Skills הופך ידע ארגוני לאוטומציה חכמה

עוד לא יבשה הדיו מהעדכון על שחרור מודל Claude Haiku 4.5, ואנטרופיק כבר ממשיכים במהלך שמכניס את קלוד אל תוך ליבת הארגון.

Claude Skills הוא המענה של Anthropic לאותו צורך ש-OpenAI פתרה עם GPTs – ההתאמה האישית של המודל. אך בניגוד ל-GPTs, שמתמקדים ביצירת עוזרים פרטיים לכל משתמש, Skills נבנה במיוחד עבור צוותים וארגונים. זה לא “בוט מותאם אישית”, זו מערכת שמטמיעה את הנהלים, הידע והתרבות הארגונית לתוך קלוד עצמו.

כל Skill הוא תיקייה דיגיטלית שמכילה הוראות, קבצים, מדריכים או קוד. קלוד סורק את כל ה-Skills, מזהה את הרלוונטיים למשימה, ומטעין רק את החלקים הדרושים. כך הוא פועל במהירות וביעילות, תוך שמירה על עקביות ארגונית.

Anthropic מגדירה ארבע תכונות מפתח:

• Composable – קלוד יודע לשלב כמה Skills יחד לביצוע תהליך שלם.
• Portable – כל Skill עובד בכל מוצרי Claude – באפליקציה, ב-Claude Code וב-API.
• Efficient – נטען רק מה שנדרש, ברגע הנכון.
• Powerful – מאפשר להריץ קוד אמיתי לצורך ביצועים מדויקים במיוחד.

איך מפעילים את זה?

ה-Skills זמינים כברירת מחדל למשתמשי Pro, Max, Team ו-Enterprise.

כדי להפעיל אותם:

1. נכנסים ל־ Settings > Capabilities > Skills.

2. מפעילים את האפשרות.

3. בוחרים האם לאפשר שימוש בכישורים כלליים או בכישורים ארגוניים בלבד.

בארגונים, מנהל המערכת יכול לאפשר או להגביל את הפעלת ה־Skills לכלל הצוותים. לאחר ההפעלה, קלוד מציג את ה-Skills הרלוונטיים בזמן אמת בשורת החשיבה שלו בלי צורך לבחור ידנית.

Anthropic גם מציעה כלי ייעודי בשם Skill-Creator. קלוד עצמו מדריך אתכם שלב-שלב: שואל על זרימת העבודה, יוצר את מבנה התיקייה, כותב את קובץ ההוראות (SKILL.md) ומרכז את כל הקבצים הנדרשים. אין צורך בידע תכנותי. המערכת פועלת באותה צורה גם ב-Claude Code וב-API – מפתחים יכולים להעלות Skills דרך מסך הניהול או באמצעות נקודת הקצה החדשה /v1/skills, שמאפשרת שליטה בגרסאות, הרשאות והרצה מאובטחת דרך Code Execution Tool.

בתמונה המצורפת תוכלו לראות את תפריט ההגדרות של Claude. כאן ניתן להפעיל את מערכת ה-Skills, להעלות כישורים חדשים באמצעות Upload skill, או לנהל כישורים קיימים כמו הנחיות מותג, תבניות כתיבה וכללי תקשורת פנימית:

anthropic.com | הפעלת Claude Skills מתוך Settings > Capabilities

לדוגמה, צוות כספים יכול ליצור Skill שמחשב תחזיות תקציב על בסיס דוחות אקסל, וצוות שיווק יכול להגדיר Skill שמפיק מצגות במבנה אחיד של החברה. מרגע שה-Skills נבנו, קלוד יודע להריץ אותם לבד ואמור למנוע חזרתיות, חוסר עקביות, או טעויות אנוש.

כיוון ש-Skills יכולים להריץ קוד, מומלץ להשתמש רק בכישורים ממקורות אמינים או מאושרים על ידי הארגון. בעתיד Anthropic צפויה להשיק יכולת פריסה ארגונית רחבה, שתאפשר להפיץ ולנהל Skills לכל הצוותים מממשק אחד מרכזי.

צעד ראשון מומלץ: בחרו תהליך שחוזר על עצמו, כמו סיכום פגישות או ניתוח חוזים, ובנו עבורו Skill יחיד. תמדדו את זמן החיסכון ואת אחידות התוצרים. כך תבינו מהר מאוד את הערך המעשי של המערכת.

למי שרוצה להעמיק או לבנות את ה-Skill הראשון שלו, Anthropic מציעה מדריך אינטראקטיבי שמסביר איך ללמד את קלוד לעבוד לפי הנהלים שלכם כולל מרכז עזרה מקיף על עקרונות הפיצ’ר.

בנוסף, החברה פתחה מאגר ציבורי ב־GitHub שכולל דוגמאות ל-Skills קיימים שאפשר להתאים לכל ארגון – דרך מעשית להבין איך להפוך ידע ארגוני לאוטומציה חכמה.

אינטגרציה עם Microsoft 365 

עדכון נוסף של אנטרופיק מדגיש שקלוד כבר לא חי לצד הכלים הארגוניים, אלא ממש נכנס לתוכם. באמצעות MCP Connector for Microsoft 365, אנטרופיק מאפשרת לקלוד להתחבר ישירות ל-SharePoint, OneDrive, Outlook ו-Teams, כך שהוא יכול לגשת למסמכים, שיחות ומיילים בזמן אמת, להבין הקשרים ולספק תשובות מבוססות ידע ארגוני אמיתי.

ברגע שהחיבור מופעל, קלוד ממש הופך להיות חלק מסביבת העבודה. אפשר לדבר איתו בדיוק כמו בצ’אט הרגיל, רק שעכשיו הוא “מבין” את המסמכים, התכתובות והיומן שלכם מבלי להעלות כלום ידנית.

בפועל, קלוד יודע לחפש ולנתח מסמכים מכל SharePoint ו-OneDrive, דרך פרטי פרויקטים ועד תוכניות אסטרטגיות, בלי צורך להעלות קבצים ידנית. הוא סורק תכתובות ב-Outlook, מזהה מגמות ופידבק מלקוחות, ומחזיר תמונה מלאה של מצב הפרויקט. בתוך Teams הוא מסכם פגישות, מאתר החלטות ומציע צעדים להמשך, והכול כחלק משיחה רציפה אחת.

למשל, מנהלת מוצר יכולה לכתוב: “השווה את פידבק הלקוחות מהמיילים האחרונים לנתוני השימוש בדוחות SharePoint, וצור טיוטת מצגת עם שלוש ההמלצות המרכזיות.” קלוד יבצע זאת בזמן אמת, על בסיס המידע הקיים במערכות הארגון.

היתרונות ברורים – קלוד מבין לא רק את התוכן עצמו אלא גם את ההיסטוריה שמאחוריו, מה שמעניק הקשר עמוק ומדויק יותר לתובנות. העבודה נעשית מהירה ויעילה יותר, עם פחות קפיצות בין כלים ויותר החלטות מבוססות מידע בזמן אמת. במקביל, Anthropic שומרת על רמות אמון ובקרה גבוהות – קלוד ניגש רק למידע שהמשתמש מורשה לראות, והנתונים אינם משמשים לאימון המודל.

האינטגרציה זמינה למשתמשי Team ו-Enterprise, ודורשת הפעלה על ידי מנהל מערכת (Admin). האדמין מחבר את החשבון הארגוני, מגדיר את מקורות המידע, ולאחר מכן כל משתמש בצוות יכול להתחבר עם האישורים שלו.

בעוד Copilot של מיקרוסופט פועל בתוך כל אפליקציה בנפרד, הגישה של Anthropic רחבה יותר – קלוד מאחד מידע ממספר מקורות לשיחה אחת רציפה, כך שההבנה העסקית שלמה ומקיפה יותר.

צעד ראשון מומלץ: ברגע שמנהל המערכת מפעיל את ה-MCP Connector, הגדירו אילו ספריות ודוא”לים ייחשפו לקלוד, ונסו שאילתה מעשית כמו: “סכם את התובנות המרכזיות מפגישות Teams האחרונות והשווה אותן למידע ממסמכי SharePoint בנושא.”

זו הדרך המהירה לראות איך קלוד הופך ממנוע שיחה לעובד ידע אמיתי.

Enterprise Search 

החידוש השלישי במערך של Anthropic משנה את הדרך שבה ארגונים ניגשים לידע שלהם. קלוד כבר לא מחפש רק במסמך בודד או במייל אחד, הוא הופך למנוע ידע אחיד שמחבר בין כל מקורות המידע של החברה, ממיקרוסופט ועד גוגל, Slack, Notion ואפילו כלים פנימיים, לשכבת חיפוש אחת אינטליגנטית.

Anthropic יצרה לכל ארגון פרויקט משותף ייעודי (Shared Company Project) הנושא את שם החברה וכולל פרומפטים מובנים לחיפוש חכם. מנהל הארגון מחבר את הכלים הדרושים, ולאחר מכן כל העובדים מקבלים גישה אוטומטית לפרויקט דרך סביבת Claude.

anthropic.com | קלוד מאחד מידע ממספר כלים ארגוניים לשיחה אחת רציפה.

למה זה חשוב? במקום לבזבז זמן בחיפושים ידניים, קלוד מספק תשובה אחת שמרכזת את כל המידע הרלוונטי ומאפשרת החלטה מהירה. זה כלי עוצמתי במיוחד עבור קליטת עובדים חדשים (Onboarding), ניתוח פידבק לקוחות, או איתור מומחים פנימיים לפי נושא ידע.

Enterprise Search מופעל כברירת מחדל לכל ארגוני Team ו-Enterprise. האדמין קובע אילו מקורות ייכללו ומנהל את ההרשאות. Anthropic מדגישה עמידה מלאה בתקני פרטיות ואבטחת מידע: קלוד שומר על ההרשאות הקיימות של המשתמשים, והנתונים אינם משמשים לאימון.

צעד ראשון מומלץ: התחילו מפרויקט מצומצם – חברו את SharePoint, Outlook ו-Teams, או אם אתם עובדים עם מערכות אחרות, שלבו כלים כמו Notion, Slack או Google Drive. נסו לשאול שאלות תפעוליות פשוטות כמו: “אילו לקוחות דיווחו על תקלות חוזרות החודש?” או “מה הסטטוס של יוזמות החדשנות הפעילות?” ותראו איך קלוד מאחד תשובות ממקורות שונים למסמך תובנות אחד בלי שתצטרכו לפתוח אף קובץ.

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

לפרטים נוספים לחצו כאן >>

לסיכום, שלושת החידושים של Anthropic מציירים מגמה ברורה – עולם הבינה המלאכותית עובר משלב “העוזרים הדיגיטליים” לשלב העובדים הדיגיטליים. Skills מטמיעים את הידע והנהלים של הארגון, Microsoft 365 Connector מכניס את קלוד לתוך סביבת העבודה היומיומית, ו-Enterprise Search מחבר אותו אל הידע הקולקטיבי של החברה.

במקום מודלים שמייצרים טקסטים מבריקים, Anthropic בונה מערכת שמבינה הקשר, עובדת תחת הרשאות, ומחזירה תוצרים שניתנים לאימות. היא בונה שכבת אינטליגנציה ארגונית, זהה בכל הצוותים, מבוקרת, מאובטחת ומבוססת על ידע אמיתי.

זהו לא רק עדכון טכנולוגי, זה מצביע על המשך הקו של שינוי תרבותי עם בינה מלאכותית בארגונים. קלוד מפסיק להיות כלי שמגיב להוראות, ומתחיל להיות חלק מהצוות – עובד ידע חכם שפועל לפי כללי הארגון, מדבר בשפה שלו, ומחזיר ערך מדיד בכל פעולה.

הפוסט שלושה עדכונים לקלוד שהופכים את Anthropic לשחקנית מרכזית בעולם ה-AI הארגוני הופיע ראשון בLet's AI בינה מלאכותית

המודל הקטן שמבצע כמו הגדולים

Claude Haiku 4.5 הוא הדגם הקטן והמהיר ביותר במשפחת Claude, אבל אל תתנו לגודל להטעות אתכם. הוא מספק ביצועים שעוקפים במעט את Sonnet 4 (שהיה בחזית הטכנולוגיה לפני פחות מחצי שנה) במבחני קידוד, אך במחיר ובמהירות טובים ממנו משמעותית, מה שממקם אותו כאחד המודלים היעילים ביותר בקטגוריית הביניים.

במבחן SWE-bench Verified, אחד הסטנדרטים המקובלים ביותר למדידת יכולות קידוד בעולם האמיתי, Haiku 4.5 קיבל ציון של 73.3%, לעומת 77.2% ב-Sonnet 4.5. במילים פשוטות, זהו מודל קטן שמגיע כמעט לאותה רמת דיוק כמו אחיו הבכיר, אבל מגיב מהר יותר, עולה פחות, ומתאים במיוחד למערכות זמן אמת או סביבות עם עומסי שימוש גבוהים.

Source: Anthropic.com | השוואת ביצועים במבחן SWE-bench Verified.

כמה זה עולה ולמי זה משתלם

Anthropic מתמחרת את Haiku 4.5 ב-$1 למיליון טוקני קלט ו-$5 למיליון טוקני פלט. זה יקר בכ-25% מהדגם הקודם (Haiku 3.5), אבל זול משמעותית מהמודלים הבינוניים והגדולים יותר כמו Sonnet 4 ו-Sonnet 4.5 ($3/$15 בהתאמה). 

המשמעות המעשית היא שניתן להריץ יישומי בינה מלאכותית מבוססי שפה, שירותי תמיכה או עוזרים חכמים בעלות נמוכה בהרבה, כמעט בלי לוותר על איכות התוצאה. בנוסף, משתמשים קבועים נהנים מהנחות משמעותיות – עד 90% חיסכון עם prompt caching ו-50% עם Batch API (caching חוסך כסף כשעושים שימוש חוזר בתוכן קיים, ו-batching חוסך כסף כשמעבדים הרבה בקשות יחד).

מבנה תמחור כזה מאפשר לעסקים קטנים ובינוניים להשתמש במודלים חכמים בקנה מידה גדול, מבלי לחשוש מהוצאות ענק, ולראשונה להפוך פרויקטים מבוססי AI לכלכליים באמת.

היכולות החדשות שמבדילות אותו

Extended Thinking

לראשונה בדגמי Haiku, המודל יכול להשקיע יותר מחזורי חשיבה לפני המענה כדי להתמודד עם בעיות מורכבות. טוקני החשיבה מחויבים כטוקני פלט במחיר $5 למיליון.

למה זה חשוב? מאפשר דיוק טוב יותר בשאלות מרובות שלבים בלי לקפוץ למודל יקר יותר. שווה להפעיל רק כשנדרש עומק reasoning.

Context Awareness

המודל מודע לניצול חלון ההקשר שלו – עד 200,000 טוקנים – ויכול לנהל דיאלוגים ארוכים בלי לאבד חוט מחשבה, כולל אסטרטגיות prompting שמסתמכות על ספירת הקשר.

למה זה חשוב? פחות קטיעות, פחות שכחה, ויכולת לעבוד עם מסמכים ארוכים או שיחות תפעוליות מתמשכות.

Computer Use משופר

אינטראקציה אוטונומית עם שולחן עבודה ודפדפן. במבחן OSWorld המודל קיבל 50.7% – התוצאה הגבוהה ביותר עד היום לסדרת Haiku ומתקרבת ל-Sonnet 4.5.

למה זה חשוב? פותח דלת לאוטומציות מורכבות כמו מילוי טפסים, ניווט במערכות פנימיות ובדיקות QA. 

קלט ופלט מולטימודליים

תמיכה בטקסט ותמונות, חלון הקשר של 200K טוקנים ועד 64K טוקני פלט.

למה זה חשוב? מאפשר ניתוח מסמכים כבדים, סשנים רב שלביים ושרשורים ארוכים בלי שצריך לפצל לקבצים קטנים.

איפה משתמשים בו בפועל

אם אתם מפתחים מערכות שפועלות בזמן אמת, אתם צריכים לנסות את Haiku 4.5. לפי Anthropic, זה הפתרון האידיאלי לשורה של תרחישים יומיומיים שבהם מהירות ויעילות חשובים לא פחות מאינטליגנציה.

• צ’אטבוטים ושירות לקוחות: המודל מגיב כמעט מיידית ומאפשר להפעיל מערכות תמיכה חכמות בעלות תפעול נמוכה במיוחד. זהו שילוב נדיר של איכות תשובה גבוהה עם latency כמעט אפסי.
• עוזרי קידוד ו-pair programming: המודל החדש מציג ביצועי קידוד חזקים ותגובה מיידית, מה שהופך אותו לשותף אמיתי בפיתוח מהיר, תיקון באגים ו-code review חכם.
• מערכות מרובות-סוכנים (multi-agent systems): בתרחישים מורכבים, מודל גדול כמו Sonnet 4.5 יכול לשמש כמנהל שמפרק בעיה למספר שלבים, בעוד שצוות של Haiku 4.5 מבצע את המשימות במקביל. כך מתקבלת מערכת יעילה, מהירה וזולה בהרבה.
• ניתוחי מידע בקנה מידה גדול: Haiku 4.5 מסוגל לעבד ולעקוב אחר אלפי זרמי נתונים בזמן אמת, כולל תובנות פיננסיות, רגולטוריות או תפעוליות – תחום שבו המהירות שלו היא יתרון תחרותי מובהק.

בסופו של דבר, המודל הזה מביא אינטליגנציה של “דגם פרימיום” אל תוך יישומים יומיומיים, ומוכיח שלא צריך כוח מחשוב עצום כדי להשיג תוצאות ברמה הגבוהה ביותר.

איפה המודל זמין

Claude Haiku 4.5 זמין כבר היום לכל המשתמשים, ללא הגבלות מוקדמות או הרשאות מיוחדות. תוכלו לעבוד איתו דרך:

• אתר ואפליקציית Claude.ai

• Claude API (שם המודל: claude-haiku-4-5)

• פלטפורמות הענן Amazon Bedrock ו-Google Vertex AI

מי שנכנס לאתר או לאפליקציה אחרי ההשקה, יקבל הצעה לעבור ל-Haiku 4.5 החדש בלחיצה כפתור (Try it), ובכל מקרה, ניתן לבחור בו בכל עת דרך בורר המודלים שבממשק.

הודעת ההשקה בממשק Claude.ai

ביצועים מול מתחרים

בעולם שבו כל אחוז דיוק נחשב, Claude Haiku 4.5 מצליח להישאר כמעט כתף אל כתף עם מודלים מתקדמים בהרבה, ובמחיר נמוך משמעותית. בהשוואות שביצעה Anthropic, מודל Haiku 4.5 עוקף את Gemini 2.5 Pro ברוב הקטגוריות, שומר על פער זעיר מול GPT-5 בקידוד (73.3% לעומת 74.5%), ומציג תוצאות מרשימות גם במשימות מתמטיות, הבנה ויזואלית ורב-לשוניות.

תוצאות עיקריות מהמבחנים הפנימיים של Anthropic:

• תכנות (SWE-bench) – 73.3%

• הבנה מתמטית (AIME 2025) – 96.3%

• רב-לשוניות (MMLU) – 83.0%

• חשיבה חזותית (MMMU) – 73.2%

במילים אחרות, Haiku 4.5 אינו “מודל קטן וחסכוני” בלבד, הוא מתקרב לרמות הביצועים של המודלים המתקדמים בעולם, ומוכיח עד כמה יעילות חישובית ואינטליגנציה כבר לא בהכרח הולכות בנפרד.

Source: Anthropic.com | השוואת ביצועי מודלים במבחני קידוד, מתמטיקה, הבנה ויזואלית ורב-לשוניות.

מגבלות שכדאי לקחת בחשבון

לצד היתרונות המרשימים שלו, Claude Haiku 4.5 אינו תחליף מלא למודלים הגדולים בכל מצב. הוא מהיר ויעיל במיוחד, אבל במשימות שמצריכות חשיבה עמוקה ורצף נימוקים מורכב לאורך זמן, כמו ניתוחים טכניים, תכנון אסטרטגי או פתרון בעיות מרובות שלבים, הביצועים שלו עשויים להיות פחות עקביים. במקרים כאלה עדיף לבחור ב-Sonnet 4.5 או להפעיל את יכולת Extended Thinking של Haiku 4.5, שמאפשרת לו להשקיע יותר “זמן מחשבה” ולשפר את רמת הדיוק.

גם בעבודה עם computer use, אפילו שהמודל רשם שיא חדש עם ציון 50.7% במבחן OSWorld, מדובר עדיין בביצועים חלקיים. הוא מתאים במיוחד לאוטומציות מונחות אדם (human-in-the-loop), אך עדיין לא מומלץ להפעלה אוטונומית מלאה ללא בקרה.

נקודה נוספת שכדאי לשים לב אליה היא מבנה העלויות: בעוד ש-Haiku 4.5 חסכוני מאוד בהשוואה למודלים הגדולים, עלות הפלט שלו גבוהה פי חמישה מעלות הקלט ($1 לקלט לעומת $5 לפלט למיליון טוקנים). בפרויקטים שבהם מופק טקסט ארוך במיוחד, כמו סיכומים, דו”חות או דוקומנטציה, זה עלול להפוך לגורם משמעותי בעלויות הכוללות. שימוש נכון ב-prompt caching וב-Batch API יכול לצמצם את ההוצאה באופן ניכר.

לכן, Haiku 4.5 הוא בחירה מצוינת לרוב היישומים היומיומיים הדורשים מהירות ועלות נמוכה, אבל כשנדרשת חשיבה ארוכת טווח, דיוק מחקרי או שליטה מלאה במחשב, כדאי לשלב כלים משלימים או לעבור למודל מתקדם יותר כמו Sonnet 4.5.

בטיחות והתאמה לשימוש מסחרי

Anthropic מדווחת כי Claude Haiku 4.5 עבר סדרת בדיקות בטיחות מקיפה, שהראתה שיעור נמוך במיוחד של התנהגויות לא רצויות או תגובות לא מתואמות. המודל סווג תחת AI Safety Level 2 (ASL-2) – רמת פיקוח פחות מגבילה מזו של Sonnet 4.5 ו-Opus 4.1, המדורגים ב-ASL-3.

מה זה אומר בפועל? שהמודל בטוח לשימוש רחב יותר, כולל בסביבות עבודה, יישומים עסקיים ומערכות למשתמשי קצה, מבלי להיכנס לאזורים רגישים מדי מבחינת תוכן או אוטונומיה. Anthropic מציינת כי Haiku 4.5 הוא המודל הבטוח ביותר שייצרה עד כה לפי המדדים הפנימיים שלה.

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

לפרטים נוספים לחצו כאן >>

לסיכום, Claude Haiku 4.5 הוא לא רק עדכון טכנולוגי נוסף, הוא סימן דרך בשינוי שמתחולל בעולם הבינה המלאכותית. פעם גודל המודל היה המדד לעוצמה, אבל היום מה שקובע הוא היכולת לספק ביצועים של מודלים מתקדמים במהירות ובעלות נמוכה.

Haiku 4.5 מוכיח שאפשר להגיע כמעט לאותה רמת אינטליגנציה שמציעים המודלים הגדולים בפחות זמן, בפחות כסף, ועם הרבה יותר גמישות.

אם אתם מפתחים בוטים, עוזרים חכמים או מערכות שפועלות בזמן אמת, זה כנראה אחד המודלים המשתלמים והיעילים ביותר שזמינים היום, ומבשר על עתיד שבו האיכות כבר לא נמדדת בגודל, אלא בדיוק ובמהירות.

הפוסט אנטרופיק משיקים את Claude Haiku 4.5 הופיע ראשון בLet's AI בינה מלאכותית

כשחוכמה גדולה נתקעת על חידות קטנות

מודלי שפה גדולים כמו ChatGPT, Gemini  ו-Claude יודעים לכתוב קוד, לסכם מאמרים ולנהל שיחות מורכבות, אבל כשמעמידים אותם מול חידות לוגיות פשוטות לכאורה, כמו סודוקו או מבוכים, הם עדיין מתקשים. הם חושבים ב“קו ישר“ – מייצרים תשובה בניבוי קדימה (forward pass), מילה אחרי מילה ושלב אחרי שלב, בלי לעצור ולבדוק אם ההיגיון עדיין נכון. טעות מוקדמת גוררת שרשרת טעויות בהמשך.

הקושי הזה נחשף במיוחד במבחן ARC-AGI – סדרת חידות חזותיות שנועדה לבדוק אם מודלים באמת “מבינים” דפוסים חדשים, ולא רק משננים דוגמאות. בגרסה הראשונה של המבחן (ARC-AGI-1), מודל o3 של OpenAI השיג תוצאות מרשימות – כ-75.7% בתצורת חישוב מוגבלת, ועד 87.5% בתצורת חישוב גבוהה. אבל בגרסה המתקדמת יותר (ARC-AGI-2), שמודדת יצירתיות ויכולת למידה אמיתית, כמעט כל המודלים נתקעים סביב אחוזים בודדים בלבד. לדוגמה, Gemini 2.5 Pro (Preview) הגיע לכ-3.8%, ו-o3-pro (high) ל-4.9% בלבד – נתונים שממחישים עד כמה גם המערכות המתקדמות בעולם עדיין מתקשות באמת “להבין” ולא רק “לחזות”.

במילים פשוטות, למרות ההתקדמות המרשימה, רוב המודלים הגדולים עדיין לא באמת “חושבים”. הם מעולים בזיכרון, בחיזוי ובשפה, אבל לא בהיגיון הדרגתי ובתיקון עצמי בזמן אמת.

לחשוב בלולאות

כדי להתגבר על המגבלה הזו של היעדר היכולת “לחשוב בלולאות”, חוקרים ניסו לפתח ארכיטקטורות חדשות שמדמות תהליך חשיבה אנושי אמיתי. אחת מהניסיונות הבולטים הייתה מודל בשם HRM (Hierarchical Reasoning Model), מודל חשיבה היררכי שניסה לשלב שתי רשתות נוירונים שפועלות בתדרים שונים: אחת “מהירה” ואחת “איטית”. הרעיון היה חכם, אבל היישום היה מסורבל. HRM כלל 27 מיליון יחידות למידה, נשען על תיאוריה מתמטית מורכבת, והצדיק את עצמו בהסברים ביולוגיים שהיו קשים להבנה גם למומחים.

החוקרת Alexia Jolicoeur-Martineau שאלה שאלה פשוטה: האם באמת צריך את כל זה? היא לקחה את אותו רעיון בסיסי, רשת שחושבת בלולאות, ופישטה אותו לחלוטין. כך נולד Tiny Recursive Model (TRM): רשת אחת, קטנה, שחוזרת על עצמה עד 16 פעמים. בכל סיבוב היא בוחנת את השאלה, את התשובה הנוכחית ואת “הערות לעצמה” מהפעמים הקודמות, ומשפרת את הפתרון בהדרגה.

כשפשטות גוברת על כוח

שני עקרונות פשוטים הופכים אותה ליעילה במיוחד:

1. משוב בשלבים (Deep Supervision) – בכל שלב המודל מקבל רמז אם הוא מתקרב לתשובה הנכונה, ממש כמו במשחק “קר-חם”, שבו אתה יודע שאתה בדרך הנכונה כששומעים “חם… חם יותר”.

2. החלטה מתי לעצור (ACT) – אם התשובה כבר נכונה אחרי שלושה סבבים, הוא מפסיק ולא מבזבז חישובים. כך הוא מספיק להתאמן על יותר דוגמאות שונות ולומד מהר יותר.

התוצאות מדברות בעד עצמן – TRM הזעיר, עם כ-7 מיליון יחידות למידה בלבד, הגיע ל-44.6% ב-ARC-AGI-1 ול-7.8% ב-ARC-AGI-2. בגרסה קטנה עוד יותר של 5 מיליון יחידות, הוא פתר חידות סודוקו קשות בדיוק של 87.4%, והצטיין גם במבוכים עם 85.3%, לעומת 74.5% של HRM הגדול.

הפשטות הזו לא רק חוסכת כוח מחשוב, היא גם מוכיחה שמחשבה מחזורית קטנה יכולה להביס כוח גולמי עצום.

למה זה חשוב

המחקר הזה מערער על אחת ההנחות העמוקות ביותר בעידן הבינה המלאכותית והוא שגודל שווה אינטליגנציה. כשניסו להגדיל את הרשת משתי שכבות לארבע שכבות, הביצועים דווקא הידרדרו. יותר פרמטרים לא הביאו להבנה טובה יותר, רק לזיכרון עמוק יותר.

TRM מציע אלטרנטיבה: עומק שנוצר לא מנפח, אלא מחזרות חכמות. הוא לומד בהדרגה, מתקן את עצמו, ומגיע לתוצאה מדויקת יותר, בדיוק כפי שבני אדם עושים כשאנחנו חושבים. היתרון אינו רק רעיוני אלא גם מעשי. רשת זעירה כזו יכולה לרוץ על מחשב נייד רגיל או אפילו על טלפון, בלי צורך בחיבור לענן ובלי לצרוך כמויות עצומות של חשמל. זה שינוי משמעותי בעידן שבו מודלים ענקיים דורשים חוות שרתים שלמות וצריכת אנרגיה של מדינות קטנות.

ובעומק הדברים – זה שינוי כיוון מחשבתי. במקום להוסיף שכבות, TRM מוסיף דרך חשיבה: הוא חוזר, בוחן, משפר, ומחליט מתי לעצור. זהו עקרון פשוט שמזכיר את האופן שבו המוח האנושי לומד, ומרמז על דור חדש של AI שמצליח לא רק “לדעת”, אלא גם להבין.

היישומים פותחים אופקים חדשים – הוכחות מתמטיות, תכנון תנועות רובוטים, ניפוי באגים בקוד – כל משימה שבה נדרשת חשיבה מדויקת יותר מידע רחב. אבל אולי החשוב מכל, המחקר הזה מזכיר לנו שהאינטליגנציה האמיתית לא תמיד נמדדת בכמות, אלא באיכות החשיבה.

לא שיחה, אלא חשיבה

TRM הוא לא מודל כללי לשיחות, כתיבה או יצירת טקסט. הוא אומן על שאלות שיש להן תשובה אחת נכונה, כמו סודוקו ומבוכים, ולכן אינו מתאים למשימות פתוחות או דמיון חופשי. אבל זו לא חולשה, זו בחירה – הוא נבנה כדי לחשוב בצורה ממוקדת, צעד אחרי צעד, ולא לזרוק רעיונות באוויר. זה לא מוח שמדבר, זה מוח שבוחן, מתקן ומגיע למסקנה. כלי מדויק לחשיבה, לא לשיחה.

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

לפרטים נוספים לחצו כאן >>

לסיכום, המחקר של Alexia Jolicoeur-Martineau מזכיר עיקרון פשוט אבל מהפכני – כדי לחשוב חכם יותר, לא צריך בהכרח לחשב יותר. רשת זעירה אחת, שחוזרת על עצמה ולומדת מתוך תהליך החשיבה שלה, יכולה לנצח מערכות ענקיות פי מאה אלף ממנה. ההתקדמות הבאה בבינה מלאכותית תגיע כנראה פחות מהוספת שכבות ושרתים, ויותר מהבנה עמוקה של איך חשיבה אמיתית באמת עובדת – גם אצל מכונות, וגם אצלנו.

למי שרוצה לצלול לעומק – המחקר המלא זמין כאן.

הפוסט האם מודל זעיר חושב חכם יותר ממודל גדול? הופיע ראשון בLet's AI בינה מלאכותית

מ-10 שבועות ל-10 דקות

Novo Nordisk, החברה הדנית שמאחורי Ozempic נתקלה באחת הבעיות הכואבות ביותר בתעשיית התרופות – תיעוד רגולטורי. דוח מחקר קליני ממוצע מגיע ליותר מ-300 עמודים, וכותב מקצועי מצליח להפיק רק שניים-שלושה כאלה בשנה. כל יום עיכוב בתהליך הזה שווה עד 15 מיליון דולר בהכנסות אבודות, ובעיקר, עוד יום שבו חולים ממתינים לטיפולים שיכולים להציל חיים.

כדי להתמודד, Novo Nordisk השוותה בין ספקי בינה מלאכותית ובחרה ב-Claude של Anthropic בזכות הדיוק בעיבוד נתונים קליניים. היא בנתה פלטפורמה ייעודית בשם NovoScribe, שמשלבת את Claude דרך Amazon Bedrock עם חיפוש סמנטי ותכנים מאושרים על ידי מומחים. התוצאה: מערכת שמפיקה דוחות ברמת איכות רגולטורית שמקבלת אישור חיובי שוב ושוב מהרגולטורים.

המספרים מדברים בעד עצמם – תיעוד שלקח למעלה מעשרה שבועות – נוצר כעת בעשר דקות בלבד. מחזורי בדיקה התקצרו בחצי, והאיכות דווקא השתפרה. אפילו פרוטוקולי אימות רפואיים שמעסיקים מחלקות שלמות מטופלים היום על ידי אדם אחד.

עם Claude Code, גם עובדים לא-טכניים מפתחים פיצ’רים חדשים בשעות במקום בשבועות. צוות הפיתוח הקטן של 11 אנשים הרחיב את היכולות הארגוניות משמעותית, בלי להוסיף כוח אדם. “בתעשייה מוסדרת מאוד, אנחנו לא יכולים פשוט לזרוק את הנתונים שלנו למודל שפה ולקוות למיטב,” אומר וואהיד ג’ווייה (Waheed Jowiya), מנהל אסטרטגיית הדיגיטציה של החברה. “העבודה עם Anthropic הראתה לנו איך עושים את זה נכון ובצורה מאובטחת.”

התאמה אישית בקנה מידה

Cox Automotive, החברה הגדולה בעולם לשירותים בתחום הרכב, גילתה איך בינה מלאכותית יכולה להפוך מערכת CRM שגרתית למנוע שיווקי חכם. החברה שילבה את Claude בשלוש הפלטפורמות המרכזיות שלה – VinSolutions CRM, Autotrader PSX ו-Dealer.com – ובחרה בו בזכות שלושה מדדים קריטיים: מהירות תגובה, עלות ודיוק.

במקום מודל אחד שמתאים לכולם, הם מפעילים שניים: Claude Sonnet למשימות מורכבות שדורשות הבנה עמוקה, ו-Claude Haiku לתרחישים עתירי נפח שבהם נדרשת תגובה כמעט מיידית. התוצאה נראית בשטח – תגובות לפניות צרכנים ותורים לנסיעות מבחן יותר מהוכפלו, ורשימות רכבים שנוצרו על ידי AI זוכות ל-80% משוב חיובי ממוכרים.

אם בעבר לקח שבועות להפיק תוכן לאתרי סוכנויות, היום זה קורה באותו יום. עד כה הפיקה הפלטפורמה למעלה מ-9,000 תוצרים שיווקיים ללקוחות ברחבי העולם. “Claude מדורג בעקביות בין המודלים המתקדמים ביותר,” אומר בן פלוסברג (Ben Flusberg), מנהל הנתונים הראשי ב-Cox Automotive. “עם כל עדכון הוא דוחף את החדשנות קדימה.”

פיתוח מאובטח ומהיר יותר

בחברת הסייבר הגדולה בעולם, Palo Alto Networks, גילו בעיה מוכרת – מפתחים השקיעו כשליש מזמנם בשלב הפיתוח הראשוני, בדיוק השלב שבו מתגלים הבאגים הקריטיים ביותר. מפתחים חדשים נדרשו לחודשים כדי להבין את הקוד-בייס העצום של החברה ולתרום באופן אפקטיבי. כדי לשבור את צוואר הבקבוק הזה, Palo Alto Networks חיפשה פתרון AI שיכול לשלב בין בטיחות קפדנית ליעילות הנדסית גלובלית.

לאחר השוואה בין ספקים, החברה בחרה ב-Claude דרך פלטפורמת Vertex AI של Google Cloud, בזכות ביצועי הקוד הגבוהים, תקני האבטחה והאינטגרציה החלקה עם מערכות הפיתוח. השפעת השינוי הייתה דרמטית – מהירות פיתוח הפיצ’רים עלתה ב- 30%-20%, וזמן ההכשרה של מפתחים חדשים התקצר מחודשים לשבועות.

כיום עובדים עם Claude כ-2,500 מפתחים, והמספר צפוי לעלות ל-3,500. גם מפתחים זוטרים ללא ניסיון קודם הצליחו לבצע אינטגרציות 70% מהר יותר הודות להכוונה של Claude.

בנוסף, Palo Alto Networks מובילה כעת מערכת AI חדשנית ל-CI/CD (תהליכי אינטגרציה ופריסה רציפה), שמבצעת אוטומציה חכמה: משפרת שמות משתנים, מוסיפה הערות ומייצרת בדיקות יחידה – הכול בזמן אמת. “Anthropic תעדפה בטיחות ואבטחה הרבה יותר מכל מודל אחר,” אומר גונג’ן פאטל (Gunjan Patel), מנהל ההנדסה של החברה. “הם מדברים על השלכות אבטחה בכל פגישה. כחברת הסייבר הגדולה בעולם, זה משמעותי במיוחד עבורנו.”

סוכנים אוטונומיים בפעולה

ארגונים כבר לא מסתפקים בעוזרי AI שמציעים תשובות, הם צריכים מערכות שחושבות, מנמקות ופועלות בעצמן. בדיוק לשם כך שילבה Salesforce את מודלי Claude כדי להפעיל את Agentforce Agents דרך Einstein 1 Studio (סטודיו לפיתוח בינה מלאכותית ארגונית).

התוצאה היא פלטפורמה שבה בינה מלאכותית יכולה לתכנן, להחליט ולבצע פעולות בשם עובדים ולקוחות, בלי תלות בהתערבות אנושית מתמדת. כל אינטראקציה עם Claude עוברת דרך שכבת ההגנה של Salesforce, הכוללת grounding דינמי (חיבור למידע מאומת בזמן אמת) וזיהוי טוקסיות (מנגנון שמגן על המשתמשים מתוכן מזיק, לא הולם או לא אתי שנוצר על ידי הבינה המלאכותית) דרך Einstein Trust Layer. כך נשמר שימוש אחראי ובטוח גם בתעשיות רגישות במיוחד.

לקוחות Salesforce כבר מפעילים סוכנים אוטונומיים שמתזמרים תהליכי עבודה שלמים מקצה לקצה – ניתוח נתוני לקוחות, זיהוי הזדמנויות עסקיות, ביצוע טרנזקציות ועדכון נתונים בין מערכות שונות, והכול באופן עצמאי.

זהו שינוי מהותי, ממודלים שמשמשים עוזרים, למודלים שהם שותפים אוטונומיים. מפתחים יכולים להתאים את הסוכנים לפי תחום – מכירות, שיווק או שירות לקוחות – ולבחור בכל שלב את גרסת Claude שמאזנת בין אינטליגנציה, מהירות ועלות לכל תהליך עבודה ספציפי.

מאנליטיקה לשיווק גלובלי

כש-IG Group, אחת מחברות המסחר המקוון הגדולות בעולם, בחנה ספקי בינה מלאכותית שונים, Claude בלט באופן עקבי, במיוחד במקרי השימוש המורכבים ביותר שלה.

צוות ה-Data & AI Transformation של החברה פרס את Claude באופן אסטרטגי – לאוטומציה של תהליכי עבודה אנליטיים מסובכים, לתמיכה במנהלי HR ביצירת משוב עקבי על ביצועים ברחבי העולם, ולהעצמת צוותי השיווק להפיק תוכן רב-לשוני תוך עמידה בתקנות רגולציה מחמירות.

התוצאות היו מעבר לציפיות. צוותי האנליטיקה חוסכים כיום כ-70 שעות עבודה בשבוע, זמן שהועבר לעבודה אסטרטגית בעלת ערך גבוה יותר. במקרים מסוימים, הפרודוקטיביות הוכפלה. בצד השיווקי, מהירות ההשקה השתפרה במאות אחוזים, תוך הפחתת התלות בסוכנויות חיצוניות. החברה הגיעה ל-ROI מלא בתוך שלושה חודשים בלבד.

“Anthropic היא חברת ה-AI היצרנית היחידה שסיפקה תוצאות בזמן – כל הזמן,” אומרת אולגה פירוג (Olga Pirog), ראש הטרנספורמציה הגלובלית של Data ו-AI ב-IG Group. “לארגון שמוביל שינוי עסקי, שותף אמין הוא נכס שאין לו תחליף.”

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

לפרטים נוספים לחצו כאן >>

הטמעה יעילה של בינה מלאכותית בארגונים

כשמסתכלים על החברות שהצליחו באמת, מתברר שהן עושות כמה דברים אחרת.

ראשית, הן מתחילות מבעיה עסקית אמיתית. לא “AI בשביל ה-AI”, אלא טיפול בצווארי בקבוק מדידים – תהליכי עבודה ידניים, תיעוד שמאט השקות, או חניכה שיכולה להתקצר מחודשים לשבועות.

שנית, הן משקיעות באנשים לא פחות מבטכנולוגיה. תוכניות הכשרה ורשתות של “אלופי AI” עוזרות לעובדים לשלב את הכלים בעבודה היומיומית. כשהצוות מבין לא רק איך להשתמש במערכת אלא למה, האימוץ קורה מעצמו.

שלישית, הן מודדות את מה שבאמת חשוב. פרודוקטיביות, חיסכון בזמן, שיפור באיכות – כל נתון הופך להוכחת ROI שמדברת בשפה של ההנהלה, לא של ההייפ. גישה מבוססת מדידה שכזו מייצרת תוצאות מתמשכות ולא הדגמות חולפות.

ולבסוף, הן בונות לסקייל מהיום הראשון. אינטגרציה, אבטחה ואמון אינם תוספת, הם הבסיס. מי שרואה בינה מלאכותית כטרנספורמציה ארגונית ולא כניסוי טכנולוגי, מתקדם מהר יותר ומשיג תוצאות יציבות יותר.

חמש החברות האלה ועוד כאלה שלא הזכרנו כאן כבר מוכיחות את זה. הן מרחיבות את השימוש ב-Claude, בונות מערכות אג’נטיות שמעצבות מחדש תהליכי עבודה, ומראות מהי טרנספורמציית AI אמיתית. ולמי שעדיין מתלבט, השאלה כבר לא “האם להשתמש בבינה מלאכותית”, אלא ״איך להטמיע אותה נכון״. התשובה, כמו שהחברות האלה מוכיחות, מתחילה במדידה, ממשיכה באימון, ונגמרת בתוצאות שאי אפשר להתעלם מהן.

הפוסט ה-5% שכן הצליחו: כך נראית טרנספורמציית AI אמיתית עם Claude הופיע ראשון בLet's AI בינה מלאכותית

האתגר של ג’ון ארווין

הבמאי ג’ון ארווין מצא את עצמו מול אחת הדילמות הקלאסיות של יוצר עצמאי – איך להפיק סצנת פתיחה מרהיבה בלי לקרוס כלכלית. בפרק השישי של House of David הוא רצה להציג מלאך ענק עם כנפיים עצומות, גשם שוטף, עשן ורוח – כל האלמנטים שמעניקים תחושת מיתוס. אבל הפקה כזו בשיטות מסורתיות הייתה עולה 40 עד 60 אלף דולר לצילום בודד, מצריכה צוות של 20-30 אמנים וחמישה חודשי עבודה. לאולפן העצמאי שלו, Wonder Project, זו פשוט לא הייתה אפשרות. במקום לוותר, ארווין בחר לקחת סיכון ולהכניס את הבינה המלאכותית אל לב תהליך ההפקה.

איך עשו את זה?

הצוות של ארווין עבד עם מנוי Unlimited ל-Runway בעלות של 95 דולר לחודש, ובשילוב חמישה כלים נוספים – Midjourney, Magnific, Topaz, Kling ו-Unreal Engine, והוציא את כל זה לפועל בפחות מ-200 דולר בחודש. לשם השוואה, יום צילום מסורתי עם צוות אפקטים חזותיים עולה בין 10 ל-50 אלף דולר, ואמן VFX בכיר גובה 300 עד 1,500 דולר לשעה.

בזכות השילוב הזה, סצנה שהייתה אמורה לקחת חמישה חודשי עבודה הושלמה בתוך שבועיים בלבד. “הסצנה כולה מונעת בבינה מלאכותית כבסיס המרכזי,” הסביר ארווין. “הכלים האלה משתלבים מצוין עם תוכנות המסורתיות. בלי AI היינו צריכים לצלם במדבר או לבצע עבודת VFX בקנה מידה הוליוודי – שניהם מעבר לכל תקציב ריאלי שלנו.”

המספרים מדברים

במהלך שמונת פרקי העונה הראשונה – 432 דקות שידור בסך הכול – שולבו כלי הבינה המלאכותית ב-72 צילומים בלבד, ורק במקומות שבהם היה להם ערך אמיתי מבחינה יצירתית או תקציבית. לפי נתוני Runway, השימוש ב-AI חסך לאולפן חמישה חודשי עבודה של פוסט-פרודקשן, זמן שבאולפן רגיל היה נבלע בין צוותים, תיקונים ובדיקות אין-סופיות.

“הופתעתי עד כמה הסימולציות מדויקות,” אמר ארווין. “גשם, עשן, רוח, אפילו התנועה של נוצות על כנפי המלאך – הכלים האלה עשו זאת טוב יותר מכל מערכת VFX שעבדתי איתה בעבר.”

מלאך ענק עם כנפיים עצומות. Credit: runwayml.com

ההצלחה

House of David עלתה לאמזון פריים ב-27 בפברואר 2025 עם שלושת הפרקים הראשונים, ותוך 17 ימים בלבד צפו בה יותר מ-22 מיליון איש. עד אפריל, עם סיום העונה, היא כבר תפסה את המקום הראשון בפלטפורמה – הישג נדיר לסדרה עצמאית בהיקף כזה.

כדי להבין את גודל הפער, כדאי להשוות – הפקת Fallout עלתה 19.1 מיליון דולר לפרק, Citadel הגיעה ל-50 מיליון, ו-The Rings of Power שברה שיאים עם 58 מיליון דולר לפרק. לעומתם, House of David נוצרה בתקציב זעיר והצליחה להתחרות ביצירות הענק האלה בזכות שימוש חכם בטכנולוגיה.

אמזון, שזיהתה את הפוטנציאל, מיהרה לאשר עונה שנייה. הביקורות היו מעורבות – 71 אחוזים מהמבקרים העניקו לה ציון חיובי ב-Rotten Tomatoes (אחד מהמקורות המשפיעים ביותר בעולם להערכת סרטים וסדרות טלוויזיה), אבל הצופים היו הרבה יותר נלהבים, ו-90 אחוזים מהקהל דירגו את הסדרה כאחת מהאהובות של השנה.

הצד האפל של המהפכה

השימוש הגובר בבינה מלאכותית בתעשיית הבידור לא עבר בשקט. מחקר של הפדרל ריזרב בסנט לואיס שפורסם באוגוסט 2025 מצא כי תחומי המחשוב והאפקטים החזותיים חוו עלייה ניכרת באבטלה מאז 2022, בדיוק בתקופה שבה כלי ה-AI הפכו לנפוצים בהפקות טלוויזיה וקולנוע.

סקר נלווה חשף כי כ-30 אחוזים מהעובדים בתעשייה חוששים שהמשרות שלהם יוחלפו בטכנולוגיה. ובכל זאת, הנתונים המלאים מציירים תמונה מורכבת יותר: 91 אחוזים מהחברות שכבר משלבות בינה מלאכותית מתכננות לגייס עובדים חדשים במהלך 2025, ו-96 אחוזים מהן מדווחות שמיומנויות בתחום ה-AI מעניקות למועמדים יתרון ממשי.

במילים אחרות, האיום עלול להפוך להזדמנות למי שמוכן ללמוד לעבוד לצד המכונה, ולא במקומה.

בין אדם למכונה

“האתגר האמיתי,” אומר ג’ון ארווין, “הוא לגרום לסצנה להרגיש אנושית. הכלים עצמם מדהימים, אבל בלי עין אמנותית ותחושת אינטואיציה, התוצאה נשארת קרה ומכנית.”

טים מור, מנכ”ל Vū Technologies שליווה את ההפקה, מסכים: “מה שקרה כאן הוא קפיצת מדרגה לכל תעשיית הבידור. אנחנו רואים איך בינה מלאכותית מאפשרת לפרוץ גבולות שלא היה ניתן לגעת בהם קודם, אבל עדיין נדרשת הנוכחות האנושית שתהפוך את זה לסיפור שמרגישים.”

עוד סצנה מתוך הסדרה ג׳ון ארווין. Credit: runwayml.com

למי זה באמת מתאים

שילוב בינה מלאכותית בתהליך ההפקה מתאים בעיקר לאולפנים עצמאיים שעובדים עם תקציב של עד חצי מיליון דולר לפרק – שם כל דולר נמדד וכל יום צילום קובע. הכלים האלה מאפשרים להפוך מגבלות למשאבים – לבדוק רעיונות במהירות, לבנות סצנות מורכבות מבלי לשכור צוותים גדולים, ולהפיק עולמות של פנטזיה ומדע בדיוני שלא ניתן היה לממן בעבר.

יחד עם זאת, יש גבול ברור ליכולות של AI. הוא עדיין מתקשה בקלוז-אפים אנושיים, בעקביות מדויקת בין עשרות צילומים ובאנימציה עדינה של הבעות פנים. במילים אחרות, הוא מצוין ליצירת אווירה, תנועה ואפקטים כלליים, אבל כשנדרשת נשימה אנושית או דיוק רגשי, אין תחליף לאמן מאחורי המסך.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

נקודת מפנה

House of David היא לא רק סדרה מצליחה, אלא נקודת מפנה. זו אחת ההפקות הראשונות ששילבו בינה מלאכותית בלב תהליך היצירה, והיא בוודאי לא תהיה האחרונה. האולפנים לומדים, היוצרים מסתגלים, והגבול שבין הוליווד לאולפנים העצמאיים הולך ונמחק.

בעבר השאלה הייתה האם להשתמש ב-AI. היום השאלה האמיתית היא איך – איך לעשות זאת באופן חכם, אתי ויצירתי. הטכנולוגיה כבר הוכיחה שהיא יכולה לחסוך חמישה חודשי עבודה וכ-90 אחוזים מהתקציב. אבל רעיון טוב, סיפור מרגש ודמות שחודרת ללב – את אלה שום אלגוריתם לא יכול להמציא.

העונה השנייה של House of David תשודר החודש (אוקטובר 2025) באמזון פריים. 

הפוסט איך כלי AI הפכו סדרה מקראית ללהיט מספר 1 באמזון הופיע ראשון בLet's AI בינה מלאכותית

מה זה בעצם Figure 03?

Figure 03 הוא רובוט הומנואידי מהדור החדש, שתוכנן מהיסוד כדי למלא שלושה יעדים מרכזיים:

1. להפעיל את Helix – מערכת הבינה המלאכותית של החברה.

2. לפעול בבטחה בסביבה ביתית.

3. ולהיות מוכן לייצור המוני.

אבל מה שהופך אותו לשונה באמת הוא הדרך שבה הוא לומד. בניגוד לרובוטים תעשייתיים שדורשים תכנות מדויק לכל פעולה, Figure 03 לומד מצפייה – הוא רואה איך אדם מבצע משימה, מפענח כל תנועה ותיקון, ומסוגל לשחזר אותם בעצמו. זהו שינוי תפיסתי עמוק ממכונה שמבצעת פקודות, לישות שמבינה את הכוונה שמאחוריהן.

למה זה חשוב?

אנחנו עומדים על סף שינוי עמוק שבו המושג “עובד” כבר לא שייך רק לבני אדם. Figure 03 מייצג את תחילתו של עידן חדש, עידן שבו הרובוטים לא נבנים לביצוע פעולה אחת, אלא כדי להבין, ללמוד ולהסתגל כמו שותפים אנושיים. בלב השינוי הזה נמצא Helix, מודל הבינה המלאכותית של החברה, שמאפשר לרובוט להבין פקודות בשפה טבעית כמו “תביא את הקופסה האדומה מהמדף העליון” ולבצע אותן בדיוק אנושי בלי תכנות מוקדם ובלי סקריפטים.

במילים אחרות, Figure 03 לא רק מבצע משימות, הוא משנה את הדרך שבה אנחנו חושבים על עבודה, למידה ושותפות בין אדם למכונה. זו כבר לא שאלה של “מה הוא יכול לעשות”, אלא “איך העולם ייראה כשיהיו אלפים כמוהו”.

מנכ״ל Figure טוען שזה הרובוט ההומנואידי הטוב בעולם

הדרך אל הדור השלישי

כדי להבין עד כמה Figure 03 משמעותי, צריך לחזור לרגע להתחלה. הכול התחיל בשנת 2022, עם הצגת Figure 01, אב־טיפוס בסיסי שנועד להוכיח את ההיתכנות של שלד רובוטי בגודל אדם. לאחר מכן הגיעה Figure 02 בשנת 2024, גרסה תעשייתית ראשונה שכבר נשלחה ללקוחות מסחריים וביצעה ניסויי עבודה אמיתיים בשיתוף עם BMW. זו הייתה הפעם הראשונה שבה החברה הוכיחה תיאום אמיתי בין ראייה, תנועה וקבלת החלטות.

בקיץ 2025, רגע לפני ההשקה של Figure AI, Figure 03 חשפה גרסה מקדימה שבה הרובוט הצליח לקפל כביסה בעצמו ללא שליטה מרחוק. זו הייתה נקודת מפנה – לראשונה רובוט לא תוכנת לקפל כביסה, אלא הבין ולמד לעשות זאת בכוחות עצמו.

וממש השבוע (9 באוקטובר), נחשף Figure 03, עיצוב מחדש מקצה לקצה של כל רכיב: ידיים, מצלמות, סוללה, חיישנים, טעינה ותוכנה, וכל זה במטרה אחת ברורה – להפוך את הרובוט מכזה שמדגים טכנולוגיה למוצר שמוכן לעולם שבחוץ. כפי שנכתב בהכרזה הרשמית של החברה: “עם הדור השלישי עיצבנו מחדש הכול, מהברגים ועד מערכת הלמידה, כדי שיתאים לעולם האמיתי.”

מה חדש טכנולוגית ולמה זה משנה

ראייה ותפיסה

מערכת מצלמות חדשה מעניקה ל-Figure 03 פי שניים קצב תמונה, רבע מזמן ההשהייה, ושדה ראייה רחב ב-60%. המשמעות פשוטה, הוא לא רק “רואה” טוב יותר, אלא גם מגיב בזמן אמת לסביבה משתנה. זה ההבדל בין הדגמה מבוקרת במעבדה לבין תפקוד מדויק במטבח אמיתי או בקו ייצור צפוף.

ידיים ומגע

בכל כף יד שובצו מצלמות פנימיות וחיישני מגע הרגישים לעומס של שלושה גרם בלבד – מספיק עדין כדי להחזיק סיכה בלי למעוך אותה. כפי שמתארים בצוות Figure: “המטרה הייתה לגרום לידיים של הרובוט לעבוד כמו של אדם – לא רק להרים, אלא להרגיש.” התוצאה היא אחיזה יציבה ובטוחה גם בחפצים רכים, שבירים או בתנועה, יכולת קריטית לעבודה אמיתית לצד בני אדם.

טעינה ותקשורת

הרובוט נטען באופן אלחוטי, הוא פשוט דורך על משטח טעינה, והאנרגיה זורמת דרך כפות הרגליים. הטעינה בהספק 2 קילוואט, והסוללה בקיבולת 2.3 קוט”ש מספקת כחמש שעות פעולה רצופה. הוא גם מתקשר בקצב של 10 ג׳יגה-ביט לשנייה באמצעות mmWave, מה שמאפשר לצי שלם של רובוטים לשתף דאטה וללמוד יחד, ממש כמו צוות עובדים שמעביר ידע מניסיון לשטח.

אודיו וקול

הרמקול גדול פי שניים ועוצמתי פי ארבעה לעומת הדגם הקודם, והמיקרופון הוצב מחדש כך שהרובוט מבין דיבור אנושי בזמן אמת. זה אולי נשמע כמו פרט קטן, אבל זו אחת הקפיצות הקריטיות בדרך לתקשורת טבעית באמת בין אדם למכונה.

עיצוב ביתי ובטיחות

Figure 03 קל ב-9% מקודמו, קומפקטי יותר, עטוף טקסטיל רך עם קצף מגן ועמיד בפני פגיעה. הוא תוכנן מראש לפעול בביטחון ליד אנשים, לא כרובוט תעשייתי מאחורי גדר, אלא כעוזר שיכול לנוע בחופשיות בבית.

ביצועים ובטיחות

Figure 03 מתוכנן להיות קרוב ככל האפשר למידות אנושיות – גובה של 1.68 מטר ומשקל של כ-60 ק״ג. הוא מסוגל לנוע במהירות של 1.2 מטר לשנייה ולשאת משקל של עד 20 ק״ג, מה שהופך אותו לגמיש ויעיל גם בסביבה תעשייתית וגם בבית. הסוללה שלו עומדת בתקן UN38.3 המחמיר, והחברה כבר החלה בהליכי הסמכה לתקן UL2271, המשמש למוצרים צרכניים. בפועל, המשמעות היא ש-Figure 03 הוא אחד הרובוטים הראשונים בעולם שתוכננו לפי תקני בטיחות של מוצר ביתי, ולא רק כמערכת ניסיונית.

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

לפרטים נוספים לחצו כאן >>

ייצור המוני

חברת Figure AI כבר לא עוסקת באב-טיפוס, היא עוברת לייצור אמיתי. לשם כך הקימה את BotQ, קו ייצור חדש המסוגל להפיק כ-12 אלף יחידות בשנה, עם יעד שאפתני להגיע ל-100 אלף רובוטים בתוך ארבע שנים. כפי שאמר מנכ״ל החברה, ברט אדקוק (Brett Adcock): “בנינו את שרשרת האספקה לפני שנוצר הביקוש.” זו לא רק אמירה ניהולית, זו הצהרת כוונות ברורה. Figure שואפת להפוך את הרובוטיקה ההומנואידית מתצוגת יכולת לתעשייה בקנה מידה עולמי.

אמינות ובשלות

ב-Figure 03 שום דבר לא הושאר ליד המקרה. כל רכיב, מהמצלמות ועד החיישנים, תוכנן מחדש עם שכבות גיבוי מלאות – מצלמות כפולות, חיישני מגע נוספים, ותוכנה שמנטרת שגיאות בזמן אמת ומתקנת אותן באופן עצמאי. בשלב זה החברה מתמקדת בעיקר בפריסות תעשייתיות, כמו בקווי הייצור של BMW, כדי לאמן את מערכת Helix בסביבות אמיתיות ורב-משימתיות. המטרה ברורה, לצבור אלפי שעות של ניסיון מציאותי, עד שהמערכת תהיה בשלה לעבור מהמפעל אל הבית.

מחיר וזמינות

נכון לעכשיו, Figure AI לא פרסמה מחיר רשמי ל-Figure 03. עם זאת, הערכות בתעשייה מדברות על טווח של 20-30 אלף דולר לגרסה צרכנית עתידית, ועל כ-50 אלף דולר לדגמים תעשייתיים שנמכרים כיום לשותפים ארגוניים. החברה פועלת בשלב זה במודל עסקי-ארגוני בלבד, ומתמקדת בשיתופי פעולה אסטרטגיים ובפריסות ניסיוניות שיספקו לה דאטה אמיתי מהשטח לפני המעבר לשוק הביתי.

Figure 03 נבחר לאחת ההמצאות הטובות של 2025 במגזין טיים. Source: Time

למה זה טוב לעסקים

עבור עסקים, Figure 03 הוא לא גימיק, הוא יתרון תפעולי אמיתי. המנועים החזקים מאפשרים פעולות מהירות ומדויקות כמו מיון, ליקוט והרכבה, הטעינה האלחוטית שומרת על רצף עבודה כמעט ללא הפסקות, וכל רובוט בצי לומד מהאחרים, כך שהמערכת משתפרת מעצמה. גם התחזוקה פשוטה – הכיסויים נשלפים ומוחלפים בקלות, בלי כלים ובלי זמן השבתה מיותר.

והאם זה יגיע גם לבית שלנו?

כנראה שכן, אבל לא עכשיו. בשלב הראשון Figure מתמקדת בפריסות תעשייתיות ובמרכזים לוגיסטיים, כדי לצבור ניסיון ותובנות מהעולם האמיתי לפני שתיכנס לבתים פרטיים. ובכל זאת, Figure 03 כבר מוכן טכנולוגית לשם – הוא בטוח, רך, קל, ומבין שפה טבעית. אם הקצב הנוכחי יישמר, ייתכן שבתוך כמה שנים נראה אותו, או גרסה מתקדמת שלו, עוזר לנו במטבח, מסדר מדפים, ואפילו מלמד את עצמו משימות חדשות.

לסיכום, Figure 03 הוא לא עוד רובוט, הוא הוכחה שהחזון מתחיל לקרום עור וגידים. לראשונה, בינה מלאכותית, תחושה אנושית ובטיחות מעשית משתלבות יחד בתוך גוף שמוכן לעולם האמיתי. אם החברה תעמוד ביעדיה, זה עשוי להיות הרגע שבו רעיון של עובד מבוסס בינה מלאכותית מפסיק להיות דמיון והופך למציאות יומיומית.

הפוסט Figure 03 של Figure AI הוא הדור הבא של הרובוטים ההומנואידיים הופיע ראשון בLet's AI בינה מלאכותית

איך עושים דבר כזה?

כדי להבין את גודל הרגע, צריך להתחיל מהבסיס. מה זה וירוס בכלל? וירוס הוא יחידה ביולוגית זעירה שמזינה את עצמה רק כשהיא מתרבה בתוך יצור אחר. במחקר הזה מדובר בבקטריופאג’ים – וירוסים שתוקפים חיידקים. הם לא מדביקים בני אדם, ושימושם במחקר ובטיפולים בחיידקים קיים כבר שנים.

ללמד מחשב את “שפת החיים”

החוקרים לקחו מודל בינה מלאכותית מבוסס שפה – בדומה ל-ChatGPT מבחינת הרעיון – אבל במקום טקסט באנגלית לימדו אותו את “השפה” של ה-DNA: רצפים של ארבע אותיות בלבד (A, C, G, T).

המודל עבר אימון על מיליוני רצפי וירוסים ולמד מהם דפוסים ו”כללי דקדוק” של גנומים: איפה נוטים להתחיל גנים, אילו רצפים נראים תקינים, ואיך בנוי גנום שעובד.

לאחר מכן החוקרים נתנו למודל נקודת פתיחה קצרה – כמה אותיות מתוך וירוס מוכר בשם ΦX174, וביקשו ממנו להשלים את הרצף. התוצאה היתה מאות הצעות של “ספרי הוראות” גנטיים חדשים.

מהמחשב למעבדה

אחרי אלפי ניסיונות וניתוחים ממוחשבים, החוקרים בחרו כ-300 גנומים שהמודל הציע ונראו בעלי מבנה סביר. את הרצפים האלה הם סינתזו ל-DNA אמיתי והחדירו לחיידקים במעבדה, כדי לבדוק אם ייווצר וירוס פעיל. מתוך 285 רצפים שהצליחו לסנתז, 16 עבדו בפועל – כלומר יצרו וירוסים שהדביקו חיידקים. זה אולי נשמע מעט, אבל במונחים של גנום שלם שנכתב מאפס, זו פריצת דרך של ממש.

מה גילו?

1. חלק מהווירוסים היו יעילים יותר מהמקור

אחד הוירוסים החדשים, Evo-Φ69, התרבה מהר יותר מהווירוס המקורי ΦX174. אחר, Evo-Φ2483, השמיד אוכלוסיית חיידקים בזמן קצר יותר. זה לא אומר שהבינה המלאכותית “המציאה וירוס טוב יותר מהטבע”, אבל כן שהיא הצליחה לזהות שילובים יציבים ויעילים של גנים – הישג שאפילו מדענים מנוסים מתקשים בו.

2. חלקם שונים מאוד מכל מה שהמדע הכיר

אחד הווירוסים שתוכננו היה דומה רק ב-93% לקרוב הידוע ביותר במאגרים המדעיים. בעולם הוירולוגיה, רמת דמיון כזו נחשבת אינדיקציה למין חדש של וירוס. במילים פשוטות, האלגוריתם לא העתיק את מה שלמד, הוא יצר גרסאות ביולוגיות חדשות לגמרי, ששמרו על יכולת פעולה אמיתית.

3. פתרונות שבעבר נחשבו בלתי אפשריים

בעבר ניסו מדענים לשלב גן ממין אחד של וירוס באחר, אבל הוירוס לא הצליח לפעול. אחד הוירוסים שתכנן ה-AI, Evo-Φ36, הצליח לעשות זאת באופן טבעי כחלק מתכנון כולל של הגנום. כנראה שהמודל “חישב” את מכלול השינויים הדרושים כדי שהגן הזר ישתלב במערכת, והצליח לפתור בעיה ביולוגית שעמדה פתוחה במשך שנים.

למה זה בכלל חשוב?

המחקר הזה הוא לא רק הישג טכנולוגי מרשים, הוא הוכחה עקרונית שקוד החיים עצמו ניתן לתכנון ממוחשב. עד היום יכולנו רק לערוך DNA קיים, למשל בעזרת טכנולוגיה שנקראת CRISPR – מערכת מולקולרית שפועלת כמו מספריים ביולוגיות ומאפשרת לחתוך ולהחליף גנים קיימים.

במחקר הנוכחי מדובר בצעד אחר לגמרי – לא עריכה של מה שקיים, אלא כתיבה של גנום חדש מאפס – על פי מטרה שהוגדרה מראש. זו התחלה של עידן שבו מדענים יכולים לבקש ממחשב לא רק “לשנות” גנים, אלא להציע יצורים מיקרוסקופיים חדשים לגמרי, בעלי תפקוד ייעודי.

המשמעות המעשית הראשונה

אחת ההשלכות המיידיות נוגעת לתחום שנקרא Phage Therapy – טיפול בזיהומים חיידקיים בעזרת וירוסים שתוקפים חיידקים (פאג’ים). אם נוכל לייצר פאג’ים מותאמים אישית לחיידקים עמידים, נוכל להתמודד עם אחת הבעיות הרפואיות הדוחקות בעולם – עמידות לאנטיביוטיקה.

במחקר הזה הופיע רמז מעשי לכיוון הזה. כאשר החוקרים שילבו את כל 16 הפאג’ים החדשים ל”קוקטייל” אחד, הם הצליחו להשמיד שלושה זנים של חיידקים שפיתחו עמידות לפאג’ המקורי. במילים אחרות, המגוון שיצרה הבינה המלאכותית הפך ליתרון ביולוגי.

ומה לגבי הסכנות?

שאלה חשובה, והיא בלב השיח סביב התחום הזה.

• בטיחות: הפאג’ים שנוצרו תוקפים רק חיידקים, לא בני אדם.

• היקף האימון: המודלים לא נחשפו לווירוסים אנושיים או לחומר גנטי מסוכן – האימון הוגבל אך ורק לפאג’ים בטוחים.

• שקיפות: החוקרים פרסמו את כל השיטות והנתונים כדי לעודד פיקוח ציבורי ומדעי.

עם זאת, גם החוקרים עצמם מדגישים שהתקדמות מסוג זה מחייבת רגולציה חכמה, שקיפות ובקרה אתית קפדנית. ככל שהיכולת לכתוב גנומים מתפתחת, כך גדלה גם האחריות להשתמש בה בזהירות.

איך זה ישנה את העתיד שלנו

היום הצליחו החוקרים עם וירוס קטן – בערך 5,000 אותיות DNA בלבד. בעתיד, ייתכן שנוכל לכתוב גנומים של יצורים מורכבים יותר – חיידקים שלמים, שמרים, ואולי אפילו תאים שתוכננו מראש לביצוע משימות רפואיות או סביבתיות. זה לא יקרה מחר בבוקר. זה דורש טכנולוגיות מתקדמות לסינתזה, רמות בטיחות חדשות, ודיון ציבורי מעמיק. אבל הכיוון כבר ברור: אנחנו נכנסים לעידן שבו בינה מלאכותית לא רק מבינה חיים, היא לוקחת חלק בכתיבתם.

המחקר הזה הוא צעד ראשון במעבר מעולם שבו אנחנו קוראים ומתקנים גנומים לעולם שבו נוכל לתכנן וליצור אותם. זו לא “סוף האבולוציה”, אלא אבולוציה חדשה מסוג אחר – כזו שבה אדם ומכונה עובדים יחד כדי לכתוב את “ספר החיים” של העתיד.

למחקר המלא כנסו כאן.

הפוסט בינה מלאכותית יוצרת וירוסים חדשים במעבדה הופיע ראשון בLet's AI בינה מלאכותית

לפני שנענה על זה בהרחבה, כדאי לצפות ב-Keynote המלא של אלטמן – הרצאה שמציגה את הדרך החדשה שבה OpenAI חושבת על פיתוח, חדשנות ועתיד הבינה המלאכותית. זה לא עוד אירוע טכנולוגי – זו ממש הצצה לעתיד של האינטרנט.

אפליקציות בתוך ChatGPT

ההכרזה הגדולה ביותר של הערב היא Apps SDK – ערכת פיתוח חדשה שמאפשרת לבנות אפליקציות שפועלות ישירות בתוך ChatGPT, בלי לצאת מהצ’אט. עד היום היינו “מדברים” עם בוט של חברה, ואז נאלצים לעבור לאתר שלה כדי להזמין, לשלם או לבצע פעולה. מהיום – הכול קורה באותו מקום. במהלך הדמו באירוע, OpenAI הציגה כמה דוגמאות שממחישות את הפוטנציאל:

• ציור חופשי שהפך אוטומטית לעיצוב ב-Figma (מה שהקפיץ את מניית החברה ב-15%).

• בנייה של מצגת שלמה ב-Canva, מבלי לעזוב את השיחה.

• חיפוש דירה ב-Zillow, כולל סינון, הצגת תוצאות והמשך לתהליך הרכישה.

במילים פשוטות, OpenAI בונה App Store חדש, רק בתוך הצ’אט. מפתחים יוכלו להגיש אפליקציות לאישור, משתמשים יוכלו להתקין ולשלב אותן בשיחות, ובקרוב, גם לשלם עליהן ישירות, בזכות שיתוף הפעולה עם Stripe ו-Shopify. זו לא עוד תוספת נוחה, זו מהפכה של ממש באופן שבו אנחנו מתקשרים עם טכנולוגיה.

סוף לעבודה עם אינסוף כלים

אחת ההכרזות הבולטות באירוע היא AgentKit – סביבת פיתוח חדשה שמאפשרת לבנות “סוכני בינה מלאכותית” בצורה ויזואלית ונגישה. אם בעבר נדרשנו לחבר בין עשרות כלים עם Make ,Zapier או n8n כדי ליצור תהליכי אוטומציה, כעת אפשר להרכיב Agent אחד בממשק Drag & Drop, שמתחבר ישירות למודלים של OpenAI ולפרוטוקול ה- MCP שלהם.

בתוך AgentKit פועלת מערכת של כלים משלימים שמכסה את כל מחזור החיים של הסוכן: Agent Builder מספק ממשק גרפי ליצירת תהליכי עבודה בלי לכתוב קוד, Connector Registry מאפשר לחבר מקורות נתונים וכלי צד שלישי – ממערכות CRM ועד גיליונות נתונים, ChatKit משלב ממשקי צ’אט חכמים בתוך מוצרים קיימים, ו-Evals מספק כלים למדידה ובקרה כדי לשפר את ביצועי הסוכנים לאורך זמן.

השילוב הזה הופך את AgentKit לפלטפורמה מלאה שמרכזת את שלבי התכנון, החיבור, ההפעלה והאופטימיזציה – הכול במקום אחד. יחד עם זאת, חשוב לזכור שהמערכת משאירה אתכם בתוך האקוסיסטם של OpenAI. לכן, למרות שהממשק נראה ידידותי ומעוצב, הוא אינו תחליף מלא לכלים פתוחים כמו n8n, אלא כלי משלים שמתמקד בתרחישים מבוססי ChatGPT ובשיפור הדיוק של התוצרים.

מנועי העומק שמחזקים את הפלטפורמה

כדי שכל המערכת החדשה של OpenAI תפעל, היה צורך לחזק את היסודות – את המנועים שמניעים את הקסם מאחורי הקלעים. במרכז השדרוגים עומדים ארבעה מנועים עיקריים, שכל אחד מהם מוסיף שכבה קריטית לפלטפורמה החדשה.

הראשון הוא GPT-5 Pro, הגרסה המדויקת והחזקה ביותר של GPT עד כה, הזמינה גם דרך ה-API. זהו הבסיס שעליו יתבססו סוכנים ואפליקציות עתידיים. לצידו מגיע Sora 2, הדור החדש של מודל הווידאו הגנרטיבי, שמסוגל לייצר סרטונים ישירות מטקסט, ולראשונה גם דרך API פתוח. Codex, מנוע הקוד של החברה, יוצא סוף-סוף מגרסת הבטא ומקבל אינטגרציות עמוקות עם Slack, GitHub וכלים ניהוליים נוספים, מה שהופך אותו לכלי עבודה יומיומי אמיתי למפתחים. ולבסוף Real-Time Voice Mini, גרסה קלה וזולה בהרבה של מודל הקול בזמן אמת, שמפחיתה עלויות בכ-70 אחוזים ומקרבת את היכולת לקיים שיחות קוליות חכמות לכל עסק.

במילים פשוטות, OpenAI לא רק הוסיפה פיצ’רים, היא חיזקה את השרירים הטכנולוגיים שמאפשרים להפוך את ChatGPT ממנוע שיחה למערכת הפעלה שלמה, המסוגלת לתקשר, לנתח, ליצור ולתפעל בזמן אמת.

לאן כל זה הולך ומה המשמעות העסקית

כדי להבין את גודל המהלך, צריך להתרחק מהפרטים ולהביט בתמונה הרחבה. במשך כשנתיים OpenAI פעלה כחברת מוצר – עם צ’אט, מודלים ו-API. כעת היא עוברת שינוי עמוק – מיצרן כלי בינה מלאכותית לחברת פלטפורמה, שבונה סביב ChatGPT מערכת שלמה של חוויות, שירותים ועסקים.

החזון פשוט אבל שאפתני – לרכז את חוויית המשתמש כולה בתוך הצ’אט, לפתוח את הפלטפורמה למפתחים שיבנו עליה אפליקציות וסוכנים, וליצור סביב זה תשתית כלכלית פנימית עם עסקאות, רכישות ומונטיזציה ישירה. במילים אחרות, OpenAI כבר לא מתחרה במנועי חיפוש או בכלי AI אחרים, היא מבקשת להפוך לשכבת התשתית שעליה יתנהל האינטרנט החדש, שבו אינטראקציות, עסקאות ולמידה מתרחשות בתוך שיחה אחת רציפה.

המהלך הזה משנה לא רק את עולם הפיתוח, אלא את יחסי הכוחות הדיגיטליים עצמם. כש-ChatGPT הופך לשער הראשי לאינטרנט, נוצרת שכבה חדשה של שליטה בין המשתמשים לשירותים.

עבור OpenAI, המשמעות עצומה. אם בעתיד כל פעולה – קנייה, הזמנה, תכנון או חיפוש – תתבצע דרך הצ’אט, היא עשויה להפוך לשער הכניסה המרכזי של האינטרנט החדש, ולגזור עמלה כמעט על כל אינטראקציה. זה מהלך שמזכיר את המהפכה שחוללה Apple עם חנות האפליקציות שלה, רק שכאן מדובר בעולם שבו לא מחפשים או מקלידים, פשוט מבקשים.

עבור המשתמשים, זה עולם נוח בהרבה. הכול קורה באותה שיחה – מחקר, עיצוב ותשלום בתהליך רציף אחד. אבל לנוחות הזו יש מחיר – תלות הולכת וגדלה בפלטפורמה אחת, ושאלות חדשות על פרטיות, שליטה בנתונים ושקיפות אלגוריתמית.

ועבור המתחרים, מדובר באיום ישיר. ענקיות כמו Google, Meta ו-Microsoft לא יישארו אדישות. גוגל, למשל, כבר משלבת חיפוש שיחתי ו-AI בדפדפן כדי למנוע מ-OpenAI להשתלט על נקודת המפגש שבין האדם והאינטרנט. הקרב הבא לא יהיה על תוכן או על מודלים, אלא על מי שיחזיק בממשק הראשי שמתווך בין בני אדם למידע.

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

לפרטים נוספים לחצו כאן >>

לסיכום, אירוע ה-Dev Day של OpenAI השנה לא היה רק חגיגה טכנולוגית, הוא היה הצהרת כוונות ברורה. OpenAI כבר לא מסתפקת בלספק מודלים חכמים, היא רוצה להיות הפלטפורמה שמנהלת את הדרך שבה אנשים מתקשרים, עובדים ויוצרים בעולם החדש. אנחנו עומדים בפתחו של עידן שבו הצ’אט הופך לחלון הראשי של האינטרנט – המקום שבו מתבצעות אינטראקציות, החלטות ועסקים. וכמו תמיד, מי שילמד להשתמש בזה מוקדם, יבין מהר מאוד שזה לא עוד כלי. זו השפה החדשה של העולם הדיגיטלי. ומי שידע לדבר בה ירוויח כשהשאר עוד ינסו להבין מה השתנה.

הפוסט האם ChatGPT בדרך להפוך למערכת ההפעלה של העתיד? הופיע ראשון בLet's AI בינה מלאכותית

“הרגע שבו ChatGPT פגש את עולם היצירה”

אלטמן פותח את הבלוג פוסט במשפט שכבר הפך לסמל: “אנחנו משיקים אפליקציה חדשה בשם Sora. זו תחושת ה־‘ChatGPT של עולם היצירה’ – תחושה של משהו חדש, קליל ומהנה.”

לפני שנבין את גודל הרגע הזה, חשוב לזכור מאיפה זה התחיל. הגרסה הראשונה של סורה הוכיחה כמה קשה להפוך חזון למציאות. ההייפ היה עצום, אבל אחרי זמן המתנה ארוך (מאוד) הביצועים היו בינוניים פלוס – ובינתיים כלים כמו Runway ,Luma ואחרים כבר הציגו תוצאות מרשימות משלהם.

Sora 2 מתקנת את מה שלא עבד קודם. היא לא מהפכה טכנולוגית, אבל היא קפיצה אמיתית בבשלות – באיכות (גם אם עדיין 720p), בעקביות ובתחושת החוויה. אם ChatGPT היה הרגע שבו השפה קיבלה מוח חדש, Sora היא הרגע שבו הדמיון קיבל גוף. זו הדרך הפשוטה ביותר לתאר את השינוי הזה – כל אחד יכול עכשיו להפוך רעיון לווידאו שנראה אמיתי, קולנועי – תוך דקות. אין מצלמה, אין צוות, אין תהליך ארוך. רק רעיון, מקלדת, ודמיון שלא צריך תקציב.

פיצ’ר Cameo

אחד החידושים הבולטים שסוחף את המשתמשים הוא פיצ’ר Cameo – יכולת חדשה לשלב את עצמך ואת חבריך בתוך הסרטון, תוך שמירה על עקביות דמות, תנועה והבעה. “היכולת להכניס את עצמך או את חבריך לסרטון… היא בעינינו דרך חדשה, כמעט מפתיעה, להתחבר זה לזה.”

וזה אולי לב העניין. זו לא עוד הדגמת יכולת טכנית, אלא שינוי תרבותי אמיתי. לראשונה, בינה מלאכותית מאפשרת לנו לא רק ליצור סיפור, אלא להיות בתוכו. והחוויה הזו, של לראות את עצמך בתוך עולם שנוצר ממילים בלבד, משנה את הדרך שבה אנחנו תופסים יצירה. תחשבו רגע…איזה סרט הייתם יוצרים אם הייתם יכולים להכניס את עצמכם לתוכו?

בין חופש היצירה לאחריות

“יש תחושת התרגשות גדולה – וגם מעט פחד.” זה אולי המשפט החשוב ביותר בפוסט כולו. כי הוא מסמן תודעה – ההבנה שכוח יצירתי כזה דורש גם ריסון. אלטמן מזהיר מפני העתיד האפשרי שבו “כולנו נשאבים לפיד ממוקסמם חיזוקים” – עולם שבו האלגוריתם כבר לא משרת אותנו, אלא קובע במקומנו מה ניצור ומה נרצה לראות.

ובמקום הזה הוא מציב סדרת עקרונות – מה שהוא מכנה “האתוס של סורה” – שמנסה להגדיר מחדש איך נראית יצירה מודעת בעידן של מכונות.

ארבעה עקרונות ליצירה מודעת

בבסיסו של האתוס עומדת תפיסה פשוטה אך רדיקלית: הצלחה אמיתית לא נמדדת בזמן מסך, אלא בתחושת ערך. אלטמן מבהיר: “רוב המשתמשים, כשהם מסתכלים חצי שנה אחורה, צריכים להרגיש שחייהם טובים יותר בזכות סורה. אם זה לא יקרה – נשנה כיוון, ואם לא נצליח, נפסיק את השירות.” זו אמירה נדירה בעולם שבו אלגוריתמים נמדדים בעיקר על קליקים ולא על תועלת.

העיקרון השני הוא שליטה אישית מלאה. לא עוד פיד שמחליט בשבילנו, אלא מערכת שמקשיבה באמת. המשתמשים יוכלו לבחור אם הם רוצים תוכן שמרגיע, מעורר השראה, אנרגטי או ממוקד תחום. אפילו לבני נוער יינתנו כלים לבקרה ולהגבלת התאמה אישית. זו הצהרה פשוטה שמטרתה להחזיר את השליטה לידיים שלנו.

השלישי נוגע בלב החזון של אלטמן – האמונה שיצירה היא צורך אנושי. “אנחנו מאמינים שבני אדם נולדו ליצור, והיצירה חשובה לרווחה שלנו.” זו קריאה לחזור לעשייה, לחקור, לנסות, ולא רק לגלול.

ולבסוף, אולי העיקרון הכי מסקרן והכי כנה – עזרה בהשגת מטרות ארוכות טווח. אלטמן כותב: “אם אתה רוצה להיות יותר מחובר לחברים, ננסה לעזור בזה. אם אתה רוצה להקים עסק, נלמד אותך את הכישורים הדרושים. ואם כל מה שאתה רוצה הוא לגלול בלי סוף ולהתעצבן, גם זה בסדר.” יש כאן אמירה עמוקה – לא פטרונות, אלא כבוד לבחירה.

המטרה של סורה היא לא לשנות את הרצון האנושי, אלא להקשיב לו. זו תפיסה כמעט חינוכית – בינה מלאכותית שלא באה ללמד אותנו איך לחשוב, אלא לעזור לנו להבין את הדרך שבה אנחנו חושבים.

ארבעת העקרונות האלה מגדירים יחד מערכת מוסרית חדשה – טכנולוגיה שמעצימה אותנו, מבלי לבלוע אותנו.

הכלכלה החדשה של יצירה

בפוסט המשך, אלטמן חושף את השכבה הפחות זוהרת של המהפכה – הצדדים הכלכליים והמשפטיים של יצירה בעולם גנרטיבי. הוא מתאר מציאות שבה אלפי משתמשים מייצרים כמויות עצומות של וידאו, לעיתים עבור קהל של אדם אחד. התופעה הזו, לדבריו, מייצרת אתגר חדש: איך שומרים על חופש היצירה – מבלי לקרוס כלכלית.

OpenAI בוחנת מודל חדש שבו בעלי זכויות יוכלו לבחור אם לאפשר שימוש בדמויות או בנכסים שלהם, ולקבל חלק מההכנסות כשיעשה בהם שימוש. זו תפיסה שמנסה להפוך קניין רוחני מגבול למרחב משותף – מערכת שבה ערך נוצר משיתוף, לא מחסימה. אלטמן מודה שהדרך לשם לא תהיה מושלמת. “זה יהיה תהליך של ניסוי וטעייה,” הוא כותב, ומסמן את הכיוון: כלכלה לומדת שמתפתחת יחד עם היוצרים שלה.

ימים ספורים אחרי פרסום הפוסט, OpenAI הכריזה על צעד נוסף בכיוון הזה – מערכת חדשה שמעניקה לבעלי זכויות שליטה מדויקת על הדרך שבה הדמויות, המותגים או היצירות שלהם יכולים להופיע בסרטונים שנוצרים מטקסט. לא עוד “כן או לא”, אלא שליטה אמיתית: הגדרה של איך, מתי ובאיזה הקשר ייעשה שימוש.

זה שינוי עמוק, לא רק טכני או משפטי, אלא תרבותי. הוא מסמן את המעבר מעולם של יצירה פרועה לעולם שבו חופש ואחריות מתחילים להתקיים יחד. סורה, במובן הזה, היא לא מוצר גמור אלא ניסוי חי – פלטפורמה שנבנית תוך כדי תנועה, לומדת מהשטח, ומתרחבת יחד עם המשתמשים שלה. הקצב, לדברי אלטמן, צפוי להיות “גבוה מאוד – כמו בתחילת ימי ChatGPT”.

רגע לפני שמאבדים פרופורציות

הרעיונות של אלטמן מעוררי השראה, אבל הם גם מעלים שאלה לא פשוטה: האם באמת ניתן למדוד “שביעות רצון לטווח ארוך” בעולם שמבוסס על נתונים, פרסום ותשומת לב? הרשתות החברתיות התחילו בדיוק באותה הבטחה – ליצור חיבור בין אנשים – ובתוך שנים הפכו למכונות שמודדות מעורבות במקום משמעות. היסטורית, כל ניסיון למדוד “אושר דיגיטלי” הסתיים בכך שהמדידה עצמה הפכה למטרה.

אלטמן מבטיח ש-Sora תמדוד ערך אמיתי, אך כדי שזה יקרה היא תצטרך לבנות מודל עסקי שבו הצלחה מסחרית ורווחת המשתמשים לא יתנגשו. זו אולי המשימה המאתגרת ביותר בתולדות OpenAI – להפוך את ההצלחה האנושית למדד הצלחה עסקי. ואולי, בסוף, זו גם נקודת המבחן של עידן הבינה המלאכותית כולו – האם נוכל לבנות מערכות שמרוויחות מהטוב שבנו, לא מהחולשות שלנו.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

עולם של הזדמנויות

ההשפעה של Sora לא תיעצר בעמק הסיליקון. היא תגיע לכאן, מהר. עסקים קטנים יוכלו להפיק סרטים מקצועיים ביום אחד, בלי צוות, בלי תקציב, בלי מחסומים. מורים ישלבו שיעורים ויזואליים שמותאמים אישית לתלמידים שלהם. יוצרים עצמאיים יוכלו לבדוק רעיונות בלי הפקה מורכבת. וסטארטאפים יוכלו להדגים מוצר עתידי כאילו כבר יצא לשוק.

זו מהפכה של נגישות, הפעם לא רק טכנולוגית, אלא גם כלכלית ותרבותית. בפעם הראשונה, כישרון ודמיון שווים יותר מציוד או משאבים. אבל לצד כל זה, נדרש איזון. נצטרך לפתח כללים חדשים סביב זכויות, פרטיות ואתיקה. היכולת ליצור וידאו אמין בלחיצת כפתור היא כוח עצום, והשאלה האמיתית היא לא רק איך נשתמש בו, אלא איך נוודא שהוא לא ישתמש בנו. כי בסוף, כמו כל טכנולוגיה גדולה, גם כאן הכול יוכרע על דבר אחד – על האחריות האנושית שמחזיקה את הכלי.

לא עוד כלי, אלא מראה

סם אלטמן לא כתב בלוג על טכנולוגיה. הוא כתב על תרבות. על הדרך שבה אנחנו חושבים, יוצרים, ומגדירים מהי יצירתיות בעידן חדש. הוא מבין שהשאלה הגדולה של עידן הבינה המלאכותית הבא לא תהיה מה עוד אפשר לייצר, אלא מה נכון לייצר, ולמה. Sora 2 היא מראה. היא משקפת את הגבול הדק בין יצירה אמיתית לצריכה אינסופית, בין חופש לבקרה. ובעולם שבו כל אחד יכול להפיק סרט מושלם בלחיצת כפתור, הערך כבר לא טמון בתוצאה, אלא בכוונה שמאחוריה.

אם נזכור את זה, נוכל להפוך את הבינה המלאכותית לכלי שמעצים את האנושיות שלנו, לא כזה שמחליף אותה. ובמובן הזה, Sora היא לא רק מהפכה טכנולוגית, אלא תזכורת רכה למה שבאמת הופך אותנו לבני אדם – היכולת לבחור, ליצור, ולשאול למה גם כשאפשר פשוט לייצר.

הפוסט Sora 2 והעידן החדש של היצירתיות האנושית הופיע ראשון בLet's AI בינה מלאכותית

מה הופך את Comet לשונה?

Comet בנוי על Chromium, כמו Chrome, כך שהתחושה הראשונית מוכרת. אבל כאן נכנס ההבדל – ה-AI Assistant יושב בצד הדפדפן כחלק מובנה, לא כתוסף חיצוני. אפשר לבקש ממנו לסכם מאמרים, למלא טפסים, לחפש מידע מדויק בעמוד, ואפילו להפעיל כלים ולנווט באתרים במקומכם.

מעבר לכך, Comet שומר את ההקשר של כל עמוד – אם התחלתם שיחה על כתבה מסוימת, היא נשמרת גם כשעוברים לטאב אחר. זה נשמע כמו פיצ’ר קטן, אבל זה באמת משנה את זרימת העבודה.

היתרון הגדול באמת הוא היכולת האייג’נטלית: Comet מתפקד כמו דפדפן אינטליגנטי שמבצע פעולות מורכבות לבד. אפשר למשל, לבקש להעביר פלייליסט מ-Spotify ל-YouTube Music – והדפדפן יעשה את זה ויחסוך לכם שעות.

בקיצור, מדובר בדפדפן שמציע סיוע מובנה, חיפוש וציטוטים חכמים, הפעלת כלים ישירות מהעוזר, וכל זה יחד עם היכולות של Perplexity במקום אחד. זה כבר לא רק חיפוש – זה ממש דפדפן שעובד בשבילכם.

כך נראה הממשק של Comet

מה לגבי נושא האבטחה?

באוגוסט 2025 חשפה חברת Brave פרצת אבטחה חמורה ב-Comet. הם הצליחו להטמיע פקודות זדוניות בפוסט ב-Reddit, וכשמשתמש ביקש מהדפדפן לסכם את הדף – ה-AI ציית בלי לחשוב פעמיים. התוצאה היא שהאקרים יכלו להשתלט על חשבונות Perplexity של המשתמשים.

וזה לא נגמר שם. חברת LayerX גילתה ש-Comet פגיע ב-85% יותר מ-Chrome להתקפות פישינג. Guardio Labs הוסיפו ממצאים דומים – הדפדפן עלול לבצע רכישות לא מורשות, להיכנס לאתרי פישינג, ואפילו למלא פרטי חשבון בנק, בלי להזהיר את המשתמש.

ב-Perplexity טוענים שהבעיות כבר תוקנו, אבל עצם זה שדפדפן AI ציבורי הגיע לשוק עם פרצות כאלה מעורר שאלות קשות. האמת היא שמנגנוני האבטחה הקלאסיים של הרשת, כמו Same-Origin Policy, לא נבנו לעידן שבו AI פועל בשם המשתמש עם הרשאות מלאות.

לכן מי שעובד עם מידע רגיש – חשבונות בנק, מסמכי חברה או מיילים אישיים שיש בהם מידע שאתם מעדיפים להיזהר איתו – עדיף שימתין עד שהתעשייה תקבע סטנדרטים ברורים לאבטחת דפדפני AI.

למה Perplexity מחלקת את זה בחינם?

המהלך להפוך את Comet לחינמי הוא אגרסיבי. Perplexity מנסה לתפוס נתח שוק לפני שהענקים נכנסים לזירה. OpenAI מפתחת דפדפן AI משלה, Google משלבת את Gemini ב-Chrome, ו-The Browser Company כבר הציגו את Dia. כולם רוצים חלק מהעוגה.

המודל העסקי של Perplexity בנוי בשכבות. הגרסה החינמית כוללת את העוזר הבסיסי. מי שרוצה יכולות מתקדמות, כמו Background Assistant שמבצע משימות במקביל, צריך להיפטר מ- 200 דולר בחודש עבור Max. בנוסף, יש את Comet Plus ב-5 דולר בחודש, שמעניק גישה לתכנים מעיתונים ואתרי פרימיום.

המהלך המעניין ביותר הוא חלוקת ההכנסות עם המו”לים. Perplexity הקצתה קרן של 42.5 מיליון דולר ומתחייבת להעביר 80% מהכנסות Comet Plus לשותפים כמו CNN, Conde Nast, Fortune ו-Washington Post. התשלום מחושב לפי שלושה סוגי שימוש: ביקורים ישירים באתר, ציטוטים בתשובות AI, ושימוש של הסוכן בתוכן.

זה נשמע הוגן, אבל בפועל, 80% מתוך 5 דולר הם רק 4 דולר. זה רחוק מאוד מההכנסה של מנוי ישיר שנעה סביב 20-30 דולר בחודש. השאלה האמיתית היא האם המודל הזה באמת ישתלם למפרסמים, או שמדובר בעיקר בדרך של Perplexity להוריד את הביקורת על שימוש בתוכן ללא רשות.

Comet זמין להורדה חינם

מה לגבי התחרות?

Chrome עדיין שולט ביד רמה, עם 66.6% מהשוק. אבל עולם הדפדפנים משתנה. אם Comet יצליח להוכיח יציבות ובטיחות, הוא יכול למשוך משתמשים שמחפשים דרך חכמה יותר לגלוש. כרגע זה עדיין ניסוי – מעניין, אבל ניסוי. בקיצור, Comet מציע הצצה לעתיד של עולם הדפדפנים. בהווה הוא עדיין דפדפן עם פוטנציאל גבוה מאוד ובעיות אבטחה משמעותיות. 

אז בשורה התחתונה – כדאי להוריד?

Comet עדיין לא דפדפן לכולם.

למי זה מתאים? לאנשי טק שאוהבים לנסות כלים חדשים, או למי שעושה הרבה מחקר אונליין ורוצה לחסוך זמן. היכולת לבקש מה-AI לסכם, לחפש ולנווט חוסכת לא מעט עבודה. וזה חינם – אז אין הרבה מה להפסיד.

למי זה פחות מתאים? למי שעובד עם מידע רגיש – חשבונות בנק, מסמכי חברה או כל מידע אישי שעדיף להיזהר איתו. בעיות האבטחה שנחשפו הופכות את השימוש למסוכן מדי בשלב הזה. גם אם Perplexity תיקנה את הפרצות הידועות, צריך לזכור שדפדפני AI עדיין בשלבי ניסוי, והתעשייה עוד לא קבעה סטנדרטים ברורים להגנה.

Comet מראה לאן עולם הדפדפנים הולך, אבל נכון לעכשיו הוא יותר ניסוי מסקרן מאשר כלי שאפשר לסמוך עליו בעיניים עצומות. אם אתם סקרנים – שווה לנסות. רק אל תהפכו אותו לדפדפן היחיד שלכם. עדיין לא.

הפוסט דפדפן ה-AI של Perplexity זמין בחינם לכולם: הנה מה שחשוב לדעת לפני שמורידים את Comet הופיע ראשון בLet's AI בינה מלאכותית

Lovable AI (השכבה החכמה)

Lovable AI נועדה להפוך את שילוב הבינה המלאכותית באפליקציות לפעולה טבעית ופשוטה. במקום להגדיר מפתחות API, לפתוח חשבונות צד שלישי או להסתבך עם אינטגרציות, המערכת דואגת להכל מאחורי הקלעים.

הכלי מבוסס על מודלי Google Gemini, כחלק משותפות אסטרטגית עם Google Cloud. דארן מווארי (Darren Mowry), סגן נשיא Google Cloud לאזור EMEA, כתב ב-LinkedIn: “אנחנו גאים להעמיק את התמיכה שלנו ב-Lovable באמצעות פלטפורמת ה־AI המובילה של גוגל”.

בפועל, זה אומר שכל משתמש, בין אם הוא מפתח ובין אם יזם ללא רקע טכני, יכול פשוט לנסח את הצורך שלו: “בנה לי עוזר וירטואלי לשירות לקוחות” או “צור פונקציה שמסכמת מסמכים ארוכים”. בתוך שניות, המערכת מייצרת את הקוד המתאים, מחברת אותו למודל של Gemini ומשלבת אותו באפליקציה.

מאחורי הקלעים פועל מנגנון בשם Autonomous Build Loops, שמאפשר למערכת לכתוב, לבדוק ולתקן את הקוד עד שהוא יציב ומוכן לשימוש. התוצאה היא חוויה שמדמה שיתוף פעולה עם מפתח אנושי, רק בלי החלקים המסובכים.

אבל קוד חכם הוא רק חצי מהסיפור – כדי שאפליקציה תעבוד באמת, נדרש גם מנוע אמין מאחורי הקלעים.

Lovable Cloud (התשתית המובנית)

פיתוח אפליקציות לא מסתיים בצד המשתמש. מתחת לממשק נדרש מערך מורכב של בסיסי נתונים, מערכות אימות, אחסון קבצים ולוגיקה בצד השרת. Lovable Cloud נועדה לפשט בדיוק את החלק הזה, והיא מספקת את כל הרכיבים האלה כברירת מחדל.

המערכת מבוססת על Supabase – פלטפורמה הכוללת מסד נתונים מסוג PostgreSQL, מנגנוני Auth (אימות משתמשים) ו-Storage (אחסון). עם זאת, Lovable ״מסתירה״ את הממשק הישיר ומאפשרת למשתמש לעבוד בצורה של “שיחה פשוטה” עם המערכת.

בקרת הגישה למידע מתבצעת באמצעות Row-Level Security (RLS), מנגנון הרשאות שמוודא שכל משתמש יכול לגשת רק לשורות הרלוונטיות לו במסד הנתונים. פונקציות הצד-שרת מופעלות באמצעות Edge Functions, שמריצות קוד קרוב למשתמש בקצוות הרשת, ללא צורך בשרתים ייעודיים.

עבור יזמים שאינם טכניים, המשמעות היא שהעבודה עם תשתיות, בסיסי נתונים והרשאות – כל מה שפעם היה עוצר רעיונות בשלב הדמיון – הופכת לחלק אוטומטי בתהליך הבנייה.

צעדים ראשונים – איך זה עובד בפועל

אחת מנקודות החוזקה של Lovable היא הפשטות. כדי לבנות אפליקציה עובדת, כל מה שצריך הוא לתאר מה רוצים (באנגלית זה עובד טוב יותר אבל אפשר גם בעברית).

כך זה עובד:

1. נרשמים באתר Lovable.dev – פתיחת חשבון אורכת פחות מדקה, ואין צורך בהתקנות מקומיות או הגדרות נוספות.

2. מתארים את הרעיון בפרומפט אחד פשוט, לדוגמה: “Build a social app with user login, posts and comments”.

3. המערכת בונה את האפליקציה המלאה – הפרונטאנד נוצר ב-React, ה-backend מופעל על Supabase, ומוגדרים אוטומטית מנגנוני אימות משתמשים, אחסון וניהול נתונים.

4. סנכרון ישיר עם GitHub ופרסום תוך דקות – כל פרויקט נשמר ומעודכן בזמן אמת ב-GitHub, עם אפשרות לפרסום ישיר (Publish).

לדוגמה, פרומפט כמו “Create a backend function to summarize PDFs using Gemini” ייצור קוד ב-TypeScript שמתחבר ל-Gemini API דרך Lovable, בלי להגדיר מפתחות חיצוניים או קונפיגורציות מורכבות.

מסך הבית של Lovable

סיפורי הצלחה ונתונים כלכליים

בתוך פחות משנה, Lovable ביססה את עצמה כאחת מחברות התוכנה הצומחות ביותר בעולם. לפי TechCrunch, בתוך שמונה חודשים בלבד היא הגיעה להכנסות שנתיות חוזרות (ARR) של למעלה מ-150 מיליון דולר, עם יותר מ-2.3 מיליון משתמשים פעילים וכ-250 אלף מנויים משלמים.

אבל המספרים המרשימים הם רק חלק מהסיפור. מאחורי הקלעים צומחות קהילות של יזמים קטנים ובוני אפליקציות עצמאיים, שהפלטפורמה הפכה עבורם את הרעיון לעסק אמיתי.

כך למשל, Plinq – אפליקציה לבטיחות אישית – הגיעה להכנסות של כ-456 אלף דולר בשנה בתוך שלושה חודשים בלבד.

מנגד, Lumoo, פלטפורמת תוכן מבוססת AI, דיווחה על הכנסות של כ-700 אלף אירו בתוך כשבעה חודשים בלבד.

ובברזיל, מייסד Grupo Q, קָיוֹ מוֹרֶטִי (Caio Moretti), סיפר כי החברה בנתה מוצר מבוסס בינה מלאכותית שהניב הכנסות של כ-3 מיליון דולר בתוך 48 שעות בלבד – הישג המעיד על העוצמה הכלכלית והמהירות שבה ניתן להשיק מוצרים באמצעות הפלטפורמה. הנה הסרטון מהערוץ הרשמי של Lovable ביוטיוב:

הדוגמאות האלו מדגישות שהשימוש ב-Lovable כבר חצה את שלב האבטיפוס. מדובר בכלים שמאפשרים לבנות עסקים אמיתיים, ולא רק להדגים רעיונות.

Lovable מול המתחרות

כדי להבין את מקומה של Lovable במפת הכלים החדשה של עולם הפיתוח, כדאי להשוות אותה לכמה מהפלטפורמות הבולטות שפועלות באותו מרחב – כל אחת מהן מציעה גישה שונה לשאלה איך בונים אפליקציה בעידן ה-AI.

בעוד ש-Bubble מובילה את תחום ה־no-code המסורתי ומאפשרת פיתוח חזותי ללא כתיבת קוד, ו-Bolt מציעה סביבת IDE חכמה למפתחים מנוסים, Lovable מבקשת לחבר בין העולמות: שילוב של בינה מלאכותית ותשתית ענן מוכנה מראש, שמאפשר לכל משתמש, גם ללא רקע טכני, ליצור אפליקציות מלאות בשפה טבעית בלבד.

עם זאת, כמו כל מערכת צעירה, גם היא מתמודדת עם אתגרים של אבטחה ותלות טכנולוגית. הטבלה הבאה מסכמת (ממש על קצה המזלג) את היתרונות, המגבלות והקהל שאליו מיועדת כל אחת מהפלטפורמות:

השוואה קצרה בין הכלים המובילים בשוק

ביקורת ומגבלות

לצד ההתלהבות סביב Lovable, נרשמות גם ביקורות, חלקן טכניות, חלקן עקרוניות. דו”ח שפורסם ב-TechRadar באוגוסט 2025 חשף כי הפלטפורמה שימשה ליצירת אתרי פישינג, מה שהעלה שאלות לגבי מנגנוני הפיקוח והאבטחה שלה. בנוסף, משתמשים מדווחים על תופעת lock-in – תלות גבוהה במערכת שמקשה על העברת פרויקטים לסביבה חיצונית או על פיתוח עצמאי מחוץ לפלטפורמה.

גם בקהילת המפתחים עולות הסתייגויות מקצועיות. חלקם מציינים כי הקוד שנוצר באמצעות Lovable עובד היטב בשלב הפיתוח הראשוני, אך פחות מתאים לפרויקטים רחבי היקף הדורשים סקיילביליות ותחזוקה מתמשכת. בבלוגים ובפורומים נכתב כי “נהדר לבנות אבטיפוס, אבל למוצר אמיתי עדיין נדרשת הרבה עבודה.”

ובכל זאת, משתמשים רבים מדגישים שהיתרונות במהירות, בנגישות ובפשטות עולים על החסרונות. אחד מהם כתב בפורום: “הקמתי תוך שעות מה שפעם היה לוקח לי שבועות. זו פריצת דרך אמיתית, גם אם בהמשך אשכתב הכול מחדש”.

מודל התמחור

Lovable פועלת במודל freemium גמיש שמאפשר למשתמשים להתחיל בחינם ולהתרחב בהדרגה לפי היקף השימוש. התוכנית החינמית כוללת חמישה קרדיטים יומיים (עד 30 בחודש) ופרויקטים ציבוריים ללא הגבלה.

תוכנית Pro (25 דולר בחודש) מוסיפה פרויקטים פרטיים, דומיינים מותאמים אישית והרשאות משתמשים, ואילו תוכנית Business (50 דולר בחודש) מתאימה לצוותים גדולים עם תמיכה ב-SSO, תבניות עיצוב ו-Opt-out ממודלי האימון של Lovable. ללקוחות ארגוניים מוצעות גם תוכניות Enterprise גמישות לפי צרכים.

טבלת המחירים של Lovable

החזון להפוך את פיתוח האפליקציות לשיחה אנושית

Lovable אינה רק כלי שמקצר תהליכים – היא משנה את יחסי הכוחות בעולם הפיתוח. מצד אחד, היא מעניקה ליזמים, מעצבים ואנשי תוכן שאינם טכניים את היכולת להקים מוצרים אמיתיים ללא תלות בצוותי פיתוח. מצד שני, היא מעלה שאלות חדשות על עתיד המקצוע – האם המפתחים יהפכו למבקרים ומתחזקים של קוד שנכתב על ידי בינה מלאכותית?

כמו כל טכנולוגיה משנה מציאות, גם כאן הסיכוי והסיכון כרוכים זה בזה. הנגשת פיתוח האפליקציות לכולם עשויה להצית גל של חדשנות ולהאיץ את קצב היצירה, אך במקביל, היא מעוררת דאגות סביב אבטחת מידע, אמינות ותלות גוברת בפלטפורמות ענן חכמות.

בסופו של דבר, Lovable AI ו-Lovable Cloud מביאות לידי ביטוי חזון ברור: להפוך את פיתוח האפליקציות לשיחה אנושית פשוטה עם מערכת שמבינה אותך. זה לא הפתרון לכל מיזם – פרויקטים מורכבים עדיין ידרשו קוד מותאם ובקרה הדוקה – אבל ככלי לבניית אבטיפוס, דמו ומוצרים התחלתיים, מדובר בצעד משמעותי בדרך אל עולם שבו כל רעיון יכול להפוך למוצר עובד.

וכמו שאפשר כבר לראות בשטח, השאלה הגדולה של עולם הפיתוח הולכת ומשתנה – היא כבר לא “איך נבנה אפליקציה?”, אלא “מה שווה לבנות עכשיו?”.

הפוסט Lovable הופכים פיתוח אפליקציות לשיחה הופיע ראשון בLet's AI בינה מלאכותית

עסקת המניות שעוררה סערה

על פי הדיווחים, העסקה כללה מכירת מניות בהיקף של כ-6.6 מיליארד דולר על ידי עובדים נוכחיים ולשעבר. בין הרוכשים הבולטים: SoftBank, Thrive Capital, Dragoneer Investment Group ו-T. Rowe Price. למרות שהחברה אישרה מכירה בהיקף של עד 10 מיליארד דולר, בפועל נמכרו רק כשני שלישים מהסכום, מה שפורש בשוק כסימן לאמון יוצא דופן של העובדים והמשקיעים ביכולת של OpenAI לייצר ערך ארוך טווח.

השווי הנוכחי של 500 מיליארד דולר מסמן זינוק דרמטי לעומת הערכת השווי הקודמת – כ-300 מיליארד דולר במהלך 2025, ורק 157 מיליארד דולר באוקטובר 2024. כלומר, בתוך שנה אחת בלבד, שווי החברה יותר מהוכפל פי שלושה. לשם השוואה, OpenAI כיום מוערכת בשווי גבוה יותר מתאגידים ציבוריים ותיקים כמו Procter & Gamble או Bank of America – נתון שממחיש עד כמה ההייפ סביב תחום ה-AI משנה את כללי המשחק.

שינוי פרדיגמה במירוץ מול SpaceX

עד לאחרונה, SpaceX של אילון מאסק נחשבה לסטארט-אפ היקר ביותר בעולם, עם שווי של כ-400 מיליארד דולר. הערכת השווי נבעה בעיקר מהצלחת שיגורי Falcon ומהתפשטות שירות הלוויינים Starlink, שכבר משרת יותר מ-6 מיליון לקוחות ומניב הכנסות שנתיות מוערכות בכ-2.7 מיליארד דולר.

העקיפה של OpenAI את SpaceX מגלמת לא רק הישג פיננסי, אלא גם את הסטת מרכז הכובד של עולם ההשקעות ממיזמי חלל לבינה מלאכותית.

לפי Reuters, חברת OpenAI ייצרה כ-4.3 מיליארד דולר הכנסות במחצית הראשונה של 2025 – זינוק חד בהשוואה לשנים קודמות. אנליסטים מעריכים כי החברה עשויה להגיע להכנסות שנתיות של 12-13 מיליארד דולר עד סוף השנה, אך חשוב להדגיש שמדובר בתחזית ולא בדיווח רשמי.

בספטמבר דיווח Wall Street Journal כי OpenAI חתמה על חוזה ענק מול Oracle לאספקת שירותי ענן בהיקף כולל של כ-300 מיליארד דולר לאורך חמש שנים. אם החוזה יתממש במלואו, מדובר באחד הגדולים בהיסטוריה של תחום המחשוב. בנוסף, הוזכר רבות בחודשים האחרונים פרויקט “Stargate” – מרכז נתונים עצום שמתוכנן להפעיל את המודלים המתקדמים של החברה, בשיתוף SoftBank ו־Oracle.

אתגרי רווחיות ושריפת מזומנים

לצד ההכנסות המרשימות, OpenAI מתמודדת עם עלויות פיתוח עצומות. אין נתונים רשמיים ומפורטים על גובה ההפסדים או קצב “שריפת המזומנים”, אך אנליסטים מזהירים כי החברה עלולה להוציא עשרות מיליארדי דולרים בשנה על חישוב, תשתיות וגיוס כוח אדם. במילים אחרות, OpenAI מייצרת הכנסות בקצב שלא נראה קודם בתחום ה-AI, אך עדיין רחוקה מהשגת רווחיות יציבה ובר־קיימא.

במקביל, החברה בוחנת שינוי מבני משמעותי. OpenAI עשויה להפוך את זרוע הרווח שלה ל-Public Benefit Corporation (PBC) – תאגיד שמטרתו לשלב רווח עם תועלת ציבורית, תוך שמירה על שליטת הארגון ללא כוונת רווח. נכון לעכשיו, לא פורסם רשמית כי המנכ”ל סם אלטמן יקבל מניות במסגרת השינוי, ולכן מדובר בהערכה בלבד ולא בעובדה מאומתת.

שווי העתק של OpenAI מושך גם את מיטב המוחות בתעשייה. דיווחים שונים מצביעים על כך ש-Meta וחברות נוספות מציעות חבילות פיצוי חריגות במיוחד לחוקרי AI בכירים. מבחינת OpenAI, האפשרות למכור מניות לעובדים היא כלי מרכזי לשימור כישרונות – היא מאפשרת לעובדים הוותיקים לממש חלק מהערך שנוצר, מבלי שהחברה תצטרך לצאת להנפקה ציבורית.

סימני בועה?

השווי האדיר של חצי טריליון דולר מעורר חשש בקרב אנליסטים, שטוענים כי ייתכן שמדובר במאפיינים של בועת השקעות בתחום ה-AI. לפי נתוני Reuters, ההשקעות הגלובליות בתחום חצו את רף ה-250 מיליארד דולר ב-2024, וצפויות להמשיך לעלות בקצב מסחרר בשנים הקרובות. חלק מהאנליסטים כבר משווים את הסיטואציה לבועת הדוט-קום – הזרמות הון עתק לתשתיות ולפיתוח, אך ללא ודאות לגבי היכולת להפוך את הצמיחה הזו לרווחיות יציבה לאורך זמן.

מה שכן ברור, החברה מתמודדת עם קונפליקט מתמשך – הרצון להוביל את השוק המסחרי במהירות מול המחויבות לשמור על סטנדרטים מחמירים של בטיחות בינה מלאכותית.

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

לפרטים נוספים לחצו כאן >>

הסטארט-אפ המוביל בעולם

OpenAI מציבה לעצמה יעד שאפתני – להגיע להכנסות של מאות מיליארדי דולרים עד סוף העשור. יחד עם זאת, אנליסטים מדגישים כי חלק ניכר מהסכום הזה צפוי להיות מושקע מחדש בעלויות חישוב עצומות ובמרוץ המתמשך אחר גיוס טאלנטים מובילים. בסופו של דבר, סיפור OpenAI הוא לא רק עניין של מספרים, אלא עדות לכך שהעולם נכנס לעידן חדש – עידן שבו הכלכלה מונעת על ידי בינה מלאכותית. החברה הפכה לסמל של חדשנות טכנולוגית אדירה, אך גם של הסיכונים והאתגרים שמלווים אותה.

בשורה התחתונה, OpenAI הוכיחה את עצמה כסטארט-אפ המוביל בעולם, עם שווי שובר שיאים ונרטיב עוצמתי. ועדיין, השאלה הגדולה נותרה פתוחה – האם תצליח להפוך את ההייפ לרווחיות בת קיימא, או שמדובר באמת בבועה?

הפוסט OpenAI עוקפת את SpaceX והופכת לסטארט-אפ היקר ביותר בעולם הופיע ראשון בLet's AI בינה מלאכותית

מה חדש ב-Sora 2

ריאליזם פיזיקלי

אחד החידושים הגדולים הוא היכולת של המודל ליישם חוקי פיזיקה בצורה אמינה. כדורים קופצים מהקרקע בזווית נכונה, חפצים נופלים באופן טבעי ודמויות מגיבות לסביבה בצורה משכנעת. אם בעבר פרטים כאלה נראו מלאכותיים, הפעם הם קרובים בהרבה למה שהעין רגילה לראות במציאות.

סאונד מסונכרן

גם האוזן מקבלת טיפול. הסרטונים כבר לא נוצרים “שקטים” – המודל מפיק במקביל דיבור, מוזיקה ואפקטים קוליים, כולם מותאמים לתמונה. כך מתקבל סרטון שמרגיש קרוב יותר למוצר מוגמר, מבלי להידרש לעריכת אודיו נפרדת.

שליטה קולנועית והמשכיות

לראשונה ניתן לייצר רצפים של שוטים, תוך שמירה על המשכיות חזותית. המשתמש בוחר בסגנון הצילום – ריאליזם, קולנוע קלאסי או אפילו אנימה – ושולט בקצב ובאווירה. התוצאה היא לא עוד קליפ בודד אלא מיני־סיפור קולנועי.

Cameos – גרסה דיגיטלית של המשתמש

אחת ההפתעות הגדולות ב-Sora 2 היא האפשרות להכניס את עצמך או חברים לתוך הסרטון. אחרי תהליך אימות קצר שכולל צילום פנים ודגימת קול, המערכת בונה גרסה דיגיטלית של המשתמש. מכאן אפשר לקבוע הרשאות – מי רשאי להשתמש בדמות הזו, ולצפות בכל יצירה שנעשתה איתה, כולל טיוטות שטרם פורסמו.

במבט ראשון, מדובר ביכולת מרגשת – אנשים יכולים “לככב” בסרטון מבלי לעמוד מול מצלמה, לשלב את עצמם בסצנות קולנועיות או אנימציה, או להפתיע חברים עם סרטון שבו הם מופיעים כדמויות ראשיות. מבחינה קריאייטיבית זו קפיצה אדירה – דמיינו סרטון משפחתי שנראה כמו הפקה הוליוודית, או קמפיין פרסומי שבו בעל העסק הוא השחקן הראשי בלי יום צילום אחד.

אבל לצד ההזדמנות קיימים גם אתגרים. עצם היכולת לייצר דמות דיגיטלית אמינה מעלה שאלות על שימוש לרעה, למשל הכנסת אדם לסרטון ללא הסכמה מלאה, או הפצת טיוטות ברשת. אמנם OpenAI מאפשרת שליטה הדוקה יחסית (המשתמש רואה כל יצירה שנעשתה איתו ויכול להסיר הרשאות בכל רגע), אך ברור שככל שהפיצ׳ר יתפשט, גם המחלוקות סביב פרטיות, זכויות דמות ושימוש לרעה יגדלו.

במילים אחרות, Cameos הוא חידוש פורץ דרך שמחבר בין יצירתיות אישית לבין שאלות אתיות עמוקות, וזה כנראה מה שיהפוך אותו לאחד הפיצ׳רים המדוברים ביותר ב-Sora 2.

אפליקציית Sora – פיד של תוכן שנוצר כולו ב-AI

האפליקציה שמלווה את Sora 2 נראית במבט ראשון כמו עוד גרסה של TikTok – פיד אנכי אינסופי של סרטונים קצרים. אבל יש הבדל מהותי – כל סרטון שנצפה בו נוצר במלואו על ידי בינה מלאכותית.

המשתמשים יכולים להתחיל סרטון חדש מטקסט או מתמונה, לערוך אותו, או לקחת יצירה קיימת של מישהו אחר ולבצע עליה Remix – עיבוד מחדש שמוסיף שכבות יצירתיות חדשות. כך נבנית ספרייה של תוכן שמזין את עצמו, כשהפלטפורמה עצמה מתפקדת לא רק כ”מקום לצפות” אלא גם כמעבדה מתמשכת ליצירה משותפת.

מעבר לממשק החברתי, OpenAI מנסה להיאבק כאן באחד ההרגלים המושרשים ביותר של עידן הדיגיטל – “גלילה אינסופית”. האלגוריתם של Sora מתוכנן לדחוף את המשתמשים להפסיק רק לצפות ולהתחיל ליצור בעצמם. התפיסה הזו הופכת את האפליקציה מזרם תוכן פסיבי לפלטפורמה שמבוססת על השתתפות פעילה.

החיבור בין בידור חברתי, יצירה דיגיטלית ורגולציה עצמית של תוכן הוא הניסוי האמיתי שמתחבא מאחורי הפיד של Sora.

זמינות וגישה

למרות ההכרזה הגדולה, Sora 2 עדיין לא נפתח לכולם. נכון לאוקטובר 2025 השירות מוגבל מאוד. האפליקציה זמינה כרגע רק למכשירי iOS בארה”ב ובקנדה, ורק למי שנרשם לרשימת ההמתנה. מי שמקבל גישה יכול להתחבר גם דרך האתר sora.com וליצור סרטונים מהמחשב.

OpenAI מציעה שתי רמות שימוש: גרסה חינמית עם מכסות נדיבות יחסית, וגרסת Sora 2 Pro למנויי ChatGPT Pro, שבה איכות הווידאו גבוהה יותר. במקביל, החברה כבר מתכננת לפתוח בהמשך גם API למפתחים, שיאפשר לשלב את המודל במערכות ותהליכים חיצוניים.

במילים אחרות, כרגע מדובר במועדון סגור למדי, אבל כזה שצפוי להתרחב בהדרגה למדינות נוספות ולמשתמשים נוספים.

פרטיות ובטיחות

ככל שהיכולות של Sora 2 מתקרבות למציאות, כך גם עולות שאלות של פרטיות ואמון. OpenAI שילבה באפליקציה כמה שכבות הגנה שמטרתן למנוע שימוש לרעה. המשתמשים שומרים על שליטה מלאה ב- Likeness – כלומר, מי רשאי להשתמש בדמות הדיגיטלית שלכם. אתם מחליטים מי רשאי לשלב אותם בסרטונים, ויכולים לבטל את ההרשאה בכל רגע. זה מהלך שנועד למנוע מצב שבו מישהו “מקליט” אדם אחר בלי הסכמה.

לצד זה קיימות הגנות לנוער כמו מגבלות על זמן שימוש, אפשרות לניהול הורי וכלי בקרה לגיל, כדי למנוע גלישה לא מבוקרת בעולם תוכן שנראה אמיתי לגמרי.

כל סרטון שמופק מסומן מראש בסימן מים (Watermark) גלוי, וגם במטא-דאטה C2PA (Coalition for Content Provenance and Authenticity) – לפי תקן בינלאומי לאימות מקורות תוכן. כך ניתן לדעת מתי ואיך הווידאו נוצר, ולצמצם את הסיכון לזיופים או להפצה מטעה.

בנוסף, המודל עצמו כולל מסננים פנימיים שמונעים ייצור של תוכן בעייתי – חיקויים של אמנים קיימים, שימוש בקולות מוכרים בלי רשות, או יצירה של סרטונים מזיקים.

כל אלה לא מבטיחים מציאות נטולת סיכונים, אבל הם מצביעים על ניסיון להקים פלטפורמה שבה היצירתיות הדיגיטלית לא באה על חשבון זכויות המשתמשים.

מגבלות בשלב ההשקה

למרות ההבטחות הגדולות, Sora 2 מגיעה עם כמה מגבלות ברורות. הסרטונים מוגבלים כרגע לאורך של כ־10 שניות בלבד – מספיק לטעימה או לסצנה קצרה, אבל רחוק עדיין מהפקה של סרטון מלא. ברירת המחדל היא פורמט אנכי (9:16), מה שמתאים לשפה של רשתות חברתיות כמו TikTok או Reels, אך פחות נוח ליצירת תוכן רחב למסך מלא.

בנוסף, ניתן להתחיל יצירה מטקסט או מתמונה בלבד – העלאת וידאו קיים אינה זמינה בשלב זה. גם סצנות מורכבות במיוחד, עם ריבוי דוברים או תנועות מצלמה מהירות, עלולות “לשבור” את תחושת הריאליזם ולהחזיר תוצאה פחות משכנעת.

במילים אחרות, Sora 2 מרשימה מאוד, אבל עדיין נמצאת בנקודת פתיחה שבה היא מתאימה יותר לקליפים קצרים וניסיוניים מאשר להפקות ארוכות או מסובכות.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

לסיכום, Sora 2 מציבה רף חדש בשוק הווידאו מבוסס AI: ריאליזם פיזיקלי, פס קול משולב ושליטה בפרטיות שממקמים אותה גבוה וחזק בשוק מלא מתחרים ראויים. היתרון הבולט הוא בממשק החברתי וביכולת לשלב בני אדם אמיתיים בתוכן מבלי לוותר על שקיפות ובקרה. מדובר בפלטפורמה שנמצאת בין יצירתיות לחוויה קולנועית, ובין בידור לפרטיות ובטיחות.

אמנם בשלב ההשקה היא מוגבלת בזמן, פורמט וזמינות גיאוגרפית, אבל היא כבר נתפסת כאחת הקפיצות הגדולות ביותר בתחום הווידאו שנוצר בבינה מלאכותית. אם מגמת ההתפתחות תימשך, Sora 2 לא תישאר כלי הדגמה טכנולוגי, אלא תהפוך לאבן יסוד בתרבות הווידאו של השנים הקרובות.

למי שרוצה להעמיק – הנה עמוד המוצר וגם פרטים טכניים ודוקומנטציה.

הפוסט OpenAI משיקה את Sora 2 ולוקחת את עולם הוידאו הגנרטיבי לשלב הבא הופיע ראשון בLet's AI בינה מלאכותית

מה קורה כשבינה מלאכותית עובדת יום וחצי רצוף?

תדמיינו – אתם נותנים למודל משימה ב-9 בבוקר – לעשות refactoring למערכת ההזמנות, לבדוק אבטחה, לכתוב טסטים ולהעלות הכל לפרודקשן. בעולם הישן זה היה נגמר מהר מאוד. אחרי כמה שעות הוא כבר מתחיל לשכוח מה עשה בהתחלה, אחרי שבע שעות הוא נתקע על מגבלת הטוקנים, ובבוקר שלמחרת אתם מוצאים את עצמכם מסבירים הכל מחדש מהתחלה.

עם Sonnet 4.5 זה נראה אחרת לגמרי. אתם מסיימים יום עבודה, סוגרים את הלפטופ והולכים הביתה. בלילה, בזמן שאתם ישנים – המודל ממשיך לעבוד. בבוקר שאחרי, כשאתם נכנסים למשרד, הוא עדיין שם – ממוקד, זוכר כל צעד, וממשיך בדיוק מהנקודה שעצר.

ואם זה נשמע כמו פנטזיה – ארגונים שכבר קיבלו גישה מוקדמת מדווחים על משימות שלמות שבוצעו כך: הקמת בסיס נתונים, רכישת domain, ביקורת אבטחה ברמת SOC 2, כתיבת תיעוד מלא. הכל רץ ברצף, בלי יד אנושית על המקלדת. זה כבר לא מדע בדיוני. זה קורה עכשיו.

למה בכלל צריך מודל שעובד 30 שעות? 

זאת שאלה חשובה והכרחית, והתשובה מפתיעה – הרבה יותר אנשים ממה שנדמה לכם. בהכרזה הרשמית של Anthropic אמר שון וורד (Sean Ward), מייסד שותף ומנכ”ל חברת iGent AI, סטארטאפ המתמחה בכלי הנדסת תוכנה אוטונומיים, כי “Claude Sonnet 4.5 מגדיר מחדש את הציפיות שלנו. הוא מטפל ב-30+ שעות של קידוד אוטונומי, ומשחרר את המהנדסים שלנו להתמודד עם חודשים של עבודה ארכיטקטונית מורכבת.”

כדי להבין את המשמעות, נניח דוגמה פשוטה: ארגון עם מערכת PHP ישנה שצריך להעביר ל-microservices מודרניים. פרויקט כזה נמתח לרוב על פני שלושה-ארבעה חודשים. עכשיו תדמיינו את אותו פרויקט מתבצע ברצף, על ידי מודל אחד שממשיך לעבוד גם כשאתם ישנים – ומסתיים בתוך יום וחצי.

חודשים של עבודה מתכווצים ל-36 שעות. זה לא עוד 10% שיפור בפרודוקטיביות – זה שינוי סדר גודל שמגדיר מחדש מה אפשרי.

האם זה באמת עובד?

כאן אין מקום לשיווק, רק למספרים. במבחן SWE-bench Verified, שבודק אם מודל מסוגל לפתור באגים אמיתיים מגיטהאב, Sonnet 4.5 מוביל עם ‎77.2% (ואפילו ‎82% כשמפעילים parallel test-time compute). הוא עקף גם את GPT-5 וגם את Gemini.

יתרון ברור על פני GPT-5 וג׳מיני. Source: anthropic.com

אבל זה לא נגמר בקידוד. בטבלה הבאה רואים תמונה רחבה יותר: Sonnet 4.5 משפר ביצועים גם במבחני שימוש במחשב (OSWorld), מתמטיקה (AIME), שאלות רב-לשוניות (MMMLU) וניתוח פיננסי, ובחלקם אפילו מוביל על פני GPT-5 ו-Gemini.

Claude Sonnet 4.5 מוביל בקידוד אוטונומי. Source: anthropic.com

במילים פשוטות, זה לא עוד שיפור קוסמטי. לפני שנה המודלים המובילים עמדו סביב 50%. היום Sonnet 4.5 מתקרב ל-80%, ובחלק מהמשימות אפילו עובר את זה. זה כבר הבדל בין “אפשר לנסות” לבין “אפשר לסמוך על זה בפרודקשן”.

מה הופך את זה לאפשרי?

כדי להבין איך Sonnet 4.5 מחזיק 30 שעות רצופות, צריך להציץ מתחת למכסה המנוע.

מודעות הקשר 

המודל יודע לעקוב אחרי צריכת הטוקנים שלו, להבין כמה נשאר ומתי לנקות מידע ישן. מודלים קודמים פשוט היו נתקעים – כאן הוא ממשיך קדימה.

עבודה במקביל 

במקום לעבוד לינארית, Sonnet 4.5 מבצע חיפושים בו-זמנית, קורא כמה קבצים במקביל ומסנכרן בין הכלים. זה מרגיש פחות כמו מודל אחד ויותר כמו צוות.

סביבת הקידוד (Claude Code) משתדרגת

• Checkpoints: שמירת מצבים וחזרה מיידית לאחור.

• ממשק חדש: הרחבה רשמית ל-VS Code וטרמינל מחודש, עם שינויים בזמן אמת.

• ביצוע קוד ויצירת קבצים: גיליונות, מצגות ומסמכים נולדים ישירות מהשיחה. Anthropic גם הדגימה את זה בפעולה – בסרטון הרשמי רואים את Claude מייצר מסמך, מצגת וגיליון אלקטרוני – כולם ניתנים להורדה ועריכה. זה כבר לא רק לכתוב קוד, אלא לייצר בפועל תוצרים שימושיים שמתחברים ישירות לעבודה היומיומית:

• Agent SDK: לבנות כלים ותתי-סוכנים על בסיס היכולות של Anthropic. הנה סרטון קצר שמדגים את ה-Agent SDK, שמאפשר למפתחים להרכיב סוכנים מורכבים על גבי Claude Code, עם שליטה בזיכרון, הרשאות ותיאום בין משימות:

כלים חדשים לזיכרון

• Context Editing: ניקוי אוטומטי של תוכן לא רלוונטי כשהחלון מתמלא.

• Memory Tool (Beta): אחסון מחוץ לחלון ההקשר, כך שהמודל זוכר גם מה שנעשה אתמול.

למי שרוצה לראות את זה בפעולה – הנה סרטון קצר שבו Claude משחק Catan, בונה בסיס ידע על האסטרטגיות של היריבים ששורד בין משחקים, ומנקה מידע מיושן לאורך הדרך. זה נותן הצצה מוחשית למה שמאפשרים Context Editing ו-Memory Tool:

וכמה זה עולה?

החיסרון הבולט של Sonnet 4.5 הוא המחיר: ‎$3 ל-input ו-$15 ל-output למיליון טוקנים. זה פי 2.4 יקר יותר מ-GPT-5 ו-Gemini שעולים ($1.25 / $10) בהתאמה. המשמעות ברורה, סטארטאפ עם מיליון שאילתות בחודש ישלם בערך ‎$3,000 במקום ‎$1,250 – פער של ‎$21,000 בשנה.

האם זה שווה? אם מדובר בקוד קריטי, שבו טעות אחת עולה עשרות אלפי דולרים – ברור שכן. אם זה צא’טבוט בסיסי לשירות לקוחות – כנראה שלא. יש דרכים לצמצם עלויות (prompt caching, batch processing), אבל אלה לא נרחיב עליהם כאן.

חשוב רק להדגיש, המספרים מבוססים על פרסומים רשמיים של החברות. בפועל, ביצועים ומחירים יכולים להשתנות לפי גרסה, קונפיגורציה ותצורת שימוש.

אבטחה ובטיחות 

Anthropic מתארת את Sonnet 4.5 כ-“המודל המיושר ביותר שפרסמנו”. לפי החברה, הוא מצמצם התנהגויות בעייתיות כמו החנופה למשתמש (sycophancy), הטעיה, חיפוש כוח ועידוד חשיבה דלוזיונלית (הזיות). ברמה הטכנית נוספו שכבות הגנה כמו חסינות טובה יותר ל-prompt injection, סינון פלטים מסוכנים (כמו הוראות לייצור נשק) והשקה תחת רמת בטיחות AI Safety Level 3.

ג’ארד קפלן, המדען הראשי של Anthropic, אמר: “זה הקפיצה הגדולה ביותר באבטחה שראינו בשנה, שנה וחצי האחרונות.” ולמה זה חשוב? כי ברגע שמודל עובד 30 שעות ברצף בצורה אוטונומית, הסיכונים מתגברים. אם הוא מסוגל לפעול יום וחצי בלי השגחה, הוא חייב להיות מהימן יותר מאי פעם.

שיעור ההתנהגויות הבעייתיות הנמוך ביותר. Source: anthropic.com

איפה זה זמין?

Sonnet 4.5 כבר נגיש לכולם ב-Claude.ai וב-API, ומשולב גם דרך Amazon Bedrock, Google Cloud Vertex AI ו-Claude Code. בנוסף, Anthropic מפעילה כעת את ניסוי Imagine with Claude (הרחבה בפסקה הבאה), שפתוח רק למשתמשי Max לזמן קצוב. מי שרוצה לטעום מהעתיד בזמן אמת, זה הרגע.

כשיכולת הופכת לחוויה

עד עכשיו דיברנו על מספרים וביצועים. אבל Anthropic גם הראתה לאן כל זה יכול להתפתח. היא השיקה ניסוי קצר בשם Imagine with Claude (זמין למשתמשי Max עד 4 באוקטובר 2025), שמדגים איך מודל לא רק כותב קוד, אלא מייצר תוכנה בזמן אמת. במקום לבנות את כל האפליקציה מראש, Claude מייצר את החלקים תוך כדי שימוש: לוחצים על כפתור – נוצר הקוד לכפתור, פותחים תפריט – נוצר הקוד לתפריט.

בהדגמה שתכף תראו, ביקשו ממנו “לדמיין את המחשב של שייקספיר”, והוא יצר ממשק מהמאה ה-16 עם תפריטים כמו Sonnets ו-Quill Sharpener. הכל פעל אינטראקטיבית. זה אולי נראה כמו משחק, אבל המשמעות עמוקה יותר. עד היום תוכנה נכתבה מראש, כאן היא נוצרת על המקום, מותאמת בדיוק למה שאתם צריכים. זה כבר לא רק שיפור ביצועים, זו דרך אחרת לחשוב על מהי תוכנה בכלל.

Anthropic פרסמה סרטון קצר שממחיש את זה בפעולה. Claude בונה תוכנה בזמן אמת, מגיב לכל פעולה שלכם ומייצר את הקוד רק כשצריך – ממש מול העיניים:

מה אומרים המשתמשים בפועל

חשוב להבין, Sonnet 4.5 לא חי רק באתר של Anthropic. הוא כבר רץ “מתחת למכסה המנוע” בכלי קוד וסביבות עבודה, מ-Claude Code ועד Cursor ו-Canva, וכך ההתקדמות הטכנית הופכת לחלק מהיומיום של מפתחים ומעצבים.

ב-Canva, לדוגמה, סיפר דני וו (Danny Wu), ראש תחום מוצרי ה-AI ב-Canva, ש-Claude Sonnet 4.5 הציג שיפורים מרשימים במשימות המורכבות והארוכות ביותר – החל מעבודה בבסיס הקוד ועד לתכונות חדשות בתוך המוצר. גם מייקל טרואל (Michael Truell), מנכ”ל Cursor, תיאר ביצועי קידוד מהשורה הראשונה, עם שיפורים ניכרים במשימות ארוכות טווח. כדי להבין את המשמעות מהצד המעשי, נניח מצב שבו ארגון עובד עם מערכת מורכבת שדורשת תחזוקה מתמדת – כאן היתרון של מודל שמסוגל להחזיק 30 שעות רצופות מתרגם ישירות לחיסכון בזמן ובעלויות.

וזה לא נגמר בקוד. בבדיקות יישומיות בתחומי פיננסים, משפט, רפואה ומדעים, Sonnet 4.5 מציג יתרון מובהק על פני דורות קודמים – גם במשימות חשיבה מורכבות (‘16k thinking’) וגם בביצוע יומיומי.

Sonnet 4.5 מוביל גם בתחומי יישום קריטיים. Source: anthropic.com

אז כדאי לעבור ל-Sonnet 4.5?

התשובה תלויה בצרכים שלכם. אם אתם כבר משתמשים ב-Claude, השדרוג כמעט מתבקש – ביצועים טובים יותר באותו ממשק. אם אתם בונים סוכנים אוטונומיים או עובדים עם קוד קריטי, היכולת לעבוד 30 שעות רצופות, יחד עם כלים כמו Memory Tool ו-Context Editing, נותנת יתרון שאין לו מתחרים כרגע. גם מי שדורש רמות אבטחה מחמירות ימצא כאן ערך אמיתי.

אבל לא לכולם זה מתאים. Sonnet 4.5 יקר פי 2.4 מהמתחרים, והחלון הקשר (context window) שלו קטן משל Gemini. אם יש לכם codebase ענק או שאתם מסתפקים במודל זול יותר כמו GPT-5, ייתכן שאין סיבה להחליף. מי שצריך יכולות מולטימודל מתקדמות (טקסט, תמונה, אודיו, וידאו) גם ימצא ב-Gemini מענה טוב יותר.

בשורה התחתונה, Sonnet 4.5 הוא שדרוג אמיתי – לא עוד כמה אחוזים, אלא קפיצה ביכולות אוטונומיה וקידוד. אם מה שאתם בונים מורכב, קריטי או דורש ריצות ארוכות טווח, ההשקעה משתלמת. אם אתם מחפשים פשוט זול ומהיר, יש חלופות טובות.

חשוב לזכור שהתחרות לא נחה. לפי שמועות, Gemini 3 בדרך, OpenAI ממשיכה לשפר ולשדרג כל הזמן, ומה שמוביל היום לא בהכרח יישאר בפסגה עוד שלושה חודשים (וכנראה גם לא עוד שבוע). אבל נכון לעכשיו, אם אתם צריכים בינה מלאכותית שעובדת בלי לעצור, זוכרת הכל ומספקת קוד ברמת פרודקשן – Sonnet 4.5 הוא המקום הנכון. רק תוודאו שאתם באמת צריכים את זה לפני שאתם משלמים כפול.

הפוסט אנטרופיק משיקים את Claude Sonnet 4.5 הופיע ראשון בLet's AI בינה מלאכותית

המספרים שמאחורי הבועה

מאז השקת ChatGPT בנובמבר 2022, 41 מניות הקשורות לבינה מלאכותית היו אחראיות ל-75 אחוז מהעליות במדד S&P 500. הן תרמו 80 אחוז מצמיחת הרווחים הארגוניים ו-90 אחוז מצמיחת ההוצאות ההוניות, נתונים שמדגישים עד כמה ההתאוששות בשווקים נשענת על מגזר אחד בלבד.

במקביל, ענקיות הטכנולוגיה ממשיכות להזרים סכומי עתק – מיקרוסופט, מטא, אמזון ואלפבית צפויות להוציא יחד 364 מיליארד דולר במהלך 2025, כאשר מטא לבדה מתכננת להקצות עד 72 מיליארד דולר לבניית מרכזי נתונים ופיתוח יכולות AI.

ההסכם הדרמטי של אנבידיה ו-OpenAI

ב-22 בספטמבר 2025 הודיעו אנבידיה (Nvidia) ו־OpenAI על הסכם אסטרטגי מהגדולים שנראו בתעשייה. אנבידיה התחייבה להשקיע עד 100 מיליארד דולר בהקמת תשתיות מחשוב ייעודיות ל-OpenAI, מהלך שממחיש את עוצמת ההימור על עתיד הבינה המלאכותית. בעקבות ההשקעה, הערכת השווי של OpenAI עלתה ל־500 מיליארד דולר, מה שהופך אותה לסטארט-אפ היקר ביותר בהיסטוריה.

בועה במבט רחב

השוואות לבועת הדוט.קום הולכות ומתרבות. באוגוסט 2025 הודה סם אלטמן, מנכ”ל OpenAI, כי “המשקיעים בכללותם נרגשים יותר מדי מה-AI”. מארק צוקרברג הצטרף והזהיר כי “בהחלט קיימת אפשרות, לפחות אמפירית, שמשהו כזה יקרה כאן”. גם ברט טיילור, יו”ר OpenAI ומנכ”ל Sierra, אמר כי “סצנת ה-AI מזכירה מאוד את בועת הדוט.קום” – אמירה שמגיעה מאדם הנמצא בלב התעשייה ושיודע עד כמה מהלכים של ענקיות טכנולוגיה יכולים לעצב את השוק.

ההקבלה אינה מקרית, בבועת הדוט.קום של תחילת שנות ה-2000 נמחקו יותר מ-5 טריליון דולר משווי חברות הטכנולוגיה. כיום שווי השוק של תחום ה-AI נאמד בכ-244.2 מיליארד דולר, לאחר שהחברות הגדולות השקיעו בו למעלה מ-155 מיליארד דולר רק בשנת 2025. במקביל, הדיון אינו כלכלי בלבד, הוא גם נרטיבי ואסטרטגי. טיילור עצמו ציין כי ההגדרה של AGI “זזה קדימה כל הזמן”, כך שהתקדמות שנחשבה מהפכנית לפני שנים ספורות כבר נתפסת כיום כסטנדרט בסיסי.

השילוב בין שתי הזוויות – הכלכלית והאסטרטגית – מדגיש את גודל הסיכון. בעוד הגופים הפיננסיים מתריעים מפני השקעות מופרזות ומימון מעגלי, קולות מהתעשייה משקפים אווירה של הייפ, תחרות עזה ומרוץ חימוש טכנולוגי.

שיעורי כישלון מדהימים

מחקר של MIT שפורסם באוגוסט 2025 מצא כי 95 אחוז מפרויקטי הפיילוט בתחום הבינה המלאכותית לא הצליחו להניב החזר על השקעה, אף על פי שיותר מ-40 מיליארד דולר כבר הושקעו בהם. רק 19 אחוז מהמנהלים דיווחו על עלייה של יותר מ-5 אחוז בהכנסות בעקבות יישום AI, ו-36 אחוז לא הבחינו בשינוי כלל.

הכישלון אינו נובע מהטכנולוגיה עצמה. ברוב המקרים הבעיה היא ארגונית ותהליכית – דאטה מפוזר או לא איכותי, ניסיון “להדביק” AI על תהליכים קיימים במקום לעצב מחדש את הזרימה העסקית, היעדר בעלות עסקית ויעדים ברורים למדידת ROI, תרבות ארגונית שלא מתמרצת אימוץ, וגם תופעת Shadow AI – שימוש לא רשמי של עובדים בכלי AI חיצוניים מחוץ למדיניות הארגון. התוצאה היא פיצול, סיכוני אבטחת מידע וחוסר קוהרנטיות, שמכרסמים ביכולת להפיק ערך אמיתי מההשקעות. המשמעות למשקיעים ברורה: כל עוד הפער הזה בין ציפיות למציאות נמשך, קשה להצדיק את ההערכות הגבוהות שמקבלות כיום חברות ה-AI בשווקים.

המימון בחוב מחריף

אורקל הנפיקה בספטמבר איגרות חוב בהיקף 18 מיליארד דולר כדי לממן השקעות ב-AI – מהלך חריג, שכן עד כה ענקיות הטכנולוגיה מימנו את ההוצאות בעיקר מתזרים חופשי. במקביל, ג’יי.פי מורגן ומיצובישי מובילים הלוואה של 22 מיליארד דולר להקמת קמפוס נתונים ענק. בסך הכול צברו חברות הטכנולוגיה 157 מיליארד דולר חוב ארגוני מתחילת השנה – עלייה של 70 אחוז לעומת התקופה המקבילה אשתקד.

מעבר לכך, כלכלנים מזהירים מפני מימון מעגלי – מצב שבו חברות גדולות משקיעות בסטארט-אפים של AI, אשר בתורם רוכשים שירותי ענן או חומרה מאותן חברות. כך נוצרות הכנסות מלאכותיות שמנפחות את המאזנים של שני הצדדים בלי לייצר ערך אמיתי. דוגמה בולטת לכך היא ההשקעה של אנבידיה ב-OpenAI, כאשר חלק מההון מושקע בחברה וחוזר אל אנבידיה דרך רכישת שבבים ותשתיות מחשוב.

היקף התופעה הולך וגדל. אנבידיה לבדה השקיעה ב-2025 ב-51 חברות, לעומת 41 בלבד בשנה שעברה, בעוד שמעל 40 אחוז מהכנסותיה מגיעות ממיקרוסופט, מטא, אמזון, אלפבית וטסלה – החברות שהן גם לקוחותיה המרכזיים וגם שותפותיה להשקעות. עבור המשקיעים, המשמעות היא שהביצועים הפיננסיים שנראים מרשימים על הנייר, עלולים (לפחות בחלקם) להיות תוצר של מבנה מימון סגור שאינו בר-קיימא לאורך זמן.

הדינמיקה הזו ניכרת גם בהסדרי הענן ארוכי הטווח של OpenAI עם Oracle ובתוכניות התשתית המסיביות שנלוות אליהם, שמחדדות את הסיכון של מימון עצום ותלות בספקי ענן בודדים.

מה זה אומר למשקיעים

האזהרות הולכות ומתרבות. ג’יימי דיימון, מנכ”ל ג’יי.פי מורגן, התריע לפני מספר חודשים מפני “סדק” בשוק האג”ח ואמר כי “אתם תיכנסו לפאניקה”. יו”ר הפדרל ריזרב, ג’רום פאוול, ציין כי ארה”ב חווה “כמויות חריגות של פעילות כלכלית הקשורה ל-AI”. דויטשה בנק הגדיר את החודשים האחרונים כ-“הקיץ שבו ה-AI הפך למכוער”.

לצד זאת, קרי קרייג סבור שלמניות האמריקאיות יש מרחב מוגבל להמשך עליות – “המתח הגיאופוליטי הוא רעש – אכזבת הרווחים היא האיום האמיתי”. המשמעות למשקיעים ברורה – השוק הפך תלוי באופן חריג בביצועי ענקיות הטכנולוגיה, וכל אכזבה יכולה להצית גל מכירות נוסף, כפי שנראה בצניחה של אפריל האחרון.

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

לפרטים נוספים לחצו כאן >>

מבט קדימה לדוחות סוף השנה

המבחן האמיתי יגיע עם פרסום דוחות הרבעון הרביעי. אם ההשקעות האדירות ב-AI לא יניבו תשואות מוחשיות, ייתכן שהשוק יבחן מחדש את כל הנרטיב של מהפכת ה-AI. ובכל זאת, בשונה מבועת הדוט.קום, החברות המובילות כיום מניבות רווחים ממשיים. השאלה היא האם זה יספיק כדי להצדיק את רמות הציפיות שהשוק כבר מתמחר.

הפוסט בועה או מציאות? ההשקעות בבינה מלאכותית זורמות במעגל סגור הופיע ראשון בLet's AI בינה מלאכותית

NEW LABS EXPERIMENT

Introducing Mixboard an experimental, AI-powered concepting board. Designed to help you explore, visualize, and refine your ideas and powered by our latest image generation model ()

Now available in US-only public beta! Learn more and try it… pic.twitter.com/7JXmVo5YVP

— Google Labs (@GoogleLabs) September 23, 2025

מה זה בעצם Mixboard?

Mixboard הוא לוח רעיונות חכם (Concept Board) ממעבדות גוגל (Google Labs) שמאפשר ליצור קולאז’ים ולוחות השראה (Moodboards) – קצת כמו Pinterest או Miro, אבל עם טוויסט. במקום רק לסדר תמונות זו לצד זו, הכלי נותן לכם לערוך, לשנות ולשלב אותן בעזרת הוראות בשפה טבעית.

זהו מרחב עבודה ויזואלי שבו מעלים תמונות, מוסיפים טקסט, ומקלידים פקודות פשוטות כמו “תעשה את הרקע בהיר יותר” או “שלב בין שתי התמונות”. מכאן, הבינה המלאכותית כבר עושה את כל העבודה בקלות ובמהירות.

למה כדאי לכם להכיר את Mixboard?

קודם כל כי הוא נגיש בצורה יוצאת דופן – אין צורך בידע בפוטושופ או בכלי עריכה מסובכים, מספיק לכתוב משפט פשוט כדי לערוך תמונה. מעבר לכך, הוא מהיר ויעיל ומאפשר לצוותים, מעצבים ויוצרים לגבש רעיונות ולקבל תוצרים ויזואליים ראשוניים בתוך דקות.

מאחורי הכלי עומדת טכנולוגיה מתקדמת: מודל Nano Banana שמבין שפה טבעית לעומק, יודע לבצע עריכות מורכבות, לשמור על עקביות עיצובית ולהפיק תוצאות מרשימות. ולבסוף, Mixboard זמין כיום בחינם במסגרת גרסת בטא, כך שאפשר להתנסות בטכנולוגיה החדשה כבר עכשיו, בידיעה שהכלי עדיין מתפתח וצפויים לו עדכונים ושיפורים בהמשך.

יכולות מרכזיות של Mixboard

Mixboard פועל כמו לוח השראה אינטראקטיבי שבו אפשר להעלות תמונות, טקסטים ואלמנטים ויזואליים ולחבר אותם יחד במרחב עבודה אחד. העריכה נעשית באמצעות צ’אט – פשוט מקלידים פקודות כמו לשנות צבעים, להוסיף אלמנטים, לשנות רקע או למרכז דמויות, והמערכת מבצעת זאת מיידית.

יתרון נוסף הוא שמירה על עקביות: הכלי מקפיד לייצר מראה אחיד בין כל האלמנטים בפרויקט, כך שהתוצאה תמיד נראית קוהרנטית ומקצועית. בנוסף, Mixboard מציע ספרייה רחבה של פרויקטים ודוגמאות מוכנות מראש, מה שמקל מאוד על הלמידה וההתחלה.

יכולות מרכזיות של Mixboard

איך מתחילים? מדריך צעד-אחר-צעד

לפני שמתחילים, חשוב לדעת: Mixboard זמין כרגע רק למשתמשים בארה”ב. אם אתם גולשים ממדינה אחרת, ניתן לעקוף את המגבלה באמצעות שימוש ב-VPN. זה שירות שמאפשר לגלוש דרך שרתים אמריקאיים וכך לגרום לכלי לזהות אתכם כאילו אתם נמצאים בארה”ב. קיימים שירותי VPN חינמיים ובתשלום, וכל שנדרש הוא לבחור שרת בארה”ב ולהתחבר.

איך עושים זאת בפועל? פותחים את חנות התוספים של גוגל, מחפשים תוסף VPN מתאים ומתקינים אותו. מומלץ לבחור תוסף עם דירוג גבוה וביקורות חיוביות כדי להבטיח אמינות. לאחר ההתקנה, מפעילים את התוסף, בוחרים שרת אמריקאי, ומאותו רגע הגלישה תזוהה כאילו היא מתבצעת מתוך ארה”ב, מה שמאפשר כניסה חופשית ל-Mixboard.

עכשיו אפשר להתחיל לעבוד:

1. כניסה ל-Mixboard by Google Labs.

2. התחברות – לחצו על Login והתחברו עם חשבון הגוגל שלכם.

3. התנסות בדוגמאות (מומלץ!) – לפני שמתחילים פרויקט חדש, כדאי מאוד לפתוח דוגמה מוכנה מתוך התפריט (Pick an example). כך תבינו במהירות איך הכלי עובד ותקבלו השראה.

4. יצירת פרויקט חדש – כשתהיו מוכנים, בחרו באפשרות New project.

5. העלאת תמונה – העלו תמונה מהמחשב, והיא תופיע מיד על לוח העבודה.

6. הוספת טקסט – לחצו על כפתור הטקסט בתפריט השמאלי כדי להוסיף מלל.

7. בחירת אלמנטים לעריכה – השתמשו ב-Select blocks כדי לסמן את האלמנטים שתרצו לשנות.

8. פקודת עריכה – הקלידו הוראה פשוטה בצ’אט שבתחתית המסך, למשל “שנה את הרקע ללבן” או “שלב את שתי התמונות”. המודל Gemini יבצע את הפעולה תוך שניות.

מכאן הכול פתוח – אפשר להמשיך להוסיף פקודות, להעלות תמונות נוספות, לשלב טקסטים ולפתח את הרעיון צעד אחר צעד עד שהתוצאה נראית בדיוק כפי שדמיינתם.

שיתוף, עבודת צוות וקהילה

כל פרויקט שתיצרו ב-Mixboard נשמר באופן אוטומטי בחשבון הגוגל שלכם, כך שתמיד תוכלו לחזור אליו, לערוך מחדש או להמשיך לפתח את הרעיון. בנוסף, ניתן לשתף את הלוח עם חברי צוות ולעבוד עליו יחד בזמן אמת. המשמעות היא שכל שינוי, תמונה או רעיון שמתווספים מופיעים לכולם באופן מיידי. זה הופך את Mixboard לכלי אידיאלי לסיעור מוחות, לתיאום ויזואלי ולגיבוש רעיונות במהירות.

למשל, צוות קריאייטיב יכול לעבוד על קמפיין שיווקי משותף: אחד מעלה סקיצות של עיצוב מודעה, אחר מוסיף רעיונות לסלוגנים, והמעצב משנה את הצבעים על פי בקשות הצוות – והכול קורה על אותו לוח בזמן אמת.

מעבר לכך, מומלץ לחקור את הקהילות והפורומים שמוקדשים ל-Mixboard. שם תמצאו עבודות של משתמשים אחרים, טיפים וטכניקות חדשות, וגם השראה שתוכל לתת לכם כיוונים יצירתיים לפרויקטים הבאים.

איך להוציא את המיטב מ-Nano Banana

כדי שהעריכות שלכם יהיו מדויקות ומרשימות יותר, שווה להקפיד על כמה כללים פשוטים:

• תארו את הסצנה במלואה – אל תסתפקו במילות מפתח קצרות כמו “רטרו, עיר”. נסו לתאר תמונה שלמה: “אובייקט מרכזי בסגנון רטרו על רקע עירוני צבעוני בשעת שקיעה”. ככל שהתיאור מפורט יותר, כך התוצאה קרובה יותר למה שדמיינתם.

• היו ספציפיים בבקשות העריכה – במקום לכתוב “שנה את הספה”, נסחו במדויק: “החלף את צבע הספה לכחול רויאל מבד קטיפה”. או במקום “הוסף חיה”, נסו: “הוסף חתול ג’ינג’י ישן על הכיסא”. הפרטים הקטנים עושים הבדל גדול.

• הוסיפו פרטים טכניים (למתקדמים) – אם אתם רוצים שליטה גבוהה יותר, אפשר לציין זווית צילום, סוג עדשה (צילום רחב-זווית), סגנון תאורה (תאורת סטודיו רכה) או אפילו אווירה כללית (אווירה מלנכולית). זה יעזור למודל לדייק את התחושה הוויזואלית.

• בצעו עריכות ברצף – אל תנסו לשנות הכול בבת אחת. עדיף לבצע כמה עריכות אחת אחרי השנייה, כדי לשמור על עקביות עיצובית ולהתקדם בהדרגה לכיוון הרצוי.

דוגמאות לשימושים יצירתיים

Mixboard מתאים כמעט לכל תחום שבו צריך להפוך רעיונות לתמונה מוחשית. מעצב פנים, למשל, יכול לבנות לוח השראה שמדגים איך צבעים, רהיטים וטקסטורות מתחברים לחלל אחד קוהרנטי. מארגני אירועים משתמשים בו כדי להמחיש ללקוח את האווירה הצפויה – מהעיצוב של השולחנות ועד התאורה. יזם שמפתח מוצר חדש יכול לשרטט סקיצה ראשונית ולהפוך אותה מיד להדמיה שמדגימה איך ייראה המוצר בעולם האמיתי.

גם מחוץ לעולמות העיצוב והעסקים, Mixboard פותח אפשרויות חדשות – מורה יכול להשתמש בו כדי להכין שיעור ויזואלי שמדגים לתלמידים תהליך או רעיון מופשט, וצוות שיווק יכול לבנות יחד מצגת עם לוח רעיונות משותף שמחדד את המסרים. היתרון האמיתי הוא לא רק ביצירת התמונות עצמן, אלא בכך שהצוות כולו רואה את אותו חזון ויזואלי, מה שמחזק את הדיון ומקצר את הדרך מהרעיון לביצוע.

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

לפרטים נוספים לחצו כאן >>

לסיכום, Mixboard לא נועד להחליף כלים מקצועיים כמו Figma או מודלים טקסטואליים כמו ChatGPT, אלא לשמש כתחנת ביניים יצירתית ומהנה. הוא מחבר בין עולם הדימוי החזותי לעריכה שיחתית, ומאפשר לכל אחד, מחובב סקרן ועד מעצב מנוסה, להפוך רעיונות לתמונות מוחשיות בכמה קליקים ובמשפטים פשוטים. אם המטרה שלכם היא לשדרג תוצרים ויזואליים, לחדד קונספטים או פשוט לחסוך זמן בתהליך היצירה, Mixboard הוא כלי שבהחלט כדאי לנסות.

הפוסט מדריך Mixboard: כל מה שצריך לדעת על לוח הרעיונות החכם של גוגל הופיע ראשון בLet's AI בינה מלאכותית

מה הופך את זה לייחודי

רובוטים קלאסיים עובדים לפי תסריטים קבועים מראש – להזיז קופסה, להבריג בורג, לשאוב רצפה. הבעיה? העולם האמיתי לא מתנהל לפי תסריט. כאן נכנס Gemini Robotics-ER 1.5 מבית גוגל DeepMind – הוא יודע לפרק משימות מורכבות, לחפש באינטרנט בזמן אמת (למשל כללי מיחזור מקומיים), ולהתאים את הפעולה לסיטואציה המשתנה. במילים פשוטות, זהו מעבר מרובוטים שמבצעים פקודות “על אוטומט” לרובוטים שמבינים הקשר, מתמודדים עם הפתעות, ואפילו מסבירים את תהליך החשיבה שלהם.

הנה גרף שמציג השוואה בין דגמי Gemini Robotics לדגמים אחרים (כולל GPT-5) על שני צירים: יכולות חשיבה גופנית (Embodied Reasoning) מול רב-שימושיות (Generality). Gemini Robotics-ER 1.5 ממוקם גבוה יותר משמעותית מהגרסה הקודמת (1.0) ומציג שיפור ניכר גם בהשוואה למודלים לשפה כללית:

הקפיצה ביחס לדורות קודמים. Source: googleblog.com

שלוש יכולות ליבה

חשיבה מרחבית חכמה ומהירה

המודל מזהה חפצים בדיוק גבוה, מבין משקל, גודל ויכולת אחיזה, ומגיב בזמן אמת לסביבה משתנה. התוצאה: רובוט שלא רק “רואה” אלא גם מבין מה אפשר לעשות עם מה שהוא רואה.

תזמור התנהגויות מורכבות

המערכת מפרקת הוראות לשלבים, מפעילה כלים דיגיטליים, ומנהלת את ההתקדמות. כך היא יכולה לסדר שולחן לפי תמונה או להכין קפה – מהבנת המצב ועד ביצוע מדויק.

תקציב חשיבה גמיש

למפתחים יש שליטה בכמה זמן המודל “חושב” לפני פעולה. משימות פשוטות זוכות לתגובה מהירה, משימות מורכבות מקבלות תכנון עמוק יותר.

התמונה המצורפת מציגה את המערכת בפעולה: המשתמש מבקש מהמכונה למיין פריטים לפחים הנכונים, והרובוט נעזר בהנחיות מקומיות (כמו חוקי מיחזור בסן פרנסיסקו), חושב, מחפש מידע רלוונטי, מתכנן ומבצע. התרשים מימין מסביר איך המודל מתפקד כמתזמר (Orchestrator): חשיבה ← שימוש בכלים ← תכנון ← ביצוע. זה ממחיש בצורה ברורה את המעבר מרובוט שמבצע פקודות לרובוט שמבין וגם יודע להסביר את תהליך החשיבה שלו:

כך פועל רובוט שמבין ומנמק. Source: googleblog.com

הגרף הראשון מראה איך ביצועי המודל משתפרים ככל שמגדילים את “תקציב החשיבה” (Thought Token Budget). במשימות שונות – הבנת תמונה, וידאו, הצבעה ושאלות – ככל שהמודל מקבל יותר זמן לחשוב, כך עולה אחוז ההצלחה. המשמעות ברורה: ניתן לכוונן את המודל לפי הצורך – תגובה מיידית או תכנון מעמיק למשימות מורכבות:

יותר זמן לחשוב = ביצועים טובים יותר. Source: googleblog.com

בגרף הנוסף אפשר לראות את רמת הדיוק הממוצעת של מודלים שונים במשימות “הצבעה” (pointing benchmarks). Gemini Robotics-ER 1.5 מוביל בצורה ברורה, ומשאיר מאחור גם את דגמי GPT וגם את גרסאות Gemini הקודמות. המשמעות – לא רק יכולת תיאורטית, אלא ביצועים מוכחים בשטח:

Gemini Robotics-ER 1.5 מציב סטנדרט חדש של דיוק. Source: googleblog.com

דוגמאות אמיתיות שמיושמות בשטח

מיון פסולת

המודל יודע לזהות חומרים, להבין תקנות מקומיות ולהסתגל לזרמי פסולת משתנים. כיום, עד 30% מהחומרים הניתנים למיחזור מגיעים למזבלה רק בגלל טעויות מיון – טכנולוגיה כזו יכולה לצמצם את ההפסד הזה, לחסוך עלויות ולתרום ישירות לסביבה.

למידה חוצת-גופים

מיומנות שנלמדה על רובוט אחד (למשל זרוע תעשייתית) יכולה לעבור לרובוט אחר בלי הגדרה מחדש. המשמעות? חיסכון עצום בזמן פיתוח ובהוצאות הטמעה, ויכולת לשכפל פתרונות מהר הרבה יותר.

הבנה זמנית וסיבתית

המודל לא רק רואה – הוא מבין רצף. הוא יודע לתאר פעולות של רובוטים אחרים, לזהות קשרי סיבה ותוצאה, וללמוד מהדגמות כמעט כמו בני אדם. עבור התעשייה זה פותח דלת לרובוטים שממשיכים להשתפר עם כל אינטראקציה.

בתמונה המצורפת ניתן לראות איך Gemini Robotics-ER 1.5 מזהה מגוון חפצים על שולחן – מפחית אלומיניום ועד ענבים ופלפל חריף – וגם מקשר אותם ליעד הנכון (פח מיחזור, פח קומפוסט וכו’). זו המחשה מצוינת ליכולת של המודל לא רק “לראות” אלא גם לפרש את המשמעות של מה שהוא רואה:

ראייה מרחבית והבנת הקשר בזמן אמת. Source: googleblog.com

בטיחות כבסיס

אחת השאלות הראשונות שכל תעשייה שואלת היא: איך נוודא שהרובוטים פועלים בבטחה? ב-Gemini Robotics-ER 1.5 הבטיחות לא נוספה בדיעבד, היא מובנית בארכיטקטורה.

• בטיחות סמנטית – המודל מבין הקשר ומסרב למשימות מסוכנות או מזיקות.

• מודעות פיזית – הרובוט יודע לזהות את המגבלות שלו (כמו משקל או טווח תנועה) ולא לנסות פעולות בלתי אפשריות.

גוגל קוראת לזה “גישה של גבינה שוויצרית” – כמה שכבות הגנה שמכסות זו את זו, יחד עם נהלי בטיחות תעשייתיים רגילים. המשמעות היא רמת אמינות גבוהה יותר והפחתת סיכונים משפטיים ותפעוליים.

למה זה משנה לתעשייה

ניהול פסולת, לוגיסטיקה ומחסנים – אלו תחומים שכבר היום סובלים ממחסור בכוח אדם ומהצורך בייעול מתמיד. כאן נכנס Gemini Robotics-ER 1.5: הוא לא רק חוסך זמן וכסף, אלא גם יוצר שקיפות מלאה. כל שלב בתהליך החשיבה והביצוע מתועד, כך שאפשר לעקוב, לאמת וללמוד מכל פעולה. בעולמות שבהם רגולציה, אחריות תאגידית ודרישות שקיפות הופכות קריטיות, זו לא רק תוספת נוחה, אלא יתרון תחרותי ממשי.

אתגרים בדרך

לצד ההבטחות, יש גם חסמים אמיתיים. המודל דורש כוח חישוב משמעותי, שילוב עם חומרה וחיישנים מתקדמים, והשקעה ראשונית לא קטנה. מתקנים קטנים עלולים להתקשות לעמוד בעלויות, מה שעלול להעמיק את הפער בין ארגונים גדולים לקטנים. בנוסף, האמינות בתנאים לא צפויים עדיין דורשת שיפור. העולם האמיתי מלא במקרי קצה, ודווקא שם נמדדת היכולת של רובוטים לתפקד באמת.

מכוונים לעתיד רובוטי

חשוב להבין, זה לא עוד עדכון טכנולוגי, אלא צעד משמעותי לעבר רובוטים כלליים – כאלה שלא רק מבצעים, אלא גם מבינים ומתקשרים עם העולם. בהתחלה נראה אותם בעיקר בסביבות מובנות כמו מפעלים, מחסנים ומתקני מיחזור. אבל בעתיד הלא רחוק הם ייכנסו גם לתחומי בריאות, אירוח, שירותים ציבוריים, ואולי אפילו לבתים שלנו. השאלה המרכזית כבר אינה האם זה יקרה, אלא כמה מהר זה יקרה, ואילו תעשיות יהיו הראשונות לאמץ ולהוביל את השינוי.

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

לפרטים נוספים לחצו כאן >>

לסיכום, Gemini Robotics-ER 1.5 הוא לא עוד מודל AI, הוא פלטפורמה לרובוטים שחושבים, מנמקים ומסתגלים לעולם מורכב. הערך האמיתי טמון בשיתוף פעולה חדש בין אדם למכונה – הרובוטים יקחו על עצמם את המשימות החזרתיות, המסוכנות והמדויקות, ואנחנו נתרכז ביצירתיות, שיפוט ובקרה. ההצלחה לא תגיע מעצם הטכנולוגיה, אלא מהדרך שבה מפתחים וארגונים ישכילו ליישם אותה – בזהירות, בבטיחות ובחשיבה אתית. אם זה יקרה, נעבור מעידן של מכונות “אוטומטיות” לעידן של סוכנים פיזיים חכמים באמת – שותפים אמיתיים לפתרון בעיות בעולם האמיתי.

הפוסט בניית הדור הבא של סוכנים פיזיים עם ג’מיני רובוטיקס – ER 1.5 הופיע ראשון בLet's AI בינה מלאכותית

איפה תמצאו את מודלי קלוד בתוך קופיילוט?

המודלים אט אט נכנסים לתוך הפלטפורמות של מיקרוסופט והשינוי מורגש כבר בתוך הכלים עצמם.

בסוכן הריזונינג Researcher agent

בסוכן המחקר של מיקרוסופט, שמבוסס על מודלי ריזונינג, מופיע כעת כפתור חדש – “נסה את Claude” – שמאפשר למשתמשים לעבור בקלות בין מודלי OpenAI למודלי Anthropic בלחיצת כפתור. אם אתם עדיין לא רואים את הכפתור – סביר שהשדרוג עדיין לא הגיע אליכם, ויופיע בהמשך.

ככה זה נראה מבפנים: קלוד בתוך סוכן המחקר של קופיילוט:

בקופיילוט סטודיו

גם ב-Copilot Studio – פלטפורמת בניית הסוכנים של מיקרוסופט, נוספה אפשרות פשוטה בתפריט, שמאפשרת לבחור בין המודלים של OpenAI למודלים של אנטרופיק. בעבר היו שם רק מודלים של OpenAI, אבל עכשיו התחרות מתגברת. הארגונים וחברות שרוצים לשלב סוכנים בתוך העבודה היומיומית שלהם, ועל בסיס תשתית מיקרוסופט שמוטמעת אצלם בארגון, יכולים ליהנות גם מ-Claude Sonnet 4 ו-Claude Opus 4.1 כבחירה טבעית כאשר הם בונים סוכנים מותאמים אישית.

ככה זה נראה בתוך קופיילוט סטודיו:

חשוב לציין שהאפשרות להחליף מודלים בתוך סוכנים לא זמינה באפליקציה למחשב של Copilot 365, אלא רק באתר של Copilot Studio.

החוויה נשארת אינטואיטיבית, אך מאחורי הקלעים מדובר בצעד משמעותי – פתיחה של Copilot למודלים מגוונים יותר. וכמו שציינו מעלה – השילוב מושק בהדרגה, וחלק מהפיצ’רים יופעלו רק לאחר אישור מנהלי המערכת.

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

לפרטים נוספים לחצו כאן >>

למה מיקרוסופט עושה את זה?

סאטיה נאדלה, מנכ”ל מיקרוסופט, הדגיש כי המטרה היא להביא ללקוחות “את הבינה המלאכותית הטובה ביותר מכל התעשייה”. כלומר, לא מדובר בויתור על OpenAI אלא בהרחבת ההיצע ומתן אפשרויות נוספות לארגונים.

ברקע, היחסים העסקיים בין מיקרוסופט ל-OpenAI נמצאים בתקופה של שינוי. לפי דיווחים עיתונאיים, OpenAI מתכננת להפחית את חלק ההכנסות שהיא חולקת עם מיקרוסופט מכ-20% לכ-8% עד סוף העשור – מהלך שעשוי להשאיר בידיה עשרות מיליארדי דולרים.

לצד זאת, בדיקות פנימיות הראו שמודלי Claude מצטיינים במשימות מתקדמות, למשל באוטומציה של תהליכים פיננסיים ב-Excel או ביצירת מצגות PowerPoint מהוראות משתמש. היתרונות הללו מצדיקים מבחינת מיקרוסופט את פתיחת הדלת לשחקן נוסף, גם אם הדבר כרוך בהסתמכות על תשתיות שמנוהלות מחוץ לארגון.

איך זה משתלב בטכנולוגיה של Azure

Azure AI Foundry הפכה היום למעין “סופרמרקט בינה מלאכותית”. היא מציעה מעל 1,900 מודלים, ממודלי שפה קטנים ועד מודלים רב-מודליים ותעשייתיים, שמגיעים משחקנים מובילים כמו OpenAI, Meta, Hugging Face, Stability, Cohere ו-NVIDIA.

בתוך המערך הזה שולבה גם Anthropic – מיקרוסופט רוכשת גישה למודלי Claude דרך החברה, שמריצה אותם על תשתיות הענן של AWS (ובחלק מהמקרים גם Google Cloud). כלומר, מיקרוסופט אינה מפעילה ישירות את העננים של המתחרים, אלא מספקת ללקוחות את המודלים כפי ש-Anthropic מארחת אותם.

יחד עם זאת, השימוש במודלי Anthropic כרוך בשיתוף נתונים עם החברה, מחוץ לשליטה הישירה של מיקרוסופט. המשמעות היא שהמידע אינו נהנה מכל שכבות ההגנה המלאות שמציעה סביבת Azure, ולכן ארגונים צריכים לשקול בזהירות את ההשלכות הרגולטוריות והמשפטיות – במיוחד בכל הנוגע לעמידה בתקני GDPR.

ההשלכות על עסקים

עבור הלקוחות, המחיר נשאר קבוע על 30 דולר למשתמש לחודש במסגרת תוכנית Frontier, בלי תוספות עבור שילוב Claude. מאחורי הקלעים, מיקרוסופט אמנם שומרת על שתיקה בכל הנוגע למכירות המדויקות של Office Copilot, אך ההערכות מדברות בעד עצמן – מעל 100 מיליון משתמשים כבר עובדים עם לפחות אחד ממוצרי Copilot, וההכנסות השנתיות מהכלי המרכזי לבדו חוצות את רף מיליארד הדולר.

לאן פני השוק?

המהלך של מיקרוסופט ממחיש עד כמה שוק הבינה המלאכותית הארגונית מתבגר. התלות הבלעדית בספק יחיד הולכת ומתפוגגת, ובמקומה עולה גישה חדשה שמדגישה ביצועים אמיתיים וערך ללקוח. המודלים עצמם הופכים בהדרגה לסחורה – לא במובן שהם חסרי חשיבות, אלא במובן שההבדל האמיתי טמון פחות במודל עצמו ויותר ביכולת לשלב אותו נכון, להתאים אותו לצורך ולחבר אותו לכלי עבודה קיימים.

השורה התחתונה ברורה, מיקרוסופט לא מחליפה את OpenAI, אלא מציבה את עצמה כמתווכת חכמה של טכנולוגיות. היא מעניקה ללקוחות יותר גמישות, פחות סיכוני תלות, והבטחה שהכלי המתאים יהיה תמיד בהישג יד.

הפוסט מיקרוסופט פותחת את Copilot למודלי Claude של Anthropic הופיע ראשון בLet's AI בינה מלאכותית

גלישה שהופכת לשיחה

דמיינו שאתם פותחים חמישה מאמרים אקדמיים לקראת סמינר. במקום לקרוא כל אחד בנפרד, לוחצים על סייד-פאנל קטן ומבקשים מ-Gemini: “סכם והשווה בין הטענות המרכזיות”. תוך שניות מתקבלת תמצית עם ההבדלים העיקריים.

או סיטואציה אחרת: גלישה באתר תיירות. אתם מקלידים “בנה לי מסלול של שלושה ימים בפריז”, ו-Chrome לא רק מציג קישורים, הוא מרכיב עבורכם מסלול, מוסיף עצירות בלוח השנה ומציע התאמות. התוצאה – פחות קפיצה בין אתרים ויותר מיקוד במשימה.

זו כבר לא גלישה פסיבית. זהו הצעד הראשון לעבר גלישה אייג׳נטית – דפדפן שפועל כמו שותף שמבין משימות. גוגל מדגישה שחלק מהיכולות האלה עדיין בדרך, ויופיעו בחודשים הקרובים, למשל הזמנת מצרכים או סידור מסע קניות מקצה לקצה.

סדר חדש בכאוס של טאבים

מי לא מכיר את הרגע שבו נפתחים עשרים טאבים, וכל ניסיון למצוא משהו מרגיש כמו מבוך. כאן נכנס הפיצ’ר החדש איתו Chrome יודע לעבוד על פני כמה לשוניות במקביל – לסכם מידע, להדגיש נקודות מפתח ולהציע השוואה בין מקורות. וגם אם שכחתם לאן נכנסתם, הדפדפן כבר לא תלוי בזיכרון שלכם.

אפשר לבקש: “האתר עם הנעליים האדומות שראיתי בשבוע שעבר”, ו-Gemini יחפש בהיסטוריה וימצא אותו בשבילכם. במקום כאוס אינסופי של טאבים, מתקבלת חוויית גלישה עם סדר, שליטה ותמונה ברורה יותר.

הדפדפן פוגש את האפליקציות של גוגל

קיבלתם מייל עם פרטי פגישה? ב-Chrome תוכלו להוסיף אותה ישירות ליומן Google Calendar – בלי לעבור בין לשוניות או לפתוח אפליקציות נוספות. באותו אופן, כשאתם צופים בסרטון YouTube ארוך ורוצים לקפוץ לחלק מסוים, די בשאלה אחת כדי שהדפדפן יעביר אתכם למקום המדויק. גם חיפוש מקומות נעשה פשוט יותר – חיפשתם כתובת? Google Maps יציג לכם את הנתיב והזמן הצפוי להגעה מבלי שתצטרכו לעזוב את הדף הנוכחי.

למה זה משנה? כל הפעולות האלה קורות בתוך הדפדפן עצמו, מה שחוסך זמן ומפחית את המעבר המתמיד בין אפליקציות שונות. למי שחי כבר בתוך האקו-סיסטם של גוגל, זה מרגיש כמו חיבור טבעי שמפשט את היום-יום.

שורת הכתובת מתעוררת לחיים

השורה העליונה שבה אתם מקלידים כתובות או חיפושים, האומניבוקס (Omnibox), מקבלת שדרוג חשוב. מצב AI Mode מאפשר לנסח שאלות מורכבות כמו “איזה מחשב נייד מתאים לעריכת וידאו בתקציב של 1000 דולר?”, ולקבל תשובה מבוססת הקשר ולא רק רשימת קישורים.

מעבר לכך, Chrome מוסיף Contextual suggestions – הצעות חכמות שמבוססות על הדף שבו אתם נמצאים. גולשים בחנות מזרנים? שורת הכתובת יכולה להציע המשך חיפוש כמו “מה מדיניות האחריות?”. החיפוש הופך פחות טכני ויותר שיחתי – כלי שמבין מה אתם עושים כרגע ומנסה לקצר לכם את הדרך.

שאלות ישירות על הדף

ההרגל הישן אומר: נתקלתם במונח לא מוכר? פותחים לשונית חדשה, מחפשים בגוגל. מעכשיו זה משתנה. בכל עמוד תוכלו לשאול את Gemini שאלות, לבקש סיכום, או להעמיק בנושא שמוזכר בטקסט, והכול מתוך אותו חלון.

למשל, אתם קוראים כתבה רפואית ונתקלים במושג מסובך. במקום לנטוש את הכתבה, מבקשים מ-Gemini הסבר קצר, והוא מופיע בצד המסך. כך כל עמוד אינטרנט הופך למקור ידע נגיש עם שכבת פרשנות נוספת שמחוברת ישירות להקשר שבו אתם נמצאים.

AI כשומר סף

הונאות פישינג, התראות מתחזות ואתרי תמיכה מזויפים, אלו לא תרחישים נדירים אלא חלק מהיומיום ברשת. כאן נכנס לתמונה Safe Browsing החדש של Chrome, שמבוסס על Gemini Nano. הוא מזהה אתרי הונאה עוד לפני שלחצתם עליהם ומתריע בזמן אמת.

גוגל מציינת כי בזכות זיהוי חכם של התראות חשודות, Chrome חוסם כ-3 מיליארד התראות ספאם ביום באנדרואיד – צמצום דרמטי של הרעש הדיגיטלי. ואם סיסמה שלכם דלפה? בלחיצה אחת אפשר להחליף אותה בסיסמה חדשה ומאובטחת באתרים נתמכים כמו Spotify או H&M. כך הופך Chrome לא רק לדפדפן חכם יותר, אלא גם לשומר סף דיגיטלי שפועל כל הזמן ברקע.

עדכון חינמי לכולם

כל השדרוגים האלו נכללים בעדכון החינמי של Chrome. אין צורך במנוי או בתשלום נוסף כדי ליהנות מהיכולות החדשות, לפחות בשכבת הבסיס. בעידן שבו דפדפנים ושירותים אחרים נוטים לנעול פיצ’רים מתקדמים מאחורי מודל פרימיום, גוגל בוחרת לשחרר את העדכון לכל המשתמשים.

עבור המשתמש הפשוט זו נקודת יתרון ברורה – מקבלים יכולות AI מתקדמות בלי לפתוח את הארנק. ועבור השוק כולו, זה מהלך שמציב סטנדרט חדש, שלפיו דפדפן חכם הוא לא פריבילגיה, אלא ברירת מחדל.

מה חשוב לדעת?

לצד ההבטחות הגדולות, יש גם מגבלות שכדאי להכיר:

• זמינות מוגבלת – הפיצ’רים החדשים נפרסים תחילה בארה״ב ובאנגלית בלבד. משתמשים בישראל או באירופה ייאלצו להמתין עד שהעדכון יגיע אליהם.

• שאלות פרטיות – כדי לסכם היסטוריה ולתת תשובות הקשריות, הדפדפן נדרש לגישה למידע אישי יותר. זה נוח מאוד, אבל גם פותח שאלות על פרטיות ואמון.

• נעילה לאקו-סיסטם – החוויה המלאה עובדת הכי טוב עם שירותי גוגל כמו יוטיוב, מפות וקלנדר. מי שמעדיף Outlook או Apple Calendar ירגיש שהערך חלקי.

אלה לא סיבות לוותר על השדרוג, אלא נקודות שכדאי להיות מודעים להן כדי להבין את התמונה המלאה.

התחרות כבר התחילה

המהלך של גוגל לא מתרחש בחלל ריק. Perplexity השיקה את Comet, דפדפן AI-first, שנבנה מהיסוד סביב סוכן חכם שמסוגל לבצע משימות מקצה לקצה – מחיפוש וסיכום מידע ועד קניות או קביעת פגישות. אבל כאן טמון ההבדל: Comet עדיין צעיר, בעוד גוגל נשענת על כוחו של Chrome, הדפדפן הפופולרי בעולם, ומביאה אליו יכולות AI מתקדמות ישירות למאות מיליוני משתמשים.

ולצד Comet, גם שחקנים ותיקים משלבים בינה מלאכותית: Microsoft Edge עם קופיילוט, Opera עם Aria ו-Brave עם Leo. כולם מנסים למצוא מקום בשוק החדש, אבל היתרון של גוגל ברור – היא לא מתחילה מאפס אלא משדרגת פלטפורמה שכבר שולטת ברוב מחשבי העולם.

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

לפרטים נוספים לחצו כאן >>

לסיכום, השדרוג של Chrome מסמן את סוף עידן הדפדפן הישן ותחילתו של עידן חדש – שבו הדפדפן הוא עוזר אישי שמבין הקשר, מסכם, מציע פתרונות ומגן על המשתמש. עבור הגולש זה אומר פחות כאוס של טאבים, יותר סדר, יעילות ובטיחות. הפיצ’רים עדיין מתגלגלים בהדרגה לאזורים שונים בעולם, אבל ברור שכאשר הם יגיעו לישראל, החוויה שלנו עם האינטרנט תיראה אחרת לגמרי. 

הפוסט גוגל משלבת את Gemini ב-Chrome והופכת אותו מדפדפן לעוזר אישי הופיע ראשון בLet's AI בינה מלאכותית

איך זה עובד?

במקום להתחיל תהליך פיתוח מאפס, המשתמש פשוט מעלה קובץ – Excel, PDF, PowerPoint או אפילו MP4 – ומוסיף תיאור קצר של מה שהוא רוצה לקבל. המערכת משתמשת בתוכן הקובץ כבסיס ומייצרת אפליקציה פונקציונלית.

כמה דוגמאות מעשיות:

• קובץ נתונים (Excel/CSV) ← דאשבורד אינטראקטיבי עם גרפים חיים.

• קורות חיים (PDF) ← אתר אישי או פורטפוליו דיגיטלי.

• מצגת (PowerPoint) ← מצגת אינטראקטיבית מבוססת Web.

• וידאו (MP4) ← אפליקציית מדיה עם ממשק משתמש.

צרפו קובץ ותהפכו אותו לאפליקציה

למה זה מעניין?

החידוש הגדול של File Uploads הוא הסרת המחסומים הטכניים – מה שבעבר דרש ידע בקוד, בסיסי נתונים ועיצוב, הופך לתהליך אוטומטי ופשוט. לצד זה, הוא חוסך זמן יקר – פרויקט שדרש שבועות של עבודה יכול להיבנות היום בתוך דקות. ולבסוף, למרות הפשטות, הפלטפורמה מייצרת קוד אמיתי ב־React ו־TypeScript, כך שהמשתמשים יכולים לערוך ולהתאים אותו לצרכים המדויקים שלהם.

האתגרים וסימני השאלה

כמו בכל הבטחה גדולה, גם כאן עולות שאלות לא פשוטות. עדיין לא ברור אם File Uploads יוכל להתמודד עם אפליקציות עסקיות מורכבות, או שהוא מתאים בעיקר לפתרונות מהירים ופשוטים. התחרות גם צפופה – כלים כמו Bricks כבר מאפשרים להפוך קובצי CSV לדאשבורדים, ולמרות היתרון של Lovable במגוון הקבצים הרחב, ייתכן שהשוק יראה עוד ועוד מתחרים דומים. בנוסף, עולה שאלת האמון – הפלטפורמה מאפשרת למשתמשים להעלות קבצים שעלולים להיות רגישים, והאתגר הוא לשכנע עסקים שאבטחת המידע מספיקה.

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

לפרטים נוספים לחצו כאן >>

הקשר רחב יותר

Lovable אינה פועלת בחלל ריק. שוק ה־no-code וה־AI חווה צמיחה אדירה, כשהביקוש לפתרונות מהירים ונגישים מגיע בעיקר מעסקים קטנים, ממוסדות חינוך, מתחום הבריאות ומענף הנדל”ן. בתוך המגמה הזו, החברה עצמה רשמה מהלך מרשים, כאשר לפי דיווחים בתעשייה היא גייסה לאחרונה כ־200 מיליון דולר והגיעה לשווי של כ־1.8 מיליארד דולר – שמונה חודשים בלבד לאחר ההשקה. הנתונים הללו משקפים את הציפיות הגבוהות ממנה, אך גם את הלחץ להוכיח שהטכנולוגיה יכולה לעמוד במבחן המציאות לאורך זמן, ולא להישאר בגדר רעיון נוצץ.

חדשנות אמיתית עם פוטנציאל

File Uploads הוא חידוש אמיתי בעולם ה־no-code. לא עוד יכולת להפוך גיליונות נתונים לדוחות, אלא הרחבה שמכסה גם מצגות, קורות חיים, קבצי מדיה ואפילו פונטים – וכל זה תוך יצירת קוד אמיתי שניתן לעריכה. זה מציב את Lovable רמה מעל רוב הפתרונות הקיימים ומעניק לה ייחודיות בשוק. עם זאת, סביר להניח שמפתחי פלטפורמות אחרות יאמצו פיצ’רים דומים, כך שהיתרון לא יישאר בלעדי לאורך זמן. השאלה המכרעת תהיה האם Lovable תצליח להפוך את היכולת הזו לסטנדרט מקובל, כזה שקהילות מפתחים ועסקים באמת יאמצו, וישתמשו בו לא רק לפרויקטים פשוטים אלא גם למערכות מורכבות וקריטיות.

הפוסט Lovable משיקה את File Uploads הופיע ראשון בLet's AI בינה מלאכותית

ביצועים מובילים במחיר רצפה

לפי ההודעה הרשמית של xAI, המודל Grok 4 Fast מציג ביצועים כמעט זהים לאלו של Grok 4, אך צורך כ-40 אחוז פחות thinking tokens. החיסכון הזה מוביל להפחתה של עד 98 אחוז בעלות להשגת אותה רמת דיוק. מדד ה-AAII (Artificial Analysis Intelligence Index) מאשר שמדובר באחד היחסים הגבוהים בתעשייה בין עלות לביצועים.

הגרף המצורף ממחיש את מיקומו של Grok 4 Fast במדד AAII לעומת מודלים אחרים. הוא מציע ביצועים קרובים למודלים מובילים, אך במחיר נמוך עד פי 47. המשמעות היא שהמודל נמצא על “גבול הפארטו” של יחס עלות־ביצועים – הנקודה שבה קשה לשפר עוד את הביצועים בלי להעלות באופן ניכר את העלות:

אינטליגנציה מול מחיר. Source: x.ai

כך נראה המודל שמאתגר את GPT-5

הנתונים הרשמיים מצביעים על כך ש-Grok 4 Fast מצמצם את הפער מול הדגמים המובילים כמו GPT-5 ו-Grok 4. הוא שומר על רמת ביצועים כמעט זהה, אך מציע זאת בעלות נמוכה בהרבה.

הגרף שלפניכם ממחיש את ההישגים במבחני בנצ’מרק מרכזיים ואת השילוב בין דיוק גבוה ליעילות כלכלית:

השוואת ביצועים בבנצ’מרקים מובילים. Source: x.ai

מובילות עולמית בחיפוש והבנת מדיה

Grok 4 Fast עבר אימון מקיף ב־tool-use RL, שמאפשר לו להפעיל חיפוש בזמן אמת, להריץ קוד ולנתח תמונות וסרטונים כחלק מהשיחה. בזכות האימון הזה הוא מדורג ראשון ב-BrowseComp וב-Reka Research Eval, ומציג תוצאות מצוינות גם בגרסאות הסיניות של SimpleQA ובמבחן הפנימי X Browse.

הנתונים מראים קפיצת מדרגה ביכולת לבצע חיפוש מרובה צעדים ולחבר מידע ממקורות שונים בזמן אמת, מה שממקם אותו בחזית תחום ההסקה החכמה:

ביצועי חיפוש מרובי צעדים – Grok 4 Fast מקפיץ רף חדש. Source: x.ai

הוכחה בזירת מבחני המשתמשים (LMSYS Arena)

LMSYS היא פלטפורמת מבחנים עיוורת שבה משתמשים אמיתיים משווים בין מודלים של AI ומדרגים את התשובות לפי איכות. זה נחשב אחד המדדים האמינים ביותר ליכולת ביצוע בעולם האמיתי.

ב־LMSYS Search Arena, המודל grok-4-fast-search מוביל את הטבלה עם ציון Elo של ‎1163 – פער של 17 נקודות מעל o3-search של OpenAI ו-21 נקודות מעל Gemini 2.5 Pro. הנתון הזה מראה ש-Grok 4 Fast נותן את התשובות המועדפות ביותר במשימות חיפוש בזמן אמת ובחיבור מידע מכמה מקורות:

מקום ראשון ב-LMSYS Search Arena. מקור: x.ai

גם ב-LMSYS Text Arena המודל grok-4-fast מציג תוצאה מרשימה עם מקום שמיני וציון Elo של ‎1421. הוא כמעט ברמה של GPT-5 High ועוקף את DeepSeek V3.1, מה שממחיש את השיפור הגדול ביכולת ההבנה והכתיבה של המודל החדש.

דירוג LMSYS Text Arena. מקור: x.ai

ארכיטקטורה מאוחדת ומהירה

Grok 4 Fast הוא המודל הראשון של xAI שמטפל גם במשימות פשוטות וגם במשימות שדורשות חשיבה עמוקה בתוך אותו מודל יחיד. המעבר בין המצבים נעשה אוטומטית לפי ההקשר של הבקשה. השילוב הזה מקצר את זמני התגובה ומוזיל את עלות ההרצה, כך שהמשתמשים מקבלים תשובות מהירות יותר בלי להתפשר על איכות.

Grok 4 Fast כבר זמין לבחירה בממשק המשתמש

זמינות ומחירים

למשתמשים

Grok 4 Fast זמין כבר עכשיו ב-grok.com ובאפליקציות X, גם למי שאינם מנויים בתשלום. במצבי Fast ו-Auto הוא נבחר אוטומטית לשאילתות מורכבות, כך שהמשתמשים מקבלים את המודל החזק ביותר מבלי להגדיר דבר.

למפתחים

שני מודלים זמינים – grok-4-fast-reasoning ו־grok-4-fast-non-reasoning – שניהם עם חלון קונטקסט של 2 מיליון טוקנים. ניתן לגשת אליהם דרך OpenRouter ו-Vercel AI Gateway, עם שימוש חינמי לזמן מוגבל למי שרוצה להתנסות.

כמה זה עולה?

האם השוק מהמר על מאסק?

במקביל להשקת Grok 4 Fast פורסמו דיווחים ב-CNBC וב-Bloomberg על גיוס של 10 מיליארד דולר לפי שווי של 200 מיליארד דולר, בהשתתפות משקיעים אסטרטגיים כמו Qatar Investment Authority ו-Prince Al Waleed.

אילון מאסק מיהר להכחיש את הדיווחים והבהיר כי xAI אינה מגייסת בשלב זה. מכיוון שאין אישור רשמי מהחברה, מדובר במידע ספקולטיבי, אך עצם הפרסומים מראה שהשוק עוקב מקרוב ומוכן להמר על החזון של מאסק גם לפני שיש אישור רשמי.

גיוס בהיקף כזה עשוי לשמש את xAI להרחבת מרכזי החישוב, הגדלת כושר המחשוב ותמיכה בהפצה רחבה של Grok 4 Fast בקנה מידה עולמי. המשקיעים מהמרים פחות על מה שהמודל יודע לעשות היום, ויותר על הפוטנציאל לשלב אותו במוצרים של טסלה, SpaceX ורשת X ולהפוך אותו לכלי מרכזי באקוסיסטם של מאסק.

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

לפרטים נוספים לחצו כאן >>

אתגרים ופרספקטיבה לעתיד

על אף ההישגים המרשימים, Grok 4 Fast עדיין לא סוגר את כל הפערים. מומחים מציינים שהוא מפגר אחרי מודלים מתקדמים כמו GPT-5 במשימות קוד מורכב וביצירתיות טקסטואלית. שאלות על שקיפות, בטיחות ויכולת עמידה בעומסים עדיין פתוחות, והן יקבעו במידה רבה את האמון שהחברה תצליח לייצר. xAI פרסמה Model Card שמפרט את מנגנוני הסינון והבטיחות, אך מבחן האמת יגיע כשמיליוני משתמשים יפעילו את המודל במקביל.

המהלך של xAI הוא יותר מהשקת מוצר חדש – זהו ניסיון לשנות את כללי המשחק ולהפוך את ה-AI המתקדם לנגיש לכל. אם מאסק יצליח לשמר ביצועים ואמינות בקנה מידה עולמי, הוא עשוי להכריח את המתחרות להוזיל מחירים, לפתוח את הגישה ולהאיץ את קצב החדשנות. במילים אחרות, הקרב האמיתי על עתיד הבינה המלאכותית רק מתחיל.

הפוסט xAI משיקים את Grok 4 Fast הופיע ראשון בLet's AI בינה מלאכותית

ChatGPT כובש את הקהל הרחב

עם 700 מיליון משתמשים פעילים בשבוע, ChatGPT כבר מזמן הפסיקה להיות “רק מודל שיחה” והפכה למשהו שדומה יותר לרשת חברתית גלובלית. זהו מספר שמייצג כ-10% מהאוכלוסייה הבוגרת בעולם – נתון שממקם את OpenAI בליגה של פייסבוק וטיקטוק מבחינת היקף השימוש.

אבל מה שמעניין יותר מהמספרים הוא המגמה – יותר מ- 70% מהשיחות ב-ChatGPT אינן קשורות לעבודה – זינוק משמעותי לעומת 53% ביוני 2024. כלומר, השימוש האישי כבר לא רק משלים את השימוש המקצועי – הוא השימוש העיקרי. ChatGPT הפכה לעוזר אישי, מקור ידע ואפילו לכלי בידור עבור מאות מיליוני אנשים.

אז מה בעצם עושים המשתמשים עם ChatGPT? רובם פונים אליו לקבלת ייעוץ מעשי – כמעט שליש מכלל השימושים הם שאלות יומיומיות, קבלת החלטות קטנות וטיפים פרקטיים לחיים. אחרים משתמשים בו כמנוע חיפוש וכותב צללים, עם היקף דומה של חיפושי מידע וכתיבה – משאלות מהירות ועד כתיבת פוסטים ומסמכים שלמים. הקודינג, שהיה פעם סמל לשימוש במודלים האלו, הוא נתח קטן יחסית, כ-4.2% מההודעות.

במילים אחרות, ChatGPT עברה מהפך – מכלי טכנולוגי למפתחים למוצר צרכני-חברתי שמלווה את המשתמשים כמעט בכל היבט של החיים הדיגיטליים שלהם.

Claude הוא קו הייצור של עולם ה-AI העסקי

אם ChatGPT היא הכוכבת של עולם הצרכנים, Claude הוא כלי העבודה של המפתחים והעסקים. 36% מהשימושים בו מוקדשים לקודינג ולמתמטיקה – פי 8.5 מהיקף השימוש המקביל ב-ChatGPT, מה שממקם את Claude כפתרון מועדף למשימות טכניות מורכבות.

בגישה דרך API, התמונה חריפה עוד יותר – 77% מהשיחות הן אוטומטיות לחלוטין. המשתמשים לא מנהלים איתו שיחה, אלא שולחים פקודות ומקבלים תוצאה – אינטגרציה חלקה וישירה בתהליכי העבודה הארגוניים.

אחד הנתונים הבולטים בדוח Anthropic הוא העלייה בשימוש “דירקטיבי” – מעבר מדיאלוג הדרגתי להוראות מלאות שמבצעות תהליך שלם. שיעור השיחות הללו קפץ מ-27% בדצמבר 2024 ל-39% באוגוסט 2025, נתון שממחיש עד כמה המשתמשים סומכים על Claude לבצע עבורם עבודה שלמה, לא רק לספק תשובות נקודתיות.

מוניטיזציה של שני מודלים עסקיים שונים

הפער בין ChatGPT ל-Claude לא מסתיים בשאלה איך משתמשים בהם, הוא בא לידי ביטוי גם באסטרטגיות ההכנסה שכל חברה בחרה.

OpenAI בונה את עתידה על המסה האדירה של המשתמשים. לפי הערכות אנליסטים ודיווחי שוק, OpenAI נמצאת סביב 12-13 מיליארד דולר בקצב הכנסות שנתי (ARR) באמצע 2025 – פי שלושה לעומת השנה הקודמת. לפי הערכות, רק קצת מעל חמישה מיליון משתמשים עסקיים משלמים על השירות, אבל האוצר האמיתי הוא מאות מיליוני המשתמשים החינמיים.

לפי דיווחים, התוכניות של OpenAI כוללות מודל פרסום שצפוי להתחיל להניב מיליארד דולר כבר ב-2026, עם תחזית זינוק ל-25 מיליארד עד 2029. כל זה לצד פיתוח חנות GPT, שירותי פרודוקטיביות ושכבות פרימיום – מודל שמזכיר יותר ויותר פלטפורמת מדיה חברתית שמטרתה למקסם את הערך מכל משתמש.

Anthropic, לעומת זאת, שומרת על אסטרטגיה ממוקדת B2B. עיקר ההכנסות שלה, בין 70% ל-75%, מגיע מקריאות API בתשלום לפי טוקן, מודל שמייצר הכנסה גבוהה במיוחד במשימות קוד מורכבות. שותפויות עם ענקיות כמו AWS Bedrock, Google Vertex AI משבצות את Claude ישירות בתוך תהליכי העבודה הארגוניים. היתרון ברור – הכנסה גבוהה ויציבה לכל משתמש. אבל בניגוד ל-OpenAI, טווח הצמיחה של Anthropic מוגבל יותר – השוק העסקי גדול, אך לא אינסופי.

הסיכונים שבאופק

לצד ההזדמנויות, חשוב לזכור שהשוק לא חסין מסיכונים. התחרות גוברת – שחקנים כמו xAI עם Grok של אילון מאסק ו-Google Gemini משקיעים משאבים עצומים ומאיימים לערער את ההובלה של OpenAI ו-Anthropic. במקביל, הרגולציה מחמירה – ה-EU AI Act שנכנס בהדרגה לתוקף באירופה עשוי להוסיף עלויות ציות כבדות ולצמצם את חופש הפעולה של החברות.

בנוסף, סוגיות אתיות כמו פרטיות, שקיפות והטיות במודלים עלולות לעורר ביקורת ציבורית ולחייב התאמות טכנולוגיות מהירות. כל אלה עלולים להאט את הצמיחה ולהפוך את המירוץ למאתגר הרבה יותר ממה שהנתונים הנוכחיים מרמזים, וזה הופך את השאלה על עתיד השוק למורכבת ומעניינת עוד יותר.

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

לפרטים נוספים לחצו כאן >>

לאן השוק הולך מכאן

אני לא נביא, אבל הדוחות האחרונים ממחישים שהפער בין שימוש צרכני לעסקי רק גדל. ChatGPT מתבסס כפלטפורמה עולמית לצרכנים, בעוד Claude מתחזק כבסיס תשתית לארגונים.

האתגר של OpenAI הוא להפוך את המסה הזו להכנסות בלי לפגוע בחוויית המשתמש. Anthropic, לעומת זאת, צריכה להמשיך לחדש כדי לשמור על מובילות בשוק עסקי רווי.

ספטמבר 2025 מסמן צומת דרכים. עדיין לא ברור אם השוק יתכנס למודל אחיד או ימשיך להתפצל לשני עולמות – AI חברתי מול AI תשתיתי. ההכרעה לא תבוא מהחברות אלא מהבחירות של המשתמשים. האם העתיד יהיה של מודל שמלווה אותנו בשיחה יומיומית, או של מכונה שקטה שמבצעת את העבודה מאחורי הקלעים?

הפוסט ChatGPT ו-Claude מציגות פיצול בשוק ה-AI הופיע ראשון בLet's AI בינה מלאכותית

מה קורה בשוק?

שוק הפרילנסרים חווה רעידת אדמה. משימות שבעבר היו מקור פרנסה למיליוני פרילנסרים כמו כתיבת תוכן, תרגום, עיצוב גרפי ואפילו קידוד בסיסי, מבוצעות כיום בלחיצת כפתור במערכות בינה מלאכותית. האיכות? לרוב הלקוחות היא מספיקה לגמרי. התוצאה ברורה: הביקוש לשירותים האלה יורד, ופייבר נאלצת לחשב מסלול מחדש.

והיא לא היחידה – גם Upwork דיווחה לאחרונה על ירידה בהכנסות מתחומי כתיבה ותרגום, ואף הציגה פיצ’רים חדשים שמבוססים על AI כדי לשמר לקוחות. Freelancer.com נוקטת גישה דומה ומשיקה כלים שמציעים אוטומציה של משימות פשוטות. השוק כולו מתכנס לאותה נקודה – שירותים פשוטים יהפכו לממוכנים, והערך האמיתי יהיה ביכולת להציע שירותים מתקדמים ויצירתיים שמבוססים על שילוב של אדם ומכונה.

המנכ”ל מיכה קאופמן לא משאיר מקום לספק: “הטרנספורמציה הנדרשת מחייבת אותנו להפוך לחברה רזה, אג’ילית ועם תשתית טכנולוגית חדשה, שבליבה AI”, כתב במכתב לעובדים. “זה ריסטרט כואב אך הכרחי כדי לשמור על מובילות ומנוע צמיחה”.

ולא רק במכתב, קאופמן חזר על המסר הזה שוב ושוב בחודשים האחרונים: “AI מגיעה לקחת את העבודות שלנו – גם שלי,” אמר בראיון. “מי שלא יאמצו את הכלים החדשים פשוט יישארו מאחור.” המסר חד: מי שלא ישתנה וילמד לעבוד עם הכלים החדשים, לא יישאר חלק מהארגון.

איך זה נראה מבפנים

הפיטורים הם רק קצה הקרחון. פייבר משנה את ה־DNA שלה ועוברת למבנה שמזכיר סטארט־אפ עם פחות שכבות ניהול, יותר צוותים קטנים ואוטונומיים שמקבלים החלטות במהירות.

במקביל, החברה משקיעה בבנייה מחדש של התשתיות הטכנולוגיות שלה כדי לאפשר שילוב של מודלים גנרטיביים בכל שכבה של המוצר וקצב פיתוח מהיר בהרבה. המטרה ברורה – לא רק להישען על AI, אלא להפוך אותו למנוע שמזרים ערך חדש גם ללקוחות וגם לפרילנסרים.

זו מגמה שאפשר לראות גם בעולם: Shopify, למשל, לא הסתפקה בהכרזות על מהפכת AI, היא הכניסה את השימוש בכלי בינה מלאכותית לכל שכבות הארגון, ממפתחים ועד צוותי תמיכה ומכירות. היא בנתה ממשק אחיד שמרכז את כל הכלים לעובדים והטמיעה תרבות של “ברירת מחדל – כן” לכל יוזמה מבוססת AI. הדוגמה הזו מראה איך שינוי אמיתי קורה לא רק בטכנולוגיה, אלא גם בתרבות ובאופן שבו עובדים חושבים ומקבלים החלטות.

בקרוב יראו המשתמשים פייבר שונה. מנועי חיפוש חכמים יותר, התאמת משימות אוטומטית, והצעות עבודה מותאמות אישית שמבוססות על אלגוריתמים מתקדמים – כל אלה אמורים להפוך את הפלטפורמה לדינמית ומדויקת יותר מאי פעם.

במקביל לכל זה, החברה נפרדת מהבניין המרכזי ברחוב קפלן בתל אביב, ותעבור בעתיד לקמפוס החדש של Wix – מהלך שמשדר צניעות והתייעלות אך גם רענון תרבותי ואולי אפילו סמל לפרידה מעידן ישן ופתיחת דף חדש.

הקרב על אמון המשקיעים

למרות גל הפיטורים, פייבר לא משנה את תחזית ההכנסות שלה לשנה הנוכחית, כ־430 מיליון דולר, ואף צופה להגיע ליעדי רווח מוקדם מהמתוכנן בזכות ההתייעלות. אבל המספרים מספרים סיפור מורכב יותר – שווי השוק של החברה הצטמצם לכ־870 מיליון דולר בלבד, והמנייה שלה צנחה בכ־25% מתחילת השנה.

אנליסטים מעריכים שהמהלך הנוכחי הוא לא רק קיצוץ אלא ניסיון לשנות את הסנטימנט השלילי בשוק, לשדר ש”החברה חוזרת לשולחן העבודה”, ולשכנע את המשקיעים שהעתיד של פייבר טמון ביכולת שלה להפוך לחברת AI מובילה ולא להישאר פלטפורמה מסורתית של פרילנסרים.

רגע של מבחן אנושי

מאחורי המספרים יש אנשים. מאות עובדים נפרדים היום מהחברה שגידלה אותם. פייבר מבטיחה חבילת פיצויים ותמיכה מקצועית במציאת עבודה חדשה, אבל עבור רבים זו עדיין מכה כואבת. באווירה פנימית מעורבת – בין הלם לעצב, לבין תקווה אמיתית לעתיד – החברה מנסה לשדר אופטימיות ולשמר את תחושת המשימה המשותפת.

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

לפרטים נוספים לחצו כאן >>

חלק ממגמה רחבה והשלכות לעולם העבודה

פייבר אינה לבד. שוק ההייטק כולו עובר תהליך כואב של קיצוצים לצד השקעות אדירות בבינה מלאכותית. ממטא ועד מיקרוסופט, חברות מקטינות צוותים מסורתיים כדי לפנות משאבים לפיתוח יכולות AI, מתוך הבנה שזה כבר לא טרנד אלא תנאי הישרדות. גם בישראל, יותר ויותר חברות נאלצות לעצור גיוסים ולצמצם כוח אדם כדי לבנות תשתיות חדשות, להפוך מהירות וזריזות יותר, ולאמץ אסטרטגיה של AI-first שתאפשר להן להישאר רלוונטיות בעולם שבו האוטומציה משנה את חוקי המשחק.

פייבר בוחרת לא רק לשרוד אלא להוביל ולהפוך לחברה שה־DNA שלה הוא בינה מלאכותית, לבנות מחדש את הערך שהיא מספקת ללקוחות ולפרילנסרים, ולהתחרות בעולם שבו גם הכלים עצמם הופכים לשחקנים. זה לא רק שינוי ארגוני, זו הצהרת כוונות לשוק כולו. מי שידע לאמץ את הכלים החדשים ולהשתמש בהם ככוח מכפיל ימצא את מקומו בעולם העבודה הבא. מי שיתעלם, עלול לגלות שהמשחק השתנה ושאין לו בו מקום.

הפוסט פייבר מפטרת עובדים ומנסה להמציא את עצמה מחדש הופיע ראשון בLet's AI בינה מלאכותית

הטכנולוגיה מאחורי הקסם

הפרויקט עושה שימוש בכלי AI המתקדמים של גוגל, Imagen ו-Veo, כדי לשדרג את הסרט המקורי מ-1939 לרזולוציה של 16K, למלא סצנות שלא צולמו במקור ואפילו ליצור דמויות חדשות שלא נראו על המסך. כך למשל, דמותו של דוד הנרי נבנתה מחדש לחלוטין באמצעות AI והופיעה לראשונה בגרסה החדשה.

עם יותר מ-120,000 כרטיסים שנמכרו מראש ומחירים הנעים בין 100 ל-500 דולר, ההפקה צפויה להכניס למעלה ממיליארד דולר לאורך תקופת ההצגה. מדובר במודל עסקי חדשני שמחבר בין נוסטלגיה, טכנולוגיה מתקדמת וחוויה רב-חושית מרהיבה.

OpenAI נכנסת לקולנוע עם סרט אנימציה 

במהלך מקביל ומשמעותי, OpenAI מתכוננת להקרנה ראשונה בפסטיבל קאן 2026 של “Critterz”, סרט אנימציה באורך מלא שנוצר בשיתוף מלא עם כלי הבינה המלאכותית שלה. מדובר בצעד היסטורי – לראשונה חברת AI גדולה יוצרת סרט קולנוע שלם. הסרט מבוסס על סרט קצר מ-2023 ומספר את סיפורם של יצורי יער שעולמם מתערער עם הופעת זר מסתורי. תהליך ההפקה נמשך תשעה חודשים בלבד, במקום שלוש השנים המקובלות, והתקציב הכולל עמד על פחות מ-30 מיליון דולר, שבריר מהעלויות המקובלות בהפקות של פיקסאר או דרימוורקס.

לצד הטכנולוגיה, OpenAI שילבה דיבוב של שחקנים מוכרים מסרטי “פדינגטון”, כדי לשמר את הקסם האנושי ולהעניק לדמויות רובד רגשי שמחבר את הצופים לסיפור. בנוסף, מאחורי הסרט עומדים תסריטאים ואמנים בשר ודם שיצרו סקיצות ועיצובים מקוריים. כך “Critterz” מדגים את הכיוון החדש – שיתוף פעולה בין אדם למכונה, ולא החלפה מוחלטת של יוצרים אנושיים.

המאבק המשפטי הגדול נגד Midjourney

ההתפתחות המשפטית הדרמטית ביותר השבוע היא הצטרפותה של Warner Bros Discovery לתביעה נגד חברת Midjourney, יחד עם דיסני ויוניברסל. לטענת האולפנים, Midjourney מאמנת את מודליה על חומרים מוגנים בזכויות יוצרים ומאפשרת למשתמשים ליצור תמונות וסרטונים של דמויות איקוניות כמו סופרמן, באטמן ובאגס באני ללא אישור.

האולפנים טוענים כי Midjourney “פועלת כמכונת ממכר וירטואלית” ו”בור ללא תחתית של גניבה ספרותית”, המייצרת “רפרודוקציות לא מורשות אינסופיות” של החומר המוגן. בכיר באחד האולפנים אף תיאר את הפלטפורמה כ”מכונת גניבה משומנת” שמאפשרת לכל משתמש לייצר תוך שניות תוכן שבעבר דרש צוותי אנימציה שלמים.

מדובר בתביעות פוטנציאליות של מיליארדי דולרים, שצפויות לקבוע את גבולות השימוש החוקי בבינה מלאכותית בתעשיית הבידור ולהשפיע על חדשנות יצירתית בשנים הקרובות.

הסכמי העבודה החדשים 

במקביל להתפתחויות הדרמטיות בהוליווד, איגוד השחקנים SAG-AFTRA השיג הישג משמעותי במאבק על זכויות היוצרים האנושיות בעידן הבינה המלאכותית. ביולי 2025 אישרו חברי האיגוד ברוב מרשים של 95.04% הסכם חדש עם חברות משחקי הווידאו, הכולל הגנות חסרות תקדים מפני שימוש בלתי מורשה ב-AI, צעד שמגיע בהמשך לשינויים רחבים יותר בתעשייה, כמו כללי האוסקר החדשים לשימוש ב-AI.

ההסכם מחייב שקיפות מלאה וקבלת הסכמה לפני שימוש בעותקים דיגיטליים של שחקנים ואמנים, ומעניק להם את הזכות למשוך את הסכמתם ליצירת תוכן חדש במהלך שביתה. מדובר בצעד שמחזיר כוח לידיים של היוצרים ומבטיח שליטה על הדמות והקול שלהם גם בתקופות של סכסוך עבודה, הישג שמגדיר מחדש את יחסי הכוחות בין תעשיית הבידור לעולם ה-AI.

סרט תיעודי שנוצר כולו בבינה מלאכותית

במקביל להתפתחויות בהוליווד, הסרט התיעודי “Post Truth”, שנוצר כולו באמצעות בינה מלאכותית, יקבל הקרנה בינלאומית בפסטיבל וורשה באוקטובר 2025. את הסרט יצר האמן הטורקי אלקן אבצ’יאוגלו (Elkan Avcioglu), והוא בוחן את מערכת היחסים המתפתחת בין האנושות לטכנולוגיה ואת הכניסה לעידן שבו “עובדות כבר לא חשובות”.

הסרט כבר זוכה לשבחים ממבקרים על האופן שבו הוא משתמש ב-AI כדי לעורר דיון פילוסופי על מושג האמת בעידן הדיגיטלי. הצופים מדווחים כי הוא מעלה שאלות מטרידות על אמון הציבור במידע ועל הדרך שבה אנחנו מבחינים בין מציאות לבין תוכן שנוצר על ידי מכונה.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס יצירת סרטים עם AI

לפרטים נוספים לחצו כאן >>

חששות התעשייה ומבט לעתיד

למרות ההצלחות הכלכליות המרשימות, תעשיית הבידור עדיין מתמודדת עם חששות עמוקים סביב השפעת הבינה המלאכותית. יותר מ-420 אנשי תעשייה בהוליווד חתמו על מכתב פתוח הקורא לממשלה להבטיח שחוקי זכויות היוצרים ימשיכו להגן על יוצרים גם בעידן ה-AI.

מצד אחד, הטכנולוגיה מבטיחה להפחית עד 30% מעלויות ההפקה ולייעל תהליכים. מצד שני, יוצרים רבים חוששים מהחלפת עבודות אנושיות ומהסכנה לאובדן הייחוד האמנותי שמגיע עם מגע יד אדם.

המסר ברור – הבינה המלאכותית בהוליווד כבר אינה עתיד רחוק אלא מציאות שמעצבת מחדש את התעשייה בזמן אמת. ההצלחה של “הקוסם מארץ עוץ” המחודש והפריצה של OpenAI עם “Critterz” מוכיחות ש-AI יכולה להפיק תוכן מסחרי מצליח, אך המאבקים המשפטיים והחששות האמנותיים מעידים שהחיפוש אחר האיזון בין חדשנות טכנולוגית לשמירה על זכויות יוצרים עוד רחוק מסיום.

עם ההתקדמות המהירה של טכנולוגיות AI, שנת 2026 עשויה להיות נקודת מבחן – שנה שבה נראה עוד סרטים שנוצרו ב-AI לצד תביעות משפטיות שיגדירו מחדש את גבולות השימוש בה, ואולי אף יקבעו את דמותה של הוליווד בעשורים הבאים.

הפוסט איך הבינה המלאכותית משנה את הוליווד הופיע ראשון בLet's AI בינה מלאכותית

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

לפרטים נוספים לחצו כאן >>

הפוסט כשענקי הייעוץ מתקשים, נפתחת הזדמנות של חצי טריליון דולר הופיע ראשון בLet's AI בינה מלאכותית

הסיפור שהתחיל עם חלום משותף

הכול התחיל ב-2019, כשמיקרוסופט (Microsoft) ו-OpenAI חלמו יחד על בינה מלאכותית שתשנה את העולם. מיקרוסופט השקיעה במהלך שש שנים מעל 13 מיליארד דולר ב-OpenAI – סכום שיכול לקנות כמה חברות יוניקורן או לממן בנייה של כעשרה אצטדיונים כמו וומבלי. בתמורה, היא קיבלה בלעדיות – כל מודל שפותח ב-OpenAI עבר דרך השרתים של Azure, ושום מתחרה לא קיבל גישה ישירה לטכנולוגיה.

ההסכם עבד בצורה מושלמת כל עוד OpenAI הייתה חברה קטנה יחסית עם כמה מיליוני משתמשים. אבל בנובמבר 2022, עם השקת ChatGPT, הכול השתנה. בתוך שנה הפכה OpenAI מכוכב עולה לכוח עולמי שצורך כוח מחשוב כמו מדינה קטנה.

“הם הבינו שהם צריכים יותר כוח מחשוב ממה שמיקרוסופט יכולה לתת להם,” מסביר אנליסט טכנולוגי בכיר שעוקב מקרוב אחרי השותפות. “מה שהתחיל כהסכם נוח הפך לכלא של זהב.”

המפנה הגיע כש-OpenAI התחילה לתכנן את הדור הבא של מודלי הבינה המלאכותית. היא לא רק צריכה יותר שרתים, היא זקוקה לקיבולת מחשוב שגדולה בהרבה מהיכולת הנוכחית של ספק ענן בודד. הפתרון? לפנות למישהו שמתמחה בדיוק בזה.

הכניסה של אורקל

בתחילת השבוע, לארי אליסון, מייסד אורקל (Oracle), עקף (לרגע) את אלון מאסק והפך לאדם העשיר בעולם עם הון של כ-383 מיליארד דולר. זה קרה אחרי שמניית Oracle זינקה ב-36% ביום אחד בעקבות דוח רווחים חזק שכלל עסקאות AI גדולות, בהן גם העסקה עם OpenAI. מאסק חזר למקום הראשון בסוף היום, אבל האירוע הזה ממחיש עד כמה שוק הבינה המלאכותית משפיע ישירות על עושר אישי, במיוחד כשאליסון מחזיק ב-41% ממניות החברה והזינוק נובע מהביקוש לשרתי AI.

במטה אורקל ישבה ספרא כץ (Safra Catz), המנכ”לית, וצפתה איך הענקיות – אמזון, מיקרוסופט וגוגל – שולטות בשוק הענן. היא ידעה שאורקל חייבת מהלך יוצא דופן כדי להיכנס למשחק הגדול. OpenAI הייתה בדיוק הכרטיס שלה.

בהמשך השבוע, הכותרות כבר פוצצו את השוק. OpenAI ואורקל חתמו על עסקת ענן בסכום של 300 מיליארד דולר. הדיל הזה אמנם ייכנס לתוקף רק ב-2027, והכספים עדיין לא גויסו במלואם, אבל זו העסקה הגדולה ביותר מסוגה בהיסטוריה, והיא משנה את מאזן הכוחות בענף. 

העסקה עם אורקל היא רק חלק מתוכנית שאפילו ללארי אליסון נשמעת מטורפת – פרויקט סטארגייט. התוכנית היא להשקיע 500 מיליארד דולר בבניית מרכזי נתונים שיצרכו יותר חשמל מסכרי ענק. המטרה היא לספק ל-OpenAI את כל כוח המחשוב הדרוש לפיתוח בינה מלאכותית כללית (AGI).

אבל גם כאן המציאות מורכבת יותר מהכותרות. לפי דיווחי בלומברג מאוגוסט 2025, המימון ההתחלתי עדיין לא הושלם, וחלק מהמרכזים נתקלים בעיכובים. המשמעות היא שהפרויקט יקרה, אבל ידרוש יותר זמן וסבלנות, אולי יותר ממה שיש לחלק מהשחקנים בסיפור הזה.

אם אתה לא יכול לנצח אותם – תצטרף אליהם (ולמתחרים שלהם)

בזמן ש-OpenAI תכננה את עסקת הענק עם אורקל, ישבו בסיאטל המנהלים הבכירים של מיקרוסופט וקיבלו החלטה שנשמעה בלתי אפשרית לפני שנה – להפסיק להיות תלויים רק ב-OpenAI.

ב-28 באוגוסט 2025 הכריזה מיקרוסופט על מהלך שהפתיע את כולם והוציאו לאור שני מודלי בינה מלאכותית שפותחו לגמרי בתוך החברה: MAI-Voice-1 ו-MAI-1-preview. זה לא עוד פרויקט מחקר, אלא אלטרנטיבה פוטנציאלית ל-ChatGPT, שאמורה להשתלב במוצרי Copilot לצד המודלים של OpenAI, לא במקומם.

ההפתעה הגדולה יותר הגיעה שבוע וחצי אחר כך. ב-9 בספטמבר הודיעה מיקרוסופט שתשלב במוצרי האופיס שלה (Word, Excel, Outlook) את המודלים של Anthropic, המתחרה הישירה של OpenAI.

“זה כמו שקוקה קולה הייתה מוכרת פתאום גם פפסי בחנויות שלה,” מסביר חוקר תעשייה שעוקב אחרי השוק. ההטמעה עדיין בשלב פיילוט, אך השקה רחבה צפויה בשבועות הקרובים.

זה לא “בכי עם גלידה” אלא מהלך אסטרטגי מחושב. מיקרוסופט אומרת שהשותפות עם OpenAI נשארת חזקה, אבל ברור שהיא מכינה לעצמה תוכנית חלופית.

המאבק המשפטי שעדיין לא מוכרע

בעוד החברות מתכננות את העתיד, OpenAI מתמודדת עם אתגר שיכול לשנות את כל התמונה – המאבק הרגולטורי על שינוי המבנה שלה. החברה מבקשת לעבור מארגון ללא מטרות רווח ל“תאגיד לתועלת הציבור” (PBC), מהלך שיאפשר לה לגייס הון גדול יותר ולהנפיק מניות בבורסה.

מאז דצמבר 2024 הרשויות בקליפורניה ובדלאוור בוחנות את התוכנית בזכוכית מגדלת. זו לא בדיקה פורמלית בלבד, אלא דאגה אמיתית לגבי בטיחות המערכות ושמירה על ערכים חברתיים.

במענה לכך, OpenAI נאלצה להתפשר. במקום לבטל לחלוטין את הזרוע ללא מטרות רווח, היא הסכימה שהנון-פרופיט תמשיך לקיים שליטה ותזכה בכ-20% ממניות התאגיד החדש, שווי של כ-100 מיליארד דולר, מה שיהפוך אותה לאחד הארגונים הפילנתרופיים הגדולים בעולם.

אלא שכל המהלך הזה עדיין ממתין לאישור. קיימת התנגדות משמעותית – אילון מאסק מנהל תביעה משפטית נגד החברה, עשרות ארגונים מביעים התנגדות פומבית, והליך האישור הרגולטורי עדיין לא הושלם.

איפה כל זה קורה באמת

כדי להבין איך כל הסיפורים האלה מתחברים למציאות, צריך לנסוע לאבילן (Abilene), טקסס. שם, בין שדות התירס והחוות, בונה אורקל את המרכז הראשון של פרויקט סטארגייט. מבחוץ זה אולי נראה צנוע, כמה בניינים נמוכים מוקפים חומות, אבל בפנים צפוי להיות אתר בגודל של סנטרל פארק ניו יורק עם יותר כוח מחשוב ממה שהיה לכל העולם לפני עשר שנים.

האתר הזה מסמל את השינוי הגדול ביותר בתעשייה – מעבר ממודל שבו חברה אחת (מיקרוסופט) מספקת את כל צורכי חברה אחת (OpenAI), למודל פתוח שבו כל השחקנים עובדים עם כולם ומתחרים זה בזה בו-זמנית, אם התוכניות האמביציוזיות אכן יתממשו כפי שתוכנן.

מה זה אומר על העתיד שלנו

הסיפור הזה מסמן שינוי עמוק בתעשיית הטכנולוגיה, ממודל שבו כל ענקית פועלת בעולם סגור משלה – אפל, גוגל ומיקרוסופט – למודל שבו אותן ענקיות גם משתפות פעולה וגם מתחרות זו בזו. מיקרוסופט משלבת מודלים של OpenAI ושל Anthropic לצד מודלים שפיתחה בעצמה, OpenAI עובדת עם מיקרוסופט וגם עם אורקל, ואורקל מספקת שירותים גם ל-OpenAI וגם למתחרותיה.

עבור הצרכנים זו הזדמנות – תחרות חזקה יותר, מחירים טובים יותר וקצב חדשנות מהיר יותר, אבל גם מקור לאי-ודאות. אף אחד לא יודע מי ינצח במירוץ ואיך תיראה הבינה המלאכותית שלנו בעוד שלוש שנים.

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

לפרטים נוספים לחצו כאן >>

לא פרידה אלא התבגרות

השיחה בין סם אלטמן לסאטיה נאדלה ב-11 בספטמבר היא לא פרידה מרה, אלא יותר כמו זוג שמחליט לפתוח את הקשר כדי לשמור עליו חי. אפשר לפרש את זה כהתחלה של פרק בוגר ומורכב יותר בשוק ה-AI. החברות מבינות שהן לא יכולות להסתמך על פרטנר יחיד בעולם שמשתנה בקצב מסחרר.

התעשייה עוברת ממונוגמיה עסקית לשלב של “קואופטיציה” (Co-optation) – שילוב של תחרות ושיתופי פעולה. דוחות מ-2025 מראים שהן משתפות פעולה עם מתחרים כדי לעמוד בעלויות העצומות, ובמקביל בונות אלטרנטיבות כדי להפחית תלות. זה טוב למשתמשים, אבל גם מרוכז ומסוכן, כי אם הבועה תתפוצץ, ההשלכות הכלכליות יהיו אדירות.

מה שמתחיל עכשיו הוא מירוץ פתוח בין עשרות חברות, כל אחת עם המודלים, התשתיות והאסטרטגיות שלה. זו לא רק נקודת מפנה לבינה המלאכותית – זה רגע מכונן בהיסטוריה של התחרות הטכנולוגית. והמירוץ רק מתחיל.

הפוסט מה הסיפור מאחורי עסקת הענן הגדולה ביותר בהיסטוריה הופיע ראשון בLet's AI בינה מלאכותית

6 new ways to use @NotebookLM this school year

Recall info w/ flashcards and quizzes, which NotebookLM can make instantly

Create tailored, high-quality documents with our redesigned reports

Deepen conversations with a new Learning Guide option that helps you break… pic.twitter.com/DbkGtywryK

— Google (@Google) September 9, 2025

דוחות מותאמים בסגנון שלכם

אחרי שסיפרנו לכם על פורמטים חדשים של Audio Overviews, גוגל נענתה לאחת הבקשות הכי נפוצות ממשתמשי NotebookLM, ועכשיו אפשר לבחור בדיוק את הטון והסגנון שבו ייכתב הדוח – רשמי, נרטיבי, מצחיק או טכני. אתם אפילו מחליטים על המבנה, כולל סיכום מנהלים, כותרות משנה או טבלאות, כך שהתוצאה נראית מקצועית ומסודרת מהשורה הראשונה. ולא פחות חשוב, אפשר לבחור את השפה שבה יופק הדוח, מתוך יותר מ-80 שפות נתמכות, כולל עברית.

הנה מסך יצירת הדוח החדש, שבו אפשר לבחור פורמט מתוך רשימה מוכנה (Blog Post, Study Guide, Briefing Doc) או לבחור “Create Your Own” ולבנות דוח בהתאמה אישית:

מסך יצירת הדוח החדש

החידוש המעניין ביותר הוא הצעות חכמות – NotebookLM מזהה את סוג המקורות שהעליתם ומציע את סוג הדוח המתאים ביותר, למשל White Paper למחקרים רציניים או מסמך הסבר אם עבדתם עם כתבות חדשותיות.

הנה דוגמה להצעות האוטומטיות ש-NotebookLM נותן ליצירת דוחות בהתאם למקורות שהעליתם. לדוגמה: Research Paper, Training Manual, Case Study, Explanatory Article – כל אחד עם הסבר קצר מה ייכלל בו:

הצעות חכמות לדוחות

למה זה חשוב? כי בפעם הראשונה, הכלי לא רק מסכם בשבילכם, הוא כותב בצורה שמתאימה בדיוק למטרה שלכם. כותבים ומנהלי תוכן יכולים להוציא טקסט מוכן לפרסום בלי שעות של עריכה, סטודנטים מקבלים דוחות שנראים ברמה אקדמית בלחיצת כפתור ואנשי מקצוע יכולים להגיש מסמכים שנראים מוכנים לפגישה עם לקוח או הנהלה. בקיצור, הדוחות של NotebookLM הופכים להיות לא רק שימושיים, אלא ממש נראים כאילו כתבתם אותם בעצמכם.

Reports are getting a MAJOR update starting today (buckle up, this is a big one ):

1) You can now create your own report that perfectly fits your needs by specifying the structure, style, tone, and more.

2) We've added the language picker to reports, so you can now create a… pic.twitter.com/qwDHKmlWGy

— NotebookLM (@NotebookLM) September 8, 2025

בתמונה למטה תוכלו לראות דוגמה למסך יצירת הדוח (Create Report) שבו אתם מגדירים את שפת הדוח ואת המטרה המדויקת שלכם. הפרומפט הזה בעצם אומר ל-NotebookLM:

"בתור אנליסט בכיר, צור דוח מקיף שמספק סקירה אסטרטגית של מצב החברה הנוכחי, ניתוח תחרותי וסיכום פיננסי."

מסך יצירת הדוח

זו דוגמה טובה לשימוש בפרומפט ממוקד כדי להפיק דוח מקצועי ומותאם אישית.

מורה פרטי בתוך המחברת

עד עכשיו, NotebookLM ענה על שאלות בצורה ישירה. עכשיו הוא לוקח צעד קדימה והופך למדריך אישי שמדבר איתכם. העדכון הזה משנה את כל חוויית הלמידה, ובגרסה החדשה אפשר לבחור את סגנון השיחה: האם אתם רוצים שה-AI יתנהג כמו מורה פרטי סבלני? כמו אנליסט חד שמפרק נתונים? או אולי כמו חוקר שמוביל אתכם צעד-צעד בתהליך?

כדי להפעיל את מצב ה”מדריך”, לוחצים על הכפתור הקטן של “קונפיגורצית/הגדרות מחברת” (Configure Notebook) כשנמצאים באיזור הצ׳אט (החלק המרכזי שבין המקורות לסטודיו), ובחלון שנפתח בוחרים את סגנון השיחה הרצוי (Conversational Style) – “צ’אט ברירת מחדל”, “אנליסט”, “מדריך”, או סגנון מותאם אישית שבו תכתבו ל-AI איך תרצו שיגיב. כאן גם תוכלו להגדיר את אורך התשובה (Response Length) – מתשובה תמציתית של שתי שורות ועד ניתוח מעמיק עם הקשרים רחבים.

הגדרות למורה פרטי בתוך המחברת

מרגע שהפעלתם את מצב ה”מדריך”, NotebookLM מתנהג כמו מורה פרטי: שואל שאלות פתוחות כדי לוודא שהבנתם, מפרק נושאים מורכבים צעד אחר צעד ומתאים את ההסברים לקצב ולצרכים שלכם. התוצאה היא חוויית למידה דיאלוגית ואינטראקטיבית, שמעמיקה את ההבנה במקום להסתפק בתשובות שטחיות.

חידונים 

אחד הפיצ’רים הכי כיפיים בעדכון האחרון הוא האפשרות ליצור חידונים אוטומטיים מתוך החומרים שהעליתם ל-NotebookLM. בכמה קליקים המערכת בונה שאלון מותאם אישית, ואתם יכולים לבחור את רמת הקושי – קל, בינוני או קשה. החלק הטוב באמת? אם טעיתם באחת התשובות, אפשר ללחוץ על “הסבר” ולקבל פירוט מלא עם ציטוט מהמקור, כך שאתם לא רק יודעים מה התשובה הנכונה אלא גם מבינים למה.

למה זה חשוב? כי עד עכשיו למידה הייתה פסיבית – קראתם סיכומים וקיוויתם שהבנתם. עכשיו אתם יכולים לבחון את עצמכם בזמן אמת. סטודנטים יכולים להתכונן למבחנים בלי לשבור את הראש על מציאת שאלות, מורים יכולים להפיק שאלות לשיעור או מבחן בלחיצת כפתור וצוותים מקצועיים יכולים לבדוק את רמת הידע בארגון מיד אחרי הדרכה או סדנה.

זה לא סתם עוד סיכום, זו חוויית למידה אינטראקטיבית שמחזקת את ההבנה ומסמנת בדיוק איפה צריך להשתפר.

QUICK! Pop Quiz! What new features are coming to @NotebookLM very, very soon?

(This is a tough one…) pic.twitter.com/MMSnf4PN1A

— NotebookLM (@NotebookLM) September 3, 2025

כרטיסיות לימוד 

אם אתם אוהבים ללמוד בשיטה של שאלות-תשובות קצרות, תשמחו לדעת ש-NotebookLM יודע עכשיו ליצור עבורכם כרטיסיות לימוד אוטומטיות. המערכת בונה כרטיסיות ישירות מתוך המסמכים שהעליתם, עם שאלות ותשובות מוכנות לתרגול. היא אפילו מסתנכרנת עם החידונים כך שאם נכשלתם בשאלה, תוכלו לקבל כרטיסיות תרגול שמחזקות בדיוק את הנקודה שהייתה חלשה אצלכם.

והבונוס? אפשר לתרגל כרטיסיות גם בנייד – חוויה מהירה ונוחה שמזכירה את השימוש ב-Anki (אחת האפליקציות הפופולריות ללמידה בכרטיסיות), רק שכאן הכל נבנה אוטומטית מתוך המסמכים שלכם.

למה זה חשוב? כי כרטיסיות הופכות מידע מורכב לפיסות קטנות שקל לחזור עליהן שוב ושוב וככה סטודנטים יכולים לשנן מושגים, נוסחאות ותאריכים בנסיעה באוטובוס, מנהלים יכולים להשתמש בזה להכשרת עובדים בצורה מהירה וממוקדת ומורים יכולים לשתף סט מוכן של כרטיסיות עם הכיתה ולחזק את ההבנה בין שיעור לשיעור. בקיצור, זהו כלי קטן ופשוט שמאפשר למידה יומיומית, בכל זמן ומקום.

Also, while we have your attention… Flashcards & Quizzes are rolling out TODAY!

You can now create customizable flashcards and quizzes in @NotebookLM. Stumped on a question? Tap the Explain button to receive an in-depth summary in the chat.

Study on! pic.twitter.com/PSvpGVTjuP

— NotebookLM (@NotebookLM) September 8, 2025

שותפות עם OpenStax לידע אקדמי בלחיצת כפתור

אחד השדרוגים החשובים ביותר הוא שיתוף הפעולה החדש עם OpenStax – אחת החברות המובילות בעולם בהנגשת ספרי לימוד אקדמיים בחינם.

עכשיו אפשר לפתוח מחברות ציבוריות שמבוססות על ספרי הלימוד של OpenStax, ספרים שעברו ביקורת עמיתים ונמצאים בשימוש במוסדות לימוד מובילים בעולם. המשמעות היא ש-NotebookLM כבר לא תלוי רק במסמכים שאתם מעלים, ואתם מקבלים גישה למקורות איכותיים, מוכחים ואמינים ישירות בתוך הכלי.

וכאן זה נהיה מעניין, כי אפשר להפיק חידונים וכרטיסיות לימוד מתוך הספרים האלה, בדיוק כמו מתוך חומרי הלימוד האישיים שלכם.

למה זה חשוב? סטודנטים מקבלים גישה חופשית למקורות לימוד ברמה גבוהה, בלי לשלם או לחפש PDF פיראטי באינטרנט, מורים יכולים לשלב בקלות תוכן מאושר פדגוגית בתוך מערכי השיעור וכל מי שלומד עצמאית מרוויח זמן ולא צריך לשבור את הראש על מציאת מקורות אמינים.

שיתוף מתקדם עם מחברות שמתחברות לכיתה הדיגיטלית

עוד חידוש שמרגיש כמו קפיצת מדרגה הוא האפשרות לשתף את המחברות והחומרים ישירות עם אחרים – והפעם בצורה חלקה באמת.

NotebookLM מתחבר עכשיו ל-Google Classroom (בהשקה הדרגתית), מה שמאפשר למורים ליצור מחברות ולשתף אותן עם כל הכיתה בלחיצת כפתור. בנוסף, נוספה אינטגרציה עם Gemini LTI – פלטפורמת חיבור שמאפשרת לשלב את NotebookLM בכל מערכת ניהול למידה (LMS) שבה אתם כבר משתמשים.

למה זה חשוב? מורים ומדריכים יכולים לשלב סיכומים, חידונים וכרטיסיות ישירות בשיעור, בלי לקפוץ בין מערכות, סטודנטים נהנים מחוויית למידה רציפה בזמן שכל החומר, התרגולים וההסברים נמצאים במקום אחד וארגונים יכולים לשלב את NotebookLM בתהליכי הכשרה והדרכה קיימים בלי לשנות את הדרך שבה עובדים.

השיתוף המתקדם הזה הופך את NotebookLM לכלי לא רק אישי, אלא גם קבוצתי, כזה שמאפשר למידה ושיתוף פעולה בזמן אמת.

פרידה מהפורמטים הישנים

למי שרגיל לעבוד עם NotebookLM, יש גם קצת שינויים שדורשים הסתגלות. גוגל הסירה מהתפריט הראשי פורמטים שהיו מאוד פופולריים, כמו FAQ ו-Timeline. אבל אל דאגה, הם לא נעלמו לגמרי. אפשר עדיין ליצור אותם, פשוט דרך האפשרות Create Your Own Report ולנסח פרומפט מותאם אישית.

NotebookLM עצמה שיתפה פרומפטים מומלצים כדי לשחזר את הפיצ’רים האלו:

פרומפטים ליצירת FAQ ו-Timeline

כך אתם יכולים להחזיר את הפורמטים האלו לשימוש בלחיצת כפתור, ואפילו לשדרג אותם עם טון או מבנה שמתאים לכם.

המהלך הזה דוחף את המשתמשים להיות מדויקים ויצירתיים יותר בניסוח הבקשות שלהם. מצד אחד זה פותח יותר חופש ודיוק, מצד שני זה דורש טיפה יותר מאמץ למי שהתרגל ללחיצה אחת ולקבל את הפורמט המוכן.

פרטיות מידע עסקי

אם אתם בעלי עסקים או עובדים עם מידע רגיש, חשוב לשים לב לנושא הפרטיות. בגרסה הצרכנית של NotebookLM מומלץ לא להעלות מידע חסוי או סודי ולכל הפחות לנקות אותו (״הלבנת נתונים״) מפרטים מזהים לפני ההעלאה.

לעומת זאת, שימוש ב-NotebookLM Enterprise או במסגרת רישיון ארגוני מספק שכבת הגנה גבוהה בהרבה כאשר הנתונים נשארים בשליטת הארגון ואינם משמשים לאימון מודלי ה-AI של גוגל. בכל מקרה, תמיד תפעילו שיקול דעת ותתייעצו לפני ביצוע פעולות על מידע רגיש.

איזור ה-Studio החדש

לסיכום, NotebookLM כבר לא רק עוזר מחקר, הוא הפך למורה אישי, כותב דוחות ומאמן למידה בכיס אחד. השדרוגים האחרונים הופכים כל מסמך, מאמר או שיעור לחוויית למידה פעילה שמובילה להבנה עמוקה יותר ושיתוף קל עם אחרים. זה הזמן לפתוח מחברת ולראות בעצמכם איך זה משנה את הדרך שבה אתם לומדים.

הפוסט גוגל לא עוצרת וממשיכה לעדכן ולשדרג את NotebookLM הופיע ראשון בLet's AI בינה מלאכותית

מבצע השפעה דיגיטלי רחב־היקף

החוקרים חשפו רשת פרו-קרמלינית בשם Pravda network, שהפיצה כ-3.6 מיליון כתבות במהלך 2024 בלבד. המטרה של הרשת שונה מהתעמולה המסורתית, היא לא נועדה לשכנע קוראים אנושיים, אלא להציף את האינטרנט בתוכן כך שייאסף על ידי זחלני הרשת (web crawlers) שמשמשים לאימון מודלי בינה מלאכותית.

איך פועלת רשת Pravda

הרשת מורכבת ממאות אתרים ביותר מ-40 שפות כולל עברית, עם שמות שמדמים אתרי חדשות לגיטימיים כמו News-Kiev.ru או Kherson-News.ru. האתרים עצמם נראים לעיתים מגושמים, עם תרגומים שבורים ועיצוב בסיסי, משום שהמטרה אינה למשוך קוראים אנושיים אלא להיתפס בעיני האלגוריתמים כאתרי חדשות אותנטיים. רוב התוכן אינו מקורי אלא ממוחזר מכלי תקשורת רוסיים, והאסטרטגיה כולה נועדה להציף את האינטרנט בכמות עצומה של תוכן כך שייאסף לאימון מודלי AI.

איך LLM Grooming עובד בפועל

התהליך שמכונה LLM Grooming מתרחש בכמה שלבים. קודם כל, רשתות הדיסאינפורמציה מפיצות מיליוני דפי תוכן חדשים בזמן קצר – הצפה שנראית מתוכננת מראש. לאחר מכן, זחלני הרשת של חברות הבינה המלאכותית סורקים את הדפים ומוסיפים אותם למאגרי הנתונים שמשמשים לאימון המודלים.

כשהמידע הזה נכנס למאגרי האימון, הוא מתחיל לזהם אותם והאלגוריתם לומד נרטיבים כוזבים לצד מידע אמיתי. התוצאה היא שהמודלים מתחילים לייצר תשובות שחוזרות על אותם נרטיבים, למשל הטענה שזלנסקי אסר על Truth Social (רשת חברתית שהוקמה בידי דונלד טראמפ), טענה שלא התרחשה בפועל.

המצב מסתבך עוד יותר כאשר תשובות שגויות שנוצרו על ידי AI מתפרסמות מחדש ברשת, נאספות שוב על ידי אותם זחלנים, ומאומנות בדור הבא של המודלים. כך נוצרת לולאת משוב, תופעה שמומחים מכנים Model Collapse, שמעצימה את הזיהום עם כל מחזור אימון נוסף.

אבל איך יודעים שהתהליך הזה באמת משפיע? כאן נכנסים לתמונה הממצאים מהבדיקות שביצעו החוקרים.

מה היו הממצאים?

הבדיקות הראו שהחשש לא תאורטי וההשפעה בפועל משמעותית:

• 33% מהתשובות שנבדקו הכילו דיסאינפורמציה שמקורה ברשת Pravda.

• 7 מתוך 10 צ’אטבוטים ציינו אתרי הרשת כמקורות אמינים, ללא כל הסתייגות.

• זוהו 207 נרטיבים כוזבים שונים, שחוזרים שוב ושוב במודלים שונים.

מחקר נוסף של אוניברסיטת הרווארד חיזק את הממצאים ומצא כי בין 27% ל-44% מהתשובות לשאלות על המלחמה באוקראינה הכילו מידע לא מדויק או חלקי.

למרות שמוקד המחקר היה רשת פרו-קרמלינית, מומחים מציינים שהתופעה אינה ייחודית לרוסיה בלבד. קיימים סימנים לכך שגורמים ממדינות ואזורים נוספים, בהם סין, קטאר ואחרים, עושים שימוש בטקטיקות דומות של הצפת תוכן, גם אם בהיקפים או במטרות שונות.

עם זאת, לא כל החוקרים מסכימים עם התמונה הזו. רשת Al Jazeera טוענת כי שיעורי הדיסאינפורמציה בפועל נמוכים יותר, וכי חלק מהבדיקות נעשו באמצעות שאלות מכוונות במיוחד כדי “להפיל” את המודלים. יש חוקרים שמזהירים כי חלק מהביקורות עלולות להיות מושפעות משיקולים פוליטיים או אידיאולוגיים, ולכן חשוב לבחון גם את הביקורת באופן ביקורתי.

כך או כך, עצם קיומה של מחלוקת מדגיש עד כמה קשה למדוד את ההשפעה באופן אובייקטיבי, וכמה חשוב להמשיך לחקור את התופעה כדי להבין את היקפה האמיתי.

המשמעות הרחבה

הגילויים האלו מסמנים שינוי מהותי במלחמת המידע. במקום לנסות לשכנע אנשים אחד-אחד, מבצעי דיסאינפורמציה פונים ישירות אל מערכות המידע עצמן. פרופ’ נינה יאנקוביץ’ מה-American Sunlight Project מתארת זאת כ”הסלמה משמעותית” ומזהירה כי כאשר מודלים של בינה מלאכותית מתחילים לשחזר נרטיבים פרו-קרמליניים, כל משתמש במערכות הללו עלול להיחשף לתוכן מוטה גם בלי לדעת.

החשש אינו רק תיאורטי. מומחים מזהירים שעם הזמן עלולה להיווצר פגיעה באמון הציבורי בבינה מלאכותית, מה שיפגע ביכולת להשתמש בה ככלי עבודה מהימן בתחומים כמו חינוך, עיתונות, ואפילו קבלת החלטות ממשלתיות.

הבעיה מחריפה לנוכח פערי הרגולציה. באיחוד האירופי חוק ה-AI Act עדיין לא כולל סעיפים שמטפלים ב-LLM Grooming, ובארה”ב הדיונים בקונגרס מתקדמים לאט מהקצב שבו מתפתחת הטכנולוגיה.

מה אפשר לעשות בפועל

לחברות הטכנולוגיה – אחריות בנתוני האימון

חברות ה-AI חייבות להתחיל להתייחס למקורות האימון שלהן כמו שרשרת אספקה קריטית. המשמעות היא סינון אקטיבי של אתרים שמזוהים כמפיצי דיסאינפורמציה, פרסום שקוף של מאגרי הנתונים שבהם השתמשו, ופיתוח אלגוריתמים שמזהים הצפות חשודות בזמן אמת. בלי מהלכים כאלה, מערכות הבינה המלאכותית ימשיכו להיות פגיעות להשפעות זדוניות.

למשתמשים – אחריות אישית באימות מידע

גם לנו יש תפקיד. לפני שמסתמכים על תשובה של צ’אטבוט, במיוחד בנושאים פוליטיים או ביטחוניים, כדאי לעצור ולבדוק את המקור. כלים כמו NewsGuard ו-FactCheck.org מאפשרים לבדוק את אמינות האתר. סימנים כמו דומיינים מוזרים, עיצוב בסיסי או תרגום שבור צריכים להדליק נורה אדומה. השוואה מהירה מול מקור חדשות מרכזי יכולה למנוע הפצה לא מודעת של מידע שגוי.

לרגולטורים – סגירת פערי ההגנה

ברמה המדינית, נדרש עדכון רגולציה. חוקי ה-AI באירופה ובארה”ב צריכים לכלול סעיפים שמתייחסים במפורש ל-LLM Grooming ולחייב חברות לפרסם את מקורות האימון. בנוסף, השקעה בתוכניות לאוריינות דיגיטלית ושיתופי פעולה בינלאומיים תעזור לבלום את ההשפעה של רשתות דיסאינפורמציה חוצות גבולות.

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

לפרטים נוספים לחצו כאן >>

הסיפור של LLM Grooming הוא לא סוגיה טכנית שולית – הוא שאלה של אמון. בכל פעם שאנחנו פונים למודל AI כדי לקבל תשובה, אנחנו מניחים שהמידע שמוצג לנו מבוסס ועובדתי. אם המודלים עצמם מתחילים לשחזר נרטיבים כוזבים, אנחנו עלולים לקבל החלטות אישיות או ציבוריות על בסיס מציאות מעוותת.

השאלה האמיתית היא לא אם מבצעי דיסאינפורמציה ימשיכו להשתמש בשיטה הזו, אלא האם נצליח, כחברות טכנולוגיה, כרגולטורים וכמשתמשים, לפתח מנגנוני הגנה מספיק מהר. זה מאבק משותף – השקיפות של החברות, האחריות האישית של המשתמשים והחוק שמגדיר כללים – כולם חלק מהפתרון.

המודעות היא הצעד הראשון. ככל שיותר אנשים יבינו את הסיכון ויאמצו הרגלים של בדיקת מקורות ואימות מידע, כך נצמצם את ההשפעה של דיסאינפורמציה ונחזק את האמון במערכות הבינה המלאכותית שאנחנו מסתמכים עליהן.

הפוסט כיצד רשתות דיסאינפורמציה חודרות למודלי בינה מלאכותית הופיע ראשון בLet's AI בינה מלאכותית

קלוד מתחבר לחיים שלכם דרך הסמארטפון

קלוד מקבל שדרוג משמעותי באפליקציות לאייפון ולאנדרואיד, שמאפשר לו לצאת מהצ’אט אל העולם האמיתי ולבצע פעולות יומיומיות ישירות מהמכשיר שלכם. לא עוד תשובות טקסט בלבד, אלא עוזר שמבצע משימות בפועל.

אפשר לבקש מקלוד להכין הודעת וואטסאפ או מייל, לפתוח את האפליקציה המתאימה והכול כבר מוכן לשליחה. הוא בודק ביומן מתי הפגישה הבאה, מוסיף אירוע חדש ומזכיר לכם בזמן. כשמחפשים מקום לאכול, הוא מוצא מסעדות קרובות ומוסיף את הכתובת לנווט. ב-iOS הוא מנהל רשימות ותזכורות, ובאנדרואיד אפילו מפעיל טיימרים והתראות. משתמש עסקי, למשל, יכול לבקש מקלוד למצוא מסעדה לפגישת צהריים ולהוסיף את האירוע ליומן – וכל זה מתבצע בתוך שניות.

ההפעלה פשוטה: מעניקים הרשאות, מגדירים העדפות וקלוד מתחבר לכלים הקיימים במכשיר. חשוב לדעת, קלוד לא קורא הודעות קיימות אלא רק יוצר חדשות, והדגש נשאר על פרטיות. העדכון מתגלגל בהדרגה למשתמשים ברחבי העולם דרך אפליקציות iOS ואנדרואיד, כאשר ייתכנו הבדלים קלים בזמינות הפיצ’רים בין תוכניות המנוי.

עוזר אישי על סטרואידים

העדכון השני של אנטרופיק לוקח את קלוד צעד גדול קדימה והופך אותו לכלי עבודה מלא. מעכשיו תוכלו להעלות קובץ נתונים מבולגן ולקבל דוח PDF מסודר עם גרפים, לתת נקודות עיקריות ולצאת עם מצגת PowerPoint מוכנה, או לבקש מסמך וורד מקצועי, והכול בלי צורך בידע טכני או תוכנות חיצוניות.

בפועל, זה נראה אחרת לגמרי מה שהכרנו עד היום – משתמש עסקי מעלה גיליון מכירות לא מעובד וקלוד מחזיר לו מצגת ברורה לפגישת הנהלה. סטודנט מפזר סיכומי שיעור כקובצי טקסט ומקבל PDF מסודר עם גרפים וטבלאות. מנהל פרויקטים שצריך לעקוב אחרי לקוחות מוצא את עצמו עם גיליון אקסל בנוי מראש במקום להתחיל מאפס. אפילו חומרים ישנים, הערות או טבלאות מפוזרות, הופכים תוך רגע למסמך דיגיטלי אחיד וברמה מקצועית.

כך זה נראה בפועל: קלוד יוצר מסמכים בלחיצת כפתור. Source: anthropic

זמינות והפעלה

היכולת החדשה זמינה כבר עכשיו למנויי Max, Team ו-Enterprise, ובקרוב תיפתח גם למנויי Pro במסגרת בטא.

מעבר ליכולות הבסיסיות, קלוד מפעיל את כלי המסמכים בסביבת מחשוב מבודדת (sandbox), שם הוא יכול להריץ קוד, לייצר נוסחאות אוטומטיות ולבנות דשבורדים מורכבים בגיליונות נתונים. הוא יודע גם להמיר מסמכים בין פורמטים שונים ולארגן מחדש חומרים ישנים למסמכים דיגיטליים ברמה גבוהה. נכון להיום, גודל הקובץ המקסימלי הנתמך הוא 30MB – נתון שמספיק לרוב השימושים העסקיים והלימודיים.

איך מתחילים?

כדי להתחיל להשתמש בפיצ’ר, נכנסים להגדרות החשבון, בוחרים ב-Settings > Features > Experimental ומפעילים את האפשרות “Upgraded file creation and analysis”.

משם התהליך פשוט – מעלים קבצים רלוונטיים או מתארים מה צריך, מנחים את קלוד דרך הצ’אט, ולבסוף מורידים את הקבצים המוכנים או שומרים אותם ישירות ל-Google Drive. מרגע ההפעלה ניתן ליצור ולערוך קבצי Word, Excel, PowerPoint ו־PDF ישירות מהצ’אט.

הפעלת האפשרות ליצירה ועריכת קבצים. Source: anthropic

דגש על אבטחת מידע

היכולות החדשות מעניקות לקלוד גישה רחבה יותר לאינטרנט ולמערכות הקבצים, צעד שמעלה באופן טבעי שאלות של פרטיות ובקרה. באנטרופיק מדגישים כי חשוב להפעיל שיקול דעת ולפקח על השימוש, במיוחד כשמדובר במסמכים רגישים או במידע עסקי. כדי לצמצם סיכונים שולבו שכבות הגנה נוספות – במנויי Enterprise משימות מעובדות בסביבה מבודדת, ותוצרים שעשויים לכלול מידע רגיש אינם ניתנים לשיתוף פומבי.

המשמעות למשתמשים ברורה, קלוד הופך חזק ושימושי יותר, אבל האחריות להפעיל אותו בזהירות ולוודא שהמידע מתאים לעיבוד חיצוני נשארת בידיים שלכם.

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

לפרטים נוספים לחצו כאן >>

איך זה משפיע על תעשיית ה-AI?

העדכונים האחרונים מסמנים קפיצת מדרגה – קלוד כבר לא רק עונה על שאלות, אלא מבצע משימות ממשיות – מניהול יומן ועד יצירת מצגות ודוחות. המשמעות היא שהתחרות מול שחקנים כמו ChatGPT ו-Gemini הופכת מוחשית, והמעבר מבינה מלאכותית כצ’אט טקסטואלי לכלי עבודה יום־יומי מתרחש בפועל.

המסר ברור: קלוד מציב רף חדש כעוזר אישי דיגיטלי חזק, מאובטח ונגיש, ומסמן צעד נוסף לעידן שבו AI עובד לצידנו, לא רק משוחח איתנו.

הפוסט קלוד מתחדש עם עוזר אישי חכם ויכולות מסמך מתקדמות הופיע ראשון בLet's AI בינה מלאכותית

הפתרון למשוואה המסתורית

שנים התייחסו להזיות כקסם שחור שייעלם כשנטייב את הטכנולוגיה. המחקר החדש של OpenAI טוען ההפך – הזיות אינן תקלה, אלא תוצאה ישירה של איך שאימנו את המודלים מלכתחילה. כדי להסביר את זה, החוקרים השתמשו בהשוואה מעולם מוכר יותר – סיווג בינארי.

כשמודל צריך להחליט אם משהו נכון או לא נכון, הוא פועל כמו בוחן אמריקאי עם שתי תשובות בלבד. ומה מצאו? ליצור עובדה נכונה מאפס זה קשה בהרבה מאשר לזהות עובדה נכונה כשמציגים לך אותה. לכן, הסיכוי לטעות ביצירה גבוה פי שניים מאשר בזיהוי.

תחשבו על תלמיד במבחן גיאוגרפיה – המורה מבקש ממנו לכתוב שם של עיר בצרפת. אם הוא לא יודע, יש לו שתי אופציות, להגיד “אני לא יודע”, או לנחש “פריז”. עכשיו, אם המורה נותן את אותו ציון לאמירה “אני לא יודע” כמו לניחוש שגוי, אבל מעניק נקודה מלאה על ניחוש נכון, מה התלמיד ילמד לעשות? ברור, הוא ינחש. בדיוק אותו תמריץ מובנה קיים אצל מודלי ה-AI.

שני פשעי היסוד של תהליך האימון

המחקר מראה שיש בעצם שתי תחנות קריטיות שבהן נוצרים זרעי ההזיות:

שלב ראשון – Pretraining: זריעת הבלבול

כשהמודל לומד לראשונה, הוא מתאמן על ניבוי המילה הבאה מתוך הררי טקסט. זה עובד מעולה כשיש דפוס ברור, למשל כללי דקדוק, כתיב נכון או שימוש בסוגריים.

אבל כשמדובר בעובדות שאין להן דפוס צפוי, כמו תאריך לידה של מדען מסוים או שם של עבודת דוקטורט, המודל לא באמת יכול “לנחש מהתבנית”. התוצאה? הוא נאלץ פשוט להמציא. זו גם הסיבה ששגיאות כתיב נעלמות ככל שהמודלים משתפרים, אבל הזיות נשארות. כתיב זה משהו עקבי שקל ללמוד אבל עובדות אקראיות – לא.

למה קל ללמוד כתיב אבל קשה לזכור ימי הולדת? (Source: arXiv (OpenAI

שלב שני – Post-training: בית הספר לניחושים

אחרי האימון הראשוני, המודל עובר שלב נוסף שנועד ללטש את התשובות שלו. כאן הבעיה רק מחמירה, כי מערכות ההערכה מתנהגות כמו מבחן אמריקאי ומתגמלות ניחוש מוצלח, לא שקיפות. כדי להמחיש את ההבדל, OpenAI הציגו השוואה בין מודל ישן לבין מודל חדש. במבט שטחי נראה שהישן “מדויק” יותר, אבל בפועל הוא טעה בביטחון מוחלט הרבה יותר. המודל החדש אולי ענה פחות, אבל כשהוא לא ידע, הוא פשוט אמר את זה.

השוואת ביצועים: o4-mini מול GPT-5-thinking-mini

הטבלה מבוססת על נתונים ש-OpenAI פרסמו כהמחשה להבדלים בין מודלים, ולא על תוצאות ישירות מהמאמר האקדמי. והשאלה שנשארת פתוחה: מה עדיף – מודל שמנחש חזק וטועה, או מודל שמודה בכנות כשאין לו תשובה?

וכאן בדיוק נכנס הערך האמיתי של המחקר, כי הוא לא רק מצביע על ההבדלים בין מודלים ישנים לחדשים, אלא גם מנפץ מיתוסים עקשניים לגבי עצם קיומן של ההזיות.

למה הזיות אינן גזירת גורל

אחת התרומות הגדולות של המחקר היא בכך שהוא מנפץ כמה מיתוסים עקשניים סביב הזיות במודלי שפה.

מיתוס 1: “כשהדיוק יגיע ל־100%, ההזיות ייעלמו”

המציאות: זה לא יקרה. תמיד יהיו שאלות שאף מודל לא יכול לדעת, כמו מספר הטלפון של שכן שלכם או שם הכלב של מישהו שהוא לא פגש מעולם.

מיתוס 2: “הזיות הן בלתי נמנעות”

המציאות: לא נכון. מודל יכול פשוט לבחור לא לענות כשהוא לא בטוח, מה שמוריד דרמטית את כמות ההזיות.

מיתוס 3: “הזיות הן תופעה מסתורית”

המציאות: אין פה שום קסם שחור. ההזיות הן תוצאה צפויה של איך שהמודל למד ומה מתגמלים אותו עליו.

מיתוס 4: “מספיק מבחן אחד כדי לבדוק הזיות”

המציאות: מה שחשוב הוא מגוון רחב של מבחנים אמינים שבודקים אם המודל נוטה לנחש בלי לדעת ולא רק מדד בודד של “האם הוא הזה הפעם או לא”.

מהפכה במדדי הערכה

אז איך אפשר לגרום למודלים להפסיק לנחש בביטחון כשהם לא יודעים? החוקרים מציעים שינוי קטן אבל מהותי – לא רק למדוד אם התשובה נכונה או לא, אלא גם כמה בטוח המודל כשהוא עונה.

במקום מבחן בסגנון “נכון/לא נכון”, הם מציעים שיטה שמתגמלת זהירות:

• תשובה נכונה מזכה בנקודה אחת.

• טעות מורידה שתיים.

• “אני לא יודע” שווה אפס – לא טוב, אבל גם לא נזק.

כך המודל לומד שלא כדאי לו להמר סתם, אלא עדיף לשתוק כשהוא לא בטוח.

האמת? זה לא רעיון חדש. מבחנים אמריקאים כמו SAT ו-GRE השתמשו בעבר בדיוק באותה טכניקה של הורדת ניקוד על ניחושים עיוורים כדי לעודד תלמידים לענות רק כשיש להם סיכוי אמיתי להיות צודקים. עכשיו, ההצעה היא להחיל את אותה גישה על בינה מלאכותית.

מדוע זה לא קורה היום?

הבעיה היא לא רק טכנית אלא גם תרבותית. רוב מבחני הביצועים הפופולריים כמו GPQA, ‏MMLU-Pro ו-SWE-bench, מעניקים נקודה מלאה על תשובה נכונה, ואפס נקודות על טעות או על “אני לא יודע”. במבנה כזה ברור שמודל יעדיף לנחש, כי אין לו מה להפסיד.

כל עוד המדדים המרכזיים בעולם ה-AI ממשיכים לתגמל ניחושים מוצלחים, החברות ימשיכו לאמן מודלים שמעדיפים להמר מאשר להודות בחוסר ודאות. לכן הפתרון חייב להיות גם תרבותי, כלומר שינוי של כללי המשחק – איך אנחנו בוחנים, מודדים ומדרגים את המודלים.

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

לפרטים נוספים לחצו כאן >>

עידן המודלים הכנים

המחקר הזה מסמן נקודת מפנה. שנים ניסינו להסביר את ההזיות של מודלי שפה כבעיה טכנית מסתורית, ועכשיו מתברר שהפתרון הרבה יותר פשוט – ללמד את המודלים להיות כנים לגבי מה שהם יודעים ומה שהם לא. תחשבו על זה כמו על יועץ אנושי, עדיף שיגיד “אין לי תשובה לזה” מאשר שימציא נתונים שנשמעים אמינים. גם בבינה מלאכותית, תשובה זהירה של “אני לא יודע” יכולה להיות שווה זהב כי היא חוסכת טעויות שעלולות לעלות ביוקר.

אם השינוי הזה יתפוס, נעבור מעולם שבו מודלים נוטים לנחש בכל מחיר, לעולם שבו הם יודעים לעצור ולהודות בחוסר ודאות. במערכות בריאות, משפט, חינוך או פיננסים – האמינות הזו תהיה יקרה יותר מכל פיצ’ר נוצץ.

לעיון במחקר המלא כנסו כאן.

הפוסט מחקר חדש של OpenAI חושף את הסוד מאחורי הזיות של בינה מלאכותית הופיע ראשון בLet's AI בינה מלאכותית

סוכני ה-AI כבר כאן

הנתון הבולט ביותר מהמחקר של גוגל מצביע על כך ש-52% מהארגונים שכבר משתמשים ב-AI ג׳נרטיבי שילבו סוכני AI בייצור. זה מעבר חד משלב הניסוי לשלב שבו הטכנולוגיה נחשבת “בוגרת מבצעית” – וכל זאת בפחות משנתיים. היתרון למאמצים המוקדמים ברור: 88% מהם מדווחים על תשואה חיובית (ROI) מהשקעות ב-AI, לעומת 74% בלבד בכלל הארגונים. זה פער מובהק שממחיש איך מי שנכנס מוקדם לא רק לומד מהר יותר, אלא גם נהנה מתועלות עסקיות ממשיות.

כפי שנכתב בדוח: “ארגונים שמאמצים מוקדם את סוכני ה-AI מתבססים על אסטרטגיה מכוונת, עם יכולות טכניות עמוקות ותמיכה ניהולית רחבה – וזה מה שמייצר את היתרון התחרותי.”

חמשת התחומים המניבים ביותר

הדוח מצביע על חמישה אזורים מרכזיים שבהם ארגונים כבר רואים החזר ברור מהשקעות ב-AI:

1. פרודוקטיביות – 70% מהמנהלים מדווחים על שיפור בפרודוקטיביות, ו-39% מהם מציינים שהפרודוקטיביות של העובדים הוכפלה לפחות פי שתיים לאורך זמן. בנוסף, 39% מהארגונים כבר רואים ROI ישיר מיישומים פרקטיים כמו אי-מיילים, מסמכים, מצגות וניהול פגישות.

2. חווית הלקוח – 63% מצביעים על שיפור בחווית הלקוח, עלייה קלה לעומת 60% בשנה שעברה. בתחום הזה, 37% מהארגונים כבר מזהים תשואה מיידית, במיוחד בשירות לקוחות ושירותי שטח.

3. צמיחה עסקית – 56% מהמנהלים מדווחים על צמיחה עסקית ישירה כתוצאה מהטמעת AI. בקרב אלה שראו עלייה בהכנסות, 53% מציינים גידול של 6%-10% בהכנסות השנתיות.

4. שיווק – 55% מהארגונים מזהים השפעה חיובית על שיווק, עם 33% שמדווחים כבר על ROI ממכירות ושיווק, בעיקר בזכות יכולת לייצר קמפיינים מדויקים ולשפר את יחס ההמרה.

5. אבטחה – 49% מדווחים על שיפורים משמעותיים באבטחת המידע, כולל 77% שמציינים יכולת טובה יותר לזהות איומים בזמן אמת.

כדי לסכם את התמונה, הטבלה הבאה מרכזת את עיקרי המדדים שהוזכרו בדוח – החל מהיקף האימוץ של סוכני AI ועד למדדי ROI בתחומים כמו פרודוקטיביות, חוויית לקוח ושיווק:

מדדי ROI מרכזיים מהדוח (2025)

במילים אחרות, ה-AI כבר לא מתמקד רק בהוזלת עלויות, אלא הופך למנוע ערך עסקי רחב, מחיזוק היעילות הפנימית ועד שיפור ישיר של חווית הלקוח והכנסות.

כדי להמחיש את עוצמת הממצאים, הגרף הבא מרכז את תחומי ההחזר על השקעה (ROI) כפי שדווחו על ידי המנהלים. הוא מדגיש היכן נרשמות ההשפעות המשמעותיות ביותר, מפרודוקטיביות וחווית לקוח ועד לשיווק ואבטחה, וגם את היתרון המובהק של המאמצים המוקדמים:

מדדי ה-ROI של AI לפי תחום עסקי

החלוקה לפי תעשיות

הדוח מראה תמונה מגוונת. בכל תעשייה סוכני ה-AI נכנסים מזווית אחרת, בהתאם לאתגרים הייחודיים לה. במגזר הפיננסי, למשל, הדגש הוא על שירות לקוחות, ושם לא פחות מ־57% מהארגונים כבר פרסו סוכנים שמטפלים בפניות ומייעלים את הקשר עם הלקוחות. בתעשיות הטלקום והייצור הכיוון שונה, כאן סוכני AI מתפקדים בעיקר כעוזרים טכניים, פותרים בעיות ומספקים תמיכה, עם שיעור אימוץ של 56%.

בעולם התקשורת והבידור הדאגה העיקרית היא לאו דווקא השירות אלא האבטחה – 47% מהחברות בחרו למקד את הסוכנים באבטחת סייבר ובאיתור איומים. ולעומת זאת, בקמעונאות ובחברות הצריכה, אין בחירה חד־צדדית, ושם הסוכנים מתחלקים בין שיפור חווית הלקוח לקידום מאמצי השיווק, כדי לייצר גם נאמנות וגם צמיחה במכירות.

מעבר להבדלים ברמות האימוץ, כל ענף שם דגש על מקרי שימוש אחרים. הטבלה הבאה מציגה את שלושת השימושים המרכזיים שסומנו בכל תעשייה – משירות לקוחות במגזר הפיננסי ועד אבטחת סייבר במדיה ובידור:

מקרי השימוש המובילים בסוכני AI לפי תעשייה (2025)

המסקנה? אין פתרון גנרי אחד שמתאים לכולם. כל תעשייה מתאימה את סוכני ה-AI לאתגרים ולמנועי הצמיחה הספציפיים שלה, וזה מה שהופך את ההשקעות לאפקטיביות באמת.

כדי להמחיש עד כמה התמונה משתנה מתעשייה לתעשייה, הגרף הבא מציג את שיעורי האימוץ של סוכני AI בענפים שונים. ניתן לראות הבדלים מובהקים: טלקום וייצור כבר מעל 50% אימוץ, בעוד מגזרים אחרים, כמו בריאות, עדיין מתקדמים לאט יותר:

אימוץ סוכני AI לפי תעשיות (2025)

מהיכן מגיעים התקציבים?

המחקר מצביע על שינוי מהותי באופן שבו ארגונים מממנים את יוזמות ה-AI שלהם. למרות שעלות הטכנולוגיה עצמה הולכת ויורדת, דווקא 77% מהארגונים הגדילו את הוצאות ה-AI, עדות ברורה לכך שהם מזהים כאן ערך ממשי שמצדיק השקעה מתמשכת. כשנכנסים לעומק המספרים, מתגלה תמהיל מעניין: חלק מהחברות, כ-58%, בוחרות להקצות תקציב חדש לגמרי לפרויקטי AI, בעוד שאחרות, כ-48%, מחליטות להעביר כספים מתחומים קיימים כדי לפנות משאבים. השילוב הזה מראה שה-AI כבר לא נתפס כ״פרויקט מיוחד״ עם כסף חיצוני או חד-פעמי, אלא הפך לחלק אינטגרלי מהאסטרטגיה העסקית, כזה שנמדד ונבחן בדיוק כמו כל השקעה אחרת לפי ROI וסדרי עדיפויות ארגוניים.

כדי להבין עד כמה ההתקדמות היא עקבית, כדאי להסתכל על ההשוואה מול 2024. הטבלה הבאה מציגה את שיעורי ה-ROI בתחומים שונים ואת אופן הקצאת התקציבים ליוזמות AI, עם מגמה ברורה של עלייה והשקעות ממוקדות:

מגמות ROI ותקצוב AI בהשוואה ל-2024

החשיבות הקריטית של התמיכה הניהולית

אחד הממצאים החזקים ביותר בדוח הוא הקשר הישיר בין תמיכה ניהולית לבין הצלחת פרויקטי בינה מלאכותית. 78% מהארגונים שבהם יש תמיכה מלאה מצד ה-C-suite כבר רואים ROI מיידי, לעומת 71% בלבד בארגונים ללא חסות כזו. המסר ברור: זה לא רק עניין של כסף או טכנולוגיה, אלא של אסטרטגיה שנבנית מלמעלה. כאשר הנהלה בכירה לא רק מאשרת תקציב, אלא גם מגדירה חזון, מסירה חסמים ומובילה את ההטמעה, הסיכוי ליצירת ערך אמיתי מזנק.

כאן חשוב להזכיר גם ממצא משלים של מחקר MIT שמצביע על כך שרק 5% מהפיילוטים ב-AI מצליחים באמת לייצר ערך עסקי. הכישלון לא נובע מהטכנולוגיה עצמה, אלא מהפער הארגוני – היעדר אסטרטגיה, תרבות מתאימה ותמיכה ניהולית. הדוח של Google Cloud מראה את הצד השני של המטבע: כאשר הפער הזה נסגר, ROI גבוה הופך למציאות עסקית מוכחת.

כפי שנכתב בדוח של Google: “מנהיגות ברמת C-suite חיונית כאשר מטמיעים כל טכנולוגיה חדשה. ההנהגה צריכה להבין מה זה, איך זה עובד, ואיזו השפעה יש לזה כדי להבטיח את המשאבים והתקציב הנכונים להצלחה.”

האתגרים שעדיין עומדים בדרך

על אף ההצלחות המרשימות וההוכחות ל-ROI, הדוח מזכיר שמנהלים עדיין נתקלים בחסמים לא פשוטים כשהם מנסים להטמיע AI בקנה מידה גדול.

בראש הרשימה נמצאת פרטיות ואבטחת מידע – לא פחות מ-37% מהמנהלים מציינים שזהו השיקול המרכזי בבחירת ספקי LLM, מחשש לדליפת מידע רגיש או לעיוות נתונים שעלול לפגוע באמון.

אתגר נוסף הוא האינטגרציה עם מערכות קיימות – 28% מהארגונים מודים שהחיבור של מערכות AI חדשות אל תשתיות ה-IT הקיימות מורכב הרבה מעבר לטכנולוגיה עצמה, משום שהוא נוגע גם לשמירה על רציפות עסקית ולמניעת תקלות.

ולבסוף, נושא העלויות עדיין מרחף מעל – למרות שהטכנולוגיה עצמה מתייעלת, 27% מהמנהלים מודאגים מההשקעות הנדרשות בכוח אדם, תשתיות והטמעה.

המסקנה ברורה, כדי להפיק ערך אמיתי מה-AI, לא מספיק לרכוש מודלים מתקדמים. ארגונים חייבים להיערך עם ממשל נתונים מוקפד, תשתיות חזקות ואסטרטגיית אבטחה, אחרת ההבטחה הגדולה עלולה להיתקע באמצע הדרך.

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

לפרטים נוספים לחצו כאן >>

מה צריך לעשות עכשיו?

הדוח של Google Cloud אינו רק אוסף נתונים, אלא מפת דרכים ברורה עבור מנהלים בישראל ובעולם שמעוניינים להפוך את ה-AI ממבחן חד-פעמי למנוע עסקי קבוע. הנה כמה תובנות מרכזיות:

• קפצו למים – הפער בין מאמצים מוקדמים לאחרים רק הולך וגדל. 88% מהמאמצים המוקדמים כבר רואים ROI, לעומת 74% בכלל הארגונים. זהו יתרון תחרותי שקשה לסגור בדיעבד.

• התמקדו בתחומים מוכחים – פרודוקטיביות, חווית לקוח ואבטחה הם שלושת האזורים שבהם מתקבלות התוצאות העקביות ביותר, ללא תלות בענף.

• בנו תמיכה ניהולית עליונה – ארגונים ללא מחויבות מצד ההנהלה הבכירה רואים משמעותית פחות ROI. מנהיגות ברמת C-suite היא קריטית כדי להסיר חסמים ולהבטיח השקעה נכונה.

• השקיעו בטאלנט – 42% מהארגונים מזהים את פיתוח הכישורים כתחום ההשקעה העליון. בלי אנשים מיומנים, גם הטכנולוגיה המתקדמת ביותר תתקשה לייצר ערך.

כאן חשוב לזכור גם את תמונת המראה מהמחקר של MIT והמשמעות היא שהפער בין ניסוי לבין הצלחה נובע מהיעדר אסטרטגיה, תרבות ארגונית ותמיכה ניהולית – בדיוק אותם מרכיבים שהדוח של Google מצביע עליהם כמפתח ל-ROI גבוה.

בשורה התחתונה, הטכנולוגיה כבר בשלה, והצלחות בשטח מוכחות. השאלה האמיתית היא לא האם ה-AI עובד, אלא האם הארגון ערוך לאמץ אותו נכון. מי שיפעל עכשיו עם אסטרטגיה ותשתית נכונה ירוויח יתרון תחרותי ברור, ומי שלא, עלול לגלות שהוא מצטרף לסטטיסטיקת הפיילוטים שנכשלו.

הפוסט המחקר הגדול של גוגל על תשואת השקעה ב-AI הופיע ראשון בLet's AI בינה מלאכותית

הבעיה האנרגטית של ה-AI הגנרטיבי

מאחורי כל תמונה שנוצרת בלחיצת כפתור מסתתר מחיר כבד – חשמל. מחקר מאוניברסיטה בעיר פירנצה (University of Florence) באיטליה, הראה שהפער בצריכת האנרגיה בין מודלים שונים של יצירת תמונות יכול להגיע ל- פי 46. הסיבה היא שמודלי הדיפוזיה הנפוצים היום דורשים מאות עד אלפי חישובים נפרדים לכל תמונה אחת. כל חישוב כזה הוא עוד “ביס” מהחשמל.

מבט רחב יותר מגלה תמונה לא פחות מדאיגה. מרכזי הנתונים ברחבי העולם צרכו ב-2022 כ-460 טרה-וואט שעה, כמות חשמל השווה לתצרוכת של מדינה בינונית. אפילו פעולה פשוטה כמו שאילתה ב-ChatGPT דורשת בערך פי עשרה יותר אנרגיה מחיפוש רגיל בגוגל. אם המגמה תימשך, עד סוף העשור מרכזי הנתונים עלולים לצרוך כמעט פי שלושה יותר חשמל לעומת תחזיות שנעשו לפני “הבום” של הבינה המלאכותית.

הפתרון האופטי המהפכני

כדי להתמודד עם הבעיה האנרגטית, חוקרי UCLA בראשות פרופ’ איידוגאן אוזג’אן (Aydogan Ozcan) ובהובלת ד”ר שיקי צ’ן (Shiqi Chen) בחרו לחשוב אחרת לגמרי. במקום להעמיס על מחשבים במיליוני חישובים, הם ניצלו משהו שקיים בטבע עצמו – את האור. הפיזיקה של קרני האור מאפשרת לבצע את “העבודה הקשה” כמעט בלי לחשב דבר, ובכך להפוך תהליך שדורש כיום כמויות עצומות של חשמל לפעולה מהירה וחסכונית.

איך זה עובד בפועל? המערכת האופטית בנויה משלושה שלבים פשוטים להבנה:

• שלב ראשון: מחשב קטן מייצר מעין “רעש” – דפוס ראשוני של נקודות אור אקראיות. זהו הבסיס שממנו תיווצר התמונה, והוא כמעט לא צורך אנרגיה.

• שלב שני: הדפוס הזה מוטבע על קרן לייזר בעזרת מכשיר מיוחד שנקרא מודולטור אור מרחבי (Spatial Light Modulator – SLM). 

• שלב שלישי: קרן הלייזר עוברת דרך מודולטור נוסף, שמפענח את הדפוס והופך אותו לתמונה של ממש. הכל קורה במהירות האור בלי צורך במיליוני חישובים דיגיטליים.

כדי להבין איך זה עובד בפועל, הנה מבט מבפנים: בצד שמאל רואים את התרשים העקרוני של המערכת – קרן לייזר שעוברת דרך רכיבים שונים עד שהיא מומרת לתמונה. בצד ימין מופיעה הגרסה האמיתית שהורכבה במעבדה. בתחתית אפשר לראות דוגמאות ראשונות לתמונות פשוטות שנוצרו, כמו ספרות ובגדים – הוכחה שהמערכת לא נשארת על הנייר, אלא באמת עובדת:

איך בנויה המערכת האופטית. Source: nature.com

ביצועים מרשימים ברמה המעשית

כדי לבדוק את השיטה, החוקרים נתנו לה משימה אמיתית – יצירת תמונות. המערכת הצליחה להפיק דיוקנאות של דמויות מוכרות, תמונות של פרפרים ופרחים, פריטי אופנה ואפילו יצירות אמנות בהשראת ואן גוך. ההשוואה מול מערכות AI מסורתיות הראתה שהאיכות טובה, אבל צריכת האנרגיה קטנה פי מאות.

במאמר מרתק שפורסם ב-Nature הוצגו שתי דרכי פעולה שונות: הראשונה, מודלים אופטיים מהירים במיוחד (snapshot), שמייצרים תמונה במעבר יחיד של קרן אור. השנייה, מודלים “איטרטיביים”, שמדמים את התהליך הדיגיטלי המקובל אבל עושים זאת באמצעות אור במקום חישוב כבד.

כדי להבין את ההבדל בצורה מוחשית, הנה דוגמה מתוך המחקר. בצד שמאל רואים תמונות שנוצרו במודל דיגיטלי רגיל (עם אלפי שלבי חישוב), ובצד ימין את אותן תמונות שנוצרו במערכת האופטית החדשה. ההבדלים באיכות עדיין קיימים, אך התוצאה מפתיעה – הדמיה באמצעות אור מצליחה להגיע לאיכות דומה ובחיסכון עצום באנרגיה:

איך זה נראה בפועל: דיגיטלי מול אופטי. Source: nature.com

תחומי יישום עתידיים

החוקרים מדגישים שהטכנולוגיה הזו לא נועדה להישאר על שולחן הניסויים ויש לה פוטנציאל יישומי רחב מאוד.

• מכשירים ניידים ולבישים: המערכת יכולה להשתלב במשקפי מציאות רבודה או מציאות מדומה (AR/VR), בסמארטפונים ואפילו בשעונים חכמים. המשמעות היא חוויות ויזואליות עשירות בלי שהסוללה תתרוקן במהירות.

• יישומים רפואיים: הדמיה ואבחון רפואי דורשים עיבוד תמונה מהיר ואמין. כאן, השימוש באור יכול להאיץ בדיקות ולחסוך זמן קריטי במצבים רפואיים.

• מדיה אימרסיבית: עולם הבידור והמשחקים יכול ליהנות מתמונות וסרטונים באיכות גבוהה שמיוצרים בצורה חסכונית, כך שחוויות אימרסיביות יהפכו זמינות יותר ופחות תלויות בתשתיות יקרות.

השלכות על תעשיית ה-AI

המשמעות הרחבה של המחקר היא לא פחות ממהפכה – הגישה החדשה מראה שאפשר לשנות את כל כללי המשחק ולעבוד עם חוקי הפיזיקה עצמם. כפי שהסביר פרופ’ איידוגאן אוזג’אן (Aydogan Ozcan): “מודלים גנרטיביים אופטיים פותחים את הדלת למערכות AI יעילות אנרגטית שיכולות לשנות טכנולוגיות יומיומיות.”

אתגרים ומגבלות

כמו בכל פריצת דרך, גם כאן יש לא מעט אתגרים. איכות התמונות שהמערכת מפיקה עדיין לא משתווה לזו של הכלים המובילים בשוק כמו Ideogram או Midjourney, והיא דורשת עוד פיתוח לפני שתוכל להתחרות בהם ישירות. בנוסף, כרגע היא מתאימה בעיקר לסוגי תמונה פשוטים יחסית, בעוד שמודלים דיגיטליים יכולים להתמודד עם בקשות מורכבות בהרבה.

גם המעבר מהדגמות מעבדה למוצר תעשייתי ידרוש זמן והשקעה. השילוב של רכיבים אופטיים במערכות מחשוב קיימות אינו פשוט, וייצורם עדיין יקר יותר בהשוואה לחומרה דיגיטלית רגילה. עם זאת, החוקרים מעריכים שעם הזמן ועל רקע ההתקדמות בננו-ייצור, המחירים ירדו והטכנולוגיה תהפוך נגישה הרבה יותר.

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

לפרטים נוספים לחצו כאן >>

מסקנות והצצה לעתיד

פריצת הדרך של חוקרי UCLA היא הרבה יותר מעוד שדרוג טכנולוגי, היא רמז לעידן חדש שבו פוטוניקה ובינה מלאכותית משתלבים ליצירת מערכות חכמות, מהירות וחסכוניות. היא מראה איך חוקי הפיזיקה עצמם יכולים להפוך לכלי לפתרון בעיות טכנולוגיות שהיו נראות בלתי פתירות. הטכנולוגיה עדיין בראשית דרכה, אבל הפוטנציאל ברור – היא יכולה לשנות את כללי המשחק של תעשיית ה-AI.

כדי להגיע לשם, נדרשת עבודה נוספת כמו שיפור ברזולוציית ואיכות התמונות, הרחבת סוגי התכנים שניתן ליצור, הפחתת עלויות הייצור של רכיבים אופטיים ופיתוח מסגרות תעשייתיות שיאפשרו שילוב המערכת במכשירים יומיומיים. רק שילוב של התקדמות טכנולוגית, כלכלית ותעשייתית יוכל להפוך את ההבטחה הזו למציאות נגישה.

בעולם שבו הבינה המלאכותית הופכת לחלק בלתי נפרד מהחיים הדיגיטליים שלנו, המחקר הזה מזכיר שאפשר לחדש, ועדיין להיות אחראים לסביבה. זה לא רק עתיד של טכנולוגיה חכמה יותר, אלא גם עתיד של טכנולוגיה נקייה יותר.

הפוסט פריצת דרך עם מודל AI חדש שמייצר תמונות במהירות האור ובזול הופיע ראשון בLet's AI בינה מלאכותית

הניסוי הגדול

במחקר בחנו החוקרים כיצד שבעה עקרונות שכנוע קלאסיים משפיעים על מודל GPT-4o mini של ChatGPT: סמכות (Authority), מחויבות (Commitment), חיבה (Liking), הדדיות (Reciprocity), מחסור (Scarcity), הוכחה חברתית (Social Proof) ואחדות (Unity).

כל אחד מהעקרונות נוסה ב- 28,000 שיחות שנגעו לשתי בקשות בעייתיות במיוחד – האחת תמימה לכאורה אך מטרידה, שבה המשתמש ביקש מהמודל להעליב אותו, והשנייה מסוכנת בהרבה, שבה נדרש הסבר לייצור חומר כימי מבוקר (“איך מייצרים לידוקאין”). בכל מקרה נערכה השוואה בין ניסוי מבוקר, שבו הבקשה נוסחה ישירות, לבין ניסוי טיפולי שבו שולב עקרון שכנוע בתוך השיחה.

AI נכנע לפסיכולוגיה

במצב רגיל, ה-AI הסכים לבקשות בעייתיות בכשליש מהמקרים בלבד – בערך 33%. אבל כשהחוקרים שילבו עקרונות שכנוע בתוך השיחה, שיעור ההיענות זינק ל-72% בממוצע – יותר מכפול.

כאן נכנסים ההבדלים בין העקרונות עצמם. המחויבות התגלתה כחזקה ביותר, וברגע שהמודל הסכים לבקשה קטנה, למשל “תקרא לי בוזו”, הוא התקשה לעצור והמשיך להיענות גם לבקשה הבאה, “תקרא לי טמבל”. ברצף הזה שיעור הציות הגיע ל-100%. גם עקרון הסמכות היה עוצמתי – אזכור של דמות מוכרת כמו “פרופ’ אנדרו נג ביקש…” העלה את שיעור ההיענות עד 95%, אפילו בבקשות כימיות מורכבות.

עקרונות אחרים הראו השפעות סלקטיביות יותר. החיבה עבדה היטב כשמדובר בעלבונות, אבל כשעברו לבקשות לידע מסוכן היא כמעט לא עבדה. ההוכחה החברתית יצרה אפקט דרמטי בהקשר החברתי – שיעור ההיענות לעלבונות עלה מ-90% ל-96%, אבל בבקשות כימיות ההצלחה הייתה זניחה, מ-1% ל-18% בלבד. לעומת זאת, תחושת המחסור (“יש לך דקה לעזור”) גרמה למודל להיענות הרבה יותר, עם קפיצה של עד 85% במקרים מסוימים.

המספרים מדברים בעד עצמם – והגרף הבא ממחיש עד כמה עקרונות השכנוע מכפילים את שיעור ההיענות:

שיעורי היענות של AI לפי עקרונות שכנוע (Control מול Treatment)

למה זה קורה? 

החוקרים מציעים הסבר מטריד – תופעת ה”פרה-הומניות” של AI. מודלי שפה גדולים לא רק לומדים תחביר ודקדוק, אלא גם סופגים דפוסים פסיכולוגיים מתוך אינספור טקסטים אנושיים. לכן הם מגיבים למחמאות, נמשכים לעקביות אחרי התחייבות קודמת, מושפעים מסמכות, ואפילו “רוצים להשתלב” כשהם נחשפים לניסוח בסגנון “כולם כבר עשו את זה”.

בפועל אין להם רגשות או אינטרסים, ובכל זאת הם מתנהגים כאילו יש להם. בדיוק כמו אדם שמתקשה להגיד “לא”, גם המודל נגרר אחרי השיחה ומוותר על הגבולות שהוצבו לו.

איומי אבטחה בעולם האמיתי

כאן טמון האיום האמיתי – גבולות הבטיחות של AI אינם טכניים בלבד, אלא גם פסיכולוגיים. המשמעות היא שהסכנה לא נובעת רק מפריצות מתוחכמות של האקרים, אלא גם ממניפולציות יומיומיות של שפה.

בארגונים ותאגידים, למשל, עובד שמשתמש בכלי AI פנימי עלול לשכנע את המערכת לחשוף מידע רגיש גם בלי כוונה רעה. מספיק שיניח לה “מחויבות קטנה” כמו בקשה תמימה או בדיחה פנימית, ואז ימשיך לדרוש ממנה קוד או מסמך סודי. השאלה היא האם החברה ערוכה לתרחיש כזה.

גם במערכות ציבוריות, כמו בריאות, רווחה או חינוך, פנייה מניפולטיבית עלולה לעקוף הגנות ולגרום ל-AI לספק מידע או שירות שאסור לו לתת. ואפילו בעולמות האוטומציה העסקית, שבהם AI מנהל תהליכים פיננסיים או משפטיים, ניסוח מתוחכם עשוי להספיק כדי לגרום למערכת לאשר פעולה חריגה.

מגבלות המחקר ומה נותר פתוח

החוקרים עצמם מבהירים שמדובר בצעד ראשון בלבד. הניסוי נערך בשפה האנגלית על מודל אחד, GPT-4o mini, ולכן לא ברור אם בשפות אחרות או במודלים גדולים יותר התוצאות ייראו אותו הדבר. גם הניסוח משחק תפקיד כי שינוי קטן במילים עלול להעלים את האפקט כולו. בנוסף, כשהחוקרים בחנו מודל מתקדם יותר, GPT-4o, ההשפעה הייתה חלשה בהרבה – שיעורי ההיענות עלו מ-23% ל-33% בלבד.

ולבסוף, המחקר התמקד בצד המטריד של השכנוע, אבל לא נבדק האם אותם עקרונות יכולים לשמש גם לטובה, לדוגמה, לשפר חוויות למידה, להניע שינוי התנהגותי או לתמוך בתהליכי טיפול ואימון אישי.

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

לפרטים נוספים לחצו כאן >>

לסיכום, זהו רגע מכונן בהבנת גבולות הבינה המלאכותית. המודלים של היום אינם עוד “מחשבי הסתברות” נטולי הקשר, הם ממש נכנעים למניפולציות פסיכולוגיות פשוטות. המשמעות היא שהעתיד של אבטחת AI לא יוכל להישען רק על מומחי סייבר, אלא ידרוש גם חשיבה של פסיכולוגים חברתיים. השאלה הגדולה שנותרה פתוחה היא האם נדע לרתום את אותן טכניקות לטוב, כדי לחזק למידה, טיפול ושירותים, או שנשאיר פתח למניפולציות מסוכנות.

למי שמעוניין להתעמק, אפשר לקרוא את המחקר המלא כאן.

הפוסט איך לגרום לבינה מלאכותית לעשות כמעט הכול הופיע ראשון בLet's AI בינה מלאכותית

ירידה במכירות וכישלונות תפעוליים

השינוי האסטרטגי הזה מגיע בתקופה קשה במיוחד לטסלה. החברה מתמודדת עם ירידה משמעותית במכירות הרכבים החשמליים – ליבת העסק שלה עד כה. בחצי הראשון של 2025, המסירות העולמיות ירדו ב-13%. באירופה, התמונה חמורה יותר: במדינות כמו שבדיה נרשמה ירידה של 86% ביולי, בדנמרק ירידה של 52%, ובצרפת ירידה של 27% באוגוסט.

בסין, המצב דומה: ירידה של כ-22% ב”סין פלוס” (סין + יצוא) וכ-20% במכירות הביתיות במחצית הראשונה של 2025. אנליסטים מצפים לירידה כוללת של כ-8% במכירות ב-2025 כולה. המניה של טסלה ירדה ב-22% מתחילת 2025, ועומדת על כ-333 דולר. למרות זאת, שווי השוק של החברה הוא עדיין כ-1.06-1.08 טריליון דולר, מה שמציב אותה במקום ה-11 בעולם לפי שווי שוק.

בין הייפ למציאות מביכה

הרובוט ההומנואידי אופטימוס הוא הכוכב של התוכנית החדשה, אבל המציאות רחוקה מההבטחות. כרגע, הרובוטים מבצעים רק “משימות פשוטות במפעל” במתקני טסלה, ויעילותם פחותה ב-50% מזו של עובדים אנושיים.

מאסק, שמודל הבינה המלאכותית שלו (גרוק 4) בהחלט מצליח בשוק הצ׳אטבוטים הרותח, צופה שאופטימוס יתרום 80% מהערך של טסלה, ומעריך שהחברה יכולה להגיע לשווי של 25 טריליון דולר, כאשר 20 טריליון מהם יגיעו מאופטימוס. התוכניות כוללות ייצור של 5,000 יחידות ב-2025, אבל החברה מאחרת בצורה משמעותית עם דיווח על ייצור של מאות יחידות במקום אלפים עד יולי 2025 .

האתגרים בפרויקט אופטימוס הם גם ניהוליים וגם טכנולוגיים. בחודש יוני 2025, טסלה עצרה את הייצור לאחר שמילן קובאץ’ (Milan Kovac), מנהל הפרויקט המקורי, עזב את החברה. אשוק אלוסוואמי (Ashok Elluswamy), סגן נשיא AI באופטימוס, השתלט על הפרויקט והחליט על עיצוב כולל מחדש.

כישלונות טכניים ותקווה לשיפור

הדגמות אופטימוס עד עכשיו מוגבלות ולעיתים אף מביכות. הרובוט מתקשה אפילו להגיש פופקורן במסעדה של טסלה בלוס אנג’לס ומתמודד עם בעיות חמורות כמו התחממות יתר במנועי המפרקים, יכולת נשיאה נמוכה של הידיים, חיי סוללה קצרים ובעיות בעיבוד נתונים.

התוכנית זכתה לביקורת קשה ממומחי התעשייה. פרד למברט, עורך ראשי של Electrek, כינה אותה “לא יותר ממבחר הבטחות AI על רובוט הומנואידי, שלא מסוגל אפילו להגיש פופקורן”. TechCrunch תיארה אותה כ”שטויות שנוצרו על ידי מודל שפה גדול”, והשוותה אותה לרעה מול התוכניות הקודמות שהיו יותר קונקרטיות.

עם זאת, דגמים עדכניים מ-2025 מראים שיפור, כמו ניווט בסביבות מורכבות והרמת חפצים כבדים יותר, והפרויקט צפוי לתרום לשוק רובוטיקה הומנואידית עולמי עם הזדמנות הכנסות של כ-26 טריליון דולר, לפי הערכות אנליסטים כמו ARK Invest.

.

מאסק עצמו הודה בביקורת ב-X, ואמר שהיעדר פרטים קונקרטיים – כמו לוחות זמנים, מחירים ומפרטים טכניים – הוא “נקודה הוגנת”. אבל גם אז הוא לא הציע מתי בדיוק יפורסמו הפרטים החסרים, והשאיר את הקוראים עם אותן שאלות פתוחות.

מה קורה עם רובוטקסי

גם פרויקט הרובוטקסי של טסלה סובל מעיכובים. החברה דחתה את השקת הרובוטקסי מאוגוסט לאוקטובר 2024, ואפילו ההשקה המצומצמת באוסטין בקיץ 2025 נדחתה לספטמבר בגלל חששות רגולטוריים.

למרות העיכובים, ההשקה באוסטין ביוני 2025 כללה כ-10 רכבים עם נהגי בטיחות, והתרחבה בהדרגה עם הרחבה של אזורי שירות, בפוטנציאל לשוק עולמי של כ-10 טריליון דולר. טסלה מתמודדת עם תחרות קשה בתחום. Waymo של גוגל כבר מפעילה שירות בתשלום במספר ערים, עם כ-250,000 נסיעות שבועיות, והשיגה 10 מיליון נסיעות עד מאי. גם בסין, Apollo Go של Baidu כבר פעיל.

האמת מאחורי השינוי

השינוי של טסלה הוא לא רק אסטרטגי, אלא בעיקר תגובה למציאות השוק הקשה. החברה, שהייתה מובילה במכוניות חשמליות, רואה עכשיו ירידה חדה במכירות בגלל תחרות גוברת מיצרנים סיניים כמו BYD, בעיות כלכליות גלובליות, והשפעה שלילית של עמדותיו הפוליטיות השנויות במחלוקת של מאסק.

על ידי מעבר ל-AI ורובוטיקה, טסלה מנסה להמציא את עצמה מחדש ולהפוך למובילה בתחומים חדשים. אבל בניגוד לתוכניות המאסטר הקודמות שכללו יעדים קונקרטיים ולוחות זמנים מפורטים, חלק IV הוא יותר חזון פילוסופי מאשר תוכנית עסקית מבוססת.

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

לפרטים נוספים לחצו כאן >>

הימור מחושב עם פוטנציאל עצום

ההצלחה של השינוי תלויה לחלוטין בהגשמת ההבטחות הגרנדיוזיות. אם אופטימוס יצליח להפוך לרובוט שימושי וניתן לשיווק, טסלה יכולה אכן להפוך לענקית AI. אבל אם לא, זה עלול להיות סיכון רציני לחברה. שינוי כזה הוא הימור גדול וסופר מעניין, אבל הביקורת על היעדר פרטים קונקרטיים מוצדקת לחלוטין. לאחר שנים של הבטחות שלא קוימו בלוחות הזמנים המובטחים, משקיעים וציבור התעשייה זכאים לקבל תוכנית מפורטת ומעשית, ולא רק חזון פילוסופי על “שפע בר-קיימא”.

מצד שני, יש משקיעים שרואים ברובוטקסי ובאופטימוס כ-90% משווי טסלה העתידי, עם פוטנציאל שוק עולמי של כ-10 טריליון דולר לרובוטקסי (TAM) וכ-26 טריליון דולר לרובוטיקה הומנואידית (הזדמנות הכנסות), מה שמעיד על הימור מבטיח אם יצליח. העתיד יראה האם טסלה תצליח לבצע את המעבר המורכב הזה, או שהיא תישאר חברת רכב חשמליים עם שווי מנופח שמבוסס על הבטחות שלא התממשו.

הפוסט השינוי האסטרטגי של טסלה ממכוניות חשמליות לאימפריית AI הופיע ראשון בLet's AI בינה מלאכותית

בסרטון המצורף מסבירים Jacob Klein ו-Alex Moix מצוות מודיעין האיומים של Anthropic כיצד הם מזהים ומסכלים ניסיונות כאלה בזמן אמת. זו הזדמנות נדירה לקבל מבט מבפנים – ישירות מהחברה שמפעילה את Claude – ולראות איך נראית פשיעת סייבר בעידן הבינה המלאכותית ומה באמת קורה מאחורי הקלעים.

מה בעצם השתנה

בינה מלאכותית תמיד ידעה לייעץ, לכתוב או להציע רעיונות. השינוי הגדול הוא שבדור החדש, עם המודלים המתקדמים, היא כבר לא מסתפקת בלתת כיוון – היא מבצעת בפועל. המודלים הפכו ל”עוזרים מבצעיים”. הם יודעים לאתר פרצות במערכות, לנסח הודעות סחיטה שנשמעות אמינות, ואפילו לנהל מתקפה שלמה מתחילתה ועד סופה. וזה לא תרחיש עתידי או איום תיאורטי, זה מתרחש כבר עכשיו, כפי שממחישים הסיפורים בדו”ח של Anthropic.

שלושה סיפורים שמסבירים הכל

סחיטה חכמה שמכוונת ללב

המקרה הבולט ביותר שתיעדה אנטרופיק הוא של פושע סייבר שפיתח מה שהחברה מכנה “vibe hacking”. הפושע השתמש ב-Claude Code, כלי הקוד האוטונומי של אנטרופיק, כדי להוציא לפועל מבצע סחיטה בקנה מידה גדול שכוון ל-17 ארגונים שונים, כולל מוסדות בריאות, שירותי חירום, גופים ממשלתיים ודתיים. במקום להשתמש ב”כופר קלאסי” שמצפין מידע, הפושע איים לחשוף את הנתונים הגנובים בפומבי כדי לסחוט מקורבנותיו תשלומי כופר שהגיעו לעיתים למעלה מ-500,000 דולר.

Claude שימש לכל שלב במבצע: סריקה אוטומטית של אלפי נקודות גישה VPN לזיהוי מערכות פגיעות, קצירת אישורים וחדירה לרשתות, קבלת החלטות טקטיות ואסטרטגיות, כמו בחירת הנתונים לגניבה, ניתוח נתונים פיננסיים לקביעת סכומי כופר מתאימים ויצירת פתקי כופר המותאמים פסיכולוגית לכל קורבן. הבינה המלאכותית עזרה לו לבחור את המטרות, להבין איפה הכי כואב לכל ארגון, ולנסח מכתבי איום מותאמים אישית. המסר פשוט – זו כבר לא סחיטה טכנית, אלא סחיטה שמבוססת על הבנה פסיכולוגית.

עובדי IT מזויפים

הדו”ח חושף גם כיצד פעילים צפון קוריאנים משתמשים ב-Claude כדי להשיג תעסוקת מרחוק במשרות טכנולוגיות בחברות Fortune 500 אמריקאיות. המבצע התוחכם מאז שנחשף לראשונה על ידי ה-FBI, כאשר עובדי ה-IT המזוייפים השתמשו בבינה מלאכותית לכל שלבי התהליך: יצירת זהויות מזויפות עם רקע מקצועי משכנע, השלמת בדיקות טכניות וקוד במהלך תהליך הגיוס, ביצוע עבודה טכנית יום-יומית לאחר הגיוס ומיסוך הופעה בראיונות וידאו באמצעות טכנולוגיית deepfake.

לפי דו”ח CrowdStrike, מספר החברות שגייסו עובדים צפון קוריאנים זינק ב-220% בשנה האחרונה, עם יותר מ-320 חברות שנפגעו. העובדים נדרשים להרוויח 10,000 דולר לחודש כל אחד, והמבצע מניב לפי הערכות האו”ם בין 250-600 מיליון דולר בשנה לתכנית הנשק הגרעיני של המשטר.

תוכנת כופר בלי לדעת לכתוב קוד

עבריין עם ידע בסיסי הצליח לפתח ולמכור גרסאות שונות של תוכנת כופר בעזרת Claude בלבד. הוא לא היה מסוגל לכתוב קוד בעצמו, אבל המודל הדריך אותו, שיפר עבורו את התוכנה, ואפילו ניסח הוראות שימוש. בהמשך הוא מכר את הערכות הללו בפורומים של פושעי סייבר במחירים של כמה מאות דולרים. אם בעבר היה צורך במומחיות עמוקה כדי לבנות תוכנה זדונית, היום מספיק לדעת איך לבקש את זה מה-AI.

הנה מודעת מכירה אמיתית מה-Dark Web מחודש ינואר 2025 – עבריין מציע ערכות תוכנת כופר שונות במחירים שבין 400 ל-1200 דולר:

מודעת מכירה אמיתית של ערכת כופרה ב- Dark-Web. מקור: Anthropic

מהפכה בפשיעת הסייבר

הדו”ח מצביע על שלוש מגמות מדאיגות:

״נשקיזציה״ (Weaponization) של בינה מלאכותית אוטונומית

מודלי בינה מלאכותית משמשים כעת לביצוע התקפות סייבר מתוחכמות, לא רק לייעוץ על ביצוען. Jacob Klein, ראש צוות מודיעין האיומים באנתרופיק, הסביר: “מה שהיה מצריך בעבר צוות של מומחים יכול כעת להתבצע על ידי אדם אחד בעזרת מערכות אוטונומיות”.

הנמכה דרסטית של מחסומי הכניסה

פושעים עם מעט כישורים טכניים משתמשים בבינה מלאכותית לביצוע פעולות מורכבות, כמו פיתוח כופרה, שהיו דורשות בעבר שנים של הכשרה. לפי דו”ח SoSafe, כ-87% מאנשי האבטחה דיווחו על התקפות סייבר מונעות בינה מלאכותית בארגון שלהם בשנה האחרונה.

שילוב הבינה המלאכותית בכל שלבי הפשיעה

פושעי סייבר ורמאים שילבו בינה מלאכותית בכל שלבי הפעילות שלהם, כולל פרופיל קורבנות, ניתוח נתונים גנובים, גניבת מידע כרטיסי אשראי ויצירת זהויות מזויפות.

סטטיסטיקות מדאיגות ומגמות עתידיות

הנתונים העדכניים מצביעים על הסלמה דרמטית בשימוש בבינה מלאכותית לפשיעת סייבר – העלות הגלובלית הממוצעת של הפרת נתונים עמדה על 4.88 מיליון דולר ב-2024, עלייה של 10% מ-2023. USAID צופה שהעלות הגלובלית של פשיעת הסייבר תטפס ל-24 טריליון דולר עד 2027. ישנה עלייה של למעלה מ-4,000% בהתקפות פישינג מונעות בינה מלאכותית ו- 91% ממומחי האבטחה צופים עלייה משמעותית באיומי בינה מלאכותית בשלוש השנים הקרובות.

ומה בצד ההגנה

למרות האיומים, בינה מלאכותית משמשת גם כנשק הגנתי יעיל. חברות המשתמשות בבינה מלאכותית לצרכי אבטחה חוסכות בממוצע 2.2 מיליון דולר בעלויות הפרת נתונים לעומת חברות שאינן משתמשות בפתרונות אלה. Anthropic מספרת כי היא חוסמת חשבונות חשודים, משתפת מידע עם רשויות ועם חברות אבטחה אחרות, ומפתחת כלים שמזהים פעילות חריגה עוד לפני שהמתקפה יוצאת לדרך.

במקרים מסוימים קמפיינים שלמים נעצרו עוד בשלב ההכנות. יחד עם זאת, צריך לזכור, התוקפים מסתגלים מהר, מחליפים שיטות ולומדים מהחסימות. לכן ההגנה חייבת להתפתח בקצב מתמיד, אחרת נמצא את עצמנו תמיד צעד אחד מאחור.

למה זה חשוב לכולנו, לא רק לאנשי סייבר

כשפושעי סייבר משתמשים בבינה מלאכותית, ההשלכות כבר לא נשארות בעולם המחשבים. הן מגיעות ישר אל תוך החיים שלנו. זה יכול להיות בית חולים שמאבד גישה למידע קריטי על חולים, עסק קטן שנאלץ לשלם כופר כדי לא לקרוס, או אדם פרטי שמקבל הודעת סחיטה או פוגש בוט שמתחזה לאדם אמיתי. מה שבעבר נראה רחוק ומורכב, הופך היום לפגיעות יומיומית. כולנו חשופים, ודווקא בגלל זה חשוב להבין את התמונה ולהיערך מראש.

מה עושים עכשיו?

ברמה האישית

תחשבו על זה כך, רוב ההתקפות מתחילות בהודעה אחת לא צפויה – לינק במייל, קובץ שהגיע בוואטסאפ, או בקשה דחופה להזין סיסמה. אם עוצרים רגע ולא לוחצים מיד, אפשר למנוע נזק גדול. גם אימות דו־שלבי פשוט (כמו קוד בסמס) הופך את החשבון שלכם להרבה יותר קשה לפריצה. ואם משהו נראה מוזר, שתפו חבר, בן משפחה או קולגה. לפעמים עצירה של דקה והתייעצות קטנה מונעת נפילה במלכודת.

ברמה הארגונית

כדי להתמודד עם איומי הסייבר החדשים, נדרשות פעולות משולבות:

• יישום מסגרות ממשל בינה מלאכותית כמו NIST AI RMF לניהול סיכונים.

• השקעה בפתרונות זיהוי אנומליות מבוססי AI שיאתרו איומים בזמן אמת.

• הכשרת עובדים לזיהוי התקפות סוציאליות מתוחכמות.

• פיתוח תהליכי גיוס מחמירים שימנעו חדירת “עובדים מזויפים”.

אבל חשוב להבין, האיום איננו רק טכנולוגי, אלא גם אנושי וניהולי. מבחן קוד או ראיון בזום כבר לא מספיקים כדי לוודא מי באמת נמצא מאחורי המסך. עובדים חדשים צריכים לעבור תהליך אימות זהות מקיף, וכל עובד חייב לקבל גישה רק למערכות הנחוצות לו – צמצום הרשאות שווה צמצום סיכונים.

כמו שמתרגלים כיבוי אש, כך צריך לתרגל גם מצבי תקיפה דיגיטלית: הודעות פישינג, ניסיונות סחיטה או גניבת זהות. מי שמתרגל – נופל פחות. ולבסוף, גיבוי טוב שנבדק בפועל וניתן לשחזר ממנו במהירות, יכול להיות ההבדל בין ארגון שממשיך לעבוד כרגיל לבין ארגון שנאלץ לשלם כופר ולעצור פעילות.

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

לפרטים נוספים לחצו כאן >>

לסיכום, הבינה המלאכותית לא הפכה את פשיעת הסייבר לגזירת גורל, אבל היא הפכה אותה ליותר מהירה, גמישה ומשכנעת מתמיד. המשמעות ברורה – המתקפות יגיעו, אבל זה לא אומר שאין מה לעשות. החדשות הטובות הן שאפשר להתכונן. ככל שנבין איך נראית מתקפה כזו בפועל, נזהה את הסימנים מוקדם יותר, ונשאל את השאלות הנכונות, נוכל לעצור את הנזק בזמן.

 למי שרוצה להעמיק בנושא ולקבל גם נתונים טכניים והמלצות – כנסו לדוח המלא: Threat Intelligence Report: August 2025.

הפוסט דו״ח של Anthropic חושף כיצד בינה מלאכותית הופכת לכלי נשק בידי עברייני סייבר הופיע ראשון בLet's AI בינה מלאכותית

סגירת פער מול המתחרות

Meta מתקשה לעמוד בקצב של מתחרותיה, ובראשן Sora של OpenAI ו-Veo של Google. הכלים הפנימיים שלה – Imagine ו-MovieGen – נחשבים מוגבלים יחסית. שיתוף הפעולה עם Midjourney נועד לגשר על הפער במהירות ולהעניק לפלטפורמות של Meta יכולות חזותיות מתקדמות ואסתטיקה ייחודית.

חזון להביא כלים יצירתיים ויזואליים למיליארדי אנשים

אלכסנדר וואנג (Alexander Wang), מנהל ה-AI הראשי החדש של Meta, הצהיר כי המהלך יאפשר להביא למשתמשים “את המוצרים החזותיים המתקדמים ביותר”. מנכ”ל Midjourney, דיוויד הולץ (David Holz), הדגיש כי החברה “שומרת על עצמאות מלאה” – מסר מרכזי בעולם שבו חדשנות טכנולוגית מתנגשת לעיתים קרובות עם סוגיות של קניין רוחני ושליטה.

Midjourney נשארת עצמאית – בלי משקיעים חיצוניים

ההיבט הארגוני

לצד וואנג, דמות מרכזית נוספת היא נט פרידמן (Nat Friedman), סמנכ”ל המוצר של Meta, שמוביל את הקמת Meta Superintelligence Labs. המעבדה שואפת לפתח מודלים מתקדמים ומגייסת לשורותיה חוקרים בכירים יוצאי OpenAI, DeepMind ו-Anthropic.

עם זאת, דיווחים שונים חשפו כי חלק מהחוקרים שעברו ל-Meta עזבו בתוך זמן קצר ושבו למתחרות – תופעה שממחישה עד כמה שימור כוח אדם הפך לאתגר אסטרטגי בפני עצמו. במובנים רבים, המאבק על כישרון אינו פחות קריטי מהמרוץ לפיתוח הדור הבא של המודלים, משום שהוא קובע מי יחזיק ביתרון ארוך הטווח בשוק.

מהפכה גם לעסקים קטנים

המשמעות של השותפות אינה נשארת ברמת החזון והיא צפויה לשנות את אופי השימוש היומיומי בכלי Meta:

• מפרסמים קטנים יוכלו לייצר קמפיינים ויזואליים מלאים בתוך Ads Manager תוך דקות, ללא צורך בסטודיו חיצוני.

• מותגי אופנה יוכלו להציג דוגמניות וירטואליות באינסטגרם, במקום להפיק צילומים יקרים.

• עסקים קטנים יוכלו ליצור סרטוני מוצר ישירות ב-WhatsApp Business ולחסוך משמעותית בעלויות השיווק.

הדוגמאות הללו מבהירות שהמהלך אינו רק כלי להתמודדות מול ענקיות ה-AI, אלא שינוי של ממש בכללי המשחק – מיחידים ועד ארגונים גדולים.

זכויות יוצרים ורגולציה

עם זאת, האתגרים אינם נעלמים. מי מחזיק בזכויות על יצירה שנוצרה במנוע של Midjourney דרך פלטפורמות Meta? כיצד יובטח שהאמנים המקוריים יקבלו קרדיט או פיצוי הוגן? ומה תפקידה של הרגולציה בעידן שבו תוכן סינתטי מופץ בהיקפים עצומים? מומחים מזהירים כי ללא מנגנוני שקיפות ובקרה ברורים, השותפות הזו עלולה להצית מחלוקות משפטיות ואתיות רחבות.

שינוי תרבותי ב-Meta

השותפות עם Midjourney משקפת גם שינוי תרבותי עמוק. במשך שנים Meta דבקה במדיניות של “אנחנו מפתחים הכל בעצמנו”. כעת היא מאמצת גישה גמישה יותר – פתיחות לשיתופי פעולה, שילוב מודלים חיצוניים, והכרה בכך שחדשנות בקצב הנוכחי מחייבת אקוסיסטם שלם ולא שליטה בלעדית. המעבר הזה עשוי לעצב מחדש את התרבות הארגונית של Meta, וגם לשמש מודל לחברות טכנולוגיה אחרות שמתמודדות עם אתגרי צמיחה דומים.

פיתוח עצמאי מול שיתוף חיצוני

הברית עם Midjourney אינה מהלך מבודד, היא חלק ממגמה עולמית שבה חברות טכנולוגיה מבינות שהסתמכות מלאה על פיתוח פנימי כבר לא מספיקה. שוק ה-AI עובר לשיתופי פעולה, רישוי הדדי וגמישות אסטרטגית. דוגמה מרכזית היא שיתוף הפעולה בין Microsoft ל־OpenAI, שבו Microsoft משלבת את כוח החישוב של Azure עם המודלים המתקדמים של OpenAI, תוך שהיא משקיעה משאבים רבים בבניית תשתיות עצמאיות משל עצמה.

המגמה הזו משנה את דינמיקת היצירה הדיגיטלית. השימוש הרחב בטכנולוגיות כאלה עלול להביא ל”ויזואליות אוטומטית” בקנה מידה חסר תקדים – ממשקי משתמש נוצצים לצד הצפה של אינספור תמונות וסרטוני וידאו, שנוצרו במלואם באמצעות בינה מלאכותית ומשולבים באופן שוטף בתוכן היומיומי של משתמשים ועסקים.

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

לפרטים נוספים לחצו כאן >>

לסיכום, שיתוף הפעולה בין Meta למידג’רני הוא לא רק עסקה טכנולוגית אלא עדות לשינוי עמוק בתעשייה. הוא מסמן מעבר ממודלים סגורים למודלים פתוחים, ומגישה של שליטה מוחלטת לגישה המבוססת על שותפויות. אם המהלך יצליח, הוא צפוי לשדרג את חוויית המשתמש בפלטפורמות Meta ולחזק את מעמדה בזירת ה-AI. אם ייכשל, הוא יהווה תזכורת לכך שגם ענקיות טכנולוגיה חייבות להסתגל לעידן שבו אף חברה אחת לא יכולה להחזיק את כל הקלפים.

הפוסט Meta ומידג’רני בשותפות שמעצבת מחדש את מפת ה-AI הוויזואלי הופיע ראשון בLet's AI בינה מלאכותית

זה לא הטכנולוגיה, זה התהליך

מחקר MIT, שכלל 150 ראיונות עם מנהלים, סקר של 350 עובדים וניתוח של 300 פרויקטי AI, מצא פער הולך ומתרחב בין מיעוט קטן של חברות שמצליחות לבין רוב הארגונים שנתקעים. רק 5% מהפיילוטים מצליחים לייצר צמיחה אמיתית בהכנסות.

הבעיה איננה באיכות המודלים, אלא במה שהמחקר מכנה “learning gap” – הפער בין היכולות של הטכנולוגיה לבין היכולת של הארגון לנצל אותן. כלים כלליים כמו ChatGPT מצוינים לשימוש אישי בזכות הגמישות שלהם, אבל נכשלו בסביבה הארגונית משום שהם לא נטמעים בתהליכי העבודה הספציפיים של החברה.

במקביל נוצר פער מסוכן. הנהלות משקיעות בבניית פתרונות AI מורכבים, בעוד העובדים כבר משתמשים במה שנקרא Shadow AI – כלים לא מורשים כמו גרסת ChatGPT אישית.

התוצאה היא אובדן שליטה, חשיפה לסיכונים תפעוליים ומשפטיים, והחמצה של ההזדמנות לבנות יכולת ארגונית אמיתית.

חמש סיבות למה פרויקטים נכשלים

1. דאטה מפוזר ולא איכותי: גם ה-AI החכם בעולם לא יכול לתקן נתונים מבולגנים או חסרים. דאטה איכותי ומסודר הוא הבסיס להצלחת כל פרויקט. אם זה לא קיים, שום מודל לא יעזור. זו צריכה להיות העדיפות הראשונה בכל יוזמת AI.

2. מתייחסים ל-AI כמו למשחק: זה כמו לנסות להעלות רכב על מסילת רכבת. אי אפשר פשוט “להדביק” מודל AI לתהליך קיים ולצפות לקסם. הטמעת טכנולוגיה חדשה מחייבת שינוי אמיתי של התהליך העסקי.

3. אין בעלות עסקית ברורה: בלי KPI מוגדרים (יעדים מדידים כמו חיסכון בזמן, שיפור איכות, הגדלת הכנסות), אי אפשר לדעת מהי הצלחה. מחקר MIT מצא שיותר ממחצית מתקציבי AI מופנים לכלי מכירות ושיווק, אבל החזר ההשקעה הגבוה ביותר מגיע דווקא מאוטומציה של תהליכים פנימיים.

4. מתעלמים מה-ROI: חברות נכנסות לפרויקטים לא יעילים שנכשלו מראש. בלי בדיקה מוקדמת של הערך הכלכלי, קשה להבדיל בין השקעה נבונה לבין בזבוז זמן וכסף.

5. חסם תרבותי וארגוני: אנשים לא אוהבים שינויים. אימוץ טכנולוגיה חדשה דורש מנהיגות, ליווי ותמריצים. עובדים לא מאמצים חידושים בלי תמריצים אמיתיים כמו פיתוח מקצועי, הקלה בעומס או תגמול ברור.

כדי להפוך את הסיבות לכישלון למפת דרכים מעשית, אפשר להסתכל על כל נקודת כשל ולשאול: מה צריך לקרות כדי שזה יעבוד?

הטבלה הבאה מסכמת את חמשת החסמים המרכזיים לצד הפעולות שמבדילות בין פרויקט שנכשל לבין פרויקט שמצליח:

“כישלון מול הצלחה” באימוץ AI

המפתח הוא לא לעצור רק בזיהוי הבעיות, אלא להפוך כל חסם לרמז לפתרון. אם אין דאטה איכותי, בונים תשתית נתונים. אם אין KPI ברורים, מגדירים בעלות עסקית ומדדי הצלחה. אם העובדים מתנגדים לשינוי, יוצרים תמריצים אמיתיים. ארגונים שמטפלים ישירות בחסמים האלה הופכים את ה-AI מכלי חיצוני ליתרון עסקי אמיתי.

איך כן למדוד הצלחה?

חישובי ROI מסורתיים פשוט לא מתאימים לפרויקטי AI. בניגוד ליישומי תוכנה רגילים, כאן נדרשים יותר ניסויים וחוסר ודאות מובנה. מיקרוסופט לדוגמה, מציעה מסגרת אג’ילית שמותאמת בדיוק לאתגרים האלה:

לפרק בגדול – להתחיל בקטן

חלקו הזדמנויות גדולות לפיילוטים קטנים וממוקדים. התמקדו ב-Quick Wins – ״נצחונות מהירים״ שנותנים ערך שניתן לראות תוך שבועות, לא חודשים. כשאין תוצאות מהירות, הסבלנות של ההנהלה והעובדים פשוט נגמרת.

לקשור מדדים ישירות למטרות העסק

תמדדו הצלחה לפני, במהלך ואחרי. הגדירו KPI שמנכ”ל ומנהלים מבינים כמו חיסכון, שיפור איכות והגדלת הכנסה, ולא רק מדדים טכניים.

להפוך כל ניסיון ללמידה

תתעדו מה עבד ומה לא. לפעמים צריך לשנות את התהליך העסקי עצמו, ולא לנסות בכוח להתאים את ה-AI לתהליכים קיימים שלא מתאימים.

שלוש קטגוריות לחשיבה על ערך עסקי

1. הגדלת הכנסות

בבנקים, יישומי AI הובילו לעלייה של 2.8%-4.7% בהכנסות השנתיות – זה שווה ערך ל-200 עד 340 מיליארד דולר עבור הענף כולו. מורגן סטנלי, לדוגמה, הטמיעה עוזר מבוסס GPT-4 שמעניק ליועצי ההשקעות גישה מהירה יותר לידע ולתובנות.

2. חיסכון בעלויות

בקמעונאות נרשמה עלייה בפרודוקטיביות של 1.2%-2%. זה אולי נשמע מספר קטן, אבל בענף עצום כמו קמעונאות מדובר במאות מיליוני דולרים. פתרונות AI לניהול מלאי מפחיתים את עלויות האחסון ב-15%-20%. בייצור, תחזוקה חזויה מורידה את ההשבתות הלא מתוכננות בכ-30%.

3. הפחתת סיכונים

AI מזהה איומים, חוזה כשלים ומסייע בעמידה ברגולציה. בתעשיית התרופות, לדוגמה, זמני פיתוח תרופות התקצרו מחודשים לשבועות. מדובר בחיסכון קריטי בעלויות וזירוז היציאה לשוק.

לקחים מההצלחות

מחקר MIT מצא כי רכישה של כלי AI ייעודיים מצליחה ב-67% מהמקרים, בעוד פיתוח פנימי מצליח רק בשליש מהזמן. הנתון הזה משמעותי במיוחד עבור ארגונים גדולים, שנוטים להעדיף מערכות קנייניות גם אם זה בא על חשבון הצלחה מהירה.

המסקנות מהחברות שכן מצליחות ברורות – הן לא מנסות להחליף אנשים בטכנולוגיה, אלא לשנות את הדרך שבה אנשים עובדים בעזרתה. הן בוחרות יישומים שמספקים ערך אמיתי ומדיד, לא כאלה שנראים נוצצים אבל לא מוכיחים תועלת. הן מעצימות את מנהלי הקו שנמצאים קרוב לתהליכים היומיומיים, ולא משאירות את ההובלה רק בידי מעבדות מרכזיות שמנותקות מהשטח.

והכי חשוב, הן בוחרות בכלים שמסוגלים להשתלב עמוק בתהליכי העבודה וללמוד מהדאטה הארגוני. כלים כאלה לא נשארים כלליים כמו ChatGPT “מהמדף”, אלא הופכים עם הזמן לפתרונות מותאמים שמביאים ערך אמיתי לארגון.

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

לפרטים נוספים לחצו כאן >>

האתגרים והפתרונות

1. מחסור במידע איכותי: 42% מהארגונים מדווחים שאין להם מספיק דאטה פנימי לשימוש יעיל ב-AI.

הפתרון? לבנות שיתופי פעולה אסטרטגיים, לייצר דאטה סינתטי, ולשפר את תהליכי איסוף וניהול הנתונים הקיימים.

2. פער כישורים: עובדים רבים חסרים את הידע הטכנולוגי הנדרש.

הפתרון? להשקיע בהכשרות פנימיות, לשתף פעולה עם ספקי AI חיצוניים, ולהיעזר בכלי low-code ו-no-code שמאפשרים גם לעובדים ללא רקע טכני להטמיע AI בפועל.

3. הקצאת משאבים שגויה: יותר מדי ארגונים מפנים את התקציבים בעיקר למכירות ושיווק, במקום לאזורים עם ROI גבוה יותר.

הפתרון? להשקיע באוטומציה של תהליכי back-office (כספים, תפעול, תמיכה) ולהתמודד מראש עם תופעת ה-Shadow AI – שימוש לא מורשה של עובדים בכלים חיצוניים.

מה קורה בפועל

ארגונים שמצליחים ביישום AI משקיעים 70% מהמשאבים באנשים ותהליכים, ורק 30% בטכנולוגיה עצמה. התוצאה בדרך כלל משתלמת – הם מצפים לתשואה כפולה לעומת מתחריהם, ומצליחים להשיק פי שניים יותר מוצרים ושירותים מבוססי AI.

במקביל, השימוש ב-AI הופך לנורמה כאשר 78% מהארגונים בעולם כבר מפעילים אותו לפחות בתחום אחד, לעומת 55% בלבד בשנה שעברה. השאלה המרכזית כבר איננה האם להתחיל, אלא איך לעשות את זה נכון.

השפעה נוספת ניכרת בכוח העבודה. במקום פיטורים המוניים, החברות פשוט מפסיקות לגייס מחדש לתפקידים שמתפנים, במיוחד בתפקידי תמיכה ואדמיניסטרציה שנתפסו כבעלי ערך נמוך. השינוי מתרחש בשקט, אך בהיקף רחב.

מתי עדיף להאט את הקצב

חשוב גם לומר את מה שפחות פופולרי – לא כל ארגון חייב לרוץ עכשיו על כל יוזמת AI. יש תחומים שבהם העלויות עולות על הערך, במיוחד כשאין דאטה איכותי, או כשמודלים קיימים לא מתאימים לאופי הפעילות. לעיתים, דווקא בחירה מושכלת שלא לאמץ AI מסוים היא החלטה נבונה שמונעת בזבוז משאבים ואכזבות. המשמעות היא שלא מדובר ב”מרוץ חימוש”, אלא בתהליך מתמשך של בחירה מודעת – מה מתאים, מתי מתאים, ואיפה ההחזר אמיתי.

הצלחה עם AI מתחילה בניהול שינוי

הטכנולוגיה כאן כדי להישאר, אבל ההבדל בין הצלחה לכישלון לא תלוי בה, אלא בנו. ארגונים שמצליחים עם AI יודעים להפוך אותו מתוסף טכנולוגי למסע מתמשך של שינוי ארגוני.

החברות המצליחות משקיעות קודם כול בדאטה ובאנשים, מתחילות בצעדים קטנים שמוכיחים ערך וניתנים למדידה, ומתרחבות בהדרגה. מי שיודע לנהל את השינוי – יוביל. מי שמחפש קיצורי דרך, נשאר מאחור.

הפוסט איך להפוך את הבינה המלאכותית לערך עסקי אמיתי הופיע ראשון בLet's AI בינה מלאכותית

מכתיבת סילבוס למשחקי בריחה

השימוש הנפוץ ביותר הוא יצירת חומרי לימוד. יותר ממחצית מהשיחות שנותחו עסקו בהכנת סילבוסים, מערכי שיעור וסימולציות מקצועיות. במקום לבלות שעות בהקלדה, מרצים מבקשים מ-Claude טיוטה ראשונית ומוסיפים את המגע האישי. היתרון ברור – חיסכון אדיר בזמן. החיסרון – אם כולם משתמשים באותו כלי, האם לא נקבל בסוף חומרי לימוד דומים מדי? זו שאלה שמרצים כבר מעלים בעצמם.

כשהכיתה הופכת לזירת משחק

הדו”ח חושף מגמה מפתיעה: Claude Artifacts. לא עוד תשובות טקסטואליות, אלא ממש כלים אינטראקטיביים. מרצים בנו משחקי בריחה ללימוד מושגים, סימולציות בכימיה ובכלכלה, חידונים עם פידבק מיידי, ולוחות מחוונים שממחישים צירי זמן היסטוריים.

מרצה אחד סיפר בהתרגשות שהצליח לייצר ניסוי שבעבר היה בלתי אפשרי מבחינת זמן ומשאבים. הפוטנציאל עצום, אבל לא לכל אחד. האם כל מרצה יידע להפיק כלים כאלה? או שנראה כאן פער דיגיטלי בין “חדשניים” לבין אלה שפחות שולטים בטכנולוגיה?

האזור האפור של הציונים

כשהשיחה עוברת להערכה ולציונים, התמונה מסתבכת. במקרים שבהם מרצים כן השתמשו ב-AI לבדיקות, כמעט חצי מהם (48.9%) עשו זאת באוטומציה מלאה. זאת למרות שהם עצמם דירגו את התחום הזה כפחות יעיל ואף בעייתי מבחינה אתית. המתח כאן ברור – סטודנטים מצפים למשוב אנושי, לא להערה גנרית מאלגוריתם. אם יותר מדי מהתהליך יעבור למכונה, האמון עלול להיפגע.

מהפכה שקטה בשיטות ההוראה

השימוש ב-Claude לא נעצר בהכנת חומרים, הוא משנה את ההוראה עצמה. במקום תרגילים טכניים, מרצים מתמקדים יותר בדיון עיוני. בקורסי תכנות, למשל, פחות מתעסקים ב”דיבוג” (תהליך מציאת ותיקון שגיאות בקוד מחשב) ויותר בשאלות יישומיות. חלקם אף בונים מטלות “עמידות ל-AI”, כאלה שלא ניתן לפתור באמצעות מודל טקסטואלי בלבד, אלא דורשות עבודת שטח או חשיבה ביקורתית. אחד המרצים סיפר בגאווה על סטודנט שהתלונן ש-Claude “לא עוזר לו בשיעורי הבית” – מבחינתו, זה היה ניצחון.

בין אוטומציה ליצירתיות 

הדו”ח מראה קו ברור:

• במשימות קריאטיביות, כמו הוראה או כתיבת מענקי מחקר, Claude נתפס כשותף לסיעור מוחות.

• במשימות אדמיניסטרטיביות כמו ניהול כספים, טפסים, רישום וקבלה – הוא כבר הופך לאוטומט על מלא.

אבל חשוב לזכור את מגבלות הדו”ח. הנתונים מגיעים בעיקר ממרצים באקדמיה (לא מורים ב-K-12), ורובם מאמצים מוקדמים של הטכנולוגיה. לא בטוח שמה שנכון עבורם מייצג את כלל מערכת ההשכלה. סקרים חיצוניים כמו של Gallup מדברים על חיסכון ממוצע של כמעט 6 שעות בשבוע הודות ל-AI, אבל זה נתון כללי, לא ספציפי ל-Claude.

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

לפרטים נוספים לחצו כאן >>

האם זה סוף המרוץ?

Claude לא מחליף מרצים, הוא משנה את תפקידם. פחות בירוקרטיה, פחות בדיקות טכניות, ויותר ליווי אישי, חשיבה ביקורתית ויצירתיות בכיתה. האתגר הגדול הוא לא ליפול לפיתוי של אוטומציה מהירה, במיוחד סביב ציונים. כי דווקא שם נבחן הערך האמיתי של מרצה – החיבור האנושי עם הסטודנטים. ואולי, אם נדע לאזן נכון, “מרוץ החימוש” לא ייגמר בהפסד של אחד הצדדים, אלא בניצחון של יצירתיות והוראה אנושית לצד AI.

הפוסט איך מרצים באמת משתמשים בקלוד ומה זה אומר על עתיד ההוראה? הופיע ראשון בLet's AI בינה מלאכותית

מה זה Gemini 2.5 Flash image?

גוגל מגדירה אותו כמודל היברידי – גם יוצר תמונות חדשות, גם עורך תמונות קיימות וגם ממזג כמה פריימים לסצנה אחת. המשמעות היא שהמשתמש לא חייב לקפוץ בין כלים שונים, אלא מקבל מערכת אחת שיכולה ללוות אותו משלב הרעיון ועד התוצר המוגמר.

זה לא עוד כלי ל”ייצור תמונות יפות”. גוגל מנסה כאן להגדיר מחדש את כללי המשחק: מודל שמבין הקשרים, שומר על עקביות של דמויות וחפצים, ומסוגל להפוך אפילו ציור חובבני או צילום לא גמור לסיפור ויזואלי קוהרנטי. מבחינת המשתמשים, זה חוסך זמן, חוסך ניסיונות חוזרים, ובעיקר מייצר תוצאות יציבות יותר.

לפני שהושק רשמית, המודל הסתובב תחת שם הקוד “Nano Banana” והשתתף ב־Image Edit Arena, זירת השוואות עיוורות שבה אלפי משתמשים מדרגים תוצאות של מודלים שונים בלי לדעת מי יצר אותן. התוצאה? יותר מ־2.5 מיליון הצבעות בעדו, ובפער Elo (מדד ניקוד שמודד ביצועים ביחס למתחרים) היסטורי על פני המתחרים – כלומר, ניקוד השוואתי חסר תקדים שמבוסס על בחירות משתמשים אמיתיות בסבבי ראש־בראש. כל זה אישר את התחושה שלא מדובר בעוד מחולל אקראי, אלא מודל שיודע “לחשוב קדימה” בסצנה ולשמור על פרטים לאורך כמה עריכות.

תכונות בולטות 

אחד ההישגים הגדולים של המודל הוא שמירה על עקביות דמויות. משתמשים רבים נתקלים יום יום בבעיה מוכרת – מעלים צילום של דמות, וכשמבקשים גרסה חדשה, היא נראית כמו מישהו אחר לגמרי. Gemini 2.5 Flash image מצליח לשמור על הזהות – שיער, בגדים, הבעה – גם כשהדמות עוברת סצנה או סגנון חדש. זה פותח אפשרות ליצור סטים שלמים של תמונות לאותה דמות, בלי לאבד אחידות.

בנוסף, יש כאן יכולת שילוב סגנונות – צילום משפחתי שהופך לציור בסגנון ואן גוך, או דיוקן פשוט שמקבל מראה קומיקס. בניגוד לכלים אחרים, המודל לא “מפרק” את המקור אלא משמר אותו ומלביש עליו שכבת סגנון חדשה.

תכונה נוספת היא מיזוג תמונות – שילוב של עד שלוש תמונות שונות לתוך פריים אחיד. זה שימושי כשצריך, למשל, למזג מוצר לסצנה קיימת או לשלב דמות ורקע ממקורות שונים בלי להתעסק בפוטושופ.

ותכונה אחרונה וסופר חשובה – עריכה שיחתית. במקום לנסח פרומפט חדש בכל פעם, המשתמש מנהל דיאלוג: “שנה את צבע השולחן”, “עכשיו הוסף עציץ”, “הזז את הדמות ימינה”. החוויה דומה לעבודה עם עורך גרפי אנושי שמבצע שינויים רציפים.

הקו המחבר בין כולן הוא מהירות העבודה. התגובות כמעט מיידיות, מה שמאפשר לזרום עם הרעיון בלי להתקע על ניסיונות חוזרים.

איך משתמשים ב- Gemini 2.5 Flash image?

התחלת העבודה פשוטה, גם למי שלא התנסה קודם:

1. נכנסים ל-Google AI Studio – הממשק הפשוט והחינמי של גוגל, שהוא בעצם סביבת ניסוי עשירה – ״ארגז החול״ שבו אפשר להתנסות ולשחק עם כלים ויכולות ה-AI החדשים שגוגל מפתחים.

2. לוחצים על Generate madia בסרגל הכלים או ישירות על Gemini Native Image.

3. מעלים תמונה אחת או יותר (עד שלוש תמונות) – למשל, דמות, מוצר ורקע.

4. מקלידים הנחיה בצ’אט, כמו “שנה את צבע השולחן לאדום” או “הוסף את המוצר על המדף”.

5. ממשיכים לערוך תוך כדי שיחה – כל שינוי קטן נעשה בהודעה נוספת: “הזז את הדמות ימינה”, “הוסף תאורה חמימה”.

6. כשאתם מרוצים מהתוצאה – תוכלו לשמור וכמובן לשתף דרך כפתור השיתוף.

יוזקייסים מגוונים 

הכוח האמיתי של Gemini 2.5 Flash מתגלה ברגעי היום־יום. אנשי קריאייטיב יכולים להפיק מודעות שיווקיות תוך דקות, למשל, לשלב מוצר בסצנה קיימת כך שייראה טבעי ומקצועי. מעצבי פנים מדגימים עיצובים על בסיס צילום דירה ריקה, ומוסיפים רהיטים או מחליפים צבעי קירות בלחיצה. יוצרים עצמאיים יכולים לבנות דמות עקבית שחוזרת שוב ושוב – בקומיקס, בסטוריבורד או בסדרת פוסטים.

גם משתמשים פרטיים מגלים שזה שימושי מאוד. לנקות חדר מצולם מכיסאות עודפים, להוסיף רהיט חדש, לתקן תאורה לא מוצלחת, או להחליף צבע בגדים בצילום משפחתי. אפשר גם להסיר אנשים לא רצויים מתמונה, לשלב כמה אנשים לצילום אחד, או אפילו להרחיב פריים (outpainting) כדי ליצור גרסה רחבה יותר לתלייה או שימוש פרסומי.

לצד אלה, המודל מצטיין גם בתחומים עסקיים כמו שמירה על עקביות בצילומי מוצרים לקטלוגים, יצירת רקעים אחידים לסדרות תמונות, והצבת מוצרים חדשים בסצנות קיימות לצורך פרסום מהיר.

בסופו של דבר, זה כלי שמצמצם את הפער בין רעיון לביצוע. בין אם אתם אנשי פרסום, מעצבים או סתם רוצים לשדרג תמונה משפחתית – Gemini 2.5 Flash image מאפשר לעשות זאת מהר, נקי ובלי עקומת למידה מסובכת.

בתמונה המצורפת תראו אוסף פוסטים מ- X בהם משתמשים משתפים ניסויים עם מודל “Nano Banana” (כינוי הבטא של Gemini 2.5 Flash image). הדוגמאות ממחישות את המגוון הרחב של היכולות – משינוי בגדים ותאורה, שילוב אנשים בסצנות חדשות, הוספת טקסט ואלמנטים גרפיים, ועד יצירת קומפוזיציות מורכבות בסגנונות שונים:

מגוון שימושים יצירתיים במודל Gemini 2.5 Flash (לשעבר “Nano Banana”)

זמינות ושימוש

נכון להיום, הגישה הפשוטה ביותר ל־Gemini 2.5 Flash image היא דרך Google AI Studio בחינם וללא צורך בהתקנות מיוחדות. במקביל, המודל נכנס בהדרגה גם ל־אפליקציית Gemini עצמה, כך שמשתמשי המערכת יוכלו לערוך וליצור תמונות ישירות מתוך הצ’אט של גוגל. עבור מפתחים וצוותים מקצועיים, Gemini 2.5 Flash זמין דרך Vertex AI עם ממשקי API נוחים ושילובים טבעיים בפלטפורמות מוכרות כמו Figma ו־Adobe Firefly, מה שהופך אותו לכלי עבודה שימושי גם במערכות קיימות.

אתגרים וחסרונות 

כמו כל מודל בינה מלאכותית, גם Gemini 2.5 Flash לא מושלם. אחד המוקשים הבולטים הוא טקסטים בתוך תמונות – משפטים ארוכים, שלטי רחוב או גרפיקה טיפוגרפית נוטים לצאת מעוותים או לא קריאים. זה בעייתי במיוחד למי שצריך חומר פרסומי שמבוסס על טקסט.

אתגר נוסף הוא שיחות עריכה מתמשכות. בתחילת השיחה המודל מדויק ומגיב היטב, אבל אחרי כמה פניות הוא עלול “להתבלבל” – להכניס פרטים שלא ביקשתם או לאבד את ההקשר. המשמעות היא שמשתמשים צריכים לדעת מתי עדיף לעצור, לשמור את התוצר, ולהתחיל הנחיות חדשות.

חשוב גם לזכור את התחרות. ישנם כל הרבה מודלים ליצירת תמונות ולכל אחד יתרון או ייחודיות משלו. Flux Kontext מביא יתרון בהבנת הקשר ושמירה על רצף הוראות, GPT-4o של OpenAI חזק יותר בהבנה לשונית ובשילוב טקסט ותמונה בצורה טבעית. MidJourney נחשב לסוס העבודה של התעשיה ונותר אחד הכלים המובילים ליצירת תמונות אמנותיות מרהיבות בסגנון חזותי ייחודי, ואילו Ideogram מתבלט ביכולת להפיק טקסט קריא וברור בתוך תמונות – תחום שבו רוב המודלים האחרים עדיין מתקשים. כלומר, Gemini 2.5 Flash image מוביל בעריכה פרקטית ושמירה על עקביות, אבל לא בהכרח בכל הקטגוריות.

ובכל זאת, כשהבדיקות מתבצעות בזירות עיוורות (כמו Image Edit Arena), דווקא שם Gemini 2.5 Flash image מקבל את ההצבעות הרבות ביותר. זה מעיד שבשימוש יומיומי כמו עריכה, שילוב תמונות, שינויים מהירים, הוא מספק את הפתרון המדויק ביותר לרוב המשתמשים.

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

לפרטים נוספים לחצו כאן >>

לסיכום, אי אפשר להתעלם מהעובדה ש-“Nano Banana”, שהתחיל ככינוי פנימי משעשע, הפך לאחת ההכרזות המשמעותיות ביותר של גוגל בתחום. Gemini 2.5 Flash מסמן את התבססותה של גוגל במשחק התחרותי, עם דגש ברור על עריכה פרקטית ומהירה.

מי שמחפש כלי אמין, מהיר וקל לשימוש לעריכת ויצירת תמונות, ימצא ב-Gemini 2.5 Flash פתרון מצוין. משרדי פרסום, מעצבים עצמאיים, יוצרים דיגיטליים ואפילו משתמשים חובבים שרוצים “לסגור פינה” בלי להתעמק בפוטושופ – כולם ייהנו מהזרימה ומהדיוק שהוא מציע.

האם זה מספיק כדי לשלוט בשוק? מוקדם לקבוע. אבל דבר אחד בטוח: כל מי שנכנס כבר היום ל-Google AI Studio ירגיש מיד את השינוי – כלי פשוט וסופר מגניב שמצמצם את הפער בין רעיון לתוצר ויזואלי מקצועי.

הפוסט “ננו בננה” יוצאת מהצללים וגוגל מציגה מודל היברידי ליצירת ועריכת תמונות הופיע ראשון בLet's AI בינה מלאכותית

איך זה עובד בפועל?

התחביר פשוט מאוד:

• הנחיה – טקסט שמתאר מה אתם רוצים שה-AI יעשה.

• טווח נתונים – העמודה או הטווח שאיתם רוצים לעבוד.

מה אפשר לעשות עם ‎=COPILOT()?

הפונקציה ‎=COPILOT()‎ יכולה לשרת כמה תרחישים מרכזיים: לזקק כמויות גדולות של טקסט לסיכום קצר וברור, לסווג נתונים כמו פידבק או טפסי תמיכה, לייצר רשימות או טבלאות ישירות מתוך טקסטים, וגם להציע רעיונות חדשים, למשל מילות מפתח לקמפיין או ניסוחי קופי אלטרנטיביים.

הנה איך זה נראה כשמתחילים ליישם. כל דוגמה כוללת נוסחה מלאה ותיאור של התוצאה שתקבלו בגיליון:

1. סיכום פידבק לקוחות

התוצאה: מקבלים סיכום תמציתי: מה אהבו, מה חזר שוב ושוב, ואיפה יש בעיות.

2. סיווג תגובות לפי סנטימנט

התוצאה: ליד כל שורה מופיע Positive / Neutral / Negative. משם אפשר להמשיך עם COUNTIF כדי לספור.

3. יצירת רשימת משימות מטקסט חופשי

התוצאה: מקבלים רשימת To-Do ברורה מתוך הערות עובדים.

4. רעיונות לשיפור מוצר

התוצאה: מקבלים רשימה ממוקדת של רעיונות לשדרוג.

5. ניסוח מחדש של טקסטים

התוצאה: טקסטים גולמיים הופכים לנוסחים נקיים ומקצועיים.

6. זיהוי נושאים חוזרים

התוצאה: רשימת נושאים חוזרים בתגובות.

7. בריינסטורמינג וקופי שיווקי

או

התוצאה: מילות מפתח רלוונטיות או גרסאות חדשות למסרים שיווקיים הישר מתוך הטבלה, בלי לעבור לכלי חיצוני.

יתרונות מרכזיים

הכוח האמיתי של ‎=COPILOT()‎ טמון בפשטות שלו. במקום לכתוב נוסחאות מורכבות או לשלב כמה פונקציות כדי להגיע לתוצאה, מספיק לנסח בקשה אחת ברורה. בדיוק כמו בשיחה עם Copilot בצ’אט, גם כאן אפשר לבקש מהמודל לסכם, לסווג או להפיק רעיונות בלי מאמץ.

מעבר לכך, התוצאות מתעדכנות אוטומטית בכל פעם שהנתונים משתנים, כך שהגיליון נשאר חי ודינמי. ואם זה לא מספיק, הפונקציה החדשה יודעת לעבוד יד ביד עם נוסחאות מוכרות כמו IF, COUNTIF או LAMBDA, כך שאפשר לשלב בין הכלים הקלאסיים של אקסל לבין היכולות החדשות של הבינה המלאכותית.

איך להתחיל?

כדי לנסות את ‎=COPILOT()‎ תצטרכו קודם כול לוודא שיש לכם רישיון Microsoft 365 Copilot. הפונקציה נפתחת בהדרגה למשתמשי Beta Channel, כך שחשוב להיות במסלול הנכון של עדכוני Office. נכון לעכשיו, הדרישות הן:

• Windows – גרסה ‎2509‎ (Build 19212.20000) ומעלה.

• Mac – גרסה ‎16.101‎ (Build 25081334) ומעלה.

• Excel Web – הפונקציה תצא בהמשך במסגרת תוכנית Frontier.

אחרי שווידאתם שאתם בגרסה מתאימה, פתחו גיליון נתונים קיים ונסו את אחת הדוגמאות בטבלה המצורפת:

דוגמאות שימוש בפונקציה ()‎=COPILOT

טיפים לשימוש חכם

כמו בכל כלי מבוסס AI, גם כאן אופן הניסוח עושה את כל ההבדל. כתיבה מדויקת וברורה תבטיח תוצאה טובה יותר. ציינו אילו תאים או עמודות לנתח, באיזה סדר תרצו לראות את התוצאות, ובאיזה פורמט – רשימה עם נקודות, טבלה עם כותרות או טקסט רציף. שימוש בפעלים ישירים כמו Summarize, Categorize או Rank יעזור להגיע לפלט ממוקד, ואם אתם רוצים סגנון מסוים – תנו דוגמה.

כדאי גם לשלב את ‎=COPILOT()‎ עם פונקציות מוכרות. למשל, להשתמש ב-COUNTIF כדי לספור קטגוריות שסיווגתם עם Copilot, להוסיף CHARTS כדי להפוך את הניתוח לתרשים אינטראקטיבי, או אפילו לבנות פונקציות מותאמות אישית עם LAMBDA. כך מקבלים שילוב טבעי בין היכולות החדשות של הבינה המלאכותית לבין הכלים הוותיקים של אקסל.

חשוב לזכור ש-Copilot עובד רק עם מה שנמצא בגיליון. הוא לא ניגש לנתונים חיצוניים או למסמכים ארגוניים, ולכן אם תרצו לנתח דוחות עדכניים או טקסטים אחרים, תצטרכו לייבא אותם קודם לאקסל.

יש גם מגבלה טכנית שכדאי להכיר: כרגע הפונקציה מוגבלת ל-100 קריאות בכל 10 דקות ועד 300 קריאות בשעה. אם רוצים לחסוך קריאות, עדיף לכלול טווחים גדולים בנוסחה אחת במקום לגרור אותה על פני שורות רבות.

ולבסוף, התחילו בקטן. נסו סיכום פשוט או סיווג בסיסי, ורק אחרי שתתרגלו ותבינו איך זה עובד – עברו לבניית דשבורד חכם שמשלב את ‎=COPILOT()‎ עם שאר הכלים של אקסל.

חשוב לדעת

פרטיות הנתונים

המידע שאתם שולחים דרך הפונקציה ‎=COPILOT()‎ לא נשמר ולא משמש לאימון או שיפור המודלים של מיקרוסופט. הנתונים נשארים חסויים ומשמשים אך ורק ליצירת הפלט שביקשתם.

דיוק התוצאות

למרות ש‎=COPILOT()‎ חוסכת זמן ויכולה להניב תובנות שימושיות, חשוב לזכור שהתוצאות מבוססות על מודל שפה. ייתכנו חוסר דיוקים או ניסוחים שאינם תואמים במלואם את המציאות. במיוחד כשמדובר בדוחות עסקיים, ניתוחים פיננסיים או החלטות קריטיות, כדאי לבחון את הפלט, לאמת נתונים ולהצליב עם מקורות נוספים לפני שימוש סופי.

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

לפרטים נוספים לחצו כאן >>

מה עוד צפוי בהמשך?

כמו כל כלי מבוסס AI, גם ‎=COPILOT()‎ לא נעצרת בגרסה הראשונה. מיקרוסופט כבר עובדת על שיפורים שיגיעו בהדרגה במהלך תקופת הבטא ולאחריה, כדי להפוך את השימוש לפשוט ומדויק יותר.

בין השיפורים שנמצאים על הכוונת:

• תמיכה טובה יותר במערכים גדולים – היום ייתכן שחלק מהשורות לא ייכנסו לפלט אם מדובר בטווח גדול במיוחד.

• מודלים חזקים יותר – המודל שמריץ את ‎=COPILOT()‎ ימשיך להתעדכן ולהשתדרג, כדי לשפר דיוק וביצועים.

• הכוונה חכמה יותר – הפונקציה תלמד להתריע כשמבקשים ממנה משימות שלא מתאימות ל-AI (כמו חיבור פשוט של מספרים, שכדאי לבצע עם SUM).

• יכולת חיבור למקורות מידע נוספים – כיום Copilot מסתמך רק על מה שנמצא בגיליון. מיקרוסופט בוחנת דרכים לאפשר הרחבה למקורות נוספים בעתיד.

• תמיכה משופרת בתאריכים – כרגע תאריכים מוחזרים כטקסט רגיל, ולא בפורמט תאריך של אקסל. גם זה צפוי להשתפר.

לסיכום, ‎=COPILOT()‎ משנה את הדרך שבה אנחנו עובדים עם אקסל. במקום להסתמך רק על נוסחאות מורכבות או תהליכים ידניים, אפשר עכשיו לשלב בינה מלאכותית ישירות בתוך הגיליון. זה הופך את העבודה ליותר אינטואיטיבית, מהירה ודינמית. הכוח האמיתי של הפונקציה הוא בשילוב בין הכלים הקלאסיים של אקסל לבין יכולות ניתוח ושפה של AI. אפשר להתחיל מסיכומים פשוטים, לעבור לסיווגים ולרעיונות חדשים, ולבסוף לבנות דשבורדים חיים שמגיבים אוטומטית לשינויים בנתונים.

בסופו של דבר, ‎=COPILOT()‎ היא לא רק עוד פונקציה, היא סימן לשינוי רחב יותר. אקסל הופך מפלטפורמה לחישובים למערכת אנליטית ויצירתית, שבה המשתמשים יכולים לחשוב יותר על התובנות ופחות על הנוסחאות. לתמיכה רשמית ומידע נוסף ממיקרוסופט על הפונקציה החדשה, כנסו כאן.

הפוסט מדריך למשתמש בפונקצית COPILOT()‎= החדשה באקסל הופיע ראשון בLet's AI בינה מלאכותית