שאלות / פידבק
39:32
פודקאסט
פודקאסט
דניאל לריה ועדי דר
351: שבוע האייג׳נטים - איך גורמים לכל החברה לעבוד עם AI
איך רותמים 3,000 עובדים לחזון ומוצר חדשים של החברה? דיברנו בחודשים האחרונים על השינוי הענק שמאנדיי עוברת בעקבות מהפכת ה-AI, ועכשיו הגיע הזמן לרתום את כלל החברה בפועל לטרנספורמציה המוצרית והעסקית. אבל איך עושים את זה? במאנדיי בחרו במהלך של Agentic Week, שבוע של מאמץ מרוכז שבו הארגון כולו הופך ל-Customer Zero של עצמו. בפרק […]
האזנה לפרק
33:44
פודקאסט
פודקאסט
ויטלי מרגולין
350: איך קונים סטארטאפ | על ה-M&A הראשון של מאנדיי
מאחורי הקלעים של הרכישה הראשונה של מאנדיי, הסטארטאפ הישראלי OneAI.
האזנה לפרק
בלוג
בלוג
קרן קושמן ...
בינה מלאכותית פרטקית: חבר הצוות החדש שלכם הוא לא אנושי, וגם הוא צריך אונבורדינג
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.
לקריאת הבלוג
25:28
פודקאסט
פודקאסט
חן אפרמן קור
פרודקטיבי 59: איך לנתח מידע איכותני בסקייל בעזרת AI?
התהליך של זיהוי הזדמנויות צמיחה בנקודת זמן שבה הארגון נדרש להשתנות ולהתרחב.
האזנה לפרק
40:35
פודקאסט
פודקאסט
מיקי רוזן ובן חבבו
348: דמוקרטיזציה של דאטה - איך בנינו אייג׳נט שמנגיש מידע לכל עובד בחברה
אנחנו מדברים על הבנייה של "קרמר", דאטה-אייג'נט שמתפקד כשותף אנליטי אישי הזמין לכלל עובדי החברה.
האזנה לפרק
בלוג
בלוג
3 דק'
בראל כפיר...
הפרדוקס של עידן ה-AI: למה דווקא עכשיו היזמות בסייבר חוזרת ליסודות
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.
לקריאת הבלוג
פודקאסט
פודקאסט
שי די קסטרו
פרודקטיבי 58: איך מכניסים AI לחברת ריטייל ותיקה?
מה קורה כשחברות מסורתיות רוצות לאמץ בינה מלאכותית
האזנה לפרק
31:54
פודקאסט
פודקאסט
קרן קושמן
347: חמשת שלבי ההתנגדות - למה קשה לנו לאמץ AI בעבודה?
איך אפשר להתמודד עם טענות של עובדות ועובדים שמתקשים להתרגל למציאות חדשה? האזינו לפרק.
האזנה לפרק
01:01:00
וידאו
וידאו
01 דק'
קרן קושמן ...
AI-First Company: איך בונים סטארטאפ עם צוות מצומצם וחבורת אייג’נטים
העשור הקרוב לא ייבנה סביב גיוסי ענק וצוותים של עשרות עובדים – אלא סביב צוותים קטנים שמפעילים אקוסיסטם של אייג’נטים חכמים. קרן קושמן Internal AI Innovation Lead במאנדיי דיברה על איך מקימים סטארטאפ בגישת AI-First: לא כתוספת אוטומציה, אלא כתשתית חשיבה, תפעול וקבלת החלטות.
איך מגדירים ארכיטקטורה ארגונית שבה אייג’נטים הם חלק מהצוות אילו פונקציות ניתן ואפשרי כבר היום להחליף או להעצים באמצעות AI איך בונים יתרון תחרותי כשעלות התפעול שואפת לאפס איך משנים תהליכי מוצר, שיווק ופיתוח כשזמן הביצוע מתקצר דרמטית מהם צווארי הבקבוק החדשים בעידן של אוטומציה עמוקה ההרצאה מיועדת לפאונדרים שרוצים לבנות חברות רזות, מהירות ורווחיות יותר – ולהבין מה באמת משתנה כשחושבים AI-First מהיום הראשון, ולא מוסיפים אותו בדיעבד.
צפייה בוידאו