן לוחצים על Start group chat כדי ליצור קבוצת צ’אט חדשה.

3. קבלת קישור ההזמנה: לאחר יצירת הקבוצה מופיע מסך שבו מוצג לינק קבוצתי ייחודי. אפשר להעתיק אותו בלחיצה על Copy link. כל מי שמקבל את הלינק יכול להצטרף לקבוצה מבלי שתצטרכו לאשר כל אדם ידנית.

4. כלי הניהול הראשוניים של הקבוצה: לאחר פתיחת הקבוצה אפשר לראות את תפריט הניהול: רשימת משתתפים, ניהול קישור ההזמנה, שינוי שם הקבוצה והגדרת התנהגות ChatGPT בקבוצה (Customize ChatGPT). זהו מרכז השליטה הראשוני שלכם.

5. שיתוף הזמנה מתוך חלון השיחה: מיד לאחר יצירת הקבוצה מופיעה בתוך הצ’אט הודעה מערכתית שמאשרת שהקבוצה נוצרה. לצד זה מופיע כפתור Invite with link שמאפשר לשלוח שוב את אותו קישור, בלי צורך לחפש אותו בתפריטים.

התהליך כולו בנוי כך שכל שלב זורם לשלב הבא בלי בלבול. כל משתתף שמצטרף בפעם הראשונה מתבקש ליצור פרופיל בסיסי (שם, תמונה ושם משתמש), והוספת אדם לשיחה פרטית יוצרת קבוצה חדשה כדי להגן על פרטיות השיחה המקורית.

איך ChatGPT מתנהג בתוך קבוצה

זיהוי דינמיקה קבוצתית

OpenAI אימנה את המודל להבין הקשר חברתי בסיסי. ChatGPT מגיב רק כשמתייגים אותו או שואלים אותו ישירות, ומנסה להבחין בין רגעים שבהם הקבוצה זקוקה לעזרתו לבין רגעים שבהם נכון שיישאר ברקע.

יכולות בזמן שיחה קבוצתית

המודל יודע להשתמש באימוג’ים, לנתח ולהעלות קבצים, ליצור תמונות ולבצע חיפוש ברשת. הוא משתלב בתהליך כמו כל משתתף אחר ומוסיף מידע או תוצרים כשמבקשים ממנו.

ניהול עומס ושימוש

מגבלות השימוש נספרות על פי המשתמש שהמודל מגיב לו ולא על פי כל חברי הקבוצה יחד. זה מאפשר לצוותים לחלק את השאלות באופן חכם ולהימנע מחסימת שימוש מיותרת.

ההתנהגות בפועל

התוצאה היא נוכחות מאוזנת. ChatGPT נמצא שם כדי לעזור אבל אינו משתלט על השיחה. הוא שותף פעיל כשצריך ועוזר לשמור על קצב ולחדד את הדיון בלי לפגוע בשיחה האנושית עצמה.

איזה מודל מפעיל את הצ’אטים הקבוצתיים

כל צ’אט קבוצתי ב-ChatGPT פועל על GPT-5.1 Auto. זהו מנגנון שמנתח את סוג הבקשה בכל רגע ובוחר אוטומטית את תת המודל המתאים ביותר, בלי שהמשתמשים יצטרכו להגדיר דבר.

 

איך נקבע המודל בפועל?

שאלות קצרות או משימות מהירות מקבלות מענה מ-GPT-5.1 Instant. לעומת זאת, ניתוחים עמוקים, הסברים מורכבים או בקשות שמצריכות reasoning (חשיבה מעמיקה או ניתוח מדורג) עוברים ל-GPT-5.1 Thinking. משתמשי Plus נהנים מהיכולות המלאות שלו גם אם שאר המשתתפים במסלול Free. המנגנון מתייחס להגדרות של שואל השאלה בלבד.



למשימות פשוטות זמן התגובה הממוצע נע בין שלוש לחמש שניות. למשימות מורכבות יותר התגובה נעה בין שתים עשרה לשמונה עשרה שניות, בהתאם לכמות העיבוד הנדרשת.

מה חשוב לדעת מבחינת פרטיות ואבטחה

הפרדה מוחלטת בין סוגי שיחות

OpenAI שמה דגש חזק על כך ששיחות קבוצתיות מופרדות לחלוטין משיחות פרטיות. הזיכרון האישי (Personal Memory) לא נחשף לקבוצה והמודל אינו משתמש במידע שהצטבר בשיחות פרטיות קודמות.

הוראות מותאמות אישית לכל קבוצה

Custom Instructions אישיים לא מיושמים אוטומטית בצ’אטים קבוצתיים. כל קבוצה מקבלת סט הנחיות משלה, והגדרות הקבוצה נשארות מבודדות ואינן משפיעות על ההגדרות האישיות של המשתמש.

שליטה מלאה במשתתפים ובהודעות

צ’אטים קבוצתיים מופיעים באזור ייעודי בסרגל הצד. ניתן להסיר משתתפים, להשתיק התראות או לעזוב את הקבוצה בכל רגע, ללא השפעה על שאר השיחות.

הגנות ייעודיות לקטינים

למשתתפים מתחת לגיל 18 מופעלים מסנני תוכן מוגברים. הורים יכולים גם לכבות לחלוטין את אפשרות הצ’אטים הקבוצתיים דרך בקרות הוריות.

העיקרון המנחה

המטרה היא לאפשר שיתוף פעולה יעיל בלי לוותר על פרטיות. המערכת מוודאת שהמעבר מצ’אט אישי לקבוצתי לא חושף מידע, לא משנה התנהגות, ולא פוגע בסביבה הפרטית של המשתמש.

דוגמאות לשימושים מעשיים

פרויקטים קצרי טווח ושיתוף יצירתי

הפיצ’ר עובד מצוין כשצריך לתכנס סביב משימה ברורה ולייצר תוצאה מהירה. דוגמאות מרכזיות:

  • תכנון נסיעה קבוצתית

  • סיעור מוחות לצוות קטן

  • עריכה או כתיבה משותפת של מסמך אחד

קבלת החלטות משותפת

כאשר צריך להגיע להחלטה מהירה, ChatGPT עוזר לצמצם אפשרויות ולהציג יתרונות וחסרונות. שימושים נפוצים:

  • בחירת מסעדה או יעד

  • בחירה בין שתי חלופות בפרויקט קצר

תמיכה ושיתוף ידע בזמן אמת

בצוותים טכניים או תפעוליים, הצ’אטים הקבוצתיים משמשים כמרחב יעיל לשיתוף מידע. למשל:

  • מתן תמיכה טכנית

  • שיתוף תבניות תגובה או דוגמאות

  • ניתוח משותף של קובץ שהועלה

הפיצ’ר בולט כשה-AI משפר את איכות השיחה האנושית. הוא מארגן מידע, מחדד רעיונות ויוצר תוצרים שהקבוצה לא תמיד מצליחה לייצר לבד.

מגבלות שכדאי להכיר

הפיצ’ר עדיין מוגבל בכמה היבטים מרכזיים. ניתן לצרף עד עשרים משתתפים בלבד, וכל השיחה מופיעה בציר זמן רציף בלי תת שרשורים. כלי הניהול בסיסיים ואין אינטגרציות עם מערכות חיצוניות כמו יומנים או פלטפורמות ניהול משימות. התוצאה היא תכונה שמתאימה למשימות ממוקדות וקצרות, אבל פחות לפרויקטים ארוכים, כיתות גדולות או צוותי Enterprise.

איך זה נראה בהשוואה לכלים אחרים

ChatGPT Group Chats לא מחליף את Slack, Teams או ווטסאפ. Slack ו-Teams הן פלטפורמות תקשורת שבמרכזן אנשים, עם יכולות AI כתוספת. בצ’אטים קבוצתיים של ChatGPT המודל עצמו נמצא במרכז, והמשתתפים מצטרפים אליו לפי צורך. ווטסאפ נשאר כלי חברתי, בעוד הצ’אטים הקבוצתיים מיועדים למשימות ממוקדות ולא לשיחה יומיומית.

איך להפיק מקסימום תועלת

כמו כל פיצ’ר חדש, גם בצ’אטים קבוצתיים יש רגעי עומס או תגובות מיותרות, בעיקר כש-ChatGPT מתערב מהר מדי. זה חלק מתהליך ההבשלה של המערכת, וניתן לעקוף את רוב החיכוך באמצעות שימוש נכון.

 

הנה כמה טכניקות עבודה יעילות:

  • כתיבה משותפת של פרומפטים משפרת את איכות התוצרים.

  • חלוקת שאלות בין משתמשי Pro (למשימות מורכבות) למשתמשי Free מפחיתה עומסים.

  • בקשה מפורשת להתייחס להודעות קודמות מחזירה את ההקשר בשיחות ארוכות.

  • העלאת קבצים, דוגמאות ומסמכים עוזרת למודל לדייק בתשובות.

הפיצ’ר מציג את הערך הגבוה ביותר כאשר הוא מקבל הקשר מלא ומוגדר היטב.

 

 

 

האם זה צעד ראשון לרשת חברתית?

כנראה שלא. לפחות לא כרגע. למרות שהפיצ’ר מכניס אנשים ו-AI לאותו מרחב שיחה, הצ’אטים הקבוצתיים לא נועדו להיות רשת חברתית. אין ערוצים, אין הודעות פרטיות מחוץ לקבוצה ואין אינטגרציות עמוקות. OpenAI מציגה את הפיצ’ר ככלי שיתוף פעולה ממוקד שמיועד לקבוצות קטנות ולמשימות בעלות מטרה ברורה.

 

צ’אטים קבוצתיים ב-ChatGPT מציעים דרך חדשה לעבוד עם AI בצוות. הם פשוטים לשימוש ומאפשרים למודל להשתלב בשיחה באופן טבעי ולחדד רעיונות, לסדר מידע ולהאיץ קבלת החלטות. הפיצ’ר משתלב היטב לצד כלי התקשורת הקיימים במצבים שמצריכים סיעור מוחות או פתרון בעיות מהיר.

 

OpenAI מאותתת על שינוי עמוק בתפקיד של ChatGPT. פחות כלי שעונה לאדם יחיד ויותר מרחב עבודה משותף, שבו AI הופך לחבר צוות נוסף. זהו צעד משמעותי בדרך להפיכת המודל לכלי עבודה קבוצתי אמיתי.

הפוסט צ’אטים קבוצתיים ב-ChatGPT הם הדור החדש של עבודה משותפת עם AI הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/group-chats-chatgpt/feed/ 0
מיקרוסופט חושפת חזון עבודה חדש בכנס Ignite https://letsai.co.il/microsoft-ignite-2025/ https://letsai.co.il/microsoft-ignite-2025/#respond Sun, 23 Nov 2025 08:06:26 +0000 https://letsai.co.il/?p=64478 מיקרוסופט השתמשה ב-Ignite 2025 כדי לשרטט מודל עבודה חדש. לא עוד כלי שממתין להוראות, אלא מערכת של סוכנים שמבינים את הארגון, את האנשים ואת הדינמיקה שבה מתקבלות החלטות. Work IQ מוסיפה שכבת אינטליגנציה שמפרשת דפוסי עבודה והרגלים, Agent 365 מביא איתו תשתית לניהול סוכנים אוטונומיים, ו-Copilot מקבל חיזוק שהופך אותו לחלק מרכזי בפעילות היומיומית. במהלך […]

הפוסט מיקרוסופט חושפת חזון עבודה חדש בכנס Ignite הופיע ראשון בLet's AI בינה מלאכותית

]]>
מיקרוסופט השתמשה ב-Ignite 2025 כדי לשרטט מודל עבודה חדש. לא עוד כלי שממתין להוראות, אלא מערכת של סוכנים שמבינים את הארגון, את האנשים ואת הדינמיקה שבה מתקבלות החלטות. Work IQ מוסיפה שכבת אינטליגנציה שמפרשת דפוסי עבודה והרגלים, Agent 365 מביא איתו תשתית לניהול סוכנים אוטונומיים, ו-Copilot מקבל חיזוק שהופך אותו לחלק מרכזי בפעילות היומיומית. במהלך הזה ניכר דפוס רחב יותר. מיקרוסופט מרחיבה את Copilot, מוסיפה מודלים חדשים כמו GPT 5.1 ומשלבת יכולות שמקרבות את סביבת העבודה לעולם שמבוסס על סוכנים. זהו חזון רחב שמנסה להזיז את מרכז הכובד של העבודה הדיגיטלית. אבל לצד ההצהרות, רוב היכולות המתקדמות נשארות כרגע מאחורי שערי תוכנית Frontier, כך שהעתיד שמיקרוסופט מציגה עדיין לא נגיש לרוב הארגונים.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

Copilot במחיר חדש עם פתיחה חלקית של השער לעסקים קטנים

אחד המהלכים הבולטים ב-Ignite הוא השקת Microsoft 365 Copilot Business, מהדורה מוזלת שמחירה 21 דולר למשתמש בחודש. היא מיועדת לעסקים עם פחות משלוש מאות עובדים ותושק בדצמבר. מבחינת מיקרוסופט זהו מסר ברור. עידן הסוכנים אינו אמור להיות נחלתם של תאגידי ענק בלבד. גם עסקים קטנים נכנסים למגרש, ומיקרוסופט רוצה שהם יתחילו לשחק עכשיו.

 

המהדורה כוללת את יכולות הבסיס, את Work IQ ואת שילוב ה-Copilot באפליקציות Office. על הנייר זו פתיחה אמיתית של השער. אבל כשמסתכלים על הגבולות, רואים שהמהלך מוגבל. עסקים בינוניים וארגונים גדולים ימשיכו לשלם את המחיר המלא. התוצאה היא פחות מהפכה ויותר כוונון עדין של השוק, מהלך שנועד להניע שכבה ספציפית של לקוחות ולא לייצר שינוי כולל.

Work IQ

השדרוג העמוק ביותר שהוצג ב-Ignite לא נמדד בכמות הפיצ’רים, אלא ברעיון שעומד מאחוריו. Work IQ היא לא עוד תחנה בקו הפיתוח. זו הצהרה על שינוי זהות. ממערכת שעונה לבקשות למערכת שמנסה להבין איך ארגון עובד.

 

הבסיס הוא שכבת נתונים רחבה שמקיפה מיילים, צ’אטים ופגישות. זו שכבת ה”חיים עצמם” שממנה המערכת בונה תמונה של מה שקורה ביום יום. מעליה מונחת שכבת זיכרון, שמזהה דפוסים, לומדת סגנון עבודה ומתחקה אחר הרגלים שחוזרים שוב ושוב. מעל שתיהן פועל מנגנון הסקה שמנסה להפוך את כל זה לדבר אחד פשוט. מה הצעד הבא המתאים ביותר עכשיו.

 

מכאן נולד שינוי הגישה. Copilot כבר לא מסתפק ב”להביא תשובה”. הוא מנסה להבין מהי המשימה הנכונה ברגע הנכון. בעבר השיחה נראתה כך. אתם מבקשים, והוא מגיש לכם את המידע שביקשתם. עכשיו הכוונה היא אחרת. אתם עובדים, והמערכת אומרת לכם “הנה מה שנראה שאתם צריכים לעשות עכשיו”.

 

 

החזון שאפתני. הוא מבקש להוריד מהשולחן את העומס הקטן והיומיומי שמצטבר סביב אלפי החלטות זעירות. אבל יחד איתו מגיעות גם שאלות כבדות. עד כמה מנהלים יסמכו על מערכת שמפרשת את צורת העבודה שלהם. האם רמת הדיוק תהיה גבוהה מספיק כדי להצדיק המלצות פעולה. והאם ארגונים יהיו מוכנים לשלם את מחיר החשיפה של המידע הפנימי והרגיש שלהם בתמורה לאוטומציה חכמה יותר.

Agent 365

אם Work IQ הוא המוח שמנסה להבין איך הארגון עובד, Agent 365 הוא השלד שמחזיק את כל המערכת. מיקרוסופט מציגה חזון שבו ארגונים מפעילים לא סוכן אחד ולא שניים, אלא מערך שלם. חלקם נוצרים ב-Copilot Studio, אחרים מגיעים מ-Foundry, ואחרים מספקים חיצוניים כמו Adobe או SAP. העולם הזה כבר לא נראה כמו כלי אחד חכם, אלא כמו אוסף של עובדים דיגיטליים שכל אחד מהם מבצע משימה אחרת.

 

במציאות כזו נדרש שינוי. ארגונים צריכים מערכת אחת שמרכזת את כל הסוכנים, מנהלת אותם ומפקחת עליהם. Agent 365 מנסה לתפוס את המקום הזה. היא מטפלת ברישום, בהגדרת הרשאות, בהצגת קשרים בין סוכנים ובאבטחה שמאתרת התנהגות חריגה. המהלך הזה מציב את הסוכנים באותה קטגוריה שבה מנהלים משתמשים, זהויות ותוכנות. לא עוד תוסף צדדי, אלא מרכיב תשתיתי בליבת העבודה.

 

עם זאת, לשינוי יש מחיר. המגבלה הראשונה ברורה. Agent 365 זמין כרגע רק במסגרת תוכנית Frontier. המשמעות פשוטה. ארגונים שחושבים קדימה ורוצים להתחיל להקים תהליכי פיקוח וניהול סוכנים לא יכולים לעשות זאת בפועל. הם צריכים להמתין עד שמיקרוסופט תחליט לפתוח את הפיצ’ר באופן רחב יותר.

 

המגבלה השנייה עמוקה יותר. Agent 365 מדבר בשפה של ארגונים מתקדמים, כאלה שכבר מפעילים פורטפוליו גדול של סוכנים. עבור רוב השוק זו אינה הזדמנות מיידית אלא יעד עתידי. המערכת מסמנת לאן מיקרוסופט רוצה שהארגונים יגיעו, אבל לא כל ארגון מוכן או מסוגל לעבור לשם כבר עכשיו.

 

 

Office ו-Teams מקבלים מאיץ

שדרוגי Office שהוצגו ב-Ignite מנסים לחבר את העבודה הדיגיטלית לכדי רצף אחד. לא עוד קבוצה של יישומים שמגיבים לבקשות, אלא סביבת עבודה שבה סוכנים יכולים לפעול ישירות בתוך המסמכים, המצגות והשיחות. המטרה היא להפוך את האפליקציות ממקום שבו מבצעים פעולות ידניות למרחב תפעולי חי.

 

Agent Mode ב-Word הוא הדוגמה הברורה ביותר. המצב החדש פתוח לכל המשתמשים, והוא משנה את התפקיד של Word עצמו. העורך אינו רק כלי לכתיבה ופיסוק. הוא הופך לזירה שבה סוכנים פועלים, מייצרים טיוטות, מבצעים עריכה ומקדמים תהליכים באופן יזום, כאילו היו חלק מהצוות.

 

ב-PowerPoint הסיפור אחר. Agent Mode קיים, אבל נשאר מאחורי Frontier. המשמעות היא שהיכולת קיימת, אך אינה נגישה לרוב הארגונים. הפיצול הזה מחדד את אסטרטגיית מיקרוסופט. חלק מהתכונות יוצאות מיד לקהל הרחב כדי לייצר אימוץ, ואחרות נשמרות למסלול מבוקר שבו החברה יכולה לפתח וללמוד כיצד ארגונים משתמשים בהן.

 

Excel מציג שינוי מסוג אחר. לראשונה מיקרוסופט מאפשרת לבחור מודל, OpenAI או Anthropic. זו אינה רק תוספת טכנית. זה מסר על גמישות ועל תחרותיות בתוך סביבת העבודה. המשתמש אינו כבול למודל אחד, והארגון יכול לבחור את מנוע הבינה שמשרת אותו בצורה הטובה ביותר.

 

לצד כל אלה מופיעה שורה של סוכני AI חדשים. הם מאפשרים ליצור מסמכים, מצגות וגיליונות באמצעות תהליך איטרטיבי בתוך Copilot Chat. זה שינוי בתפיסת העבודה. בעבר המשתמש עבד בכלי וביקש עזרה מהמערכת. עכשיו הסוכן מוביל את התהליך, והמשתמש מצטרף אליו.

 

ב-Teams השינוי בולט עוד יותר. Facilitator Agent נכנס לתפקיד שמרגיש כמעט אנושי. הוא מנהל סדר יום, מתעד, שומר על מסלול הדיון ומבצע פעולות המשך. בשילוב Model Context Protocol הסוכנים יכולים לדבר ישירות עם Jira, Asana ו-GitHub. שיחה אחת יכולה להפעיל שרשרת פעולות חוצת מערכות.

 

המסר ברור. מיקרוסופט רוצה ש-Teams יפסיק להיות רק מקום שבו מדברים ויהפוך למערכת שמבצעת עבודה. לא תא ישיבות אלא מנוע תפעולי. בתוך אותו מהלך, Office עצמו כבר אינו סביבת עריכה בלבד. הוא מתגבש לזירה שבה העבודה מתרחשת בפועל.

Sora 2 בתוך Copilot

Sora 2 של OpenAI מציבה רף חדש ליכולות הווידאו בתוך Microsoft 365 Copilot. לראשונה, משתמשים יכולים ליצור סרטונים קצרים למטרות שיווק ישירות מתוך סביבת העבודה. הכלי תומך בדיבוב, במוזיקה ובהתאמות מותג, והוא מציג כיוון ברור. יצירת וידאו מתחילה להיראות כמו עוד משימה שאפשר לבצע במהירות, כמעט כמו כתיבת מסמך או הכנת מצגת.

 

יחד עם זאת, ההשקה עדיין אינה מלאה. Sora 2 זמינה כבר היום ב-Copilot, אך הגישה אליה מתבצעת באופן מדורג ומלווה במנגנוני בקרה וניהול שמתגלגלים החוצה בהדרגה. המשמעות היא שחלק מהארגונים יקבלו גישה מוקדמת במסגרת מסלול Frontier, בעוד שאחרים יזכו לזמינות רחבה יותר בשלבים מאוחרים יותר. גם בשלב זה המודל מוגבל ליצירת סרטונים קצרים בלבד.

 

 

עכשיו צריך להחליט מי קופץ

מאחורי ההכרזות של Ignite 2025 עומדת אסטרטגיה רחבה הרבה יותר. מיקרוסופט אינה מסתפקת בהוספת פיצ’רים. היא מציעה ארכיטקטורה חדשה של עבודה ארגונית שבה סוכני AI אינם תוספת, אלא חלק מהתשתית. Work IQ, Agent 365, המודלים החדשים של Copilot והיכולות שמתחברות לתוך Office ו-Teams משרטטים עתיד שבו הארגון עובד לצד מערך של סוכנים דיגיטליים, ומנהל אותם כמו שמנהלים משתמשים והרשאות.

 

אבל כדי שהחזון הזה יתממש, ארגונים יצטרכו לשנות את עצמם. לא די לרכוש רישיון. נדרש שינוי מבני. הגדרה מחדש של הרשאות, יצירת תפקידים חדשים כמו מנהל סוכנים, תהליכי אישור ברורים ומנגנוני פיקוח מבוססי נתונים. זהו לא עדכון טכנולוגי אלא מהלך ארגוני שמחייב מחשבה מחודשת על זרימות העבודה ועל המידה שבה הארגון מוכן להעביר אחריות למערכת.

 

וכאן נשארת שאלה אחת חשובה. לא אם הטכנולוגיה בשלה, אלא אם הארגון בשלב שבו הוא מוכן לקפוץ. האם אתם מתחילים להטמיע סוכנים ולשנות את דרך העבודה שלכם, או מעדיפים לעמוד על שפת הבריכה ולראות מי יזנק ראשון?

הפוסט מיקרוסופט חושפת חזון עבודה חדש בכנס Ignite הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/microsoft-ignite-2025/feed/ 0
גוגל משיקה את הדור הבא של יצירת ועריכת תמונות עם Nano Banana Pro https://letsai.co.il/nano-banana-pro/ https://letsai.co.il/nano-banana-pro/#respond Sat, 22 Nov 2025 11:51:39 +0000 https://letsai.co.il/?p=64497 שקט לא היה סביב גוגל בשבועות האחרונים, אבל ההשקה של Nano Banana Pro הצליחה בכל זאת לבלוט. מאחורי השם שכבר מוכר מהדור הקודם עומד אחד השדרוגים המשמעותיים ביותר שגוגל הציגה בתחום יצירת התמונות. זה לא עוד מודל שמפיק ויזואלים יפים, אלא כלי שמסמן כיוון ברור עם יצירת תוכן ויזואלי שנשען על מידע אמיתי, עם טקסט […]

הפוסט גוגל משיקה את הדור הבא של יצירת ועריכת תמונות עם Nano Banana Pro הופיע ראשון בLet's AI בינה מלאכותית

]]>
שקט לא היה סביב גוגל בשבועות האחרונים, אבל ההשקה של Nano Banana Pro הצליחה בכל זאת לבלוט. מאחורי השם שכבר מוכר מהדור הקודם עומד אחד השדרוגים המשמעותיים ביותר שגוגל הציגה בתחום יצירת התמונות. זה לא עוד מודל שמפיק ויזואלים יפים, אלא כלי שמסמן כיוון ברור עם יצירת תוכן ויזואלי שנשען על מידע אמיתי, עם טקסט מדויק (כולל בעברית!) ואינטגרציה מעשית בתוך האקוסיסטם של גוגל. המודל החדש מבוסס על Gemini 3 Pro ומשווק כגרסה הוויזואלית של הדגם החזק ביותר של החברה. שמו הרשמי הוא Gemini 3 Pro Image, אבל גוגל בחרה להמשיך את קו המיתוג של Nano Banana שהושק באוגוסט האחרון והפך לפופולרי במיוחד. הפער בין הגרסאות גדול יותר מכפי שהשם מרמז, וההשקה הזו מגיעה בדיוק בזמן שבו השוק מוצף בכלי יצירת תמונות – אך כמעט אף אחד מהם לא מציע שילוב של הבנה, טקסט וידע עדכני. זה החלק שבו גוגל באמת משנה את המשוואה. מטרת הסקירה כאן אינה רק להציג תכונות, אלא להבין מה עומד מאחורי הבחירות של גוגל, מה הופך את המודל הזה לשונה מהמקובל בשוק, ולמי הוא באמת מיועד.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

תמונות שמבינות את העולם

פחות משלושה חודשים אחרי שהשיקה את מודל התמונות ננו-בננה (מבוסס Gemini 2.5 Flash), יוצאת גוגל עם מודל פרו ונותנת עוד קפיצה אדירה קדימה בתוך העולמות המולטימודליים שהיא פותחת בפנינו. החידוש הגדול ב-Nano Banana Pro אינו מסתכם בטכנולוגיה משופרת. מדובר במודל תמונות שמצליח לעשות משהו שרוב המודלים אחרים רק מנסים – להבין מה רוצים ממנו.

 

זו אינה הבנה אנושית, כמובן, אלא יכולת לפרש הקשרים, לזהות את כוונת המשתמש ולבנות תמונה שמשרתת רעיון ולא רק מייצרת ויזואל יפה. השילוב עם Gemini 3 Pro מעניק למודל יכולת לנתח את המשימה ולפעול על פי משמעות ולא רק על פי מילים.

תמונות שמבוססות על מידע אמיתי

החידוש השני שמבדל את Nano Banana Pro מהשוק אינו אסתטי אלא מהותי. זהו מודל התמונות הראשון שמחובר ישירות ל-Google Search. החיבור הזה סופר משמעותי משום שהוא מאפשר למודל להשתמש במידע עדכני בזמן יצירת התמונה במקום להסתמך על הידע הסטטי שנצרב בו בזמן האימון.

 

אינפוגרפיקות מבוססות מידע אמיתי

אינפוגרפיקות מבוססות מידע אמיתי | blog.google

 

החידוש הזה מדגיש פער שמורגש במיוחד במטלות שמודלים אחרים נופלים בהן. במקום תמונה מרהיבה אבל מקרית, Nano Banana Pro מפיק תוצרים שמבינים את התוכן. בקשה לאינפוגרפיקה על טיפול בצמח בית לא תוליד ציור אסתטי בלבד, אלא תרשים שמארגן מידע, מדגיש שלבים חשובים ומציג תובנות רלוונטיות. יכולת החשיבה הזו, יחד עם מנוע עיבוד התמונה, מציבה את גוגל במיקום שהשוק התקשה לדמיין רק לפני שנה.

 

כאן בדוגמה נוספת, Nano Banana Pro הופך צילום של צמח לתרשים מידע מלא הכולל מקור, דפוס עלים, הרגלי צמיחה ותנאי טיפול – הכל על בסיס התמונה שהועלתה ובשילוב מידע עדכני:

 

אינפוגרפיקה מבוססת-מציאות: Nano Banana Pro הופך צילום של צמח לתרשים מידע מלא הכולל מקור, דפוס עלים, הרגלי צמיחה ותנאי טיפול – הכל על בסיס התמונה שהועלתה ובשילוב מידע עדכני.

אינפוגרפיקה מבוססת-מציאות | blog.google

למה זה משנה? כי הוא פותח קטגוריית שימוש שלא הייתה קיימת עד עכשיו. במקום להסתמך על גרפיקות ידניות או על תוכן שמצריך שילוב בין כמה כלים, ניתן לבקש ישירות אינפוגרפיקה עם מזג האוויר של היום, נתוני ספורט עדכניים, שלבי הכנה למתכון או מדריך רפואי קצר. הכל נבנה בתוך התמונה, מלווה בטקסט מדויק ומידע אמיתי שנמשלף ברגע הבקשה.

 

כאן נמצא אחד היתרונות הברורים של גוגל. מודלים כמו Midjourney או Ideogram מייצרים תמונות מרהיבות מבחינה אמנותית, אבל הם מנותקים מהעולם בזמן אמת. Nano Banana Pro, לעומת זאת, נשען על החזקת המפתח לתשתית המידע הגדולה בעולם. היכולת הזו מחברת בין מנוע חיפוש ובין יכולת יצירה, ומעניקה לגוגל יתרון שמעטים יכולים להתחרות בו.

נשבר מחסום הטקסט (גם בעברית)

אחד החסמים הוותיקים בעולם יצירת התמונות היה תמיד הטקסט. רוב המודלים הצליחו לייצר ויזואליים מרהיבים, אבל ברגע שהיה צריך להכניס מילים לתוך התמונה הכל התפרק. אותיות התעוותו, משפטים הפכו לג׳יבריש, ובעברית זה היה כמעט בלתי אפשרי. Nano Banana Pro הוא אחד המודלים הראשונים שמצליח לשבור את המחסום הזה בצורה אמיתית.

 

המודל מפיק טקסטים ארוכים, קריאים ועקביים, ובשורה מרשימה של שפות כולל עברית, ערבית, רוסית, יפנית וסינית. עבור מעצבים, משווקים ויוצרי תוכן שמכינים פוסטרים, לוגואים, כרזות או אינפוגרפיקות, זו קפיצת מדרגה. מה שבעבר היה מצריך שכבות עיצוב ידניות הופך לפעולה אחת שמבוצעת ישירות מתוך המודל.

 

שילוב יצירתי של טקסט בתוך אובייקטים וחומרים – לא ככיתוב מודבק, אלא כחלק אורגני מהסצנה

שילוב יצירתי של טקסט בתוך אובייקטים כחלק אורגני מהסצנה | blog.google

 

אבל ההישג פה רחב יותר מטכנולוגיה. גוגל מזהה שהשוק לא מחפש עוד כלי שמייצר תמונות יפות. הוא מחפש כלי שמאפשר לעבוד. זה ההבדל בין מודל שמשחק עם סגנון לבין מודל שמסוגל לייצר חומרים אמיתיים למערכות מקצועיות.

 

Nano Banana Pro מכוון בדיוק לנקודה הזו: יצירת ויזואליים שאפשר להשתמש בהם מיד, בלי שכבת עיבוד נוספת.

ריבוי תמונות ושמירה על עקביות

יכולת נוספת שמבדלת את Nano Banana Pro היא החיבור בין ריבוי תמונות לבין עקביות ויזואלית. המודל מסוגל לשלב עד 14 תמונות שונות לקומפוזיציה אחת, ולשמור על הופעה עקבית של עד חמישה אנשים. עבור מי שעובדים על סטוריבורדים, קומיקס, קמפיינים פרסומיים או הדמיות מוצר, זו תכונה שמורידה חסמים שהיו ברורים עד עכשיו.

 

14 דמויות, תמונה אחת – עם עקביות מלאה

14 דמויות, תמונה אחת, עם עקביות מלאה | blog.google

 

זה אולי פחות מרשים במבט ראשון מעיבוד טקסט איכותי, אבל עבור אנשי מקצוע זו יכולת משמעותית. עד היום, מודלי תמונות התקשו לשמור על אותה דמות מזוויות שונות. התוצאה הייתה רצף חזותי שנשבר בכל ניסיון ליצור סדרה של תמונות.

 

Nano Banana Pro משנה את זה. גוגל מבינה שעולם היצירה מורכב מסדרות, תהליכים ורעיונות מתפתחים, לא רק מהתמונות הבודדות. לכן היא מעצבת את המודל ככלי שמסוגל להתמודד עם פרויקט שלם, לא רק עם בקשה אחת בכל פעם.

עריכה בשפה טבעית

אחת היכולות הפרקטיות ביותר בNano Banana Pro היא האפשרות לערוך תמונות קיימות ולשנות Look&Feel של כל תמונה באמצעות הוראות טקסט פשוטות. המשתמש יכול לבקש לשנות תאורה, להתאים צבעים, ליצור אפקטים קולנועיים או לשנות את יחס התמונה, וכל זה בלי לפתוח תוכנת עיצוב ובלי ידע מקצועי מוקדם.

 

שינוי תאורה ויחס תמונה תוך שמירה על הדמות המקורית

שינוי תאורה ויחס תמונה תוך שמירה על הדמות המקורית | blog.google

 

מאחורי הפיצ’ר הזה עומדת תפיסה אסטרטגית ברורה. גוגל רוצה לפרק את המחסום בין יצירה מקצועית לבין שימוש יומיומי. עריכה במשפט אחד כמו “הפוך את הסצנה ללילה” או “תעמיק את הצללים סביב הדמות” הופכת את המודל לכלי שמרגיש כמעט כמו פוטושופ שמופעל על ידי שיחה. השינוי הזה כבר מורגש בפועל, והוא משנה מי יכול לבצע היום עבודות שבמשך שנים היו נחלתם הבלעדית של אנשי מקצוע.

 

מודל שמוטמע בכל אקוסיסטם של גוגל

גוגל לא מסתפקת בהשקת מודל יצירת תמונות. היא פורסת את Nano Banana Pro בשורה של מוצרים ושירותים ברחבי האקוסיסטם שלה. מעבר לאפליקציית Gemini, המודל משולב ב-Google Workspace (ב-Slides וב-Vids), ב-Google Ads, ב-Vertex AI, ב-Google AI Studio, ב-Google Antigravity וב-Flow, כלי יצירת הסרטים של החברה. בנוסף הוא זמין גם ב-NotebookLM ובמצב AI Mode בחיפוש למנויי Pro ו-Ultra. זהו מהלך רחב שממקם את Nano Banana Pro כשכבת יכולת מרכזית בתוך מגוון כלים שונים לגמרי.

 

הנה כמה דוגמאות לאופן בו שילבה גוגל את ננו בננה פרו באקוסיסטם שלה:

שילוב בגוגל Slides

יצירת אינפוגרפיקות מקצועיות ושקופיות מעוצבות בתוך שניות, ושדרוג מצגות קיימות בלחיצה אחת בלבד באמצעות הכפתור החדש “Beautify my slide”.

 

 

שילוב ב-Antigravity

הנה דוגמה נוספת לשילוב של Nano Banana Pro בתוך Antigravity, פלטפורמת הפיתוח החדשה של גוגל. Antigravity ממקמת את הסוכן במרכז תהליך העבודה ומאפשרת למפתחים לנהל Agents, לערוך קוד, להריץ בדיקות ולנווט בין דפדפן, טרמינל ועורך בקונטקסט אחד רציף. היכולת של Nano Banana Pro להתמקד באזורים ספציפיים בתוך תמונה משתלבת כאן באופן טבעי, ומאפשרת ליצור סקיצות UI מדויקות, לחדד עיצובי אתר או להפיק אינפוגרפיקות שמסבירות זרימת נתונים במערכות מורכבות – הכל מתוך אותו מרחב עבודה אחד.

 

 

שילוב עם NotebookLM

כלי משמעותי נוסף שכבר נהנה מהמודל החדש הוא NotebookLM, שקיבל באחרונה סט פיצ׳רים ויזואליים חדשים. Nano Banana Pro משתלב בו כיכולת משלימה שמעלה דרמטית את איכות התוצרים הגרפיים. בעוד NotebookLM מפיק את המבנה, התוכן והלוגיקה של מצגות, אינפוגרפיקות, דוחות ומפות חשיבה, מודל התמונות מוסיף את שכבת הגרפיקה החכמה: איורים, רקעים, המחשות ויזואליות והצגה ברורה של רעיונות מורכבים. האינטגרציה עדיין מתרחבת בהדרגה, אך בפיצ’רים המרכזיים היא כבר משפרת באופן מורגש את רמת הגימור ואת היכולת להפוך ידע גולמי לתוצר מקצועי ומוכן לשימוש.

 

פיצ׳רים חדשים ב-NotebookLM

פיצ׳רים חדשים בסטודיו של NotebookLM

המהלך הזה אינו טכני בלבד אלא אסטרטגי. גוגל מנסה לייצר מסלול עבודה שבו יצירת תמונות, חיפוש מידע, עריכה ופרודוקטיביות מתרחשים בתוך אותה סביבת עבודה. עבור משתמשי Workspace, זה אומר יצירה ישירה מתוך מסמכים, מצגות או וידאו בלי לעבור בין כלים. עבור צוותים ארגוניים זו קפיצת מדרגה אמיתית, והיכולת להפיק חומרים ויזואליים הופכת לחלק טבעי מהתהליך העסקי ולא למשימה חיצונית שדורשת תוכנה ייעודית.

מודל freemium חדש

גוגל מאמצת בNano Banana Pro מודל תמחור שמבקיע את קו התפר שבין כלי עממי לכלי מקצועי. משתמשים חינמיים יכולים לעבוד עם המודל במכסה מוגבלת, ולאחר מכן המערכת מחזירה אותם אוטומטית לדגם הישן יותר. מעל לכך גוגל מציעה שלוש שכבות מינוי, Plus, Pro ו-Ultra, כאשר הרמה הגבוהה מאפשרת סוף סוף לעבוד ללא סימן מים גלוי, תנאי הכרחי לסטנדרט מקצועי.

 

החברה עדיין לא פרסמה את כל עלויות השימוש למפתחים, אבל הגיוני לחשוב שהמחיר יעלה ביחס לדגם הקודם. הסיבה כפולה. מצד אחד Nano Banana Pro דורש יכולת חישוב גבוהה משמעותית. מצד שני, גוגל מבינה שהיא מספקת כאן ערך אחר לגמרי: חיבור לידע עדכני, עבודה עם טקסט רב לשוני ושמירה על עקביות בין תמונות. מבחינתה זה אינו מוצר צרכני זול, אלא כלי שמיועד לשוק שמוכן לשלם עבור יתרון תחרותי.

סימון תמונות והמאבק על אמון

אחד הנושאים הקריטיים ביותר סביב מודלי יצירה הוא שאלת האמון. גוגל מתייחסת לכך באופן ישיר באמצעות מנגנון סימון כפול. כל תמונה שנוצרת בNano Banana Pro כוללת סימן דיגיטלי בלתי נראה בשם SynthID, ובשכבות החינמיות ובמינוי Pro נוסף גם סימון גלוי. המטרה אינה אסתטית, אלא מנגנון שקיפות שמחזק את זיהוי המקור של התוכן.

 

בעידן שבו תוכן מזויף הפך מתופעה שולית לתעשייה רחבה, היכולת לזהות תמונה שנוצרה בבינה מלאכותית אינה תוספת טכנית אלא צורך יסודי. גוגל מניחה שהשוק ילחץ על תקינה ברורה בתחום הזה, והיא מנסה לקבוע את הכללים לפני שהרגולציה תעשה זאת עבורה. העובדה שמשתמש יכול להעלות תמונה ולשאול אם נוצרה במערכות של גוגל היא חלק מאותה תפיסה שאומרת שאמון הוא תשתית, לא פיצ’ר.

 

 

 

לסיכום, Nano Banana Pro הוא לא עוד מודל ליצירת תמונות אלא שכבת עבודה שלמה שמחברת בין ידע, ויזואליזציה ופרודוקטיביות. הוא ממלא חלל שהיה חסר בשוק עם יצירת תכנים ויזואליים שיש בהם משמעות, טקסט ברור ומידע אמיתי, ולא רק אסתטיקה. המודל מתאים במיוחד למשווקים, צוותי תוכן, מורים, מעצבים, יוצרי פרוטוטיפים, מנהלי מוצר ועסקים שפועלים בתוך Google Workspace.

 

לעומת זאת, מי שמחפש יצירה אמנותית מובהקת או זקוק לנפח הפקה גבוה ללא סימון גלוי ימצא אותו פחות מתאים. במקום להתחרות על התואר “המודל האמנותי ביותר”, גוגל מגדירה כאן קטגוריה אחרת – כלי עבודה למי שצריך תוצר ויזואלי שמבוסס על ידע, על סדר ועל שימושיות. זהו מהלך שממקם את גוגל במקום חדש בתוך עולם יצירת התמונות.

 

Nano Banana Pro אולי לא מושלם, אבל הוא משנה את הציפיות מהתחום. אם מודלים קודמים הצטיינו ביופי, Nano Banana Pro מראה כיצד מודל תמונה יכול להבין הקשר, מידע ומציאות, ולהפוך את כל זה לתוצר שמוכן לשימוש אמיתי.

הפוסט גוגל משיקה את הדור הבא של יצירת ועריכת תמונות עם Nano Banana Pro הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/nano-banana-pro/feed/ 0
anti-gravity של Google: כשהעורך, המנהל והדפדפן הופכים לשותף אחד https://letsai.co.il/google-anti-gravity/ https://letsai.co.il/google-anti-gravity/#respond Thu, 20 Nov 2025 13:26:49 +0000 https://letsai.co.il/?p=64462 עולם פיתוח התוכנה עבר שינוי דרמטי בשנה האחרונה. מפתחים בכל העולם משתמשים ב-AI כדי לכתוב קוד מהר יותר, לתקן באגים ביעילות רבה יותר, ולהפוך רעיונות למציאות בשניות. אבל יש בעיה: הכלים הקיימים מפוצלים. אתם עובדים עם עורך קוד אחד, מנהלים אוטומציות במקום אחר, ובודקים את האפליקציה בדפדפן נפרד. זה יוצר חיכוך, שוחק זמן יקר ומפריע […]

הפוסט anti-gravity של Google: כשהעורך, המנהל והדפדפן הופכים לשותף אחד הופיע ראשון בLet's AI בינה מלאכותית

]]>
עולם פיתוח התוכנה עבר שינוי דרמטי בשנה האחרונה. מפתחים בכל העולם משתמשים ב-AI כדי לכתוב קוד מהר יותר, לתקן באגים ביעילות רבה יותר, ולהפוך רעיונות למציאות בשניות. אבל יש בעיה: הכלים הקיימים מפוצלים. אתם עובדים עם עורך קוד אחד, מנהלים אוטומציות במקום אחר, ובודקים את האפליקציה בדפדפן נפרד. זה יוצר חיכוך, שוחק זמן יקר ומפריע לזרימת העבודה. Google מבינה את הבעיה הזו לעומק, וזה בדיוק מה שגרם לה להשיק את anti-gravity – מוצר חדש ומרתק שמשלב שלושה עולמות שונים לתוך מוצר אחד מגובש. anti-gravity הוא לא עוד עורך קוד עם יכולות AI, והוא גם לא סתם כלי אוטומציה נוסף. זהו מערך שלם שמאפשר לכם לנהל סוכנים (Agents), לערוך קוד ולבדוק אפליקציות – הכל במסך אחד, בזרימה אחת, עם הקשר אחד משותף. במאמר הזה נצלול לעומק ה-anti-gravity החדש. נבין מה הופך אותו למיוחד, איך הוא עובד בפועל, ומה המשמעות שלו למפתחים שרוצים לעבוד חכם יותר עם בינה מלאכותית.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מהו בעצם anti-gravity?

anti-gravity הוא סביבת פיתוח משולבת (Development Environment) שנבנתה סביב רעיון מרכזי אחד: מפתחים צריכים מקום אחד שבו כל כלי העבודה שלהם מדברים אחד עם השני. במקום לנייד קונטקסט בין כלים שונים, anti-gravity מביא את כל השכבות שאתם צריכים לעבודה עם AI למקום אחד.

המוצר מורכב משלושה משטחי עבודה (Surfaces) עיקריים:

מנהל הסוכנים (Agent Manager) – זהו המקום שבו אתם יוצרים ומנהלים את סוכני ה-AI שלכם. מדובר בממשק ריכוזי שמאפשר לכם לפקח על המשימות של הסוכנים השונים שלכם בכל מרחבי העבודה (Workspaces) שהגדרתם. יש רק חלון אחד של מנהל סוכנים, והוא מתפקד כמרכז הבקרה העיקרי שלכם.

העורך (Editor) – עורך קוד מתקדם שכולל את כל מה שהתרגלתם לצפות: השלמות אוטומטיות עם לחצן Tab, סרגל צדדי של סוכן AI, והאפשרות לקפוץ ישירות לקוד בכל שלב. זה המקום שבו אתם משתלטים על העבודה שהסוכן התחיל, מביאים משימה מ-90% ל-100%, או פשוט עובדים בצורה מסורתית יותר עם סיוע של AI.

הדפדפן (Browser) – זה החלק המרתק ביותר. anti-gravity כולל אינטגרציה מלאה עם דפדפן Chrome שמאפשרת לסוכן AI לא רק לכתוב קוד, אלא גם לבדוק אותו באופן אוטומטי. הסוכן יכול לפתוח את הדפדפן, לקליק על כפתורים, למלא טפסים, לגלול בעמודים – בדיוק כמו שמשתמש אנושי היה עושה – ולתעד את כל התהליך.

ההבדל המשמעותי כאן הוא שכל שלושת המשטחים האלה חולקים קונטקסט אחד משותף. כשהסוכן קורא את הקוד שלכם, הוא מבין גם מה קורה בדפדפן. כשאתם עורכים משהו בעורך, הסוכן יודע על זה מיד. וכשהדפדפן מגלה בעיה, כל המידע זורם חזרה למנהל הסוכנים והעורך.

איך זה עובד ולמה זה כל כך מגניב?

הקסם האמיתי של anti-gravity מתחיל עם מה שנקרא “Agent-Assisted Development” – פיתוח בסיוע סוכן. זהו מצב עבודה שבו אתם לא מנהלים את הסוכן באופן מיקרו-מנג’רי, אלא נותנים לו חופש פעולה לקבל החלטות בעצמו.

בואו נבין איך זה עובד בפועל עם דוגמה:

אתם רוצים לבנות אפליקציה שמאפשרת למשתמשים לחפש טיסות ולהוסיף אותן ליומן Google שלהם. במקום לכתוב את כל הקוד בעצמכם, אתם פשוט אומרים ל-anti-gravity: “בנה לי אפליקציה ב-Next.js שבה משתמש יכול להזין מספר טיסה, והאפליקציה תציג את זמן ההמראה, הנחיתה, אזורי הזמן והמיקומים. בשלב זה, תשתמש ב-Mock API.”

 

מהנחיה לקוד

 

שלב 1: הסוכן מחליט מה צריך לעשות

המודל של Google מנתח את הבקשה ומחליט אם זו משימה פשוטה שהוא יכול לעשות לבד, או משהו שדורש את תשומת הלב שלכם. במקרה של בניית אפליקציה חדשה מאפס, הסוכן מבין שזה פרויקט גדול אבל סטנדרטי, ולכן הוא פשוט מתחיל לעבוד.

הדבר הראשון שהסוכן עושה זה להריץ את הפקודה create-next-app בטרמינל. וכאן מגיע השוני: בגלל שבחרתם במצב “Agent-Assisted”, הסוכן לא מחכה לאישור שלכם לכל פקודה. הוא מריץ את זה ישירות. כמובן, אם מדובר בפקודה מסוכנת או מורכבת יותר, המערכת תודיע לכם ותבקש אישור.

שלב 2: עבודה עם Artifacts

בזמן שהסוכן עובד, הוא משתמש במה שנקרא “Artifacts” – מסמכי עבודה פנימיים שהסוכן כותב לעצמו. אם תפתחו את הסרגל הימני (הזמין גם בעורך וגם במנהל הסוכנים), תראו שהסוכן מנהל שלושה סוגים של Artifacts:

רשימת משימות (Task List) – הסוכן מתחזק רשימה של כל מה שהוא צריך לעשות. זו דרך לעקוב אחרי ההתקדמות שלו בזמן אמת. למשל: “ליצור component של טופס חיפוש”, “להגדיר Mock API”, “לעצב את דף התוצאות”.
תוכנית יישום (Implementation Plan) – לפני שהסוכן מתחיל לשנות את הקוד שלכם, הוא כותב מסמך מפורט שמסכם את המחקר שהוא עשה ומה הוא מתכנן לעשות. זו הזדמנות שלכם לעיין, להגיב, ולוודא שהסוכן הולך בכיוון הנכון. אתם יכולים להדגיש טקסט, להשאיר הערות (בדיוק כמו ב-Google Docs), ולתקן או להנחות את הסוכן לפני שהוא מבצע שינויים.
סקירה מסכמת (Walkthrough) – כשהסוכן מסיים משימה, הוא כותב דוח מפורט שמסביר מה הוא עשה, איך הוא אימת שהקוד עובד, וממחיש את התוצאות עם צילומי מסך או הקלטות מסך. זה מאפשר לכם להבין מה השתנה בלי לקרוא את כל הקוד מחדש.

שלב 3: אינטגרציה עם הדפדפן

אחרי שהסוכן מסיים לכתוב את הקוד, הוא לא עוצר שם. הוא מריץ את שרת הפיתוח (npm run dev), פותח את הדפדפן, ובודק את האפליקציה באופן אוטומטי.
בדוגמה, הסוכן:
– מזין מספר טיסה
– בודק שהתוצאות מוצגות נכון
– מנסה להזין מספר לא תקין כדי לבדוק טיפול בשגיאות
– מתעד את כל התהליך בצילומי מסך והקלטות מסך

כל זה קורה אוטומטית בזמן שאתם יכולים להמשיך לעבוד על דברים אחרים או פשוט ללכת לשתות קפה.

שלב 4: עבודה במקביל על כמה משימות

וכאן מגיע אחד היתרונות המשמעותיים של anti-gravity: אתם יכולים להריץ כמה סוכנים במקביל על אותו פרויקט. למשל, בזמן שסוכן אחד בונה את הקוד העיקרי, אתם יכולים להפעיל סוכן שני שיעשה מחקר על API חיצוני, וסוכן שלישי שייצור לוגו לאפליקציה.

למשל בדוגמה שלנו, ניתן להפעיל שני סוכנים במקביל:
סוכן ראשון: חוקר את ה-Aviation Stack API, קורא את התיעוד, מריץ בקשות curl כדי לקבל דוגמאות אמיתיות של המידע שחוזר, ויוצר Implementation Plan.
סוכן שני: יוצר מספר אפשרויות ללוגו של האפליקציה באמצעות מודל יצירת תמונות של Google (Nano Banana) – לוגו מינימליסטי, קלאסי, לוגו של לוח שנה, ועוד.
כל סוכן עובד בנפרד, אבל כולם חולקים את אותו מרחב עבודה וקונטקסט. כשסוכן מסיים, אתם מקבלים התראה ויכולים לבדוק את התוצאות.

שלב 5: אינטראקציה עם קוד – העורך

לפעמים הסוכן מגיע למצב שבו הוא צריך עזרה, או שאתם פשוט רוצים לקחת את ההגה. בשלב כזה, אתם לוחצים על Command+E (או על כפתור “Open in Editor”), והעורך של anti-gravity נפתח.

העורך הזה לא מנסה להיות משהו מהפכני. הוא פשוט עורך קוד טוב עם יכולות AI מתקדמות:
Tab Autocomplete – בזמן שאתם מקלידים, העורך מציע השלמות חכמות שמבוססות על הקונטקסט של כל הפרויקט. בדוגמה שלנו, נניח ונרצה להחליף את ה-Mock API בנתונים אמיתיים. העורך מציע לנו אוטומטית את הקוד הנכון כי הוא יודע על ה-Aviation Stack API שהסוכן השני חקר.
סרגל צדדי של הסוכן – גם בתוך העורך, אתם יכולים לתקשר עם הסוכן. למשל, אתם יכולים לסמן בלוק קוד ולבקש מהסוכן: “שפר את הקוד הזה” או “הוסף טיפול בשגיאות כאן”.
Import אוטומטי – כשאתם משתמשים בפונקציה חדשה, העורך מבין אוטומטית מאיפה לייבא אותה ומוסיף את ה-import בראש הקובץ.
כל זה קורה בכמה שניות, בלי להיזדקק לסוכן, אבל עם כל ההקשר שהסוכן כבר אסף.

 

סביבת הפיתוח של Antigravity

הכלים והתכונות העיקריות

עבודה במקביל (Parallel Execution)

אחד היתרונות הגדולים של anti-gravity הוא היכולת להריץ מספר סוכנים במקביל על אותו פרויקט. זה משנה לחלוטין את אופן העבודה:

  • סוכן אחד בונה קוד בזמן שאתם מתמקדים במשימה מורכבת יותר.
  • סוכן שני עושה מחקר על API או טכנולוגיה חדשה.
  • סוכן שלישי מייצר assets כמו לוגואים, איקונים או תמונות.
  • אתם עובדים בעורך בזמן שסוכן רץ ברקע.

כל סוכן שומר על הקונטקסט המשותף, אז כשהוא מסיים, התוצאות שלו זמינות מיד לסוכנים האחרים.

מערכת Artifacts

מערכת ה-Artifacts היא הדרך שבה anti-gravity שומר על שקיפות מלאה:

Task List – רשימת משימות שהסוכן מנהל לעצמו. אתם יכולים לראות בדיוק באיזה שלב הוא נמצא.
Implementation Plan – תוכנית עבודה מפורטת שהסוכן כותב לפני שהוא משנה קוד. זו ההזדמנות שלכם לבדוק, להגיב, ולהנחות.
Walkthrough – דוח מסכם שהסוכן כותב אחרי שהוא מסיים משימה. זה כולל:

  • תיאור של מה השתנה.
  • צילומי מסך והקלטות מסך של הדפדפן.
  • פקודות טרמינל שהסוכן הריץ.
  • בדיקות שהסוכן עשה.

Comments System

בדיוק כמו ב-Google Docs, אתם יכולים להדגיש טקסט ב-Artifacts ולהשאיר הערות. הסוכן קורא את ההערה ולוקח אותה בחשבון בזמן היישום. זו דרך טבעית לתקשר עם הסוכן בלי להפריע לזרימת העבודה שלו.

 

Pending Comments תכונה מעניינת במיוחד: אתם יכולים לשלוח “Pending Comment” – הערה שהסוכן ייקח בחשבון בנקודת עצירה הגיונית הבאה בעבודה שלו. זה אומר שאתם לא צריכים לחכות שהסוכן יסיים משימה אחת לפני שאתם נותנים לו משימה נוספת. אתם פשוט משאירים הערה, והסוכן “יקלוט” אותה כשיגיע לנקודה מתאימה.

Integration עם Google

בתור חלק ממשפחת המוצרים של Google, anti-gravity מקבל גישה ישירה למודלים המתקדמים ביותר: Imagen – Nano Banana – מודל יצירת תמונות מתקדם. Gemini – מודל השפה הגדול של Google מפעיל את הסוכנים. זה המודל שמבין את הקוד, קורא תיעוד, מחליט מה לעשות, וכותב את הקוד.

Context-Aware Features

anti-gravity לא רק משתמש בקוד שלכם כקונטקסט. המערכת מאוד רחבה במה שהיא מביאה בחשבון:

כל הקבצים בפרויקט – הסוכן רואה את כל המבנה של הקוד שלכם.
תיעוד שקרא מהאינטרנט – אם הסוכן חיפש מידע על API חיצוני, המידע הזה נשאר בקונטקסט.
היסטוריית השיחות – כל מה שאמרתם לסוכן נשמר. למשל, אם ביקשתם ליצור commit message, המערכת השתמשה בהיסטוריית השיחה כדי להבין מה השתנה.
מה שקרה בדפדפן – אם הסוכן ראה באג בדפדפן, המידע הזה זורם בחזרה ומשפיע על ההחלטות הבאות שלו.

Git Integration

העורך של anti-gravity כולל אינטגרציה עם Git: Commit Message Generation – כפתור שמייצר אוטומטית commit message חכם שמבוסס על השינויים שעשיתם והשיחות שניהלתם עם הסוכן. Source Control View – ממשק לניהול Git: לראות שינויים, לעשות commit, לדחוף לענף מרוחק.

 

התוצר הסופי: אפליקציית Flight Tracker

דברים שחשוב לדעת

מגבלות ושיקולים

למרות כל היתרונות, חשוב להבין גם את המגבלות והשיקולים:

זה עדיין בפיתוח
anti-gravity הוא מוצר חדש לגמרי. ייתכנו באגים, עיכובים ואיטיות כמו בכל מוצר בתחילת דרכו.

תלות ב-Google

המוצר מופעל על ידי המודלים של Google. זה אומר שאתם תלויים בתשתית שלהם, בתמחור שלהם, ובמדיניות השימוש שלהם. אם Google תחליט לשנות מחירים או הגבלות, זה ישפיע ישירות על אופן השימוש ב-anti-gravity.

דרישת אינטרנט מתמדת

בגלל שהסוכנים מתקשרים עם שרתים של Google, אתם צריכים חיבור אינטרנט יציב. זה לא כלי שיעבוד offline. אם האינטרנט נופל באמצע משימה, הסוכן יעצור.

פרטיות ואבטחה

הקוד שלכם נשלח לשרתים של Google כדי שהסוכן יוכל לנתח אותו. זה עשוי להיות בעיה עבור חברות עם נתונים רגישים או קוד קנייני. חשוב לקרוא את תנאי השימוש ולהבין איזה מידע נשלח והיכן הוא מאוחסן. נכון לעכשיו, לא ברור אם יהיו אפשרויות של deployment פרטי (on-premises) עבור ארגונים שלא רוצים לשתף קוד עם שירותים חיצוניים.

עלויות לא ידועות

המחיר של anti-gravity עדיין לא פורסם. בהינתן שהמוצר משתמש במודלים גדולים (LLMs) באופן אינטנסיבי, סביר להניח שיהיה תמחור מבוסס-שימוש. כמה יעלה להריץ סוכן למשך שעה? כמה יעלה כל API call לדפדפן? אלו שאלות שיתקבלו תשובות בעתיד.

גבולות היכולת

כמו בכל כלי AI, גם הסוכנים של anti-gravity לא מושלמים. הם עשויים:

לעשות שגיאות בקוד – במיוחד במצבים מורכבים או קצה
להבין בצורה לא נכונה את מה שביקשתם
להיתקע במשימות מורכבות מאוד
לבצע החלטות לא אופטימליות בתכנון הקוד

בגלל זה ה-Agent-Assisted Mode הוא כל כך חשוב. המטרה היא לא לתת לסוכן לעשות הכל לבד, אלא לתת לו לעשות את 80-90% מהעבודה, ואתם מביאים את זה ל-100% עם הניסיון.

Workspace Management

עבודה עם מספר סוכנים במקביל דורשת ארגון טוב. אתם צריכים לנהל Workspaces, לעקוב אחרי מה כל סוכן עושה, ולוודא שהם לא עומדים אחד על השני. זה מוסיף שכבה של מורכבות ניהולית.

Browser Extension Dependency

התכונה החזקה של בדיקה אוטומטית בדפדפן תלויה ב-Chrome Extension. אם אתם עובדים בדפדפן אחר (Firefox, Safari), או אם החברה שלכם חוסמת extensions, התכונה הזו לא תהיה זמינה. זה מגביל חלק ניכר מהכוח של anti-gravity.

מה הלאה?

anti-gravity מייצג גישה חדשה לפיתוח תוכנה עם בינה מלאכותית. במקום לראות ב-AI כלי עזר חיצוני, המוצר מטמיע אותו עמוק לתוך זרימת העבודה.

הכיוון של התעשייה

אנחנו רואים מגמה ברורה בכלי הפיתוח: AI הופך מ ״פיצ׳ר נחמד״ ל”עמוד שדרה מרכזי”. GitHub Copilot התחיל עם השלמות בשורה אחת. Cursor הביא AI לעורך. anti-gravity לוקח את זה צעד אחד קדימה: AI שלא רק כותב קוד, אלא גם מנהל פרויקטים, בודק אפליקציות, ועושה מחקר.

ככל הנראה, נראה עוד מוצרים שמנסים לשלב את כל חוויית הפיתוח. המרוץ הוא לא רק על מי כותב את הקוד הטוב ביותר, אלא על מי מנהל את כל התהליך בצורה הכי יעילה.

תחרות בשוק

anti-gravity נכנס לשוק שכבר די צפוף:

GitHub Copilot – השילוב הטבעי עם GitHub וכלי המפתחים של Microsoft

Cursor – עורך AI-first שהפך פופולרי מאוד במהירות

Replit – סביבת פיתוח מלאה מבוססת-דפדפן עם AI

Codeium – אלטרנטיבה חינמית ל-Copilot

ועוד עשרות מתחרים.

מה שמייחד את anti-gravity הוא השילוב של שלושת המשטחים – Agent Manager, Editor, Browser – תחת גג אחד, עם הקונטקסט המשותף ביניהם. אבל זה לא יהיה מספיק. Google תצטרך להוכיח:

מהירות – הסוכנים חייבים לעבוד מהר

דיוק – הקוד חייב להיות נכון

מחיר – צריך להיות תחרותי

אינטגרציות – חיבור לכלים אחרים שמפתחים משתמשים בהם (Slack, Jira, GitLab, ועוד)

האם זה יחליף מפתחים?

השאלה הנצחית כשמדברים על AI בפיתוח. התשובה הקצרה: לא בקרוב.

anti-gravity לא מחליף מפתחים. הוא משדרג אותם. הסוכן עדיין צריך הנחיה, הבנה של הקונטקסט העסקי, החלטות ארכיטקטוניות, ושיפוטים על איכות. מה שהוא כן עושה הוא:

מאיץ את החלקים השגרתיים והחוזרים של הפיתוח

מוריד את מחסום הכניסה לטכנולוגיות חדשות (למדו API חדש תוך דקות)

מאפשר למפתח יחיד לעשות עבודה שהייתה דורשת קודם צוות קטן

אז מי שישרוד ויצליח? מפתחים שמבינים איך לעבוד עם AI. איך להנחות, איך לבדוק, איך לזהות מה הסוכן עושה נכון ומה לא. זו מיומנות חדשה שנוספת לארגז הכלים של המפתח המודרני.

השלבים הבאים עבור anti-gravity

הצוות של anti-gravity רמז שהם “עובדים קשה על מה שהולך להיות”. מה יכול להיות?

אינטגרציות נוספות – תמיכה בעוד שפות תכנות, frameworks, וכלי פיתוח.

שיתוף פעולה בין מפתחים – אפשרות למספר מפתחים לעבוד על אותו Workspace עם סוכנים משותפים.

CI/CD Integration – חיבור ישיר לצינורות ה-CI/CD כך שהסוכנים יכולים להריץ בדיקות, לעשות deploy, ולעקוב אחרי production.

Advanced Testing – מעבר מבדיקות ידניות בדפדפן לבדיקות אוטומטיות מלאות: unit tests, integration tests, e2e tests.

מודלים מותאמים אישית – אפשרות ל-fine-tune את המודלים על הקוד הספציפי של הארגון שלכם.

On-Premises Deployment – גרסה פרטית שניתן להריץ על שרתים פנימיים של החברה.

 

 

לסיכום

anti-gravity של Google הוא לא עוד כלי AI לכתיבת קוד. זוהי סביבה מלאה שמנסה לחשוב מחדש על איך מפתחים עובדים עם בינה מלאכותית.

 

השילוב של שלושת המשטחים – Agent Manager למעקב ברמה גבוהה, Editor לשליטה מלאה, ו-Browser לבדיקות אוטומטיות – יוצר זרימת עבודה שלמה ורציפה. הקונטקסט המשותף בין כל החלקים מבטיח שהסוכנים לא רק כותבים קוד, אלא מבינים את התמונה הגדולה של מה אתם מנסים להשיג.

 

מערכת ה-Artifacts, עם ה-Task Lists, Implementation Plans ו-Walkthroughs, מעניקה שקיפות מלאה. אתם תמיד יודעים מה הסוכן עושה, למה הוא עושה את זה, ומה התוצאות. זה לא קופסה שחורה – זו שותפות עבודה אמיתית.

 

היכולת להריץ מספר סוכנים במקביל משנה את כללי המשחק. מפתח יחיד יכול עכשיו לנהל פרויקטים מורכבים, לחקור טכנולוגיות חדשות, ולייצר assets – הכל בו זמנית. זו לא רק תוספת של יעילות. זו הגדלה אמיתית של מה שמפתח יכול להשיג.

 

האתגרים עדיין קיימים: פרטיות, עלויות, גבולות היכולת של ה-AI, ותלות ב-Google. אבל הכיוון ברור: סביבות הפיתוח של העתיד יהיו משולבות עמוק עם AI, ולא רק עם השלמות קוד חכמות.

 

השורה התחתונה: anti-gravity מראה לנו הצצה לעתיד שבו המפתחים לא רק כותבים קוד, אלא מתזמרים סוכני AI שעושים את העבודה הכבדה בשבילם. זה לא מחליף את הצורך במפתחים טובים. זה פשוט משחרר אותם לעסוק בדברים שבאמת דורשים יצירתיות, שיפוט ומומחיות אנושית.

הפוסט anti-gravity של Google: כשהעורך, המנהל והדפדפן הופכים לשותף אחד הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-anti-gravity/feed/ 0
ג׳מיני 3 מנסה להגדיר מחדש איך בינה מלאכותית חושבת, לומדת ופועלת https://letsai.co.il/google-gemini-3/ https://letsai.co.il/google-gemini-3/#respond Wed, 19 Nov 2025 06:49:26 +0000 https://letsai.co.il/?p=64396 ג׳מיני 3 מנסה להגדיר מחדש איך בינה מלאכותית חושבת, לומדת ופועלת. פחות משנתיים אחרי תחילת עידן Gemini, גוגל מציגה את הדור השלישי ומסמנת אותו כשלב חדש בהתפתחות התחום. זו לא עוד גרסה משודרגת, אלא ניסיון מוצהר לקפוץ קדימה אל מודל שמבין הקשר עמוק, מתקרב ברמת החשיבה שלו לסטנדרט אקדמי, ומתחיל לפעול כסוכן עצמאי בתוך מוצרי […]

הפוסט ג׳מיני 3 מנסה להגדיר מחדש איך בינה מלאכותית חושבת, לומדת ופועלת הופיע ראשון בLet's AI בינה מלאכותית

]]>
ג׳מיני 3 מנסה להגדיר מחדש איך בינה מלאכותית חושבת, לומדת ופועלת. פחות משנתיים אחרי תחילת עידן Gemini, גוגל מציגה את הדור השלישי ומסמנת אותו כשלב חדש בהתפתחות התחום. זו לא עוד גרסה משודרגת, אלא ניסיון מוצהר לקפוץ קדימה אל מודל שמבין הקשר עמוק, מתקרב ברמת החשיבה שלו לסטנדרט אקדמי, ומתחיל לפעול כסוכן עצמאי בתוך מוצרי גוגל. הסיפור של Gemini 3 בנוי משלושה צירים שנפגשים: יכולת חשיבה מתקדמת, מולטימודליות רחבה וכניסה לעידן האייג׳נטים. השילוב הזה מאפשר לגוגל לשלב את המודל במגוון רחב של מוצרים כבר ביום ההשקה, מהחיפוש ועד כלי הפיתוח.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה בעצם ג׳מיני 3 אומר על העידן הנוכחי

כדי להבין למה זה משנה, צריך להתחיל מהשורש. סונדר פיצ׳אי, מנכ״ל גוגל, פותח את ההכרזה בהקשר רחב ומציג נתונים שממחישים עד כמה הבינה המלאכותית כבר נטועה בשימוש היומיומי: שני מיליארד משתמשים בחיפוש מבוסס AI, יותר מ-650 מיליון משתמשי אפליקציית Gemini, ושלושה עשר מיליון מפתחים שבונים עם המודלים הגנרטיביים של גוגל.

 

על הרקע הזה גוגל מציגה את Gemini 3. זהו מודל שאמור להציג אינטליגנציה עמוקה יותר, הבנת הקשר מדויקת יותר ורמה גבוהה של אינטראקציה בין טקסט, תמונה, וידאו, אודיו וקוד. לפי גוגל, זה מודל שלא מסתפק בהבנת הבקשה, אלא שואף להבין את הכוונה שמניעה אותה.

 

החשיבה החדשה של ג׳מיני 3

גוגל מציבה את Gemini 3 Pro כמודל שמוביל כמעט בכל מדד חשיבה מרכזי. הוא מדורג ראשון ב-LMArena עם ציון 1501 Elo, משיג 37.5 אחוז במבחן Humanity’s Last Exam ללא שימוש בכלים, ומגיע ל-91.9 אחוז ב-GPQA Diamond שמודד ידע מדעי ברמת עומק גבוהה.

 

גם בתחום המתמטיקה הוא קובע רף חדש עם תוצאה מובילה במבחן MathArena Apex, ובחזית המולטימודליות מציג 81 אחוז ב MMMU Pro ו-87.6 אחוז ב-Video MMMU. לצד זאת, גוגל מדווחת על דיוק עובדתי של 72.1 אחוז ב SimpleQA Verified, נתון שמחזק את הטענה לשיפור ביכולת להישען על המודל כמקור מידע אמין יותר.

 

בנצ'מרקים מרכזיים של Gemini 3

blog.google | בנצ’מרקים מרכזיים של Gemini 3

 

המספרים חשובים, אבל המשמעות עמוקה יותר. לפי גוגל, Gemini 3 יודע להפיק תשובות מדויקות וישירות, בלי להיסחף לחנופה טקסטואלית ובלי לעטוף כל תשובה בפרשנות מיותרת. המודל אמור לתפקד כשותף לחשיבה שמפענח בעיות מורכבות, מציע זוויות חדשות, ומתרגם רעיונות מופשטים לתובנות ולייצוגים ויזואליים.

 

הצעד הבא באותו כיוון הוא Gemini 3 Deep Think. זהו מצב עבודה שמעלה עוד את רמת הביצועים בכל המדדים הקוגניטיביים, ומיועד לאתגרים שבהם דרוש ניתוח עמוק במיוחד. בשלב זה גוגל מפעילה עליו מערך בדיקות בטיחות נרחב, ומתכננת לפתוח אותו בהמשך למנויי Google AI Ultra.

 

ביצועי Gemini 3 Deep Think במדדי החשיבה המרכזיים

ביצועי Gemini 3 Deep Think במדדי החשיבה המרכזיים | blog.google

ללמוד כל דבר, בכל פורמט

החזון של Gemini היה תמיד מולטימודלי, ו-Gemini 3 מרחיב אותו באופן טבעי. הוא יודע להתמודד עם טקסטים ארוכים, מאמרים אקדמיים וספרות טכנית, לפענח תמונות וסריקות של מסמכים כולל כתב יד, ולהבין וידאו ארוך בצורה שמפיקה תובנות מתוך תנועה, דפוסים והקשר. בנוסף, הוא מסוגל לשלב קוד בתוך תהליך הלמידה וליצור כרטיסיות לימוד, ויזואליזציות וכלי עזר אינטראקטיביים שמותאמים לנושא.

 

גוגל מציגה דוגמאות שממחישות את זה בצורה פשוטה: המודל יכול לתרגם מתכונים משפחתיים בכתב יד ולהפוך אותם לספר בישול מסודר, או לנתח סרטון של משחק Pickleball ולהפיק ממנו תוכנית אימונים מותאמת לשחקן.

 

 

בצד החיפוש, Gemini 3 משנה את החוויה ב-AI Mode. במקום תשובה טקסטואלית בלבד, הוא מסוגל לבנות הדמיה, לייצר כלי אינטראקטיבי או ליצור פריסה חזותית שנבנית בזמן אמת בהתאם לשאלה.

 

 

לבנות כל דבר, בקצב מהיר

בצד הפיתוח גוגל מסמנת קפיצה משמעותית. Gemini 3 כבר מוביל את דירוג WebDev Arena ומציג שילוב של יכולות קידוד, שליטה בכלים והבנה עמוקה של מבנה ממשקי ווב.

 

לפי גוגל, המודל מציג ביצועים גבוהים ב- Terminal Bench 2.0 שמודד שימוש יעיל בכלים, ומשיג 76.2 אחוז ב SWE bench Verified, אחד המדדים החשובים להערכת סוכני קוד. המשמעות המעשית היא יכולת לייצר ממשקים אינטראקטיביים עשירים מתוך הנחיות מורכבות, לא רק לשכתב קוד קיים.

 

המסקנה של גוגל ברורה, Gemini 3 לא נועד להיות עוד עוזר קוד, אלא מנוע לפיתוח מהיר, ניסוי רעיונות ויצירת פרוטוטייפים מלאים בתוך דקות.

 

תכנון ארוך טווח וכניסה לעידן האייג׳נטים

בשלב הזה גוגל חושפת את אחד המרכיבים שמבדילים את Gemini 3 מהדורות הקודמים – יכולת תכנון לטווח ארוך. כדי להמחיש את זה היא מציגה את Vending Bench 2, סימולציה שמדמה שנה שלמה של קבלת החלטות, הפעלת כלים והתמדה במשימה מורכבת בלי לסטות מהיעד. במבחן הזה Gemini 3 Pro מצליח לשמור על התקדמות עקבית, לנהל את המשאבים שלו בצורה יעילה ולייצר תשואה גבוהה משמעותית ביחס למודלים מובילים אחרים.

 

ביצועי Gemini 3 Pro ב Vending Bench 2

ביצועי Gemini 3 Pro ב Vending Bench 2 | blog.google

 

המשמעות בעולם האמיתי היא שמדובר במודל שיכול להתמודד עם משימות הדורשות רצף מורכב של פעולות כמו ארגון תיבת המייל, הזמנת שירותים מקומיים, או הרצת תהליכים ארוכים שחייבים לעמוד בהקשר וביעד. זה לא רק פתרון של שאלה אחת אלא ניהול של תהליך.

 

הנה דוגמה ליכולות האייג׳נטיות של Gemini 3 בפעולה. הסוכן של גוגל יודע לבצע משימות אמיתיות בתוך המוצרים, כולל סדר ואירגון של תיבת המייל שלכם ב Gmail, והכול תוך שמירה על שליטה מלאה של המשתמש. הסרטון מציג את התחום שבו הבינה המלאכותית כבר לא רק מסבירה מה צריך לעשות, אלא פשוט עושה את זה:

 

 

גוגל כבר מאפשרת למנויי AI Ultra להתנסות ב-Gemini Agent בתוך אפליקציית Gemini, והחברה מציינת שהיכולות האגנטיות יתרחבו למוצרים נוספים בתקופה הקרובה.

Antigravity מנסה לשנות איך מפתחים עובדים

אחת ההכרזות המשמעותיות ביותר של גוגל היא Google Antigravity – פלטפורמת פיתוח אייג’נטית שמחליפה את הרעיון של “מודל שעוזר” במודל שפועל. ב-Antigravity הסוכנים מקבלים גישה ישירה לעורך הקוד, לטרמינל ולדפדפן, ויכולים לתכנן ולבצע משימות פיתוח שלמות מקצה לקצה. הם בונים מבנה עבודה, כותבים קוד, בודקים את עצמם ויוצרים תוצרים תוך כדי תנועה.

 

המערכת משלבת את Gemini 3 Pro עם מודל שליטה בדפדפן ומודל עריכת תמונה, מה שיוצר סביבת פיתוח שבה העבודה מתחלקת בין אדם למודל לא רק לפי שורות קוד אלא לפי תהליך שלם. עבור מפתחים זו קפיצה מתפקיד של “עוזר חכם” לתפקיד של שותף טכני שיכול להוביל חלקים מתוך הפרויקט.

 

בטיחות ואמון

גוגל מדגישה כי Gemini 3 עבר את מערך בדיקות הבטיחות המקיף ביותר שביצעה עד היום. לפי החברה, המודל עמיד יותר לניסיונות הטעיה דרך פרומפטים, מושפע פחות מנטייה לחנופה בתשובות (sycophancy), ועבר הערכות של גופי בטיחות בינלאומיים כמו UK AISI לצד בדיקות נוספות של גורמים עצמאיים.

 

הדגש המרכזי הוא על איזון. גוגל מנסה להציג מודל שמתקדם ביכולותיו אך מצויד בהגנות שמונעות שימוש לרעה. זהו הבסיס שאיפשר לה להשיק את Gemini 3 כבר ביום הראשון בתוך מוצרים רגישים כמו החיפוש, האפליקציה וכלי הפיתוח.

איפה Gemini 3 זמין כבר עכשיו

לפי גוגל, Gemini 3 מתחיל להיפרס במקביל בכמה ערוצים. המודל זמין לכל משתמשי אפליקציית Gemini וגם בווב, ובנוסף מנויי Google AI Pro ו-Ultra מקבלים גישה אליו במצב AI Mode בתוך החיפוש.

 

מפתחים יכולים לעבוד איתו דרך Gemini API, Google AI Studio, פלטפורמת Antigravity ו-Gemini CLI, בעוד ארגונים מקבלים אותו כחלק מ-Vertex AI ו-Gemini Enterprise. מצב Deep Think ייפתח מאוחר יותר, לאחר השלמת בדיקות הבטיחות.

 

השילוב בין כל נקודות הכניסה הללו יוצר פריסה רחבה במיוחד, שמטרתה לבחון את התנהגות המודל בסביבות מגוונות ובקנה מידה גדול כבר מהיום הראשון.

 

מודל שחושב, מבין ופועל

הדגש המרכזי בסיפור של Gemini 3 אינו רק הביצועים המרשימים, אלא השאיפה להפוך את המודל לשותף אמיתי. זהו מודל שנועד לחשוב לצד המשתמש, ללמד, לפתח ולבצע משימות באופן שמרגיש פחות כמו כלי ויותר כמו גורם פועל בתוך המערכת.

 

עבור התעשייה זהו רגע מבחן. Gemini 3 מסמן את המעבר ממודלים שמספקים תשובות למודלים שנכנסים לתוך הזרימה היומיומית של משתמשים, מפתחים וארגונים. הוא משתלב בחיפוש, בפיתוח ובניהול תהליכים בדיוק במקומות שבהם נדרשת הבנה עמוקה יותר של הקשר וכוונה.

 

במובן הזה, המודל משקף מגמה רחבה בעולם הבינה המלאכותית. זו תנועה מכלי שמבין בקשות לכלי שמבין כוונות, ממענה חד פעמי לביצוע בפועל, ומתגובה לפעולה רציפה ומתוכננת. זה החומר שממנו נוצרים פרקים חדשים בעולם ה-AI. 

 

מי שרוצה להעמיק עוד ולראות הדגמות, כלים ומידע נוסף על יכולות Gemini 3 מוזמן לעיין בבלוג הרשמי של גוגל.

הפוסט ג׳מיני 3 מנסה להגדיר מחדש איך בינה מלאכותית חושבת, לומדת ופועלת הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-gemini-3/feed/ 0
Google Flights מגיע לישראל ומציע דרך חדשה ופשוטה יותר לחפש חופשה https://letsai.co.il/google-flights/ https://letsai.co.il/google-flights/#respond Tue, 18 Nov 2025 07:44:23 +0000 https://letsai.co.il/?p=64358 יש רגע כזה בתחילת כל תכנון חופשה. אתם יודעים שבא לכם לצאת, הראש מתמלא ברעיון עמום של חופש, אבל שום דבר עדיין לא התגבש. מרץ או מאי, יוון או פורטוגל, שישי בבוקר או שלישי בלילה. ואז, כשנכנסים לאחד מאתרי הטיסות המוכרים, מתברר במהירות הפער – המערכות דורשות פרטים מדויקים בזמן שאתם עדיין בשלבי מחשבה. בתוך […]

הפוסט Google Flights מגיע לישראל ומציע דרך חדשה ופשוטה יותר לחפש חופשה הופיע ראשון בLet's AI בינה מלאכותית

]]>
יש רגע כזה בתחילת כל תכנון חופשה. אתם יודעים שבא לכם לצאת, הראש מתמלא ברעיון עמום של חופש, אבל שום דבר עדיין לא התגבש. מרץ או מאי, יוון או פורטוגל, שישי בבוקר או שלישי בלילה. ואז, כשנכנסים לאחד מאתרי הטיסות המוכרים, מתברר במהירות הפער – המערכות דורשות פרטים מדויקים בזמן שאתם עדיין בשלבי מחשבה. בתוך המציאות הזו Google Flights (גרסת בטא) הופך לנגיש ומותאם יותר לישראלים, עם ממשק בעברית ועם פיצ’ר חדש בשם Flight Deals. הוא לא מבקש לשנות את עולם התעופה, אלא להתמודד עם מה שרוב המשתמשים מרגישים: הצורך להתחיל חיפוש עוד לפני שהכול סגור. לא ככלי שמבטיח דילים יוצאי דופן, אלא כפלטפורמה שמציעה מסגרת ברורה לשלב הראשון.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

החיפוש מתחיל לדבר בשפה שלכם

עד היום מנועי חיפוש טיסות פעלו כמו טופס: יעד, תאריך, חזור. הם ביקשו מכם לדעת מראש את מה שלא תמיד סגור. Flight Deals מבית גוגל עושה את ההיפך. הוא מאפשר לכתוב תיאור חופשי – מחשבה ראשונית שמתרגמת לדאטה.

 

במקום שדות קשיחים, המערכת מפרשת את המשפטים שלכם ככוונה: סוג חופשה, גמישות בתאריכים, אופי היעד. היא סורקת מחירי טיסות בזמן אמת ומחזירה אפשרויות שמתאימות לרעיון שהעליתם. לא תמיד זו תהיה הפתעה גדולה, אבל היא בהחלט מקצרת את שלב ההתלבטות.

 

וכאן נמצא הערך שלה – היא מגשרת בין רעיון לא מגובש לבין תכנון מעשי, בלי שתצטרכו להגדיר מראש תאריכים, מחירים או שדות תעופה.

 

איך מגיעים לדילים על טיסות גוגל

לחצו על האפשרות החדשה כדי למצוא דילים על טיסות

איך משתמשים ב-Google Flights

הכלי בנוי כך שגם מי שלא רגיל לחפש טיסות יוכל להתמצא בו במהירות. נכנסים לשירות דרך אתר Google Flights, מזינים מוצא ויעד, בוחרים תאריכים או חודש שלם, ומשתמשים בפילטרים כדי לדייק: מספר עצירות, כבודה, שעות המראה ונחיתה, חברות תעופה או טווח מחירים. לאחר בחירת טיסה המערכת מפנה ישירות לאתר חברת התעופה.

 

למי שגמישים בתאריכים, כלי ה“גרף” מציג בצורה ברורה את מחירי הטיסות לאורך חודש שלם ומאפשר לזהות ימים זולים במהירות.

 

איך מחפשים דילים וטיסות

למצוא חופשה בשפה פשוטה

איך משתמשים ב-Flight Deals

כאשר הפיצ’ר זמין בחשבון שלכם, ניתן להיכנס אליו דרך כאן או מאותו ממשק של Google Flights באמצעות כפתור “Flight Deals” בתפריט. כאן אין צורך להתחיל מיעד ותאריך. פשוט מקלידים תיאור כמו “חופשה קצרה באפריל במקום חמים” או “משהו זול לאירופה בשבוע הבא”. המערכת מפיקה רשימה מסודרת של אפשרויות, ומכאן ניתן להיכנס לכל טיסה, לראות זמינות ומחיר, ולהמשיך לדייק בעזרת הפילטרים הרגילים.

 

חשוב לזכור: התוצאות משקפות את מצב הדאטה בזמן אמת, לא התחייבות למחיר. לעיתים קיימים פערים בין המחיר בגוגל לזה שמופיע באתר חברת התעופה.

מעקב מחירים

מעקב המחירים הוא אחד הכלים הוותיקים והיעילים של Google Flights. לאחר בחירת טיסה אפשר לסמן אותה ולקבל התראה בכל שינוי מחיר – ירידה או עלייה. זה שימושי במיוחד בישראל, שבה המחירים משתנים במהירות סביב חגים, עומסים או אילוצי עבודה. המערכת אינה מבטיחה ירידה במחיר, אבל היא מספקת שכבת מעקב שמאפשרת להבין את תנודתיות השוק בלי להיכנס לחיפוש יומיומי.

 

 

סוכן נסיעות צמוד

Skyscanner ו-Kayak ודומיהם מצוינים בסריקה רחבה ובהפניה לאינספור אתרים. Google Flights מציגה גישה אחרת עם תמונת שוק מאורגנת ונקייה יותר, בלי רצף מסיח של קישורים ופרסומות. היא לא מבטיחה להיות הזולה ביותר, אך נותנת נקודת מוצא מסודרת שמארגנת את השוק עבורכם לכדי תמונה אחת ברורה.

 

Google Flights לא מבטיח מהפכה, אבל זה עוד כלי עם יכולות AI שמסייע במקום שבו רוב האנשים מסתבכים – תחילת החיפוש. במקום להתחיל מטופס קשיח, אפשר להתחיל מרעיון. במקום לנתר בין עשרות אתרים, אפשר לקבל תמונת מצב ברורה במקום אחד. הכלי לא מקבל החלטות במקומכם, אבל הוא מספק מסגרת מסודרת שמאפשרת לפתוח את תכנון החופשה בצורה חכמה ונוחה יותר.

הפוסט Google Flights מגיע לישראל ומציע דרך חדשה ופשוטה יותר לחפש חופשה הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-flights/feed/ 0
גוגל מציגה את Agentic Checkout https://letsai.co.il/google-agentic-checkout/ https://letsai.co.il/google-agentic-checkout/#respond Mon, 17 Nov 2025 07:53:46 +0000 https://letsai.co.il/?p=64254 גוגל מציגה בימים אלו עדכון משמעותי לעולם הקניות הדיגיטלי, המבוסס על הדור החדש של מודלי Gemini וטכנולוגיות Agentic. הפיצ’ר המרכזי הוא Agentic Checkout, יכולת שמאפשרת לגוגל לבצע רכישה עבור המשתמש ברגע שמחיר המוצר יורד לרמה שנקבעה. זהו מהלך שמגיע בדיוק לעונת החגים, תקופה שבה קניות הופכות למכבידות ומתישות. אבל Agentic Checkout הוא רק חלק מהסיפור. […]

הפוסט גוגל מציגה את Agentic Checkout הופיע ראשון בLet's AI בינה מלאכותית

]]>
גוגל מציגה בימים אלו עדכון משמעותי לעולם הקניות הדיגיטלי, המבוסס על הדור החדש של מודלי Gemini וטכנולוגיות Agentic. הפיצ’ר המרכזי הוא Agentic Checkout, יכולת שמאפשרת לגוגל לבצע רכישה עבור המשתמש ברגע שמחיר המוצר יורד לרמה שנקבעה. זהו מהלך שמגיע בדיוק לעונת החגים, תקופה שבה קניות הופכות למכבידות ומתישות. אבל Agentic Checkout הוא רק חלק מהסיפור. גוגל מוסיפה גם חיפוש קניות בשפה טבעית, שילוב חוויות קנייה בתוך אפליקציית Gemini ושירות אוטומטי שמתקשר לחנויות כדי לבדוק מלאי. כל זה מתבסס על Shopping Graph, מאגר מוצרים עצום שבו יותר מ-50 מיליארד פריטים.

 

גוגל משיקה את Agentic Checkout

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה זה Agentic Checkout ולמה זה מעניין

בפיצ’ר החדש המשתמש עוקב אחרי מוצר מסוים דרך כלי מעקב המחירים. הוא מגדיר צבע, מידה ותקציב. כאשר המחיר יורד, גוגל שולחת התראה ומציעה לבצע את הרכישה בשם המשתמש באתר הסוחר באמצעות Google Pay. הרכישה מתבצעת רק לאחר אישור מפורש של הקונה.

 

 

זהו שינוי מהותי. גוגל אינה רק מציגה תוצאות חיפוש, אלא מבצעת פעולה ממשית בתהליך הרכישה. הפיצ’ר זמין בשלב ראשון בארצות הברית, ועובד כרגע עם אתרי קנייה שתומכים בו כמו Wayfair, Chewy, Quince וחלק מהחנויות הפועלות דרך Shopify.

קניות בשפה טבעית

במצב AI Mode החדש בחיפוש, גוגל מאפשרת לתאר מה שמחפשים בשפה חופשית. המערכת מגיבה באמצעות תצוגה מאורגנת שמביאה תמונות, נתוני מלאי, ביקורות, מחירים וטבלאות השוואה.

 

אם המשתמש רוצה השראה חזותית, הוא יקבל גלריות. אם הוא מתלבט בין מספר מוצרים, הוא יקבל טבלה שמדגישה הבדלים רלוונטיים. הכל מעודכן בזמן אמת הודות ל-Shopping Graph.

 

אפליקציית Gemini נכנסת למשחק הקניות

גם ב-Gemini אפשר עכשיו לשאול שאלות קנייה ולקבל הצעות אמיתיות ולא רק רעיונות כלליים. האפליקציה מציגה מוצרים, השוואות, מחירים ומקומות רכישה. זה מאפשר לעבור מרעיון למוצר אמיתי בתוך שיחה אחת.

 

גוגל מתקשרת לחנויות במקומכם. כאשר מחפשים מוצר ליד הבית, גוגל מציעה להשתמש ב-Let Google Call. המערכת שואלת אתכם כמה שאלות, מתקשרת לחנויות מתאימות, בודקת מלאי, מחיר ומבצעים ואז שולחת סיכום מסודר למייל או להודעה.

 

היכולת מבוססת על Duplex, מערכת השיחות האוטומטיות של גוגל שמסוגלת להתקשר בעצמה לעסקים ולנהל שיחה אנושית מלאה. השדרוג של מודל Gemini מאפשר ל- Duplex לבחור טוב יותר לאילו חנויות לפנות, אילו שאלות לשאול ומה מסכם עבור המשתמש.

 

מה המשמעות של המהלך הזה

המעבר של גוגל מכלי שמציג מידע לכלי שמבצע פעולות קנייה בפועל עשוי להשפיע על מבנה שוק המסחר המקוון. ברגע שמערכת אחת מרכזת מעקב אחר מחירים, בדיקת מלאי וביצוע רכישה בשם המשתמש, היא הופכת למתווך חזק יותר בין סוחרים לקונים.

 

יש מי שחוששים שהריכוזיות הזו תגביר את התלות של חנויות קטנות בפלטפורמות ענק. אחרים טוענים שמדובר בהתפתחות טבעית בסביבה שבה הצרכנים מחפשים חיסכון בזמן ופחות תפעול ידני. 

 

 

המרוץ לסוכני הקנייה האוטונומיים כבר התחיל

המגמה הזו אינה ייחודית לגוגל. בשוק מתפתח מרוץ חדש סביב השאלה מי תהיה הפלטפורמה שתגדיר את חוויית ה”קנייה האייג’נטית” של השנים הקרובות. לצד גוגל, גם פלטפורמות אחרות נכנסות לזירה הזו.

 

דפדפן Atlas של OpenAI, שהושק לאחרונה, מדגים כיצד ממשק שיחה יכול להפוך לכלי שמבצע פעולות בפועל ולא רק מספק מידע. במקביל, המתיחות בין Amazon לבין Perplexity סביב מכירות ברשת ותוצאות חיפוש מדגישה עד כמה חברות מנסות להשיג שליטה על שלב ההחלטה של הצרכן. Perplexity, למשל, בוחנת מנגנוני קנייה אוטומטיים בתוך סוכן הדפדפן שלה, Comet, שמלווה את המשתמש מהחיפוש ועד בחירת המוצר.

 

הדוגמאות האלה מצביעות על שינוי עמוק בו חברות הבינה המלאכותית אינן מסתפקות בהצגת מידע או בהפקת המלצות. הן מנסות לתפוס את המקום של “הסוכן הצרכני” שמבצע פעולות, מקבל החלטות ומנהל את שלבי הקנייה מאחורי הקלעים. ככל שהיכולות משתכללות, התחרות על “מי ינהל את הקנייה בשביל המשתמש” הולכת ומחריפה.

 

גוגל מגדירה מחדש את חוויית הקנייה הדיגיטלית

שילוב היכולות החדשות מראה כיוון ברור. הבינה המלאכותית של גוגל הופכת מכלי המספק מידע למערכת שמסוגלת לבצע משימות מורכבות מטעם המשתמש. בחיפוש, באפליקציית Gemini ובתקשורת עם חנויות פיזיות, גוגל מנסה לתפור את כל מסלול הקנייה לרצף אחד.

 

המשתמש מרוויח זמן וודאות. הסוחרים מקבלים תנועה ממוקדת יותר. והפלטפורמה של גוגל הופכת לשחקן מרכזי עוד יותר בתהליך הקנייה.

הפוסט גוגל מציגה את Agentic Checkout הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-agentic-checkout/feed/ 0
כיצד להגביר את רמת הבשלות של הארגון שלכם בתחום הבינה המלאכותית https://letsai.co.il/boost-ai-maturity/ https://letsai.co.il/boost-ai-maturity/#respond Sun, 16 Nov 2025 13:45:17 +0000 https://letsai.co.il/?p=64149 ארגונים שמצליחים להטמיע בינה מלאכותית בקנה מידה רחב משיגים ביצועים כלכליים גבוהים יותר מאלו שעדיין בשלב הניסויים. אבל מחקר חדש מגלה שהמעבר מפיילוט להטמעה נרחבת הוא האתגר האמיתי, ושם בדיוק נוצר הפער הכלכלי הגדול ביותר. מרכז המחקר של MIT למערכות מידע (CISR) בחן כיצד ארגונים מצליחים לקדם את רמת הבשלות שלהם בבינה מלאכותית. החוקרים ראיינו […]

הפוסט כיצד להגביר את רמת הבשלות של הארגון שלכם בתחום הבינה המלאכותית הופיע ראשון בLet's AI בינה מלאכותית

]]>
ארגונים שמצליחים להטמיע בינה מלאכותית בקנה מידה רחב משיגים ביצועים כלכליים גבוהים יותר מאלו שעדיין בשלב הניסויים. אבל מחקר חדש מגלה שהמעבר מפיילוט להטמעה נרחבת הוא האתגר האמיתי, ושם בדיוק נוצר הפער הכלכלי הגדול ביותר. מרכז המחקר של MIT למערכות מידע (CISR) בחן כיצד ארגונים מצליחים לקדם את רמת הבשלות שלהם בבינה מלאכותית. החוקרים ראיינו מנהלים בכירים ב-16 ארגונים וזיהו את הנקודות שבהן הם נתקעים, ומה נדרש כדי לעבור מתוצאות ניסוי להצלחה עסקית. התובנה המרכזית: בשלות בבינה מלאכותית היא לא טכנולוגית, אלא ניהולית. ההבדל בין ניסוי לערך עסקי אמיתי תלוי ביכולת ההנהלה להפוך את הפיילוט לשגרה.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

ארבעת שלבי הבשלות: איפה הארגון שלכם נמצא?

החוקרים זיהו ארבעה שלבים ברורים של בשלות בבינה מלאכותית. הממצאים חד-משמעיים: ארגונים בשלבים 1 ו-2 מציגים ביצועים כלכליים נמוכים מהממוצע, בעוד אלו שבשלבים 3 ו-4 נהנים מביצועים גבוהים משמעותית.

 

שלב 1: ניסויים והכנה (28% מהארגונים)

בשלב הזה הארגון עדיין לומד מהי בינה מלאכותית ואיך להשתמש בה. הפוקוס הוא על חקר, חינוך והבנת היסודות.

מאפיינים עיקריים:

  • הדרכת עובדים על בינה מלאכותית

  • קביעת מדיניות שימוש

  • הנגשת נתונים

  • קידום קבלת החלטות מבוססת נתונים

  • זיהוי תהליכים שבהם נדרש מרכיב אנושי

שלב 1 הוא שלב הכרחי אבל זמני. הוא לא מניב תשואה כלכלית אלא השקעה בלמידה, ולכן חשוב להכין מראש תוכנית מעבר לשלב 2.

 

באנר אנטרפרייז

 

שלב 2: בניית פיילוטים ויכולות (34% מהארגונים)

השלב ה״צפוף״ ביותר – למעלה משליש מהארגונים נמצאים כאן. הפוקוס עובר ממחקר ליישום נקודתי.

מאפיינים עיקריים:

  • פישוט ואוטומציה ראשונית

  • פיתוח מקרי שימוש

  • שיתוף נתונים דרך APIs

  • סגנון ניהול coach-and-communicate

  • שימוש במודלי שפה גדולים וג’נרטיביים

רבים נתקעים בשלב 2 – יש פיילוטים מוצלחים והתלהבות, אבל אין הטמעה רחבה. המעבר לשלב 3 הוא הקפיצה הקריטית.

שלב 3: פיתוח דרכי עבודה עם בינה מלאכותית (31% מהארגונים)

בשלב הזה מתחילים לראות החזר השקעה. הפוקוס הוא הרחבת פלטפורמות וניהול מבוסס AI.

מאפיינים עיקריים:

  • הרחבת אוטומציה

  • מעבר לשיטת עבודה test-and-learn

  • ארכיטקטורה לשימוש חוזר

  • שילוב מודלים מאומנים מראש ומודלים קנייניים

  • בדיקות של סוכנים אוטונומיים

שלב 3 מוביל לביצועים גבוהים מהממוצע, אבל ההגעה אליו דורשת שינוי ארגוני אמיתי, לא רק טכנולוגי.

שלב 4: ארגון מוכן לעתיד (7% מהארגונים)

האליטה של התחום – רק 7% מגיעים לכאן. הפוקוס הוא חדשנות מתמשכת ויצירת מקורות הכנסה חדשים.

מאפיינים עיקריים:

  • שילוב AI בתהליכי קבלת החלטות

  • פיתוח ומכירה של שירותים מבוססי AI

  • אינטגרציה בין AI מסורתי, גנרטיבי, אגנטי ורובוטי

בשלב 4 הארגונים כבר לא רק משתמשים ב-AI, הם יוצרים ממנו מוצרים והכנסות.

הקפיצה הקריטית: מדוע המעבר משלב 2 לשלב 3 הוא המפתח

המחקר מצא שהזינוק הכלכלי המשמעותי ביותר מתרחש במעבר משלב 2 לשלב 3. בשלב 2 הארגון בונה יכולות, בשלב 3 הוא כבר מטמיע את הבינה המלאכותית בקנה מידה רחב. אבל כאן בדיוק כ-34% מהארגונים נתקעים. המעבר הזה אינו טכנולוגי בלבד, אלא ארגוני במהותו.

ארבעת האתגרים שצריך לפתור כדי לעבור משלב 2 לשלב 3

1. אסטרטגיה: יישור השקעות ה-AI עם המטרות העסקיות, כך שייצרו ערך מדיד ובר-הרחבה.

2. מערכות: בניית פלטפורמות מודולריות ומערכות נתונים שתומכות בהתרחבות בקנה מידה.

3. סנכרון: עיצוב מחדש של תפקידים, צוותים ותהליכי עבודה כך שיותאמו לעבודה עם AI.

4. ניהול אחראי: הטמעת מנגנוני פיקוח ושקיפות העומדים בדרישות רגולטוריות כבר בשלבים הראשונים.

 

ארבעת האתגרים שצריך לפתור כדי לעבור משלב 2 לשלב 3

ארבעת האתגרים שצריך לפתור כדי לעבור משלב 2 לשלב 3

שני מקרי מבחן: איך זה נראה בפועל

Guardian Life Insurance: מפיילוט להרחבה ב-24 שעות

חברת Guardian Life Insurance מציגה דוגמה לארגון שמצליח לקחת פיילוט קטן ולהפוך אותו לשינוי ארגוני אמיתי. הכל התחיל כשהחברה הפעילה פיילוט לאוטומציה של תהליך הצעות המחיר. תהליך שארך שבוע הצטמצם לפתע ל-24 שעות בלבד, תוצאה מספיקה כדי להצית החלטה אסטרטגית ולהרחיב את המהלך לכלל הארגון עד 2026.

 

מאחורי ההצלחה הזו עומד שדרוג עמוק של התשתית הטכנולוגית. Guardian ארגנה מחדש את הצוותים סביב פלטפורמות ומוצרים, עברה לארכיטקטורה מבוססת microservices ו-APIs, ויצרה בסיס שמאפשר לשכפל פתרונות במהירות ולגדול בקנה מידה.

 

במקביל, החברה הבינה שההטמעה לא תעבוד בלי שינוי אנושי. היא הכשירה עובדים לתפקידים ממוקדי AI, פיתחה מיומנויות היברידיות ושילבה רוטציות כדי לוודא שהיכולות החדשות נטמעות בארגון ולא נשארות “טכנולוגיה של הצוות הטכני”.

 

כל זה התרחש תחת ממשל אחראי. Guardian שילבה את המשפטי, הסיכונים והקומפליינס כבר בתחילת הדרך, ובנתה תהליכי בדיקה שמאזנים בין חדשנות לבין פרטיות ואבטחה.

 

זה סיפור קצר על פיילוט אחד, אבל דוגמה מצוינת לאופן שבו ארגון מצליח להפוך הצלחה נקודתית לשינוי מערכתי.

Italgas: מניהול תשתיות ל-3 מיליון יורו הכנסות חדשות

בדוגמה קצרה נוספת, Italgas, מפיצת הגז הגדולה באירופה, מציגה מסלול ברור של מעבר משימוש פנימי בבינה מלאכותית ליצירת ערך עסקי חדש. מה שהתחיל כיוזמת ייעול הפך מהר מאוד למנוע צמיחה. הפתרון WorkOnSite קיצר את זמני הבנייה ב-40% והפחית בדיקות ב-80%, ומערכת DANA שיפרה את בטיחות הרשת. כשכל ספרינט מגובה במנהל ברמת C-level, הארגון מצליח להתקדם במהירות ולשמור על כיוון אסטרטגי יציב.

 

מאחורי זה עומדת תשתית טכנולוגית שנבנתה לאורך שנים: דיגיטציה מקיפה מאז 2017, פלטפורמת נתונים עצומה ומודלים פעילים שמשרתים את העובדים בשטח. לצד זה, הארגון השקיע בהכשרת כוח העבודה בהיקף מרשים – יותר מ-1,000 עובדים וכ-30,000 שעות הדרכה בשנה אחת.

 

החלק המעניין מגיע בשלב הבא. Italgas לא הסתפקה ביעילות פנימית. היא הפכה את WorkOnSite למוצר מסחרי שמכר 3 מיליון יורו ב-2024 – צעד מובהק של ארגון שעבר מהטמעת AI לתוך תהליכים אל בניית הכנסות חדשות.

 

 

מה זה אומר בשבילכם?

החוקרים מדגישים שהמעבר בין שלבי הבשלות בבינה מלאכותית הוא שינוי ארגוני עמוק. ארגונים צריכים להתמודד בו זמנית עם התנגדות אנושית ועם מורכבות טכנולוגית. כדי להצליח, נדרשת חזית הנהגתית אחידה: המנכ”ל, מנהל הטכנולוגיה, מובילי האסטרטגיה וראש משאבי האנוש.

 

אם אתם מנהלים שרוצים להתקדם, אלו העקרונות שכדאי לזכור:

תדעו איפה אתם עומדים. מיינו את הארגון לפי ארבעת שלבי הבשלות. 62% מהארגונים עדיין בשלב 1 או 2, וזה בסדר, אלא שצריך תוכנית ברורה למעבר קדימה.

 

הקפיצה הגדולה היא במעבר מפיילוטים להטמעה רחבה. כאן נוצר הערך העסקי האמיתי, וכאן רוב הארגונים נתקעים. ההתקדמות דורשת טיפול מקביל בארבעה תחומים: אסטרטגיה, מערכות, סנכרון וניהול אחראי.

 

זה לא פרויקט טכנולוגי. ארגון לא “עושה AI” רק עם צוות הטכנולוגיה. ההטמעה מחייבת מעורבות של משאבי אנוש, מחלקה משפטית ו-Compliance, ובעיקר תמיכה מלאה של ההנהלה הבכירה.

 

מדידה חייבת להיות חלק מהתכנון. אם אי אפשר למדוד ערך, אי אפשר להצדיק השקעות. Guardian ו-Italgas הצליחו משום שהן יודעות למדוד בדיוק איפה נחסך זמן, כסף ומשאבים.

 

הכשרת העובדים איננה תוספת – היא ממש תנאי. זה מעבר מעברת קורסים לעיצוב מחדש של תפקידים ותהליכים. ההשקעה של Italgas ב-30,000 שעות הכשרה אינה מקרית.

 

וב-2025, השאלה היא לא מי עושה פיילוטים, אלא מי הופך אותם לשיטת עבודה קבועה. רוב הארגונים לא יגיעו השנה לשלב 3 או 4, אבל מי שמבין את מפת הבשלות ויודע היכן הוא נמצא, זוכה ליתרון משמעותי לקראת 2026. המחקר נותן מפת דרכים ברורה, אבל היישום דורש מחויבות, משאבים, והבנה שמדובר במרתון, לא בספרינט.

הפוסט כיצד להגביר את רמת הבשלות של הארגון שלכם בתחום הבינה המלאכותית הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/boost-ai-maturity/feed/ 0
NotebookLM מוסיף יכולת מחקר עומק באינטרנט ותמיכה בסוגי קבצים נוספים https://letsai.co.il/notebooklm-deep-research/ https://letsai.co.il/notebooklm-deep-research/#respond Sun, 16 Nov 2025 07:49:43 +0000 https://letsai.co.il/?p=64245 גוגל משדרגת את NotebookLM והופכת אותו מ”מחברת חכמה” לכלי מחקר אקטיבי. כבר דיברנו רבות על הכלי הנהדר הזה ועכשיו עוד עדכון חשוב שמשלב לתוך המחברת את פיצ’ר Deep Research ומרחיב את סוגי הקבצים שהמערכת יודעת לקרוא. המטרה ברורה: לקחת את הכלי צעד קדימה, מארגון חומרים שכבר העליתם, לכיוון מחקר אוטומטי ברשת וניתוח מקורות בקנה מידה […]

הפוסט NotebookLM מוסיף יכולת מחקר עומק באינטרנט ותמיכה בסוגי קבצים נוספים הופיע ראשון בLet's AI בינה מלאכותית

]]>
גוגל משדרגת את NotebookLM והופכת אותו מ”מחברת חכמה” לכלי מחקר אקטיבי. כבר דיברנו רבות על הכלי הנהדר הזה ועכשיו עוד עדכון חשוב שמשלב לתוך המחברת את פיצ’ר Deep Research ומרחיב את סוגי הקבצים שהמערכת יודעת לקרוא. המטרה ברורה: לקחת את הכלי צעד קדימה, מארגון חומרים שכבר העליתם, לכיוון מחקר אוטומטי ברשת וניתוח מקורות בקנה מידה גדול. העדכון מתגלגל בימים הקרובים לכל המשתמשים.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה זה Deep Research ואיך עובדים איתו

Deep Research הוא מעין “חוקר צמוד” בתוך NotebookLM. במקום להסתפק במסמכים שהעליתם, הכלי יוצר תכנית מחקר, גולש במאות אתרים רלוונטיים, ומחזיר דוח מסודר עם ציטוטים וקישורים למקורות. 

כך זה עובד בפועל:

  • יוצרים מחברת ומוסיפים לה את מה שכבר יש לכם, או מתחילים ריקה.

  • בפאנל המקורות בוחרים Web כמקור מידע.

  • בוחרים אחת משתי רמות מחקר:

    • Fast Research: חיפוש מהיר יחסית, כדי לקבל סקירה ראשונית.

    • Deep Research: תהליך עמוק יותר, שסורק הרבה יותר מקורות ומחזיר דוח נרחב יותר. 

 

חיפוש עמוק דרך NotebookLM

eep Research הופך “מחברת חכמה” לכלי מחקר אקטיבי

 

בזמן ש-Deep Research רץ, אפשר להמשיך לעבוד במחברת. בסוף התהליך מתקבל דוח שמכיל סיכום, תתי פרקים והפניות למקורות, וניתן להוסיף אותו ואת המקורות ישירות למחברת.

 

תמיכה בקבצים ופורמטים חדשים

העדכון הנוכחי מרחיב משמעותית את סוגי החומרים שניתן להוסיף ל-NotebookLM:

  • Google Sheets: הוספת גיליונות אלקטרוניים, שאילתות על נתונים וסטטיסטיקות, ובקשה לסיכומים על בסיס טבלאות. 

  • קבצי Drive כ-URL: אפשר להדביק קישורי Google Drive (כולל כמה קישורים בבת אחת, מופרדים בפסיק), כפי שעושים עם כל URL אחר. 

  • קבצי Word (.docx): תמיכה מלאה במסמכי Word כמשאב מחקר לכל דבר.

  • תמונות: אפשר להעלות תמונות, כולל הערות בכתב יד או עמודים שנסרקו. 

  • PDFs מ-Google Drive: ניתן לחבר ישירות קובצי PDF הנשמרים בדרייב, בלי להוריד ולהעלות מחדש.

מעבר לכך נשארת גם התמיכה הרגילה: Docs, Slides, קבצי טקסט ו-PDF, קישורי אתרים ו-YouTube ועוד.

יכולות לימוד והפקת חומרים

Deep Research מצטרף לשורה של פיצ’רים ש-NotebookLM קיבל בחודשים האחרונים:

  • Audio Overviews: הפיכת מסמכים ל”שיחת פודקאסט” בין שני מגישי בינה מלאכותית שמסבירים את החומר.

  • Video Overviews: הפקת וידאו עם קריינות, איורים וסיכום ויזואלי של התוכן, כיום כבר בעשרות שפות. 

  • Flashcards ו-Quizzes: יצירת כרטיסי לימוד ובחנים אוטומטיים מתוך החומר, כולל רמות קושי שונות, גם באפליקציות המובייל.

כל אלה יושבים בתוך Studio של NotebookLM ומאפשרים לקחת אותו מעבר לסיכום טקסטים, לכיוון כלי הוראה ולמידה פעיל.

יותר הקשר, יותר זיכרון

גוגל שדרגה לאחרונה גם את מנוע הצ’אט של NotebookLM:

  • שיפור מדווח של כ-50 אחוז באיכות התשובות.

  • חלון הקשר גדול בהרבה (עד מיליון טוקנים בצ’אט בדפדפן), מה שמאפשר ניתוח אוספים גדולים מאוד של מסמכים.

  • זיכרון שיחה ארוך יותר פי כמה, כך שאפשר לנהל תהליכי עבודה מתמשכים בלי “לאבד” את ההיסטוריה. 

הנקודה החשובה היא ש-NotebookLM הופך מצ’אט כללי שעונה על שאלות, לשותף מחקר שמחזיק בהקשר רחב מהרגיל.

כמה זה עולה בפועל

כאן צריך לדייק, כי המצב מורכב יותר מהמשפט “הכל חינמי”. NotebookLM זמין חינם בדפדפן לכל משתמש עם חשבון גוגל, ביותר מ-180 מדינות שבהם אפליקציית Gemini זמינה. Deep Research עצמו נכלל בשכבה הזו, לפי תיעוד וכלי השוואה בין מנועי Deep Research שונים. 

 

למשתמשים כבדים יותר, אפשר לקבל תקרות גבוהות פי 5, אנליטיקות שיתוף ופיצ’רים מתקדמים נוספים בשתי דרכים: דרך מנוי בתשלום כמו Google One AI Premium או Google AI Pro / Ultra, שמוסיפים גם Gemini מתקדם ו-2TB אחסון וכדומה. ודרך נוספת דרך גרסאות ארגוניות כגון NotebookLM Plus for Enterprise עם הגנות פרטיות נוקשות יותר. 

 

כלומר, אפשר להשתמש ב-Deep Research חינם, אבל למי שצריך היקפים גדולים ושיתוף מתקדם יש שכבות בתשלום.

פרטיות ואמון

לפני שמסתמכים על הכלי בעיניים עצומות, חשוב לזכור שכל המידע עובר דרך שרתי גוגל, מה שמגביל שימוש במידע רגיש מאוד.

 

NotebookLM פועל כולו על תשתיות הענן של גוגל, ללא אפשרות להרצה מקומית, כך שההבדל בין גרסה חינמית לארגונית הוא רק בעומק ההגנות ולא במיקום הנתונים. בחשבונות אישיים גוגל מצהירה שהמידע אינו משמש לאימון מודלים, אך משובים ותכנים מסוימים יכולים להיבדק ידנית. בגרסאות הארגוניות יש הבטחה מפורשת לא להשתמש בנתוני הלקוחות לאימון, והבקרה על הגישה הדוקה יותר.

 

במקביל, חשוב להבין שהמערכת לא מבצעת שיפוט ביקורתי אמיתי – היא לא מנתחת מתודולוגיות מחקר, לא מזהה הטיות בצורה עקבית, ומתבססת בעיקר על תוצאות החיפוש וההקשר שהמשתמש מספק. לכן, במיוחד בעבודה עם מידע רגיש או מחקרי, הכלי יכול לסייע באיסוף ועיבוד ראשוני, אבל לא מחליף חשיבה אנושית ובדיקה מעמיקה של המקורות.

למי זה בעיקר שימושי, ולמה זה משנה

NotebookLM עם Deep Research פונה בעיקר למשתמשים שצריכים לאסוף ולעבד מידע במהירות ובצורה מסודרת. סטודנטים וחוקרים מרוויחים מקיצור שלב איסוף המקורות וקבלת מפת דרכים ראשונית למחקר. עיתונאים ואנליסטים יכולים להשתמש בו כדי להבין במהירות את מפת השחקנים והמסמכים הרלוונטיים לפני שהם צוללים לעומק. אנשי עסקים נהנים מיכולת לבצע מחקר שוק וניתוח מתחרים תוך שילוב נתונים ממקורות מגוונים בתוך מחברת עבודה אחת. מורים ומרצים יכולים להפוך חומרי לימוד יבשים לתוכן נגיש ודינמי באמצעות כלים כמו Overviews, Flashcards ו-Quizzes.

 

בסופו של דבר, Deep Research הוא עוזר מחקר חזק ומהיר, אבל האחריות על בחירת מקורות אמינים, אימות עובדות והפעלת שיקול דעת ביקורתי נשארת אצל המשתמש.

הפוסט NotebookLM מוסיף יכולת מחקר עומק באינטרנט ותמיכה בסוגי קבצים נוספים הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/notebooklm-deep-research/feed/ 0
איך לסדר תיבת דואר עם n8n ובינה מלאכותית https://letsai.co.il/n8ne-mailbox-agent/ https://letsai.co.il/n8ne-mailbox-agent/#comments Thu, 13 Nov 2025 08:05:50 +0000 https://letsai.co.il/?p=64100 אם אתם מקבלים הרבה מיילים ביום, אתם בטח מכירים את התחושה: תיבת דואר כאוטית, פניות חשובות שנופלות בין הכיסאות, ספאם שגונב את תשומת הלב, וההרגשה שאתם מפספסים משהו חשוב. עבור רבים, המחיר הוא כ-5 שעות בשבוע רק כדי לנסות לעקוב אחרי הכל. אבל מה אם אפשר לבנות מערכת שמטפלת ברוב המיילים בשבילכם? מערכת שמקטלגת, מנתבת […]

הפוסט איך לסדר תיבת דואר עם n8n ובינה מלאכותית הופיע ראשון בLet's AI בינה מלאכותית

]]>
אם אתם מקבלים הרבה מיילים ביום, אתם בטח מכירים את התחושה: תיבת דואר כאוטית, פניות חשובות שנופלות בין הכיסאות, ספאם שגונב את תשומת הלב, וההרגשה שאתם מפספסים משהו חשוב. עבור רבים, המחיר הוא כ-5 שעות בשבוע רק כדי לנסות לעקוב אחרי הכל. אבל מה אם אפשר לבנות מערכת שמטפלת ברוב המיילים בשבילכם? מערכת שמקטלגת, מנתבת ואפילו עונה על מיילים מסוימים וכל זה אוטומטית, עם התערבות אנושית רק כשזה באמת נדרש. זה בדיוק מה שאפשר לבנות עם n8n ובינה מלאכותית.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מהו n8n ולמה זה שונה?

n8n היא פלטפורמה לבניית אוטומציות וסוכני בינה מלאכותית, דומה ל-Zapier ו-Make, אבל עם יכולות מתקדמות יותר. מה שמייחד את n8n הוא שהיא מיועדת למשתמשים טכניים יותר ומציעה שליטה מדויקת בתהליכים מורכבים. הפלטפורמה מאפשרת לבנות workflows (זרימות עבודה) שמשלבים:

טריגרים אוטומטיים – ברגע שקורה אירוע מסוים.

סוכני AI מיוחדים – לא רק צ’אטבוטים כלליים, אלא כלים ספציפיים למשימות מוגדרות.

אינטגרציות רבות – Gmail, Slack, Google Calendar, Airtable ועוד.

היגיון מורכב – החלטות מותנות, פיצולי מסלול, ועיבוד מידע מתקדם.

בניית המערכת: מהרעיון ליישום

המטרה פשוטה: לקחת תיבת דואר מבולגנת ולהפוך אותה למערכת מסודרת שעובדת כמעט בעצמה. התוצאה היא מערכת שמקטלגת, מנתבת ומטפלת במיילים אוטומטית, עם התערבות אנושית רק כשזה באמת נדרש.

השלב הראשון: ארגון עם לייבלים

לפני בניית האוטומציה, חשוב להגדיר מערכת לייבלים ב-Gmail. אפשר להיעזר ב-ChatGPT כדי לחשוב על הקטגוריות המתאימות לצרכים שלכם.

 

לדוגמה:

שירות לקוחות – פניות ובקשות תמיכה.

מכירות – הצעות מחיר ופניות מסחריות.

מרקטינג – ניוזלטרים ותוכן שיווקי.

תזמון – פגישות וכנסים.

מנויים – חיובים ומסמכים פיננסיים.

עדכונים טכניים – התראות ממערכות שונות.

מערכת הלייבלים הזו היא הבסיס לכל האוטומציה שמגיעה אחרי כן. ככל שהחלוקה יותר ברורה ומוגדרת, כך המערכת תוכל לעבוד יותר טוב.

איך זה עובד? מסע של מייל במערכת

 

מסע של מייל במערכת

מסע של מייל במערכת

הטריגר: ברגע שהמייל נכנס

כל התהליך מתחיל עם טריגר (Trigger) של Gmail ב-n8n. ברגע שמייל חדש מגיע, המערכת מתעוררת לפעולה:

1. זיהוי המייל – הטריגר מזהה את המייל החדש ביותר.

2. קלסיפיקציה – בינה מלאכותית מנתחת את תוכן המייל ומחליטה לאיזו קטגוריה הוא שייך.

3. ניתוב – המייל מופנה למסלול הטיפול המתאים.

 

זה נראה פשוט, אבל כאן מתחיל הקסם של n8n.

Text Classifier: הכלי המרכזי

אחד הדברים המיוחדים ב-n8n הוא מגוון של מודולי AI שמיועדים למשימות ספציפיות. בניגוד לסוכן כללי שעושה הכל, יש פה כלים כמו:

Text Classifier – מסווג טקסט לקטגוריות.

Information Extractor – מחלץ מידע.

Sentiment Analysis – מזהה רגש ומצב רוח.

Summarization – מסכם תוכן.

 

ה-Text Classifier הוא הכלי המרכזי במערכת. בתוך המודול הזה מגדירים את כל הקטגוריות הרצויות, ונותנים לכל אחת תיאור מפורט. התיאור הזה חשוב מאוד, הוא מסביר ל-AI איך לזהות האם מייל שייך לקטגוריה הזו או לא. הפלט של ה-Classifier הוא פיצול לענפים שונים, כל אחד מטפל בסוג מייל אחר. זה מאפשר לבנות תהליכי טיפול שונים לחלוטין לכל סוג מייל.

דוגמאות מעשיות: מה אפשר לעשות

דוגמה 1: טיפול בבקשות מסחריות

בואו נראה איך המערכת יכולה לטפל בבקשות מסחריות – למשל, הצעות שיתוף פעולה, חסויות או פניות עסקיות.

מסלול הטיפול

1. זיהוי – ה-Text Classifier מזהה שזה מייל מסחרי.

2. לייבל – המייל מקבל אוטומטית את התווית המתאימה.

3. AI Agent לעבודה – סוכן מיוחד מתעורר.

 

אפשר לתת לסוכן פרומפט מפורט שמסביר מה תפקידו:

  • לנתח את ההצעה שהגיעה.
  • להבין מה המחירים והתנאים המוצעים.
  • לנסח תשובה מקצועית עם המידע הרלוונטי.
  • להציע מחירים ותנאים שקבעתם מראש.

Human in the Loop: השליטה נשארת אצלכם

העיקרון של “human in the loop” (אדם בתוך הלולאה) הוא קריטי. המערכת לא שולחת את התשובה אוטומטית, במקום זה:

  • הסוכן כותב טיוטת תשובה.
  • המערכת שולחת הודעה ל-Slack עם הפרטים והתשובה המוצעת.
  • אתם מקבלים שני כפתורים: “Approved” או “Not Approved”.

 

רק אחרי אישור – המייל נשלח.

 

זה המודול “Send a message and wait for response” ב-Slack – כלי שמאפשר לעצור את התהליך ולחכות לתשובה אנושית לפני המשך. המערכת עושה את העבודה הכבדה (ניתוח, ניסוח, הצעה), אבל ההחלטה הסופית היא שלכם.

דוגמה 2: תזמון פגישות אוטומטי

דוגמה נוספת שימושית היא טיפול בזימונים לפגישות. משהו שקורה לרבים מאיתנו ולא פעם נופל בין הכיסאות.

מסלול הטיפול

1. זיהוי – ה-Text Classifier מזהה שזה מייל של scheduling.

2. לייבל – המייל מסומן בתווית המתאימה.

3. Scheduling Agent – סוכן מיוחד עם גישה ליומן נכנס לפעולה.

 

הסוכן הזה מחובר ישירות ל-Google Calendar ויכול לבצע כמה פעולות:

בדיקת זמינות: הסוכן בודק אם התאריך והשעה המוצעים פנויים.

אם כן – הוא מאשר את הזימון ומוסיף אותו ליומן.

אם לא – הוא שולח תשובה מנומסת שמציעה לתזמן מחדש.

 

שני תרחישים אפשריים:

תרחיש א’ – זמין: המערכת מזהה שהשעה פנויה, מאשרת את הזימון, מוסיפה אותו ליומן, ומסמנת את המייל כנקרא. הכל אוטומטי.

תרחיש ב’ – לא זמין: המערכת מזהה שיש כבר פגישה באותה שעה. הסוכן שולח מייל שמסביר שיש כבר פגישה ומבקש לתזמן מחדש.

זה חוסך זמן, מונע טעויות, ומבטיח שהיומן תמיד מעודכן.

דוגמה 3: שמירת תוכן למאוחר יותר

אפשר גם לבנות מסלול שמטפל במיילים עם תוכן מעניין שאתם רוצים לשמור למאוחר:

  • המערכת נותנת למייל לייבל מתאים.
  • AI Agent מחובר ל-GPT-4 Mini (מספיק למשימה הזו) מסדר את המידע.
  • הסוכן שומר אותו ב-Google Sheet מיוחד.
  • המייל מסומן כנקרא.

 

כך אתם יכולים לאסוף באופן אוטומטי מאמרים, מחקרים ורעיונות למאגר מרכזי.

דוגמה 4: עדכונים ממערכות

מיילים עדכונים טכניים (כמו Google Workspace) יכולים להיות מטופלים אחרת:

  • הם מקבלים לייבל.
  • נשלחת הודעה ל-Slack (בלי אישור, רק עדכון).
  • המייל מסומן כנקרא.

למה? כי לפעמים יש בעיות חשבון, אזהרות אבטחה או דברים שאתם רוצים לדעת עליהם מיד, אבל לא צריכים לאשר כלום.

הפיצ’ר הקטן שעושה הבדל: “Mark as Read”

דבר חשוב שלא כדאי לשכוח: נוד (או מודול) נוסף שמסמן את המייל כנקרא אחרי שהוא טופל. למה זה חשוב? כי בלי זה, המיילים יישארו כ”חדשים” בתיבה, וזה יוצר תחושה של בלגן. הוספת מודול אחד פשוט פותרת את זה.

עקרונות מנחים לבניית המערכת

סוכן אימייל ב-N8N

סוכן אימייל ב-N8N

1. AI לא חייב להחליף אתכם לגמרי

המודל של “human in the loop” חכם במיוחד. המערכת עושה את העבודה הכבדה, אבל ההחלטות הקריטיות נשארות אצלכם. זה מאזן מצוין בין יעילות לשליטה.

2. התאימו את הכלי למשימה

אפשר להשתמש בכלי AI שונים למשימות שונות:

  • Text Classifier – לקטגוריזציה.
  • AI Agent – למשימות מורכבות שצריכות הבנה והחלטות.
  • GPT-4 Mini – כשלא צריכים את המודל החזק ביותר.

 

זה חוסך כסף וזמן, ומבטיח שכל חלק במערכת מקבל את רמת האינטליגנציה שהוא צריך.

3. סדר במערכת = סדר בחיים

מערכת הלייבלים היא הבסיס לכל השאר. לפני שאתם בונים אוטומציה, תבינו איך אתם רוצים לסדר את המידע. אפשר להיעזר ב-ChatGPT או בכל מודל שפה מועדף, לתכנון המבנה.

4. בנו בהדרגה

אל תנסו לבנות הכל ביום אחד. התחילו עם ענף אחד, בדקו שזה עובד, ואז הוסיפו עוד. זו הדרך הנכונה לבנות אוטומציות מורכבות.

איך מתחילים עם n8n?

 

מערכת האוטומציות N8N

הממשק של N8N

 

אם אתם רוצים לנסות לבנות משהו דומה:

צעד 1: פתחו חשבון

היכנסו לאתר של n8n והירשמו. יש גרסה חינמית (שבועיים חינם).

צעד 2: תכננו את המערכת

לפני שאתם בונים, חשבו:

  • אילו סוגי מיילים אתם מקבלים?
  • מה התגובה הנכונה לכל סוג?
  • איפה אתם צריכים אישור אנושי?

צעד 3: התחילו קטן

בנו workflow אחד פשוט. למשל: “כל מייל עם המילה ‘דחוף’ מקבל לייבל אדום ונשלחת התראה ל-Slack”.

צעד 4: הוסיפו AI

אחרי שהבנתם את הבסיס, תתחילו להוסיף מודולי AI כמו Text Classifier.

צעד 5: הוסיפו מורכבות בהדרגה

סוכנים, אינטגרציות, human in the loop זה בא אחר כך.

דברים שחשוב לדעת

זה לא פשוט

n8n היא פלטפורמה טכנית. אם אתם לא מרגישים בנוח עם קוד ומושגים טכניים, תצטרכו זמן ללמידה. זה לא Zapier זה יותר מתקדם אבל גם יותר מורכב.

זה דורש תחזוקה

כשדברים משתנים (למשל, Gmail משנה את ה-API), תצטרכו לעדכן את ה-workflows. תכננו בהתאם.

התוצאות לוקחות זמן

גם המערכות הטובות ביותר לוקחות זמן לשכלל. תתחילו עם ציפיות ריאליסטיות, תבדקו, תשפרו, ותתאימו.

שווה את ההשקעה

כן, זה לוקח זמן לבנות. אבל כשהמערכת עובדת, אתם חוסכים שעות רבות כל שבוע – וזה משתלם מאוד.

 

 

לסיכום: השליטה חוזרת אליכם

מערכת כמו זו היא לא רק פתרון טכני, זו דוגמה למה שאפשר לעשות כשמשלבים אוטומציה עם בינה מלאכותית בצורה חכמה. במקום להחליף את האדם, המערכת משלימה אותו ומשחררת אותו לעבודה שבאמת דורשת שיקול דעת אנושי.

מה מערכת כזו נותנת?

  • חיסכון של שעות רבות בשבוע בניהול מיילים
  • אפס פניות שנופלות בין הכיסאות.
  • מערכת שעובדת בשבילכם, לא נגדכם
  • שקט נפשי שהכל מסודר.

אם אתם מרגישים שתיבת הדואר שולטת בכם במקום שאתם תשלטו בה, אולי הגיע הזמן לחשוב איך אוטומציה ו-AI יכולים לעזור. אתם לא חייבים לבנות בדיוק את אותה המערכת – אבל העקרונות שמאחוריה רלוונטיים לכל מי שמנסה לעשות סדר בכאוס הדיגיטלי.

השורה התחתונה: אוטומציה עם AI זה לא על טכנולוגיה – זה על לקחת חזרה שליטה על הזמן שלכם.

הפוסט איך לסדר תיבת דואר עם n8n ובינה מלאכותית הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/n8ne-mailbox-agent/feed/ 1
איך בינה מלאכותית יכולה להבין בלי להבין? הצפנה הומומורפית ומודלי שפה גדולים https://letsai.co.il/homomorphic-encryption/ https://letsai.co.il/homomorphic-encryption/#respond Wed, 12 Nov 2025 09:29:43 +0000 https://letsai.co.il/?p=64045 תדמיינו שאתם שולחים למודל שפה כמו ChatGPT או Gemini או perplexity מסמך רגיש (למשל דו”ח רפואי או הסכם עסקי) או איזה סוד מסחרי, אולי פרטי אשראי של לקוח. אם המשפט הזה לא גרם לכם לזוז באי-נוחות בכיסא, יש פה בעיה. יודעי דבר יקפצו ויגידו ישר “אבל בתנאי שימוש הם מבטיחים לא לשמור ולא להשתמש בדאטא […]

הפוסט איך בינה מלאכותית יכולה להבין בלי להבין? הצפנה הומומורפית ומודלי שפה גדולים הופיע ראשון בLet's AI בינה מלאכותית

]]>
תדמיינו שאתם שולחים למודל שפה כמו ChatGPT או Gemini או perplexity מסמך רגיש (למשל דו”ח רפואי או הסכם עסקי) או איזה סוד מסחרי, אולי פרטי אשראי של לקוח. אם המשפט הזה לא גרם לכם לזוז באי-נוחות בכיסא, יש פה בעיה.
יודעי דבר יקפצו ויגידו ישר “אבל בתנאי שימוש הם מבטיחים לא לשמור ולא להשתמש בדאטא שלי אם אני רק אשלם המון כסף כל חודש”. זה נכון, אבל תקראו לי פסימי, אני לא מאמין להבטחות – אני מעדיף דברים שאני שולט בהם ויכול להבטיח שהסודות המידע הכי רגיש שלי נשאר רק בידים הנכונות. מצד שני, לא להשתמש במודלי שפה זה גם לא אופציה טובה – חייבת להיות דרך לקבל גם וגם. איזשהו פתרון כדי שהמודל “יבין” את הטקסט ויגיב אליו מצד אחד, אבל שלא ידע בדיוק מה כתוב שם. זה בעצם מעלה את השלאה – אם היה אפשר להצפין את הטקסט כך שהמודל יוכל לעבוד עליו מבלי לדעת מה כתוב בו בכלל?

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מהי הצפנה הומומורפית?

לחידה הזאת יש פתרון – הצפנה הומומורפית (Homomorphic Encryption) , תחום מתפתח שמתחיל לשנות את הדרך שבה אנחנו חושבים על פרטיות בעולם של בינה מלאכותית. מה זה בעצם הצפנה הומומורפית? בוא נתחיל במה היא לא.

 

היא לא כמו רוב שיטות ההצפנה אשר מגינות על המידע בכך שהופכות אותו לבלתי קריא. הצפנות האלה לא טובות במקרה שלנו כי אם רוצים לעבד את המידע (לחשב משהו, לעשות פרדיקציה, להריץ עליו אלגוריתם), צריך קודם לפענח קודם ואז מי שמריץ את העיבוד רואה את המידע לא מוצפן. בהקשר הזה, הצפנה הומומורפית מאפשרת לבצע חישובים ישירות על המידע המוצפן, בלי לפתוח אותו.

 

לדוגמה, נניח ששני אנשים מחזיקים במספרים סודיים ורוצים לדעת את הסכום הכולל בלי לחשוף את המספרים עצמם. באמצעות הצפנה הומומורפית, אפשר להצפין את שני המספרים, לחשב עליהם את הסכום כשהם מוצפנים ולקבל תוצאה מוצפנת. רק מי שמחזיק במפתח הפרטי יוכל לפענח את הסכום הסופי.

המגבלות והאתגרים בהצפנה הומומורפית במודלי שפה גדולים

אז אפשר להשתמש בהצפנה הומומורפית על מודלי שפה גדולים? מסתבר שלא בקלות כל כך והסיבה נאוצה בדרך שהמודלים האלה עובדים. באופן דיי גורף, מודלי שפה גדולים לומד לחזות את המילה הבאה (או התו הבא) על בסיס מה שכתוב לפני. כדי לעשות זאת, המודל מעביר את המילים דרך תהליך של קידוד (encoding) כלומר המרת טקסט למספרים ומחשב עליהם הסתברויות מתמטיות.

 

כל הקסם של מודלי שפה גדולים הוא בעצם כלי חישובי גדול שיודע לנחש מילה לפי מה שסטטיסטית סביר שתהיה לאור טקסטים שהמודל ראה כבר.

 

הרעיון של שילוב הצפנה הומומורפית הוא לאפשר למודל לבצע את אותו תהליך על טקסט מוצפן. במקום לראות את המילים עצמן, הוא יקבל גרסה מוצפנת שלהן, יחשב את ההסתברות של ה”טוקן” הבא (המילה או החלק של מילה הבא), גם היא בצורה מוצפנת, ויחזיר תוצאה מוצפנת. רק הצד שמחזיק במפתח יוכל לפענח את התוצאה ולקרוא את הטקסט החוזר. במילים אחרות:🔒 הטקסט נכנס מוצפן 🤖 המודל מחשב על נתונים מוצפנים 🔑 רק הפלט הסופי מפוענח.

 

הצפנה הומומורפית

הצפנה הומומורפית עם מודלי שפה גדולים

איך הצפנה הומומורפית עובדת במודלי שפה

איך הקסם הזה עובד? אז קודם כל, הוא עדיין לא עובד הכי טוב כי כרגע האלגורתמים הם מאוד יקרים לחישוב מה שעושה את השימוש בטכנולוגיה מאוד איטי. אבל, הרעיון המרכזי הוא כזה.

 

מודלי שפה רגילים (כמו GPT) עובדים על טוקנים, מספרים שמייצגים מילים, חלקי מילים או תווים. כל טוקן כזה עובר דרך שכבות של חישובים מתמטיים רגילים על מספרים. אבל ברגע שאנחנו מצפינים את המספרים האלה, הם כבר לא “מספרים רגילים” אלא הם הופכים להיות אובייקטים מתמטיים אחרים לגמרי.

 

המודל לא יכול סתם לעשות עליהם חישוב רגיל, כי הוא לא מכיר אותם, הרי הוא מעולם לא למד עליהם. לכן, אי אפשר פשוט להצפין את הקלט הרגיל ולתת למודל המאומן לעבוד עליו – יש צורך לשנות משהו עמוק יותר.

השלבים המרכזיים

כדי להתמודד עם זה, עושים 4 שלבים מרכזים:

1. המודל עצמו מאומן באופן רגיל על טקסט לא מוצפן. במהלך האימון הוא לומד את החוקים הסטטיסטיים של השפה: אילו מילים נוטות לבוא אחרי אילו מילים, איך משפטים בנויים, וכדומה – השלב הזה כולם עושים ואתם מקבלים חינם בעצם.

2. אחרי שהמודל כבר מאומן, עוברים עליו ומחליפים את פעולות החישוב הרגילות בגרסאות תואמות להומומורפיות. למשל, במקום חיבור רגיל משתמשים בחיבור הומומורפי. המשמעות היא שכל החישובים ייעשו על ערכים מוצפנים, אבל בצורה שמובטחת לתת את אותה תוצאה כמו אם היו רגילים (לאחר פיענוח).

3. בזמן שאתם משתמשים במודל, הטקסט שלכם עובר קידוד יעודי שלכם עם ההצפנה. הטוקנים עצמם לא מועברים למודל כפי שהם, במקום זאת הם עוברים קידוד למספרים (כמו תמיד) ואז מוצפנים לפי שיטה הומומורפית שמבטיחה שניתן לבצע עליהם פעולות מתמטיות (ולא רק לשמור אותם סודיים).

4. הטקסט המוצפן עובר למודל השפה שלכם והפלט הסופי חוזר מוצפן גם כן. במחשב שלכם אתם פותחים את ההצפנה ומקבלים טקסט רגיל, כאילו מעולם לא הייתה הצפנה בכלל.

 

4 שלבי ההצפנה

4 שלבי ההצפנה

המשמעות והפוטנציאל של הצפנה הומומורפית

המשמעות של טכנולוגיה כזו עצומה: ניתן לשלוח למודל מידע סודי בלי לחשוש שיחשף – לא משנה מה הספק מבטיח לכם. חברות יכולות להריץ ניתוחים משותפים על נתונים רגישים, מבלי לחשוף אותם זו לזו. המודל יכול לפעול על שרת חיצוני מבלי לדעת כלל מה המידע שעליו הוא עובד.

 

אז מה כן אפשרי כבר היום? אפשר להריץ מודלים בסביבות חומרה שמצפינות את הזיכרון ומבודדות את זמן הריצה (TEE), כך שהדאטה והמשקלים מוגנים גם מספק התשתית. בענן זה קיים היום על גבי מכונות GPU חסויות (למשל Azure Confidential GPU VMs עם NVIDIA H100/‏AMD SEV-SNP) ומשמש כבר לחישוב חסוי מקצה לקצה. זה לא אותה שיטה אבל בפועל מונע גישה חיצונית לקלטים/פלטים בזמן הריצה, עם עלות תפעולית מבחינת חישוב נמוכה יחסית.

 

החסרון של הפתרון הזה הוא שגם פה יש רכיב אמון עצום אל מול ספק ה LLM שלנו שאי אפשר להבטיח אם כי יותר קל לבדוק שהבטחות של אותו ספק אכן מתקימות. פתרון אחר שעוקף את הבעיה אך שמור רק לארגונים הגדולים ביותר הוא חוזים עם חברות LLM שיתקינו להם שרתים עם ה LLM בסביבה שלהם.

 

פתרון זה מייתר צורך בהצפנה אך כאמור שמור רק לחברות גדולות מאוד והוא שימושי רק אם השימוש ב LLM בתוך הארגון מספיק גדולה כדי להצדיק מהלך שכזה. בהקשר של הצפנה הומומורפית, ישנם כבר פתרונות עובדים על SML (Small Language Models) יעודים שמפותחים לצרכים ספציפים לאור העלות החישובית הגדולה של הפתרון עבור LLMs.

חזון חדש

הצפנה הומומורפית מציבה חזון חדש לעולם הבינה המלאכותית: מודלים שיכולים לעבוד על מידע מבלי לדעת מה הוא. זהו שינוי תפיסתי עמוק, בינה מלאכותית שאינה “מבינה” תוכן, אלא רק מבצעת חישובים מתמטיים מדויקים שמניבים תוצאה נכונה גם כשהכול מוצפן.

 

השילוב בין פרטיות מלאה וביצועי למידה חישוביים עשוי לאפשר בעתיד שימוש בטכנולוגיות כמו ChatGPT בתחומים רגישים במיוחד (לדוגמה, רפואה, משפטים ופיננסים) מבלי לוותר על סודיות.

 

הדרך לשם עוד ארוכה, אבל אם נצליח לגרום למכונות לחשוב על נתונים בלי לדעת מה הם, אולי נוכל סוף־סוף לשלב חכמה מלאכותית עם ביטחון אנושי אמיתי.

הפוסט איך בינה מלאכותית יכולה להבין בלי להבין? הצפנה הומומורפית ומודלי שפה גדולים הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/homomorphic-encryption/feed/ 0
Perplexity משדרגת את העוזר החכם Comet https://letsai.co.il/perplexity-comet-upgrade/ https://letsai.co.il/perplexity-comet-upgrade/#respond Tue, 11 Nov 2025 13:24:16 +0000 https://letsai.co.il/?p=63964 העדכון החדש לדפדפן Comet מציג עוזר AI יעיל ומדויק יותר עם שליטה ברורה בידי המשתמש. עכשיו הוא יודע לעבוד במקביל בכמה טאבים, להבין טוב יותר אתרים מורכבים, ולבקש אישור מפורש לפני ביצוע פעולות עבור המשתמש.     דפדפן שהופך לעוזר אישי Comet הוא הדפדפן החכם של Perplexity, שהושק מוקדם יותר השנה, ונבנה על בסיס Chromium, […]

הפוסט Perplexity משדרגת את העוזר החכם Comet הופיע ראשון בLet's AI בינה מלאכותית

]]>
העדכון החדש לדפדפן Comet מציג עוזר AI יעיל ומדויק יותר עם שליטה ברורה בידי המשתמש. עכשיו הוא יודע לעבוד במקביל בכמה טאבים, להבין טוב יותר אתרים מורכבים, ולבקש אישור מפורש לפני ביצוע פעולות עבור המשתמש.

 

העדכון החדש של Comet Assistant

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

דפדפן שהופך לעוזר אישי

Comet הוא הדפדפן החכם של Perplexity, שהושק מוקדם יותר השנה, ונבנה על בסיס Chromium, אותה תשתית שמפעילה גם את Chrome. אבל כאן מתחיל ההבדל – ב-Comet, עוזר ה-AI אינו תוסף חיצוני אלא חלק מובנה מהדפדפן עצמו. הוא יושב בצד המסך ומסוגל לסכם מאמרים, למלא טפסים, לחפש מידע מדויק בעמוד, ואף להפעיל כלים ולנווט באתרי אינטרנט בשם המשתמש.

 

בנוסף, Comet שומר על ההקשר של כל עמוד פתוח. אם התחלתם שיחה על כתבה מסוימת, העוזר זוכר אותה גם כשאתם עוברים לטאב אחר ומחליפה את הצורך לעבור שוב ושוב בין חלונות.

 

אך היתרון הבולט ביותר הוא ביכולת האייג’נטלית שלו. Comet מתפקד כמו דפדפן אינטליגנטי שמסוגל לבצע פעולות מורכבות לבד, למשל להעביר פלייליסט מ-Spotify ל-YouTube Music או למלא נתונים ממסמך לטופס אונליין, בזמן שאתם ממשיכים בעבודה אחרת.

 

בקיצור, מדובר בדפדפן שמאחד תחת ממשק אחד את מנוע החיפוש של Perplexity, את כלי העוזר, ואת יכולות הביצוע בפועל – דפדפן שלא רק מציג מידע, אלא באמת עובד בשבילכם.

עדכון שמחזק את הקשר בין עוזר למשתמש

Perplexity בחרה לשדרג את העוזר שכבר מובנה בדפדפן Comet, ולהעמיק את מערכת האמון שבין העוזר למשתמש. העדכון הנוכחי מתמקד בשני כיוונים עיקריים: עוזר חכם יותר וזהיר יותר.

 

הראשון מתבטא ביכולות חדשות כמו ניתוח טוב יותר של אתרים דינמיים ויכולת עבודה סימולטנית במספר טאבים. השני נוגע לשליטה – כל פעולה שבה העוזר נדרש לגשת לדפדפן, לפתוח לשונית או להזין נתון, תתבצע רק לאחר אישור מפורש מהמשתמש.

 

הגישה הזו מבטאת שינוי מדוד בתפיסה של Perplexity ושילוב בין שיפור ביצועים טכנולוגיים לבין שמירה על גבולות ברורים של שליטה אנושית. Perplexity מסבירה כי השדרוג מאפשר לעוזר להבין הקשרים רחבים יותר ולשלב נתונים ממקורות שונים.

כך זה נראה בפעולה

עדכון ה-Comet Assistant לא נשאר בגדר הבטחה מופשטת, הוא כבר מבצע בפועל משימות מורכבות שהיו דורשות בעבר מעבר בין עשרות טאבים. הנה כמה דוגמאות שימוש יומיומיות:

1. חיפוש עבודה חכם: העוזר מסוגל לסרוק את LinkedIn ולאתר משרות רלוונטיות לפי קריטריונים מדויקים.

 

חיפוש עבודה חכם

חיפוש עבודה חכם | perplexity.ai

 

2. השוואת טיסות בזמן אמת: הוא מחפש במקביל באתרים כמו Kayak, Google Flights ו-Expedia, ומחזיר את ההצעה המשתלמת ביותר.

 

השוואת טיסות בזמן אמת

השוואת טיסות בזמן אמת | perplexity.ai

 

3. מעקב אוטומטי אחר נוכחות תלמידים: תוך שניות ספורות, Comet יוצר גיליון Google Sheets מסודר לפי שבועות, כולל חישוב איחורים והיעדרויות.

 

מעקב אוטומטי אחר נוכחות תלמידים

מעקב אוטומטי אחר נוכחות תלמידים | perplexity.ai

 

שיפור ביצועים ושליטה שחוזרת למשתמש

על פי נתוני החברה (שלא אומתו חיצונית), גרסת העוזר החדשה מציגה שיפור ממוצע של כ-23% בביצועים במשימות ארוכות ומורכבות לעומת הגרסה הקודמת. הנתון מספק אינדיקציה לכיוון שבו Perplexity מבקשת לשפר את העוזר – התמדה, דיוק ורציפות בעבודה לאורך זמן.

 

השדרוג החדש אינו מתמקד רק במהירות הביצוע, אלא גם באופן שבו הסוכן מפרש ומנווט באתרים מורכבים. הודות לכך, מפתחים יוכלו ליצור אתרים מותאמים יותר לסוכנים חכמים ולחוויית שימוש מבוססת עוזרים.

 

העדכון הנוכחי מדגיש שינוי שאינו טכנולוגי בלבד, אלא גם ערכי. כל פעולה הדורשת גישה לדפדפן או לאתרים תלווה בבקשת רשות ברורה – העדפה שתישמר לאורך כל המשימה.

“אנחנו רוצים שעוזרי ה-AI יעבדו בשביל המשתמשים, לא במקומם,” נכתב בפוסט החברה.

בעידן שבו סוכנים אוטונומיים הופכים לחלק מהותי מהגלישה היומיומית, הדגש על שקיפות ושליטה הופך כמעט לתנאי סף לאמון.

העימות עם אמזון

העיתוי של השדרוג איננו מקרי. בתחילת נובמבר 2025 הגישה אמזון תביעה נגד Perplexity בטענה שאחד מסוכני ה-AI שלה ניגש לאתרי החברה וביצע פעולות מבלי לקבל הרשאה מספקת. Perplexity דחתה את ההאשמות, וטענה שאמזון מנסה להצר צעדי חדשנות ולשמר שליטה על הגישה למידע. בעיני רבים בתעשייה, העדכון הנוכחי נראה כתשובה עקיפה לאותה ביקורת – שילוב בין הרחבת היכולות של העוזר לבין הדגשת שקיפות ושליטה בידי המשתמש.

 

 

לסיכום, העדכון החדש של Comet Assistant מסמן התבגרות טכנולוגית. עוזר יעיל יותר במשימות ארוכות, חכם יותר בהתמודדות עם אתרים מורכבים, ושקוף יותר באופן פעולתו. Perplexity שומרת על קו עקבי, משכללת את הכלי שבנתה, וממקדת אותו במהות העבודה עם סוכני AI – דיוק, עקביות ושליטה מלאה למשתמש.

הפוסט Perplexity משדרגת את העוזר החכם Comet הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/perplexity-comet-upgrade/feed/ 0
Opal של Google זמין בישראל – כך תבנו מיני-אפליקציות מבוססות AI בעצמכם https://letsai.co.il/google-opal-guide/ https://letsai.co.il/google-opal-guide/#respond Tue, 11 Nov 2025 07:44:55 +0000 https://letsai.co.il/?p=64059 Opal של Google Labs זמין עכשיו גם בישראל. מדובר בכלי שמאפשר לכל אחד לבנות “מיני-אפליקציות” וכלים מבוססי AI בלי לכתוב שורת קוד. כל מה שצריך הוא לדעת להסביר במילים פשוטות מה רוצים שהכלי יעשה, ו-Opal כבר בונה את זה.     מה זה Opal  Opal הוא חלק ממערך הכלים הניסיוניים של Google Labs. הוא נועד […]

הפוסט Opal של Google זמין בישראל – כך תבנו מיני-אפליקציות מבוססות AI בעצמכם הופיע ראשון בLet's AI בינה מלאכותית

]]>
Opal של Google Labs זמין עכשיו גם בישראל. מדובר בכלי שמאפשר לכל אחד לבנות “מיני-אפליקציות” וכלים מבוססי AI בלי לכתוב שורת קוד. כל מה שצריך הוא לדעת להסביר במילים פשוטות מה רוצים שהכלי יעשה, ו-Opal כבר בונה את זה.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה זה Opal 

Opal הוא חלק ממערך הכלים הניסיוניים של Google Labs. הוא נועד להנגיש את היכולת להשתמש בבינה מלאכותית ליצירת כלים, בלי ידע טכני.

 

המשתמש מתאר את המטרה שלו בשפה טבעית, למשל: "אני רוצה כלי שמסכם כתבות חדשות ומעדכן גיליון Google Sheets."

 

Opal מתרגם את הבקשה הזו למערכת של שלבים – קלט, עיבוד ופלט – ומחבר ביניהם באופן אוטומטי. כך מתקבל Workflow מוכן לשימוש, שאפשר להריץ, לשנות או לשתף עם אחרים. החזון של הכלי הוא פשוט: כל אחד יוכל להפוך רעיון לכלי AI עובד, בלי מפתח תוכנה.

מה Opal יודע לעשות

אוטומציה של תהליכים

Opal פועל כמו בונה-כלים אינטראקטיבי. הוא מאפשר ליצור תהליכים חכמים שחוסכים עבודה חוזרת במספר תחומים עיקריים, למשל, כלי שמחפש מידע באינטרנט ומרכז אותו לדוח, כלי שמנתח נתונים מגיליונות ומפיק סיכום למנהלים או כלי שמזהה שינויים במסמכים (contract redlining) ומסמן אותם אוטומטית.

יצירת תוכן

Opal שימושי במיוחד ליוצרי תוכן ומשווקים. אפשר להקים בקלות מחולל פוסטים ומודעות על בסיס תיאור מוצר, כלי שמייצר תסריטים, כיתובים ותמונות לקמפיינים או סייען לכתיבה יצירתית שמציע דיאלוגים, תיאורים או רעיונות.

ניתוח נתונים ודוחות

Opal יודע לעבד נתונים ממקורות שונים וליצור תוצרים ברורים כמו סיכום דוחות מכירות, הפקת גרפים או תובנות ואפילו בניית מצגות נתונים פשוטות.

יצירת MVP’s (אב-טיפוס מהיר)

יזמים יכולים לבדוק רעיונות כמו אפליקציה ללימוד שפות, מתכנן טיולים אישי או יועץ חכם להמלצות על ספרים וסרטים עוד לפני פיתוח מלא.

איך זה עובד בפועל – הרעיון של Workflows

ב-Opal כל כלי בנוי כרצף של שלבים, ממש כמו תרשים זרימה:

Input – המשתמש מזין טקסט, קובץ או נתון.

Processing – Opal שמפעיל מודל AI (לרוב Gemini כמובן) כדי לבצע פעולה: לנתח, לסכם, לכתוב או לחשב.

Output – התוצאה מוצגת על המסך, נשלחת למייל או נשמרת בקובץ.

הכול נעשה בממשק גרפי נוח. אפשר לגרור שלבים, לשנות פרומפטים ולהוסיף פעולות בלי לדעת תכנות.

זמינות בישראל

עד לאחרונה Opal היה זמין בארצות הברית בלבד. החל מאוקטובר 2025 Google הרחיבה את הניסוי ליותר מ-160 מדינות, וישראל כלולה ברשימה.

 

גלריה של תבניות מוכנות מראש

גלריה של תבניות מוכנות מראש | google.opal

 

מדריך קצר

כדי להתחיל, היכנסו כאן, התחברו עם חשבון Google שלכם – ואתם בפנים. קחו בחשבון שנכון לעכשיו, חלק מהפיצ’רים עדיין בשלב Beta וכתיבת ההנחיות מומלצת בשפה האנגלית לקבלת תוצר מיטבי.

 

מתחברים עם חשבון גוגל

מתחברים עם חשבון גוגל

 

אחרי שהתחברתם, בחרו באחת מתבניות ההתחלה, לדוגמה “Business Profiler” או “Fashion Stylist”. ניתן גם ללחוץ על “Create New” ולהקליד בשפה חופשית מה אתם רוצים לבנות.

 

בחירה ממגוון תבניות או בניית אפליקציה חדשה

בחירה ממגוון תבניות או בניית אפליקציה חדשה

עריכת השלבים

Opal יציג את ה-Workflow שנוצר. כל שלב ניתן לעריכה – שינוי פרומפט, הוספת חיבור ל-Sheets או Docs, הגדרת תנאים.

בדיקה ושיתוף

הריצו את הכלי, בדקו שהתוצאה מדויקת, ואם אתם מרוצים, לחצו על Share כדי לשתף קישור עם אחרים.

 

ממשק המשתמש של Opal

ממשק המשתמש של Opal

טיפ למתחילים

התחילו בפרויקט פשוט – כלי קטן שמקל על עבודה יומיומית. ככל שתבינו את הלוגיקה של Workflows, תוכלו להוסיף שלבים ולבנות פתרונות מורכבים יותר.

כמה דוגמאות מעשיות לשימוש

דוגמה 1 – עוזר תפעולי

הקלידו:  "צור כלי שמקבל שני קטעי טקסט של חוזים, גרסה ישנה וחדשה, ומשווה ביניהם כדי לזהות סעיפים חדשים ושינויים. הצג את הסיכום בצורה טקסטואלית."

 

Opal יפרק את הבקשה לשלבים של קבלת שני קטעי טקסט, השוואת התוכן, זיהוי השינויים והפקת סיכום ברור שניתן לשיתוף. כך אפשר לזהות במהירות עדכונים בין גרסאות של חוזים או מסמכים ולחסוך עבודה ידנית לצוותי HR וניהול.

 

הנה תרשים ה-Workflow בפעולה – שדות קלט, שלב ניתוח והשוואה, ושלב יצירת סיכום HTML. בתרשים הזרימה שנוצר ל״עוזר התפעולי״ רואים שני קלטי טקסט “Old Contract Text” ו”New Contract Text”, צומת עיבוד “Summarize Contract Differences”, ופלט “Generate HTML Summary”:

 

תרשים הזרימה של Opal

 

בתרשים הבא תראו את מסך האפליקציה המוכנה שנקראת ״Contract Compare״ –  עם כותרת, תיאור קצר וכפתור Start:

 

מסך תצוגה של אפליקציית Contract Compare ב־Opal

מסך תצוגה של אפליקציית Contract Compare ב־Opal

הנה עוד כמה דוגמאות שימושיות

 

דוגמה 2 – כלי שיווק אוטומטי

הקלידו:  "צור כלי שמייצר פוסט בלוג, כיתוב לפייסבוק ותסריט לווידאו על מוצר X."

 

Opal יבנה שלושה שלבים: ניסוח, יצירת טקסטים מותאמים, וסידור הפלט. תוך דקות תקבלו טיוטות תוכן מוכן.

 

דוגמה 3 – עוזר למידה או מחקר

הקלידו:  "צור כלי שמקבל קישורי מאמרים אקדמיים, מסכם כל מאמר לנקודות עיקריות, מוסיף קישורים למקורות ושומר הכול בגיליון Sheets."

 

Opal יבנה רצף של שלבים – איסוף, סיכום וארגון מידע – שמאפשר לסטודנטים וחוקרים לחסוך זמן ולרכז תובנות ממקורות שונים.

 

דוגמה 4 – כלי MVP ליזמים

הקלידו:  "צור כלי שמבקש מהמשתמש תקציב, יעד ותחומי עניין, ומחזיר תכנית טיול מותאמת אישית עם מסלול ולינה מומלצת."

 

Opal ייצור זרימה אינטראקטיבית שבה נאספים הנתונים, נשלפת תכנית מותאמת ונבנה פלט שמציג את כל ההמלצות. כך אפשר לבדוק רעיון במהירות לפני השקעה בפיתוח מלא.

עלויות ותמחור

Opal הוא כרגע כלי חינמי הנמצא בשלב ניסוי (Google Labs Beta). אין צורך במנוי Google One AI Premium, ואין עלויות שימוש בשלב זה. יחד עם זאת, חשוב לזכור שהתמחור עשוי להשתנות בעתיד, כאשר הכלי יעבור לגרסה מלאה. אם אתם מתכננים שימוש עסקי או הפצה ללקוחות, מומלץ לקחת בחשבון ש-Google עשויה בהמשך להוסיף מגבלות שימוש או תמחור לפי היקף פעילות.

 

 

מרעיון לכלי שעובד

Opal מתאים ליזמים שרוצים לבדוק רעיון לפני פיתוח מלא, לאנשי שיווק וקריאייטיב שמחפשים דרכים אוטומטיות ליצירת תוכן, ולאנשי תפעול ו-HR שמעוניינים לייעל תהליכים פנימיים. הוא שימושי גם עבור מורים, חוקרים וסטודנטים שזקוקים לעוזרים חכמים לסיכום, ארגון וניתוח מידע.

 

בסופו של דבר, Opal מאפשר להפוך רעיון לכלי עובד – בלי תלות במתכנתים, בלי תקציב פיתוח ובלי צורך ברקע טכני. נסו רעיון פשוט, ותראו איך תוך דקות הוא הופך לכלי AI אמיתי.

הפוסט Opal של Google זמין בישראל – כך תבנו מיני-אפליקציות מבוססות AI בעצמכם הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-opal-guide/feed/ 0
Open Evidence – הפרפלקסיטי של עולם המחקר והרפואה https://letsai.co.il/open-evidence-medical-ai/ https://letsai.co.il/open-evidence-medical-ai/#respond Mon, 10 Nov 2025 18:36:27 +0000 https://letsai.co.il/?p=63975 מכירים את זה שאתם שואלים את הצ’ט שאלה, אבל לא באמת בטוחים אם הוא ממציא, הוזה או סתם מחרטט? ומה קורה אם אתם רופא, חוקר או רוקח (ומדובר בשאלה רפואית או מדעית)? במקרים כאלה מחיר הטעות יכול להיות גבוה מדי! בדיוק פה Open Evidence נכנס לתמונה – מדובר בכלי AI למחקר חכם שמבקש להחזיר את […]

הפוסט Open Evidence – הפרפלקסיטי של עולם המחקר והרפואה הופיע ראשון בLet's AI בינה מלאכותית

]]>
מכירים את זה שאתם שואלים את הצ’ט שאלה, אבל לא באמת בטוחים אם הוא ממציא, הוזה או סתם מחרטט? ומה קורה אם אתם רופא, חוקר או רוקח (ומדובר בשאלה רפואית או מדעית)? במקרים כאלה מחיר הטעות יכול להיות גבוה מדי! בדיוק פה Open Evidence נכנס לתמונה – מדובר בכלי AI למחקר חכם שמבקש להחזיר את המשקל למדע, לעובדות ולביקורת עמיתים. מערכת בינה מלאכותית פורצת דרך שנוצרה על-ידי חוקרים מהרווארד ו-MIT, שמטרתה לשנות את הדרך שבה רופאים, חוקרים וצוותים קליניים ניגשים לשאלות מקצועיות. אם Perplexity היא ה-AI של עולם החיפוש, הרי ש-Open Evidence היא ה-AI של עולם הרפואה.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

למה בכלל צריך את Open Evidence?

למה בעולם שבו יש לנו כבר כלי מחקר מבוססי AI מדהימים כמו פרפלקסיטי (Perplexity), צריך מוצר אחר?

הפיתוח של Open Evidence נולד מתוך צורך אמיתי: לעזור לרופאים לקבל החלטות מבוססות ראיות – לא השערות, לא אינטואיציה, אלא מדע נקי. מאחורי המערכת עומדים חוקרים מ-Harvard ומ-MIT, והיא נועדה לשמש “שותפה חכמה” לרופאים בזמן אמת, במרפאה או בבית החולים. במקום לבלות שעות בין עשרות מאמרים ב-PubMed, הרופא מקבל תשובה מסוכמת, מבוססת, מצוטטת, אבל יותר חשוב מהכל – ניתנת לבדיקה.

 

 

באנר קורס דאטה ניתוח נתונים עם AI

 

המערכת מחוברת למאגרי מידע רפואיים ומדעיים מהימנים (כמו PubMed ומאגרים נוספים). היא אינה מסתפקת ב”להביא מידע”, אלא בונה שכבת אינטליגנציה מעליו: מסננת, מדרגת, ומציגה את עוצמת הראיות ואת מידת ההסכמה המדעית סביב כל סוגיה רפואית.

 

המסך הראשי של OpenEvidence

המסך הראשי של OpenEvidence

 

איך זה עובד בפועל

התחברות לאתר

  • כדי להתחיל לעבוד עם הכלי, יש להיכנס לאתר הרשמי ולבצע הרשמה ראשונית.
  • חשוב לציין שבעת ההרשמה, תתבקשו להעלות אישור שאתם עובדי רפואה מוסמכים.

 

תחילת עבודה ב-Open Evidence

Open Evidence נראית במבט ראשון כמו מנוע חיפוש רגיל, אבל מתחת לפני השטח היא מערכת ניתוח עמוקה של טקסטים רפואיים. כל שאילתה שמוזנת בממשק – למשל “האם מותר לחולה סוכרת לאכול שוקולד” – מנותחת בשפה טבעית, והמערכת מחפשת במאגרי הספרות המדעית את התשובות העדכניות ביותר. לאחר מכן היא מייצרת סיכום תמציתי, המציג את עיקרי הממצאים, רמות הראיות, הבדלים בין מחקרים, והפניות מדויקות למקורות. כל תשובה מלווה בקישורים ישירים למחקרים עצמם, כדי שכל רופא יוכל לבדוק את הנתונים בעצמו.

 

המערכת גם יודעת להציג דירוג איכות של מקורות – כך שמשתמש יכול לדעת אם המידע מתבסס על מחקר אקראי מבוקר, על מטא-אנליזה או על סקירת ספרות כללית בלבד. זה אולי נשמע טכני, אך עבור רופא – זה ההבדל בין החלטה מושכלת לבין סיכון טיפולי.

 

האם ה-AI יחליף את הרופאים?

האם ה-AI יחליף את הרופאים? התייעצות עם Open Evidence לגבי צריכת שוקולד אצל חולי סוכרת.

 

היתרונות של Open Evidence 

1) שפה טבעית, חשיבה מדעית

Open Evidence מאפשרת לרופאים ואנשי מחקר או רפואה לדבר בשפה שלהם – שפה אנושית טבעית. אפשר לנסח שאלה חופשית (“מה ההמלצה העדכנית לטיפול באסתמה בילדים?”) ולקבל תשובה רפואית מסודרת, עם הפניות למחקרים ומאמרים רפואיים שעברו ביקורת עמיתים.

 

2) סינתזה במקום הצפה

במקום להציג עשרות לינקים, הכלי מבצע סינתזה חכמה של מקורות ומציג את עיקרי המידע. הוא מדגיש מה מוסכם, מה שנוי במחלוקת, ומה חסר ראיות מספיקות. כך הוא חוסך מהרופאים את הצורך לנבור במאות עמודים של ספרות מדעית.

 

3) אמינות מעל הכול

הפלטפורמה אינה שואבת מידע ממקורות כלליים או לא מבוקרים. היא נשענת אך ורק על מאגרי מידע מדעיים וקליניים שעברו ביקורת עמיתים. המשמעות: אפס “עובדות ויקיפדיה”, אפס בלוגים ו”מומחים מטעם עצמם”, והתבססות על מדע בלבד.

 

4) מגוון רחב של שימושים

הפלטפורמה משמשת רופאים לייעוץ מהיר ומבוסס ראיות בטיפול בחולים, חיפוש תרופות, בדיקת המלצות הנחיות ועוד.

 

 

מה אפשר לעשות עם Open Evidence?

הנה כמה המלצות לדברים שאפשר לעשות עם הכלי המדהים הזה – רק זכרו, הוא אינו חלופה לניסיון, ידע מקצועי ו/או היוועצות עם איש מקצוע מוסמך!

  • שאל עובדה מהירה – קבל תשובה מיידית לעובדה רפואית או מדעית.
  • בדוק שוב עם התייעצות זריזה – ודא את המידע בעזרת חוות דעת נוספת.
  • בדוק אינטראקציות בין תרופות – גלה אם יש בעיות בשילוב בין תרופות.
  • הכן את עצמך למבחני רפואה – השתמש בכלי ללימוד וחזרה לקראת מבחנים מקצועיים.
  • בדוק מה אומר המחקר המקורי – גש למקורות המדעיים עצמם.
  • שאל על הנחיות רשמיות – קבל את ההמלצות המעודכנות של גופים רפואיים.
  • בקש ראיות – מצא מחקרים שתומכים או מפריכים טענה רפואית.
  • שאל על מינון תרופה – גלה מהו המינון הנכון והבטוח.
  • בדוק אפשרויות טיפול – למד אילו טיפולים קיימים למצב מסוים.
  • כתוב שאלה למבחן – צור שאלות לתרגול או להוראה.
  • חפש חומר בנושא מסוים – בצע מחקר עמוק בתחום רפואי או מדעי.
  • שאל שאלה מדעית-פופולרית – חקור נושאים קלילים יותר או מגמות במדע פופולרי.
  • בדוק אילו בדיקות מעבדה מומלצות – גלה אילו בדיקות כדאי לבצע במקרה מסוים.
  • בדוק תופעות לוואי של תרופה – למד מהן ההשפעות האפשריות של טיפול תרופתי.
  • בדוק חלופות טיפוליות – מצא טיפולים אחרים שיכולים להתאים.

 

השוואה לכלי מחקר נפוצים אחרים בשוק

בסופו של יום OpenEvidence הוא כלי AI שמבוסס על ידע רפואי-אקדמי שנועד לספק מידע מדעי מהימן ומעודכן. הוא נשען על מאגרי ספרות מקצועית עם ביקורת עמיתים וסינון איכות, ולכן מתאים במיוחד לשימוש קליני ורפואי. לעומתו, כלים כמו ChatGPT ו-Copilot מתבססים על אימון רחב, בשילוב סריקת מקורות כלליים באינטרנט, מה שהופך אותם לנגישים אך פחות מדויקים בתחומי הרפואה. לעומתם, Perplexity משלב חיפוש בזמן אמת ממקורות שונים (לרבות אפשרות למקד אותו בחיפוש במאגרים אקדמאיים), אך רמת האמינות שלו תלויה באיכות המקורות שעליהם הוא מתבסס. בסופו של דבר, OpenEvidence בולט בכך שהוא שם את הדגש על אמינות, בקרה מדעית ודיוק רפואי – ולא רק על מהירות ונוחות.

 

השוואה לכלים אחרים

השוואה לכלים אחרים

.

כלי מחקר חכם לאנשי רפואה

מה שהופך את Open Evidence לפלטפורמת מחקר ייחודית אינו רק הטכנולוגיה שמאחוריה, אלא גם הפילוסופיה שעליה היא מבוססת: החלטות רפואיות טובות דורשות ידע עדכני, שקוף וניתן לבדיקה. בעידן שבו מידע זמין יותר מתמיד אך אמין פחות מאי פעם, הפלטפורמה הזו מציעה אלטרנטיבה נדירה – מקום שבו ה-AI לא “ממציא”, אלא מדווח, מסביר ומבסס.

 

ולא פחות חשוב (ואולי הכי חשוב בעצם…), למרות ההפניה למקורות מדעיים/קליניים מוסמכים – עדיין מדובר בכלי AI, שאינו מהווה חלופה לשיקול דעת מקצועי, ניסיון או ידע אנושי! בסופו של יום זה רק כלי עזר! בסופו של דבר, Open Evidence אינה באה להחליף רופאים, אלא לחזק אותם. היא מאפשרת להם לחזור למרכז העשייה הרפואית כשהם חמושים בכלי שמעניק להם יתרון אמיתי – הבנה עמוקה של הידע המדעי העדכני ביותר וגישה למידע רפואי מקצועי מאומת. 

הפוסט Open Evidence – הפרפלקסיטי של עולם המחקר והרפואה הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/open-evidence-medical-ai/feed/ 0
אנטרופיק משיקה את Claude for Excel עם חיבור ישיר בין בינה מלאכותית לגיליונות פיננסיים https://letsai.co.il/claude-finance/ https://letsai.co.il/claude-finance/#respond Mon, 10 Nov 2025 11:34:10 +0000 https://letsai.co.il/?p=63956 ב-27 באוקטובר השיקה אנטרופיק את Claude for Excel, תוסף חדש שמאפשר לקלוד לעבוד ישירות בתוך גיליונות אקסל. המהלך מציב את אנטרופיק בתחרות ישירה עם Microsoft Copilot, בדיוק בליבת המוצר של השותפה הגדולה ביותר שלה. התוסף כולל שבעה חיבורים למקורות נתונים פיננסיים בזמן אמת ושש תבניות אוטומציה למשימות פיננסיות נפוצות. היכולות של קלוד בקידוד ובשימוש בכלים […]

הפוסט אנטרופיק משיקה את Claude for Excel עם חיבור ישיר בין בינה מלאכותית לגיליונות פיננסיים הופיע ראשון בLet's AI בינה מלאכותית

]]>
ב-27 באוקטובר השיקה אנטרופיק את Claude for Excel, תוסף חדש שמאפשר לקלוד לעבוד ישירות בתוך גיליונות אקסל. המהלך מציב את אנטרופיק בתחרות ישירה עם Microsoft Copilot, בדיוק בליבת המוצר של השותפה הגדולה ביותר שלה. התוסף כולל שבעה חיבורים למקורות נתונים פיננסיים בזמן אמת ושש תבניות אוטומציה למשימות פיננסיות נפוצות. היכולות של קלוד בקידוד ובשימוש בכלים מתורגמות כאן לעבודה מעשית: ניתוח שוק בזמן אמת, בניית מודלים פיננסיים, וגיליונות מוכנים למשקיעים – הכל מבלי לצאת מאקסל. בכתבה הזו נציג דוגמאות אמיתיות מלקוחות שכבר עובדים עם הכלי – מנתחים נתונים, מריצים חישובים ומספקים תוצרים מלאים, בלי לעבור בין מערכות.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

השותפות שמטשטשת את הגבול בין שיתוף פעולה לתחרות

אחד ההיבטים המסקרנים במהלך של אנטרופיק הוא היחסים עם מיקרוסופט. מיקרוסופט מפעילה את תשתיות הענן של אנטרופיק ב-Azure, ובמקביל ממשיכה לפתח את Copilot ל-Excel המבוסס על מודלי OpenAI. בחודש שעבר השיקה החברה את מצב ה־”Agent Mode” ב-Copilot, ובמקביל הרחיבה את היכולות של האקסל עם סוכנים חכמים לביצוע משימות מורכבות. שיתופי הפעולה הטכנולוגיים ביניהן מציבים את שתי החברות בעמדה מעניינת – מצד אחד שותפות תשתית, ומצד שני מתחרות עקיפות על ניהול סביבת העבודה של האנליסטים הפיננסיים.

 

כעת, שני כלים חכמים מתחרים על אותו שטח עבודה – הסרגל הצדי באקסל. ההבדל העיקרי הוא שקלוד מתמקד בעולם הפיננסי, עם חיבורים ייעודיים למקורות נתונים ותבניות שמותאמות לאנליסטים, בעוד Copilot הוא כלי רחב יותר, המשולב עמוק במערכת Microsoft 365.

 

האסטרטגיה של אנטרופיק נשענת על חוזקה של קלוד בכתיבת קוד ובשימוש מושכל בכלים – יכולות שמתורגמות היטב למשימות פיננסיות מדויקות כמו ניתוח נתונים ובניית מודלים מורכבים.

אז מה זה בעצם סרגל הצד בתוך אקסל

התוסף פועל כסרגל צד (Sidebar) ישירות בתוך אקסל. קלוד קורא את הגיליונות, מנתח נתונים, מתקן נוסחאות ובונה מודלים פיננסיים שלמים מתוך הקובץ הפתוח. כל שינוי מתועד, התוסף מציין אילו תאים עודכנו ומדוע, כך שקל לעקוב ולאמת את התהליך.

אפשר לבקש ממנו לאתר שגיאות, למלא תבניות עם נתונים חדשים, או אפילו לבנות מודל DCF (Discounted Cash Flow) מאפס. כרגע עדיין חסרות בו כמה תכונות בסיסיות, כמו pivot tables ו-macros, אך הן צפויות להגיע בהמשך.

 

 

יישום והצלחות ראשוניות

אחד הלקוחות הראשונים הוא BCI, שהצליח לשנות את אופן העבודה של האנליסטים שלו באמצעות Artifacts של קלוד. בדרך כלל, ניתוח comps – השוואת מדדים פיננסיים ותפעוליים בין חברות – מתבצע בגיליונות Excel סטטיים שמתעדכנים ידנית אחת לשבוע או רבעון. במקום זאת, BCI יצרו עם קלוד dashboard חי שמתחבר ישירות למערכות כמו S&P ו-FactSet. בפרומפט אחד בלבד הנתונים מתעדכנים, וה-dashboards משותפים מיידית עם מנהלי הקרנות.

 

לדברי ניק לין (Nick Lin), ראש המוצר לשירותים פיננסיים באנטרופיק:

“אנחנו רואים לא רק האצה של עבודה, אלא שינוי מהותי באופן שבו היא מתבצעת”.

גם הקרן הריבונית הנורווגית NBIM – אחד הלקוחות הגדולים של אנטרופיק – מיישמת את השיטה הזו בקנה מידה עצום. עם כ-9,000 חברות בפורטפוליו, היא בנתה אינטגרציות משלה באמצעות Model Context Protocol (MCP). כך מנהלי התיקים יכולים לשאול את קלוד שאלות ישירות על החברות שבהן הם משקיעים, ולקבל תובנות בזמן אמת בלי לעבור בין מערכות שונות.

מקורות נתונים ותבניות אוטומציה

אנטרופיק הוסיפה חיבורים לשבעה מקורות נתונים פיננסיים מרכזיים, בהם LSEG (נתוני שוק), Moody’s (דירוגי אשראי על יותר מ-600 מיליון חברות), Aiera (תמלולי שיחות רבעוניות), Chronograph (ניטור תיקי השקעות) ו-Egnyte (חדרי נתונים מאובטחים).

 

המשמעות למשתמשים פשוטה, במקום לעבור בין מערכות שונות, אפשר לבקש מקלוד למשל: “סכם את העדכונים מהיום, סמן שינויי דירוג מ-Moody’s, ורענן את ההשוואות עם מחירים מ-LSEG.”

 

בנוסף, אנטרופיק הציגה שש תבניות אוטומציה שמאיצות תהליכים שחוזרים על עצמם כמו ניתוח חברות דומות, מודלי DCF, חבילות בדיקות נאותות (due diligence), פרופילי חברות, ניתוחי רבעון ודוחות כיסוי ראשוניים.

 

יחד עם זאת, אנטרופיק מדגישה למשתמשים לבחון תמיד את השינויים לפני סגירת הדוחות, במיוחד כשמדובר בתוצרים שמיועדים ללקוחות.

 

במקביל, החברה כבר מפתחת הרחבות נוספות כמו תוסף לדפדפן, אינטגרציה ל-PowerPoint, ומערכת Memory חדשה ששומרת העדפות משתמשים בין כלים. למשל, אם אנליסט מעדיף להשתמש ב-S&P לחישוב EBITDA, קלוד יזכור את זה לפעם הבאה.

ביצועים, זמינות ומגבלות

בבדיקות שביצעה Vals AI – חברת מחקר אמריקאית שמפתחת מדדים לבחינת ביצועי מודלים בתחומים מקצועיים כמו פיננסים ותכנות – מודל Sonnet 4.5 של קלוד הגיע ל-55.3% דיוק במדד ה-Finance Agent. זהו הציון הגבוה ביותר שנמדד עד כה, אך עדיין רחוק מרף הדיוק הנדרש לעבודה פיננסית קריטית. חברות כמו Citi כבר משתמשות בקלוד, אך נכון לעכשיו אין נתונים ציבוריים על החיסכון בזמן או בעלויות.

 

בשלב זה מדובר בגרסת Beta Research Preview, הזמינה רק ל-1,000 משתמשים ראשונים ממנויי Max, Enterprise ו-Teams. אין עדיין לוח זמנים לשחרור רחב יותר, וגם לא מידע רשמי על מחיר.

 

עכשיו נותר לראות האם ארגונים יסכימו להעביר נתונים פיננסיים רגישים דרך מערכת AI חיצונית, גם כשהיא מציעה רמות אבטחה מתקדמות והבטחות לשמירה על סודיות.

השפעה על התחום הפיננסי

בעולם הפיננסים, התוצר הסופי הוא כמעט תמיד גיליון Excel או מצגת PowerPoint – מסמך שמרכז נתונים עדכניים, חישובים ותובנות למשקיעים. עבודת האנליסט נשענת על איסוף מידע ממקורות שונים, חיבור בין נתונים והרכבת תמונה עסקית ברורה. כאן נכנס קלוד. הוא לוקח את היכולות שלו בקידוד ובהבנת כלים ומיישם אותן בדיוק במשימות האלו: חיבור למקורות נתונים בזמן אמת, ניתוחים מתקדמים ויצירת תוצרים מקצועיים, והכל משולב בתוך סביבת העבודה של האנליסט, בלי קפיצות בין מערכות.

 

אנטרופיק מצדה ממשיכה להשקיע בכיוון הזה. החברה מאמנת את המודלים שלה במיוחד עבור שימושים פיננסיים, גם בשלב ה-pre-training וגם בשלב ה-post-training, ומתכננת להעמיק בתחומים ייעודיים כמו private equity, קרנות גידור, ביטוח ובנקאות השקעות – כל אחד עם צרכים וסטנדרטים שונים.

 

בסופו של דבר, התחרות מול מיקרוסופט תקבע אם הגישה הזו תהפוך לסטנדרט חדש בתעשייה או תישאר פתרון ממוקד למי שזקוק לאינטגרציות פיננסיות מדויקות באמת.

הפוסט אנטרופיק משיקה את Claude for Excel עם חיבור ישיר בין בינה מלאכותית לגיליונות פיננסיים הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/claude-finance/feed/ 0
ג’מיני קיבל שדרוג חכם עם מחקר עומק על בסיס הנתונים שלכם https://letsai.co.il/gemini-personalized-research/ https://letsai.co.il/gemini-personalized-research/#respond Sun, 09 Nov 2025 13:20:44 +0000 https://letsai.co.il/?p=63939 כמה פעמים חיפשתם מייל חשוב, דוח ישן או מסמך רלוונטי בדרייב, וביליתם דקות ארוכות רק כדי למצוא את המידע הנכון? השדרוג החדש של גוגל לג’מיני נועד בדיוק לזה. פיצ’ר Deep Research של גוגל, שתוכנן במקור כדי לבצע מחקרי עומק על בסיס מידע מהרשת, יודע מעכשיו להתחבר גם לסביבת העבודה שלכם ב-Google Workspace, כלומר, לג’ימייל, דרייב […]

הפוסט ג’מיני קיבל שדרוג חכם עם מחקר עומק על בסיס הנתונים שלכם הופיע ראשון בLet's AI בינה מלאכותית

]]>
כמה פעמים חיפשתם מייל חשוב, דוח ישן או מסמך רלוונטי בדרייב, וביליתם דקות ארוכות רק כדי למצוא את המידע הנכון? השדרוג החדש של גוגל לג’מיני נועד בדיוק לזה. פיצ’ר Deep Research של גוגל, שתוכנן במקור כדי לבצע מחקרי עומק על בסיס מידע מהרשת, יודע מעכשיו להתחבר גם לסביבת העבודה שלכם ב-Google Workspace, כלומר, לג’ימייל, דרייב וצ’אט. המשמעות היא שג’מיני כבר לא רק “יודע על העולם”, הוא מבין את העולם שלכם. הוא יכול להצליב ולנתח נתונים,  ואפילו לבנות דוחות על בסיס מה שקורה באמת בעסק או בחיים שלכם.

 

פיצ'ר ה-"Deep Research" (מחקר עומק) החדש, שנועד למשימות מורכבות, יכול סוף סוף להתחבר לג'ימייל, גוגל דרייב וגוגל צ'אט.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה בעצם חדש כאן?

עד עכשיו, ג’מיני היה עוזר חכם שמסתמך על ידע גלובלי. עכשיו הוא הופך לעוזר מותאם אישית, שמבין הקשרים פנימיים ומידע עדכני מתוך סביבת העבודה שלכם.

לפני השדרוג יכולתם לשאול:

“כתוב לי סיכום על הטרנדים בשוק ה-AI.”

והייתם מקבלים תשובה כללית.

עכשיו תוכלו לבקש:

“נתח את כל המיילים מלקוח X ברבעון האחרון, סכם את הפידבקים מהצ’אט בפרויקט אלפא, והכן לי דוח מסודר על בסיס המסמכים בדרייב.”

זו לא עוד תשובה כללית, זה מחקר מבוסס נתונים אמיתיים מתוך העסק שלכם.

איך זה עובד? מדריך צעד-אחר-צעד

קודם כל, פתחו את Gemini בדפדפן המחשב. עכשיו, השתמשו בצעדים הבאים כדי לחבר את ג’ימייל, דרייב וצ’אט לפיצ’ר מחקר העומק של ג’מיני:

1. לחצו על “Tools” (כלים): במסך הראשי של ג’מיני, לחצו על כפתור Tools.

2. בחרו “Deep Research”: מתוך רשימת הכלים שנפתחת, סמנו ובחרו בפיצ’ר Deep Research.

3. לחצו על “Sources” (מקורות): לאחר שבחרתם ב-Deep Research, לחצו על התפריט הנפתח Sources.

4. חברו את מקורות Workspace: בחרו וסמנו את המקורות שתרצו לחבר למחקר שלכם. סמנו את Gmail, Drive ו/או Chat.

לאחר החיבור, תוכלו לבקש מג’מיני לבצע משימות מחקר, סיכום או ניתוח תוך שימוש במידע האישי שלכם.

 

הפעלת Deep Research וחיבור מקורות מידע

הפעלת Deep Research וחיבור מקורות מידע

איך להשתמש בזה חכם

ככל שתהיו מדויקים יותר בהנחיה (פרומפט), כך התוצאה תהיה ממוקדת ומבוססת. ציינו מה לחפש, באילו מקורות להשתמש, ומה סוג הפלט הרצוי.

דוגמה לפרומפט יעיל:

“עבור על כל המסמכים בתיקיית ‘דוחות רבעוניים’ בדרייב, סכם את התכתובות עם צוות השיווק בנוגע לקמפיין של לקוח X, וכתוב לי דוח קצר עם שלוש הצלחות ושלושה אתגרים מרכזיים.”

שימושים מעשיים

למנהלים ובעלי עסקים

  • “סכם את כל התקשורת (מייל וצ’אט) מול ספק Y החודש וזהה עיכובים פתוחים.”

  • “הכן טיוטת מייל סיכום פגישה על בסיס מסמך ‘פרוטוקול ישיבה’ והמיילים הקשורים אליו.”

לאנשי שיווק ומוצר

  • “אסוף את כל הפידבקים שהגיעו למייל התמיכה בנוגע לפיצ’ר Z וסכם אותם ל-5 נקודות עיקריות.”

  • “השווה בין ‘הצעה א’ ל-‘הצעה ב’ (שני קבצים בדרייב) וכתוב טבלת יתרונות וחסרונות.”

לשימוש אישי

  • “מצא את כל המיילים שקשורים לביטוח הרכב שלי, סכם את תנאי הפוליסה מתוך ה-PDF בדרייב וכתוב מתי היא מסתיימת.”

  • “תכנן לי טיול לאיטליה על בסיס שלושת המסמכים בדרייב שבהם שמרתי המלצות.”

פרטיות וזמינות

הגישה של ג’מיני למידע האישי שלכם מבוססת על בחירה חופשית (Opt-in) בלבד. לפי גוגל, ניתן לנתק את החיבור בכל רגע, המידע מ-Workspace לא משמש לאימון מודלים כלליים, ואין גישה אנושית למידע שלכם, אלא אם בחרתם לדווח על בעיה ולשתף אותה ביוזמתכם.

 

בכל מקרה, וכמו שאנחנו תמיד אומרים, שימו לב לסוג המידע שאתם משתפים ומעלים והמנעו משיתוף של חומר רגיש, נתונים פיננסיים או מידע על לקוחות לפני שהתייעצתם עם גורם מוסמך בחברה שלכם. בארגונים מסוימים ייתכן שהגישה תדרוש אישור מנהל מערכת (Admin).

 

נכון לעכשיו, הפיצ’ר זמין בדפדפן במחשב בלבד, ויגיע בהמשך גם לאפליקציית ג’מיני במובייל. 

 

 

לסיכום, השדרוג הזה משמעותי ביותר. ג’מיני הופך מכלי חיפוש חכם לעוזר מחקר אישי שמבין את ההקשר שבו אתם פועלים. במקום לבזבז זמן באיסוף מידע מפוזר, תוכלו לקבל סיכומים, דוחות ותובנות אמיתיות בזמן קצר ובשפה שלכם.

הפוסט ג’מיני קיבל שדרוג חכם עם מחקר עומק על בסיס הנתונים שלכם הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/gemini-personalized-research/feed/ 0
פומלי (Pomelli): כלי ה-AI החדש של גוגל שהופך את האתר שלכם לקמפיין שיווקי https://letsai.co.il/google-pomelli-ai-marketing/ https://letsai.co.il/google-pomelli-ai-marketing/#comments Sun, 09 Nov 2025 07:33:15 +0000 https://letsai.co.il/?p=63880 בעולם השיווק הדיגיטלי, יצירת תוכן ויזואלי איכותי ששומר על שפה עיצובית אחידה היא משימה מורכבת ויקרה. עסקים רבים משקיעים זמן ומשאבים אדירים כדי לבנות קמפיינים שיהיו לא רק יפים, אלא גם נאמנים ל-DNA של המותג. אבל מה אם אפשר היה לקחת את האתר שלכם, ובתוך דקות ספורות להפוך אותו לסדרת קמפיינים מרהיבים לרשתות החברתיות? זה […]

הפוסט פומלי (Pomelli): כלי ה-AI החדש של גוגל שהופך את האתר שלכם לקמפיין שיווקי הופיע ראשון בLet's AI בינה מלאכותית

]]>
בעולם השיווק הדיגיטלי, יצירת תוכן ויזואלי איכותי ששומר על שפה עיצובית אחידה היא משימה מורכבת ויקרה. עסקים רבים משקיעים זמן ומשאבים אדירים כדי לבנות קמפיינים שיהיו לא רק יפים, אלא גם נאמנים ל-DNA של המותג. אבל מה אם אפשר היה לקחת את האתר שלכם, ובתוך דקות ספורות להפוך אותו לסדרת קמפיינים מרהיבים לרשתות החברתיות? זה בדיוק מה ש-Pomelli, כלי ה-AI הניסיוני החדש מבית Google Labs, מבטיח לעשות. מדובר בכלי שעשוי לשנות את כללי המשחק עבור עסקים קטנים, משווקים ויוצרי תוכן. אבל לפני הכל – צפו בסרטון הקצר שהכנתי לכם על הכלי המדהים הזה.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

אז מה זה פומלי (Pomelli) ואיך מתחילים?

פומלי הוא כלי AI שיווקי ניסיוני, ששוכן בתוך Google Labs – “מעבדת הניסויים” של גוגל לטכנולוגיות בינה מלאכותית חדשניות. מטרתו היא פשוטה: לבנות עבורכם תוכן שיווקי מותאם למותג (on-brand) ובקנה מידה גדול, כדי לעזור לכם להתחבר לקהל שלכם מהר יותר.

דבר שחשוב לדעת: נכון לעכשיו, הגישה ל-Google Labs, ולכן גם לפומלי, מוגבלת למשתמשים מארצות הברית וקנדה בלבד. אך אל דאגה, ניתן לעקוף מגבלה זו בקלות באמצעות שימוש ב-VPN. לאחר הפעלת ה-VPN, האתר יזהה אתכם כגולשים מארה”ב ויאפשר לכם גישה מלאה.

איך זה עובד? תהליך בשלושה שלבים פשוטים

הקסם של פומלי טמון בפשטות שלו. כל התהליך, מרעיון לקמפיין מוכן, מתבצע בכמה צעדים בודדים:

 

איך זה עובד? תהליך בשלושה שלבים פשוטים

איך זה עובד? תהליך בשלושה שלבים פשוטים | labs.google.com/pomelli

 

1. יצירת ה-DNA העסקי (Business DNA)

השלב הראשון והמבריק ביותר הוא הזנת כתובת האתר שלכם. זה הכל. מרגע זה, פומלי סורק ומנתח את האתר שלכם ומייצר “DNA עסקי” – תמצית מיתוגית הכוללת:

לוגואים ופונטים: הוא מזהה את הגופנים והלוגו שהמותג שלכם משתמש בו.

פלטת צבעים: הוא שואב את צבעי המותג המדויקים מהאתר.

ערכי המותג וה-Tone of Voice: הוא מנתח את הטקסטים כדי להבין את ערכי המותג (למשל, חדשנות, קיימות) ואת טון הדיבור (למשל, מעורר השראה, נועז).

תמונות וסגנון ויזואלי: הוא שולף תמונות מפתח מהאתר כדי להבין את האסתטיקה של המותג.

 

הזנת כתובת האתר שלכם

הזנת כתובת האתר שלכם | labs.google.com/pomelli

 

למשל, הדגמתי את התהליך עם האתר של נייקי (Nike), ותוך כשתי דקות פומלי זיהה את הסלוגן “Just Do It”, את פלטת הצבעים, הפונטים ואת הסגנון הוויזואלי המוכר. חשוב להדגיש שכל רכיב ב-DNA ניתן לעריכה, כך שיש לכם שליטה מלאה על התוצאה הסופית.

 

הדגמת התהליך עם האתר של נייקי (Nike)

הדגמת התהליך עם האתר של נייקי (Nike) | labs.google.com/pomelli

 

2. קבלת רעיונות לקמפיין

לאחר שה-DNA של המותג מוכן, פומלי מציע שתי דרכים לייצר קמפיינים:

הצעות מבוססות DNA: המערכת תציע לכם אוטומטית מספר רעיונות לקמפיינים שמתאימים למותג שלכם.

יצירה באמצעות פרומפט: אתם יכולים פשוט לכתוב בשפה טבעית איזה קמפיין תרצו ליצור. למשל: “create a campaign for our winter collection”.

 

יצירה קמפיין באמצעות פרומפט

יצירה קמפיין באמצעות פרומפט | labs.google.com/pomelli

 

3. יצירת קריאייטיבים והתאמה אישית

לאחר בחירת קונספט לקמפיין, פומלי מייצר עבורכם סדרה של קריאייטיבים ויזואליים מוכנים לשימוש בפורמטים שונים (סטורי, פוסט מרובע ופוסט פיד). כל אחד מהנכסים האלה ניתן לעריכה מלאה: אפשר לשנות את התמונה, הכותרת (Header), התיאור (Description) והקריאה לפעולה (Call to Action). אם אינכם מרוצים מהטקסט, תוכלו לבקש מה-AI המובנה לייצר עבורכם גרסאות חדשות בלחיצת כפתור.

היתרונות המרכזיים: למה זה כלי כל כך חזק?

  • מהירות ויעילות חסרות תקדים: היכולת להפוך כתובת אתר לקמפיין שלם בתוך דקות היא מהפכנית וחוסכת שעות עבודה יקרות.
  • שמירה על עקביות מיתוגית: מכיוון שהכל מבוסס על ה-DNA של האתר, כל התוצרים שומרים על שפה גרפית וטקסטואלית אחידה.
  • מנוע השראה אינסופי: הכלי מהווה פתרון מצוין למחסומים יצירתיים. הוא מספק רעיונות ונקודת פתיחה מצוינת לקמפיינים חדשים.
  • נגישות: פומלי מנגיש יצירת תוכן ברמה גבוהה גם לעסקים קטנים וליחידים שאין להם תקציבי ענק למעצבים וקופירייטרים.

 

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

 

צעד משמעותי להנגשת AI לציבור

פומלי הוא צעד משמעותי נוסף בעולם הנגשת כלי ה-AI לקהל הרחב. הוא מדגים כיצד בינה מלאכותית יכולה לא רק לבצע משימות, אלא גם “להבין” את המהות של מותג ולייצר תוכן יצירתי ועקבי בהתאם. למרות שמדובר בכלי ניסיוני שעדיין דורש התאמות ידניות, הוא מספק בסיס איתן וחיסכון אדיר בזמן. אם אתם מחפשים דרך מהירה ויעילה לייצר תוכן שיווקי שנראה מעולה ונשאר נאמן למותג שלכם, אני ממליץ בחום להתנסות בפומלי.

הפוסט פומלי (Pomelli): כלי ה-AI החדש של גוגל שהופך את האתר שלכם לקמפיין שיווקי הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-pomelli-ai-marketing/feed/ 1
מצב האמון בעידן ה-AI: מחקר חדש חושף פער מדאיג בין האימוץ לבין השליטה https://letsai.co.il/ai-trust-gap-research/ https://letsai.co.il/ai-trust-gap-research/#respond Fri, 07 Nov 2025 07:07:54 +0000 https://letsai.co.il/?p=63872 האם הארגונים שלנו מוכנים באמת לעידן הבינה המלאכותית? מחקר חדש ומקיף של חברת Vanta, שסקר 2,500 מנהלי IT ועסקים ברחבי העולם, מגלה תמונה מדאיגה: בעוד שאימוץ הטכנולוגיה דוהר קדימה במהירות מסחררת, הבקרה והמומחיות נשארו מאחור. 72% מהמנהלים מדווחים שהסיכונים הגיעו לשיא של כל הזמנים, אבל התקציבים לא זזו. צוותי האבטחה מבלים יותר זמן בהוכחת אבטחה […]

הפוסט מצב האמון בעידן ה-AI: מחקר חדש חושף פער מדאיג בין האימוץ לבין השליטה הופיע ראשון בLet's AI בינה מלאכותית

]]>
האם הארגונים שלנו מוכנים באמת לעידן הבינה המלאכותית? מחקר חדש ומקיף של חברת Vanta, שסקר 2,500 מנהלי IT ועסקים ברחבי העולם, מגלה תמונה מדאיגה: בעוד שאימוץ הטכנולוגיה דוהר קדימה במהירות מסחררת, הבקרה והמומחיות נשארו מאחור. 72% מהמנהלים מדווחים שהסיכונים הגיעו לשיא של כל הזמנים, אבל התקציבים לא זזו. צוותי האבטחה מבלים יותר זמן בהוכחת אבטחה מאשר בשיפורה, ובינתיים, AI אוטונומית כבר פועלת בארגונים בלי שיש מסגרות ברורות לשליטה בה. זהו המחקר השנתי השלישי של Vanta על מצב האמון, והוא מצייר תמונה של ענף שנמצא בצומת קריטי: מצד אחד, הבטחה אדירה של AI להקל על הנטל של צוותי אבטחה עייפים. מצד שני, פער מסוכן בין האימוץ המהיר לבין היכולת לנהל את הטכנולוגיה באופן בטוח. בואו נצלול לממצאים המרכזיים ונבין מה הם אומרים על הדרך שלנו קדימה.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

למה המחקר הזה חשוב עכשיו?

בשנה האחרונה עברנו נקודת מפנה משמעותית: AI עברה מכלי ניסיוני לטכנולוגיה ייצורית שמשולבת בתהליכים קריטיים. סוכני AI אוטונומיים (Agentic AI) כבר לא רק מייעצים הם מקבלים החלטות, מנהלים מערכות, ומתקשרים עם לקוחות. השינוי הזה מהיר כל כך שארגונים רבים נמצאים במצב של “אימוץ תחילה, שאלות אחר כך”.

המחקר של Vanta מתאר בצורה חדה במיוחד את המתח המתעצם בין שלושה כוחות:

  • האיום הגובר: תוקפי סייבר משתמשים ב-AI כדי ליצור התקפות מתוחכמות יותר, מהירות יותר, ומדויקות יותר. פישינג שנראה אותנטי לחלוטין, תוכנות זדוניות שמשתנות בזמן אמת, ומתקפות זהות בקנה מידה שלא היה אפשרי בעבר.
  • התקציב הקפוא: בעוד שהאיומים גדלים, התקציבים לאבטחה נשארו כמעט זהים. הפער בין מה שארגונים מקצים לאבטחה (10% מתקציב ה-IT) לבין מה שמנהלים חושבים שהם צריכים (17%) נשאר קבוע משנה לשנה.
  • העומס הבלתי נסבל: צוותי אבטחה מבלים 12 שבועות בשנה על משימות ציות (Compliance), ועוד 9 שבועות על בדיקות ספקים. זה כמעט חצי שנת עבודה שהולכת על “תיעוד ואישורים” במקום על אבטחה אמיתית.

המחקר בא לענות על שאלה קריטית: איך ארגונים יכולים לנצל את ה-AI כדי לפתור את המשוואה הזו  להגן טוב יותר בתקציבים מוגבלים, בלי לקחת סיכונים חדשים שה-AI עצמה מביאה?

 

איך עשו את המחקר?

המחקר בוצע על ידי חברת Sapio Research עבור Vanta ביולי 2025, ומתבסס על:

  • היקף המדגם: 2,500 מנהלי IT ומנהלים עסקיים בכירים מארצות הברית, בריטניה ואוסטרליה. המדגם כלל ארגונים בכל הגדלים, עם דגש מיוחד על חברות עם 1,000+ עובדים.
  • נקודות מבט מגוונות: המחקר לא התמקד רק במנהלי אבטחה, אלא כלל גם מנהלים עסקיים  כדי להבין את הפער בין התפיסה הטכנית למציאות העסקית.
  • הקשר היסטורי: זהו המחקר השנתי השלישי, מה שמאפשר לזהות מגמות לאורך זמן. השוואה לנתוני 2024 מגלה באילו תחומים המצב משתפר ובאילו הוא מחמיר.
  • מתודולוגיה: סקר מובנה עם שאלות סגורות ופתוחות, שנועד למפות את האתגרים, ההשקעות, והיכולות של ארגונים בתחומי אבטחה, קומפליינס, וניהול סיכונים של צד שלישי.

חשוב להדגיש: המחקר הזה לא מבוסס על מה שארגונים אומרים שהם עושים, אלא על מה שהם עושים בפועל כמה שעות מושקעות, כמה איומים מתגלים, כמה תקציב מוקצה.

הממצאים המרכזיים

הממצאים המרכזיים

הממצאים המרכזיים | Vanta.com

 

ממצא 1: הסיכונים בשיא כל הזמנים, אבל התקציבים קפואים

  • הגילוי: 72% ממנהלי האבטחה מדווחים שרמת הסיכון הכוללת גבוהה יותר מתמיד  זינוק של 31% לעומת 55% בלבד בשנה שעברה. זו עלייה עצומה שמשקפת את החרדה הגוברת בקרב אנשי מקצוע.
  • העומק של הבעיה: האיומים הפכו לקבועים ומתמשכים. 56% מהארגונים מתמודדים עם איום אבטחה לפחות פעם בשבוע, ו-79% לפחות פעם בחודש. זו אינה “משבר חירום מדי פעם”  זה המציאות היומיומית החדשה.
  • והתקציב? למרות הסיכון הגובר, התקציבים כמעט לא זזים. ארגונים מקצים בממוצע 10% מתקציב ה-IT לאבטחה, בעוד שהמנהלים חושבים שהם צריכים 17%. זה בדיוק אותו פער שהיה בשנה שעברה  אין שיפור, אין התקדמות.
  • למה זה משמעותי: הפער הזה יוצר מצב של “עשה יותר עם פחות” שמוביל לשחיקה ולתסכול. צוותי אבטחה מצופים להגן על יותר משטחים, מול יותר איומים, עם אותו תקציב. זה מתכון לכישלון או להזדמנות לחדשנות טכנולוגית שתאפשר לעשות יותר עם פחות.

 

ממצא 2: פער המוכנות ל-AI  האיומים מתפתחים מהר מהמומחיות

  • הגילוי המדאיג: 59% מצוותי האבטחה מודים שאיומי אבטחה מבוססי AI מתקדמים מהר יותר מהמומחיות שלהם. בחברות בינוניות עם 1,001-2,000 עובדים, המספר עולה ל-67%.
  • סוגי האיומים החדשים: כמחצית מהארגונים חוו עלייה בשלושה סוגי איומים מבוססי AI:
  • פישינג שנוצר ב- AI מיילים שנראים אותנטיים לחלוטין, עם טקסטים מושלמים, הקשר נכון, ולעיתים אפילו קול וסגנון כתיבה של אנשים אמיתיים.
  • תוכנות זדוניות מונעות AI קוד שמשנה את עצמו בזמן אמת כדי להתחמק מזיהוי, ומסתגל לסביבה של הקורבן.
  • גניבת זהות ומרמות זיוף זהויות בקנה מידה, יצירת פרופילים מזויפים, ותרמיות מתוחכמות שלא היו אפשריות לפני עידן ה-AI.
  • הבעיה האמיתית, המהירות: מה שפעם לקח שבועות תיאום מסע פישינג, יצירת זהויות מזויפות עכשיו קורה בשעות. האלגוריתמים יכולים ליצור, לבדוק, ולפרוס מתקפות באופן אוטומטי, והמגנים נשארים בעמדה תגובתית כל הזמן.
  • מה שחסר: רוב הארגונים לא מצוידים בכלים הנכונים. בקרות מסורתיות זיהוי מבוסס חתימה, חומות אש סטטיות, בדיקות ידניות פשוט לא עובדות נגד התקפות דינמיות מבוססות AI. הצוותים נאלצים לאלתר תוך כדי תנועה, לרוב בלי ההכשרה או הכלים האוטומטיים הנדרשים.
  • למה זה חשוב: זה לא רק פער טכני זה פער קיומי. ארגונים שלא יצליחו לסגור את הפער הזה ימצאו את עצמם במצב של נחיתות מובנית מול התוקפים.

 

ממצא 3: אימוץ גבוה של AI אוטונומית, אבל שליטה נמוכה

  • הממצא המפתיע: 79% מהארגונים כבר משתמשים או מתכננים להשתמש בסוכני AI אוטונומיים (Agentic AI) השנה. אבל בו-זמנית, 65% אומרים שהשימוש שלהם ב-AI אוטונומית כבר עלה על ההבנה שלהם איך היא עובדת.
  • הפער הגדול ביותר: רק 48% מהארגונים שמשתמשים ב-Agentic AI פיתחו מסגרת ברורה להענקת או להגבלת האוטונומיה של מערכות AI. זה אומר שיותר ממחצית הארגונים נותנים ל-AI סמכות לפעול בלי כללים ברורים.
  • מה זה בעצם Agentic AI? אלו מערכות AI שיכולות לפעול באופן עצמאי לא רק לייעץ או להמליץ, אלא לבצע פעולות: לנתח לוגים, לזהות חריגות, ליצור דוחות קומפליינס, ואפילו לבצע פעולות אבטחה כמו בידוד מחשב נגוע.
  • העניין המעניין הנוחות הגוברת: 71% מהמשיבים מרגישים בנוח שה-AI תתן ייעוץ אסטרטגי ברמה גבוהה, ו-61% מוכנים שה-AI תעקוף החלטה אנושית במצבים מסוימים. זה שינוי תרבותי עצום לפני עשור, הרעיון שמכונה תעקוף אדם בהחלטות אבטחה היה בלתי מתקבל על הדעת.
  • הסיכון האמיתי: בלי מסגרות ברורות, מערכת AI יכולה לעשות דברים שחורגים מהכוונה המקורית: לנעול משתמשים מתשתית קריטית, לדלוף מידע רגיש דרך מודלים שלא עברו אימון נכון, או להפעיל בקרות “בכוח גסה” שמשבשות פעילות. 62% מהארגונים מודאגים ש AI אוטונומית עלולה לפגוע באמון הלקוחות.
  • למה זה משמעותי: יש פה פער מסוכן בין אימוץ לבין שליטה. ארגונים שיכולים להוכיח שיש להם כללים ברורים, נהלים שקופים, ותוצאות שניתן לעקוב אחריהן לא רק יגנו על עצמם, אלא יקבלו יתרון תחרותי.

 

ממצא 4: אמון הפך לציווי עסקי

אמון או נפילה?

אמון חייב להיות חלק מהמציאות עסקית | | Vanta.com

 

  • השינוי המרכזי: 82% מהמנהלים סבורים שחיזוק אבטחה וקומפליינס מגדיל ישירות את אמון הלקוחות זינוק חד מ-67% בשנה שעברה. זו עלייה של 22% בשנה אחת.
  • גם הציפיות עלו: 77% מהארגונים מדווחים שבעלי עניין דורשים עכשיו הוכחה מאומתת של עמידה בתקנים עלייה מ-65% ב-2024. לקוחות לא מסתפקים יותר בהבטחות הם רוצים הוכחה קונקרטית.
  • למה זה משמעותי עכשיו? אבטחה הפכה לגורם מבדל גלוי בתהליך הרכישה. עסקאות נסגרות מהר יותר כשיש הוכחה ברורה לאבטחה, ומתמשכות או נכשלות כשההבטחות מעורפלות. צוותי רכש מהירים לאשר ספקים עם הוכחת קומפליינס שקופה.
  • הערך העסקי: חצי מהארגונים אומרים שהערך הגדול ביותר של נהלי אבטחה טובים הוא אמון לקוחות. 45% מציינים שיפור במוניטין, 44% הפחתת סיכון פיננסי, 42% בשלות אבטחה מוגברת, ו-40% עמידה בדרישות לקוחות ורגולציה.
  • המסר הברור: לקוחות, שותפים, ורגולטורים רוצים הוכחה, לא הבטחות. ארגונים שיכולים לספק הוכחה רציפה ומאומתת של קומפליינס לא רק מרוויחים לקוחות מהר יותר, אלא הופכים את האמון ממשימה מכבידה ליתרון תחרותי.

 

ממצא 5: קומפליינס ידנית חונקת את הצוותים

  • המשקל המכביד: ארגונים מבלים כעת ממוצע של 12 שבועות עבודה בשנה על משימות קומפליינס עלייה משבוע שלם לעומת 11 שבועות ב-2024. זה כמעט רבע שנת עבודה.
  • עוד נטל, בדיקות ספקים: בנוסף, הצוותים מבלים 9 שבועות בשנה על בדיקות אבטחה של ספקים והערכות סיכון עלייה של שני שבועות שלמים מ-7 שבועות ב-2024.
  • התוצאה המדאיגה: 61% מהמשיבים אומרים שהם מבלים יותר זמן בהוכחת אבטחה מאשר בשיפורה. ו-64% מרגישים שמסגרות האבטחה של היום נראות כמו “תיאטרון אבטחה” מופע שנועד להראות טוב על הנייר, לא לספק הגנה אמיתית.
  • מה קורה בפועל? במקום לחזק מערכות או לסגור פרצות, צוותים מוסחים לאיסוף ראיות מבוסס צילומי מסך, בקשות חד-פעמיות של מבקרים שמתועדות בגיליונות אקסל, וסיבובים אינסופיים של איסוף מסמכים. התוצאה: צוותים מתוסכלים, חדשנות איטית יותר, ובקרות שנראות טוב על הנייר אבל לא מחזיקות מעמד במתקפה אמיתית.
  • למה זה בעיה: העומס הידני הזה לא רק מייצר תסכול הוא משאיר את הארגון חשוף. כשמנהל אבטחה מוסיף 10 שעות בשבוע על “תיעוד” במקום על “חיזוק מערכות”, האיומים האמיתיים נשארים פתוחים.
  • הצורך בהגדרה מחדש: אמון צריך להיות מערכת דינמית ורציפה, לא אישור חד-פעמי. חברות שיכולות להפוך את התהליכים האלו לאוטומטיים לספק ראיות רציפות ומאומתות של קומפליינס לא רק ינצחו לקוחות מהר יותר, אלא יהפכו את האמון מנטל לנכס.

 

ממצא 6: הסיכון של צד שלישי גבוה מתמיד

  • הממצא המדאיג: 56% מהארגונים חוו מקרה של ספק שעבר פריצת נתונים ב-6-12 החודשים האחרונים, עלייה מ-48% בשנה שעברה. זה יותר ממחצית הארגונים.
  • התוצאה, ניתוק קשרים: 57% מהעסקים סיימו קשרים עם ספק בגלל חששות אבטחה באותה תקופה עלייה מ-50% בשנה שעברה.
  • המשמעות: כשבעיות עולות, האמון נעלם במהירות, והספקים מקבלים “פיטורים”. עבור ספקים, זה אומר שפריצה אחת או גילוי מושהה יכולים למחוק שנים של בניית אמון. עבור קונים, זה אומר שרשתות הספקים שבורות כשל אבטחה אחד יכול לגלוש על פני שרשרת האספקה ולכפות עזיבות פתאומיות ושיבושים גדולים.
  • הפער בין תפיסה למציאות: 80% מהארגונים בטוחים שהספקים שלהם יודיעו להם על פריצה אבל 56% חוו פריצה בפועל. כלומר, הביטחון הזה לא מתורגם למציאות מוגנת.
  • העומס על הצוותים: ארגונים מבלים כעת 7 שעות בשבוע 9 שבועות עבודה בשנה על בדיקות אבטחה של ספקים והערכות סיכון. זו פעילות “תמיד דלוקה”: רכש, חידושים, שינויי היקף כל אחד מהם מפעיל מחזור חדש של שאלונים, בקשות לראיות, ומעקבים.
  • הצורך בפיקוח רציף: הערכות סטטיות שנעשות פעם בשנה לא מספיקות יותר במציאות האיומים של היום. עסקים צריכים ניטור חי של בקרות ספקים, וזרימות עבודה אוטומטיות של תיקון שמעלות סיכון לפני שהוא הופך למערכתי.

 

מה זה אומר בפועל?

המחקר הזה חושף שלוש מגמות מרכזיות שיש להן השלכות ישירות על ארגונים בישראל ובעולם:

1. AI היא הן האיום והן הפתרון

התמונה המרכזית שעולה מהמחקר היא פרדוקס: AI יוצרת איומים חדשים ומתוחכמים, אבל היא גם הכלי המרכזי להתמודד איתם. הארגונים שיצליחו הם אלו שיבינו איך להשתמש ב-AI בצורה מבוקרת ואחראית.

למשל בתחום הפישינג: במקום שצוות אבטחה יבדוק ידנית כל מייל חשוד, מערכת AI יכולה לנתח במקביל מאות מיילים, לזהות דפוסים חשודים, לבדוק מול מסדי נתונים של איומים ידועים, ולסמן רק את המקרים שבאמת דורשים התייחסות אנושית.

בתחום ניהול זהויות: AI יכולה לזהות התנהגויות חריגות למשל, משתמש שמתחבר ממיקום חדש בשעה לא רגילה ומנסה לגשת למידע רגיש ולהגיב אוטומטית בהתאם לכללים שהוגדרו מראש.

2. קומפליינס צריכה להפוך מסטטית לדינמית

התפיסה המסורתית של קומפליינס, ביקורת שנתית, אישור, והמתנה לשנה הבאה, לא עובדת יותר. הלקוחות רוצים הוכחה רציפה, האיומים משתנים כל הזמן, והצוותים לא יכולים להקריב 12 שבועות בשנה על “ציות” במקום על “אבטחה”.

  • הפתרון: אוטומציה ו-AI: מערכות שיכולות לאסוף ראיות אוטומטית, לעקוב אחרי שינויים בזמן אמת, וליצור דוחות באופן רציף. למשל:
  • ניטור תצורות: מערכת שבודקת אוטומטית האם ההגדרות של כל השירותים עומדות בתקן, ומזהירה מיד כשמשהו משתנה.
  • ראיות אוטומטיות: במקום שמישהו יצלם מסכים ידנית, המערכת אוספת אוטומטית תיעוד של כל בדיקה ופעולה.
  • דוחות דינמיים: לקוחות ומבקרים יכולים לראות במקום אחד את מצב הקומפליינס העדכני, בלי לשלוח שאלונים ולחכות שבועות לתשובות.

 

3. אוטונומיה דורשת ממשל לא רק אימוץ

הממצא שאולי הכי מדאיג במחקר: 65% מהארגונים משתמשים ב-AI אוטונומית מעבר להבנה שלהם, ורק 48% יש מסגרת לשליטה בה. זה מתכון לאסון.

  • מה זה אומר בפועל? ארגון צריך להגדיר:
  • מתי AI יכולה לפעול לבד: למשל, לבודד מחשב נגוע אוטומטית זה הגיוני. אבל למחוק נתונים או לנעול משתמש צריך אישור אנושי.
  • סף הסיכון: באיזה נקודה המערכת צריכה לעצור ולבקש החלטה אנושית?
  • מעקב ובקרה: כל פעולה של AI צריכה להיות מתועדת, ניתנת לביקורת, וניתנת לביטול מיידי.
  • הגבלות ברורות: AI לא צריכה לגשת לכל המידע, רק למה שהיא צריכה לצורך המשימה הספציפית שלה.

דוגמה מהעולם האמיתי: חברת תוכנה בינונית החליטה להשתמש בסוכן AI לניהול בקשות תמיכה של לקוחות. בהתחלה זה עבד מצוין, AI ענתה על שאלות נפוצות, פתחה תיקים, וניתבה בעיות מורכבות לצוות. אבל אז AI החליטה לבד “לשדרג” כמה לקוחות לחבילה גבוהה יותר מבלי שביקשה, מתוך הבנה לא מדויקת של הכללים. התוצאה: לקוחות מבולבלים, צוות מתוסכל, וסיכון משפטי. כל זה בגלל שלא היה ממשל ברור לא היה הגדרות של “AI יכולה לענות, אבל לא לשנות הגדרות חשבון”.

 

4. השלכות לארגונים ישראלים

ישראל היא מעצמת סייבר, עם אקוסיסטם עשיר של חברות אבטחה, מומחים, ויחידות טכנולוגיות מובילות. אבל המחקר הזה מזכיר שגם הארגונים הישראליים חשופים לאותן מגמות:

  • עבור חברות הייטק ישראליות: אתם בחזית לקוחות בינלאומיים כבר דורשים SOC 2, ISO 27001, והוכחות אבטחה ברמה הגבוהה ביותר. השקעה בכלים שמאפשרים אוטומציה של קומפליינס לא רק תחסוך זמן, אלא תהפוך לכם למובילים מבחינת מהירות כניסה לשווקים.
  • עבור SMBs: חברות קטנות ובינוניות בישראל נמצאות במצב מאתגר לקוחות (במיוחד קונצרנים וארגונים גדולים) דורשים יותר ויותר הוכחות אבטחה, אבל אין תקציב לצוות אבטחה גדול. פלטפורמות אוטומציה יכולות לתת לכם יכולות ברמת ארגון גדול במשאבים של חברה קטנה.
  • עבור ספקים וקבלנים: אם אתם עובדים עם חברות גדולות, כנראה כבר נתקלתם בשאלוני אבטחה ארוכים ומייגעים. המחקר מראה שהמגמה מתחזקת (9 שבועות בשנה של בדיקות ספקים). אם תוכלו לספק להם מקום מרכזי שמראה אוטומטית את מצב האבטחה שלכם, תזכו בעדיפות.

 

מגבלות המחקר

חשוב לציין כמה הערות זהירות לגבי המחקר:

  • מיקוד גיאוגרפי: המחקר התמקד בארה”ב, בריטניה ואוסטרליה. ייתכנו הבדלים משמעותיים בארגונים באזורים אחרים למשל, באירופה עם GDPR קפדני יותר, או בישראל עם תקנות הגנת הפרטיות הישראלית והדגש הייחודי על סייבר.
  • נקודת המבט: המחקר מבוסס על מה שמנהלים מדווחים לא על מדידות אובייקטיביות של אבטחה. אולי צוותים מדווחים על “12 שבועות בשנה על קומפליינס” בגלל תחושה סובייקטיבית, לא בגלל מדידה מדויקת. אבל גם אם זה סובייקטיבי התפיסה היא המציאות, והיא מובילה לשחיקה ולתסכול.
  • הקשר טכנולוגי משתנה: המחקר נעשה ביולי 2025. עולם ה-AI משתנה בקצב מסחרר טכנולוגיות חדשות, תקנות חדשות, איומים חדשים. ממצאים אלו מהווים תמונת מצב, לא תחזית לטווח ארוך.
  • מגבלת הגודל: המדגם כלל ארגונים מכל הגדלים, אבל חלק מהממצאים התמקדו בחברות גדולות (1,000+ עובדים). ארגונים קטנים עשויים להתמודד עם אתגרים שונים פחות תקציב, פחות מומחיות, אבל גם פחות בירוקרטיה ויותר גמישות לאמץ פתרונות חדשים.
  • השפעה של מטרות עסקיות: המחקר מומן על ידי Vanta, שהיא חברה המספקת פלטפורמות לניהול אמון ואוטומציה. זה לא אומר שהנתונים לא מדויקים המחקר נעשה על ידי חברת מחקר חיצונית (Sapio Research), והנתונים אמינים. אבל כדאי לזכור שהפרספקטיבה עשויה להיות מושפעת ממטרות עסקיות.

 

מה הלאה?

המחקר הזה לא רק מתאר בעיות הוא גם מצביע על הפתרונות. 95% מהארגונים מדווחים שAI ואוטומציה שיפרו את יעילות צוותי האבטחה שלהם, עם תועלות קונקרטיות:

  • 51% רואים הערכות סיכון מהירות יותר.
  • 50% רואים דיוק משופר.
  • 48% מציינים תגובה מהירה יותר לאירועים.
  • 40% אומרים שיש להם יותר זמן לעבודה אסטרטגית.

התחזית: הטכנולוגיה ממשיכה להתפתח. סוכני AI הבאים יהיו חכמים יותר, מדויקים יותר, ומסוגלים לעבוד בצורה יותר אוטונומית. אבל ביחד עם זה, הצורך בממשל וב supervision אנושי רק יגדל.

 

 

הזדמנות להפוך את האמון מנטל ליתרון

המחקר הזה מצייר תמונה ברורה: עולם האבטחה והאמון עובר מהפכה. ארגונים מוצפים באיומים, מוגבלים בתקציבים, ונאלצים להוכיח אמון כל הזמן. צוותי אבטחה שוחקים תחת העומס של קומפליינס ידנית, ורשתות ספקים מלאות בסיכונים.

אבל בתוך האתגרים האלה יש הזדמנות עצומה. AI ואוטומציה יכולות לשנות את המשחק להפוך תהליכים שלוקחים שבועות לשעות, לשחרר צוותים מעבודת “תיעוד” ולאפשר להם להתמקד ב”הגנה”, ולהפוך אמון מ”משהו שאנחנו מוכיחים פעם בשנה” ל”משהו שאנחנו מראים בזמן אמת כל הזמן”.

 

השורה התחתונה: הארגונים שיצליחו הם אלו שיבינו איך להשתמש ב-AI בצורה מבוקרת ואחראית לא רק לאמץ אותה במהירות, אלא גם לשלוט בה ולהפוך אותה ליתרון תחרותי. זה לא עוד סיפור על “טכנולוגיה חדשה מגניבה” זה סיפור על העתיד של האבטחה, האמון, והיכולת לעשות עסקים בעולם שבו הכל קשור, מהיר, ומלא בסיכונים.

 

מה אתם יכולים לעשות עכשיו?

  1. הערכו את הפער שלכם: איפה אתם נמצאים ביחס לנתונים האלה? האם גם אתם מבלים יותר מדי זמן על “הוכחה” ופחות על “שיפור”?
  2. בחנו אוטומציה: אילו תהליכים בארגון שלכם ניתנים לאוטומציה? התחילו עם המשימות החוזרות והמייגעות ביותר.
  3. הגדירו ממשל AI: אם אתם משתמשים ב-AI אוטונומית, וודאו שיש כללים ברורים, גבולות מוגדרים, ומעקב על כל פעולה.
  4. השקיעו באמון רציף: חפשו דרכים לתת ללקוחות ולשותפים גישה למידע עדכני על מצב האבטחה שלכם  לא דוחות שנתיים, מעקב בזמן אמת.

העתיד כבר כאן  השאלה היא מי יתאים את עצמו אליו מהר יותר.

הפוסט מצב האמון בעידן ה-AI: מחקר חדש חושף פער מדאיג בין האימוץ לבין השליטה הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/ai-trust-gap-research/feed/ 0
גוגל משלבת בינה מלאכותית בגוגל Earth עם מערכת חדשה לניטור כדור הארץ https://letsai.co.il/google-earth-ai/ https://letsai.co.il/google-earth-ai/#respond Wed, 05 Nov 2025 07:19:43 +0000 https://letsai.co.il/?p=63769 גוגל השיקה ביולי 2025 את Google Earth AI – משפחה של מודלים גיאוגרפיים המשלבים נתוני לוויין עם יכולות עיבוד שפה טבעית של Gemini. בעדכון מאוקטובר 2025 נוספה היכולת לשאול שאלות מורכבות על המצב הסביבתי ולקבל תשובות מבוססות נתונים בזמן אמת. המערכת כוללת שלוש משפחות מודלים: Imagery (תמונות לוויין), Population (דינמיקות אוכלוסייה) ו-Environment (מזג אוויר ואסונות […]

הפוסט גוגל משלבת בינה מלאכותית בגוגל Earth עם מערכת חדשה לניטור כדור הארץ הופיע ראשון בLet's AI בינה מלאכותית

]]>
גוגל השיקה ביולי 2025 את Google Earth AI – משפחה של מודלים גיאוגרפיים המשלבים נתוני לוויין עם יכולות עיבוד שפה טבעית של Gemini. בעדכון מאוקטובר 2025 נוספה היכולת לשאול שאלות מורכבות על המצב הסביבתי ולקבל תשובות מבוססות נתונים בזמן אמת. המערכת כוללת שלוש משפחות מודלים: Imagery (תמונות לוויין), Population (דינמיקות אוכלוסייה) ו-Environment (מזג אוויר ואסונות טבע). לפי גוגל, Earth AI נועדה לעזור לאנשים, ארגונים ועסקים להתמודד עם האתגרים הקריטיים של כדור הארץ – משינויי אקלים ועד ניהול משאבי טבע.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

איך זה עובד בפועל

AlphaEarth Foundations הוא למעשה לוויין וירטואלי. הוא מקבל מדי יום כמויות עצומות של מידע מלוויינים, מצלמות אוויר, מכ”ם ומודלים אקלימיים, ומחבר את הכול לתמונה עדכנית אחת של פני כדור הארץ.

 

בבסיס המערכת נמצאת טכנולוגיית geospatial embeddings שמתרגמת כל ריבוע בגודל 10×10 מטר לייצוג מתמטי עשיר בן 64 ערכים. זה מאפשר לה להבין הבדלים עדינים בין אזורים שנראים דומים, למשל להבחין בין חניון לכביש מהיר, על פי ההקשר הסביבתי שלהם.

Geospatial Reasoning: המוח שמחבר הכול

היכולת החדשה (Geospatial Reasoning) מחברת בין כל המודלים של Earth AI ונותנת תמונה אחת כוללת. במקום להציג רק מפה של אזור פגיע, היא מפרקת שאלה מורכבת לשלבים, מפעילה את המודלים הרלוונטיים, ומחברת את התוצאות למסקנה אחת.

 

למשל, אם רוצים לדעת מי עלול להיפגע מסופה מתקרבת, המערכת ממפה את אזורי הסיכון, מוסיפה מידע על צפיפות אוכלוסייה ממקורות כמו BigQuery ו-Data Commons, ומשווה עם תשתיות שמזוהות בתמונות לוויין. כך היא יוצרת תמונת מצב מדויקת בזמן אמת. בשונה ממערכות GIS (Geographic Information System) רגילות, Geospatial Reasoning לא רק מציגה נתונים אלא גם מבינה את ההקשרים שביניהם.

 

שימושים מעשיים בשטח

היכולות של Earth AI באות לידי ביטוי במצבים אמיתיים על פני השטח. חברות מים משתמשות בה כדי לזהות קטעי נהר שמתייבשים בזמן בצורת ולחזות סערות אבק לפני שהן מתרחשות. רשויות סביבתיות עוקבות אחר פריחות אצות מזיקות במקורות מים, ומסוגלות להתריע מראש או לסגור מערכות מים לפני שהן מסכנות את הציבור.

 

במהלך שריפות היער בקליפורניה בשנת 2025, גוגל שלחה התראות חירום ליותר מ-15 מיליון תושבים באזור לוס אנג’לס והציגה להם מקלטים קרובים דרך Google Maps. מערכת חיזוי ההצפות שלה מכסה כיום מעל שני מיליארד איש, ו-Flood Hub מספקת תחזיות בלמעלה ממאה מדינות עבור יותר מ-700 מיליון בני אדם.

 

גם גופים בינלאומיים ותעשיות משתמשים ב-Earth AI. ארגון הבריאות העולמי באפריקה (WHO AFRO) משלב את מודלי Population ו-Environment כדי לחזות התפרצויות כולרה בקונגו, בעוד חברות כמו Planet ו-Airbus מנתחות באמצעותה תמונות לוויין יומיות כדי לעקוב אחר כריתת יערות או לזהות צמחייה הפולשת לקווי חשמל.

 

למי זה מיועד וכמה זה עולה

גוגל מציעה את Earth AI בכמה רמות גישה, בהתאם לסוג המשתמש.

למשתמשים פרטיים ומקצועיים

גרסת Google Earth Pro זמינה כיום בחינם, לאחר שבעבר עלתה 400 דולר לשנה. בארצות הברית, משתמשי Google Earth Professional יקבלו בתקופה הקרובה גישה ניסיונית ליכולות של Gemini בתוך Earth AI.

למנויי השירותים של Gemini

לקוחות AI Pro (כ-20 דולר לחודש) ו-AI Ultra (כ-250 דולר לחודש) יכולים להשתמש כבר כעת במודלים המתקדמים של Gemini ישירות בתוך Google Earth. חבילת Ultra כוללת גם אחסון בענן בנפח 30 טרה-בייט, מנוי YouTube Premium, וגישה למודלים החדשים ביותר של גוגל כמו Veo 3 ו- Deep Think.

לארגונים ומפתחים

גוגל מציעה את Google Earth Engine, גרסה ארגונית שמאפשרת לשלב את מודלי Earth AI במוצרים ובאפליקציות. החבילה הבסיסית עולה 500 דולר לחודש, והחבילה המקצועית – 2,000 דולר. בשלב זה, מודלי Imagery, Population ו- Environment זמינים למספר מצומצם של Trusted Testers ב-Google Cloud.

המגבלות והבעיות

נכון לעכשיו, Earth AI זמינה רק בארצות הברית, וגוגל טרם פרסמה מועד להשקת השירות במדינות נוספות. המערכת עדיין מוגדרת נסיונית (Experimental), מה שמעיד שהיא נמצאת בשלבי פיתוח ועשויה להשתנות בהמשך.

 

לצד ההתקדמות המרשימה, גוגל מתמודדת גם עם ביקורת על מערכות ההתראה שלה. אחרי רעידות האדמה הקשות בטורקיה בשנת 2023, מערכת Android Earthquake Alerts System של החברה זיהתה את עוצמת הרעידה הראשונה באופן חלקי בלבד ושלחה מספר מוגבל של התראות חירום – הרבה פחות מהנדרש באירוע כזה. בנוסף, המערכת מתבססת על נתוני לוויין שיכולים להיות ישנים באזורים מסוימים, והיא עדיין לא מאפשרת ניתוח היסטורי ארוך טווח, מאחר שמדובר בשירות חדש יחסית.

האם זה שווה?

גוגל מציגה את Earth AI ככלי בשלבי השקה מוקדמים, המיועד לשילוב בין מודלים סביבתיים, דמוגרפיים ותצפיות לוויין כדי לספק ניתוחים מבוססי נתונים בזמן אמת.

 

עבור ממשלות, גופי סביבה וחברות העוסקות בניהול משאבים או תכנון אסונות, Earth AI יכולה להחליף מערכות יקרות ולייעל קבלת החלטות. לעסקים קטנים או משתמשים פרטיים, חבילת AI Pro רלוונטית רק כאשר יש צורך קבוע בניתוחים גיאוגרפיים, בעוד AI Ultra יקרה יחסית אלא אם מנצלים גם את אחסון הענן והמודלים המתקדמים הכלולים בה. הגרסה החינמית, Google Earth Pro, נשארת כלי שימושי לתצוגת מפות, מדידות וחקירה בסיסית של פני כדור הארץ.

 

בשורה התחתונה, Earth AI היא כלי מקצועי לארגונים הזקוקים לניתוח מרחבי מתקדם. הזמינות רק בארצות הברית והמחיר הגבוה של החבילות המתקדמות מגבילים כרגע את השימוש הרחב, אך לארגונים המתאימים זהו פתרון שמאפשר עיבוד גיאוגרפי בקנה מידה חדש ומשפר משמעותית את תהליכי הניתוח והחלטות השטח.

הפוסט גוגל משלבת בינה מלאכותית בגוגל Earth עם מערכת חדשה לניטור כדור הארץ הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/google-earth-ai/feed/ 0
מדריך לשימוש ב-Gemini Canvas: איך להפוך דוח למצגת מקצועית תוך דקות https://letsai.co.il/gemini-canvas-presentations/ https://letsai.co.il/gemini-canvas-presentations/#comments Tue, 04 Nov 2025 12:23:01 +0000 https://letsai.co.il/?p=63700 יצירת מצגות הפכה לקלה מתמיד. בעדכון אוקטובר 2025 של Gemini Canvas, גוגל מאפשרת להפוך כל דוח, מאמר או מסמך אסטרטגי למצגת מעוצבת ומאורגנת באופן אוטומטי וללא צורך בפתיחת “Google Slides”. במדריך הזה נסקור כיצד להשתמש בכלי החדש צעד-אחר-צעד, ונראה כיצד הוא חוסך זמן ומאפשר להציג מידע עסקי, חינוכי או שיווקי בצורה מקצועית וברורה. Canvas פתוח […]

הפוסט מדריך לשימוש ב-Gemini Canvas: איך להפוך דוח למצגת מקצועית תוך דקות הופיע ראשון בLet's AI בינה מלאכותית

]]>
יצירת מצגות הפכה לקלה מתמיד. בעדכון אוקטובר 2025 של Gemini Canvas, גוגל מאפשרת להפוך כל דוח, מאמר או מסמך אסטרטגי למצגת מעוצבת ומאורגנת באופן אוטומטי וללא צורך בפתיחת “Google Slides”. במדריך הזה נסקור כיצד להשתמש בכלי החדש צעד-אחר-צעד, ונראה כיצד הוא חוסך זמן ומאפשר להציג מידע עסקי, חינוכי או שיווקי בצורה מקצועית וברורה. Canvas פתוח גם בחשבון חינמי, אך עם מגבלות קונטקסט וביצועים. מנויי Google AI Pro ו-Ultra נהנים מחלון קונטקסט רחב יותר, זמני עיבוד מהירים ויכולות מחקר מתקדמות.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

למה להשתמש ב-Gemini Canvas

Gemini Canvas מבית גוגל נועד לפשט את תהליך יצירת המצגות ולהפוך אותו לאוטומטי כמעט לחלוטין. הכלי מנתח את המסמך שהמשתמש מעלה, בין אם מדובר בדוח, במאמר או במסמך אסטרטגי, ומייצר בדרך כלל תוך פחות מדקה מצגת מאורגנת ומעוצבת. התוצאה היא תוצר מקצועי הכולל כותרות, חלוקה לקטעים, גרפים ותמונות שנבחרות באופן אוטומטי בהתאם לנושא. הממשק של Canvas פשוט ואינטואיטיבי לכל משתמש, כך שגם מי שאינו בקיא בעיצוב יכול להפיק מצגות ברמה גבוהה.

 

היתרון המרכזי נמצא בשילוב ההדוק עם מוצרי Google Workspace: ניתן לייצא את המצגת ישירות ל-“Google Slides” להמשך עריכה, או להעביר טבלאות נתונים ל-“Google Sheets” לעיבוד נוסף. מעבר לכך, Gemini תומך בעברית באופן מלא, כולל בממשק, בעיבוד טקסט ובתוכן הויזואלי.

איך זה עובד בפועל

שלב 1: הכנת המסמך

התהליך מתחיל במסמך קיים – דוח מחקר, מאמר אסטרטגי או מסמך עבודה המכיל תובנות מרכזיות. זהו הבסיס שעליו Gemini Canvas בונה את המצגת. ככל שהטקסט ברור ומובנה יותר, כך גם המצגת שתיווצר תהיה מדויקת ומאורגנת.

שלב 2: העלאת הקובץ ל-Gemini Canvas

בשלב הבא נכנסים לפלטפורמת Gemini ובוחרים בממשק Canvas – סביבת העבודה האינטראקטיבית של גוגל. שם ניתן להעלות את הקובץ הרצוי ישירות לחלון הייעודי. מרגע שהקובץ נטען, Canvas מזהה את מבנה הטקסט ומכין אותו לעיבוד אוטומטי.

 

איך מעלים מסמך ומפעילים את ה-Canvas

איך מעלים מסמך ומפעילים את ה-Canvas

שלב 3: יצירת המצגת

לאחר שהקובץ נטען, וכפתור ה-Canvas פעיל, אפשר לבקש את יצירת המצגת (‘Create presentation’). בשלב זה, Gemini Canvas מנתח את התוכן שבמסמך ומתרגם אותו למבנה מצגת מלא. המערכת מזהה את הכותרות והנושאים המרכזיים, מחלקת את המידע לשקפים ומעצבת כל אחד מהם בהתאם לקונטקסט של הטקסט.

 

התוצאה כוללת שקפים עם כותרות מסודרות, נקודות עיקריות בתצורת Bullet Points, גרפים המבוססים על הנתונים שבמסמך ותמונות תואמות לנושא. כל אלה נוצרים באופן אוטומטי, תוך שמירה על ערכת עיצוב אחידה (Theme) שמעניקה למצגת מראה מקצועי.

 

תהליך יצירת מצגת ב-Gemini Canvas

תהליך יצירת מצגת ב-Gemini Canvas

שלב 4: התאמה וייצוא

לאחר ש-Gemini Canvas יוצר את המצגת הראשונית, ניתן לבדוק אותה ולעשות עריכות בתוכן ובעיצוב. קיימת אפשרות יצוא ל-Google Slides לעריכה חופשית, הוספת אלמנטים עיצוביים או התאמה למיתוג הארגוני. 

 

 

היתרונות של שימוש ב-Canvas בג׳מיני

היתרונות במעבר מתהליך ידני וממושך של יצירת מצגות, לתהליך אוטומטי ומהיר ב-Gemini Canvas

 

זרימת עבודה חכמה: מחקר, ניתוח והצגה במקום אחד

אחת היכולות המרשימות של מערכת Gemini היא השילוב ההדוק בין Deep Research ל-Canvas. במקום לעבוד עם כלים נפרדים, ניתן לבצע את כל התהליך, מהמחקר ועד למצגת, באותה סביבת עבודה.

 

התהליך מתחיל בשלב המחקר. באמצעות הפיצ׳רDeep Research, המשתמש מנסח שאלת מחקר, ו-Gemini מבצע חיפוש עצמאי ברשת. המערכת סורקת מאות מקורות, מסכמת את הממצאים ומפיקה דוח מחקר מפורט הכולל קישורים, נתונים ותובנות. המשתמש יכול לעיין גם בשלבי החשיבה והמקורות עצמם – תוספת חשובה לבדיקת אמינות.

 

הפעלת פיצ׳ר המחקר המעמיק דרך כלים (Tools)

הפעלת פיצ׳ר המחקר המעמיק דרך כלים (Tools)

 

מכאן, בלחיצה אחת ניתן להעביר את הדוח ישירות ל-Canvas. השילוב הזה יוצר זרימת עבודה רציפה וממקם את Gemini כפלטפורמה אחודה ליצירת תוכן מבוסס מחקר. 

זמינות ומגבלות שימוש

Gemini Canvas פתוח גם למשתמשים בחשבון החינמי של Gemini, אך הגרסה החינמית כוללת מגבלות ברורות. משתמשים ללא מנוי Google AI Pro או Ultra מקבלים גישה למודל ‎Gemini 2.5 Flash, בעוד המודל ‎Gemini 2.5 Pro זמין בעיקר למנויים בתשלום. לדוגמה, בחשבון חינם חלון ההקשר עומד על כ-32 אלף טוקנים (≈ 50 עמודי טקסט) לעומת מיליון טוקנים בחבילה בתשלום.

 

בנוסף, בחשבון חינמי ניתן להעלות מסמכים, מצגות ותמונות. עם זאת, העלאת גיליונות נתונים (כגון XLS/XLSX/CSV) או שימוש במחקר מתקדם במסגרת Deep Research דורשים מנוי בתשלום. בחינם, Deep Research מוגבל עד 5 דוחות מחקר לחודש.

 

למרות המגבלות, משתמשים רבים יכולים כבר בגרסה החינמית להפיק את התועלת המרכזית של Canvas, במיוחד להמרת דוחות והצגות תוכן חזותי. לעסקים או צוותים שמעוניינים בעיבודים גדולים וייצוא מקיף או עבודה משולבת נתונים, מנוי בתשלום מציע חוויית שימוש רחבה יותר.

טיפים לשימוש יעיל

כמו כל פלט של בינה מלאכותית, ולמרות שהמצגת נוצרת אוטומטית, מומלץ לעבור עליה לפני ההצגה ולהוסיף התאמות אישיות כמו ניסוחים מדויקים, מיתוג צבעוני או הדגשה של נקודות מפתח. כך התוצר שומר על איזון בין יעילות אוטומטית לבין אמירה מקצועית אישית.

 

Gemini Canvas מתאים במיוחד לעיבוד דוחות ומסמכים מורכבים, ומאפשר להפוך אותם למצגות מפורטות תוך זמן קצר. שילובו עם כלי Google Workspace כמו “Slides”, “Docs” ו-“Sheets” יוצר סביבת עבודה שלמה שבה ניתן לעבור בקלות בין תוכן טקסטואלי, חזותי ומספרי.

 

כדאי לדעת:

  • פרטיות: מסמכים מעובדים בענן. ודאו התאמה למדיניות המידע הארגונית לפני העלאה.

  • תמונות: התמונות האוטומטיות נוחות, אך אם קיימת זהות מותגית קפדנית – החליפו לנכסים מאושרים.

  • מקורות מחקר: אם המצגת נשענת על Deep Research, מומלץ לשמור את הקישורים לבדיקה פנימית.

 

איך זה יכול לעזור למנהלים ועסקים

Gemini Canvas משנה את הדרך שבה עסקים מציגים מידע ומעבדים תוכן פנימי. הכלי מאפשר ליצור מצגות שיווקיות, דוחות ויזואליים או חומרי הדרכה באיכות גבוהה, גם ללא צוות עיצוב או ידע טכני. התהליך הפשוט והמהיר מקצר משמעותית את שלב ההפקה ומאפשר למנהלים להתמקד בעיקר: המסר והנתונים.

 

מעבר ליעילות, היתרון המרכזי הוא בתקשורת. מצגות שנוצרו ב-Canvas מסייעות להעביר רעיונות בצורה בהירה ומשכנעת, ומאפשרות שימוש חוזר בתוכן קיים בפורמטים שונים – משיווק והדרכה ועד ניתוחי ביצועים.

 

במובן הרחב יותר, Canvas הוא דוגמה לכלי AI פרקטי שמתרגם יכולת טכנולוגית לתועלת עסקית מיידית. הוא לא מחליף חשיבה יצירתית, אלא מייעל אותה, ומאפשר לכל מנהל או יוצר תוכן לעבוד ברמה מקצועית יותר, בזמן קצר בהרבה.

הפוסט מדריך לשימוש ב-Gemini Canvas: איך להפוך דוח למצגת מקצועית תוך דקות הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/gemini-canvas-presentations/feed/ 5
האם NEO הוא הרובוט ההומנואידי הראשון שיגיע לבית שלנו https://letsai.co.il/neo-home-humanoid/ https://letsai.co.il/neo-home-humanoid/#respond Mon, 03 Nov 2025 13:02:37 +0000 https://letsai.co.il/?p=63608 דמיינו שאתם חוזרים הביתה אחרי יום ארוך והכביסה כבר מקופלת, הכלים שטופים, הרצפה מבריקה, וזה אפילו לא היום של העוזר/ת. זו כבר לא סצנה מסרט מדע בדיוני, אלא בדיוק מה שחברת 1X Technologies מבטיחה עם NEO, הרובוט ההומנואידי החדש שלה. הוא בגובה אדם בוגר, נע בתנועות חלקות, מגיב לפקודות קוליות, מסתגל לסביבה, ואפילו “רואה” את […]

הפוסט האם NEO הוא הרובוט ההומנואידי הראשון שיגיע לבית שלנו הופיע ראשון בLet's AI בינה מלאכותית

]]>
דמיינו שאתם חוזרים הביתה אחרי יום ארוך והכביסה כבר מקופלת, הכלים שטופים, הרצפה מבריקה, וזה אפילו לא היום של העוזר/ת. זו כבר לא סצנה מסרט מדע בדיוני, אלא בדיוק מה שחברת 1X Technologies מבטיחה עם NEO, הרובוט ההומנואידי החדש שלה. הוא בגובה אדם בוגר, נע בתנועות חלקות, מגיב לפקודות קוליות, מסתגל לסביבה, ואפילו “רואה” את סביבתו דרך מצלמות עיניים חכמות. ב-28 באוקטובר 2025 פתחה החברה את ההזמנות המוקדמות בארצות הברית – רגע שהיא עצמה הגדירה כתחילתו של “עידן הרובוטים הביתיים”.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מהפכה עם תג מחיר

החזון של 1X פשוט: להביא רובוט בגודל אדם אל כל בית. המחיר – קצת פחות פשוט. 20 אלף דולר לרכישה חד-פעמית, או 499 דולר בחודש במסלול מנוי. לפי אתר החברה, המשלוחים הראשונים צפויים להתחיל בארצות הברית במהלך 2026, עם תוכניות התרחבות בינלאומית לשנת 2027. 

 

NEO שוקל כ-30 ק”ג, מסוגל להרים עד 70 ק”ג ולשאת כ-25 ק”ג באופן רציף, ומבוסס על מודול 1X NEO Cortex שמופעל באמצעות Nvidia Jetson Thor – מודול מחשוב בינה מלאכותית חדש ועוצמתי המשמש כ”מוח” של רובוטים כמו NEO – לעיבוד ראייה, תנועה ופקודות בזמן אמת. הוא מחופה בבד רחיץ, פועל בשקט יחסי (כ-22 דציבל), ומגיע בשלושה צבעים רגועים – בז’, אפור וחום כהה. הוא מתחבר לאפליקציה ייעודית, מגיב לפקודות קוליות ומסוגל לשדר וידאו היישר מה“עיניים” שלו.

 

דגם NEO של חברת 1X Technologies

NEO ״על מלא״ | 1x.tech

המציאות (עדיין) לא סרט מדע בדיוני

אם אתם מדמיינים את NEO שוטף את הרצפה בזמן שאתם נחים על הספה – תעצרו רגע. נכון לסוף 2025, הרובוט עדיין רחוק מאוטונומיה מלאה. לפי מנכ”ל החברה ובדיקות שנערכו ב-Engadget וב-Wall Street Journal, חברנו NEO מסוגל לבצע בעצמו רק פעולות בסיסיות יחסית כמו פתיחת דלתות, הנחת צלחות במדיח או סידור חפצים קלים.

 

במשימות מורכבות יותר, כמו קיפול כביסה או ניקוי חדרים, הוא עובר למצב הנקרא Expert Mode, שבו מפעיל אנושי מקצועי של 1X שולט ברובוט מרחוק באמצעות קסדת VR ומדגים לו כיצד לבצע את הפעולה. בפועל, מאחורי הקסם של הבינה המלאכותית מסתתרת עדיין מערכת שמבוססת בחלקה על טלאופרציה אנושית – תהליך שבו “מורים אנושיים” מפעילים ומאמנים את הרובוטים מרחוק, יום אחרי יום, בזמן שהם פועלים בבתיהם של המשתמשים.

הקו הדק בין עזרה לפיקוח

אז אם בזמן שהרובוט שלכם מנקה את המטבח הוא גם רואה את המטבח, ומי שמפעיל אותו מרחוק רואה בדיוק את מה שהוא רואה – זה כבר מעלה שאלה עמוקה סביב NEO: איפה עובר הגבול בין עוזר אישי למערכת פיקוח?

 

החברה מדגישה כי היא מטמיעה מנגנוני פרטיות כמו טשטוש פנים בשידורי הווידאו, אזורים שאסור לרובוט להיכנס אליהם (No-Go Zones), ואישור מפורש לפני כל חיבור חיצוני למפעיל אנושי. יחד עם זאת, השידור עובר דרך שרתי החברה, והמדיניות הציבורית הקיימת אינה מפרטת באופן מלא כיצד הנתונים נשמרים, כמה זמן הם מאוחסנים ומי מורשה לגשת אליהם.

 

בסופו של דבר, לא מדובר רק בשאלה של נוחות או טכנולוגיה, אלא בשאלה של אמון בין המשתמש לחברה, ובין החברה לאנשים שבקצה השני של המערכת – אלה שהופכים, לעיתים מבלי שנשים לב, לחלק מהמכונה עצמה.

ומה עם המתחרים?

NEO לא לבד. במרוץ אל הרובוט ההומנואידי הראשון לשוק הביתי משתתפות כמה מהשחקניות הגדולות בעולם. Tesla ממשיכה לפתח את הרובוט Optimus, שנמצא כבר בשימוש פנימי במפעליה וצפוי לעבור לגרסת V3 במהלך 2026. עם זאת, אין תאריך רשמי למסירה לצרכנים פרטיים, והדגש הנוכחי הוא בעיקר על יישומים תעשייתיים.

 

Figure AI, שפועלת מעמק הסיליקון, הציגה באוקטובר 2025 את דגם Figure 03, המכונה Helix – גרסה צרכנית ראשונית שמיועדת בעתיד גם היא לשימוש ביתי. למרות הפוטנציאל העצום, החברה עדיין מתמקדת בעיקר בשיתופי פעולה תעשייתיים ובפיילוטים במפעלים, כך שזמינות רחבה לציבור צפויה רק בהמשך.

 

לצדן פועלות גם Apptronik, עם דגם Apollo המעודכן ל-2025, ו-XPENG Robotics, שמפתחת את הרובוט IRON ומבצעת אימונים מעשיים במפעלי הרכב שלה. אליהן מצטרפות חברות נוספות כמו Unitree ו-EngineAI, שהציגו בתערוכת CES 2025 בלאס וגאס רובוטים הומנואידיים עם תג מחיר שמתחיל בכ-13,700 דולר.

 

לפי תחזיות מחקר שונות, שוק הרובוטים ההומנואידיים צפוי לצמוח מהיקף של כ-2 מיליארד דולר ב-2025 ל-100-200 מיליארד דולר עד 2035, אך חשוב לזכור שרוב ההכנסות הצפויות יגיעו מיישומים תעשייתיים, בעוד שהשוק הביתי עדיין נמצא בשלב ניסוי.

בפועל, הבית שלכם עשוי להיות השדה האחרון שבו המהפכה הזו תתבסס באמת.

אז האם לקנות אחד?

אם אתם חובבי טכנולוגיה שמחפשים להיות בחזית, NEO הוא צעצוע מרהיב ופריט היסטורי אמיתי. אבל אם אתם מחפשים פתרון יומיומי יציב ואמין, אולי עדיף להמתין לדור הבא. נכון להיום, NEO הוא לא “המנקה המושלם”, אלא יותר “תלמיד חכם”, כזה שלומד מהר, אבל עדיין זקוק לליווי אנושי, לפיקוח ולמאגר נתונים שילמד ממנו איך להתבגר.

 

 

בין חלום למציאות

ההשקה של NEO מסמנת רגע מכונן בעולם הרובוטיקה – נקודת מעבר מהדמיון הקולנועי אל המציאות הביתית. זו אחת ההשקות הראשונות שמכוונות ישירות לצרכן הביתי עם הזמנה באתר ומשלוח מתוכנן לבית. לא רק כחזון אלא כמוצר שניתן להזמין באמת. אבל זו גם תזכורת ברורה לכך שהדרך בין חלום לאוטונומיה מלאה עוד ארוכה.

 

במובן הזה, NEO הוא לא רק מוצר חדש, הוא ניסוי חברתי וטכנולוגי שמאתגר את הגבולות שבין אדם למכונה, בין נוחות לבקרה, ובין עוזר למשקיף. הוא מזמין אותנו לשאול לא רק מה הוא יכול לעשות, אלא מה אנחנו רוצים שהוא יעשה – ועל כמה שליטה ופרטיות אנחנו מוכנים לוותר כדי לזכות בנוחות.

הפוסט האם NEO הוא הרובוט ההומנואידי הראשון שיגיע לבית שלנו הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/neo-home-humanoid/feed/ 0
הקוד האדום של זאפייר: כך נראית טרנספורמציית AI שמתחילה מבפנים https://letsai.co.il/zapier-ai-transformation/ https://letsai.co.il/zapier-ai-transformation/#respond Sun, 02 Nov 2025 13:57:17 +0000 https://letsai.co.il/?p=63030 כשמרבית הארגונים עוד מתלבטים איך להתקרב ל-AI, בזאפייר כבר לחצו על כפתור החירום. במרץ 2023 הוכרז Code Red, לא מתוך פאניקה אלא כדי ליישר את כל הארגון סביב הבנה אחת: בינה מלאכותית היא לא עוד כלי, היא שינוי תרבותי עמוק. ברנדון סמוט (Brandon Sammut), סמנכ”ל משאבי האנוש (שמאז הפך ל-Chief People & AI Transformation Officer), […]

הפוסט הקוד האדום של זאפייר: כך נראית טרנספורמציית AI שמתחילה מבפנים הופיע ראשון בLet's AI בינה מלאכותית

]]>
כשמרבית הארגונים עוד מתלבטים איך להתקרב ל-AI, בזאפייר כבר לחצו על כפתור החירום. במרץ 2023 הוכרז Code Red, לא מתוך פאניקה אלא כדי ליישר את כל הארגון סביב הבנה אחת: בינה מלאכותית היא לא עוד כלי, היא שינוי תרבותי עמוק. ברנדון סמוט (Brandon Sammut), סמנכ”ל משאבי האנוש (שמאז הפך ל-Chief People & AI Transformation Officer), מתאר את הרגע הזה כנקודת מפנה. לא החלטה טכנולוגית, אלא בחירה מנהיגותית להכניס את האנשים, ולא את האלגוריתמים, למרכז. השיחה איתו חושפת מבפנים איך נראית טרנספורמציית AI אמיתית – כזו שנולדה מהתנהגות ותרבות, לא רק ממוצרים וכלים.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

זו לא מהפכה טכנולוגית, זו מהפכה אנושית

כשברנדון סמוט הכריז על “Code Red”, הוא ידע שזה לא הולך להיות מהלך נוח. “הכותרת ‘Code Red’ הפחידה אנשים,” הוא הודה. “אבל אם היינו מחכים להסכמה רחבה, היינו מחמיצים את הרגע.”

 

הקריאה הזו סימנה את תחילת השינוי התרבותי העמוק ביותר שזאפייר עברה מאז הקמתה. סמוט, שכיהן אז כסמנכ”ל משאבי אנוש וכיום נושא גם את התואר Chief People & AI Transformation Officer, הבין שהמהפכה שמתחוללת איננה טכנולוגית בלבד. “AI הוא לא עוד פרויקט טכנולוגי – הוא הזדמנות לארגונים לבנות מחדש את עצמם סביב למידה, אחריות ויצירתיות.”

 

זאפייר, שנוסדה ב-2011, היא אחת מחלוצות תחום ה-no-code automation, פלטפורמה שמאפשרת לחבר בין אלפי יישומים עסקיים ולבצע אוטומציות ללא כתיבת קוד. בשנים האחרונות היא עברה אבולוציה למעמד של AI Orchestration Platform, המחברת בין מודלי שפה (LLMs) לאפליקציות קיימות ומאפשרת לבנות פתרונות חכמים במהירות ובקנה מידה.

 

אבל השינוי המשמעותי ביותר לא התרחש במוצר, אלא באופן שבו הארגון עצמו לומד, משתף פעולה ומנהיג שינוי בעידן של בינה מלאכותית.

שלב ראשון: מסגרת ברורה לפני יצירתיות

ברוב הארגונים, המילים “מדיניות AI” נתפסות כמעצור לחדשנות. בזאפייר בחרו לפרק את הפרדוקס הזה. הם הבינו שדווקא קביעת גבולות ברורים, אותם “Guardrails”, היא שמאפשרת לעובדים ליזום בביטחון. תוך שבועיים מהכרזת ה-Code Red פורסמו קווים מנחים לשימוש אחראי ב-AI, והוקמו שני ערוצי Slack ארגוניים: אחד לשאלות פתוחות על AI, והשני לשיתוף ניסויים, תובנות ודוגמאות מהשטח. הגישה הזו לא נועדה לפקח אלא להכשיר קרקע לניסוי וללמידה.

 

סמוט מדגיש שהארגון לא היה צריך להמציא כללי אתיקה חדשים. Zapier פשוט יישמה את עקרונות היסוד שכבר הנחו אותה במשך שנים – פרטיות, שקיפות וציות ל-GDPR. “האתגר הוא לא לשכתב את הכללים,” אמר, “אלא להחיל אותם מחדש בהקשר של AI.”

 

כך נולדה “המעבדה הפתוחה”, סביבה שבה כולם לומדים, טועים ומתנסים בזמן אמת. “אנשים צריכים לדעת מה מותר ומה אסור כדי להעז,” הסביר סמוט. “בהיעדר גבולות רשמיים, העובדים יוצרים גבולות הדוקים יותר בעצמם.”

שלב שני: Hack Week שהפך לנקודת מפנה

בזאפייר לא מדברים על “תרבות ניסוי”, הם חיים אותה. ההאקתון השנתי של החברה, שהיה בעבר אירוע מבודד של חדשנות טכנולוגית, הפך לשבוע ארגוני מלא בשם AI Hack Week. במשך שבוע שלם, כל עובד, ממנהלי השיווק ועד צוותי השירות, נדרש לבנות ולשתף פתרון חדש המבוסס על בינה מלאכותית.

 

הגישה הזו יצרה תזוזה תרבותית מיידית – אחריות לחדשנות עברה מליבת הפיתוח אל כלל הארגון. “רצינו שכל אחד יראה בעצמו מה אפשר לעשות עם הכלים החדשים,” סיפר סמוט. “לא לצפות להנחיות מלמעלה, אלא ללמוד דרך עשייה.”

 

אחת הדוגמאות הזכורות ביותר נולדה דווקא ממקום לא צפוי – צוות התמיכה. הם פיתחו כלי בשם ZenGPT, שסיכם פניות לקוחות והציג תמונת מצב מיידית לכל נציג שירות. מה שהתחיל כניסוי קטן של עובדים לא טכנולוגיים הפך בתוך שבועות למוצר רשמי בשם Support Sidekick, שנכנס לקו המוצרים של החברה.

 

והתוצאות? ברורות וחדות:

  • זמן הטיפול בפניות ירד ביותר מ-50%.

  • שביעות רצון הלקוחות עלתה משמעותית.

  • ומדד המעורבות של העובדים (Engagement) קפץ בעשרות נקודות.

מאז הפכו שלושת המדדים – יעילות, איכות ומעורבות – לבסיס שעליו נמדדת כל יוזמת AI בזאפייר. זו כבר לא רק חדשנות טכנולוגית, אלא שיטת עבודה שמחברת בין למידה, תוצאות ומוטיבציה אנושית.

שלב שלישי: טרנספורמציה, לא רק אימוץ

במהלך השנתיים האחרונות, 97% מעובדי זאפייר משתמשים ב-AI בעבודתם היומיומית, נתון מרשים בכל קנה מידה. אבל ברנדון סמוט ממהר להעמיד דברים על דיוקם: “שימוש בכלים זה לא טרנספורמציה,” הוא אומר. לדבריו, רוב הארגונים נעצרים בשלב האימוץ, כשהם מוסיפים שכבת AI על גבי תהליכים קיימים. זה מייצר שיפור מדוד, אבל לא שינוי מהותי. “אימוץ (Adoption) זה שיפור של עשרה אחוזים,” הוא מסביר. “טרנספורמציה אמיתית זה שינוי של פי עשר.”

 

בזאפייר, המעבר הזה התרחש כשמנהלים הסכימו להסתכל מחדש על תפקידים, תמריצים ותהליכי עבודה, ולא רק על הכלים עצמם. זה דרש שינוי חשיבה – לראות ב-AI לא אוטומציה של משימות, אלא מנוף לעיצוב מחדש של אחריות, זרימות עבודה ותרבות למידה. במילים אחרות, ה-AI לא הפך את האנשים ליעילים יותר, הוא הפך אותם לחשובים יותר.

שלב רביעי: העצמה של מי שמבינים את הכאב

אחת ההחלטות המשמעותיות ביותר שקיבלה זאפייר הייתה ליצור תפקיד חדש: AI Automation Engineer. זה לא עוד מהנדס, אלא אדם שמכיר מקרוב את תהליכי העבודה, מבין את הכאב העסקי, ויודע לתרגם אותו לפתרון מבוסס AI. במקום להסתמך רק על צוותי פיתוח, זאפייר בחרה להעצים עובדים מתוך הארגון, כאלה שחיים את התהליכים היומיומיים ויודעים לזהות היכן באמת נדרש שינוי. הם אינם “בונים עבור אחרים”, אלא בונים יחד – תהליך של Co-Build שמחבר בין מומחי תחום, אנשי מוצר וצוותי ניהול.

 

שלוש התכונות שמגדירות את התפקיד החדש הן:

  • הבנה תחומית עמוקה (Domain Expertise) – היכולת להבין לעומק את הצרכים והבעיות של התחום העסקי.

  • יכולת בנייה והטמעה (Building & Implementation) – שליטה בכלים מבוססי AI ויכולת להפוך רעיון לתהליך עובד.

  • יכולת הדרכה וליווי (Teaching & Coaching) – היכולת להעביר את הידע הלאה וליצור תרבות של למידה משותפת.

סמוט מתאר את המהלך הזה כמודל חדש להטמעת חדשנות: “מי שמבין את הכאב הוא גם מי שצריך להחזיק את הפתרון.”

שלב חמישי: למידה דרך עשייה

בזאפייר הבינו מוקדם שלמידה אמיתית לא מתרחשת בכיתה. הם ויתרו כמעט לחלוטין על הדרכות פורמליות, קורסים או מצגות, ובמקומן יצרו תרבות של למידה תוך כדי פעולה. כל עובד לומד באמצעות פרויקטים אמיתיים, משימות יומיומיות וליווי אישי של מנהלים. במקום תוכנית הכשרה קבועה, הוגדרה רמת כשירות (“AI Fluency”) לכל תפקיד בארגון, עם שלושה שלבים ברורים: Basic → Capable → Adaptive.

 

המודל הזה שינה את יחסי הכוחות בלמידה. מנהלים הפסיקו “להעביר הדרכות”, והפכו למנטורים שמלווים תהליכים בזמן אמת. הלמידה הפכה ממשהו שהעובדים עוברים לתהליך שאותו הם חיים. “אי אפשר ללמוד AI מספר הדרכה,” אמר סמוט. “הדרך היחידה היא להשתמש בו – לשאול אותו, לטעות איתו, ולגדול דרכו.”

 

 

בסופו של דבר, אולי הכי חשוב להבין במקרה של זאפייר – במקום לרדוף אחרי טכנולוגיה, היא בחרה לרדוף אחרי למידה. היא העבירה את מוקד השינוי מהנדסים לכלל העובדים, והוכיחה שחדשנות אמיתית צומחת מלמטה, לא נוחתת מלמעלה. ברנדון סמוט מסכם את זה בפשטות: “אפשר להאציל עבודה ל-AI, אבל לא אחריות. אם אתם רוצים שינוי אמיתי, תתחילו לפני שהכול ברור. מהירות למידה חשובה משלמות.”

 

ומהצד הניהולי, הוא לא משאיר מקום לפרשנות:

  1. חברו את יוזמות ה-AI ישירות ליעדים העסקיים הקיימים – אל תבנו תוכנית נפרדת.

  2. הגדירו שמות, אחריות וזמן ייעודי – טרנספורמציה לא מתרחשת מעצמה.

השיחה עם סמוט הזכירה אמת פשוטה שלעיתים הולכת לאיבוד ברעש הטכנולוגי – טרנספורמציית AI איננה פרויקט, היא תרבות ארגונית חדשה, שנבנית מתוך מנהיגות, אמון וסקרנות אנושית.

 

וזאפייר? היא פשוט הייתה אחת הראשונות להבין שהמהפכה הזו לא תגיע מבחוץ – היא מתחילה מבפנים.

הפוסט הקוד האדום של זאפייר: כך נראית טרנספורמציית AI שמתחילה מבפנים הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/zapier-ai-transformation/feed/ 0
איך להפוך תמונה לסרטון מדבר תוך דקות – המדריך המעשי ל-dzine https://letsai.co.il/create-with-dzine/ https://letsai.co.il/create-with-dzine/#respond Sun, 02 Nov 2025 07:50:06 +0000 https://letsai.co.il/?p=63038 אם בעבר יצירת סרטון או אנימציה דרשה תוכנות מורכבות וצוות של אנשי עריכה, היום אפשר לעשות את זה בעצמכם. Dzine היא סביבת עיצוב חכמה המבוססת על בינה מלאכותית, שמרכזת במקום אחד כלים ליצירת תמונות, הנפשות, דיבוב, וקומפוזיציות או קטעי וידאו עם כמה דמויות באינטראקציה. אפשר להעלות תמונה או מודל תלת-ממדי, להוסיף טקסט או קול, והמערכת […]

הפוסט איך להפוך תמונה לסרטון מדבר תוך דקות – המדריך המעשי ל-dzine הופיע ראשון בLet's AI בינה מלאכותית

]]>
אם בעבר יצירת סרטון או אנימציה דרשה תוכנות מורכבות וצוות של אנשי עריכה, היום אפשר לעשות את זה בעצמכם. Dzine היא סביבת עיצוב חכמה המבוססת על בינה מלאכותית, שמרכזת במקום אחד כלים ליצירת תמונות, הנפשות, דיבוב, וקומפוזיציות או קטעי וידאו עם כמה דמויות באינטראקציה. אפשר להעלות תמונה או מודל תלת-ממדי, להוסיף טקסט או קול, והמערכת תדע להפוך אותם לסרטון מדבר עם תנועות פה, גוף והבעות פנים טבעיות. מעבר לדיבוב, אפשר גם לשנות רקעים, תנוחות, תאורה ואפילו סגנון אמנותי בצורה פשוטה ואינטואיטיבית. Dzine תומכת בעשרות שפות, ומתאימה ליוצרים, מורים, עסקים קטנים וכל מי שרוצה להפיק סרטון או פרויקט ויזואלי – במהירות ובקלות.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

המדריך המהיר ל-Dzine

אם זו הפעם הראשונה שלכם ב- Dzine, תגלו מהר מאוד שמדובר בסביבת עיצוב מלאה – לא רק כלי אחד. יש בה עשרות יכולות מבוססות בינה מלאכותית: יצירת ועריכת תמונות, יצירת דמות עקבית, החלפת פנים, הפיכת תמונות לדפי צביעה, עריכת דמויות, ליפ-סינק, שדרוג איכות, שינוי רקעים ועוד מגוון רחב של אפשרויות. חלק מהכלים זמינים בחינם, ואחרים נפתחים רק במנוי בתשלום. כדי להתחיל, אין צורך ללמוד הכול. מספיק להבין את השלבים הבסיסיים.

 

סביבת עיצוב מגוונת ומבחר כלים

סביבת עיצוב מגוונת ומבחר כלים | dzine.ai

שלב 1: כניסה והרשמה

נכנסים ל-dzine.ai ונרשמים באמצעות כתובת מייל או חשבון Google. לאחר ההרשמה תגיעו למסך הבית, שם תחשפו למגוון היכולות הרחב של הפלטפורמה תחת AI Tools.

שלב 2: יצירת פרויקט חדש או התחלה מתמונה

במסך הראשי יש שתי אפשרויות:

  • Start from an image – גוררים או בוחרים תמונה מהמחשב ומתחילים לעבוד עליה מיד.

  • New project – פותחים סביבת עבודה ריקה ומגדירים את פרטי הפרויקט.

ברגע שתבחרו אחת מהן, תעברו למסך העריכה.

 

איך מתחילים

צרו פרויקט חדש או התחילו מתמונה

שלב 3: בחירת יחס מסך (Aspect Ratio)

כשנכנסים לפרויקט, ושנייה לפני שאתם מעלים את התמונה, Dzine מבקשת לבחור את יחס המסך (1:1, 16:9, 9:16 ועוד). זה בעצם גודל המסגרת שבה תעבדו – ריבועי לפוסטים, רוחבי לסרטונים, אנכי לסטוריז. בחרו את היחס שמתאים למטרה שלכם ולחצו Apply. אחרי זה תוכלו להעלות תמונה (או לגרור אותה ישירות לחלון המרכזי). Dzine תומכת בעבודה עם מודלים תלת-ממדיים (GLB, FBX, OBJ) בכלים הייעודיים שלה, לצד תמונות רגילות בפורמטים ‎JPG, PNG ו-WEBP.

 

בחרו את היחס שמתאים למטרה שלכם ולחצו Apply

בחרו את היחס שמתאים למטרה שלכם ולחצו Apply

שלב 4: סביבת העבודה

ברגע שהתמונה נטענת, אתם נכנסים לסביבת העריכה של Dzine. הממשק מחולק לשלושה אזורים עיקריים, ובתחתית חלון הצ׳אט. כל סרגל נותן שליטה בשכבה אחרת: השמאלי לתוכן, העליון החיצוני לפעולות מערכת, והעליון הפנימי להגדרות הכלי שבשימוש.

  1. סרגל צד שמאלי – כאן נמצאים כלי ה-AI: יצירת תמונה מטקסט (Text-to-Image), עריכת פנים (Face Stylization / Enhance), ליפ-סינק, הסרת רקע, תיקון פנים, שינוי הבעות ועוד.

  2. סרגל עליון חיצוני – פעולות מערכת כלליות: שמירה, ייצוא, הגדלה, חזרה אחורה וכדומה.

  3. סרגל עליון פנימי (מעל התמונה) – מתעדכן לפי הכלי הנבחר. לדוגמה, ב-“Lip-Sync” תראו פקדים להוספת קול, תצוגה מקדימה וייצוא.

  4. חלון צ׳אט (Chat Editor) – לחיצה על Chat Editor פותחת חלון עבודה אינטראקטיבי. מזינים הוראות בשפה טבעית, למשל “החלף רקע לחוף ים”, “הוסף תאורה חמה”, “תן לדמות חיוך קל”, והמערכת מיישמת מייד. החלון תומך בפרומפטים חופשיים והמשך הוראות רציף באותו סשן כדי לדייק את התוצאה צעד-צעד.

 

מגוון סרגלי כלים ויכולות עיצוב

ממשק העבודה של Dzine – הסרגלים המרכזיים וחלון הצ׳אט

 

בתחתית חלון הצ׳אט ניתן לבחור את מודל העיבוד, למשל Nano Banana, Flux.1, Kontext ואחרים, כאשר לכל מודל יש את הייחודיות והחוזקות שלו. ניתן גם לקבוע יחס גובה-רוחב (Aspect Ratio) רלוונטי לפני ההפעלה, כדי להתאים את הפריים למטרה.

 

חלון הצ׳אט

חלון הצ׳אט של Dzine

 

האפשרויות משתנות בהתאם לסוג הפרויקט (תמונה, וידאו, דיבוב וכדומה), והגמישות הזו מאפשרת חופש יצירתי רחב והתאמה מדויקת לצרכים שלכם. כאן תוכלו לראות איך עובדים עם ה- Chat Editor:

 

שלב 5: נסו פרויקט לדוגמה – דמויות מדברות

בוחרים תמונה: בחרו תמונה שבה הפנים ברורות ומביטות קדימה. אפשר גם להעלות קובץ וידאו קצר (עד 30 שניות, בפורמט MP4 או MOV).

1. נכנסים לכלי Lip-Sync: לחצו על Lip-Sync בסרגל השמאלי. המערכת תזהה את הפנים בתמונה ותאפשר לבחור עד שתי או שלוש דמויות לסנכרון.

2. מוסיפים קול או טקסט: ניתן להעלות הקלטת קול אמיתית או להזין טקסט שהמערכת תהפוך לדיבור טבעי. אפשר לבחור שפה, קול, מהירות ואינטונציה וליצור דיאלוג בין דמויות שונות.

3. ניהול דיאלוגים: בחלונית הטיימליין ניתן לגרור רצועות קול ולסדר את סדר הדיבור בין הדמויות. אפשר גם להוסיף שורות נוספות וליצור שיחה זורמת בין כמה קולות.

4. תצוגה מקדימה וייצוא: לחצו על Preview כדי לצפות בסצנה ולבדוק סנכרון. לאחר האישור בחרו Export והמערכת תייצר וידאו שמתאים באורכו לאודיו – בפורמט MP4 מוכן להורדה ושיתוף.

 

הערה: בגרסה החינמית של Dzine ניתן לבצע דיבוב של דמות אחת בלבד ולצפות בתצוגה מקדימה באיכות מוגבלת. אפשרות לדיבוב של כמה דמויות במקביל, ניהול דיאלוגים וייצוא באיכות גבוהה זמינות רק בגרסאות בתשלום.

 

אם אתם מעדיפים לראות את זה קורה בפועל – הסרטון הבא מדגים שלב-אחר-שלב איך משתמשים בכלי Lip-Sync של Dzine:

 

גרסה חינמית או בתשלום – מה ההבדל?

גרסה חינמית מאפשרת לנסות את רוב הכלים, אך עם מגבלות של קרדיטים ואיכות ייצוא. גרסאות בתשלום פותחות את הכלים המתקדמים (כמו Image-to-Video, Face Stylization, או Text-to-Video) ומאפשרות ייצוא באיכות גבוהה ולשימוש מסחרי. כדי להבין בדיוק מה תקבלו בכל גרסה – כנסו כאן:

 

חבילות ומחירים

חבילות ומחירים | dzine.ai

מה עוד כדאי לדעת על Dzine

עבודה עם כמה דמויות

Dzine מאפשרת סנכרון שפתיים של כמה דמויות באותה תמונה. לכל דמות ניתן להקצות קול, שפה וסגנון דיבור משלה, וליצור ביניהן דיאלוג טבעי שנשמע מציאותי. המערכת תומכת בעשרות שפות וכוללת קולות עם מבטאים, קצבים ואינטונציות שונות. דיבוב בעברית נתמך כאשר מעלים קובץ קול בעברית.

 

מעבר לדיבוב, Dzine מאפשרת לשנות דמות קיימת, להחליף רקע, או לכוונן תנוחות והבעות פנים. המערכת שומרת על אחידות של תאורה, זווית ומרקם, כך שהתוצאה נראית עקבית ואמינה. כך ניתן ליצור קומפוזיציות או קטעי וידאו עם כמה דמויות באינטראקציה שבהן הדמויות מגיבות ונעות בצורה טבעית – כמעט כמו בסרט אנימציה, רק בלי צורך באנימטור.

שילוב עם כלים חיצוניים מתקדמים

Dzine משתלבת עם מודלים חזקים במיוחד שמרחיבים את היכולות שלה:

  • Nano Banana – ליצירת או עריכת דמויות לפני שמייבאים אותן ל-Dzine.

  • VEO 3.1 – להוספת תנועה, מצלמה ורקע קולנועי לסצנה.

  •  SORA 2 – אינטגרציה ניסיונית ליצירת סרטוני וידאו ריאליסטיים במיוחד ולשילוב של דמויות מדברות בתוך וידאו חי.

השילוב בין הכלים האלה מאפשר לייצר תוך זמן קצר תוצרים שנראים מקצועיים מאוד גם ללא ידע קודם בהפקה או עריכה.

 

הנה שילוב של Veo 3.1 בתוך dzine:

 

 

והנה שילוב של Sora 2:

 

למי Dzine מתאימה?

היתרון הגדול של Dzine הוא הפשטות – היא מתאימה כמעט לכל מי שרוצה ליצור תוכן ויזואלי בלי ידע טכני או ציוד מקצועי.

למתחילים

מי שרוצים להתנסות בעולם הבינה המלאכותית ולראות איך תמונה אחת יכולה להפוך לסרטון מדבר בלי עקומת למידה.

ליוצרי תוכן ובלוגרים

מי שמחפשים דרך מהירה להפיק סרטונים, רילסים או הסברים מונפשים בלי להצטלם ובלי שעות עריכה.

למורים, מרצים ויועצים

מי שרוצים להפוך מצגות וטקסטים יבשים לסרטונים חיים שמושכים תשומת לב ומשפרים את חוויית הלמידה.

לעסקים קטנים

מי שצריכים סרטוני תדמית, הסברה או שירות לקוחות, ורוצים לעשות את זה בעצמם, בזמן קצר ובעלות נמוכה.

 

לסיכום, Dzine הופכת תהליך שהיה פעם מורכב ויקר – להפקת סרטון פשוט שכל אחד יכול ליצור בעצמו. במקום להשקיע אלפי שקלים בתוכנות ובצוותי עריכה, מספיק להעלות תמונה, להוסיף קול, ולקבל סרטון מדבר תוך דקות. הנגישות, הקצב והגמישות של המערכת הופכים אותה לפתרון מעשי במיוחד לכל מי שרוצה להפיק תוכן ויזואלי בלי ידע טכני או תקציב גבוה. בין אם אתם יוצרי תוכן, מורים או בעלי עסק קטן – Dzine נותנת לכם דרך פשוטה להתחיל להשתמש בבינה מלאכותית בצורה יישומית, ולהפוך רעיון לתמונה מדברת, מצגת חיה או סרטון שמספר סיפור.

הפוסט איך להפוך תמונה לסרטון מדבר תוך דקות – המדריך המעשי ל-dzine הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/create-with-dzine/feed/ 0
שדרוגים ב-NotebookLM הופכים אותו לחכם מאיי פעם https://letsai.co.il/notebooklm-google-upgrade/ https://letsai.co.il/notebooklm-google-upgrade/#comments Sat, 01 Nov 2025 15:06:29 +0000 https://letsai.co.il/?p=63044 נוטבוק (NotebookLM) של גוגל עובר מהפך שקט אך עמוק, כזה שממקם אותו מחדש כאחד מכלי המחקר החכמים ביותר של התקופה. אחרי תקופה ארוכה של בדיקות, גוגל הכריזה על שורה של שדרוגים דרמטיים למערכת – מהרחבת חלון ההקשר ועד התאמה אישית של סגנון השיחה. אם בעבר היה מדובר במחברת חכמה עם בינה מלאכותית, כעת הוא מתפקד […]

הפוסט שדרוגים ב-NotebookLM הופכים אותו לחכם מאיי פעם הופיע ראשון בLet's AI בינה מלאכותית

]]>
נוטבוק (NotebookLM) של גוגל עובר מהפך שקט אך עמוק, כזה שממקם אותו מחדש כאחד מכלי המחקר החכמים ביותר של התקופה. אחרי תקופה ארוכה של בדיקות, גוגל הכריזה על שורה של שדרוגים דרמטיים למערכת – מהרחבת חלון ההקשר ועד התאמה אישית של סגנון השיחה. אם בעבר היה מדובר במחברת חכמה עם בינה מלאכותית, כעת הוא מתפקד כשותף מחקר אמיתי, שמבין הקשרים, זוכר שיחות ומתאים את עצמו למטרות המשתמש.

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

שיחות עומק במקום תשובות שטחיות

למי ש(עדיין) לא מכיר – NotebookLM הוא כלי עבודה מבוסס AI מבית גוגל, שעוזר לכם לנתח מסמכים בקונטקסט גדול (מסמכים מאוד ארוכים), לבצע מחקר חכם, ולהנגיש מידע בצורה “קלה לעיכול”: הפיכת טקסטים לפודקאסטים (אפילו בעברית), למצגות וידאו, לתרשימי זרימה ואפילו לכרטיסיות למידה

 

באמת כלי מדהים! אבל השדרוג החדש הוא בעיקר שדרוג טכנולוגי: נוטבוק, שמתבסס על מודלי ג’מיני (Gemini) החדשים של גוגל, פועל כעת עם חלון הקשר עצום של מיליון טוקנים – פי 8 מהגרסה הקודמת. המשמעות היא שהמערכת יכולה לעבד ולנתח מאגרי מידע ומסמכים רחבים בהרבה, ולשמור על הבנה עקבית לאורך זמן. במקביל, יכולת הזיכרון שודרגה פי שישה, כך ששיחות ממושכות אינן דורשות עוד חזרה מתמדת על מה שנאמר קודם.

 

לפי גוגל, השיפורים האלה כבר הובילו לקפיצה של 50% בשביעות הרצון של המשתמשים, בעיקר בזכות היכולת של הכלי לספק תשובות עשירות יותר, שמבוססות על מגוון רחב יותר של מקורות מידע. השיחות הפכו טבעיות יותר, עם רצף הגיוני והבנה הקשרית שנשמרת לאורך זמן.

 

כלי שחושב יחד איתכם

גוגל גם עדכנה את הדרך שבה נוטבוק מנתח מקורות. במקום להסתפק בתשובה ישירה לשאלה, המערכת “חושבת” בכמה מישורים במקביל: היא מזהה הקשרים, מחברת בין חלקים שונים במידע ומציגה תשובה סינתטית אחת, המבוססת על התמונה הרחבה.

 

חיפוש, שליפה והבנה טובים יותר

חיפוש, שליפה והבנה טובים יותר | קרדיט: Google

 

כך, היא מסוגלת לחשוף חיבורים שאינם מובנים מאליהם בין מסמכים, נתונים ותובנות – יתרון מובהק במחקר אקדמי, בניתוח עסקי או בכל פרויקט מבוסס מידע. בנוסף, גוגל הוסיפה אפשרות לשמור היסטוריית שיחות באופן אוטומטי – פיצ’ר קריטי למי שעובד על פרויקטים מתמשכים.

 

כמו כן, ניתן לסגור ולחזור לאותה שיחה מאוחר יותר בלי לאבד דבר, והמידע נותר פרטי גם במחברות משותפות.

 

שיחות עם מטרה והתאמה אישית

השדרוג החדש ביותר, ואולי המעניין ביותר, הוא האפשרות להגדיר “מטרות שיחה” (Chat Goals). כל משתמש יכול לקבוע איך נוטבוק יתנהג ואיזו זהות לאמץ במהלך השיחה.

 

התאמה אישית של מטרות השיחה

התאמה אישית של מטרות השיחה | קרדיט: Google

 

אפשר לבקש ממנו “להיות יועץ אסטרטגי שיווקי”, “לפעול כחוקר ביקורתי” או אפילו “לנהל סימולציה כמאסטר משחק תפקידים”.

 

מדובר בכלי התאמה אישית שמעניק למשתמש שליטה כמעט מלאה על אופי האינטראקציה עם ה-AI – מתשובות אקדמיות קפדניות ועד יצירתיות ונרטיביות.

 

נוטבוק כמלווה מחקר אמיתי

אם נוטבוק היה עד כה כלי עזר, הרי שכעת הוא הופך לשותף אינטלקטואלי – אחד שמסוגל להבין הקשר, לשמור על רצף מחשבתי ולהתאים את סגנון הדיאלוג לצרכים המשתנים של המשתמש.

 

NotebookLM משתדרג

NotebookLM משתדרג | קרדיט: Google.

 

השילוב בין הכוח האדיר של מודלי ג’מיניי של גוגל, זיכרון ארוך טווח, עיבוד הקשר מתקדם והתאמה אישית של פרסונה הופכים אותו לא רק לכלי עיבוד מידע, אלא לפלטפורמה של ממש לחשיבה ויצירה משותפת.

 

השדרוגים האלה ממחישים את הכיוון שבו מתקדמת גוגל בתחום הבינה המלאכותית: פחות “מענה לשאלה”, ויותר “הבנה של מחשבה”. בתקופה שבה כמות המידע רק הולכת וגדלה, כלים כמו NotebookLM הם הניסיון להפוך את הבינה המלאכותית ממנוע חיפוש, לשותף שמבין באמת.

הפוסט שדרוגים ב-NotebookLM הופכים אותו לחכם מאיי פעם הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/notebooklm-google-upgrade/feed/ 1
PayPal ו-OpenAI משלבות כוחות https://letsai.co.il/paypal-openai-partnership/ https://letsai.co.il/paypal-openai-partnership/#respond Fri, 31 Oct 2025 09:52:27 +0000 https://letsai.co.il/?p=63011 ב-28 באוקטובר 2025 הודיעו PayPal ו-OpenAI על שותפות שתאפשר לקנות מוצרים ישירות דרך ChatGPT. המשמעות היא שמאות מיליוני משתמשים יוכלו להשלים רכישות תוך כדי שיחה, ומיליוני סוחרים של PayPal יוכלו למכור בפלטפורמה בלי לכתוב שורת קוד. מניית PayPal זינקה ב-10% עם פרסום ההודעה, תגובה שמיוחסת גם לתוצאות רבעוניות חזקות במיוחד.     איך זה יעבוד […]

הפוסט PayPal ו-OpenAI משלבות כוחות הופיע ראשון בLet's AI בינה מלאכותית

]]>
ב-28 באוקטובר 2025 הודיעו PayPal ו-OpenAI על שותפות שתאפשר לקנות מוצרים ישירות דרך ChatGPT. המשמעות היא שמאות מיליוני משתמשים יוכלו להשלים רכישות תוך כדי שיחה, ומיליוני סוחרים של PayPal יוכלו למכור בפלטפורמה בלי לכתוב שורת קוד. מניית PayPal זינקה ב-10% עם פרסום ההודעה, תגובה שמיוחסת גם לתוצאות רבעוניות חזקות במיוחד.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

איך זה יעבוד בפועל

החל מ-2026, משתמש שישאל את ChatGPT “נעלי ריצה מתחת ל-100 דולר” יקבל רשימת מוצרים רלוונטיים. אם המוצר תומך ב-Instant Checkout, יופיע כפתור “Buy with PayPal”. לחיצה אחת, אישור משלוח ותשלום – והקנייה הושלמה. לא צריך חשבון PayPal כדי לקנות. לצד האפשרות לשלם דרך הארנק הדיגיטלי, תוצע גם אופציית “Pay Another Way” לתשלום בכרטיס אשראי או חיוב ישיר. PayPal תעבד את כל העסקאות, כולל אלו של משתמשים שאינם רשומים לשירות.

 

החברה תספק את כל שכבות ההגנה – אבטחה, מעקב משלוחים ופתרון מחלוקות – בדיוק כפי שהיא עושה במסחר המסורתי. עבור הסוחרים, התהליך פשוט לא פחות – מי שכבר משתמש ב-PayPal יזכה לחשיפה אוטומטית ב-ChatGPT, בלי צורך באינטגרציה נפרדת. PayPal מטפלת בכל תהליך הניתוב והאימות מאחורי הקלעים.

הטכנולוגיה שמאפשרת את זה

מאחורי השותפות עומד Agentic Commerce Protocol (ACP) – תקן פתוח שפיתחו OpenAI ו-Stripe. הוא מאפשר לסוכני AI, עסקים וספקי תשלומים לתקשר באופן מאובטח ולבצע עסקאות בזמן אמת.

 

הייחוד של ACP הוא בכך שהוא לא רק מאבטח תשלומים. לפי OpenAI, הפרוטוקול הופך את PayPal למערכת דינמית לניהול מסחר: מעקב אחר התנהגות קונים, ניתוח הזדמנויות מכירה ואוטומציה של חוויית הלקוח. במילים פשוטות, זו תשתית שמחברת בין תשלום, תובנות ופעולה.

 

היתרון המרכזי לסוחרים הוא שליטה מלאה. הם שומרים על הקשר עם הלקוחות, ניהול התשלומים והשירות, בעוד ChatGPT פועל כסוכן מתווך שמקשר בין הצדדים. זו לא חנות חדשה, אלא ממשק שיחה חכם שמאפשר למסחר הקיים להפוך אינטראקטיבי.

החוסן הפיננסי שמאחורי השותפות

בסוף אוקטובר פרסמה PayPal תוצאות רבעון שלישי חזקות עם הכנסות של 8.4 מיליארד דולר (עלייה של 7%) ורווח נקי של 1.24 מיליארד דולר (עלייה של 24%), עם רווח מתואם של 1.34 דולר למניה – מעל התחזיות ב-12%. החברה העלתה את תחזית הרווח השנתית ל- 5.35 עד 5.39 דולר למניה, צעד שמבטא ביטחון בצמיחה. לראשונה בתולדותיה, הכריזה על דיבידנד רבעוני של 14 סנט למניה – סימן ברור ליציבות פיננסית ולתזרים מזומנים חזק.

 

נפח העסקאות (TPV) צמח ב-8% ל-458 מיליארד דולר, שירות “Buy Now Pay Later” צמח ביותר מ-20%, ו-Venmo (אפליקציית התשלומים החברתית שבבעלות PayPal) המשיכה להתרחב בקצב מהיר. מניית החברה כבר עלתה בכ-40% מהשפל באפריל, והשותפות עם OpenAI הוסיפה לה תנופה משמעותית, לצד שיתופי פעולה חדשים עם Google ו-Perplexity שמחזקים את נוכחותה בעולם המסחר מבוסס AI.

OpenAI דוהרת לעולם המסחר

PayPal היא לא השותפה הראשונה של OpenAI בתחום המסחר. מאז שהשיקה בספטמבר 2025 את Instant Checkout, יצרה OpenAI שיתופי פעולה עם Shopify ו-Etsy שמייצגות יחד יותר ממיליון סוחרים, ועם Walmart, שהקדימה את PayPal בשבועיים בלבד.

 

ChatGPT עצמה הפכה לפלטפורמה מסחרית בקנה מידה עצום. היא מעבדת מעל שישה מיליארד טוקנים בדקה, משרתת כ-800 מיליון משתמשים שבועיים, ומושכת כ-4 מיליון מפתחים שבונים עליה מוצרים ושירותים. מדובר בהכפלה של קהל המשתמשים מאז תחילת השנה – קצב צמיחה שמסביר למה מותגים גדולים ממהרים להצטרף.

 

אלכס כריס, מנכ”ל PayPal, סיכם זאת כך: “יש לנו מאות מיליוני משתמשים נאמנים שיכולים מעכשיו ללחוץ על כפתור ‘Buy with PayPal’ ב-ChatGPT ולקבל חוויית תשלום בטוחה, פשוטה ומיידית”.

מסחר אייג’נטי – מה זה בכלל?

“מסחר אייג’נטי” מתאר שלב חדש שבו סוכני AI כבר לא רק מגיבים לשאלות, אלא פועלים ביוזמתם – לומדים את ההעדפות של המשתמש, מזהים דפוסים ומתכננים צרכים עתידיים. במילים אחרות, הקנייה הופכת מתהליך שמנוהל על ידי הצרכן, לתהליך שהטכנולוגיה מנהלת בשבילו.

 

לפי McKinsey, מסחר מבוסס שיחה ו-AI צפוי להגיע לכ-20% מהמסחר האלקטרוני העולמי עד 2030. דאג מקמילון, מנכ”ל Walmart, תיאר זאת כך: “במשך שנים רבות חוויית הקנייה המקוונת נשענה על שורת חיפוש ורשימה אינסופית של מוצרים. זה עומד להשתנות.”

 

אלכס כריס, המנכ”ל של PayPal, הוסיף ממד מעשי: “מאות מיליוני אנשים משתמשים ב-ChatGPT מדי שבוע לעזרה במשימות יומיומיות, כולל מציאת מוצרים, ויותר מ-400 מיליון משתמשים ב-PayPal לקניות. השותפות עם OpenAI מאפשרת מעבר טבעי מצ’אט לתשלום בכמה לחיצות בלבד.”

PayPal מאמצת את ה-AI של OpenAI 

השותפות עם OpenAI חורגת מעבר לעולם התשלומים. PayPal מאמצת את הטכנולוגיה של OpenAI גם בתוך הארגון עצמו. מעל 24 אלף מעובדיה קיבלו גישה ל-ChatGPT Enterprise, המהנדסים משתמשים ב-Codex לייעול פיתוח קוד, וה-API של OpenAI שולב במוצרים ובשירותים של החברה. המהלך הוא חלק מאסטרטגיית ה-AI הרחבה של PayPal – לשפר תהליכי פיתוח, להעצים עובדים, וליצור חוויות לקוח מתקדמות יותר.

מי מרוויח מהמסחר החדש?

עבור הצרכנים, האפשרות לקנות ישירות מתוך ChatGPT מוסיפה שכבה של נוחות – חיפוש, המלצה ורכישה באותו חלון. זה מתאים במיוחד לרכישות מהירות של מוצרים כמו נעליים, אביזרים, או מוצרי בית, כאלה שלא דורשות השוואה מעמיקה בין אתרים.

 

עבור הסוחרים, היתרון ברור – מי שכבר משתמש ב-PayPal זוכה לנוכחות אוטומטית ב-ChatGPT, בלי עלויות אינטגרציה או תפעול. הקטגוריות הראשונות שייפתחו כוללות אופנה, יופי, שיפורי בית ואלקטרוניקה.

 

ההשקה צפויה להתחיל במהלך 2026 בארצות הברית ולהתרחב בהמשך לשווקים נוספים. בשלב זה אין מועד מדויק להשקה גלובלית.

 

 

נקודת מפנה או עוד שלב באבולוציית הקנייה?

השותפות בין PayPal ל-OpenAI עשויה לשנות את הדרך שבה אנחנו מבצעים רכישות אונליין. במקום לעבור בין אתרים, להשוות ולמלא טפסים, כל התהליך מתכנס לשיחה אחת עם ChatGPT – חוויה ישירה, פשוטה ומהירה יותר מכל מנוע חיפוש מסורתי. אבל היעילות הזו מגיעה עם מחיר חדש: אמון.

 

כשבינה מלאכותית מציגה לנו מוצרים, איך נדע אם זו באמת ההמלצה הטובה ביותר או תוצאה של אינטרס מסחרי? נכון לעכשיו, OpenAI לא מפרטת כיצד ChatGPT מדרגת או מסננת מוצרים, והפער הזה בין שקיפות לנוחות הוא לב הדיון.

 

PayPal מצידה בונה לעצמה מעמד מרכזי בעידן המסחר האייג’נטי. השיתופים עם Google ו-Perplexity מצביעים על אסטרטגיה רחבה, שבה התשלום הופך לחלק בלתי נראה מתהליך הקנייה, כמו שכבה סמויה בתוך השיחה. אם התחזיות יתממשו והמסחר השיחתי יגיע ל-20% מהיקף המסחר העולמי עד 2030, השותפות הזו עשויה להיזכר כרגע שבו השיחה הפכה לפעולה, והגבול בין דיאלוג למסחר נעלם כמעט לגמרי.

הפוסט PayPal ו-OpenAI משלבות כוחות הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/paypal-openai-partnership/feed/ 0
האם ה-GPT שלכם באמת משקר לכם או שזה פשוט עניין של איך אתם מדברים איתו? https://letsai.co.il/gpt-communication-challenges/ https://letsai.co.il/gpt-communication-challenges/#respond Fri, 31 Oct 2025 06:49:03 +0000 https://letsai.co.il/?p=62987 פתחתם את ה-ChatGPT, ניסחתם שאלה מדויקת וקיבלתם תשובה שנשמעה מבריקה, רק שהיא לא הייתה נכונה. לרגע זה מרגיש כאילו הבינה המלאכותית, אותה ישות חכמה שאנחנו סומכים עליה כל כך, פשוט לא אמינה. האם היא משקרת לנו? או שאולי אנחנו פשוט לא יודעים איך לדבר איתה נכון? האמת רחוקה ממזימה דיגיטלית או כוונה נסתרת. ה-GPT לא […]

הפוסט האם ה-GPT שלכם באמת משקר לכם או שזה פשוט עניין של איך אתם מדברים איתו? הופיע ראשון בLet's AI בינה מלאכותית

]]>
פתחתם את ה-ChatGPT, ניסחתם שאלה מדויקת וקיבלתם תשובה שנשמעה מבריקה, רק שהיא לא הייתה נכונה. לרגע זה מרגיש כאילו הבינה המלאכותית, אותה ישות חכמה שאנחנו סומכים עליה כל כך, פשוט לא אמינה. האם היא משקרת לנו? או שאולי אנחנו פשוט לא יודעים איך לדבר איתה נכון? האמת רחוקה ממזימה דיגיטלית או כוונה נסתרת. ה-GPT לא משקר, והוא גם לא אומר אמת. הוא מפרש. הוא מגיב למה שאנחנו כותבים לו על פי דפוסים לשוניים שלמד ממיליארדי טקסטים. במילים אחרות, הוא לא באמת “מבין” אותנו, אלא מחשב סבירות למה שנשמע הגיוני. אם נלמד להבין את ההיגיון הזה, נוכל לשפר את הדרך שבה אנחנו מתקשרים איתו ולקבל תוצאות מדויקות, יצירתיות והרבה יותר אנושיות.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

למה זה חשוב דווקא עכשיו

בשנה האחרונה הפכה הבינה המלאכותית מכלי ניסיוני למנוע עבודה משמעותי כמעט בכל תחום: כתיבה, עיצוב, שיווק, מחקר ואפילו רפואה. אבל יחד עם השימוש הנרחב נוצר פער אמון. אנחנו מצפים לתשובות מושלמות ושוכחים שהמערכת הזו לא באמת מבינה אותנו. היא רק מחשבת סבירות. כדי לעבוד איתה נכון, עלינו לשנות את נקודת המבט: לא לראות בינה מלאכותית כישות עליונה, אלא כשותפה לשיחה. וכמו בכל מערכת יחסים טובה – הכול מתחיל בתקשורת.

ה-AI לא משקר, הוא פשוט מפרש

ה-GPT לא חושב, לא מרגיש ולא מתכוון. אין לו מוסר, אג’נדה או אמת פנימית. מה שהוא כן עושה, זה לנבא את המילים הבאות בהתאם למיליארדי דפוסי שפה שלמד. כשאנחנו שואלים שאלה, הוא לא חושב על התשובה הנכונה אלא משלים את המשפט בצורה הסטטיסטית הסבירה ביותר.

 

כאן קורה לעיתים הבלבול. הוא נשמע סמכותי, הוא כותב יפה, אבל הוא לא באמת יודע. כשאין לו מידע ברור או כשההקשר חלקי, הוא מנחש ומשלים את הפערים הלשוניים כדי לייצר רצף שנשמע אמין. וזה מה שאנחנו קוראים לו “הזיות” לא כוונה לשקר, אלא תוצאה של תקשורת חלקית מול מודל שפה שאומן לייצר טקסט זורם.

 

איך לדבר נכון עם הבינה המלאכותית

כמו בהזמנת פיצה הכול תלוי בדיוק. אם נגיד “תביא משהו טעים”, נקבל תוצאה אקראית. אבל כשאנחנו מגדירים מה בדיוק אנחנו רוצים הטעם, המרקם, התוספות נקבל בדיוק את מה שדמיינו. כך גם עם GPT: ככל שנדייק את ההנחיה, כך התוצאה תהיה מדויקת, חכמה ואישית יותר. הבעיה היא לא שהוא לא מבין אותנו, אלא שאנחנו לא תמיד מדברים איתו ברור מספיק.

 

מגבלת הזיכרון (Context Window)

ה-GPT לא מחזיק בזיכרון אינסופי. הוא עובד בטווח הקשר מוגבל, כלומר מתייחס רק לחלק מהשיחה האחרונה. כששיחה מתארכת, הוא נוטה לשכוח פרטים קודמים לא מתוך רשלנות, אלא כי הוא מתעדף מידע חדש ורלוונטי במסגרת הזיכרון שלו. אם רוצים לשמור על דיוק, כדאי לסכם מדי פעם את עיקרי הדברים או לעבוד בתוך מרחב פרויקט ייעודי שבו נשמר ההקשר הרחב של הנושא. כך התקשורת נעשית עקבית, חכמה וברורה יותר.

 

חמישה כלים שיעזרו לכם לדבר טוב יותר עם LLMs

1) GPT מותאם אישית

בנו גרסה משלכם של GPT שתכיר את סגנון השפה, תחומי העניין וההעדפות שלכם. זה מאפשר תשובות עקביות ומדויקות יותר לאורך זמן, במיוחד כשהיא מחוברת למידע קבוע ומוגדר מראש.

 

2) Agents (סוכנים חכמים)

סוכנים הם שכבת בינה מעל המודל הבסיסי, שנשארת מחוברת למידע ולפרויקטים שלכם. לכל Agent יש זיכרון פנימי ויכולת לעקוב אחר מטרות, החלטות ותוצרים לאורך זמן ממש כמו עוזר אישי חכם שמנהל תחום מסוים עבורכם. בתוך ChatGPT תוכלו להפעיל את מצב הסוכן ולתת לו משימות מורכבות וארוכות – הוא יבצע אותן בצורה אוטונומית, וכשצריך לבקש רשות לבצע פעולות רגישות (אתרים עם הרשמה או סיסמה למשל), הוא יעצור ויבקש את רשותכם.

 

3) מרחבי פרויקט (Project Spaces)

כל פרויקט הוא סביבת עבודה נפרדת עם זיכרון וקונטקסט ייחודי משלו. הוא מתפקד כמו “בוט עצמאי”, ששומר על כל ההיסטוריה, השפה והעדפות העבודה באותו נושא. כך המודל לא מתחיל כל פעם מחדש, אלא ממשיך לפעול מתוך הבנה מתפתחת של הפרויקט והצוות שעובד עליו.

 

49 סיכום תקופתי

אחת לכמה שלבים עצרו, וסכמו בקצרה את מה שנאמר עד כה. זה מחזק את ההקשר ואת הדיוק של השיחה הבאה, במיוחד בפרויקטים ארוכים או שיתופיים.

 

5) ניסוח מדויק וברור

אל תשאירו מקום לפרשנות. כתבו בקשות בצורה ישירה, עם מטרה, טון וקהל יעד. ניסוח מדויק הוא הדלק של הבינה המלאכותית וככל שהוא חד יותר, כך גם התוצאה.

 

ההבדלים בין המודלים: כל אחד והמומחיות שלו

  • ChatGPT (OpenAI) – רב-תכליתי וגמיש, מצטיין בכתיבה, אסטרטגיה ותוכן יצירתי.

    Gemini (Google) – מתמקד באינטגרציה בין מקורות מידע ובשימוש בכלים חיצוניים.

    Claude (Anthropic) – ידוע בשיחות טבעיות ובטון אנושי ורגיש.

    Perplexity – משלב בין חיפוש אינטראקטיבי למענה מבוסס ידע בזמן אמת.

    Copilot (Microsoft) – מותאם לעולם הקוד והפיתוח, ויודע להשתלב בכלי עבודה מקצועיים.

כולם מבוססים על אותו רעיון: הם מגיבים לדרך שבה אנחנו מתקשרים איתם.

 

אחריות אנושית: לסמוך אבל לבדוק

כאשר ה-GPT ממציא עובדות, הוא לא עושה זאת בכוונה הוא פשוט מנסה למלא חלל במידע. התשובה שלו נשמעת אמינה ולכן אנחנו נוטים להאמין לה. אבל האחריות האמיתית היא שלנו לבדוק, לוודא ולשמור על חשיבה ביקורתית. ה-AI הוא כלי עוצמתי, אבל הוא עדיין כלי. והערך האנושי האמיתי הוא לדעת מתי להשתמש בו ומתי לא.

 

לדבר בינה מלאכותית זו שפה חדשה

בינה מלאכותית לא נועדה להחליף אותנו, אלא להעצים אותנו. היא לא באה לחשוב במקומנו, אלא לעזור לנו לחשוב טוב יותר, לדייק וליצור בקצב ובאיכות שלא הכרנו קודם. ככל שנלמד להשתמש בה נכון, כך נגלה שהיא לא איום אלא כלי אדיר שמאפשר לנו לגדול, להתרחב ולהיות אנושיים יותר דווקא בעולם טכנולוגי. AI הוא לא מחליף לאדם. הוא השותף החדש שלנו ליצירה, להבנה ולחדשנות.

הפוסט האם ה-GPT שלכם באמת משקר לכם או שזה פשוט עניין של איך אתם מדברים איתו? הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/gpt-communication-challenges/feed/ 0
OpenAI מציגה את “Company Knowledge” https://letsai.co.il/openai-company-knowledge/ https://letsai.co.il/openai-company-knowledge/#comments Wed, 29 Oct 2025 10:54:24 +0000 https://letsai.co.il/?p=62953 OpenAI משיקה תכונה חדשה ב-ChatGPT למנויי Business, Enterprise ו-Edu, שמטרתה להפוך את הבינה המלאכותית למרכז ידע ארגוני אמיתי. הפיצ’ר החדש, שנקרא Company Knowledge, נועד לגשר על הפער בין עולם השאלות הכלליות שבו מצטיין ChatGPT לבין המציאות הארגונית שבה המידע הדרוש לעבודה מפוזר בין כלים שונים – ממיילים וערוצי Slack ועד קבצי Google Drive, SharePoint או […]

הפוסט OpenAI מציגה את “Company Knowledge” הופיע ראשון בLet's AI בינה מלאכותית

]]>
OpenAI משיקה תכונה חדשה ב-ChatGPT למנויי Business, Enterprise ו-Edu, שמטרתה להפוך את הבינה המלאכותית למרכז ידע ארגוני אמיתי. הפיצ’ר החדש, שנקרא Company Knowledge, נועד לגשר על הפער בין עולם השאלות הכלליות שבו מצטיין ChatGPT לבין המציאות הארגונית שבה המידע הדרוש לעבודה מפוזר בין כלים שונים – ממיילים וערוצי Slack ועד קבצי Google Drive, SharePoint או GitHub.

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

ידע ארגוני במקום תשובות גנריות

ב-OpenAI יודעים שברוב הארגונים המידע החשוב נמצא מפוזר בין עשרות פלטפורמות שונות: מסמכים, הודעות, טיקטים, מיילים ודוחות. התוצאה היא שהעובדים מבזבזים זמן על חיפוש במקום על החלטה וביצוע. Company Knowledge נועדה לפתור את זה.

 

באמצעות חיבור מאובטח בין ChatGPT לבין הכלים הארגוניים, המערכת יכולה לאסוף הקשר בזמן אמת ולספק תשובות מותאמות אישית. לדוגמה, לקראת שיחת לקוח, ChatGPT יכול ליצור תקציר שמבוסס על הודעות אחרונות בערוץ הלקוח ב-Slack, על מיילים קודמים, על סיכומי שיחות קודמות ב-Google Docs ועל פניות שירות פתוחות במערכת התמיכה.

 

הגרסה החדשה של GPT-5 שעליה מתבססת התכונה יודעת לעבד מידע ממקורות מרובים במקביל ולספק תשובות מדויקות יותר. כל תשובה מלווה בציטוטים ובקישורים ישירים למקורות, כך שמשתמשים יכולים לבדוק את אמינות המידע ולגשת למסמכים הרלוונטיים בלחיצה אחת.

איך זה עובד

כשפותחים שיחה חדשה ניתן להפעיל את האפשרות “Company Knowledge” בלחיצה אחת. בשימוש הראשון המשתמש מתבקש לחבר את האפליקציות הארגוניות שלו – Gmail, Slack, SharePoint, Google Drive, GitHub, HubSpot ואחרות. מרגע זה, ChatGPT יכול לאתר הקשרים רלוונטיים בכלים הללו ולשלב אותם בתשובה.

 

מסך חיבור יישומים ארגוניים דרך Company Knowledge

OpenAI | מסך חיבור יישומים ארגוניים דרך Company Knowledge

 

בצד המסך מופיעה תיבת מעקב שמציגה בזמן אמת אילו מקורות נבדקים, מאילו קבצים נשלפים נתונים, ואילו חלקים שימשו בפועל לגיבוש התשובה. כל ציטוט ניתן לפתיחה ישירה למקורו. OpenAI מדגישה כי ChatGPT אינו ניגש למידע שמעבר להרשאות הקיימות של המשתמש, כך שכל אחד רואה רק את מה שהוא ממילא מורשה לראות.

 

ChatGPT מציג את המקורות מהם נשלף המידע

ChatGPT מציג את המקורות מהם נשלף המידע | OpenAI

כלי לניתוח, לא רק לשאלות

אחת היכולות המעניינות ביותר של Company Knowledge היא ניתוח מידע מורכב או סותר. המערכת מסוגלת להריץ כמה חיפושים במקביל כדי ליישב אי-בהירויות ולספק תמונה מאוזנת. לדוגמה, אם נשאלת השאלה “מה הוחלט לגבי יעדי החברה לשנה הבאה?”, ChatGPT יסכם את הדיונים הקיימים, יציין נקודות מחלוקת ויעזור להבין היכן נדרש קבלת החלטה.

 

באופן דומה, בשאילתות אנליטיות כמו “סכם את משוב הלקוחות מהשקת האפליקציה הניידת”, ChatGPT משלב נתונים ממספר מקורות: פניות תמיכה, סקרים, הודעות בערוצי משתמשים וציטוטים מלקוחות. התוצאה היא תמונה עשירה יותר שמאפשרת קבלת החלטות מבוססת יותר.

 

בנוסף, הכלי תומך בסינון לפי זמן, כך שניתן לבקש ממנו דו”ח עדכני (“עדכן אותי על ביצועי החברה השבוע”) או רטרוספקטיבה (“מה קרה ברבעון הראשון”). הוא מדרג את המקורות לפי עדכניות ואיכות כדי להבטיח תשובה אמינה ורלוונטית.

פרטיות ובקרה

בצד ההתקדמות הזו, OpenAI מנסה להרגיע חששות לגיטימיים סביב פרטיות מידע עסקי. החברה מדגישה כי הנתונים לא משמשים לאימון מודלים, וכי כל המידע מוצפן בהתאם לסטנדרטים תעשייתיים. מנהלי מערכות בארגונים מקבלים שליטה מלאה על גישת המשתמשים – ניתן להגדיר הרשאות לפי צוותים, לאפשר או להגביל חיבור לאפליקציות מסוימות, ולנהל לוגים של פעילות דרך ממשק ה-Enterprise Compliance API.

 

בנוסף, תמיכה ב-SSO (כניסה אחידה), ב-SCIM (ניהול זהויות), וב-IP Allowlisting מאפשרת לארגונים לוודא שרק גישה מורשית תתאפשר.

 

OpenAI מציגה זאת כחלק מהתפיסה ש-ChatGPT הוא כלי עבודה ארגוני “בוגר”, העומד בדרישות אבטחת מידע ורגולציה של חברות גדולות ומוסדות חינוך.

דוגמאות שימוש

לדברי OpenAI, התכונה החדשה משנה את האופן שבו עובדים משתמשים בבינה מלאכותית ביום-יום. במקום להסתפק בשאלות פשוטות, ChatGPT הופך לכלי שמבין את ההקשר העסקי ומסייע בקבלת החלטות.

בין השימושים הבולטים שהתכונה מאפשרת:

  • הפקת דוחות ביצוע חכמים: ChatGPT יכול לאסוף נתונים ממספר מקורות וליצור סיכום ביצועים עדכני של קמפיינים שיווקיים.

  • סינתזה של משוב לקוחות: הכלי מסוגל לרכז תגובות ונתוני סקרים, לזהות מגמות חוזרות ולהציע תובנות שיכולות להזין את מסמכי האסטרטגיה של החברה.

  • תכנון גרסאות מוצר: ChatGPT יכול לסרוק משימות פתוחות ב-GitHub, לזהות באגים שדווחו ב-Slack, ולהציג תמונת מצב כוללת לצוות הפיתוח כדי להאיץ את תהליך ההשקה.

במילים אחרות, ChatGPT כבר לא עונה רק על שאלות טכניות כמו “איך מגישים דו”ח הוצאות”, אלא מתפקד כעוזר עבודה אמיתי שמבין את ההקשר העסקי ופועל מתוך התמונה הכוללת של הארגון.

 

דוגמה לסינתוז משוב לקוחות ליצירת מסמכי אסטרטגיה

OpenAI | דוגמה לסינתזה של משוב לקוחות ליצירת מסמכי אסטרטגיה

מה צפוי בהמשך

בשלב זה, Company Knowledge מופעל רק כאשר בוחרים בו במפורש בתחילת שיחה. במצב רגיל, ChatGPT עדיין עשוי להשתמש באפליקציות המחוברות, אך ללא עומק הציטוטים והאינטגרציה המלאה. כאשר האפשרות פעילה, ChatGPT אינו יכול לחפש ברשת או ליצור תמונות וגרפים, אך ניתן לכבות אותה ולהמשיך באותה שיחה כדי להחזיר את היכולות הללו.

 

OpenAI מציינת כי בעתיד הקרוב היא מתכננת לאחד את היכולות, כך ש-ChatGPT יוכל לשלב את הידע הארגוני עם החיפוש באינטרנט, עם הפקת גרפים ותוכן ויזואלי, ולספק תשובות מקיפות יותר.

 

 

לסיכום, “Company Knowledge” הוא צעד נוסף בכיוון שבו OpenAI הופכת את ChatGPT מפלטפורמת שיחה כללית לכלי עבודה ארגוני אינטגרטיבי. אם בעבר הדגש היה על כתיבה, תרגום או סיעור מוחות, כעת המוקד עובר ליישומים עסקיים עמוקים יותר, כאלה שחוסכים זמן, מרכזים ידע ומגבירים אמינות.

 

אך השינוי המשמעותי אינו רק טכנולוגי. הוא מעלה שאלות רחבות יותר על עתיד ניהול הידע בארגונים: האם המידע הארגוני יישאר בשליטת המשתמשים, או שיימסר לידי מערכות חכמות שמתווכות ביניהם? ואיך מאזנים בין נוחות העבודה לבין שמירה על פרטיות ורגולציה? OpenAI מנסה לספק תשובה ברורה – שליטה, פרטיות ושקיפות יהיו חלק בלתי נפרד מהבינה המלאכותית הארגונית של העתיד.

הפוסט OpenAI מציגה את “Company Knowledge” הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/openai-company-knowledge/feed/ 1
סם אלטמן מול אילון מאסק בקרב על חיבור בין האדם, המוח והידע https://letsai.co.il/altman-vs-musk/ https://letsai.co.il/altman-vs-musk/#respond Tue, 28 Oct 2025 08:42:15 +0000 https://letsai.co.il/?p=62780 בזמן שרוב העולם עדיין מתווכח על ההשפעה של מודלי שפה, תמונה או וידאו, שניים מהאנשים המשפיעים ביותר בעשור האחרון כבר נלחמים על השלב הבא – חיבור ישיר בין מוח האדם למכונה. סם אלטמן, מנכ”ל OpenAI, מקים את Merge Labs, מיזם שמנסה לאפשר תקשורת מוח-מחשב ללא ניתוחים פולשניים. אילון מאסק, לעומתו, מוביל את Neuralink, פרויקט שאפתני […]

הפוסט סם אלטמן מול אילון מאסק בקרב על חיבור בין האדם, המוח והידע הופיע ראשון בLet's AI בינה מלאכותית

]]>
בזמן שרוב העולם עדיין מתווכח על ההשפעה של מודלי שפה, תמונה או וידאו, שניים מהאנשים המשפיעים ביותר בעשור האחרון כבר נלחמים על השלב הבא – חיבור ישיר בין מוח האדם למכונה. סם אלטמן, מנכ”ל OpenAI, מקים את Merge Labs, מיזם שמנסה לאפשר תקשורת מוח-מחשב ללא ניתוחים פולשניים. אילון מאסק, לעומתו, מוביל את Neuralink, פרויקט שאפתני להשתלת שבבים במוח לצורך אינטגרציה מלאה עם בינה מלאכותית. ובזמן ששניהם נאבקים על השליטה בממשק שבין תודעה לטכנולוגיה, מאסק כבר פותח חזית נוספת עם Grokipedia – פלטפורמה שבה המכונה לא רק מעבדת מידע, אלא גם מחליטה מה נחשב לאמת. זה כבר לא מאבק טכנולוגי בלבד, אלא שאלה מי יגדיר את גבולות האנושיות בעידן שבו הגבול בין מוח, קוד וידע הולך ומיטשטש.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

יריבות ישנה בחזית חדשה

הסיפור מתחיל עוד בשנת 2015, כשמאסק ואלטמן ייסדו יחד את OpenAI מתוך רצון “להגן על האנושות מפני בינה מלאכותית לא מבוקרת”. אבל עד 2018 השותפות הזו התפרקה – מאסק פרש בעקבות מחלוקות על כיוון החברה, וטען ש-OpenAI מתקדמת לאט מדי. בשלב מסוים הוא אף הציע לרכוש את החברה, והתגובה שקיבל בציוץ קצר ועוקצני רק העמיקה את הקרע המתוקשר בין השניים.

 

מאז הפכה היריבות הזו לעימות פילוסופי של ממש. מאסק רואה בבינה המלאכותית שלב באבולוציה של האדם, ודרך Neuralink הוא מבקש “למזג” את המוח עם המכונה. אלטמן, לעומתו, מאמין באינטגרציה מבוקרת שבה האדם נותר במרכז, והטכנולוגיה רק מרחיבה את הגבולות שלו.

Merge Labs – המיזוג הרך

Merge Labs גייסה כ-250 מיליון דולר בשווי מוערך של 850 מיליון דולר, בעיקר מקרן ההשקעות של OpenAI. אלטמן הוא אחד המייסדים, לצד אלכס בלאניה, מנכ”ל Tools for Humanity (מאחורי פרויקט Worldcoin). החברה שואפת לאפשר תקשורת ישירה בין מחשבה למכונה, אבל ללא ניתוח או חדירה למוח.

 

הטכנולוגיה מבוססת על סונוגנטיקה, תחום שמשלב הנדסה גנטית ואולטרסאונד – הזרקת חומר גנטי גורמת לתאי מוח להיות רגישים לגלי קול, ומכשיר חיצוני מתרגם את הפעילות הנוירונית לאותות דיגיטליים. במילים פשוטות, לשלוח “הודעת טקסט למוח” בלי לפתוח את הגולגולת.

 

אלטמן תיאר בעבר את החזון שלו: “הייתי רוצה לחשוב משהו, ו-ChatGPT יגיב לזה”. לדבריו, מדובר בממשק “קריאה בלבד”, ולא שליטה הדדית. במונחים אנליטיים בלבד, ניתן לראות בגישת Merge Labs “מיזוג רך” – תקשורת מבוקרת ושקופה בין מוח לבינה, תוך שמירה על פרטיות ובקרה אנושית.

Neuralink – המיזוג הקשיח

Neuralink, שהוקמה על ידי מאסק ב-2016, מייצגת את הקצה השני של הספקטרום. החברה כבר ביצעה ניסויים ראשונים בבני אדם, אך נתקלה בקשיים. בניסוי הראשון דווח על נסיגת חוטים שהובילה לירידה משמעותית במספר האלקטרודות הפעילות. לפי דיווחים שהתבססו על מקורות פנימיים שנחשפו ב-Wall Street Journal וב-Ars Technica, רק כ-15% מהחוטים נותרו פעילים בשלב מסוים, אך Neuralink עצמה לא פרסמה נתון רשמי.

 

החברה ציינה כי בניתוחים הבאים היא תיישם אמצעי מיגון שימנעו את התופעה. למרות זאת, מאסק ממשיך לטעון שהשתלים הללו הם “הדרך היחידה להישאר רלוונטיים בעידן הבינה המלאכותית”.

 

גישת Neuralink פולשנית בהרבה – היא כוללת ניתוח מוח פתוח והחדרת אלקטרודות זעירות לקרום המוח (dura). מאסק מאמין שאינטגרציה מלאה בין מוח למכונה תאפשר לאדם “להדביק את קצב הבינה המלאכותית”. זה “מיזוג קשיח” – לא רק הקשבה למוח, אלא חיבור פיזי שמוחק את הגבול בין אדם למערכת.

חזית שלישית: Grokipedia והמאבק על הידע האנושי

אך המאבק בין מאסק לאלטמן אינו מסתיים בגבולות המוח. הוא ממשיך אל השדה שבו נקבע מה נחשב לידע עצמו. בספטמבר 2025 הכריזה xAI של מאסק על Grokipedia – פלטפורמה חדשה שמבקשת להחליף את ויקיפדיה כמקור הידע הציבורי. בשונה מהאנציקלופדיה האנושית המוכרת, Grokipedia מנוהלת על ידי בינה מלאכותית אוטונומית (Grok), שכותבת, עורכת ומעדכנת ערכים בעצמה, ללא התערבות אנושית ישירה.

 

אם Neuralink שואפת לחבר את המוח למכונה, Grokipedia מחברת את האמת למכונה. במקום קהילה פתוחה של עורכים ומתנדבים, מערכת אחת מחליטה מהו מידע נכון ומה לא. הרעיון של “מכונה כעורך הראשי של האנושות” פותח דיון חדש על אמינות, הטיות ושליטה בידע, בדיוק כפי ש-Merge Labs מעלה שאלות על פרטיות מוחית ושליטה בתודעה.

שינוי בהרגלי החיפוש

לפי דוח רשמי שפרסמה Wikimedia Foundation באוקטובר 2025, מספר הביקורים האנושיים (human pageviews) בוויקיפדיה באנגלית ירד בכ-8% בין מאי לאוגוסט 2025 לעומת אותה תקופה ב-2024. הקרן מייחסת את המגמה לשינוי בהרגלי החיפוש – יותר תשובות ישירות ממנועי AI, ויותר צריכת ידע דרך פלטפורמות חברתיות במקום כניסה לערכים עצמם. חלק מהירידה נובע גם מתיקון מתודולוגי שהסיר תעבורת בוטים שהתחזתה למשתמשים אמיתיים.

 

הירידה הזו מדאיגה את קהילת ויקיפדיה, שחוששת לפגיעה במודל הידע הפתוח שעליו נבנתה. חוקרי מידע ומחנכים מזהירים שהמעבר לצריכת ידע אוטומטית עלול לצמצם את ההשתתפות הציבורית ואת הביקורתיות כלפי מידע ממוכן. אין הוכחה ישירה לכך ש-Grokipedia אחראית לירידה הזו, אך עצם הופעתה מדגישה את השינוי התרבותי – עידן שבו בינה מלאכותית לא רק מחפשת ידע, אלא גם מחליטה מהו ידע.

בין חופש מחשבתי לשליטה דיגיטלית

המאבק הזה משקף שני מודלים של אנושות-על. מצד אחד, מאסק דוחף לאינטגרציה טוטאלית – האדם והמכונה מתמזגים לגוף אחד, שבו התודעה והמידע מתעדכנים אוטומטית. אלטמן, לעומתו, רואה בחיבור הזה שיתוף פעולה הדדי, לא איחוד בלתי הפיך.

 

Neuralink עשויה להציל חיים ולשפר יכולות נוירולוגיות, אך גם מעוררת חשש מהפיכת האדם לממשק מתוחזק. Merge Labs מבטיחה תקשורת עדינה ובטוחה יותר, אך מתקרבת לגבול אתי בגלל השימוש בהנדסה גנטית. Grokipedia מבטיחה ידע נקי ומעודכן, אך גם מציבה אתגר חסר תקדים שבו נשאלת שאלה – מה קורה כשהאמת עצמה מנוהלת על ידי קוד?

 

המיזוג הגדול

2025 מסתמנת כשנה שבה המאבק בין אלטמן למאסק עובר מהמגרש העסקי אל המגרש הרעיוני. אלטמן רוצה שהטכנולוגיה תלמד להבין אותנו טוב יותר. מאסק רוצה שנשתלב בה לגמרי. שני הכיוונים שונים, אבל שניהם מתכנסים לאותו יעד והוא  להפוך את הבינה המלאכותית מחוויה על המסך למשהו שנמצא ממש בתוכנו ובסביבתנו. בסוף זה לא יהיה מאבק על רעיונות גדולים, אלא על מי יצליח להפוך את זה למוצר אמין, שימושי ובטוח שאנשים באמת ירצו להשתמש בו.

הפוסט סם אלטמן מול אילון מאסק בקרב על חיבור בין האדם, המוח והידע הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/altman-vs-musk/feed/ 0
הסוכנים החדשים של timeOS עוזרים לכם להפוך שיחה למסמך https://letsai.co.il/revolution-timeos-agents/ https://letsai.co.il/revolution-timeos-agents/#respond Tue, 28 Oct 2025 05:51:54 +0000 https://letsai.co.il/?p=62802 timeOS – הסטארטאפ הישראלי שפיתח את אחד מכלי תמלול הפגישות המתקדמים בעולם, השיק לאחרונה גרסה מחודשת עם ממשק חדש ויכולות אייג’נטליות (Agentic) מרשימות, שהופכות את הסוכן שלה ממאזין פסיבי לשחקן פעיל שיוצר מסמכים, הצעות מחיר, מעצב ומתממשק עם כלים חכמים בעזרת אינטגרציות ואוטומציות. הנה כל מה שצריך לדעת…     איך משתמשים ב-timeOS לפני הכל […]

הפוסט הסוכנים החדשים של timeOS עוזרים לכם להפוך שיחה למסמך הופיע ראשון בLet's AI בינה מלאכותית

]]>
timeOS – הסטארטאפ הישראלי שפיתח את אחד מכלי תמלול הפגישות המתקדמים בעולם, השיק לאחרונה גרסה מחודשת עם ממשק חדש ויכולות אייג’נטליות (Agentic) מרשימות, שהופכות את הסוכן שלה ממאזין פסיבי לשחקן פעיל שיוצר מסמכים, הצעות מחיר, מעצב ומתממשק עם כלים חכמים בעזרת אינטגרציות ואוטומציות. הנה כל מה שצריך לדעת…

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

 

איך משתמשים ב-timeOS

לפני הכל – כדאי לדעת שאם תירשמו דרכנו, תיהנו מהטבה קטנה – פה מתחברים לכלי. כמו כן, פה תמצאו מדריך מקיף לגרסה החדשה של timeOS.

 

 

אם במאמר הקודם דיברנו על החדרים (Rooms) של timeOS – אותם מרחבים דינמיים שמרכזים את כל השיחות, התמלולים והתוצרים – הרי שהסוכנים (Agents) הם מי שגורמים לכל זה לזוז. מדובר במערכת חכמה של עוזרים וירטואליים שפועלים בזמן אמת מתוך השיחות עצמן, מבינים את ההקשר, ומבצעים פעולות מיידיות עוד לפני שחשבתם לבקש.

מ”פגישה” ל”פעולה”

הרעיון פשוט אך עוצמתי: הסוכנים של timeOS נבנים מתוך השיחה עצמה. הם יודעים מה נאמר, מי אמר זאת, ומה המשמעות התפעולית של הדברים. במקום שתצאו מהפגישה עם רשימת מטלות מעורפלת, אתם יוצאים עם סיכום, תיעוד, משימות, ואפילו טיוטת מייל מעודכנת – הכול כבר בוצע.

 

הייחוד של הסוכנים הוא בכך שהם לא מחכים לפקודות. הם לא צריכים פרומפט, אלא פועלים מתוך “רגעים” בשיחה. כשהלקוח אומר “נפגש בשבוע הבא”, הסוכן מזהה את מילת הטריגר וכבר מתזמן פגישה ביומן (אם נתתם לו רשות לעשות זאת). כשנשמעת המילה “הצעת מחיר” – נוצר מסמך. כשהוזכרה החלטה בפרויקט – העדכון כבר נשלח ל-Notion או ל-Slack. כך הופכת כל שיחה ממידע לפעולה.

 

פקודות מובנות ויצירת סוכנים אישיים

ל-timeOS יש כבר כמה סוכנים מובנים שניתן להפעיל מיידית דרך הפקודה / (לוכסן / קו נטוי). למשל:

/list my latest tasks: מאתר כל משימה פתוחה מהשיחות האחרונות.

/send follow-up email: מנסח מייל המשך עוד לפני ששכחת שהיה אחד.

/send tldr to the team: שולח תקציר תובנות לערוץ הצוות המתאים.

 

יצירת סוכן ב-timeOS

יצירת סוכן ב-timeOS

 

שילוב עם הכלים הקיימים

אבל הכוח האמיתי נמצא ביכולת ליצור סוכנים מותאמים אישית. המשתמשים יכולים לתאר בשפה טבעית מה ברצונם שהמערכת תבצע, למשל: “צור דוח פגישה ושלח לכל המשתתפים”. ואז פשוט להגדיר מתי זה קורה: אוטומטית אחרי כל פגישה, או רק כאשר מזוהה רגע מסוים, כמו “נאמרה המילה הצעה”. כך כל אחד יכול לבנות לעצמו עוזר דיגיטלי שמבין את שגרת העבודה האישית שלו.

 

ככה בונים סוכן ב-timeOS

 

היכולות של שילוב עם כלים קיימים

אחת מהחוזקות הגדולות של timeOS היא שהסוכנים יודעים לדבר עם הכלים שכבר עובדים אצלכם: Slack, Notion, Google Docs, מערכות CRM ועוד. המשמעות היא שכל פעולה שהייתם מבצעים ידנית אחרי פגישה – תיעוד, סיכום, עדכון או שליחה – יכולה להתרחש לבד, בלי שתצטרכו לזכור לעשות זאת.

 

העידן האייג’נטלי

הסוכנים של timeOS הם הצעד הבא במעבר ממערכות תמלול לכלים אייג’נטליים (Agentic AI). בעוד שעד כה ה-AI רק “הקשיב”, כעת הוא גם “פועל”. וב-timeOS הוא לא סתם פועל, אלא עושה את זה בתוך הקונטקסט שלכם – השיחות שלכם!

 

עם הזמן, סביר שנראה עוד ועוד סוכנים שידעו גם להתעדכן לבד, לזהות דפוסים חוזרים ולהציע פעולות מבלי שתגדירו אותן מראש. גם ב-timeOS. או במילים אחרות – השיחות יתחילו לנהל את עצמן, ואתם תוכלו להתרכז שוב במה שחשוב באמת: לדבר ולהתרכז בשיחה ולא בכל מה שמסביב.

הפוסט הסוכנים החדשים של timeOS עוזרים לכם להפוך שיחה למסמך הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/revolution-timeos-agents/feed/ 0
OpenAI פתחה את הפיצ’ר ‘פרויקטים משותפים’ לכל המשתמשים – גם לחינמיים https://letsai.co.il/shared-projects-chatgpt/ https://letsai.co.il/shared-projects-chatgpt/#respond Mon, 27 Oct 2025 12:28:50 +0000 https://letsai.co.il/?p=62754 הפיצ’ר החדש של ChatGPT, “פרויקטים משותפים” (Shared Projects), נפתח רשמית לכל המשתמשים – גם למנויים חינמיים. החל מה-22 באוקטובר 2025, ניתן לעבוד בצוותים על מסמכים, קבצים ושיחות באותה סביבת עבודה חכמה, הזמינה כעת בווב ובאפליקציות iOS ואנדרואיד. המהלך מסמן את המעבר של ChatGPT מכלי אישי לעוזר צוותי, שמאפשר ניהול פרויקטים משותפים ישירות מתוך הצ’אט.   […]

הפוסט OpenAI פתחה את הפיצ’ר ‘פרויקטים משותפים’ לכל המשתמשים – גם לחינמיים הופיע ראשון בLet's AI בינה מלאכותית

]]>
הפיצ’ר החדש של ChatGPT, “פרויקטים משותפים” (Shared Projects), נפתח רשמית לכל המשתמשים – גם למנויים חינמיים. החל מה-22 באוקטובר 2025, ניתן לעבוד בצוותים על מסמכים, קבצים ושיחות באותה סביבת עבודה חכמה, הזמינה כעת בווב ובאפליקציות iOS ואנדרואיד. המהלך מסמן את המעבר של ChatGPT מכלי אישי לעוזר צוותי, שמאפשר ניהול פרויקטים משותפים ישירות מתוך הצ’אט.

 

OpenAI פתחה את הפיצ'ר 'פרויקטים משותפים' לכל המשתמשים – גם לחינמיים

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

מה זה מאפשר?

Shared Projects מאפשרת לצרף משתתפים לפרויקט בקלות, דרך כתובת מייל או קישור ישיר, ולהגדיר לכל אחד הרשאות שונות: עריכה מלאה (Edit) או גישה לצ’אט בלבד (Chat). משתמשים בעלי הרשאת עריכה יכולים להעלות ולהוריד קבצים, לשנות הוראות, ואף להוסיף חברים חדשים לצוות.

 

כל פרויקט שומר הקשרים פנימיים (context), כך שה-AI “מבין” וממשיך מהיכן שהצוות עצר – כולל מסמכים, הנחיות וידע קודם.

 

למשל, צוות שיווק יכול לבנות קמפיין פרסומי משותף, לשמור קבצי תמונות וטיוטות תוכן, ולהנחות את המודל לעבוד בסגנון אחיד לאורך כל התהליך.

איך מתחילים?

כדי להתחיל, לוחצים על “New Project” באפליקציה או באתר, מוסיפים את החברים דרך כפתור השיתוף, ומכינים את סביבת העבודה: מעלים קבצים רלוונטיים, מגדירים system instructions (כמו מטרות וסגנון עבודה), מפעילים זיכרון ייעודי לפרויקט ופותחים שיחות ניסוי ראשונות עם ה-AI כדי לבסס הקשר משותף.

 

מעבר לשיתוף הקלאסי של מסמכים, זהו שיתוף עם מודל חושב. העבודה מתבצעת ישירות בתוך הצ’אט עם ה-AI, כך שהתוכן, ההנחיות וההחלטות מתעדכנים בזמן אמת ומאפשרים לצוותים לעבוד מהר וחכם יותר.

הגבלות ומכסות

OpenAI מציגה מערכת שיתופית גמישה, אך עם מכסות שונות לפי סוג המנוי:

  • משתמשים חינמיים: עד 5 משתתפים ועד 5 קבצים לכל פרויקט.

  • מנויי Plus או Go: עד 10 משתתפים ועד 25 קבצים.

  • מנויי Pro: עד 100 משתתפים ועד 40 קבצים לכל פרויקט.

OpenAI מציינת כי בעתיד תיתכן הרחבה הדרגתית של המכסות, בהתאם לדפוסי השימוש.

אפשרויות שיתוף וניהול פרויקט

האפשרות של Shared Projects מציעה מנגנון שיתוף גמיש וברור, שמאפשר שליטה מלאה בהרכב הצוות ובמידת החשיפה של כל פרויקט. ניתן להזמין משתמשים ספציפיים באמצעות כתובות מייל (מצורפות בפסיקים) או לבחור בשיתוף פתוח יותר באמצעות קישור ישיר (Anyone with a Link). השיתוף מתבצע ברמת הפרויקט כולו, לא בצ’אטים בודדים, וניתן לשנות את ההגדרות או ההרשאות בכל עת. כל משתתף חדש מופיע ברשימת Who has access, עם ציון תפקידו והרשאותיו (Edit או Chat).

 

מסך השיתוף של ChatGPT Projects

מסך השיתוף של ChatGPT Projects

 

הגישה הזו מאפשרת לארגונים ולצוותים לשמור על איזון בין שיתופיות לבין שליטה ובקרה. פרויקטים פנימיים יכולים להישאר מוגנים ומוגבלים למוזמנים בלבד, בעוד שיוזמות פתוחות או קהילתיות יכולות להיפתח לקהל רחב בלחיצה אחת.

פרטיות ואבטחה

OpenAI מדגישה כי סביבת Shared Projects נבנתה מתוך עקרון של “שיתוף מאובטח כברירת מחדל”. כל הנתונים מוצפנים ונגישים רק למשתמשים שהוזמנו במפורש לפרויקט. ניתן למחוק פרויקטים לצמיתות בכל עת, ולהגדיר אילו משתתפים יוכלו לראות, לערוך או להעלות קבצים.

 

בפרויקטים משותפים הזיכרונות האישיים מושבתים, וכל התוכן גלוי רק לאנשי הצוות – מנגנון שמבטיח שיתוף פעולה בטוח גם בצוותים עסקיים רגישים, בלי לוותר על נוחות העבודה השיתופית.

 

 

לסיכום, החל מעכשיו ניתן לשתף וליצור יחד פרויקטים ב-ChatGPT. זו סביבת עבודה אחת שמרכזת קבצים, צ’אטים, הנחיות ומידע משותף. הכל נגיש, מסונכרן ומוגן, ללא צורך בקפיצות בין מיילים או אפליקציות חיצוניות. זהו צעד נוסף בהתפתחות של ChatGPT כחלל עבודה שיתופי עם בינה מלאכותית במרכזו – מקום שבו צוותים חושבים, מתכננים ויוצרים יחד עם ה-AI כחלק מהצוות עצמו.

הפוסט OpenAI פתחה את הפיצ’ר ‘פרויקטים משותפים’ לכל המשתמשים – גם לחינמיים הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/shared-projects-chatgpt/feed/ 0
דיוקן פסיכולוגי של אמריקה בעידן ה-AI https://letsai.co.il/american-ai-leadership-paradox/ https://letsai.co.il/american-ai-leadership-paradox/#respond Mon, 27 Oct 2025 07:51:01 +0000 https://letsai.co.il/?p=62688 סקר חדש של Gallup וה-SCSP חושף שלושה פרדוקסים שמגדירים את היחס האמריקאי לבינה המלאכותית: רצון להוביל את העולם בלי אמונה שזה באמת יקרה, פחד עמוק מהתקפה זרה לצד היסוס לפתח נשק עצמאי, ואופטימיות כלכלית שמלווה בחרדת תעסוקה הולכת וגוברת. במילים אחרות, ארצות הברית מאוהבת ברעיון ההובלה הטכנולוגית, אבל חוששת מהמחיר האנושי שלה. במאמר הזה נצלול […]

הפוסט דיוקן פסיכולוגי של אמריקה בעידן ה-AI הופיע ראשון בLet's AI בינה מלאכותית

]]>
סקר חדש של Gallup וה-SCSP חושף שלושה פרדוקסים שמגדירים את היחס האמריקאי לבינה המלאכותית: רצון להוביל את העולם בלי אמונה שזה באמת יקרה, פחד עמוק מהתקפה זרה לצד היסוס לפתח נשק עצמאי, ואופטימיות כלכלית שמלווה בחרדת תעסוקה הולכת וגוברת. במילים אחרות, ארצות הברית מאוהבת ברעיון ההובלה הטכנולוגית, אבל חוששת מהמחיר האנושי שלה. במאמר הזה נצלול לתוך הנתונים והפרדוקסים שמאחורי הסקר, וננסה להבין מה הם חושפים על אומה שמאמינה בבינה מלאכותית, אבל עדיין לא מאמינה בעצמה.

 

 

הישארו מעודכנים

רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.

 

 

אפשר גם להרשם לניוזלטר שלנו

 

כולם שמעו, כמעט אף אחד לא משתמש

98% מהאמריקאים נחשפו למידע על בינה מלאכותית בשנה האחרונה – כמעט כולם. אבל מאחורי המספר המרשים הזה מסתתר פער עצום: רק 39% משתמשים ב-AI באופן קבוע, ורק 8% מגדירים את עצמם “מאוד בקיאים”. בעוד הממשל הפדרלי מעצב רגולציות חדשות לחברות הטכנולוגיה, מי שיכריע את גורל המהפכה הם דווקא האזרחים. דעת הקהל תקבע אם ארצות הברית תאמץ את הבינה המלאכותית או תירתע ממנה.

Chart 1 – Awareness, Usage, and Knowledge of AI

כמעט כולם שמעו אבל הרוב לא מבינים | gallup.com

 

מכאן צומח אחד הממצאים המרתקים ביותר בדו״ח: אמריקאים שמשתמשים בבינה המלאכותית סומכים עליה פי שניים יותר ממי שאינם משתמשים – 46% לעומת 23%. במילים אחרות, האמון אינו תוצאה של חשיפה, אלא של שימוש בפועל. מי שחווה את הטכנולוגיה מקרוב נוטה לפתח כלפיה ביטחון גבוה יותר. 

 

Chart 2 – Trust in AI (Users vs. Non-users)

חשיפה בונה אמון | gallup.com

 

ועדיין, רוב הציבור האמריקאי רחוק משם. לפי הסקר רק 31% מהאמריקאים סומכים על ה-AI לקבל החלטות הוגנות וחסרות פניות, בעוד 60% אינם סומכים, 40% “במידה מסוימת” ו-20% “בכלל לא”. רמת האמון הנמוכה הזו אינה שולית, היא מחלחלת לכל שיח ציבורי על הטכנולוגיה – מהחקיקה ועד המדיניות.

פרדוקס 1: מרוץ שאף אחד לא מאמין שייגמר בניצחון

79% מהאמריקאים סבורים שחשוב לארצות הברית להוביל בבינה מלאכותית – זה כמעט קונצנזוס לאומי. אבל כששואלים אותם אם ארה”ב אכן תהיה המדינה המובילה בעוד עשור, רק 15% מאמינים שכן. הפער הזה בין הרצון לאמונה מזכיר את מרוץ החלל, רק הפוך. בשנות השישים הציבור האמריקאי היה בטוח בעליונותו על ברית המועצות. היום, גם כשהחדשנות האמריקאית בשיאה, הביטחון העצמי מתערער.

 

Chart 3 – Likelihood the U.S. Will Lead in 10 Years

חוסר הביטחון הלאומי הוא בסיס הפרדוקס | gallup.com

 

לפי הסקר, 34% חושבים שארה”ב “שומרת על הקצב”, 32% פשוט לא יודעים, 22% סבורים שהיא נופלת מאחור, ורק 12% חושבים שהיא מתקדמת על פני יריבותיה. 85% מאמינים שהעולם נמצא במרוץ גלובלי על הטכנולוגיה המתקדמת ביותר, אך רק מיעוט קטן באמת מאמין שארה”ב תזכה בו – ביטוי לחוסר ביטחון עמוק בזהותה הטכנולוגית.

הפער הדורי

הפער בין הדורות בולט במיוחד. מבוגרים רואים בהובלה האמריקאית יעד לאומי, בעוד צעירים, שגדלו בעולם טכנולוגי, פחות משוכנעים בצורך הזה. רק 26% מבני 18-29 חושבים שחשוב מאוד שארה״ב תוביל בתחום ה-AI, לעומת 64% מבני 65 ומעלה. ורק 40% מהצעירים “מסכימים בתוקף” שמדינות אכן מתחרות על פיתוח הבינה המלאכותית, לעומת 71% מהמבוגרים.

 

Chart 4 – Age Gaps in Perception of Competition and Leadership

הפער בין הדורות בולט במיוחד | gallup.com

 

ככל שהגיל עולה, כך גוברת תחושת הדחיפות והאמונה במרוץ הטכנולוגי. הצעירים, שראו את ה-AI הופך מחידוש לכלי יומיומי, מתייחסים אליו בפחות יראת כבוד ויותר בספקנות.

שיתוף פעולה או בדידות

למרות תחושת התחרות, רוב האמריקאים אינם רוצים לפעול לבד. 42% מעדיפים לפתח בינה מלאכותית בשיתוף פעולה עם קואליציה רחבה של מדינות ידידותיות, לעומת 19% שמעדיפים קבוצה קטנה ו-14% בלבד שתומכים בפעולה עצמאית. הנטייה לשיתוף פעולה בולטת במיוחד בקרב מי שחושבים שארה”ב כבר נופלת מאחור – 55% מהם תומכים בברית רחבה, לעומת 42% מאלה שמאמינים שארה”ב מובילה.

 

כשמסתכלים על עולמות הכוח, 77% רואים בכוח כלכלי גורם מרכזי בסדר העולמי, 75% בכוח טכנולוגי ו-67% בכוח צבאי. אבל כששואלים על תפקידה של הבינה המלאכותית בעתיד האמריקאי, נקודת המבט משתנה: 39% רואים בה מרכיב חשוב לביטחון הלאומי, 35% לחוזקה הצבאית ורק 28% לצמיחה הכלכלית. במילים אחרות, האמריקאים תופסים את ה-AI קודם כל כנשק אסטרטגי, לא כמנוע צמיחה.

 

Chart 5 – Importance of AI to U.S. Strengths

ארה״ב רואה AI דרך עדשת הביטחון, לא הכלכלה | gallup.com

 

פרדוקס 2: פחד מהתקפה וחשש מפיתוח נשק

87% מהאמריקאים מאמינים שממשלות זרות ישתמשו בעתיד בבינה מלאכותית כדי לתקוף את ארצות הברית. 43% רואים בכך תרחיש “סביר מאוד”. רק 4% חושבים שזה “לא סביר בכלל”. הפחד הזה חוצה גבולות פוליטיים, מגדריים ודוריים – צעירים ומבוגרים, דמוקרטים ורפובליקנים, משתמשי AI ואלה שלא משתמשים. זה חשש כמעט אוניברסלי.

 

Chart 6 – Fear of AI Attacks from Foreign Governments

היקף הפחד | gallup.com

 

אבל כאן מגיע הפרדוקס, כי למרות תחושת האיום, רק 39% תומכים בפיתוח נשק אוטונומי מבוסס AI לשימוש צבאי, ו-48% מתנגדים. הציבור האמריקאי מפחד מהטכנולוגיה כשהיא אצל אחרים, ומפחד ממנה גם כשהיא בידיים שלו.

השינוי הדרמטי

ברגע שמציגים תרחיש הרתעתי, התמונה מתהפכת. כאשר השאלה מנוסחת כך: “ומה אם מדינות אחרות, כולל יריבות שאינן בעלות ברית, יפתחו נשק אוטונומי קודם? – התמיכה מזנקת ל-53%, וההתנגדות יורדת ל-32%. פי שניים יותר אמריקאים “תומכים בתוקף” – מ-12% ל-25%. זו תגובה אינסטינקטיבית של הגנה עצמית, ביטוי לחשיבה הרתעתית קלאסית – האמריקאים לא רוצים להיות הראשונים, אבל גם לא האחרונים.

 

Chart 8 – Support for Developing AI Weapons

הפער בין “לא רוצים להתחיל” ל“כן נגיב” | gallup.com

האמביוולנטיות סביב הביטחון הלאומי

גם כשהשאלה כללית יותר, הציבור מפולג כמעט שווה בשווה: 41% חושבים שהבינה המלאכותית תחמיר את סיכוני הביטחון הלאומי, 36% מאמינים שתשפר אותם.

 

Chart 7 – National Security Risks by Demographics

פילוח מגדרי, גילאי ופוליטי של אמונה ש-AI ישפר או יחמיר את הביטחון הלאומי | gallup.com

 

ההבדלים ברורים: גברים, מבוגרים, רפובליקנים ומשתמשי AI נוטים לראות את ההשפעה כחיובית; נשים, צעירים, דמוקרטים ולא-משתמשים – פסימיים יותר. ועדיין, יש תחומים שבהם שוררת אופטימיות זהירה: פי שניים יותר אמריקאים מאמינים ש-AI ישפר את איכות המודיעין הלאומי (38%) מאשר יפגע בו (20%), ופי שלושה יותר חושבים שיחזק את היכולת לזהות איומים צבאיים (41% לעומת 14%).

 

הציבור האמריקאי שולח מסר ברור: AI כן – אבל להגנה, לא לתקיפה.

פרדוקס 3: אופטימיות כלכלית לצד חרדת תעסוקה

62% מהאמריקאים מאמינים שהבינה המלאכותית תשפר את הפרודוקטיביות בעבודה, ו-53% בטוחים שהיא תקדם את הצמיחה הכלכלית. האמונה הזו חזקה במיוחד בקרב בעלי השכלה גבוהה ובעלי הכנסה גבוהה – אלה שמרגישים בטוחים יותר מול השינוי. אבל לצד האופטימיות הזו נרשמת פסימיות קיומית: כמעט מחצית (47%) חושבים שה-AI יהרוס יותר עסקים מאשר ייצור כאלה, ו-61% חושבים שיעלים יותר מקומות עבודה מאשר יפתח הזדמנויות.

 

Chart 9 – Optimism and Pessimism about AI and the Economy

אופטימיות כלכלית לצד חרדת תעסוקה | gallup.com

 

איך אפשר לדבר על צמיחה כשאנשים חוששים לאבד את מקור פרנסתם? זו הסתירה המרכזית בתודעה האמריקאית – אמונה שהכלכלה תגדל, יחד עם תחושת בטן שהאדם עצמו יישאר מאחור.

אופטימיות זהירה

כששואלים על עובדים שייפגעו מהמהפכה, האמריקאים מציגים אופטימיות מתונה: רובם (51%) סבורים שחלק מהעובדים יצליחו ללמוד מיומנויות חדשות ולעבור לתעשיות אחרות, 24% חושבים שרק מעטים יצליחו, ו-20% מאמינים שרובם ימצאו עבודה חדשה. קצה הסקאלה כמעט ריק: רק 3% מאמינים שכולם יצליחו, ורק 2% סבורים שאף אחד לא יצליח.

 

זה מבט מפוכח, כמעט סטואי. הציבור האמריקאי מתבונן בבינה המלאכותית בצורה ריאליסטית, מתונה, עם מודעות לגודל הסיכון אבל בלי היסטריה. יש הבנה שיש כאן כוח אדיר שצריך ללמוד לחיות איתו, לא להילחם בו ולא להאדיר אותו. הציבור לא מצפה לנס, אלא למאבק מתמשך שבו חלק יסתגלו וחלק ייפלטו. וכאן טמון הפרדוקס האחרון – אמונה בצמיחה של המדינה, לצד פחד שהצמיחה הזו תתרחש בלעדיהם.

הקונצנזוס היחיד הוא הדרישה להכשרת עובדים

בסקר כולו נמצא קונצנזוס אחד בלבד – ההכרח ביצירת תוכניות הכשרה והדרכה שיכינו עובדים לעידן הבינה המלאכותית. 72% מהאמריקאים תומכים ביוזמה הזו – שליש “בתוקף”, ו-41% “במידה מסוימת”. זו כמעט המדיניות היחידה שמאחדת את כל הקשת הפוליטית: דמוקרטים, רפובליקנים ובלתי-תלויים.

 

Chart 10 – Support for AI-Related Policies

האם זה “הפתרון” לכל הפחדים והפרדוקסים? | gallup.com

 

המסר ברור: האמריקאים לא מבקשים פחות רגולציה, אלא יותר ביטחון תעסוקתי.

 

בהשוואה, שאר ההצעות מקבלות תמיכה חלשה בהרבה: 56% תומכים בהגדלת מימון ממשלתי למחקר בינה מלאכותית, 55% במימון מחקר באוניברסיטאות לגיוס חוקרים מובילים, 49% במתן גישה לחברות ולאוניברסיטאות למשאבים ממשלתיים, 31% בלבד בתמריצי מס לחברות, ורק 23% תומכים בהפחתת רגולציה על פיתוח AI. האמריקאים מסמנים כיוון מובהק ורוצים מדיניות שמחזקת אנשים, לא חברות.

שלוש מסקנות למקבלי ההחלטות

הדו״ח המרתק של Gallup ו-SCSP מספק לא רק תמונת מצב, אלא גם שלוש הנחיות פעולה ברורות למי שמעצב את מדיניות ה-AI של ארצות הברית.

1. חשיפה בונה אמון

אמריקאים שמשתמשים ב-AI סומכים עליה פי שניים יותר ממי שאינם משתמשים. המשמעות ברורה – ככל שהמפגש עם הטכנולוגיה הופך יומיומי, כך גדל האמון בה. מדיניות מושכלת צריכה לעודד שימוש שקוף, מבוקר ומנוהל ב-AI בבתי-הספר, במקומות העבודה ובשירותים הציבוריים כדי להפוך חשש להבנה, ומשם לאמון.

2. הגנה והרתעה, לא תוקפנות

הציבור רוצה ביטחון, לא מירוץ חימוש. מדיניות שתשקף עקרונות של הגנה, זיהוי איומים ושיתוף פעולה עם בעלות ברית תיהנה מתמיכה רחבה בהרבה ממדיניות התקפית.

3. בלי הגנה על עובדים אין אמון ציבורי

הציבור האמריקאי מדבר בקול אחד ותומך בתוכניות הכשרה והדרכה לעובדים. זו המדיניות היחידה שמאחדת את המפה הפוליטית כולה. אם הממשלה תתעלם מהמרכיב האנושי, האופטימיות הכלכלית תהפוך במהרה לחרדת תעסוקה. כל אסטרטגיית AI שלא תשקיע בהגנה על עובדים ובחינוך עתידי, תיכשל פוליטית וחברתית גם יחד.

בין תקווה לפחד

הסקר של Gallup ו-SCSP מצייר דיוקן של אומה שעדיין מגבשת את דעתה על הבינה המלאכותית. הפרדוקסים האלה אינם רק נתונים סטטיסטיים, אלא שיקוף של זהות אמריקאית ברגע של מבחן – מדינה שמאמינה בכוח החדשנות שלה, אך חוששת מהמחיר האנושי שלה. כל עוד האמריקאים לא מאמינים שהם יובילו, קשה יהיה להוביל. דעת הקהל יכולה להניע מדיניות, אבל גם לשתק אותה. וכמו שהדו״ח מזכיר בעדינות – ההתקדמות הטכנולוגית תדרוש גם התקדמות מוסרית, עם שיח חדש על הגינות, אחריות, חינוך והגנה על עובדים.

 

דווקא כשהציבור חושש, נפתחת הזדמנות. אם מקבלי ההחלטות יבינו שהאמון הציבורי נבנה דרך שקיפות, למידה והגנה אנושית, הפער בין הרצון להוביל ליכולת להוביל יתחיל סוף-סוף להיסגר.

הפוסט דיוקן פסיכולוגי של אמריקה בעידן ה-AI הופיע ראשון בLet's AI בינה מלאכותית

]]>
https://letsai.co.il/american-ai-leadership-paradox/feed/ 0