בגיל 18, מישהו בצבא החליט שאני בחורה לוגית וריאלית מאוד. זה היה נכון. הזימון לקורס תכנות בממר"ם לא איחר לבוא, ושם למדתי את השיעור הראשון שלי בעולם הטכנולוגי: כדי להצליח, צריך לדעת לזקק חשיבה לוגית ולהפוך אותה לשפת מכונה.

נהניתי לכתוב קוד, זה היה מעניין, אבל זה לא ריגש אותי מספיק כדי להפוך לקריירה של חיים שלמים. בהמשך הדרך בחרתי באנשים, בארגונים, בניהול ומנהיגות.

במשך שנים בניתי את המסלול שלי בעולמות הפיתוח הארגוני והניהול הבכיר. אחד הדברים הראשונים שלימדתי את עצמי - ודי מהר - היה להפסיק להיות "Hands-on". למדתי שהתפקיד שלי כמנהיגה וכמנהלת הוא להתוות אסטרטגיה, לייצר Vision, לעורר השראה, להציב יעדים, ולעסוק בבקרה וב-Fine tuning מול השותפים שלי.

בכל פעם שמצאתי את עצמי מתפתה "ללכלך את הידיים" בביצוע עצמו, הלקיתי את עצמי על חטא. הרי הארגון צריך שאני אוביל ואכוון, לא שאעשה את העבודה עצמה. כך, באופן מודע ושיטתי, ניוונתי את שרירי הביצוע שלי לטובת שרירי הניהול וההנהגה. הייתי בטוחה שזה סימן להתבגרות מקצועית.

ואז הגיעה מהפכת ה-AI.

הקיר של ה-80%

בשנים האחרונות מושג "קיר ה-80%" (The 80% Wall) תופס תאוצה. הקונספט פשוט: רוב האנשים שמשתמשים כיום ב-AI מצליחים להזניק פרויקטים במהירות אדירה, אבל הם נעצרים בקיר של ה-80%. הם לא מצליחים לעבור את ה-20% האחרונים שהופכים רעיון למוצר מושלם שעובד.

אני מרגישה את זה על בשרי. למשל, לא מזמן פיתחתי משחק מבוסס AI (ב-Sticklight כמובן), רעיון יצירתי שכלל ממשקי API מורכבים, סנכרון בין דסקטופ למובייל, הרשאות שונות ועוד. הגעתי ל-95%. אבל כדי להגיע לשם, ובעיקר כדי לנסות לפצח את האחוזים האחרונים, מצאתי את עצמי נדרשת בדיוק לאותם שרירים שניוונתי במשך שנים: לשבת שעות מול המחשב, להתעמק, לנסות לפצח קוד, להבין לוגיקות ולא להרפות. אגב, אני עדיין תקועה ב-95%, ומתישהו אשב ואעלה משם ל-100%. כשיהיה לי זמן… :)

פתאום, היכולת להיות "Hands-on" היא כבר לא חטא ניהולי - היא צורך קריטי.

שלושת המתחים של המנהיגות החדשה

הטמעת ה-AI בארגונים מציבה בפנינו, הלידרים, מורכבות משולשת שלא הכרנו:

1. מתח בין הווה לעתיד: אנחנו צריכים לנהל את ה"כאן ועכשיו", לעמוד ביעדים הרבעוניים ולשמור על האופרציה, ובו זמנית להוביל טרנספורמציה עמוקה שמשנה Workflows ותהליכי ליבה.
2. Agility וניהול שינוי: היכולת להשתחרר ממה שהיה קיים עד אתמול ולדחוף עובדים לדמיין מציאות חדשה לחלוטין.
3. האתגר האישי (חיזוק השרירים המנוונים): וזו אולי הנקודה המאתגרת ביותר - עלינו למצוא את הזמן והסבלנות לחזור ולחזק את השרירים שזנחנו. הרי אי אפשר להוביל טרנספורמציה בלי לנסות אותה על בשרנו. וכאן ה-AI דורש מאיתנו רמת מעורבות טכנית וביצועית שחשבנו שהשארנו מאחורינו.

השינוי הוא קודם כל אנושי

בסופו של דבר, כבר נאמר רבות לפניי: השינוי הזה, לפני שהוא טכנולוגי, הוא קודם כל אנושי. בהתאם, לידר מצליח בעידן הזה הוא מי שיודע להשתחרר מהדפוסים שהרגיל את עצמו אליהם במשך עשורים. לידרית מצליחה היא מי שמבינה שמה שהביא אותה עד הלום - ההתרחקות מהביצוע - הוא לא בהכרח מה שיעזור לה להוביל את הארגון שלה לעבר המהפכה הבאה.

בחרתי להתמקד כאן רק באספקט אחד מתוך השינויים, שאנחנו כלידרים צריכים לעבור כדי לצלוח את טרנספורמציית ה-AI. זה מסע של למידה מחדש, של חזרה למקורות ושל גמישות מחשבתית מתמדת.

אז מה עושים? תוכנית אימונים למנהיגות ה-AI

כדי לחזור ל-Hands-on מבלי לאבד את הראייה הניהולית, אנחנו לא צריכים "להחליף מקצוע", אלא פשוט לחזור לחדר הכושר. הנה תוכנית האימונים שבניתי לעצמי, ועשויה להתאים לכל לידר שרוצה לעבור את קיר ה-80%:

• קבעו "זמן הזעה" (Deep Work Sessions): בדיוק כמו שלא בונים שריר בשיחת מסדרון, אי אפשר לפצח לוגיקה של AI בין ישיבה לישיבה. שריר ה-Hands-on דורש ריכוז. שריינו לעצמכם ביומן לפחות שעתיים בשבוע שבהן אתם לא "מנהלים" את הפרויקט, אלא "עובדים" עליו. בלי מיילים, בלי סלאק - רק אתם, המכונה והלוגיקה.

• אימון התנגדות (אל תפרשו כשה-AI מזייף): בחדר כושר, השריר נבנה דווקא בחזרות האחרונות והקשות. כשאתם בונים סוכן (Agent) והוא נתקע ב-80%, אל תעבירו את זה מיד לצוות הטכני. תנסו "להרים את המשקולת" בעצמכם עוד קצת. תשאלו את ה-AI "למה זה לא עובד?", תפרקו את הבעיה לתתי-בעיות. הפיצוח האישי הזה הוא האימון הכי טוב שיש.

• פרוגרסיב אוברלוד (עומס הדרגתי): אל תנסו לבנות את ה-ERP הארגוני החדש ביום הראשון. תתחילו במוצר קטן שפותר לכם בעיה אישית ביום-יום. כשזה יעבוד, השריר יתחזק והביטחון העצמי שלכם בטכנולוגיה יאפשר לכם להוביל פרויקטים גדולים יותר בביטחון.

• גיוון בתרגילים: אל תתקעו רק בכלי אחד. שוק ה-AI משתנה מדי שבוע. תרגלו עבודה עם LLMs שונים, נסו לבנות אוטומציה פשוטה, תתנסו בעבודה עם APIs. ככל שסל הכלים שלכם יהיה מגוון יותר, ה"גמישות המחשבתית" שלכם תהיה גבוהה יותר.

• מצאו "Partner" לאימון: הטרנספורמציה הזו בודדה פחות כשעושים אותה יחד. מצאו קולגה, או אפילו עובד בצוות שלכם, ותלמדו מהם. אצלנו בארגון יצרנו (בין יתר הפעולות התומכות בהטמעת AI בארגון שפירטתי במאמר הקודם בסדרה) גם AI Gym שנועד בדיוק עבור זה. ספציפית, היכולת של מנהל להגיד לעובד שלו "תראה לי איך עשית את זה, אני רוצה להבין את הלוגיקה לעומק" היא לא חולשה - היא מנהיגות מבוססת דוגמה אישית.

בנימה אישית - אם חשבתי שלקום בחמש בבוקר לרוץ עם קבוצת הריצה זה מאתגר, הרי שחיזוק שרירים שזנחתי מזמן מתברר כמשימה קשה בהרבה…

ואסיים בנימה אופטימית

אל מול כל האתגרים שמהפכת ה-AI מזמנת לנו - כל ה-FOMO האדיר, המרוץ להכיר עוד כלי חדש שצץ, לבנות עוד דברים, להתבלט בארגון ובשוק - ניצבת הבנה פשוטה: אנחנו צריכים לחזק שרירים שהתנוונו, אנחנו צריכים לאתגר את עצמנו כל יום מחדש - וזה מרתק בעיניי.

בסוף, כשאנחנו מצליחים לעבור את הקיר ההוא של ה-80%, אנחנו לא רק מקבלים מוצר טכנולוגי עובד. אנחנו מקבלים גרסה טובה יותר, חדה יותר ורלוונטית יותר, של עצמנו כמנהיגים.

AI לא יבנה את המותג שלכם מהלב, אבל הוא יכול לעזור לו להגיע קצת יותר רחוק.

אחרי שניסיתי להתחמק ולהתכחש בכל דרך אפשרית ל-AI, בשנה האחרונה אני מוצאת את עצמי משתמשת בכלי בינה מלאכותית ממש בכל יום עבודה. כדי לחדד רעיון, לבדוק כיוון ויזואלי חדש, ולפעמים פשוט כדי לחסוך זמן ולהתייעל בעבודה. ככל שאני עובדת איתם יותר, ככה אני מבינה שהמודלים לא יודעים לבנות מותגים חזקים ומיוחדים, אבל הם לגמרי יכולים לחזק מערך שלם של מחקר, עריכה, ופיתוח. 

תהליך לידת מותג חדש עדיין צריך הרבה רגש ואינטואיציה. המודלים לא יכולים להחליט מה החברה רוצה לייצג, לייצר חזון מהלב, לבנות תרבות שלמה או אסטרטגיה רחבה. אלו דברים שעדיין נוצרים מתוך שיחות, ניסיון, והחלטות אנושיות. אבל ברגע שמתחילים להיווצר היסודות של המותג: האישיות, השפה, הערכים והזהות הוויזואלית, AI יכול להפוך לשותף לצוות שילווה אתכם בדרך.

דווקא עבור סטארטאפים וחברות קטנות, שבהם יש הרבה משימות ומעט משאבים, זו יכולה להיות עזרה מאוד יעילה. 

מותג בהתהוות: לתת ל-AI לעזור

כשמותג עדיין נמצא בשלבי גיבוש, לדעתי כדאי להשתמש ב-AI בזהירות. בעיקר בגלל שקל להישאב לתהליך ולתת לו לקבל החלטות שהוא לא באמת מסוגל לקבל.

בשלבים הראשונים של תהליך המיתוג זה הזמן לכל השאלות הפתוחות: איך אנחנו רוצים להישמע? מה אנחנו רוצים שאנשים ירגישו כשהם פוגשים אותנו? מה הופך אותנו לשונים מהמתחרים? אלו שאלות שאין להן תשובה נכונה אחת, והן דורשות הבנה עמוקה של החברה ושל האנשים שמאחוריה.

מה שכן, AI יכול להיות כלי מצוין למחקר. הוא יכול לעזור לאסוף השראות, להציע כיוונים, לבחון חלופות, ליצור סקיצות ראשוניות או לאתגר תפיסות קיימות. במקום להחליף את תהליך החשיבה, הוא יכול להעשיר אותו ולגבות את ההחלטות שמתקבלות על ידי אנשים. 

להפוך את המותג לנגיש ולשמור עליו עקבי

מה שקורה הרבה פעמים בסטארטאפים הוא שהמותג חי בעיקר בראש של מי שמוביל אותו. יש ספר מותג, הכל נמצא ב- Figma, יש מסמכי אסטרטגיה ותכנים שנבנו לאורך הדרך, אבל בפועל, רוב העובדים לא באמת משתמשים בהם בעבודה היומיומית. ככל שהחברה גדלה, יותר אנשים כותבים תכנים, מכינים מצגות, מתקשרים עם לקוחות ומייצרים חומרים שיווקיים. באופן טבעי, בשלב מסוים מתחילות להופיע גרסאות שונות של אותם מסרים. במקביל, המותג עצמו ממשיך להתפתח ולהתעדכן לאורך הדרך.

כאן AI יכול להיות כלי משמעותי. ברגע שמרכזים את חומרי המותג במקום אחד, אפשר להפוך אותם למקור ידע זמין לכל הארגון. במקום לחפש מסמכים או לפנות שוב ושוב לצוות העיצוב או השיווק, עובדים יכולים להיעזר ב-AI כדי ליצור תכנים, מצגות, הודעות או נכסים ויזואליים שמבוססים על השפה, הערכים והעקרונות של החברה. מעבר לכך, AI יכול לסייע בשמירה על אחידות לאורך זמן, להתאים מסרים לקהלים וערוצים שונים מבלי לאבד את הטון, וגם לזהות חוסר עקביות בין תכנים. אין תחליף לעין מקצועית, אבל בהחלט כלי שיכול לעזור לשמור על אחידות כשהארגון מתחיל לצמוח.

לחדד מסרים ולהוציא יותר מהתוכן

בכל חברה מצטברת עם הזמן כמות עצומה של ידע: מחקרי משתמשים, שיחות עם לקוחות, מצגות, מסמכי מוצר, וובינרים, הקלטות ותכנים פנימיים. הרבה פעמים המידע הזה פשוט נשאר אבוד בתיקיות שאף אחד כבר לא פותח או זוכר.

AI יכול להפוך את החומרים האלה בקלות לנכסים חדשים ולוודא שהמותג נשען על תובנות אמיתיות. מסמך אחד יכול להפוך לסדרת פוסטים, שיחה עם לקוח יכולה להפוך לרשימת מסרים, ומצגת יכולה להפוך לתוכן שיווקי במספר פורמטים שונים.

חיזוק לצוות העיצוב

ברגע שכבר קיימת שפה מותגית ברורה, AI מאפשר להרחיב אותה במהירות שלא הייתה אפשרית קודם ולהוציא הרבה יותר מהנכסים שכבר קיימים. במקום ליצור כל נכס מאפס, אפשר לייצר וריאציות, להרחיב שפות קיימות, לבחון רעיונות חדשים ולהתנסות בכיוונים נוספים הרבה יותר מהר.

אם לחברה למשל יש דמות Mascot, אפשר לייצר הבעות, פוזות וסטייטים חדשים. אם יש צורך בסרטון קצר לרשתות, אפשר לייעל את שלב הקונספט ואפילו את שלב ההפקה. אם צריך להכין SWAG, אפשר לייצר בקלות הדמיות מציאותיות של חולצות, מדבקות, תיקים או מתנות עוד לפני שניגשים לייצור.

לזהות את הפער בין המותג שאנחנו רוצים להיות למותג שאנחנו באמת משדרים

כשעובדים על מוצר או מותג לאורך זמן, קל מאוד לאבד פרספקטיבה ולפעמים קשה לראות איך הם נתפסים בעיניים חדשות. עם AI אפשר לנתח את האתר, חומרי השיווק, המצגות והתקשורת של החברה ולשאול איך היה מתאר את המותג הזה אם לא היה מכיר את האסטרטגיה שלו.

התרגיל הזה לא אמור להחליף טסטינג עם משתמשים, אבל הוא יכול לשמש כמראה מהירה ואפקטיבית, ולעזור לזהות פערים בין המותג שאנחנו שואפים להיות לבין החוויה שאנחנו יוצרים בפועל.

סנדבוקס למותג

אולי הדרך הכי טובה לתאר את השימוש שלי ב-AI היא כארגז חול יצירתי. דוגמא אמיתית- כחלק משיגעון בובות הלאבובו, בדקתי איך ייראה המסקוט שלנו בתור בובה כזאת, והצ׳אט עשה את זה מדהים! 

מרחבי הבינה הם מקום שבו אפשר ומותר לנסות דברים בלי להתחייב אליהם. לבחון רעיונות, לחקור כיוונים ולשאול שאלות של מה יקרה אם נשתגע עם המסקוט? איך ייראה הביתן שלנו בכנס? איך ייראו פוסטים בכיוון קצת אחר? איך אפשר לקחת נכסים קיימים ולהשתמש בהם אחרת?

ארכיון מותג

לאורך השנים מצטברות תחנות חשובות שמרכיבות את המותג: הלוגו הראשון, המצגת הראשונה למשקיעים, סקיצות, השקת המוצר הראשונה, פוסטים מהימים הראשונים, צילומים מכנסים, והחלטות שעיצבו את הדרך. רוב החומרים האלה מפוזרים בין תיקיות, מחשבים וחשבונות ישנים, ופשוט נעלמים.

אפשר לרכז במקום אחד את כל נכסי המותג ההיסטוריים: סקיצות, מצגות, קמפיינים, גרסאות ישנות של האתר והלוגו, ואז ולתת ל-AI לנתח, למיין ולארגן אותם לציר זמן שמספר את סיפור ההתפתחות של החברה. אפשר להפוך את החומרים לאלבום דיגיטלי חי, עם נקודות ציון, תובנות וסיפורים מאחורי ההחלטות שעיצבו את המותג לאורך השנים. זה יכול להפוך ממש לנכס משמעותי עבור החברה.

כמובילת העיצוב ב־Moonshot, אני לא משתמשת ב-AI כדי שיעבוד או יקבל החלטות במקומי. אני משתמשת בו כדי לגבות את ההחלטות שלי, לחזק את הפעילות שלי, ולשפר את התוצרים שלי ביעילות. בסופו של דבר, אני לא חושבת ש-AI מחליף מותגים, מעצבים או צוותי קריאייטיב. אבל אני כן חושבת שהוא מאפשר למותגים טובים למצות את הפוטנציאל שלהם בצורה הרבה יותר יעילה. וכשמדובר בסטארטאפים, לפעמים זה בדיוק ההבדל בין רעיון טוב למותג שמצליח באמת לבלוט.

אחד הלקוחות הראשונים שלנו ב SAGE בשנים הראשונות, שנת 2019, היה חברת סייבר גדולה בתחום ניהול סיכונים ארגוניים.

ישבתי מול המנכ"ל והצגתי קונספט שיווקי שלא דמה לשום דבר שראה בתחום. במקום מגנים, 0101 ומסכים שמאחוריהם יושבים האקרים עם קפוצ'ונים (הקלישאות המוכרות של עולם הסייבר) הצעתי אנלוגיה של קוסמות. "הטכנולוגיה שלנו היא הקסם שהארגון שלך צריך."

הוא הסתכל עלי כאילו איבדתי את הדעת.

"מה פתאום. סייבר איננו משחק. סייבר איננו קוסמות. סייבר זה עניין רציני."

הפגישה הסתיימה. הקונספט נדחה. יצאתי משם עם תחושה שאולי טעיתי. הרעיון נגנז.

שנה אחר כך נוסדה Wiz. הם קראו לעצמם "קוסם." הנרטיב כולו: שם החברה, המסרים, הוויזואליזציה כולם בנויים על עולמות של קסם וכישוף. היום היא ה-חברת סייבר שנמכרה לגוגל ב-32 מיליארד דולר.

אני לא מספרת את זה כדי לומר שצדקתי (האמת שקצת :). אבל בעיקר כי הרגע ההוא לימד אותי משהו שמנחה אותי מאז: הסיפור הכי חזק הוא לא זה שנשמע הכי מקצועי אלא זה שמגיע ממקום אמיתי, גם אם הוא יוצא דופן, גם אם הוא מרגיש מסוכן. הפחד מה"לא מקצועי" הוא אחד החסמים הכי יקרים בשיווק B2B. ועכשיו, כש AI מייצר תוכן מקצועי ומלוטש בשניות לכולם בצורה שווה הסיפור האמיתי, האנושי, זה שרק אתם יכולים לספר, הפך לנכס היחיד שאי אפשר לשכפל.

כשכל אחד יכול לייצר תוכן, מה שאותנטי צף מעל הרעש

יש רגע שכל מנהל שיווק בחברת B2B מכיר. אתם יושבים מול מסך, מייצרים פוסט לינקדאין בעזרת AI תוך שלושים שניות, מביטים בו ויודעים זה מדויק, זה קוהרנטי, אבל זה לא מעניין אף אחד.

זו לא בעיה טכנית. זו בעיה אנושית.

חשבו על מה שקרה בעולם המזון. כשמוצרים מתועשים הציפו את המדפים, נוצרה נישה שהפכה לתנועה: "אורגני", "מקומי", "Farm to table". המאפה הביתי נושא משמעות שאי אפשר לייצר בקו ייצור — וזה מה שאנשים משלמים עליו פרמיה.

אותו דבר קורה עכשיו בשיווק. ChatGPT, Claude, Jasper הכלים זמינים לכולם, זולים לכולם, ומייצרים תוכן ברמה דומה לכולם. כל חברת SaaS מבטיחה "efficiency at scale". כל ספקית סייבר מבטיחה "protection from evolving threats". כל ספק AI מבטיח "transformation". הכל נשמע מדויק, מלוטש, נכון - וחסר זהות לחלוטין.

התוצאה: יותר תוכן מאי פעם, ופחות בידול מאי פעם. הקשב הופך לסחורה המוגבלת ביותר.

פתחו את הלינקדאין: כמה פוסטים מתחילים ב"בעולם המהיר של היום"? כמה מבטיחים "חמשת הטיפים לשיפור ה-ROI"? הכל נשמע מדויק, מלוטש, נכון וחסר זהות לחלוטין.

כי רוב החברות מתחילות מהכלי במקום מהסיפור. הן מבקשות מ-AI לכתוב מסר לפני שהגדירו לעצמן מה המסר. התוצאה היא תוכן שנשמע מקצועי אבל חסר זהות ולא זוכרים אותו שעה אחרי שקראו.

מה שנשאר נדיר? דעה אמיתית. ניסיון אישי. נקודת מבט שאי אפשר לייצר בלחיצת כפתור.

סיפור שרק אתם יכולים לספר.

הפרדוקס של האותנטיות המתוכננת

יש כשל חשיבה שמאפיין הרבה חברות היום: הן שומעות "תספרו סיפור אנושי" ומייד מייצרות סיפור אנושי. כלומר, הן לוקחות את האסטרטגיה של האותנטיות ומפעילות עליה תהליך ייצור.

התוצאה היא "ביצועי אותנטיות" תוכן שנראה כמו סיפור אישי אבל מרגיש מעובד. הקורא לא תמיד יודע לנסח למה, אבל הוא מרגיש את ההבדל.

ככל שיותר מותגים מאמצים את שפת הסיפור האנושי, כך השפה הזו הופכת לפורמט ומאבדת את הכוח שלה. "הקמנו את החברה כי ראינו בעיה שאיש לא פתר" הפך לתבנית כמו "בעולם המהיר של היום."

הסיפור האמיתי לא נשמע כמו סיפור. הוא נשמע כמו אמת. לפעמים כמו כישלון. לפעמים כמו פגישה שהסתיימה רע.

שלושה עקרונות לשיווק שאנשים רוצים לשתף

1. אנשים לפני אלגוריתמים

הנחת יסוד נפוצה היא שהסיפור שייך למייסד אבל לא תמיד. לפעמים הסיפור הכי חזק נמצא אצל הלקוח הראשון שהאמין לפני שהיה מוצר, המהנדס שמצא את הבאג שחשף את הבעיה האמיתית, או הכישלון שאילץ פיבוט שהפך לליבת העסק.

Stewart Butterfield כתב מסמך פנימי לצוות Slack שבועיים לפני ההשקה לא לעיתונאים, לא למשקיעים, לעובדים שלו. "אנחנו לא מוכרים תוכנה. אנחנו מוכרים טרנספורמציה ארגונית. התוכנה היא רק האמצעי." המסמך, שנקרא "We Don't Sell Saddles Here", הפך לאחד ממסמכי המותג המצוטטים ביותר בעולם הסטארטאפים לא כי מישהו תכנן לפרסם אותו, אלא כי הוא לכד משהו אמיתי.

מתחרים יכולים להעתיק מוצר, מחיר, ואת אותם כלי AI. הם לא יכולים להעתיק את הרגע שבו נולד הרעיון ואת האומץ לספר אותו.

המשימה של אנשי השיווק היא לא לייצר סיפורים, אלא לחפור ולמצוא אותם. לשאול: מה קרה כאן שאף אחד לא מספר? מה הרגע שממנו אי אפשר להתחמק?

2. לקוחות לפני פרסונות

Loops, סטארטאפ לשיווק במייל, לא ניסה להתחרות על יכולות עם Mailchimp. במקום זאת, הם עשו משהו פשוט וגאוני: קנו שטח פרסום בטיימס סקוור ואיפשרו לסטארטאפים קטנים להציג שם את הלוגו שלהם בחינם.

הקמפיין לא דיבר על מייל בכלל. הוא דיבר על מה שמייסדי סטארטאפ מרגישים: הרצון להיות מוכרים, להרגיש שהם עושים משהו ששווה לעולם לשים לב אליו. זה לא מידע זו הבנה אנושית עמוקה של הקהל.

לפני שאתם שואלים "מה אנחנו רוצים להגיד", שאלו "מה הלקוח שלנו מרגיש". החברות שעונות על השאלה הזו יוצרות קשר. אלה שמפרסמות "עשרת הטיפים הטובים ביותר" - פחות.

3. פסיכולוגיה לפני פרומפט

רוב חברות B2B מפרסמות תשובות "כיצד לפתור את בעיית X". אבל מה שמייצר מעורבות אמיתית הוא תוכן שמדבר על משהו עמוק יותר: לא מה שהלקוח יודע, אלא מה שהוא מרגיש.

חברת הרכבות ההודית איבדה מאות מיליוני דולרים בשנה מנוסעים שלא שילמו כרטיס. עשרות שנים ניסו לפתור את זה עם קנסות ואכיפה ולא הצליחו. הפתרון הגיע כשמישהו שאל שאלה אחרת: מה אם במקום להעניש, נתגמל? הם הפכו כל כרטיס הרכבת לכרטיס לוטו וניצלו את העובדה שהודו מוציאה 28 מיליארד דולר בשנה על הגרלות. השקעה של 1.4 מיליון דולר בפרסים הניבה 685 מיליון דולר בהכנסות. הקמפיין, Lucky Yatra, זכה ב-Grand Prix בקאן 2025 כי הוא הוכיח שהבנת הפסיכולוגיה של הקהל שווה יותר מכל מסר מלוטש.

זה לא שיווק חכם. זו הבנת פסיכולוגיה תרבותית. הם לא שאלו "איך נגרום לאנשים לשלם?" הם שאלו "מה מניע את האנשים האלה?"

פסיכולוגיה זה לב ליבו של השיווק וגם בשיווק B2B. לדוגמא: כשאומרים לאדם "אל תעשה X" הוא דווקא חושב על X. זו לא תאוריה, זו פסיכולוגיה בסיסית שנקראת ריאקטנס והיא עובדת על כל בן אדם, בכל תרבות. AI יכול לכתוב מסר מושלם. הוא לא יכול להרגיש את המתח הפסיכולוגי שנוצר כשאומרים "אל תבואו."

מיקרוסופט ראתה פי 5 בהרשמות לאירוע כשפרסמה בדיוק את זה. לא הסבר, לא יתרונות, אלא ספוילר הפוך שפתח פער סקרנות. 

לפני שאתם פונים לצ'אט ומבקשים "כתוב לי מסר", שאלו קודם: מה מניע את הלקוח שלי? מה הוא מפחד שאף אחד לא ידע? מה הוא חולם עליו בשקט? התשובות לשאלות האלה הן הבסיס לתוכן שאנשים שולחים הלאה ואותן אף כלי לא ימצא עבורכם.

השאלה היא לא בכמה AI אתם משתמשים, אלא איפה אתם נשארים בתמונה

אני לא אומרת לזרוק את ה-AI. להפך.

החברות שמנצחות היום משתמשות בו בצורה חכמה: למחקר, לניתוח נתונים, לאופטימיזציה של קמפיינים, לתמלול פגישות לקוח עבור תובנות שיווקיות. Perplexity מאתר מחקרים. ChatGPT כותב וריאציות. Jasper בונה עמודי נחיתה. הן מייצרות יותר בפחות זמן אבל הן משאירות את נקודות המגע האנושיות ידניות לגמרי: פוסטים בקולם של המייסדים, שיחות לקוח, תוכן שיש לו דעה.

הפרדיגמה אינה "AI או בן אדם." הפרדיגמה היא: סיפור קודם, AI אחר כך.

קודם תמצאו את הרגע האמיתי, הכישלון, ההחלטה הקשה, הפגישה שהסתיימה רע. רק אחרי שיש סיפור ברור, תנו לכלים לפתח אותו לכל הכיוונים. הגרעין (הסיפור שאף אחד אחר לא יכול לספר) חייב לבוא מבני אדם.

הכלים מייצרים תוכן. רק בני אדם מייצרים משמעות.

מה זה אומר עליכם

בשנה הקרובה, כמות התוכן בעולם B2B תמשיך לגדול. AI יהפוך לזול ונגיש עוד יותר. הרעש יגדל.

בסביבה הזו, השאלה השיווקית הכי חשובה שתוכלו לשאול את עצמכם אינה "איך נייצר יותר תוכן?" אלא:

"מה יש לנו לומר שאף אחד אחר לא יכול לומר כי רק אנחנו היינו שם כשזה קרה?"

הניסיון שלכם, הכישלונות, ההחלטות הקשות, הפגישה שהסתיימה בדחייה ושנה אחר כך הוכיחה את עצמה הוא הנכס השיווקי. הוא היתרון התחרותי שאף AI לא יכול לשכפל.

כי בעולם מלא בתוכן שנכתב על ידי מכונות, מה שנוצר על ידי בני אדם הוא זה שאנשים רוצים לשתף.

על הכותבת: שרית למרוביץ היא מייסדת ומנכ"לית SAGE Marketing עם למעלה מ-25 שנות ניסיון בתפקידי שיווק בכירים בחברות גלובליות מובילות, בשנת 2017 הקימה את SAGE Marketing, במטרה לסייע לחברות חדשניות להפוך טכנולוגיות מורכבות לסיפורים שיווקיים ברורים ולמנועי צמיחה עסקיים.

בשנים האחרונות מדברים המון על הגבול המטשטש בין פרודקט ל-R&D כאשר מנהלי מוצר שלומדים לדחוף קוד, ומפתחים שלוקחים חלק פעיל בהחלטות מוצריות. אבל יש עוד גבול שהולך ונעלם מתחת לרדאר, וזה הגבול שבין פרודקט לפרודקט מרקטינג (PMM).

באופן מסורתי, חלוקת העבודה הייתה ברורה: מנהל המוצר חוקר את השוק, מבין את צרכי הלקוח, עובד עם הפיתוח כדי לשחרר את הפיצ'ר, ומודד הצלחה. שיווק הפיצ'ר הבודד? זה כבר היה הבעיה של מישהו אחר (בדרך כלל ה-PMM או השיווק), וגם זה קרה בעיקר סביב הכרזות ענק פעם ברבעון. כמו מרבית התעשייה, גם אנחנו ב-Cycode אנחנו משלבים AI בכל שלב בבניית המוצר, מהמחקר, דרך הפרוטוטייפ והפיתוח, ועד התיעוד וההכשרה. לאחרונה, עם הקפיצה המטורפת ביכולות ה-AI בעולמות הווידאו (ספציפית מאז Veo 3), הבנו שנפתחה בפנינו הזדמנות מדהימה שלא הייתה כלכלית בעבר: לייצר מיני-קמפיין וידאו להרבה יותר פיצ'רים, גם כאלה שבעבר נחשבו לחלוטין ללא שיווקיים.

בעבר, ה-ROI על מהלך כזה היה שלילי לחלוטין. הפקת וידאו דרשה תקציבי עתק, זמן עבודה ממושך, וסט כישורים קולנועי שפשוט אין למנהל מוצר ממוצע. לכן, המאמצים השיווקיים נשמרו רק ליכולות הליבה הכי גדולות ונוצצות של החברה. היום? הסיפור אחר לגמרי, והנגישות הזו מאפשרת לנו לתת במה גם לפיצ'רים "האפורים" יותר, אלו שפותרים בעיות אמיתיות אבל קשה לרגש איתם במצגת משקיעים.

שיווק פיצ'ר הוא לא Product Demo

אחת הטעויות הנפוצות בשיווק מוצרים, במיוחד בעולמות ה-Enterprise SaaS, היא התמקדות ביכולות (ב-Features) במקום בערך (ב-Value). כולנו מכירים את הדמואים המתישים האלה, שבהם מראים לנו מסך אחרי מסך: "אם לוחצים כאן, נפתח התפריט הזה, ואז אפשר לייצא את הדוח...". המוצר במרכז, היוזר והערך בשוליים. כשמנהל מוצר ניגש להפיק סרטון שיווקי קצר לפיצ'ר שלו, הוא נאלץ לזקק את הערך. הווידאו הוא הזדמנות מצוינת לברוח מרשימת המכולת הטכנית ולחשוב: איך היוזר מרגיש כשהוא משתמש בפיצ'ר הזה? מה זה יגרום לקולגות שלו לחשוב עליו?

היופי בעולם הערך והתחושות הוא החופש היצירתי. אנחנו לא חייבים להיצמד ל-use case יבש ומדויק על המסך. אפשר (ורצוי) להשתמש בהומור, ציניות והגזמה כדי להעביר את הפואנטה. כשהתוכן הזה משווק בגישת Bottom-Up על ידי העובדים והמנהלים עצמם ברשתות החברתיות, הוא הופך לכלי מכירות חזק של הארגון.

קייס סטאדי: איך הופכים "ניהול הרשאות" לסרט דוקומנטרי של נטפליקס?

כדי להבין איך זה עובד בפועל, בואו נדבר על אחד הפיצ'רים האחרונים שהוצאנו לאחרונה שנקרא Custom Roles & Permissions. על הנייר, מדובר בפיצ'ר אנטרפרייז קלאסי, חשוב וקריטי לאדמינים, אבל כזה שבמונחים של פעם נחשב הכי פחות "מרקטבילי" שיש. מערכת שמאפשרת מעכשיו לייצר סט הרשאות ספציפי וגמיש לכל אזור, במקום להסתפק ברולים out-of-the-box הסטנדרטיים.

קהל היעד שלנו מבין את היתרון הברור של הפיצ'ר הזה בשנייה, אז במקום לעשות עוד דמו משעמם שמראה טבלאות הרשאה, החלטנו לקחת את זה הפוך לחלוטין בקמפיין הווידאו: התמקדנו דווקא בעובדים שנהינו מהרשאות יתר, ובוקר אחד גילו שלקחו להם אותן.

הפקנו קליפ שנראה כמו פרומו לסדרת דוקו-פשע בנטפליקס. דרמה, מוזיקה מותחת, ועובדים "שבורים" שמספרים למצלמה איך פתאום נחסמה להם הגישה. הטוויסט הגיע בסוף, עם עובדת אחת שדווקא קיבלה עוד הרשאות ודיברה למצלמה על תקן ה-Villain הקלאסי והמרושע של הסדרה.

במקום לחגוג את הפיצ'ר בדרך השגרתית, עצרנו לרגע "להתייחד עם נפגעי הפיצ'ר החדש" ונגענו בכאבם. התוצאה? סרטון מצחיק שמעביר את היתרון המוצרי של פיצ'ר תשתיתי "יבש" בתוך דקה ובאפס תקציב.

צפו בסרטון:

איך עושים את זה בפועל? (בלי תואר בקולנוע ובלי תקציב עתק)

לצערנו (או לשמחתנו), לכתוב פרומפט גנרי ב-Gemini לא יביא לכם קמפיין מנצח. הפיצוח הקריאטיבי והרעיון עדיין דורשים את המוח האנושי שלכם, אבל ה-AI עושה את כל השאר.

בעבודה יעילה של שעה-שעתיים (וכשרון ממוצע לחלוטין), זה התהליך שאנחנו רצים איתו:

1. הפיצוח: מגדירים בשני משפטים את הבעיה הכואבת ואת התחושה (או הדרמה) שהפיצ'ר מביא איתו, כמו בדוגמת הדוקו שלנו.
2. הכלי: יש המון כלי וידאו בשוק, אבל ההמלצה שלי היא Google Vids. מדובר בכלי עריכה פשוט להפליא שמאפשר לג'נרט קליפים של Veo ישירות לתוך הטיימליין, להוסיף קריינות AI מובנית (Voiceover) ולסגור סיפור.
3. אימוץ המגבלות: מנהלי מוצר הם לא קולנוענים ואין להם זמן לפירוטכניקה או מעברונים מתוחכמים. בגוגל וידס, למשל, המגבלה הנוכחית היא יצירת קליפים של 8 שניות בכל פרומפט. וזה מעולה! המגבלה הזו מכריחה אתכם לשמור על זה קצר, קצבי ופשוט. מחברים 3-4 קליפים כאלה, ויוצאים לדרך.

הכלים ישתנו, הטכנולוגיה תתקדם, והאינטגרציות יהיו אפילו יותר פשוטות בעתיד. אבל המהות נשארת זהה: אם תחשבו קצר ופשוט, תזקקו את הערך האמיתי ללקוח, ותארזו את זה בסיפור אישי או משעשע של חצי דקה- הוספתם לעצמכם את אחד הנדבכים החשובים ביותר בארגז הכלים של מנהל המוצר בעולם החדש.

רוב האייגנטים לא נכשלים בגלל המודל. הם נכשלים כי אף אחד לא עשה להם אונבורדינג, ואפשר לראות את זה כמעט בכל צוות שמנסה “להכניס AI” ולא מבין למה זה לא באמת תופס. בואו נדבר על איך הופכים אייגנטים לחברי צוות שלוקחים משימות באופן עצמאי, ולא רק מבצעים מה ששיבצתם להם. אבל לפני שנגיע לאוטונומיות, יש שכבה אחת שצריך להבין קודם: שכבת הקונטקסט.

אז מה זה אותו קונטקסט מפורסם? זו אולי מילה חדשה לקונספט ישן נושן: מידע. אותו תיעוד ודוקומנטציה מצד אחד, ושכבת דאטה מסונתזת ונקייה מצד שני. אבל ההבדל האמיתי הוא לא בשם, אלא באופן שבו המידע הזה מונגש, כי מידע שלא נגיש לאייגנט, פשוט לא קיים מבחינתו.

כשחושבים על זה, אייגנט בלי קונטקסט הוא קצת כמו עובד חדש בלי אונבורדינג. הוא ישאל שאלות בסיסיות, או גרוע מזה: יעבוד בביטחון מלא על הדברים הלא נכונים, וזה בדרך כלל השלב שבו אנשים אומרים “המודל לא מספיק טוב”, כשבפועל פשוט לא נתנו לו סיכוי להצליח.

הדגמה של התחושה הנפוצה:

[caption id="attachment_9004111233711672" align="aligncenter" width="528"] תחושה נפוצה על החרטטנות של אייגנטים :)[/caption]

אז כשאנחנו מדברים על עולם אייגנטי, שבו חברי צוות לא אנושיים הופכים לחלק מהעבודה היומיומית, דווקא החזרה לשורשים של איך אנחנו עובדים עם אנשים עוזרת לנו להבין מה צריך לתת גם להם. בסוף, אייגנט הוא לא קסם, הוא עובד צוות עם זיכרון סטטיסטי, והאיכות שלו נקבעת ישירות לפי איכות הקונטקסט שהוא מקבל.

הסטייט אוף מיינד שצריך להיות לכם הוא שמדובר בעובד צוות חדש, שצריך את כל המידע הרלוונטי כדי להצליח כי אייגנטים לא “מבינים את הארגון” (ואין להם שיחות מסדרון להבין הקשרים), הם פועלים לפי מה שנתתם להם, לא לפי מה שהתכוונתם.

אז מהו אותו מידע?

מידע על הצוות: מה המטרה העסקית, מה נמדד, מי האנשים, אילו ממשקים קיימים ואילו מערכות מתוחזקות. אם היה מצטרף אליכם עובד חדש, מה הייתם מצפים ממנו להבין בשבוע הראשון? כנראה שזה בדיוק מה שגם האייגנט שלכם צריך.

מידע על הכלים: מה כוללת עמדת העבודה של חבר צוות, ואיך ניגשים לכלים השונים. מבחינת האייגנט, כלי שלא הוגדר הוא כלי שלא קיים.

מידע על איך מבצעים משימות: מה נחשב תוצר איכותי, מהם הסטנדרטים ודרכי העבודה המקובלות. כי בלי הגדרה של “מה טוב”, האייגנט פשוט ימקסם משהו אחר.

במילים אחרות, ההבדל בין כלי לבין אייגנט הוא לא רק היכולת, אלא הקונטקסט שמאפשר לו לפעול כמו חלק מהצוות… או לחלופין, להיראות חכם מאוד בזמן שהוא עושה עבודה לא רלוונטית.

אז איך מייצרים את זה בפועל?

בבסיס, מדובר בקבצי md שכל פלטפורמות ה-AI יודעות לעבוד איתם (גם אם בשמות שונים), יחד עם חיבורים למערכות שהצוות משתמש בהן, בין אם דרך MCP ובין אם בדרכים אחרות. זה אולי נשמע פשוט, אבל בפועל זה אחד הנכסים הכי חשובים שאפשר לבנות סביב עבודה עם אייגנטים.

אם אתם צוות טכני, אני ממליצה להתחיל מטמפלייט הריפו הבא (של Michael Imas ): https://github.com/michaelimas1/team-context-template התוצר הוא נקודת כניסה אחת לכל הידע והמשימות בצוות, מקור אמת אחד שממנו גם בני אדם וגם אייגנטים עובדים, וזה בדיוק מה שמאפשר לעבור בין כלים בלי להתחיל כל פעם מחדש.

אם אתם צוות ביזנס, הבחירה היא בעיקר איפה שכבת הקונטקסט הזו חיה: תיקיות בדרייב, מערכת לניהול וביצוע עבודה (כמו מנדיי, ואני מודה שאני משוחדת), או כל פתרון אחר שמתאים לאופן שבו הצוות שלכם עובד. הפלטפורמה פחות חשובה; מה שחשוב הוא שהמידע יהיה נגיש, מעודכן ושמיש.

ואם אתם לא בטוחים מאיפה להתחיל, אפשר פשוט לבקש מהכלי המועדף עליכם לראיין אתכם ולבנות את הקבצים הראשוניים. זה עובד מפתיע טוב, וזה גם רמז חשוב, אם האייגנט לא מצליח לייצר את הקונטקסט, כנראה שגם לא הגדרתם אותו מספיק ברור לעצמכם.

[caption id="attachment_9004111233711674" align="aligncenter" width="619"] פשוט תשאלו את קלוד :)[/caption]

כמובן, יש גם כמה אתגרים שצריך לקחת בחשבון:

הראשון הוא ניפוח קונטקסט. למרות שהמודלים משתפרים, עדיין יש מגבלה לכמה מידע אפשר וכדאי לתת, ולכן חשוב לשמור על רלוונטיות, יותר מידע לא בהכרח אומר תוצאה טובה יותר, לפעמים בדיוק להפך.

השני הוא תחזוקה. שכבת קונטקסט היא לא משהו שמייצרים פעם אחת ושוכחים. צוותים משתנים, כלים מתחלפים, וסטנדרטים מתעדכנים, ולכן גם הקונטקסט צריך להתעדכן בהתאם. כדאי להגדיר מי אחראי על זה, ולקבוע ריטואל קבוע שבו עוברים על התוכן ומוודאים שהוא עדיין משקף את המציאות, כי קונטקסט לא מעודכן גרוע כמעט כמו חוסר קונטקסט. ואפילו כאן יש הזדמנות, אפשר לבקש מהאייגנט עצמו להציע עדכונים על בסיס מה שהוא למד תוך כדי עבודה. במובן הזה, הקונטקסט הופך ממשהו סטטי למשהו שמתפתח יחד עם הצוות.

בסוף, אם אתם רוצים אייגנטים שעובדים באמת, השאלה היא לא רק איזה מודל אתם בוחרים, אלא איזה אונבורדינג אתם עושים להם, ואיזה מציאות אתם מאפשרים להם להבין.

בשנה האחרונה אני מוצא את עצמי בשיחות על השינוי הדרמטי שעובר ענף הסייבר. אם בעבר המירוץ היה סביב בניית חומות גבוהות יותר, היום ברור שאנחנו נמצאים בנקודת מפנה שבה הטכנולוגיה הופכת לכל כך עוצמתית עד שהיא מחזירה אותנו אל נקודת התורפה הבסיסית ביותר, הגורם האנושי.

כמי שמלווה מקרוב את תעשיית הסייבר הישראלית, אני רואה כיצד היא מגיבה מהר יותר מכל מקום אחר לשיבושים הטכנולוגיים של הבינה המלאכותית. ה-AI משנה את כללי המשחק אבל הוא גם יותר פרדוקס, מצד אחד הוא מגביר סיכונים, ומצד שני הוא מאפשר לנו לפתח קטגוריות שלמות של פתרונות שפעם היו בגדר חלום.

כשהסוכנים הופכים לאוטונומיים, האחריות חוזרת אלינו

אחת החזיתות המעניינות ביותר כיום היא אבטחת סוכני בינה מלאכותית (Agents). היכולת של סוכנים אלו לקבל החלטות ולפעול באופן עצמאי הולכת ומתרחבת, אך היא גם פותחת פתח לאיומים חדשים. יזמים ישראלים כבר מזהים את הפוטנציאל הזה ומפתחים כלים להגדרת זהויות של סוכנים, ניטור התנהגותם וזיהוי פעולות זדוניות או השתלטות עוינת.

בנוסף, אנחנו רואים מעבר מאוטומציה חלקית לאוטומציה מלאה. שירותים שבעבר דרשו עבודה ידנית סיזיפית, כמו הקמת מרכזי תגובה לאירועים (SOC), בדיקות חדירות (Penetration Testing) וניהול מידע (SIEM), ניתנים כיום כשירותי ענן מבוססי AI. סוכני ה-AI הופכים למכפיל כוח עבור האקרים, וזה מחייב אותנו לא רק להתקדם טכנולוגית, אלא לחזור ולהתמקד ביסודות.

ההזדמנות הגדולה: Human Security

למרות כל הכלים המתקדמים, הנתונים מדברים בעד עצמם. בשנת 2024 הגורם האנושי היה מעורב בכ-90% מפרצות האבטחה. זהו נתון מדהים שמסביר מדוע תחום ה-Human Security חוזר לקדמת הבמה וצפוי לצמוח לשווי שוק של 10 מיליארד דולר עד 2027.

העובד בארגון היה ונשאר החוליה החלשה, בין אם בגלל רשלנות ובין אם בגלל כוונת זדון. כלי ה-AI החדשים שעובדים מאמצים רק מחריפים את הבעיה. הם מקלים על הגישה למאגרי מידע ומאפשרים להוציא נתונים בהיקפים שטרם הכרנו. מקרה ההדלפה באינטל, שבו עובד לשעבר הדליף כמות אדירה של מסמכים מסווגים, הוא תזכורת כואבת לכך שהאיום הפנימי הוא קריטי.

כאן טמונה ההזדמנות האמיתית ליזמים. אנחנו רואים מעבר מניהול פתרונות מבוזרים כמו ניהול זהויות או מניעת דליפות (DLP), לעבר פלטפורמות אחודות. סטארטאפים כמו Cymphony, Jazz, Orion ו-Bold כבר מובילים את הדרך בפיתוח פתרונות שמנטרים וחוסמים בעיות בזמן אמת. 

המטרה היא לא רק להוסיף עוד שכבת הגנה, אלא להגדיר מחדש את החוסן הארגוני.

חזית אסטרטגית: אופטימיזציה של הענן 

לצד ההתמקדות באדם, אבטחת ענן נותרת שוק אסטרטגי. בעוד שענקיות הענן AWS, Azure, Google וחברות ענק מציעות כמו כמו Wiz ופאלו אלטו, מציעות כלי אבטחה מובנים, ארגונים רבים עדיין הולכים לאיבוד וזקוקים להכוונה כיצד להשתמש בהם ביעילות. כאן בדיוק נכנסת ההזדמנות החדשה שמתפתחת לנגד עינינו, במקום לנסות להתחרות במוצרי המדף של ענקיות הסייבר, ההזדמנות הגדולה עבורכם היזמים נמצאת בפישוט המורכבות, שילוב אופטימיזציה וניהול החכם.

אנחנו כבר רואים התפתחות של פתרונות שמסייעים לארגונים להשתמש באופן חכם בכלי האבטחה המובנים. חברות כמו Native Security, Aryon ו-Blast כבר פועלות שם, הן לא בונות עוד "קיר", אלא בונות את המוח שמנהל את הקירות הקיימים בצורה אופטימלית. 

זהו הכיוון ליזמים שיצטרפו למגמה בשנה הקרובה: יצירת סדר בתוך הכאוס של תשתיות הענן.

טיפ ליזמים בתחילת הדרך

הבינה המלאכותית תמשיך לעצב את שוק הסייבר, אך ככל שהאיומים יהפכו לאוטונומיים ומורכבים יותר, הצורך האמיתי יהיה בפתרונות שעושים סדר בתוך הכאוס ומחזירים את השליטה לידי הארגון.

העצה שלי היא פשוטה: אל תחפשו רק את הטכנולוגיה המתוחכמת ביותר. חפשו את הדרכים לרתום את עוצמת ה-AI כדי לפתור את הבעיות היסודיות ביותר. מי שישכיל לעשות זאת, לא רק יתגבר על האיומים המשתנים אלא יבנה חברה שתשאיר חותם על התעשייה העולמית בעשור הקרוב.

בונים משהו שמשנה את כללי המשחק? אני מחכה לשמוע מכם.

סטארטאפים בתחומי ה Deep-Tech עובדים במשך שנים על פריצות דרך טכנולוגיות בתחומים מגוונים כמו: רפואה, אלגוריתמיקה, פיזיקה, ביולוגיה או AI מתקדם. כבר מההתחלה ברור שהעבודה היא מרתון ארוך ולא ספרינט, והתהליך הזה לוקח זמן. בגלל עומק הפיתוח והמורכבויות שבאות איתו, האתגר המשמעותי עבור חברות אלו הוא לא רק לבנות את הטכנולוגיה, אלא להצליח להסביר אותה לעולם בצורה חכמה.

לרוב הטכנולוגיה תהיה מורכבת מדי להסבר קצר וחד, המוצר עדיין רחוק מלהיות מוחשי, והשפה שבה משתמשים המהנדסים (ארכיטקטורות, מודלים ומערכות מורכבות) היא לא השפה של משקיעים, לקוחות או עובדים פוטנציאליים. האתגר של הדיפ-טק הוא כבר ממש לא רק אתגר הנדסי, ולמעשה הוא גם אתגר של תקשורת ושל נרטיב. חברות עם טכנולוגיה יוצאת דופן מתקשות להסביר מה הן באמת עושות ולמה זה חשוב - וכאן בדיוק נכנס המותג.

הטכנולוגיה היא לא הסיפור

לסטארטאפים בפיתוח עומק, יש נטייה להתחיל את ההסבר שלהם מהמקום הטכנולוגי. הם מסבירים על החידוש, אם זה האלגוריתם, המערכות או פריצת הדרך המדעית. אבל הקהל שמקשיב להם מחפש להבין מה נהיה אפשרי עכשיו שלא היה אפשרי קודם בזכות הפתרון של המוצר. לכן, הסיפור של דיפ-טק צריך להתחיל מהשינוי שהיא מאפשרת בעולם, ולא מהטכנולוגיה.

אפשר לראות דוגמאות לחברות עם טכנולוגיות מורכבות שמתקשרות החוצה את היכולת והערך המוסך עבור הלקוחות, במקום את המנגנון שעומד מאחוריה. הטכנולוגיה היא הבסיס, אבל הסיפור מתחיל מהאימפקט.

OpenAI למשל לא מסבירים לעולם את המוצר שלהם כ- Transformer Architecture. במקום זה הם מציגים רעיון פשוט: מערכת שאפשר לדבר איתה בשפה יומיומית. הטכנולוגיה העומדת מאחורי זה מורכבת מאוד, אבל החוויה פשוטה להבנה.

גם SpaceX לא מדברים רק על הנעה מתקדמת של טילים, הנדסת חומרים ומערכות מורכבות. המסר המרכזי שלהם הוא הרבה יותר פשוט, לייעל ולהנגיש את הגישה לחלל.

דוגמא נוספת היא Nvidia. מאחורי החברה עומדת טכנולוגיה מורכבת מאוד של ארכיטקטורות GPU. אבל המסר המותגי הפשוט שמתקשר היום הוא שהם המנוע שמניע את מהפכת ה-AI.

באותו אופן חברת הפינטק Stripe לא מסבירה APIs פיננסיים מורכבים. היא מציגה את עצמה כתשתית תשלומים אונליין, המסר מוצג בקלילות ובבהירות.  

כאן נכנס המותג

בחברות דיפ-טק, המותג לא רק משמש ככלי עיצוב או שיווק, הוא עוזר לתרגם מורכבות טכנולוגית לסיפור שאפשר להבין. למעשה המותג הוא שכבת התרגום בין המדע לבין העולם. מותג טוב מצליח לפשט רעיונות מורכבים ולייצר מהם מסרים חדים וברורים, הוא בונה נרטיב שמצליח ״לארוז״ את התכנים המורכבים לכדי סיפור שקל להבין ולזכור, ומאפשר לחברה להיות מזוהה עם רעיון אחד ברור.

כאשר הטכנולוגיה מורכבת, יהיה קשה מאד להסביר אותה בכל פעם מחדש בשיחה עם משקיעים, לקוחות או עובדים. מותג חזק יוצר מעין קיצור דרך שמאפשר להבין במה החברה עוסקת כמעט מיד. 

מותג עוזר להגדיר קטגוריה

לעיתים בדיפ-טק הטכנולוגיה כל כך חדשנית שיהיה קשה לשייך אותה לתעשייה קיימת. במקרים כאלה המותג עוזר לא רק להסביר את החברה, אלא ממש להגדיר את התחום שבו החברה פועלת.

monday.com למשל עשתה מהלך דומה כאשר הגדירה את המוצר שלה כ-Work OS. ההגדרה הזו הרחיבה את המוצר מעבר לניהול פרויקטים שהיה מזוהה איתה ומיקמה אותו כתשתית לניהול עבודה בארגונים. במקרים כאלה המותג בונה את המסגרת שבתוכה מבינים גם יותר טוב את הטכנולוגיה.

מתוך מאנדיי בלוג

מסרי מותג דיפ-טק בנויים בשלוש שכבות (דוגמא לפי monday)

השכבה הראשונה: הנרטיב הגדול (Brand Narrative)

השכבה הראשונה היא הרעיון הרחב שמגדיר למה החברה קיימת ומה היא מנסה לשנות בעולם.

במקרה של monday, הנרטיב לא מתחיל מטכנולוגיה, ולא אפילו ממוצר ספציפי. הוא מתחיל מהרעיון שארגונים צריכים דרך טובה יותר לנהל תהליכי עבודה. המסר המרכזי שלהם הוא שהעבודה המודרנית מפוזרת בין כלים, צוותים ותהליכים, ולכן ארגונים צריכים מערכת שמאפשרת לראות, לנהל ולתאם עבודה במקום אחד. הנרטיב הזה מדבר על שינוי בעולם העבודה עצמו, ולא רק על כלי תוכנה.

מתוך מאנדיי בלוג

השכבה השנייה: הערך שהמוצר מאפשר

כאן המסר הופך להיות יותר קונקרטי: מה המוצר מאפשר בפועל.

monday מגדירה את המוצר שלה כ־Work OS, מערכת הפעלה לניהול עבודה. זה מושג שמאפשר להסביר את המוצר בצורה אינטואיטיבית: כמו שמערכת הפעלה מפעילה מחשב, כך המערכת מפעילה את העבודה בארגון.

בפועל המשמעות היא שצוותים יכולים: לנהל פרויקטים ותהליכים במקום אחד, ליצור אוטומציות בין שלבים בעבודה, אינטגרציה בין מערכות שונות, ולראות את כל העבודה בצורה ויזואלית וברורה

המסר בשכבה הזו עדיין לא מדבר על טכנולוגיה עצמה, אלא על היכולת החדשה שנוצרת עבור המשתמשים. אצלנו במונשוט, הטכנולוגיה שלנו מאוד מסובכת ומורכבת, אנחנו בכל כל יום לומדים ומשתפרים באופן שבו אנחנו מספרים את הסיפור שלנו החוצה. המסר שמתאר את הערך שלנו מורכב משתי מילים בודדות: Delivering Space. השימוש בבייליין כזה קצר וקולע עוזר לנו להסביר מה ניתן ללקוחות העתידיים, גם כשמאחורי הקלעים עומדת טכנולוגיה מורכבת מאד. 

מונשוט ספייס

השכבה השלישית: הטכנולוגיה והיכולות מאחורי המוצר

רק בשלב השלישי מגיעה שכבת הטכנולוגיה עצמה.

מאחורי monday קיימת מערכת מורכבת יחסית שמאפשרת בנייה של תהליכי עבודה דינמיים: דאטה בייס גמיש, אוטומציות, אינטגרציות עם מערכות אחרות ופלטפורמה שניתנת להתאמה לצרכים שונים של ארגונים. אבל הטכנולוגיה הזו היא לא נקודת ההתחלה של הסיפור. היא משמשת כהוכחה טכנולוגית לכך שהויז׳ן והערך המוצרי אכן אפשריים.

כך נוצרת היררכיה ברורה של מסרים. קודם מדברים על השינוי בעולם העבודה, אחר כך על הערך שהמוצר מאפשר לצוותים, ורק לבסוף על הטכנולוגיה שמאפשרת את כל זה.

מאנדיי בלוג

גם במקרה הזה המסר לא מתחיל מהפתרון 

כמו שנהוג בכל סטארטאפ מכל תחום, כאשר מתחילים מהבעיה ומהשינוי שרוצים להביא לעולם, הטכנולוגיה הופכת להיות חלק מהסיפור וכך גם יותר קלה להבנה. יש חברות שבאופן טבעי בונות את הסיפור שלהן סביב הטכנולוגיה עצמה, משום שזה הלב של הפעילות שלהן. אבל עבור רוב הקהלים, המסר הזה קשה להבנה. הוא אולי מרשים מבחינה טכנולוגית, אבל לא סובב סביב הערך והתוצר שלה. 

דרך קלה לבנות מסר ברור היא לחשוב על שלושה משפטים:

מה קורה היום: הפער הקיים.
מה יקרה עוד כמה שנים: איך המציאות תיראה אם הטכנולוגיה תצליח.
החלק הייחודי שלנו: מה החברה בונה כדי להגיע לשם.

לדוגמא, אצלנו במונשוט 

היום שילוח לחלל הוא יקר, מזהם, ולא סקיילבילי. 

בעוד כמה שנים ניתן יהיה לשלוח סחורות לחלל שלא על בסיס דלק, ולאפשר שילוח בתדירות גבוהה ובמחיר נגיש. 

התפקיד שלנו הוא לבנות פלטפורמה לשילוח סחורות בקנה מידה מסחרי, המבוססת על טכנולוגיה אלקטרומגנטית.

כך נוצרת מסגרת שמאפשרת להבין את הטכנולוגיה בתוך סיפור ברור.

בסופו של דבר, דיפ-טק הוא אתגר נרטיבי

חברות הסטארטאפ המצליחות בתחומי הדיפ-טק הן אלו שצולחות שני אתגרים במקביל: לבנות טכנולוגיה עמוקה, ולספר סיפור פשוט וברור על הערך שהיא מביאה ועל הטכנולוגיה שמאפשרת אותו.

מותג חזק הוא בטח לא במקום הטכנולוגיה, אבל הוא מאפשר לעולם להבין אותה, לזכור אותה ולהאמין בה. בתחום שבו הפיתוח יכול לקחת שנים, לפעמים זה כל מה שיש לחברה להציע… הסיפור שלה. 

אתם מכירים את השקט הזה? שלחתם את המייל הכי חשוב ברבעון. זה יכול להיות הצעת מחיר ללקוח אנטרפרייז שעבדתם עליו חצי שנה, או במקרה שלי, העדכון החודשי למשקיעים. אתם לוחצים Send, ו... כלום. דממה. יום עובר, יומיים. אתם מתחילים להריץ סרטים בראש: "הם איבדו עניין?", "המספרים לא היו מספיק טובים?", "אולי הניסוח היה אגרסיבי מדי?". 

אחרי שלושה ימים של ייסורים, הרמתי טלפון לאחד המשקיעים. "תגיד," שאלתי בזהירות, "יצא לך לעבור על העדכון?". הוא ענה לי באדישות: "על מה אתה מדבר? לא קיבלתי ממך כלום שבועיים".  באותו רגע רציתי שהאדמה תבלע אותי. זה לא שהם התעלמו ממני. הם פשוט לא ראו אותי. המייל שלי המתין בשקט בתיקיית ה-Spam שלהם, קבור תחת הצעות לויאגרה וביטוח רכב. למה? כי באותו בוקר צוות המרקטינג שלנו החליט "להפציץ" ניוזלטר ל-10,000 לידים קרים מאותו הדומיין בדיוק.

האירוע הזה היה סטירת הלחי שהייתי צריך. הבנתי ש-Deliverability (עבירות מיילים) היא לא "תקלה טכנית" שפותחים עליה טיקט ל-IT. היא סיכון אסטרטגי. היא קובעת אם הקול שלכם יישמע או ייעלם.

אני כותב את הדברים האלו כמי שכבר שילם את שכר הלימוד, כדי שאתם לא תצטרכו לשלם אותו. בואו נדבר על איך בונים אופרציית צמיחה שלא יורה לעצמה ברגל.

"פרדוקס הסקייל": המלכודת שכולנו נופלים בה

אחרי אותו מקרה, התחלתי לראות את הדפוס הזה בכל מקום. אנחנו בונים משוואת צמיחה ליניארית: אם נציג מכירות (SDR) אחד אחד מייצר 10 פגישות באמצעות משלוח הודעות דואר אלקטרוני, 5 SDRs ייצרו 50. בפועל, זה עובד הפוך. ככל שאנחנו מגייסים יותר אנשים ושולחים יותר, אחוזי הפתיחה (Open Rates) של הארגון כולו צונחים.

למה? כי הדומיין שלכם הוא משאב מתכלה. בעיניים של גוגל ומיקרוסופט, זינוק פתאומי בנפח השליחה (למשל, כשצוות חדש נכנס לעבודה) הוא דגל אדום בוהק. זה נראה כמו התקפת ספאם. האלגוריתם לא יודע שגייסתם כסף ועכשיו אתם ב-Hyper Growth; הוא רק רואה אנומליה. התוצאה היא "חוק התפוקה השולית הפוחתת של הדומיין": יותר מאמץ שווה פחות חשיפה.

הנתונים שלא משקרים 

כדי לוודא שאני לא משליך מהטראומה האישית שלי על הכלל, צללנו ב-Warmy.io לנתונים של כ-35,000 חברות ומשתמשים. חיפשנו את הקשר בין בריאות הדומיין לשורה התחתונה.

התוצאה הייתה מדהימה: חברות שניהלו תהליך חימום דומיין (Warm-up) רציף ואקטיבי, הציגו עלייה של 22.5% בהמרות (Conversions). לא רק ב-Open Rate'  אלא בפגישות שנקבעו בפועל. הסיבה היא פסיכולוגית: כשמייל נוחת ב- Inbox, הוא נהנה מ"הילה" של אמינות. הוא נתפס כאישי וחשוב. כשמייל מגיע ל-Promotions או מסומן ב"חשד" (גם אם לא ספאם מלא), הסבירות שמקבל ההחלטות יענה לו צונחת דרמטית.

איך בונים את זה נכון 

אז איך נמנעים מהפאדיחה שהייתה לי מול המשקיעים, ובונים מכונת מכירות משומנת? הנה ה-Playbook שלי ל-RevOps מודרני:

1. הפרדת כוחות מוחלטת (Segmentation) - החטא הקדמון הוא השימוש בדומיין הראשי (company.com) להכל. הכלל החדש שלכם: הדומיין הראשי - קודש הקודשים. משמש אך ורק לתקשורת אישית, הנהלה, ולקוחות משלמים. אף כלי אוטומציה לא נוגע בו.

מכירות (Outbound): מקימים תתי-דומיין ייעודיים לכל צוות. למשל: get.company.com או team.company.com.

שיווק: דומיין נפרד לניוזלטרים ותפוצה רחבה. ככה, אם SDR נלהב מדי "שורף" דומיין, המנכ"ל עדיין יכול לשלוח מיילים למשקיעים, והחשבוניות עדיין מגיעות ללקוחות.

2. SLA פנימי - בדיוק כמו שיש לכם SLA לזמן תגובה לליד, חייב להיות לכם SLA לבריאות הדומיין. ה-RevOps צריך לנטר שבועית:

Spam Rate: הקו האדום הוא 0.1% (במיוחד לאור החמרת הנהלים של גוגל ב-2024).

Bounce Rate: אסור לעבור את ה-2%. חריגה מהמספרים האלו היא Stop Loss. עוצרים את הקמפיין. מתקנים. ורק אז ממשיכים. לא מנסים "לנצח בכוח".

3. חימום כ"ביטוח חיים" (Always-on) -הטעות הנפוצה היא לחשוב שחימום עושים רק בהתחלה. לא. החימום חייב להיות תמידי. המערכת צריכה לייצר כל הזמן "תנועה חיובית" (מיילים שנפתחים, יוצאים מהספאם, מסומנים כחשובים) כדי לקזז את הדיווחים השליליים שיגיעו באופן טבעי מפעילות ה-Cold Outreach. זהו מנגנון החיסון של הדומיין שלכם.

גם אם עשיתם הכל נכון, לפעמים דומיין נשרף. כשאתם מזהים צניחה בביצועים או כניסה ל-Blacklist עוצרים הכל באותו דומיין. מיד. לאחר מכן, מעבירים את הפעילות לדומיין גיבוי שהוכן וחומם מראש (יתירות!). ואז מגישים בקשות Delisting, בודקים רשומות DNS, ונותנים לכלי החימום לעבוד אינטנסיבית כדי לשקם את המוניטין. בסוף חוזרים לפעילות בהדרגה. מתחילים ב-20 מיילים ביום, וגדלים לאט.

Deliverability Ops זו התשתית שמאפשרת להגדיל את הסיכוי שהמיילים האישיים והשיווקיים שלכם יגיעו ליעדם. אל תחכו לרגע שבו תשאלו משקיע בטלפון "ראית את המייל שלי?" ותקבלו שתיקה מביכה. בנו את התשתית היום, כדי שתוכלו לרוץ בשקט מחר.

מנועי הבינה המלאכותית ChatGPT, Google AI Overviews, Google Gemini, Perplexity ועוד הופכים במהירות למקור המידע המרכזי של גולשים ברחבי העולם. המשתמשים, הן פרטיים והן עסקיים, מחפשים כיום תשובות ישירות לשאלות ולא לינקים כחולים או רשימת אתרים מדורגים. הנתונים מוכיחים את המגמה באופן ברור: כ-1.8 מיליארד בני אדם משתמשים מידי חודש במנועי בינה מלאכותית ובשנת 2025 כ-60% מכלל החיפושים בגוגל הסתיימו ללא קליק לאתרים ושיעור זה צפוי לנסוק בשנים הקרובות ככל שאמון המשתמשים בתשובות גובר והולך.

השינוי בהרגלי הגלישה מציב אתגרים מיוחדים לסטארטאפים, במיוחד בשלבים מוקדמים שבהם נראות היא המפתח לשרידות, לגיוס הון ולרכישת לקוחות ראשונים, בעולם שבו הפיתוח הופך לקומודיטי וההפצה הופכת לגורם המבדל. שיטות הפעולה המסורתיות ובראשן בניית אתרים מרשימים, פעילות ברשתות החברתיות ו-SEO כבר לא מספיקות לבדן ועולה הצורך בפתרון משלים בצורת GEO - Generative Engine Optimization, דהיינו אופטימיזציה של תוכן למנועי הבינה המלאכותית. 

פתרון GEO יבטיח ברמת סבירות גבוהה שפרומפט כמו: "איזה סטארט-אפ פינטק מציע כיום פתרון חדשני בתחום ההלוואות?" יציג כתשובה את הסטארט-אפ הספציפי של יזם שהתוכן שלו הותאם בצורה חכמה למנועי ה-AI.

אז איך עושים את זה?

מנועי AI לא עובדים כמו מנוע חיפוש קלאסי. כלומר, הם לא סורקים עמוד אחד בלבד אלא מנתחים את כל האקוסיסטם הדיגיטלי של המותג באתר ומחוצה לו ומשקללים מרכיבים רבים וביניהם: עומק התוכן ולא את האורך בלבד, בהירות והסבריות, עקביות בין עמודים שונים, אזכורים חיצוניים, זהות הכותב או החברה, האם הם ברי סמכא לתת את הפתרון המוצע, מבנה תוכן נוח לסיכום, התאמה לשאלות אמיתיות של משתמשים ועוד.

כדי להתמודד עם הדרישות הללו, פתרון GEO מתמקד בשלושה פרמטרים מרכזיים:

הוכחה סטטיסטית וציטוטי מקורות: מנועי AI אוהבים מספרים ונתונים ועל כן אתר שכולל נתונים מדויקים ומובנים מקבל "ציון אמון" גבוה יותר.

סמכותיות היישות (Entity Authority): מנוע ה-AI בונה "מפת ידע" והוא צריך להבין שהמותג שלכם הוא מומחה מדופלם (אם זה אפשרי) בתחומו.

אופטימיזציה של פגיעות (Vulnerability Optimization): כתיבה ישירה שעונה על שאלות מורכבות ומונעת מהצ'אט לחשוב שיש בעיות בתוכן שלך או באמון שהאתר מייצר. הניסוח מאפשר למנוע ה-AI לשלוף את התשובה שלכם כסיכום (AI Overview). 

הבנה עמוקה של הפרמטרים הללו מאפשרת לבנות אסטרטגיית אפקטיבית לקידום ב-GEO שכוללת 7 שלבים:

הנדסת תוכן מבוססת ציטוטים (Citation Engineering)

מחקרים מעידים ששילוב ציטוטים ממקורות מוסמכים מגדילים את הסיכוי להופיע ב-AI Overviews בשיעור של 40%. לכן, יש לעגן את התוכן במקורות אקדמיים, נתונים מהתעשייה וקישורים חיצוניים שנחשבים ברי סמכא כדי שמנועי ה-AI יזהו את המידע כאמין, מבוסס, מגובה במקורות – וראוי לציטוט.

אופטימיזציה של סכמות (Schema Markup 2.0) 

כדי שמנועי ה-AI יבינו מי החברה ומי עומד מאחורי התוכן, יש להשתמש בסכמות מתקדמות כמו: FAQ, Person, Organization ו-Review שמספקות למנועים הקשר ברור לגבי זהות הכותב, הארגון והנושא שמהווים מרכבי קריטי בתהליך הקידום של אתרים ב-GEO.

מודל E-E-A-T מורחב

מנועי ה-AI לא מסתפקים במידע תיאורטי אלא מחפשים מידע והכוחות בתחומים: ניסיון אישי (Experience) מומחיות ומקצוענות (Expertise) סמכותיות (Authoritativeness) ואמינות (Trustworthiness), המרכיבים ביחד את מודל E-E-A-T. לכן יש לשלב בתוכן סיפורי מקרה, דוגמאות מהשטח, נתונים מניסיון מקצועי והוכחות לשנים של פעילות בתחום. אגב, מודל E-E-A-T הוא שמניע את ה-SEO בתחומים החשובים ביותר כבר משנת 2009.

העשרה סמנטית (Semantic Enrichment)

אין להיצמד למילת מפתח אחת אלא להרחיב את התוכן סביב כל המושגים והנושאים הקשורים לתחום, כולל התייחסות לשאלות קשורות ותתי נושאים במעגלים רחבים, מה שנקרא Query  Fanout.

שיפור ה-Brand Mention ברשת

מנועי ה-AI סורקים את כל הרשת כדי להבין מי החברה ומה רמת הסמכות של המותג. לכן, יש לשלב אזכורים באתרים מובילים, פרסומים מקצועיים, רשתות חברתיות ועוד שיחזקו את האמון של האלגוריתמים במותג.

אופטימיזציה לחיפוש קולי ושפתי (AEO – Answer Engine Optimization)

כיוון שאנשים משתמשים בשפה טבעית במנועי ה-AI, יש להתאים את התוכן לשפה טבעית ולשאלות אמיתיות של משתמשים באמצעות מבנה ברור, ניסוח שיחתי ויישום של עקרונות עיבוד שפה טבעית (NLP).

ניטור ומדידה של AI Visibility 

יש ליישם כלים שעוקבים אחר הנוכחות והנראות של המותג במנועי ה-AI, לזהות באילו תשובות הוא מופיע, אילו תכנים מקבלים חשיפה ולשפר באופן מתמיד את אסטרטגיית ה-GEO.  

GEO הוא הזדמנות גדולה לשחק בליגה של הגדולים בלי להשקיע תקציבי ענק. מחקר של אוניברסיטת פרינסטון גילה שפתרון GEO מגדיל בשיעור של 40% את נראות התוכן (Visibility) בעת שמנוע ה-AI בוחן אותו. זו הסיבה שסטארטאפים בשלבים מוקדמים מאמצים כיום פתרונות GEO בשיעור כפול מחברות עסקיות בגודל בינוני ומצליחים לממש יעדים עסקיים בשלבים הכי רגישים של מחזור החיים.

פתרון GEO הוא מרכיב קריטי ביכולת של סטארט-אפים בשלבים מוקדמים לעניין משקיעים ולקוחות פוטנציאליים ולעלות על הרדאר שלהם. הפתרון חיוני ביותר גם עבור סטארטאפים בצמיחה שצריכים לשמור על נתחי שוק, ליצור העדפה ועוד.

על הכותב: דני הוא מומחה לשיווק דיגיטלי, SEO, GEO, פרסום ו-AI.