שאלות / פידבק
33:21
פודקאסט
פודקאסט
רועי מן ונתנאל אברג׳יל
362: איך להתאים את מבנה האייג׳נט לבעיה שהוא צריך לפתור
אנחנו מדברים על מה מעסיק אותנו באייג׳נטים בתקופה האחרונה, והפעם איך מתאימים את הארכיטקטורה של האייג׳נט לבעיה שהוא נבנה לפתור.
האזנה לפרק
37:48
פודקאסט
פודקאסט
דני פטרמן
361: על ניהול סושיאל לפאונדרים וסטארטאפים בתחילת הדרך
כמעט כל חברה רוצה להחזיק במותג סושיאל חזק, אבל רק מעטות משקיעות בזה בתחילת הדרך. בפרק השבוע נדבר על ניהול סושיאל אורגני בתחילת חייה של חברה, ועל הדרכים שהן יזמים.ות ועובדים.ות יכולים לרתום את הרשתות החברתיות לטובת המטרות המקצועיות שלהם.ן. בפרק רוני הרניב מארחת את דני פטרמן, Senior Creative Manager עם ניסיון של ניהול סושיאל […]
האזנה לפרק
38:26
פודקאסט
פודקאסט
שקד הרשקוביץ
360: מכירות לאנטרפרייז - איך הופכים מכרזים למנוע צמיחה מרכזי
עסקאות מול ארגוני ענק וגופים ציבוריים מגיעות כמעט תמיד בתוך עטיפה רשמית – מכרז. בעוד שלסטארטאפים בתחילת דרכם מכרזים עלולים להיראות כמו תהליך מאיים, עבור חברות B2B מדובר באחד ממנועי ההכנסה היציבים והרווחיים ביותר, ולכן יש להפנות אליו פוקוס. בפרק השבוע שקד הרשקוביץ, Director of Solution Engineering במאנדיי, מדבר עם דריה ורטהיים על הדרך שבה […]
האזנה לפרק
28:04
פודקאסט
פודקאסט
ניצן פודה
פרודקטיבי 63: איך יוצרים פריקשן שעוזר למשתמשים לאמץ את המוצר שלנו
ניצן פודה מבייס44 מספרת על השלבים השונים שבהם הם מציגים חיכוך מול היוזרים כדי לעזור לו להשתמש במוצר באופן מיטבי.
האזנה לפרק
41:54
פודקאסט
פודקאסט
לירון שטרייכמן ונתנאל אברג׳יל
359: איך מגדירים, מגייסים ומודדים מפתחים בעידן ה-AI
תפקיד המפתח השתנה והתפתח לאורך השנים, אך מאז ומתמיד ליבת המקצוע התמקדה בכתיבת קוד. העובדה הזו השתנתה דרמטית עם כניסת כלי AI שיודעים לכתוב קוד בצורה טובה, מהירה ובנפחים גדולים. ארגוני פיתוח מוכרחים לבחון כיום מחדש את תהליכי העבודה, כאשר היומיום של המפתחים עובר בהדרגה מכתיבת הקוד עצמו למקום של ניהול ובקרה על אייג׳נטים שמבצעים […]
האזנה לפרק
בלוג
בלוג
4 דק'
כבר לא לפי משתמש: משוואת התמחור החדשה של ענקיות ה-AI ומלכודת ה-SaaS של הסטארטאפים
בעשור האחרון, עולם הטכנולוגיה ושוק ההון חיו בהרמוניה מוחלטת סביב מודל עסקי אחד מנצח: ה-SaaS (תוכנה כשירות) המבוסס על מספר המשתמשים (Seat-based pricing). המודל הזה העניק לחברות הציבוריות ולסטארטאפים את המדד הקדוש ביותר בוול סטריט, של הכנסה שנתית חוזרת (ARR) צפויה ויציבה, ששוק ההון ידע לתמחר במכפילים גבוהים. אבל אז הגיעה מהפכת ה-Generative AI וטרפה את הקלפים. פתאום, מאחורי כל שאילתה או פעולה של משתמש לא עומד רק קוד סטטי, אלא כוח מחשוב יקר ואינספור טוקנים. שוק ההון עוקב בדריכות אחר השינוי הזה, משום שהוא מחייב הגדרה מחדש של המודלים העסקיים. עבור סטארטאפים בשלבים מוקדמים, השינוי הזה הוא לא פחות מרעידת אדמה, הן כלקוחות של ענקיות הטכנולוגיה והן כחברות שמנסות למכור מוצרים בעצמן.
מעבר לטוקנים, ענקיות הטכנולוגיה מתמחרות תוצאות
החברות הציבוריות הגדולות, מ-Microsoft ו-Google ועד ל-OpenAI ו-Anthropic, מבינות שעלויות ה-Inference (הרצת המודלים בפועל) הן בור ללא תחתית אם לא יתומחרו נכון. כתוצאה מכך, אנו עדים למעבר מואץ למודלים של צריכה (Usage-based) ותמחור לפי טוקנים. אלא שבשוק הדינמי, המודל הזה כבר מתפתח לשלב הבא. ענקיות התוכנה מבינות שוול סטריט אמנם רוצה להגן על שיעורי הרווחיות הגולמית שלהן, אך היא מסתייגת מתנודתיות קיצונית בהכנסות. לכן, חברות כמו Salesforce עברו לאחרונה לתמחור לפי יחידות עבודה של סוכנים (Agentic Work Units), ו-Zendesk מובילה מודל של תשלום לפי פתרון בעיה באמצעות AI. המשחק משתנה מכמה טוקנים המערכת שרפה לכמה עבודה המוצר בפועל חסך לארגון, במעבר ישיר למודל מבוסס תוצאה. ההדף של השינוי הזה מגיע ישירות לפתחו של האקוסיסטם היזמי.
הסטארטאפ כלקוח ומלכודת ה-Runway הנסתרת
עבור סטארטאפים בשלבי Pre-Seed ו-Seed, המעבר של הספקים הגדולים למודל טוקנים מייצר אתגר תזרימי דרמטי. בעבר, תקציב התוכנה של חברה צעירה היה צפוי וקל לניהול: רישיונות קבועים לכלים כמו Slack, GitHub או Salesforce. כיום, כשסטארטאפים מטמיעים מודלי שפה גדולים (LLMs) בתוך המוצרים שלהם, עלויות השימוש ב-API הפכו לעיתים קרובות לסעיף ההוצאות השני או השלישי בגודלו בחברה, מיד אחרי כוח אדם. חברה צעירה שלא תנהל אופטימיזציה קשוחה של טוקנים, עלולה לגלות שה-Runway (אורך הנשימה הפיננסי) שלה מתקצר בחצי רק בגלל שהמשתמשים שלה היו עסוקים בלשחק עם המוצר קצת יותר מדי. יחד עם זאת, המלכודת הזו אינה גזירת גורל. היזמים הפיקחים כבר מבינים שהפתרון נעוץ בארכיטקטורת המוצר מהיום הראשון. אנחנו רואים יותר סטארטאפים שעוברים למודלים של Bring Your Own Tokens, המאפשרים לארגונים גדולים להביא את מפתחות ה-API שלהם, או משלבים מודלים קטנים ומקומיים שמורידים את עלויות המחשוב הדרמטיות וממקסמים את ניצולת המחשוב.
הסטארטאפ כספק ואיך נראים הפתרונות בשטח?
הצד השני של המטבע מורכב אף יותר. כשסטארטאפ מפתח מוצר AI משלו ויוצא איתו לשוק, הוא ניצב בפני דילמת תמחור קריטית שתקבע את סיכוייו לגייס הון. אם הסטארטאפ ימכור במודל SaaS מסורתי וקבוע, אך מאחורי הקלעים ישלם לענקיות הענן לפי טוקנים, הוא עלול לעלות על מסלול בטוח לשחיקת הרווחיות שלו.
שוק ההון והמשקיעים רגילים לחברות תוכנה עם רווחיות גולמית של 70%-80%. מוצר AI שמתומחר לא נכון עלול להציג רווחיות גולמית של 40% בלבד, נתון שמקרב אותו יותר לחברת שירותים ומקצץ דרמטית בשווי החברה. מצד שני, גלגול עלויות הטוקנים הישירות ללקוח מייצר חסם אימוץ מול מנהלי רכש (CFOs) ששונאים הפתעות בחשבונית.
את המלכוד הזה הסטארטאפים הישראלים כבר לומדים לפצח בשטח באמצעות מודלים היברידיים ויצירתיים. חברת Atera (פלטפורמת IT אוטונומית), למשל, פיצחה זאת באמצעות שילוב חכם: היא שומרת על מודל ה-Seat הקלאסי למשתמש, אך משלבת בתוכו מכסת AI מובנית, כאשר חריגה ממנה מתומחרת לפי פעולות ספציפיות שהסוכן ביצע. המודל הזה מעניק ללקוח תקציב צפוי ומגן על הרווחיות הגולמית של החברה. דוגמה מובהקת עוד יותר למעבר לכלכלת ה-Agentic היא חברת Wonderful AI הישראלית, המפתחת סוכני שירות לקוחות אוטונומיים. החברה, שגייסה סבב ענק לפי שווי של מיליארדים, דילגה לחלוטין על מלכודת הטוקנים ועברה למודל טהור של תמחור המבוסס על פניות שנפתרו בהצלחה. אך הפיצוח הזה אינו נחלתן של חברות צמיחה מבוססות או סבבי גיוס מפוצצים בלבד, גם סטארטאפים צעירים בתחילת דרכם מיישמים את העקרונות האלו כבר משלב ה-Seed כדי להגן על עצמם. חברת Overcut, למשל, מיישמת מודל מבוסס BYOT. היא מאפשרת ללקוחות הארגוניים שלה להביא את מפתחות ה-API והסכמי הענן הקיימים שלהם, ובכך מנטרלת לחלוטין את סיכון עלויות ה-Inference מהמודל הפיננסי שלה מהיום הראשון.
המשקיעים בוול סטריט ובעולם ה-VC כבר לא מתרגשים מהבאזז הנוצץ של ה-AI, הם מתגמלים במכפילים גבוהים חברות שמציגות נתוני כלכלת יחידה (Unit Economics) ברורים ומודל עסקי חסין. ועבור סטארטאפים בשלבים מוקדמים, הכלכלה של ה-AI היא לא סוגיה פיננסית שאפשר לדחות לשלבי הצמיחה, אלא היא לב הארכיטקטורה המוצרית מהיום הראשון. החברות שיובילו בתחומן לא יהיו אלו שיציעו את הטכנולוגיה המתקדמת ביותר, אלא אלו שידעו לבנות מוצר שמודד ומחייב לפי התוצאה והערך שהוא מייצר, ולא לפי כמות הטוקנים שהוא שורף. שם, בנקודת המפגש שבין יעילות מחשוב ליצירת ערך משבשת שוק, נולדות ענקיות התוכנה הבאות.
לקריאת הבלוג
14:00
פודקאסט
פודקאסט
משתתפי כנס The T...
פרודקטיבי 62: תובנות מהשטח על בניית אייג׳נטים
איך באמת נראית הבנייה והעבודה עם סוכני AI ביום-יום? הפרק השבוע הוקלט במהלך כנס האייג׳נטים הגדול של Startup for Startup, שם עצרנו את המאזינים ומנהלי המוצר מהאקוסיסטם כדי לשמוע על הניסיון שלהם. הפרק צולל ללמידה מהאתגרים בשטח ומציג דוגמאות ליישום אמיתי: החל מניקוי ותעדוף של בורד עם 600 בקשות פיצ'רים בשש שעות בלבד במקום חודש […]
האזנה לפרק
31:51
פודקאסט
פודקאסט
עוז אלון ואופיר ארליך
358: איך בונים את הצוות והתרבות הארגונית שמתאימים לסטארטאפ שלנו?
גיוס האנשים הנכונים ובניית הרגלים, ריטואלים, ותרבות – הם חלק בלתי נפרד מהצלחה של חברה. אבל איך עושים את זה נכון? בפרק השבוע אירחנו את אופיר ארליך, קו-פאונדר ומנכ״ל חברת EON, ועוז אלון, קו פאונדר ומנכ״ל חברת HoneyBook, לשיחה על האתגרים והדילמות שמגיעים עם בניית הצוות הראשון: איך מגייסים אנשים שאפשר לסמוך עליהם, איך יוצרים […]
האזנה לפרק
25
וידאו
וידאו
25 דק'
נטע גבע
הפלייבוק לגיוס טאלנטים לסטארטאפים בתחילת הדרך
נטע גבע, Director, People & Culture ב- Grove Ventures שיתפה בפלייבוק פרקטי וללא קיצורי דרך, המבוסס על שנים של עבודה עם חברות פורטפוליו בשלבי צמיחה מוקדמים.
צפייה בוידאו