עד לא מזמן, להגיע ל-ARR של כמה מיליוני דולרים היה נחשב לאבן דרך משמעותית עבור חברות B2B. זה היה לרוב סימן לכך שהחברה מצאה PMF (Product Market Fit), הוכיחה שיש ביקוש והצליחה לבנות תשתית אופרציה ראשונית.
כל אלה עדיין נכונים, אבל מהפכת ה-AI משנה את כללי המשחק. כדי להישאר רלוונטיים, אנחנו צריכים לבחון מחדש את הסימנים להצלחה ואת הדרך שבה אנחנו מפרשים את המטריקות המצביעות על צמיחה.

[caption id="attachment_9004111233699180" align="aligncenter" width="768"] Source: a16z[/caption]

סטארטאפים צומחים בקצב מהיר ביותר 

חברות Enterprise בתחום ה- Gen AI, צומחות בקצב מסחרר. הסטארטאפים שנמצאים ברבעון העליון מגיעים ל-ARR של מיליון דולר בתוך 3 עד 6 חודשים מיום ההשקה (ראו גרף), ורבים מהם מגיעים ל-ARR של 3-5 מיליון דולר כעבור שנה.
מה שבעבר נחשב לפריצת דרך משמעותית, הפך היום למחזה הרבה יותר נפוץ. זו הסיבה שהיום כבר אי אפשר להתייחס ל-ARR גבוה ומוקדם כאינדיקציה בלעדית ל-PMF או ליציבות לטווח הארוך.

איכות ההכנסות - האם ה-ARR שלכם באמת שנתי ומחזורי? 

אם נסתכל אפילו חמש שנים אחורה, סטארטאפ שהשיג ARR של 3 מיליון דולר, לרוב ייצר גם הכנסות יציבות. החוזים היו בדרך כלל שנתיים, שיעור שימור הלקוחות היה גבוה, ההתרחבות התנהלה לפי דפוס ברור, והיה אפשר לחזות בצורה סבירה מדדים כמו Net Dollar Retention) NDR) ו-Lifetime Value) LTV).
היום, סטארטאפים רבים מגיעים מהר מאוד ל-ARR של כמה מיליוני דולרים, אבל כשבוחנים את הנתונים לעומק, מגלים שלעתים קרובות זה מבוסס על תקופות ניסיון, תשלומים חודשיים, תנאים גמישים, אפשרות ביטול מנוי מהירה ואינטגרציה מינימלית - מה שמוביל לעלויות מעבר נמוכות במיוחד בשביל הלקוחות.
בתנאים כאלה, קשה מאוד להעריך באמת את איכות ה-ARR שהחברה מציגה בפועל.

שינוי במודלי התמחור

מודלי התמחור עברו שינוי ממודלים מבוססי משתמשים בלבד (Seat-Based) למודלים היברידיים שמשלבים בין מספר המשתמשים לבין השימוש במוצר בפועל.
לדוגמה:
– קרדיטים (כמו ב-monday.com)
– משימות או תהליכי עבודה (כמו ב-Zapier)
– כמות בקשות שטופלו (כמו תוספי ה-AI של Zendesk)
– טוקנים, קריאות API או תוצאות בפלטפורמות מבוססות AI (כמו OpenAI)

המעבר למודלים ההיברידיים הופך את השימוש במוצר לגורם שמשפיע באופן ישיר על ההכנסות, ונראה שמודלים אלה ימשיכו להתפתח ולהשתנות גם בשנים הקרובות.

מלך ומלכת הכיתה: יתרון תחרותי (Moat) ואסטרטגיית GTM

החסמים לפיתוח מוצר ירדו באופן משמעותי. פיתוח מוצרים וביצוע פעולות שבעבר לקחו כמה חודשים טובים, אפשריים היום לבנייה ויישום ברמת MVP תוך מספר שבועות ואפילו ימים, זאת ע"י שימוש במודלים כמו LLMs, ממשקי API, וטכנולוגיות קוד פתוח.

המהירות הזו אמנם מקצרת את הדרך לשוק ולגיוס לקוחות, אבל היא גם מקשה מאוד לשמור על יתרון תחרותי לאורך זמן.
לגייס לקוחות זה כבר לא מספיק כדי להוביל קטגוריה מסוימת. בלי מוצר שקשה להעתיק או GTM אפקטיבי, זאת הפכה להיות משימה כמעט בלתי אפשרית. לכן, כדי להוביל קטגוריה, סטארטאפ חייב להראות PMF אמיתי ולספק ללקוחות ROI ברור.
בעולם שבו קשה לתחזק את היתרונות הטכנולוגיים והזמנים מתקצרים ומתקצרים, אסטרטגיית ה-GTM הופכת לגורם מכריע שמבדיל בין מי שמנצח לבין מי שנשאר מאחור.
הסטארטאפים שיצליחו בטווח הרחוק הם אלה שיבנו מותג חזק, יפצחו את מודל גיוס הלקוחות, ישתלבו באופן משמעותי בתוך תהליכי העבודה של הלקוחות, ויבנו סביבם קהילות חזקות.
בעידן ה-AI, מהירות ו-GTM מדויק חשובים לעיתים אפילו יותר מיתרון טכנולוגי קטן במוצר.

תובנות חשובות בדרך לצמיחה הסטארטאפ שלכם

להגיע במהירות ל-ARR של 5-2 מיליון דולר כבר לא אומר בהכרח שמצאתם PMF אמיתי.
כדאי לעצור ולשאול: איך נוצרו ההכנסות האלה? האם הלקוחות באמת אוהבים את המוצר ומשתמשים בו באופן קבוע, או שהם רק בודקים ומתנסים?
והכי חשוב - האם ההכנסות האלו יעמדו במבחן הזמן מול תחרות הולכת וגוברת?

אם החברה שלכם נמצאת בשלבי צמיחה, אלו הדברים שכדאי לכם להתמקד בהם: 

לבנות יתרונות תחרותיים שמייצרים חיבור עמוק למוצר - כמו דאטה ייחודי, אינטגרציות עמוקות ותהליכי עבודה שמשתלבים ביום-יום של הלקוחות.

להיות אובססיביים לשימוש במוצר - תהפכו את זה למדד המרכזי שלכם. שימוש קבוע הוא הסימן הטוב ביותר לכך שהלקוחות נשארים, ושיש הזדמנות להגדיל את מספר המשתמשים.

לנתח את היציבות של ההכנסות - תפרקו את ה-ARR לפי לקוחות שנשארים, לקוחות שמתלבטים ולקוחות שעלולים לנטוש, ובנו תחזיות שימור ריאליסטיות שמבוססות על שימוש, חזרת הלקוחות, וסוגי החוזים שלהם

להשקיע מוקדם באסטרטגיית GTM שניתנת להרחבה - תבנו בסיס להכנסות יציבות לטווח ארוך, לא רק להתלהבות רגעית.

לבנות לטווח ארוך - תתמקדו בהכנסות שיישארו, לא רק במה שיקרה בשלושה או בשישה החודשים הקרובים.

כשמדברים על מימון לסטארטאפים, הרבה פעמים חושבים מיד על קרנות הון סיכון, וזה מעולה. אבל הן רק חלק מהתמונה. יזמים בתחילת הדרך צריכים בעיקר דבר אחד: לבנות את החברה, לפתח את המוצר ולהביא לקוחות. כדי שזה יקרה, חשוב להכיר את כל ערוצי המימון הרלוונטיים, ולבנות מהם תמהיל שמתאים בדיוק לצרכים של המיזם.

במיזמים שעוסקים בטכנולוגיה עמוקה, כמו אנרגיה, AI, חומרים או בריאות, נדרשים לרוב זמן ומשאבים כדי להגיע לאבני דרך. מענקים יכולים לספק את החמצן הדרוש בדיוק בשלב הזה.
למשל, תכנית "מופת" מאפשרת שיתופי פעולה עם מפעלים תעשייתיים לטובת פיתוח או הטמעה של טכנולוגיה.

תכניות נוספות כמו Horizon Europe או קרן BIRD מציעות מימון לשיתופי פעולה בינלאומיים, ובישראל הרשות לחדשנות מפעילה מסלולים מגוונים לחברות בתחילת הדרך, כולל דיפ טק ואזורי פריפריה. המשמעות: גם כסף, גם חיבורים תעשייתיים וגם מעטפת תומכת לצמיחה מבוססת.

למיזמים שפונים ישירות לצרכנים, בין אם מדובר באפליקציה, מוצר חומרה או פתרון צרכני אחר, מומלץ לשקול לגייס ישירות מהשוק. קמפיינים בפלטפורמות כמו Kickstarter ו־Indiegogo מאפשרים לבדוק את הביקוש עוד לפני שיש מוצר מוגמר, לגייס תקציב לפיתוח, ולבנות קהילה של משתמשים מוקדמים. אפילו הופעה ב־"הכרישים" – כן, גם זו דרך – יכולה לספק מימון, חשיפה ולקוחות ראשונים.

דרך נוספת לקדם את החברה היא באמצעות פיילוטים תעשייתיים או שיתופי פעולה עם גופים גדולים. חברות תעשייה, מוסדות רפואיים או גופים ציבוריים מחפשים חדשנות שתתן להם יתרון ומוכנים לקחת חלק פעיל בפיתוח. למשל, סטארטאפ בתחום הקלינטק יכול לבצע פיילוט במפעל יצרני וחברה בתחום הבריאות יכולה לשתף פעולה עם קופת חולים לבדיקת פתרון בשטח.
שיתופי פעולה כאלה תורמים בהיבטים רבים מעבר למימון של קבלת תובנות, חשיפה וגם תהליך מסודר לקראת כניסה לשוק.

יש כמובן גם את הערוצים הקלאסיים של מימון: אנג'לים, חממות וקרנות. אנג'לים יכולים להביא לא רק כסף אלא גם גישה ללקוחות או שותפים. חממות מציעות ליווי צמוד, מימון ממשלתי ומבנה שמוריד את הסיכון בכניסה לשוק. קרנות, כשהן נכנסות בשלב נכון, מאפשרות קפיצה משמעותית בגיוס ובצמיחה.

הנקודה הכי חשובה בעיניי היא שלא צריך לבחור רק ערוץ מימון אחד. שילוב נכון של מענק טכנולוגי, שותף תעשייתי לפיילוט, קמפיין שיווקי קטן וגורם מלווה יכול להיות בדיוק מה שצריך כדי לפתח מוצר ולהתחיל לייצר הכנסות. ככל שיש סביבכם יותר בעלי עניין רלוונטיים, כאלה שתורמים ידע, קשרים או הבנה מעשית, כך תבנו תשתית חזקה שמובילה לחברה יציבה, אמינה ומוכוונת שוק.

ואם אתם בשלבים האלה ומתלבטים איך להרכיב את התמהיל המתאים – מוזמנים לפנות אליי. תמיד שמח לחשוב יחד, לכוון ולחבר לגורמים שיכולים לעזור.

עולם השיווק לא נשאר מאחור ואחרי שתופעת הוייב קודינג הציפה אותנו במבול של כלי בינה מלאכותית ללא ידע בקוד, מגיע תורם של סוכני השיווק לשנות את סביבת העבודה של אנשי השיווק, עם שורה של אוטומציות, למיקסום עבודת השיווק | מי טבע את המונח, מה הדמיון לוייב קודינג? מהם הכלים כחול-לבן ואיך טופו נכנס לתמונה? 

״יש סוג חדש של פיתוח קוד, שאני קורא לו ״וייב קודינג״, אתה נכנס לתוך הגל של הקוד, ונותן לו לסחוף אותך, תוך שאתה נטמע בתוך הקומפוננטות של הקוד, ושוכח שהקוד בכלל קיים. אני בונה פרויקטים, אבל אני לא באמת מקודד, אני רואה דברים, מדבר עם הקוד, מריץ דברים, ועושה קופי-פייסט, וזה עובד״ (אנדריי קרפטי, לשעבר בכיר ב-OpenAI, פברואר 2025). 

כך נולד לו הטרנד, בפברואר 2025, בפוסט שמתאר את הפליאה של קרפטי, לשעבר חבר צוות מייסד בחברה שהביאה לעולם את ChatGPT. גם קרפטי, לא שיער, שהמונח שטבע, יהפוך למטבע לשון בעולמות הבינה המלאכותית היוצרת, מונח שיופיע באינספור מצגות, יכוסה מכל זווית אפשרית בכל פודקאסט שמכבד את עצמו, ויהפוך לקטגורית מוצרים, שאפשר למנות בתוכה את Claude , Cursor, Replit, Windsurf, Loveable, וכמובן, איך לא, המוצר כחול-לבן Base44, שנמכרה אך לאחרונה ל-Wix. 

אבל מאחר ואנחנו עוסקים בשיווק, הההתפחות הישירה והטבעית של ה-"Vibe Coding״ של קרפטי, גלשה ישירות לסביבת העבודה החדשה של אנשי השיווק, בסביבה היברידית שכוללת גם ניהול אנושי, אבל מכילה גם סביבת סוכני בינה מלאכותית. 

הכירו את עולם השיווק החדש - ״וייב מרקטינג״ 

מי שעשה את ההקבלה המרתקת בין הוייב קודינג וטבע את המונח ״Vibe Marketing״ הוא גרג אייזנברג, מאנשי השיווק הבולטים בשיח סביב החיבור בין הוייב קוד לעולמות השיווק, ופרסם פוסט אינטרפטציה משלו לעולמות המרקטינג שמשווה בין עולם השיווק החדש לישן: ״העולם הישן - צוותי מחלקת שיווק עם 10 ויותר מומחים - הכוללים קופירייטרים, מעצבים, מומחי אנליזה, מומחי מדיה, עובדים בתאים נפרדים, נשאבים לתוך פגישות, ומבזבזים אלפי דולרים? העולם החדש - איש שיווק אחד - One Man Show, שמנהל צוות של סוכנים - שעושים בו-זמנים אלפי משימות, תוך ימים, ולא שבועות״,

גרג אייזנברג מגדיר את Vibe Marketing כהתפתחות ישירה של “vibe coding, תוך שימוש ב‑AI agents וכוחם של כלי אוטומציה כדי לבצע באופן עצמאי את מרבית פעילות השיווק. לטענתו, בעוד איש השיווק, מתווה את הדרך לסוכנים, הם אלה שמבצעים את המשימות, והמנהל מחבר את הסוכנים לגבולות הגזרה של המותג, והיעדים השיווקיים - קובע אווירה, קווים מנחים והטון הכללי.

לדבריו, היתרונות המרכזיים של וייב מרקטינג - ״העולם החדש של השיווק״:

• צמצום דרמטי בזמן – משבועות, לימים ולשעות.
• הפיכת צוות של 10 מומחים לערך שיווקי המופעל על ידי צוות שיווק רזה. 
• ביצוע מאות משימות שיווק בו-זמנית, תוך התמקדות בהתווית אסטרטגיה.
• אינטגרציה מלאה בין אסטרטגיה לנתונים והפיכת השיווק לדאטה-דריבן.

בדוגמאות לכלים שמאפשרים ״Vibe Marketing״, מונה אייזנברג, את הסוכנים הבאים - Manus הסיני, המאפשר בניית סוכנים לכל מטרה, n8n - כלי האוטומציות, שזוכה לפופולריות רבה - ואפילו לקהילה ישראלית של משתמשים הדוקים, Make הוותיקה, Taskade ועוד. 

מאחר ואנחנו גאים בתעשייה המקומית, אנחנו בחרנו להתמקד בכלים ומוצרים כחול-לבן, שנמצאים תחת הקטגוריה של Vibe Marketing ובהם - Marketeam.ai, Toffu.ai, sushilab.ai, הנמצאים תחת מטריית המונח ״וייב מרקטינג״ ומאפשרים לכם למקסם את עבודת השיווק, בסביבה היברידית, בה אתם, מנהלי השיווק, מנהלים צבא של סוכנים, שמבצעים מאות, אם לא אלפי משימות במקביל, בגל של הוייב מרקטינג.

מה הדמיון בין טופו לסושי? וייב מרקטינג

הדוגמא הראשונה לכלי מסוג זה הינו Toffu.ai, שהיזם, אור ארבל, שעומד מאחוריו, הינו ״ה-Cursor או ה-Base44 לעולמות השיווק״. המוצר מאפשר לכם, לחבר את כל חשבונות המפרסם שלכם, את כל כלי האנליזה של המותג, ולהתכתב בשפה טבעית פשוטה עם הקמפיינים שלכם, כולל לעשות שינויים בקמפיינים, לשנות תקציבים, לקבל ניתוחי אנליזה, לייצר תוכן ועוד. המוצר מאפשר חיסכון בשעות רבות של עבודה ידנית והמרתה באוטומציות חכמות. 

הפלטפורמה מאפשרת מודל מנויים, עם מודל חינמי עם 100 קרדיטים יומיים, ורמות מנויים מודולריות לעסקים, סוכנויות ואנטרפרייז. כששאלנו את אור ארבל מהו עבורו "Vibe Marketing״ - הוא סיפר לנו את הסיפור ההקמה שעמד מאחורי המיזם - אור התערב עם אשתו תום, סמנכ״לית שיווק בחברת הייטק, שיצליח עם כלי וייב קוד, לייצר לה אוטומציות חכמות שיחסכו לה את מרבית המשימות בשיווק. ״אם יש Cursor למפתחים, למה שלא יהיה לאנשי שיווק? וזו בדיוק הסיבה למה הקמנו את Toffu.ai״.

הדוגמא השניה, Marketeam.ai - פיתוח ישראלי, של סוכני שיווק לעסקים קטנים ובינוניים, וכוללת לל מחקר שוק ומתחרים, יצירת תוכן, SEO, פעילות ברשתות חברתיות וקמפיינים ממומנים - בהפעלה מיידית, ללא צורך בגיוס עובדים או בתקציבי עתק.

 Marketeam.ai הוקמה ב-2021 והיא מביאה גישה של Integrated Marketing Environment IME - עם צוות מודולרי של סוכנים אוטונמים - הפועלים כחלק אינטגרלי מהמותג ומבצעים יחידות עבודה שלמות - החל ממחקר ואיסוף דאטה, דרך גיבוש אסטרטגיה, יצירת תוכן והפצתו. למי זה מתאים? למותגים ועסקים קטנים ובינוניים שרוצים להפעיל שיווק חכם, מקיף ומבוסס דאטה - בלי להגדיל צוות ובלי להיכנס לתלות בסוכנויות חיצוניות.

כששאלנו את נעמה מנובה, המייסדת של , Marketeam.ai , מהו ״Vibe Marketing״ עבורה, ענתה: ״עבורנו זה שיווק תוצאתי. זה אומר שלא מתחילים ממשימות, אלא מהמטרה - מה רוצים שיקרה, איך זה אמור להיראות, להרגיש ולהשפיע. אחרי שמגדירים את הכיוון, הסוכנים במערכת גוזרים אחורה את מה שצריך לקרות כדי להגיע לשם: הם מנתחים נתונים, בונים אסטרטגיה, יוצרים תכנים, בונים קמפיינים ומבצעים אופטימיזציה תוך כדי תנועה, בהתבסס על מאות נקודות דאטה שמשתנות בזמן אמת״. 

לטענת נעמה, ״התפקיד של איש השיווק משתנה - הוא כבר לא צריך לבנות תוכניות, לכתוב בריפים או לנהל כל משימה בנפרד. במקום זה, הוא הופך להיות מי שמכוון, מבקר ומאשר. המערכת מציעה - והאדם שומר על שליטה, בודק שהכיוון נכון, ומתקן כשצריך״.

דוגמא שלישית ואחרונה של מוצר חדש שעתיד לצאת ממש בקרוב לשוק הוא Sushilab.ai של היזם הסדרתי טל פלורנטין - פלטפורמה שיווקית עם מטרה לשפר את מערכת היחסים והתקשורת בין המותג לצרכן, דרך בניית סוכנים מבוססי בינה מלאכותית, תוך שימוש במעטפת רחבה של מודלי שפה Text To speech, Text to Image, Text to Video ועוד. 

כששאלנו את טל פלורנטין על ״וייב מרקטינג״ - טל הפנה אותנו לפוסט שכתב עם הפנייה לציטוט שמציג את המיינדסט של הוויב מרקטינג: ״פתאום אפשר לייצר את האווירה הנכונה ולספר סיפור המשך. אפשר לשלב את היילי (סוכנת ה-AI) במסר של אחרי הפגישה. אפשר להוסיף לדף את התכנים הנבחרים מהמצגת…פתאום הכל התחיל להסתדר. פתאום אפשר לייצר את האווירה הנכונה ולספר סיפור המשך״.

**גילוי נאות: אמיר שניידר הצטרף לאחרונה כיועץ שיווק לחברת Toffu.ai.

ה-AI הופך את היכולת של עובדים למלא מגוון רחב של תפקידים לקלה מאי פעם

העובדים הראשונים בכל סטארטאפ הם נטולי תפקידים מובהקים (Positionless) באופן טבעי. אדם אחד עושה חמישה תפקידים. המעצב הוא גם המשווק. מנהל המוצר מפעיל את שירות הלקוחות. המנכ״ל כותב את ניוזלטר החברה הראשון. לכל דבר שצריך להיעשות, מישהו פשוט ניגש, מטפל ולומד תוך כדי. זה כאוטי, מאולתר, אבל זה עובד.

סטארטאפים משגשגים על כוח ה־Positionless. בלי מחלקות נפרדות או תפקידים נוקשים, הצוותים זזים מהר, רעיונות מגיעים מכל כיוון והביצוע מיידי. האנרגיה הזו, החופש לעשות את הכל ולהיות הכל, היא שמניעה חדשנות וצמיחה בשלב הראשוני.

אבל כשהסטארטאפ מתחיל לגדול, משהו לרוב משתנה. הצוותים מתרחבים, מגויסים מומחים ומופיעים תרשימי ארגון. מצד אחד, החברה משתפרת ככל שיש בה יותר כישרון ויותר מבנה, אבל מצד שני, היא גם נהיית איטית יותר. נוצרות מחלקות ומתרבים תהליכי העברה בין צוותים. הביצוע מתחיל להתבסס על שגרות ומפגשים ולא על תנופה. אותה חדות ראשונית, אותו 'כוח נטול־תפקידים', מתחיל להיעלם.

הסכנה האמיתית בתהליך הצמיחה היא באובדן המהירות, הגמישות והאחריות האישית שאיפשרו את הצמיחה מלכתחילה. אנחנו רואים זאת היטב גם אצלנו, במיוחד בשיווק. כשהחברה גדלה, התהליכים הטבעיים גורמים לשחיקה בגישת ה-Positionless עלולה להישחק. צריך לתת על כך את הדעת ולקבל החלטה כיצד נכון לארגון להתנהל.

כל חברה צריכה כמובן מבנה ומומחים מקצועיים, אבל אסור לתת לתהליכים להפוך לחסמים ולבנות כלובים. במקום זאת, בנו תרבות שמקדשת אחריות אישית, סקרנות ומהירות. זו המשמעות של להיות Positionless - חברה שלא מוגדרת לפי תפקידים, אלא לפי תוצאות. כיום הבינה המלאכותית מעניק לחברות את היכולת לפעול בצורה חוצת־תחומים ועם גמישות מירבית, מאחר ואין כבר צורך לדעת לבצע כל תפקיד, אלא מספיק להפעיל נכון את ה-AI כדי לקבל את התוצאה המבוקשת. 

בואו ניקח לדוגמה את תחום השיווק: כיום, משווק בודד או צוות שיווק קטן יכול לנתח דאטה, לכתוב טקסטים, לבצע פרסונליזציה לתוכן ולהריץ קמפיינים באופן עצמאי לגמרי. זהו שיווק נטול־תפקידים, והוא הבסיס של הדרך שבה סטארטאפים צריכים לפעול.

שיווק נטול־תפקידים מעצים אנשים לפעול במהירות ולחשוב אסטרטגית, בלי לחכות למומחים. לא מדובר בהחלפת תפקידים, אלא בהסרת צווארי בקבוק. ה-AI משחרר את הפוטנציאל של כל משווק ומאפשר לו לעשות יותר, מהר יותר, בחוכמה ובאופן עצמאי. אצלנו באופטימוב אנחנו אומרים: תעשה הכול; תהיה הכול".

לסטארטאפים, הגישה משנה את חוקי המשחק. לא צריך תקציבי ענק או צוותים גדולים כדי להתחרות. צריך כלים ותרבות שמאפשרים לצוותים קטנים לזוז כמו גדולים. צריך מערכות שמאפשרות לבדוק, לשפר ולהתפתח מהר, תוך שמירה על קשר ישיר עם הלקוח. זו דרך לבנות ארגונים שבהם כל אחד יכול לתרום גם מעבר לתחום ההתמחות שלו. מקום שבו היצירתיות לא מוגבלת לפי תואר תפקיד, והביצוע מוגבל רק לפי הדמיון.

יש משהו מדהים בשימור תרבות של גמישות ויוזמה. גם כשנוצרים תחומים חדשים והאחריות הופכת מוגדרת יותר הארגון יכול להמשיך לפעול בגישה נטולת־תפקידים. הוא יכול לשמור על קבלת החלטות מהירה ותהליכים גמישים. הוא יכול לאפשר לאנשים לקחת על עצמם אתגרים חדשים ולצמוח בכיוונים בלתי צפויים. ה-AI הופך את זה לאפשרי, אבל תפיסת המנהיגות היא זו שהופכת את זה למציאות.

אז אם אתם סטארטאפ בתהליכי צמיחה ההמלצה החמה שלי היא לשמור על כוח ה-Positionless. להשתמש ב-AI לא רק ככלי פרודוקטיביות, אלא ככלי להעצמה. עצבו תהליכים שמקדמים פעולה ולא מעכבים אותה. וזכרו: הגמישות שהתחלתם איתה לא חייבת להיעלם. אפשר לגדול ולהישאר מהירים.

מדריך הכלים והאסטרטגיה לבניית מכונת למידה יעילה

לפני הרבה שנים, בתקופה הפרהיסטורית שבה קוד עדיין נוצר ידנית, קצת אחרי שמכרנו את Yedda ל AOL, צחקנו כשקראנו יחד את שורת הקוד הראשונה, בה היה כתוב: 

class YaddaDemo

זה לא היה כי שכחנו לשנות- פשוט זה אף פעם לא היה מספיק חשוב. השם הראשוני Yadda (מי אמר סיינפלד ולא קיבל, אבל הדומיין לא היה פנוי) נשאר שם, וגם ה־“Demo” נשאר שם גם, כי זה כל מה שהקוד הזה היה אמור להיות כשהוא נכתב- דמו.  עבורנו, זאת גם היתה תזכורת חשובה, מה חשוב, ומה פחות חשוב. כי מה שחשוב הוא כלי שנמצא בחוץ, שאנשים משתמשים בו, ואתם לומדים ממנו על מה חשוב להם. ה־(MVP  (Minimum Viable Product שלנו פעל מהרגע הראשון, צבר משתמשים, ,תובנות ותוכן, עד שהפך ל AOL Answers.

למה MVP היום הוא לא מה שהיה פעם?

השוק של היום שונה מהותית מאותה תקופה פרהיסטורית. רק בישראל, לפי נתוני IVC, קמו כ-1,200 סטארט-אפים חדשים ב-2024, ולא בכדי, כ-47% מההשקעות שהגיעו אליהם הופנו ישירות לתחום ה-AI. אם אתם יזמים בתחום, אתם לא מתחרים בוואקום.

אין יותר מקום ל"פחות מדי":

• המשתמשים היום מצפים לחוויית משתמש (UX) ברמה אליה הורגלו ע״י Apple ו-Netflix. הם לא יסלחו על פחות.
• התחרות קיצונית – אם חווית השימוש הראשונית לא תייצר "וואו" מיידי, הם פשוט יעברו למתחרה הבא.
• סטארט‑אפ בלי הבנה מהירה של מה עובד/ לא עובד ולמה – יתקשה לשרוד את החודשים הראשונים.

היום, MVP צריך להיות אחד מאלה:

• MLP – Minimum Lovable Product – קטן בהיקף, אבל עצום בחוויה ובאהבה שהוא מייצר. כפי שאמרו ב-Y Combinator: "עדיף שיהיו לך 100 לקוחות שמאוהבים במוצר שלך מאשר 100,000 שחושבים שהוא 'בסדר'."
• MVE – Minimum Viable Experience – התמקדות בחוויה שלמה, מהשנייה שהמשתמש שומע עליכם ועד לקבלת הערך.
• RAT – Riskiest Assumption Test – מבחן מהיר וממוקד לבדיקת ההנחה הכי מסוכנת שלכם, לפני שכותבים שורת קוד אחת.

מה צריכה להכיל מכונת למידה של MVP?

טכנולוגיית LLM (כמו ChatGPT): הכוונה היא לא רק ליצירת טקסט שיווקי או תשובות למיילים של משקיעים (או עזרה בלהבין מה הם רוצים). מדובר בשימוש מוחשי ב-AI בתוך המוצר – תהליכים כמו תמיכת משתמשים, סינון מידע, ניתוח ומתן מענה אוטומטי שמשתלבים בממשק, בבסיס הנתונים ובאוטומציות שלכם.

ארגז כלים אפקטיבי ל־MVP מודרני

הכלים המודרניים מתחלקים לשלוש קטגוריות מרכזיות, אך כפי שנראה, הגבולות ביניהם מתחילים להיטשטש.

1. Frontend – No‑Code: הכלים לבניית הממשק וחווית המשתמש (לדוגמה: Bubble, Webflow, FlutterFlow).
2. AI Co-Founder: השותף (הדיגיטלי) שלכם, שמייצר תוכן, תובנות וקוד (לדוגמה: ChatGPT, Claude, Gemini).
3. Workflows: הדבק שמחבר בין כל השירותים באופן אוטומטי (לדוגמה: Zapier, Make, n8n ).

סיפור הצלחה לדוגמה: Formula Bot של David Bressler נבנה בסוף שבוע אחד עם Bubble ו-API של OpenAI, הפך ויראלי והגיע להכנסה שנתית של $500k. העלות הראשונית? $35 לחודש. זה הכוח של הכלים האלה.

הדור הבא: פלטפורמות All-in-One מבוססות AI

הטרנד המתקדם ביותר הוא פלטפורמות שמאחדות את כל הכלים הללו למקום אחד. חברת Base44 היא דוגמה מובילה למגמה הזו. הרעיון הוא פשוט מהפכני: אתם מתארים את האפליקציה שלכם בשפה טבעית, וה-AI בונה עבורכם את התשתית כולה – Frontend, Backend, בסיס נתונים, ואימות משתמשים. זו גישה שמקצרת את הדרך מרעיון ל-MVP פועל בתוך מספר שעות.

מקרה מאסטר‑קלאס: Feed‑Forward ב־48 שעות

דוגמא לפלטפורמה שמסייעת למנהלים לנסח משוב בונה לעובדיהם:

1. Webflow - בניית דף נחיתה פשוט שמסביר את הערך.
2. Typeform - הטמעת טופס עם 3 שאלות קלות: למי מיועד המשוב? מהי נקודת חוזק מרכזית? מהי נקודה אחת לשיפור?
3. Make Automation:
   • עם קבלת הטופס ← שליחת פרומפט ל‑GPT-4:
     "You are an experienced and empathetic manager. Write constructive, positive, and inspiring feedback based on these points..."
   • עם קבלת התשובה מ-GPT ← שמירה ב‑Airtable ושליחת התוצאה למשתמש בדוא״ל.
4. Day 1: המוצר באוויר, הקמפיין הראשון נשלח ל-10 מנהלים רלוונטיים.
5. Day 2 (בוקר): ניתוח שימוש ראשוני – כמה השתמשו? כמה המשיכו את התהליך?
6. Day 2 (צהריים): שיחות עומק עם 3 מנהלים שהתנסו כדי להבין את החוויה.
7. Day 2 (ערב): החלטה מבוססת דאטה – האם ממשיכים בכיוון הזה או מבצעים Pivot?

בתוך 48 שעות יש לכם MVP עובד, פידבק אמיתי, ולמידה משמעותית. פלטפורמות מהדור החדש כמו Base44 שואפות לקצר את התהליך הזה עוד יותר, על ידי איחוד שלבים רבים לפלטפורמה אחת.

אימפלמנטציה: מתי לעבור לקוד?

זו שאלת מיליון הדולר, והתשובה צריכה להיות מבוססת דאטה.

טריגרים אפשריים למעבר:

• משתמשים פעילים חודשיים (MAU) > 1,000
• זמן תגובה (Latency) קבוע > 1 שנייה
• עלות שימוש ב-API (Token cost) > $500 לחודש

→ אם אחד מאלה קורה, זה הזמן לתכנן מעבר ל-microservices ב-Node/Python, עם תשתית ייעודית.

כך נשארים Lean כשהשוק עדיין לא הוכיח את עצמו, ועוברים ל-Code רק כשצריך לתמוך ב-Scale אמיתי.

הצ'ק‑ליסט שלך ל־48 השעות הקרובות

1. הגדירו את ה‑RAT שלכם: מהי הנחת הבסיס הכי מסוכנת שלכם כרגע?
2. צאו לדרך ב־48 שעות – בנו את הניסוי המהיר ביותר לבדיקת ההנחה הזו.
3. השתמשו בכלי אחד מכל קטגוריה: No-Code + AI + Workflow, או נסו פלטפורמת All-in-One.
4. קבעו יעד ברור: להגיע ל-15 משתמשים ולקבל מהם פידבק משמעותי.
5. תתחילו עכשיו – אל תחכו לרגע ה"מושלם".

לסיכום

הסיפור של YeddaDemo הוא תזכורת קטנה – הצלחה לא נמדדת בשם הקלאס בקוד, אלא בלמידה שהמוצר מייצר. היום, עם התחרות העצומה, MVP לא יכול להיות סתם "ישים". הוא חייב להיות מכונת למידה עם נשמה.

אז קדימה, בחרו השבוע את הנחת ה‑RAT שלכם, בנו אותה, ושתפו אותנו בתגובות – איך הלך?

איך בלי לדעת לכתוב קוד? בניתי מוצר שעוזר לנו לראות את ההכנסות במקום אחד ולהבין את התנהגות המשתמשים שלנו.

בעזרת כלים שעולים כמה עשרות דולרים בודדים בחודש (Claude, n8n ו- Lovable) הצלחתי לאחד את נתוני ההכנסות שלנו מספקים שונים, להציג אותם בדשבורד ולהשיק מוצר פנים-ארגוני שמציג במקום אחד את כל הרכישות של המוצר שלנו. 

האתגר

אנחנו חיים היום בתקופה שבה לבנות מוצרים עם AI נהיה קל כמעט כמו לחפש משהו בגוגל, אבל להביא את הפרוטוטייפ הזה עד למוצר פרקטי שעובד בפרודקשן נדרש תהליך.
באופן טבעי, כמו בכל חברה, גם ב SeatPick משאבי הפיתוח מוגבלים - יש הרבה יותר רעיונות למוצרים מאשר היכולת באמת לפתח. כחברה, הוחלט לשים כפוקוס את היכולת לבנות מוצרים ופרוטוטייפים דרך כלי AI בלי תלות במשאבי הפיתוח. זה נכון לגבי צוותי מוצר, תוכן, מרקטינג ועוד, וזאת על מנת לייעל תהליכים מהר, להראות אימפקט ולפגוש את השוק במהירות. 

לכן, כשהצטרפתי ל SeatPick האתגר שלי כמנהל מוצר שהיה בעבר ״לשכנע״ את ההנהלה שהאימפקט של המוצר שאני רוצה להביא לידי פיתוח משמעותי מספיק, השתנה. עכשיו הוא - איך אני יכול להפוך פרוטוטייפ למוצר שימושי בעצמי.

SeatPick זו פלטפורמה להשוואת כרטיסים לאירועי ספורט, מוזיקה- יש לנו כרטיסים לכל אירוע שקורה כרגע, בכל מקום בעולם.
את הכרטיסים שאנחנו מציעים למיליוני משתמשים אנחנו מקבלים ממוכרים גדולים (״ספקים״) שאנחנו עובדים איתם. להציג כרטיסים אנחנו יודעים, אבל להבין הכנסות ולייצר מהם תובנות עסקיות, זה כבר בלאגן.

למה זה כל כך מורכב? 

• כל מוכר מחזיר מידע אחרת ( API / קבצים / דשבורדים שיושבים בפלטפורמה אוןליינית של הספק).
• בסוף כל חודש מנתחים ידנית דוחות הכנסה, כל אחד בפורמט אחר.
• אין לנו תצוגה בזמן-אמת של ההכנסות.
• קשה לסגור את ה-funnel ולהבין מי קנה ומתי, כי הרכישה לא נעשית אצלנו באתר.
  

   

הכלים שבחרתי

• Lovable – פלטפורמה לבניית אפליקציות ו-UI עם AI, ללא קוד
  
  
• n8n – כלי אוטומציות גמיש וזול, קצת כמו Zapier או Make אבל מוכוון AI
  
  
• Claude – מניסיוני, במשימות פיתוח הוא קצת יותר חד מ-ChatGPT
  

   

 התהליך שלי – שלב אחר שלב 

1. מיפוי הבעיה ואיפיון - ממש כמו באיפיון של מוצר חדש. שיחה עם המשתמשים הפוטנציאליים (המנכ״ל), איפיון ומחקר של מוצרים מתחרים.
   

    

2. פרוטוטייפ ב-Lovable
   לקחתי את כל האיפיון הטקסטואלי שבניתי ונתתי אותו ל-Lovable. הוספתי כמה שיותר קונטקסט כדי שיבין מה אנחנו הולכים לבנות יחד.
   

    

3. פה בדרך כלל הדברים נעצרים
   בדרך כלל כאן אני מעלה הכל לטיקט בג׳ירה ומעביר לפיתוח. אבל החלטתי לנסות משהו אחר ולהפוך את האיפיון למוצר. אחרי מחקר קצר של הכלים הקיימים בשוק לצורך שלי, בחרתי ב-n8n ו-Claude.
   

    

4. ללמד את Claude את n8n
   רציתי שקלוד יעזור לי ליצור את האוטומציה בn8n, כדילייעל את כל התהליך. כדי לעשות את זה יש 2 אופציות: אפשר ללכת ל-GitHub של n8n, להעתיק את הכתובת ולשים את זה ב-gitingest.com שהופך את הכול למונגש יותר ל-AI ולשלוח לקלוד.
   או לשלוח לו את הלינק של הדוקומנטציה של n8n.
   

    

5. יצירת ה-Flow בn8n
   תיארתי לקלוד מה אני רוצה שיקרה בטקסט ובעזרת ציור שציירתי ושלחתי לו כקובץ תמונה. קלוד ייצר לי את כל ה-flow, העתקתי את הקובץ שהוא סיפק לי והדבקתי אותו ב-n8n.
   התוצאה הייתה טובה באופן מפתיע, זה היה 70% מוכן.
   

    

6. שיפור הflow בn8n
   אחד היתרונות הגדולים של n8n זה שיש לו צ׳אט מובנה באוטומציה. אפשר להתייעץ בצ׳אט על התהליך שאת בונה והAI נותן תשובות רלוונטיות למה שאת מנסה לבנות. ככה הצלחתי להביא את זה למצב שהאוטומציה עובדת ואני מצליח למשוך את המידע מאחד הלקוחות שלנו.
   
   לשלוח את המידע לדשבורד שבניתי בlovable
   כדי לייצר תצוגה נוחה, השתמשתי ב webhook - דרך לגרום למערכת "להקשיב" לאירוע, וכשהוא קורה, להריץ פעולה אוטומטית (כמו "אם מישהו לוחץ על כפתור -> תשלח בקשה ל־n8n להריץ את האוטומציה").
   לא ידעתי כל כך מה לעשות משם, אז פשוט שאלתי את קלוד והוא הנחה אותי לשלוח את הכתובת webhook לlovable וזה עבד.
   הדאטה נשלח לדשבורד שבניתי ואחרי עוד כמה דיוקים הדאטה הוצג בצורה ברורה.

      7. העברה לפרודקשן
      משם העברתי את המושכות לגיא ה-CTO ולצוות הפיתוח, שהעביר את הדשבורד והדאטה שישבה תחת הארגון שלנו.          זה נעשה כי lovable מאפשר לך לראות את המוצר שבנית בקוד בגיטהאב.

 התוצאה

• Live Revenue – סוף-סוף רואים כמה כסף כל מוכר מביא, בזמן-אמת.
• 8 שעות חיסכון עבודה ידנית בחודש.
• מהירות - מרעיון למוצר חי תוך יומיים וחצי, בלי לחכות לפיתוח ובלי להסיט משאבים.
  

   

מחשבות לסיום

ב SeatPick כאג׳נדה אנחנו שמים דגש על פיתוח כלים בצורה עצמאית, פוקוס על פתרונות AI קודם והעצמה של הצוות להגשים רעיונות במהירות בלי תלות בתהליכים מסועפים ומורכבים. ואומנם לא כל חברה היא כזאת, אבל ברור לכל איש מוצר שחייבים לאמץ את המיינד סט הזה כדי לא להשאר מאחור, ואף להוביל בתחום באמצעות היכולת להשיק מוצרים ולהוכיח התכנות וערך במהירות שלא הכרנו בעבר.  

מעולם לא קודדתי ברצינות, אבל בזכות הכלים אני לא רק מגשים רעיונות והופך אותם למוצר בפרודקשן; אני גם משתפשף טכנית כי אני קורא את מה שהמודל מחזיר, מסיק מסקנות ומעשיר את הכישורים שלי - וזה הופך אותי לאיש מוצר טוב יותר. 

בעולם שבו קצב החדשנות הולך ומאיץ, הדרך שבה אנחנו מפתחים תוכנה נמצאת בנקודת מפנה היסטורית עם תמורות משמעותיות שחלו בשנתיים האחרונות. ראינו את עליית פלטפורמות ה-NO CODE ו-LOW CODE שפתחו את עולם הפיתוח לקהלים חדשים, פתאום, גם אנשים ללא רקע טכני יכולים ליצור אפליקציות ואתרים פונקציונליים באמצעות ממשקים גרפיים וכלים ידידותיים למשתמש. זוהי אכן מהפכה של ממש, אבל היא רק מסמנת את תחילת הדרך.

פלטפורמות כמו Webflow, Bubble ו-Wix אפשרו ליזמים ולאנשי עסקים להגשים את חזונם הדיגיטלי ללא צורך בצוות מפתחים, והובילו את מהפכת ה-No Code וה-Low Code. כיום, הודות ליכולות כתיבת הקוד המתקדמות של הבינה המלאכותית הגנרטיבית, נולדים כלים חדשים שמאפשרים רמת התאמה אישית גבוהה במיוחד וקלות שימוש מפתיעה – אפילו ביצירת ממשקים ותהליכים מורכבים.

אך דווקא האימוץ המהיר של כלים אלו בארגונים גדולים חושף בעיה עמוקה יותר: במקרים רבים, המודלים הגנרטיביים לא פועלים מתוך הבנה מלאה של בסיס הקוד, הסטנדרטים הארגוניים או ההקשר הרחב שבו הם מופעלים. התוצאה? קוד סינתטי שנראה נכון על פני השטח אך מתנגש עם התשתיות וההעדפות המקומיות. כאשר ארגונים מתעקשים "ליישם AI בכל מחיר" מבלי להטמיע מנגנוני הבנה ושילוב אמיתיים — נוצרים מתחים פנימיים. לא מפתיע ש־42% מהמנהלים מדווחים שבינה מלאכותית כבר יוצרת קרעים בתוך הארגון שלהם.

עם זאת, בעוד שמשתמשים פרטיים וסטארט-אפים קטנים מתחילים ליהנות מהיכולות הללו, ארגונים גדולים וסביבות SaaS מורכבות עדיין נותרים מאחור. הסיבה לכך פשוטה: בסיסי הקוד הגדולים של מערכות אלו חורגים מהיכולת של מודלים גנרטיביים לטעון ולהבין את כל הקונטקסט הדרוש – ולכן הרבה מהכלים החדשים לא מצליחים להתמודד עם האתגרים הארגוניים הגדולים באמת.

מבינה מלאכותית לבינה אוטונומית

הבשורה האמיתית, זו שתשנה את פני התעשייה, היא המעבר מכלי בינה מלאכותית פסיביים לסוכנים אוטונומיים פרואקטיביים. כבר היום אנחנו רואים כיצד מודלי שפה גדולים (LLMs) מסייעים למפתחים לכתוב קוד, לאתר באגים ולייעל תהליכי פיתוח. אך השלב הבא הוא מרחיק לכת הרבה יותר - סוכני AI שלא רק מסייעים למפתחים, אלא למעשה מתפקדים כמפתחים בפני עצמם CT.

דמיינו מפתח frontend וירטואלי שמסוגל להבין את הקונטקסט המלא של הארגון שלכם - הסטנדרטים, התשתיות, ה-design system, וכל הקוד הקיים - ויכול לפתח ממשקים שלמים תוך דקות ספורות, עם אחוז קבלת קוד של 95%. זה כבר לא מדע בדיוני, זו המציאות המתהווה.

איך זה נראה בפועל?

כמי שמוביל צוותים שבונים סוכני קוד אוטונומיים בשנתיים האחרונות, אני רואה מקרוב איך התפקיד של המפתח משתנה בצורה דרמטית. היום, אחד האתגרים הגדולים הוא לא לכתוב את הקוד, אלא להבטיח שהסוכן מבין את גבולות המערכת ואת ההעדפות של הצוות. למשל, הסוכן מוזן באופן שוטף בסטנדרטים והעדפות שמתעדכנים יחד עם הקוד. אנחנו מוודאים שהוא מקפיד על כללים חשובים כמו איך נכון לנהל תקשורת עם שרתים, באילו רכיבים עדיף להשתמש, ואילו חלקים במערכת רגישים מדי לשינויים. הסוכן כותב קוד שמתיישר עם הדרך הייחודית שבה  כל ארגון כותב, וממשיך ללמוד ולהתאים את עצמו בכל משימה מחדש.

חשוב להבין שהפעלת AI ללא הקשר מלא עלולה להזיק יותר מלהועיל. לפי דו"ח של ARC, מאז כניסת כלים מבוססי GenAI, חלה עלייה של 39% ב-code churn (כלומר, קטעי קוד שנכתבים אך נדרשים להיכתב מחדש זמן קצר לאחר) כתוצאה של קוד לא עקבי או חסר הבנה מערכתית. לכן, חשוב לוודא שהסוכן מקבל את כל ההקשרים הלא-כתובים, ההעדפות והכללים הייחודיים - כדי שיוכל לכתוב קוד שמתיישר עם הדרך שבה הארגון כותב, ולא לסטות ממנה מבלי לשים לב.

אצלנו, סוכן קוד לא רק משתמש במה שכבר קיים - הוא גם מחויב לשפר את מה שהוא נוגע בו. אם הוא מזהה קוד כפול, לוגיקה לא עדכנית, או חריגה מהסטנדרטים שלנו, הוא לא עובר הלאה אלא מייצר שדרוג כחלק מהמשימה. זה מובנה בהתנהגות שלו - לא רק לעזור, אלא גם לתקן ולשפר תוך כדי תנועה.

הנתונים בשטח מדגישים כמה זה חשוב: דו"ח של GitClear מצא עלייה של פי 10 בשכפול קוד תוך שנתיים בלבד - מגמה שמובילה להחמרת החוב הטכנולוגי ומכבידה על תחזוקת המערכת. סוכן שלא מבין את ההקשר יעתיק שוב ושוב, אבל סוכן חכם מזהה, מרענן ומשאיר אחריו קוד נקי יותר מזה שקיבל.

מעבר לכך, שאנחנו עובדים עם סוכנים, אנחנו מקפידים לבנות עבורם את התנאים לבדוק את עצמם. למשל, לפני שנכתבת שורת קוד אחת, אנחנו מבקשים מהם לכתוב טסטים שמתארים את ההתנהגות הרצויה. אם הטסטים לא תואמים את הציפייה שלנו - סימן שהכוונה לא הובנה נכון, ואנחנו עוצרים ומחדדים. באותו אופן, בפרונטאנד, אנחנו מרנדרים את הקוד כדי לאפשר לסוכן לראות אם התוצאה באמת נראית ומתפקדת כפי שהתכוונו.

הגישה הזו של בניית יכולת להערכה עצמית - היא מפתח בעבודה עם סוכנים. ברגע שהם יודעים לבד לזהות סטייה, ולתקן בלי תלות בנו מתחילה האוטונומיה האמיתית.

פרודוקטיביות אקספוננציאלית

לפי מחקרים אחרונים, עד 50% מזמנם של מפתחי פרונט-אנד מוקדש לבניית רכיבים בסיסיים ולתיקון טעויות אנוש. זהו זמן יקר שיכול להיות מוקדש ליצירת ערך עסקי אמיתי, לחדשנות ולפיתוח יכולות ייחודיות. סוכני AI אוטונומיים מסוגלים לשחרר את הצוותים הטכנולוגיים מהעבודה השגרתית והחזרתית, ולאפשר להם להתמקד במה שבאמת חשוב. הנתונים מדברים בעד עצמם - שיפור של מעל 44% בפרודוקטיביות של צוותי פיתוח, והפיכת תהליכים שנמשכו ימים לכאלה שנמשכים דקות בודדות.

במשך שנים, הדרך להגשמת רעיון טכנולוגי דרשה משאבים כבדים וגישה להשקעות. יזמים נאלצו לעבור דרך קרנות הון סיכון, לשכנע משקיעים, ולהקים צוותי פיתוח יקרים עוד לפני שהמוצר הראשון ראה אור. לא מעט מוצרים חדשניים ומבטיחים מעולם לא הגיעו לשוק, לא כי לא היו טובים, אלא כי היזמים שמאחוריהם לא הצליחו להשיג את התמיכה הפיננסית הנדרשת. עידן הסוכנים משנה את חוקי המשחק: רעיונות שאפתניים יכולים לקרום עור וגידים גם בלי תקציבי ענק. סוכני AI מסוגלים להוריד את רף הכניסה לפיתוח מוצרים דיגיטליים בצורה דרמטית ומעניקים כוח יצירה גם לאנשים שאינם מפתחים מקצועיים. זו דמוקרטיזציה של הקוד ויותר מכך - דמוקרטיזציה של יזמות.

ההשפעה על שוק העבודה וניהול סיכונים

אחת השאלות המטרידות ביותר בהקשר זה היא כיצד הטכנולוגיה החדשה תשפיע על שוק העבודה. האם סוכני AI יחליפו מפתחים אנושיים? התשובה מורכבת יותר ממה שנדמה במבט ראשון.

המגמה לא מתיימרת להחליף את מפתחים, אלא לשינוי מהותי בתפקידם. מפתחים יהפכו למנהלי פיתוח, למאמני AI ולאדריכלי מערכות מורכבות. במקום לכתוב קוד בסיסי, הם יתמקדו בהכוונת הסוכנים האוטונומיים, בהגדרת ארכיטקטורות ובפתרון בעיות מורכבות שדורשות חשיבה יצירתית והבנה עמוקה של צורכי העסק.

במקביל, הטכנולוגיה החדשה פותחת את הדלת גם בפני עובדים שאינם מפתחים. מנהלי מוצר, מעצבים ואנליסטים יכולים כעת להפעיל סוכנים כדי להביא פתרונות קרוב מאוד ליעד, לעיתים 90% מהדרך - כאשר מפתחים מנוסים נכנסים בשלב הסופי לביקורת, תיקוף והתאמות. זהו מודל עבודה חדש שבו משימות אינטגרטיביות אינן עוברות רק דרך "צווארי בקבוק" טכניים, אלא מתאפשרת זרימה מהירה, שיתופית וגמישה יותר של פיתוח ויצירתיות.

למרות כל היתרונות, המעבר לסוכני AI אוטונומיים אינו נטול אתגרים. סוגיות של אבטחת מידע, פרטיות, איכות קוד, ואמינות עדיין דורשות מענה מקיף. לא פחות חשוב, יש לתת את הדעת על ההשלכות האתיות והחברתיות של טכנולוגיה זו. אחד האתגרים המרכזיים הוא הבטחת שילוב הרמוני בין הסוכנים האוטונומיים לבין הצוותים האנושיים. נדרשת מערכת אקולוגית שלמה שתאפשר שיתוף פעולה פורה בין כל הגורמים המעורבים בתהליך הפיתוח.

המודל החדש של פיתוח תוכנה

העתיד של פיתוח תוכנה טמון במודל היברידי חדש, שבו סוכני AI אוטונומיים משתלבים באופן עמוק עם צוותי הפיתוח האנושיים, אך לא רק. סוכנים יבצעו משימות מוגדרות היטב, במיוחד כאלו שחוזרות על עצמן או שניתן להעריך את הצלחתן באופן עצמאי. במקביל, עובדים שאינם מפתחים - כמו מנהלי מוצר, מעצבים ואנליסטים - יוכלו להפעיל את הסוכנים לבניית פתרונות ראשוניים שיגיעו קרוב מאוד לתוצאה הרצויה, תוך חיסכון בזמן וצמצום התלות בצווארי בקבוק טכניים. המפתחים, בתורם, יתמקדו בהכוונה, ביקורת, תיקוף, ובמשימות המורכבות שדורשות אינטואיציה, שיקול דעת, והבנה עמוקה של ההקשר העסקי.

הטכנולוגיה קיימת כבר היום, והיא מתחילה להוכיח את עצמה בשטח. ארגונים המאמצים את הגישה החדשה של סוכני AI בסביבות פיתוח מדווחים על שיפורים בתהליכי העבודה. המהפכה הזו רק בתחילת דרכה, אך ברור שהפוטנציאל עצום - במיוחד בעולם שבו הדרישה לפיתוח מהיר ויעיל של תוכנה רק הולכת וגדלה.

הצעד הבא

בעולם שבו האתגרים הכלכליים והגיאופוליטיים מאלצים ארגונים להשיג יותר עם פחות משאבים, הטכנולוגיה החדשה מספקת מענה חיוני. היא מאפשרת לחברות להתייעל, להאיץ תהליכי פיתוח ולהישאר תחרותיות בשוק דינמי ומשתנה.

הלחץ כבר כאן: סקר של PwC מראה כי 66% מהמשקיעים מצפים לראות שיפור בפרודוקטיביות בזכות AI בתוך השנה הקרובה, ו־62% מהם מאמינים שזה יוביל לשיפור ישיר ברווחיות. לא מדובר בציפייה עתידית - זו דרישה עסקית שמתגבשת עכשיו.

השנים הקרובות יהיו מרתקות במיוחד עבור תעשיית התוכנה. אנחנו עומדים בפני שינוי פרדיגמטי באופן שבו מפתחים, מנהלים ויוצרים עובדים יחד עם סוכנים אוטונומיים. הארגונים שישכילו להטמיע את הטכנולוגיה בצורה חכמה, הדרגתית ומבוססת צוותים – יהיו אלה שיובילו את השוק בעשור הקרוב.

סטארטאפים הפסידו מאות אלפי שקלים בתקופת המלחמה, בגלל הירידה החדה בדולר, בלי שאף נזק חיצוני נגרם להן.

המלחמה באיראן לימדה את כולנו לקחים רבים. גם לסטארטאפים שקיבלו הכנסות בדולרים, ופועלים בישראל עם הוצאות בשקלים יש הרבה מה ללמוד ממנה.

ביום פתיחת המלחמה שער הדולר עמד על 3.65 שקל, ואילו פחות משבועיים לאחר מכן, לאחר הפסקת האש,  הוא כבר ירד ל-3.40 שקל. המשמעות לחברות ההייטק היא אדירה - הפסד של 250 אלף שקל על כל מיליון דולר שהם החזיקו.

בשנתיים האחרונות הדולר כבר היה בטריטוריות אחרות, ואפילו מעל ל-4 שקלים לתקופה מסוימת, כך שההפסדים המצטברים הם אדירים בהרבה למי שקיבל תקבולים דולריים באותה עת - מעל לחצי מיליון שקל. אף אחד מאיתנו לא יודע מה יביא איתו העתיד, אבל ככל שהאופטימיות לגבי עתידה של ישראל תגבר, כך גם הדולר יכול לחזור לשערים שהיה בהם בעבר. יש לו עדין לאן לרדת. 

שינויי המטבעות הם קריטיים לסטארטאפים בתחילת דרכם שמבוססים על צוות שעובד בישראל עם תשלומי משכורות ושכירויות שקליים. מרבית היזמים הטכנולוגיים לא נותנים את דעתם על ההיבט הקריטי הזה. חלקם חושבים בטעות ששינוי של "כמה אגורות" לכאן או לכאן לא ישפיע מהותית. לרוב אין להם עדין מנהל כספים מנוסה שיזהיר וידריך אותם. נדמה לי שכעת הם מבינים את הטעות, וכבר אי אפשר לחזור לאחור.  

המשמעות של מאות אלפי שקלים הם מספר חודשי פעילות של סטארטאפ והארכת ה-runway, שכר שנתי של מפתח והאובדן שלהם מחייב הקדמת הגיוס הבא עם כל המשמעויות של דילול היזמים, שעלול להביא להשלכות כלכליות כבדות בהרבה בעתיד. 

הדרך להתגונן מהבלתי צפוי היא פשוטה באמצעות גידור. רבים ששומעים את המושג הזה מדמיינים מסחר אגרסיבי, הימורים ואופציות אקזוטיות, אבל בפועל, גידור זה לא הימור. זה פשוט ניהול סיכונים. בדיוק כמו שאיש לא מחכה שהחשבונית של תשתיות הענן תתפוצץ כדי לעשות אופטימיזציה, גם כאן, צריך לפעול לפני שמפסידים.

מהרגע שחברה שמרכזה בישראל מקבלת דולרים, או כל מטבע זר אחר, לחשבונה נוצר לה סיכון. לסטארטאפים בתחילת דרכם שמתנהלים בצורה רזה הסיכון גבוה בהרבה, מאחר ואין מרווחי טעות. ירידה של 5% בדולר עלולה להיגמר בפיטורים, עיכובים בפיתוח, צורך בגיוס כספים ואפילו לכישלון ללא שום סיבה אמיתית.

הדרך הפשוטה, השקופה והזולה ביותר לגדר חשיפת מט"ח היא פשוט להמיר דולרים לשקלים. אבל לא סתם להמיר, אלא ביחס לצרכים שלכם ולתוכנית ההוצאות. למשל, להמיר מראש את הסכום שאתם יודעים שתוציאו בשקלים ב־3–6 החודשים הקרובים, או אפילו לשנה - תלוי באופי החברה ובתחושת הביטחון לגבי השער. אם השער הנוכחי נוח ביחס לתקציב או לגיוס – זו לא רק הזדמנות, זו דרך לנטרל אי-ודאות.

אם לא נוח להמיר את הכל אפשר פשוט למצע - להמיר חלק מהסכום עכשיו ואת השאר בשלבים. כך יוצרים איזון בין הגנה לגמישות - אם השער ירד חלק מהתקציב מוגן ואם יעלה לא הכל כבר הומר בשער נמוך. אף אחד לא יכול לחזות את השוק, אלא רק לנהל את הסיכון. זה לא חיסכון אישי שאפשר לקחת עליו סיכון אלא כסף של הסטארטאפ שלרוב שייך גם לאחרים ואנשים נוספים תלויים בו. 

ההתעסקות במטבעות היא הרבה פחות "סקסית" מאשר בפיתוח המוצר. סטארטאפים עובדים קשה מאוד כדי למקסם כל שעה, כל פיצ'ר וכל שורת קוד. אבל לפעמים, דווקא מה שנראה "לא דחוף כרגע" ומשעמם, כמו שער החליפין, הוא זה שיקבע אם השנה תסתיים עם מוצר, עם צוות, ועם מספיק runway להמשך.

מטבע הדברים, ככל שהחברה גדלה וצומחת, גם צרכי גידור החשיפה המטבעית יכולים להתפתח, מוצרים מתוחכמים יותר כמו עסקת Forward, אופציות put ואסטרטגיות מתוחכמות יותר להגנה על שער התקציב יכולים להתאים לחברות שונות בשלבים שונים.

בעידן שבו מפתחים פשוט יכולים לדבר בקולם עם כלים כמו Cursor, עולה שיטה חדשה של פיתוח תוכנה - כזו שהיא פחות מובנת או מבוססת על סינטקס אלא יותר כזו שמבוססת על "מוד", שיטה שהיא לא רק נחלת אנשי פיתוח אלא נחלת כל מי שיודע לכתוב. אנדריי קרפטי, אחד הקולות היותר חזקים בעולמות הAI היה הראשון לתבוע את המושג "וייב קודינג" - מצב שבו אתם "וייבינג" ביחד עם הקוד, בקואורדינציה רגשית כמעט. אבל מאחורי הגישה החסרת מאמץ הזו, נמצאת האמת - לא הכל מושלם ולא הכל יוצא בקלות של הינף יד. 

מה זה בעצם וייב-קודינג?

וייב-קודינג היא גישת פיתוח אינטואיטיבית המבוססת על אינטראקציות שוטפות עם מודלי שפה (LLMs), לרוב בשפה טבעית. במקום לתכנן מראש ארכיטקטורה ולהקפיד על כתיבת קוד תבניתית, המפתח "זורם" עם הכלי - שואל, מנסה, משנה, מתקן. התהליך מהיר, ספונטני, ומרגיש כמו דיאלוג בין אדם למכונה אבל בשפת בני האדם.

איך זה נראה:

• אפשר לדבר בשפה חופשית עם כלים כמו Cursor, Lovable, base44. 
• מקבלים את רוב ההצעות שהמערכת מציעה בלי לבדוק. נוצר UI או קוד וממשיכים הלאה לפרומפט הבא. 
• נותנים למערכת לטפל בעצמה בבאגים שהיא יוצרת או מעתיקים לה והיא פותרת. 
• איטרציות קצרות עם המערכת עד שמשהו עובד.

ובדרך כלל משהו עובד; MVPs, סקאוטינג של רעיונות, wireframes, השלמות קוד - כל אלה הם תוצרים שהמערכות האלה מייצרות ומאוד מהר.

למה זה קורה עכשיו?

וייב-קודינג לא נולד מעצלנות - זו תגובה טבעית של התקדמות עולמות הLLM. מודלי השפה הגדולים פשוט נהיו טובים מאוד. הם יודעים להבין שפה חופשית והם יודעים לכתוב קוד, מה שמוביל ליכולת לשכתב פונקציות, לבנות אפליקציות, לייצר ממשקי משתמש ולנחש למה היוזר התכוון גם כשהוא כותב עם שגיאות כתיב. חוץ מזה, הממשקים נהיו שקופים - חלון הפרומפט לכתיבה, היכולת להקליט והחיבור לאינטרנט, מאפשרים למפתח לדלג על שבירת הראש, חיפושים ומחקרים ארוכים.

אבל פה המלכודת - כשמתחילים לצבור עוד ועוד פרומפטים בלי בסיס ברור, מתחיל להיווצר drift, עומס או חוסר עקביות של הקוד.

המשקל הכבד-כבד של הפרומפט הראשון

דריפט קורה משום שמודלי שפה גדולים (LLMs) מבוססים על הקשר נוכחי ולא על כוונה ארוכת טווח. הם לא שומרים בראש את מטרת הפרויקט כמו מפתח אנושי, אלא מגיבים לכל הוראה בהתאם למה שהם "רואים" באותו הרגע. למשל, אם אחרי עשר הוראות תגיד "תעבור לגריד", המודל לא ישאל את עצמו איך זה משתלב עם העיצוב הכולל, אלא פשוט יעדכן את הקוד לגריד לפי הבקשה הנוכחית. ולאורך זמן, זה יוצר הצטברות של שינויים נקודתיים - דפוסי עיצוב נשברים, מבני קלאסים משתנים באקראיות, ופונקציות הופכות לטלאים שמחוברים ללא מבנה כולל, כמו קוד פרנקנשטיין. זה קורה במיוחד כמשתמשים בפרומפטים לא פורמליים כמו "תעשה את זה יותר יפה" או "תוסיף התחברות", בלי להבהיר איך זה משתלב בתוך התמונה הגדולה, ואז נוצרת סטייה מתמשכת מהמטרה המקורית של המוצר.

לכך מצטרף גם מנגנון הזיכרון של המודלים בכלים האלה, המבוססים על הקשר קצר טווח. אמנם ניתן לחזור לשיחה הקודמת דרך הממשק וכאילו לקבל המשכיות - כלומר, אם חוזרים לאותה שיחה בדיוק, המודל "זוכר" את כל מה שנאמר קודם ויכול להמשיך מאותה נקודה. וזה מרגיש לנו כמו זיכרון, אך בפועל מדובר פשוט בשיחה שמורה והקשר שלה נטען מחדש. ולכן חשוב להבין שזה לא זיכרון אמיתי לטווח ארוך: המודל לא יודע מי אתם, מה אתם בונים או מה המטרה שלכם - אלא רק מגיב למה שהוא "רואה" כרגע בשיחה. אם תפתחו שיחה חדשה ותזכירו מושג כללי כמו "האפלקציה שדיברנו עליה", המודל לא יקשר לבד את הפרטים הקודמים, אלא רק אם תתנו לו הקשר מחדש.
בנוסף, יש מגבלה לכמות ההקשר שהמודל מסוגל לקרוא בכל פעם (ה־context window), כך שבשיחות ארוכות במיוחד הוא עלול לשכוח הוראות או פרטים מוקדמים שנאמרו גם באותו הסשן. זה רק מעמיק את בעיית הדריפט - כאשר ההקשר ההתחלתי הולך ומתעמעם, והמודל מתחיל לפעול על פי בקשות מקומיות במקום לשמר מבנה אחיד ומטרה כוללת.

לכן הפרומפט הראשון הוא כל כך חשוב, הוא כמו תוכניות הבנייה של הבניין שאליה חוזרים שוב ושוב. אם התוכנית עמומה, לא שלמה או סותרת את עצמה יבנה מגדל שישאיר לקבלן המבצע מקום לאלתר. כך גם כאן, המודל יאלתר לפי שיקול דעתו, והתוצאה עשויה להיראות יותר כמו מגדל פיזה מאשר מבנה יציב.

הדייג ודג הזהב  - יותר מדי בקשות - סופן בבקתה עלובה.

איך כותבים פרומפט ראשון הכי טוב שיש

הבנו כי הפרומפט הראשון הוא השלד של המוצר שנבנה - הוא מקרקע את ה-AI בהקשר ברור ומשפר דרמטית את איכות הפלט כבר מהשאלה הראשונה. פרומפט טוב עונה על שש שאלות ברורות:

• מה אנחנו בונים?
• מי המשתמש או הקהל?
• מה המטרה של זה? מה זה אמור לעשות?
• איך זה אמור להיראות? שימו לו כמה דוגמאות על מה חשבתם
• אילו תרחישים או מצבים זה צריך לטפל בהם?
• אילוצים טכניים או עיצוביים?

דוגמא לפרומפט שיצרתי שעונה על השאלות לעיל:

You're helping me develop a blood pressure management app for adults aged 30–70 who have hypertension or want to proactively manage heart health. These users range from moderately tech-savvy to older adults who value simplicity and clarity.

The app should help them log blood pressure and medications, track trends, receive personalized insights, get reminders, and share data securely with doctors. It must feel reassuring and easy to use, with accessible visuals, offline support, and Bluetooth integration. The app must also be HIPAA-compliant and run on both iOS and Android, even on older devices.

Position this app as a reliable, empowering companion for long-term heart health. Give me ideas for the product’s name, value proposition, emotional benefit, functional benefits, and possible brand tone.

התוצר קצת רחוק מחווית המשתמש שאליה ציפיתי; הצבעים הם בסיסיים וקשים לקריאה, יש המון לבן ולא נוצרת חוויה שגורמת ליוזר לחזור ולמלא את הנתונים שהוא גם ככה לא רוצה למלא:

כלים שיכולים לעזור בprompt engineering

כלים כמו (Teleprompt (get-teleprompt.com מתחברים לדפדפן שלכם, וגם לכלים כמו ChatGPT, Lovable, base44 וכבר משורת הפרומפט אתם יכולים לעשות שיפורים לפרומפט שייצרתם – שיפורים המותאמים לאותם הכלים.

דוג' לשיפור הפרומפט:

"You are tasked with developing a blood pressure management app specifically designed for adults aged 30–70 who have hypertension or wish to proactively manage their heart health. The app must cater to a diverse user base with varying levels of tech-savviness, from moderately skilled users to older adults who prefer simplicity and clarity.

The app should include the following features:

- Log blood pressure and medication intake.

- Track health trends over time.

- Provide personalized insights

- Send reminders for medication and appointments

- Facilitate secure data sharing with healthcare providers

Design considerations are crucial:

- Ensure a user-friendly interface that feels reassuring and is easy to navigate

- Utilize accessible visuals that cater to all ages, with focus on the elderly

- Incorporate offline support for logging and tracking

- Enable Bluetooth integration for device connectivity

- Adhere to HIPAA regulations for data security

- Ensure compatibility with both iOS and Android platforms, including older devices

Deliverables

- Value Proposition: Outline the unique features and benefits that set this app apart and make it valuable to users.

- Emotional Benefits: Describe how the app supports users and empowers them to take control of their health.

- Functional Benefits: Enumerate the practical advantages users will experience by utilizing the app.

- Possible Brand Tone: Recommend a brand tone that aligns with the app's purpose and appeals to the target demographic. Add more icons for clarity. 

Output Format: Present your ideas in a structured format, using bullet points or short paragraphs for clarity."

אין ספק שמדובר בפרומפט שמכסה יותר מצבים ועוזר לנו גם להבין מה המערכת צריכה מאיתנו.
אבל, לא לקחת את הפרומפט שנוצר כמובן מאליו, להיות ביקורתיים גם עליו ולוודא שהוא כולל את כל המצבים שהוזכרו מעל.

התוצר החדש, קצת יותר תוסס ומתאים לקריאה של קהל היעד היותר מבוגר:

טיפים להמשך בנייה או: איך למנוע דריפטינג

• תחזרו לעוגן: כל הזמן תזכירו למודל מה אתם בונים ולמה - גם באמצעות הוספת פרומפט הבסיס שוב ושוב ושוב.
• חלקו את העבודה לבלוקים: כל פיצ'ר גדול = פרומפט חדש עם פרומפט הבסיס שוב כקונטקסט.
• השתמשו בתבנית: כמו בתבנית שיצרנו Teleprompt, יש לשמור על מבנה קבוע ולהפחית בלבול של המודל. 
• תכתבו הערות פנימיות: המודל מבין שפה טבעית בתוך הקוד - נצלו את זה.
• טרגטו מקומות ספציפיים בUI: בכלי פרוטוטייפינג, אפשר ללחוץ על כפתור טרגט ספציפי ולטרגט רק בלוק ספציפי שעליו רוצים ליישם שינויים.
• דסקסו: בכלים השונים יש אפשרות לדסקס (chat) עם הכלי את השינויים שרוצים לעשות ולקבל החלטות ביחד לפני שרצים ממש לשנות את הקוד. הם גם לרוב נותנים את האופציה אחרי השיחה להכניס את התוכנית של השינויים ישירות לקוד ובצורה שהכלי עצמו אוהב.
• AI controls: בכלים השונים (עוד לא בכולם, אולי עד לפרסום שורות אלה…) אפשר לתת הוראות סטטיות, נגיד אותו פרומפט בסיס, שילקח בחשבון בכל אינטראקציה. או "להקפיא" קבצים או מסכים מסויימים משינויים שלא כל מה שעשינו עד לאותו רגע ילך פייפן. 
• אל תפחדו לעשות rollback: עשינו שינויים והמערכת השתגעה? לא לפחד לחזור אחורה.

לסיכום: לבנות עם כוונה, להאיץ עם וייב

וייב-קודינג מציע הזדמנות חדשה - לבנות מהר, להרגיש את הכיוון, ולתת לAI לרוץ יחד איתך באיטרציות קצרות. עבור סטארטאפים, זו מתנה: אפשר לעבור מ"אין כלום" ל"משהו עובד" תוך ימים. אבל בדיוק בגלל שזה כל כך קל - צריך לעצור ולהציב עוגן ברור.

הכוח האמיתי של הכלים האלה לא נמצא באלתור האינסופי של הAI, אלא ביכולת לתרגם חזון למבנה, ולהכניס את המודל לתוך ההקשר האסטרטגי של המוצר. פרומפט ראשון טוב הוא לא רק שאלה טכנית - הוא החלטה מוצרית; סטארטאפים שבונים עם הכלים האלה צריכים לפתח שריר חדש: לנסח כוונה מדויקת ולתכנן תרחישים מראש כדי לשמר הקשר, ולחזור כל הזמן לשאלה הפשוטה: מה אנחנו בונים, ולמה?

עם כוונה חזקה וטכנולוגיה חכמה, אפשר לבנות מהר - אבל גם נכון.