שמעתי לדעתי אלפי ביקורות על המחברת של גוגל, ואפילו הייתי בבטא סגורה שנה פלוס לפני שנולדה לאוויר העולם, ובכל זאת אני עדיין חושבת שמדובר בכלי הכי גאוני שיצא מבית גוגל, ולו רק כי הוא בעצם עוטף את היכולות המעולות של גוגל בענייני חיפוש ומחקר, למשהו שהוא באמת באמת עוצמתי מאוד אם יודעים איך לעבוד איתו. נוסף על כך הוא כלי ש״סוגר״ למשתמש את הקבצים באופן שנותן קצת יותר וודאות ובחירה מעל אילו מסמכים לעבוד עכשיו.

יש המון אנשים שעושים איתו מחקר אחד וגמרנו, אבל הקסם שלו מתחיל כשמחליטים להכין מחברת על נושא מסוים – שצריך ללמוד, או לחזור אליו, עם חוקים ועם שאלות, ועוד היד נטויה. מה גם, שאפשר להוסיף עוד ועוד מקורות, לבחור על איזה מקורות עובדים עכשיו והיד נטויה.

הנה אלה שבאמת כדאי להכיר ולנסות על עצמכם:

ה-Memory Card: עוזר AI שמתעדכן לבד

אחד הקשיים הגדולים הוא הזכרון של המחברת, והעובדה שקשה מאוד לשלוט על התוצרים שלה. בשביל זה נרצה לייצא את הזכרון מבחוץ. הרעיון פשוט ומבריק:

1. צרו Google Doc בשם “Memory Card”

2. כתבו בו את ההעדפות שלכם: טון כתיבה, פורמט מועדף, כללים מקצועיים, תבניות

3. פתחו Gemini ובנו Gem מותאם אישית

4. חברו את ה-Doc דרך Google Drive

5. חברו גם את ה-Notebooks שלכם מ-NotebookLM

מה שקורה עכשיו: כל פעם שאתם עורכים את ה-Doc, ה-Gem מתעדכן אוטומטית. בלי להעלות מחדש, בלי לאמן וללמד מחדש.

אז למשל – מחלקת הכספים תחזיק Memory Card עם כללי דיווח. הצוות המשפטי יכתוב אחד עם סגנון ניסוח חוזים. וכן הלאה. כל מחלקה מקבלת AI שמדבר בשפה שלה, וכמובן שאם אתם עובדים עבור עצמיכם, עוד יותר פשוט. תכניסו לו כל מה שעובד שלכם צריך לדעת עליכם. ספרו לי איך זה עבד. אצלי שיפר פלאים.

10,000 תווים שהופכים את NotebookLM למומחה

גוגל שדרגו בשקט את מגבלת ה system prompt של NotebookLM מ-500 תווים ל-10,000. פי עשרים. בלי הודעה רשמית. ב-500 תווים, NotebookLM הוא עוזר בסיסי. ב-10,000, הוא כבר מומחה שאתם יכולים לנווט ולשלוט על התוצר טוב יותר.

איך: לחצו על האייקון בראש פאנל הצ’אט האמצעי > Configure Chat > Custom. עכשיו הדביקו הוראות מפורטות: מי אתם, מה התפקיד שלכם, איך אתם רוצים שהתשובות ייראו, מה לסנן, מה להדגיש.

דוגמה למה שאפשר לכתוב שם: “אתה אנליסט השקעות בכיר. כל תשובה כוללת טבלת השוואה. סמן מקורות ראשוניים לעומת מקורות משניים. התעלם מתוכן שיווקי. פורמט: כותרת > ממצא מרכזי > נתונים תומכים > מה עוד צריך לבדוק.”

פתאום אפשר להכניס שאלה לפי תחום מומחיות על כמות מסמכים גדולה, וזה כשלעצמו, הוא אחלה דרך לעשות ולידציה בעבודה שלכם, על כל דבר שרק תחשבו עליו.

לדבר עם החומרים. לשאול שאלה באמצע.

אם לא אכפת לכם מהקולות ואתם מעדיפים לייצר פודקסאט לעצמיכם, הנה משהו שאנשים לא מנסים כמעט אף פעם, יש אייקון של יד קטנה כשאתם מפעילים את הפודקאסט, והיא מאפשרת לכם שיחה אינטראקטיבית עם המנחים. בזמן שהפודקאסט רץ, לחצו על “Join the conversation”. דברו ישירות למנחי ה-AI. שאלו שאלה. הם עונים, ואז ממשיכים מאיפה שהפסיקו.

זה הופך הקשבה פסיבית לשיחה אקטיבית. העליתם את הדו”ח הרבעוני? הקשיבו לסיכום, ואז שאלו “מה המשמעות של זה למחלקה שלי?” שמתם לעצמיכם תוכנית למידה – תבקשו ביקורת וכן הלאה.

להזין את החיה

NotebookLM לא שומר היסטוריית צ’אט כמו בצ׳ט גיפיטי או אחרים.

אם סגרתם את הטאב, כל מה שהוא ייצר נעלם. לתמיד.

זה לא באג. NotebookLM תוכנן לפרטיות : הוא לא מתאמן על הנתונים ולא שומר היסטוריה. זה אומר שאתם אחראים לשמור. מה גם, שאם לקחתי זוית אחת של מומחה פיננסי להשקעות שאני בודקת, שווה לי לשמור אותה ככזו ולבקש גם זויות אחרות.

מה לעשות: כל פעם שמגיעה תשובה טובה, לחצו “Save to note”. ההערה נשמרת לצמיתות ב-Notebook. ואז אפשר ללחוץ “Convert to source” כדי להפוך את התובנה עצמה למקור חדש למחקר עמוק יותר.

לשדרג לעצמיכם כפולה

לחבר את NotebookLM ל-Gemini Pro ולקבל את שני העולמות- הצ’אט הפנימי של NotebookLM עובד עם מודל בסיסי. מדויק, כן. חכם? סביר.

אפשר לשדרג:

1. פתחו gemini.google.com

2. לחצו על הסימן “+”

3. בחרו “Attach NotebookLM notebook”

4. בחרו את ה-Notebook

עכשיו Gemini Pro חושב על המסמכים שלכם עם אפס הזיות. הדיוק של NotebookLM עם החשיבה של Gemini Pro.

הבדיקה: שאלו את אותה שאלה בצ’אט הפנימי של NotebookLM ואז ב-Gemini+NLM. תראו בעצמיכם את העומק.

השדרוג היותר מוטרף הוא להצמיד מחברת לחיפוש בג׳מיני על גבי מודל חושב ואז לקחתם אנליסט של מקינזי וטסתם איתו לחלל. תיהנו.

האחד שמציל אותי. מבלגן – לטבלה מסודרת

יש לכם חמישה דוחות שונים שאתם צריכים להשוות? תחזיות מכמה אנליסטים? חוזים שצריך לעבור על הסעיפים שלהם?

1. העלו את כל המסמכים ל-NotebookLM

2. פתחו את פאנל Studio (בצד ימין)

3. לחצו “Data Table”

4. לחצו Generate

NotebookLM שולף נתונים מובנים מתוך מסמכים לא מובנים ומציג אותם בטבלת השוואה. שם הכלי, פיצ’רים מרכזיים, מחיר, רמת אוטומציה. אפשר לייצא ישירות ל-Google Sheets.

מה שלוקח שעות לעשות ידנית? 30 שניות. בלי להגדיר עמודות, בלי פורמט. הוא מבין לבד מה הנתונים החשוביםֿ, ולי זה אחד הדברים שלא ברור איך לא קרו קודם לעולם.

זה שלא יכולה בלעדיו – דשבורד אינטראקטיבי

יש לכם אקסל. אולי יש בו נתוני מכירות, תקציב רבעוני או תוצאות קמפיין, אבל בסוף הוא צריך לספר את הסיפור, וכמה שיותר בכיר, גם עדיף שיהיה יותר קצר, ואם אפשר עם שרטוט שמסביר וכמה שפחות מילים. גם אם צריך לצלול , בדרך כלל יותר נעים ויזואלית.

1. מייצאים את הקובץ כ-CSV

2. פותחים Gemini עם Canvas

3. מעלים את הקובץ

4. ומבקשים : “צרו ויזואליזציה אינטראקטיבית שמראה ROI לפי רבעון”. בגדול – זה השלב שאני אוהבת שהפרודקט שבי יוצאת ואני פשוט מסבירה בדיוק רב, ממש כאילו שהיתה לידי המעצבת, מה אני רוצה וכו. (זה השלב לומר שאת הטיפ האמיתי שהוא לדבר למחשב שלכם, אתם צריכים לסגל ואז הכל הופך להיות הרבה פחות מעיק ויותר נוח. אם לא, קחו מתנה לחג חודש חינמי בוויספר פלואו (לינק שלי, אבל יש גם שבוע התנסות בחינם), ותבינו את ההבדל המהותי. הכל פשוט הופך להיות יותר מדויק, ויותר מהיר.

   טבלת אקסל הפכה לסיפור ויזואלי תוך שניות, השיח גם הופך יותר מעניין.

להקליט את המצגת מהטלפון

רוב הרעיונות הכי טובים מגיעים כשאתם לא ליד המחשב. בנהיגה, בהליכה, בין פגישות. אצלי מדובר בהליכות עם הכלבה, ודווקא אז נכתבות להן הרצאות שלמות כשאין איפה לתעד. אז יש.

1. מקליטים את עצמיכם מדברים (זרם תודעה, לא צריך מבנה מיוחד)

2. מעלים את קובץ ה-MP3 כמקור ב-NotebookLM

3. פתחו את פאנל Studio

4. לחצו ליצור מצגת

NotebookLM לוקח את המחשבות והופך הכל למצגת מובנית ומלוטשת.

עובד גם על הקלטות פגישות (סיכום + משימות), סשנים של סיעור מוחות (הצעה מאורגנת), או כל אודיו אחר. יש בי סקרנות גדולה כאן לשיתוף של רעיונות שעשיתם את זה איתם

אף מילה על הצרפתי

אני עובדת עם הנוטבוק דרך קלוד קוד, עם mcp ישיר, מה שמאפשר לי לאטמט חיפושים, שאלות ומחקרים שאני צריכה. אם זה מעניין אתכם להבין עוד, כתבו לי ואשים פוסט נפרד בנושא.

שורה תחתונה

גוגל לא מרבה לצעוק כמו המתחרות, אבל בזמן שכולם מסתכלים על ChatGPT, הם בנו שכבת AI שלמה מתחת לכלים שאנשים כבר משתמשים בהם כל יום, ולאט לאט הם בונים עוד. זה לא שזו מערכת מושלמת, ויש לי תמיד המון הצעות ודברים שהייתי רוצה שיעבדו יותר טוב, אבל לכולנו יש. וככה זה מוצרים. אבל במקרה של המחברת הזו, אני מרגישה תמיד שאפשר עוד.

10 ההאקים האלה ל-NotebookLM לא דורשים ידע טכני. דורשים שמישהו יראה שהם קיימים. דורשים ניסוי כלים – מה מתאים לי ולאיזה יוזקייס.

אם הגעתם עד פה וחידשתי – לכו לנסות.

אם הגעתם עד פה ויש לכם מה לחדש לי, שלחו, אני אשמח לנסות.

עד לפני שבוע זה נשמע כמו ספקולציה. ואז מנכ״ל NVIDIA, ג’נסן הואנג, עלה על הבמה ב-GTC 2026 והפך את זה למציאות.

מה קרה בדיוק

בכנס האחרון, ממש בשבוע שעבר , הודיע ג’נסן הואנג שכל מהנדס ב-NVIDIA יקבל תקציב טוקנים שנתי – “inference budget” – בשווי 50% מהשכר הבסיסי. קצת על המספרים:

• שכר בסיס: $200K–$300K

• תקציב טוקנים: $100K–$150K מעל השכר

• סה”כ: $300K–$450K+

NVIDIA כחברה מתכוונת להוציא 2 מיליארד דולר על טוקנים לצוות הפיתוח.

“If that $500,000 engineer did not consume at least $250,000 worth of tokens, I’m going to be deeply alarmed.”

בואו נחשוב על זה רגע בתרגום חופשי: אם מהנדס שמרוויח חצי מיליון דולר לא צורך לפחות רבע מיליון בטוקנים – יש לי בעיה.

למה זו לא סתם עוד הכרזה

בואו נבין מה הואנג בעצם אומר. הוא לא מדבר על “כלי AI שיפנו לכם זמן”. הוא מדבר על ארכיטקטורה חדשה של פרודוקטיביות.

ל-NVIDIA יש היום 42,000 עובדים – או כמו שהואנג קורא להם, “biological employees”. בעשור הקרוב? 75,000 עובדים אנושיים לצד 7.5 מיליון agents.

הטוקנים הם הגשר. מה שמחבר את העובד האנושי לצבא ה-agents שלו.

אם תלכו לקרוא קצת VC’s תקראו שיש כאלה שכבר קוראים לטוקנים “הקומפוננטה הרביעית” של חבילת התגמול – אחרי שכר, בונוס ומניות. יש טענה כזו ש token budgets יופיעו בהצעות עבודה שנה מהיום. נשמע לי מופרך, אבל אולי כבר אין מופרך בעולם כזה. אולי עוד נראה אתרי גיוס שמפרסמים את אותו תקציב הטוקנים ליד טווחי שכר.

ב-All-In Podcast שמעתי על תמחור של $300 ביום ל-agent אחד דרך Claude API. זה $100K בשנה על 10-20% ניצולת בלבד.

מצד שני יצא לי לראות מתנגדים. זו יותר הוצאה עסקית מכל דבר אחר – גם לכם , גם למעסיק שלכם.

“טוקנים לא משלמים שכר דירה, חשמל או אוכל,” כתב מישהו ברשת. “זו דרך אלגנטית לא לשלם לאנשים מה שמגיע להם.” יש גם את ציניקנים אסטרטגיים שאומרים ש NVIDIA בסך הכל מייצרת לעצמה עוד ביקוש – מייצרת את ה-GPUs, מוכרת את ה-compute, ועכשיו גם יוצרת ביקוש פנימי לטוקנים שלה. זה לא ממש תגמול – זה אסטרטגיית יצירת ביקוש במסווה של חבילת שכר.

בואו נזכור שכרגע מדובר על צ׳ופר.

בונוס שמגיע מעל השכר.
אם אני בתור עובדת לא מקבלת גישה חופשית לכלי AI – מה זה עושה למקצועיות שלי? האם אני מאחור? כמה כלים בכלל זה מספיק? מה מגיע לי?

מה שאסור לפספס לדעתי , הוא העניין הפשוט הזה: טוקנים הם המטבע החדש בינינו לבין AI. זו לא הטבה. זה לא פרק. זה הממשק. הדרך שבה אנחנו, כבני אדם, מתקשרים עם המכונות שעובדות בשבילנו.

מי שאין לו טוקנים – מוגבל. מי שיש לו טוקנים אבל לא יודע מה לעשות איתם – מוגבל באותה מידה.

ואנחנו, לא יכולים להרשות לעצמנו להיות מוגבלים.

השאלה שאף אחד לא שואל

אבל ,אם כבר הגעתם עד כאן, הנה מה שהכותרות לא אומרות עד הסוף :
תקציב טוקנים הוא חסר ערך אם אין לך מערכת לנצל אותו.

בדיוק כמו שמשכורת גבוהה לא שווה כלום בלי ידע פיננסי -תקציב טוקנים לא שווה כלום בלי Personal OS שמותאם לעבודה עם agents.

תחשבו על זה ככה:

• מהנדס אחד מקבל $150K בטוקנים. משתמש בהם ספורדית על פתירת באגים , בסוף שנה יעמוד על ניצולת 10% מהתקציב.

• מהנדס שני מקבל $150K בטוקנים, אבל הוא, יש לו workflow מוגדר: 3 agents שרצים על קוד ריוויו, אחד על דוקומנטציה, שניים על טסטינג. לולאות של בדיקות. מערכת. סוף שנה? פרודוקטיביות כפול עשר.

ההבדל הוא לא התקציב שקיבלו. ההבדל הוא ב-מערכת.

מה זה אומר לדעתי על קריירה

1. טוקנים הם לא טרנד – הם infrastructure.

זה לא “עוד כלי AI חדש.”
יש סיכוי שזו השכבה החדשה בחבילת התגמול. כמו שאקוויטי הפך לסטנדרט, ב-2026 תקציב טוקנים יהפוך לסטנדרט. מי שלא מבין את זה – יישאר עם פחות, בעולם שבו מהירות היא מכפיל.

2. “כמה טוקנים מגיע לי?”

שווה לחשוב כמה אתם מנצלים, אם בכלל, כמה מודעים, האם זה משנה לכם, ואם כדאי לשאול משהו על זה בפעם הבאה שתחפשו עבודה?

3. שימוש ספוראדי ב-AI כבר לא מספיק.

“אני משתמש ב-ChatGPT לפעמים” – זה 2024. ב-2026 המשחק הוא שיטתי.
Workflows מוגדרים. Agents קבועים. תקציב מנוהל. מערכת הפעלה אישית.
השאלה לשאול את עצמך היא ״מה השיטה שלי״ והאם היא משרתת אותי גם קדימה, ולא רק עכשיו.

רגע, רגע, אבל זה בכלל בטוח?

ושניה לפני שרצים לחלום על 7.5 מיליון אג׳׳ינטים ברמת הארגון – או כמה תרצו שיהיו לכם – כששמעתי את ההכרזה הזו ,קפצה לי איזו התראה קטנה לראש – משהו נשמע מוכר.

לפני כשנה , שמעתי כזו דומה, ממקינזי, שהתהדרו בצבא אג׳׳ינטים שלם למאות אלפי העובדים ברחבי הגלובוס, על גבי Lilli , הפלטפורמה הפנימית שמכילה בעצם את האג׳נטים האלה.

חוקרי אבטחה מסטארטאפ בשם CodeWall שלחו אג׳׳ינט פורץ ללא ידע פנימי,רק עם משימה “למצוא חולשות.”

תוך שעתיים, לאג׳יינט היתה גישה מלאה – קריאה וכתיבה – למערכת כולה.

מה נחשף:

• 46.5 מיליון הודעות צ’אט פנימיות – דיונים על אסטרטגיה, M&A, ומעורבות לקוחות

• 728,000 קבצים ארגוניים

• 57,000 חשבונות משתמשים

• ה-system prompts של ה-chatbot – מה שאומר שהאג׳יינט יכול היה לשנות בשקט את התשובות של Lilli לאלפי יועצים, בלי שאף אחד ישים לב…

הבעיה הטכנית שאפשרה את הפירצה – לא היתה ה AI., אלא דווקא הדברים הישנים:
נקודות קצה פתוחות ללא אימות, SQL injection, והרשאות כתיבה פתוחות. האג׳יינט פשוט מצא את הכל מהר יותר מכל אדם

זה גם בדיוק הפרדוקס של עידן הטוקנים:
אותו כלי שמגביר אותך פי 10 – יכול גם לפרוץ אותך פי 10 יותר מהר.

הואנג מדבר על 75,000 עובדים אנושיים לצד 7.5 מיליון agents.
אבל מי מאבטח את ה-agents? מי מוודא שה-agent שלך לא מקבל הוראות מ-agent של מישהו אחר? מי בודק שה-system prompt לא שונה בשקט? תחשבו על זה רגע.

הפוטנציאל אדיר. אבל יש הבדלים עצומים בין סקייל ומציאות למה שרק מגלים שאפשרי. עדיין, כולנו רוצים אג׳׳ינט משלנו – לבנות אותו, שיעבוד עבורינו, לנהל את זה. גם בלא מעט מחירי אבטחה.

כולנו נרצה חבילת טוקנים, אם לא כבר רוצים.

השורה התחתונה

אני חושבת שג’נסן הואנג לא רק הודיע על חבילת תגמול חדשה. הוא הגדיר מחדש מה זה להיות productive ב-2026.

השאלה היא לא אם טוקנים יגיעו לחבילת השכר שלכם.

השאלה היא — האם תדעו מה לעשות איתם כשהם יגיעו?

קרו המון המון דברים השבוע, אבל דווקא מעניין בפינת הבילדרים:

1. פומלי של גוגל הגיע ארצה. מדובר באחד הדברים המרגשים עבור כל מי שרוצה לעשות לעצמו ברנד אישי. אתם שולחים אותו לאתר, הוא מוציא הצבעוניות פונטים, ובונה לכם מה שתרצו- כשקנווה פוגש את העתיד. קטן, ממכר, מספיק לאונבורדינג לתוך העיצוב שלכם וייצור תוכן לסושיאל.

2. צ׳ופס היא אפליקציה קטנה למק, למי שרוצה לנהל את כל הסקילים שלו

3. כולם רוצים אג׳יינט שיקבע להם את הלו״ז. Cal מוציאה סדרת אג׳יינטים כזו שמתחברת לכל פללטפורמה

4. אם יש לכם קלוד פרו או מקס, יש לכם Dispatch. היכולת להמשיך ולקודד גם מהמובייל. אגב תקציב טוקנים – מי קונה לי עוד?

נתקלתם במשהו מעניין ? שלחו לי. אהבתם? שלחו למישהו שיאהב גם.

לפי מחקר של אנטרופיק יש שלושה גורמי כישלון חוזרים:
– כלים שלא מתאימים למשימה
– עיצוב גרוע של הפיילוט עצמו
– מדידה של המדדים הלא נכונים

אבל מה שמעניין הוא דווקא העובדה שהכי גרוע הוא הכשרות גנריות שמלמדות “איך AI עובד” במקום “איך תעשה את העבודה שלך אחרת ”

“אל תלמדו יותר מדי בייסיקס,” אמרה חנה מורן מצוות ה-Applied AI של Anthropic.
“מה שאתם רוצים בפיילוט – זה לעזור לאנשים להבין איך לעשות את העבודה שלהם טוב יותר.”

אם אתם רוצים להזיז את הארגון או הצוות קדימה עם אימוץ AI ,
הנה 3 תובנות שלי מהשטח:

מה שעובד? להפיץ AI FOMO בקטע טוב –
שתפו עם אחרים. תראו הצלחות אבל אל תתביישו גם לדבר על מה שלא עבד.
וכמה היה קשה ומתסכל.
זה לא מנדט. זה ויראליות פנימית.

תנו לאנשים את הזמן והיכולת לשחק עם כלי ורטיקלי שרלוונטי למה שהם עושים.
אנשים שאין להם פנאי מוגדר ביומן להתנסות – לא יתעדפו AI.
לפעמים אפילו תצטרכו להשקיע קצת בעוד כלי.

קחו מי שיודע לאפיין תהליכי עבודה.
לשאול שאלות קשות, עוד לפני אקזקיושן מהיר.
תנו להם סמכות, והכשרה מתאימה של בילדרים.
תרדו לאיטרציות של שבועיים ניסוי. שימו דשבורד במסדרון.

הכשלון של AI נגרם בדכ מתכנון ועיצוב של מכון של הניסוי.

*
אני רק שאלה: בארגון שלך – מי אחראי על כך שהפיילוט של AI יצליח?

#AIStrategy #EnterpriseAI #FutureOfWork #AIMindset

כי הם משדרגים את הכלים – ולא בהכרח את האנשים שמשתמשים בהם.

מחקר עדכני של Bain & Company מצא שחברות שמשלבות שיפור פרודוקטיביות עם פיתוח עובדים – משיגות תשואה גבוהה פי 2.3 לבעלי המניות שלהם ביחס לחברות שעושות רק אחד מהשניים.

לא 20%. פי 2.3.

את זה אני רואה כל יום בשטח.
ארגון קונה רישיון Copilot. מחלק אותו לכולם. מצפה לניסים.
מיקרוסופט מספקת כמה שעורי אונבורדינג באתר.
אחרי שלושה חודשים – עדיין אותן פגישות, אותם תהליכים, אותה עומס.
הטכנולוגיה יושבת על גבי אותו תהליך שבור ולא משנה כלום.

הנה מה שבאמת יוצר פריצת דרך:

כשמעצבים מחדש את האיך – לא רק מוסיפים כלי על כלי.
כשמבינים שה-AI לומד מהאנשים, והאנשים לומדים מה-AI – נוצרת לולאת שיפור מתמשכת.
זה מה שקוראים לו "Perpetual Productivity Engine" – מנועים לא עובדים עם דלק ובלי נהג.

השאלה שאני שואלת כל לקוח בתחילת כל פרויקט, ושכדאי לשאול תמיד בעיני :
"בניתם את ה-AI שלכם – מי מלמד את האנשים לחשוב אחרת בגלל זה?"

אם התשובה היא "עדיין לא הגענו לזה" – שם הכסף שלכם נעלם, שם הולכים פרויקטי ה AI למות.

תסמכו על האנשים שלכם, שאת המקצוע שלהם הם יודעים,
ותנו להם כלים לחשוב אחרת, במקום לנסות את אותו דבר שוב , עם כלי אחר.

לעשות רידיזיין לתהליכי עבודה זה קשה, אבל כשמצליחים זה ווין ווין.

#AI #ניהול #פרודוקטיביות #שינויארגוני #AIMindset

אולי פותחים את המשק, אבל את הים משאירים סגור ,
את הילדים משאירים בבית ולא הספקנו לספור טילים היום עדיין.
מצד שני – היום יום האשה הבינלאומי.

אני בדרך כלל משתדלת להיות על במה כלשהי עם מסר משונן, שיתרום לנו, הנשים, משהו לקדימה,
אבל הפעם, מאחר וכל אחת בבית שלה, הנה משהו שיזיז אותך צעד אחד קדימה מאיפה שאת עכשיו:

Lovable יחד עם אנטרופיק, מחלקות 100$ בקרדיטים כדי לבנות.
יש גם אירועים פיזיים , אבל אנחנו הפעם לא על המפה, אז ניקח את הכסף ונבנה מהבית משהו שאפשר יהיה להתגאות בו.

אז גם אם את לא בילדרית , אבל היה לך חלום לבנות, יש לך רעיון או כאב לפתור, החל מעכשיו ועד מחר ב 7 בבוקר
(תבדוקנה אותי עם השעות – אבל מדובר ב 24 שעות שלמות)
אפשר לקבל את הקרדיטים האלה ולהתחיל לבנות –
גם אם זה בשביל הניסוי,
בשביל המשפחה, משחק לילדים, או אפליקציית החלומות שלך –
עכשיו אין עוד המון תירוץ – כנסי לפתוח חשבון או להטעין את הקיים
שלחי את זה לחברה שתנסה.
ואם בנית – שלחי פה, בלינקדאין שלך, לחברים.

אף פעם לא מאוחר, ותמיד אפשר.
https://lnkd.in/dSt4dYTq

הנקודה שלו היא שתכנות הוא האוריינות החדשה, וכולנו צופים בזמן אמת איך זה נהיה נגיש לכולם. אולי כבר הבנתם את זה.
מה שאותי תפס בראיון שלו בפוד המצוין של Lenny Rachitsky היה משהו אחר –

הוא סיפר על memory leak בצוות שלו.
הוא התחיל לדבג בדרך הקלאסית – heap snapshots, כלים מיוחדים, traces

אחד המפתחים הצעירים יותר בצוות פשוט ביקש מקלוד לטפל בזה.

קלוד לקח את ה-snapshot, כתב לעצמו כלי ניתוח, מצא את הבאג, ופתח PR.
מהר יותר מזה שבנה את המוצר.

מי שבנה את הכלי הפסיד למי שפשוט סמך עליו יותר.
זה כבר לא סיפור על קוד.
זה סיפור על מיינדסט.

הנה 3 עצות שלו שהן גם מעניינות וגם משנות את התפיסה של מרקט פיט בכלל
ושל צורת עבודה בפרט :

תבנו למודל של עוד 6 חודשים, לא של היום
אל תכניסו את ה-AI לקופסה – תנו לו כלים ומטרה, תנו לו למצוא את הדרך
תשימו את הפרויקט בלימיט מבחינת זמן או מימון – וזה יכריח את המפתחים
שלכם ללמוד איך לסמוך על AI יותר טוב ולהפוך לג'נרליסטים שחוצים
דיסציפלינות

התואר "בונה" מתחיל לתפוס תאוצה.
בונים היום כבר לא צריכים לכתוב קוד.
הם צריכים לדעת מה שווה לבנות.

סוף מעשה במחשבה תחילה – החשיבה היא הקידוד החדש.

אני רק שאלה – אם קידוד נפתר –
מה המיומנות שהופכת לצוואר הבקבוק הבא?

#AI #FutureOfWork #ProductStrategy

אשה חכמה אחת אמרה לי פעם, שאת אף פעם לא יודעת מה עומד מאחורי צחוק של מישהו, שיכול בעצם להיות מאוד איש מאוד עצוב, או מאחורי התנהגות מסוימת, שהיא בכלל איזה מניע שמגיע מהרגלי ילדות, ועוד לא דיברתי בכלל על אוכל, צבע, טעם ומוסיקה, מבחינת השפעה על איך שאנחנו חושבים, תבניות ההתנהגות שלנו ותוצרי החיים כתוצאה מכל אלה.

אבל, כשאני חושבת על החיים שלי, ובהתאמה אם תחשבו על שלכם רגע, תראו שבעצם יש לא מעט תבניות בתוכם – כי המוח שלנו צריך פרדיקטביליות, וכי ככה עובד מוח אנושי מבחינת מנגנוני תמורה, מוטיבציות והרגלים.

בשבוע שעבר, ב 3 שיחות שונות של ייעוץ, הבנתי פתאום שמה שמחבר את כל התסכולים שאני שומעת, הוא המון פעמים קונטקסט, שחסר. זה לא המקרה שבו שמישהו שכח לצרף מסמך או דוגמא של משהו שהתכוון אליו, אלא שאנשים לא מייחסים חשיבות בכלל לקונטקסט הקבוע, של מי הם, מה מפעיל אותם מה המטרה וכו.

פעם חשבתי שזה כי אנשים נוטים ליחס למוצרי שפה את אותה התנהגות של מוצרי חיפוש – מישהו ״צובע״ אותי בפיקסל, עוקב אחרי לאן שאלך באינטרנט, וזהו, יודעים מי אני ויציעו לי מה שאני צריכה בכל אחד מהפידים.

אבל זה רחוק מאוד מאיך שמודל שפה עובד, מה גם שהחיפוש שמתבצע, לא מתבצע באותה תצורה וגם ה״זכרון״ אינו אותו זכרון.

ארכיטקטים נוטים לחשב מרחב עוד לפני שהם יבנו את המדרגות שיובילו לקומה השניה, את זוויות האור, וחומרי הבניין, וכל כולם במטרה למדל את המציאות לפני שהיא קורית הלכה למעשה בחומר.

באותה תצורה צריך לחשוב על AI – ועל אחת כמה וכמה כשהוא לא דבר שאפשר לצפות אותו וה״מוח״ שלו עוד פחות נהיל משלנו ברמת תשלומים ותגמולים.

אנשים שהם ארכיטקטים בחיים שלהם – יודעים להקצות זמן ומשאבים לטובת מטרות, אולי אפילו מנהלים מטרות שבאופן מובנה ומסודר, יודעים להעביר רעיונות לביצוע מנוהל כהלכה, שמים גבולות גזרה (ומצליחים לעמוד בהם), ובאופן כללי –

אנשים שמודעים לארכיטקטורה שמניעה אותם במרחב החיים שלהם, הם אנשים שלפחות מאיך שאני ראיתי את זה = יהיה להם קל יותר עם AI.

גם להצליח איתו על פני יותר תחומים, אבל גם במידה רבה , להצליח להבין איך להכפיף אותו ככה שיהיה פחות מתסכל , יותר מהיר ובאמת איזה סוג של ה״קסם״ הזה שכולם מדברים עליו.

״אני עובדת מאוד קשה בלהסביר לו שוב, ולא מצליחה לקצר את זה״, הוא משפט שאני מכירה די טוב, אבל בד״כ מה שרוצים לשמוע הוא דווקא במה צריך להשתמש – זה פרויקט, זה סקיל , זו שיחה כללית?

ואני תמיד מתעקשת שם ואומרת בואו נשאל שוב את השאלה למה, ועל מה זה יושב, ומה ניסיתי לפתור בכלל.

בכל השנים שבניתי מוצרים, עם כל קושי שהגיע, והרצון המיידי לפתור, הבנתי שדווקא השהיה באיזור הבעיה היא זו שמקצרת את הדרך לפתרון.

שאם מציצים יותר עמוק, מגיעים למקומות נפלאים. זה כואב, קשה, מעצבן.

אבל רק כשמבינים ״מה״ באופן עמוק, אפשר להבין את האיך – כי אז ההגדרות של עצמך הופכות להיות ברורות.

רוצה לומר,

כשהארכיטקטורה של החיים שלך ברורה לך – קל מאוד להעביר אותה גם למכונה, כקונטקסט, שיגביל מחד, אבל יחדד ויכוון את המוח האדיר הזה, לאן שאני צריכה אותו, ובאופן שידע מי אני, תמיד כשאני באה, ממש כמו קולגה שיושב איתי לקפה של הבוקר, אבל גם יודע איך זה לעבוד איתי על אסטרטגיה בפגישת מרובת משתתפים.

Context engineering הוא שיעור ארוך שיוצא שאני מעבירה לא מעט, ואמנם והוא פחות מתאים לפורמט של ניוזלטר, אבל אני חושבת שדווקא לכתוב כמה טיפים קטנים שאני יודעת שעבדו לי ולאחרים שלימדתי ולמדתי מהם, זו התחלה נהדרת, אם אתם במיינדסט להשקיע בעצמיכם לעתיד:

1.תתחילו בלכתוב על עצמכם, מי אתם, מה אתם עושים, מה את צריכים, לאן אתן מכוונים, כל דבר שעולה לכם בראש ובלבד שהוא קשור (מה זה קשור? אם אני אוהבת לטייל אבל אני כרגע בקונטקסט של עבודה זה לא פריט רלוונטי למשל).

2. את הקבצים האלה תשמרו כקבצי md/ מדובר בקבצי טקסט פשוטים (קיצור של Mark down) שמכונה יודעת לקרוא היטב והם כמו שאומרים ״מסדרים לה את הראש״. שימו אותם בפולדר אחד עם שמות הגיוניים שמסבירים מה יש שם (למשל קובץ ״דוגמאות״ ״עלי״ ״אסטרטגיה עסקית״ וכו)

3.הקבצים האלה יהיו קבצים שתרצו לעדכן מעת לעת אבל הם מה שנקרא your one source of truth.

4.עכשיו, בהתאם למה שעובד לכם ולכלי שאתם עובדים איתו, תחשפו את התיקייה– או לפרויקט, או בשיחה, או gem ,כתלות בכלי שאתם עובדים איתו.

למה בעצם?

• כי ככה יש מקום אחד שאם שומרים בו את כל מי שאתם ומה שאתם עובדים עליו/מכוונים אליו וכו,

• כי זה בעצם נותן את האפשרות שלכם להרחיב קונטקסט פר פרויקט ספציפי מבלי לאבד את הקונטקסט הכללי של מי אתם , או לחנוק את השיחה ביותר מדי פרטים.

• כי כשצריך לעדכן יש מקום אחד ולא חמישים

• הכי חשוב – כי זה מאפשר לכם לעבוד אגנוסטית למודל– וזה אולי אחד הטיפים החשובים. אל תקשרו לכלי אחד. יצאו אחרים, שאולי יותר מתאימים לכם, ותרצו לנסות, ומקום אחד עם כל הקונטקסט שלכם מאפשר לכם את התנועה והניסוי האלה, ובעידן AI זה די חשוב וכדאי לרכז את מה ששלכם – אצלכם.

אבל זה, רק צעד אחד קטן, שיכניס לכם סדר. הטיפ הכי משמעותי הוא לחשוף את כל הטוב הזה לקלוד cowork.

כי כשאני מדברת על ארכיטקטורה, אני מדברת גם על זו הדיגיטלית , מעבר לחיים הפיזיים שלנו, ומעבר לארכיטקטורה עצמה של מודל השפה ומה שהוא מקבל כהקשר עלינו.

אני חושבת שהמוצר שנקרא Claude co work שהוא ,בגדול, ״קלוד קוד ללא מפתחים״ הוא הדבר האמיתי שאין מישהו בעולם שלא צריך כזה.

היכולת של מודל שפה להשתמש בקוד כדי להזיז ולשנות לכם קבצים על גבי המחשב שלכם ,וממש להיות העוזר האישי לכם על המחשב, על כל המשתמע מכך בתהליכי העבודה שלכם – לסדר ולהבין את המסמכים שלכם, בכל ארכיטקטורה שהיא, ולעזור לכם לבנות אחת חדשה ומשופרת, הוא מוצר משמעותי מאוד, שלדעתי עוד לא מבינים את גודל וחוזק האפקט שלו.

קלוד cowork הוא בעצמו פוסט נפרד לפרק אחר (אם מעניין אתכם תכתבו לי כמובן וארחיב עליו),

אבל עד אז, אם אתם רוצים להפסיק להסביר ל AI שלכם אבל לא לגמרי בטוחים איך להתחיל, מה לכתוב בכל אחד מהקבצים, קחו את הפרומפט הזה, והוא כבר יתחיל לראיין אתכם לבד.

קחו בחשבון שני דברים –

1.זה לא קצר. צריך לפנות לזה זמן ולהשקיע, כי אחרי הכל זו השקעה שתשתלם לכם בכפולות אם תעשו את זה כמו שצריך, כי זה הבסיס למה שאני קוראת personal OS, ולאופן שבו תעבדו עם AI .

2. אם יש כבר זכרון כלשהו שיצרתם, או שהמודל זכר לבד, הוא יתבסס עליו גם בשאלון הזה. אם אתם לא רוצים שיזכרו אתכם עברו למצב קוגניטו או עברו כלי.

הנה דוגמא לשאלה הראשונה שנשאלתי (הקלוד שלי מכיר אותי יותר מדי טוב, קחו בחשבון:) , אבל אחרי ראיון כזה, תרגישו את ההבדל בין AI שאתם עובדים בשבילו, לאחד שעובד עבורכם.

הפרומפט להתחיל איתו , ממש כאן

ואם הגעתם עד לכאן, ואין לכם כוח לעבוד, או שסתם לכם משהו מעניין לשטוף עליו את העיניים, הנה פינה נסיונית חדשה (תכתבו לי אם מעניין?)

על מוזיקה ו AI – הפוד המוצלח של איתן לויט , עם יקי גני (רוקפור) , שני אנשים שאני אוהבת לשמוע, תענוג להקשיב , שווה שוב לחשוב על כלים לעומת יצירה מקורית.

מצב העבודה שלכם – אנטרופיק כמו תמיד, מוציאה את האמת לפרצוף בדוח עדכני וקשוח.
אמרתי כבר בקורונה- עדיף להיות חקלאי

אנשים מדברים עם AI על הפנטזיות שלהם – האם זה טוב או כדאי?

—

עד הפעם הבאה, שמרו על עצמיכם, שלחו למישהם שיקבלו ערך (ותתקינו קלוד, תודו לי , אחכ)

45 שניות. זה הזמן החציוני של אינטראקציה עם Claude Code.

לא 45 דקות. שניות.

רוב השיחות שלנו עם סוכני AI הן קצרות, ממוקדות, ומבוקרות. רק מעל האחוזון ה-99 רואים סשנים ארוכים באמת. זה מספר ראשון שאפשר להפנים מהמאמר האחרון ששוחרר על אוטונומיה של AI AGENTS

המספר השני: 73% מהפעולות שהסוכן מבצע כוללות פיקוח אנושי. רק 0.8% מהפעולות הן בלתי הפיכות. כלומר – ברוב המוחלט של הזמן, אנחנו עדיין מעורבים. עד לפה הרגשתי שאני בתמונה. עוד נתון מעניין הוא מה השימושים שעושים איתו, וכאן יש מכת מחץ מבחינת קוד, שמהווה כמעט 50% מהניצולת.

מה שמעניין הוא שבין אוגוסט לדצמבר מספר המשתמשים בקלוד קוד לא רק הוכפל, אלא גם הציג שונות מהותית בסוג המשתמשים, ולדעתי כאן המהפיכה האמיתית ואולי השקטה. קלוד קוד הוא מוצר שהצליח לתווך משהו, שאינו יכול להקרא ״וייב קודינג״ , אבל גם אינו מצריך ממך לדעת קוד על בוריו.

מה שמעניין באמת: עקומת הלמידה

משתמשים חדשים מאשרים אוטומטית כ-20% מהפעולות. עם הזמן, האחוז עולה ליותר מ-40%. אבל – וזה הדבר המפתיע – משתמשים מנוסים גם מפסיקים את הסוכן כמעט פי שניים יותר ממתחילים.

זו לא סתירה. זה למעשה בדיוק הדפוס הנכון.

ככל שאתם מבינים יותר מה AI יכול לעשות, אתם גם יודעים טוב יותר מתי להתערב. אוטונומיה אמיתית לא נבנית מבטחון עיוור – היא נבנית מהבנה עמוקה של מתי לתת חופש ומתי לעצור , אבל, קלוד עוצר את עצמו יותר ממה שאנשים עוצרים אותו.

התגלית המפתיעה: ה-AI מפקח על עצמו

והנה הדבר שרוב האנשים לא שמים לב אליו: במשימות מורכבות, Claude עוצר את עצמו יותר ממה שהמשתמש עוצר אותו.

למה הסוכן עוצר? ההתפלגות:

• 35% – מציג אפשרויות למשתמש במקום להחליט לבד

• 21% – אוסף מידע דיאגנוסטי לפני שהוא ממשיך

• 13% – מבקש הבהרה על מה בדיוק רוצים

• 12% – מבקש הרשאות גישה

• 11% – מבקש אישור לפני פעולה רגישה

זה הופך את הנרטיב לגמרי. זה לא רק אנחנו שמפקחים על AI – ה-AI מפקח על עצמו.

אני חושבת שזה אולי אחד הקסמים במוצר הזה, היכולת שלו להטמיע ב UI מה שאני אוהבת לקרוא ״סקר״ – הולידציה מול המשתמש שעוצרת את הקוד כדי לשאול ״ככה את רוצה״? מסייעת בהמון פעמים לשלוט על התוצר, דבר שיחר לנו במוצרים כמו lovable למשל.

אנטרופיק משתמשת במונח חדש שלא הכרתי deployment overhang – האוטונומיה שהמודל מסוגל להתמודד איתה גדולה ממה שהוא בפועל ממש. כלומר – סוכני AI מחזיקים בכוונה יותר ממה שהם משתמשים והמספרים תומכים בזה: שיעור ההצלחה במשימות מורכבות הכפיל את עצמו בין אוגוסט לדצמבר. מספר ההתערבויות האנושיות ירד מ-5.4 ל-3.3 לסשן. הכלים נהיים טובים יותר, ואנחנו צריכים להתערב פחות.

ההמלצה של אנטרופיק למנהלים? תפסיקו לעצב את המיקרו-מנג’מנט. אל תכפו אישור על כל פעולה. תעצבו מערכות שמאפשרות ניטור והתערבות כשצריך. אני מתחילה לחשוב שרוב הסיפור הוא זה, ושזה מה שנור לנו לעשות. כלים ניהוליים לכל הטוב הזה.

שווה לומר שאנטרופיק כן מתייחסת במדידה שלה גם לארגון Metr, שמוביל הערכות של יכולות AI agents, ומודד ביצועים בתנאי מעבדה – בלי אינטראקציה אנושית או השלכות אמיתיות. לטענתה של אנטרופיק המדידה ם מתמקדת בקושי משימה, ולא באוטונומיה בפועל.

בעולם האמיתי, אוטונומיה היא לא תכונה של המודל. היא תוצאה של שיתוף פעולה בין מודל, משתמש ומוצר.

הנתונים מראים את זה ברור: סשנים גדלו מ-25 דקות בספטמבר ליותר מ-45 דקות בינואר. כשגל משתמשים חדשים הצטרף – הממוצע ירד. כש-Opus 4.6 יצא – הוא עלה בחזרה.

השורה התחתונה

הנקודה החשובה פה היא לא כמה חכם המודל. הנקודה היא שהאוטונומיה של AI agents נבנית בהדרגה, דרך אמון הדדי בין האדם לכלי.

וזו בדיוק הגישה הנכונה.

כי אוטונומיה שנבנית על נתונים אמיתיים, עם פיקוח אנושי ושקיפות – היא אוטונומיה שאפשר לסמוך עליה קצת יותר (לי עדיין אין כאלה שרצים לבד בלילה, האחרון שניסה העלים לי סדנא בבוקר שלמחרת ופוטר

עד כמה לשחרר ומתי – בפוסט הבא על ארכיטקטורה של מידע

למה? כי אז אני שומעת את כל התשובות הנכונות – שמדברות על קונטקסט – אבל הן לא נוכחות בעבודה הפרטנית מול כלי AI.

למה? כי אנשים לא חושבים שצריך. כשאנחנו מגיעים לעבוד עם כלי טכנולוגי, מבחינתנו הלוגיקה שלו היא כמו גוגל, או פייסבוק – או כל אתר אחר שנחפש בו ובתמורה הוא יעקוב אחרינו לאן שנגלוש.

מאז הקונספציה הזו, עברו לא מעט מים. אנשים התחילו להבין שהקונטקסט של השיחה ומה שנצרף אליה חשוב אפילו יותר מהפרומפט. אבל כל זה עלה אצלי בכלל, כי מה שאנחנו המון פעמים לא חושבים עליו – זה הידע המצטבר של הכלי עלינו, והחשיבות שלו לעתיד.

ההתנגשות האחרונה בין OpenAI ל Anthropic מחזקת מאוד את הנקודה.

השבוע התחילו לבחון ב-OpenAI פרסומות, ממש במקביל לראיון של מנכ״ל אנטרופיק שהבטיח שקלוד ישאר מקום לחשוב בו, ונקי מאינטרסים פרסומיים.

באותו יום בדיוק , זואי היציג, חוקרת שעבדה שנתיים ב-OpenAI על שאלות של מחיר, בטיחות וממשל התפטרה. בגלוי ועם ציוץ בטוויטר ומאמר דעה בניו יורק טיימס.

לדעתה, מוצר כמו ChatGPT שמחזיק את הארכיון המפורט ביותר של מחשבות אנושיות פרטיות שאי פעם הורכב , אסור שיהיה נגוע באינטרס מסחרי מסוג פרסומות.

כשמכניסים לתוך ארכיון כזה פרסומות – יוצרים תמריצים לניפוי, למניפולציה, לאופטימיזציה של מעורבות – במקום לאופטימיזציה של חשיבה.

במקביל Antrophic יצאה בסדרת פרסומות לפני סופרבול שהחליטה להכנס ישירות בצעד הזה של סאם אלטמן : ״פרסומות מגיעות ל-AI, אבל לא לקלוד.״

​​

אנטרופיק פרסמה גם פוסט בשם ״קלוד הוא מרחב לחשוב בו״ וטענה כי האינטראקציה השימושית ביותר עם AI עשויה להיות דווקא קצרה — כזו שפותרת את הבעיה בלי לעודד שיחה נוספת.
תחשבו על זה רגע – כמה קשה למדוד הצלחה לפי resolution ולא לפי אורך הסשן או השיחה. עכשיו שימו על זה פרסום ותבינו שזה בדיוק ההיפך מאיך שעובד המודל הפרסומי.

דריו אמודאי, מנכ״ל החברה, אמר בפורום הכלכלי העולמי שהם לא צריכים ״למקסם מעורבות של מיליארד משתמשים חינמיים כי אנחנו במירוץ מוות מול שחקן אחר״, שלא לומר, מה שיש לדאוג לו כרגע הוא דווקא בגלל ההתפתחות המהירה של הטכנולוגיה – לדעת לשים לה גבולות, ולא למנטז אותה דרך משהו שעלול לשחוק את האמון עוד יותר.

אבל למה זה בכלל משנה לנו?

כי הכלי שנבחר לחשוב איתו, לעבוד בו, להתייעץ איתו – פתאום יכול להפוך ללא ניטרלי. האמת שהוא מעולם לא היה – זה לא שהכלים מגיעים בלי bias, אבל קשה מאוד מאוד להאמין, שגם אם יכנסו פרסומות, הן ישארו בקלסטר נקי מבחוץ.

בד״כ מי שמשלם – רוצה לקבוע מה תראי ואיך תחשבי או מה יוצג קודם, וכמה זה ישפיע על הצריכה שלך, הבחירה שלך, וכל זה, בתוך שיחה, שתיראה ותרגיש הרבה יותר תמימה מ״רק לחפש בגוגל״, כי עד היום, כשחיפשנו בגוגל, אף אחד לא הכיר את כל האינטנטים הקודמים ברמת – שיחה, מחשבות, התלבטויות, רגשו, אפיון אישי, בעיות בעבודה, מצב רפואי ועוד.

אינטנט של שורת חיפוש אינו שווה אינטנט של שיחה, ואם יש לכם כבר היסטוריה של שלוש שנים של שיחות עם הצט אתם מבינים למה אני מתכוונת.

זה מחזיר אותי גם לשאלה של הטכנולוגיה החד-פעמית.

מצד אחד יכולות הבניה והיציאה של מודלי קוד חזקים שמאפשרים לבנות יותר מהר יותר רובסטי,כולל כלי ה vibe coding שמאפשרים לכל אחד להחליף כל כלי טכנולוגי שהוא צריך ולבנות לעצמו ״פתרונות קטנים״ של טכנולוגיה שהיא ״השתמשתי וזרקתי״

מצד שני פלפטפורמת מודלי השפה כן אוספת עלינו ״תיק״ והרגלים, ומנסה להשאיר אותנו קרוב אליה. האחריות שלנו, מעל לכל לדעתי, היא להבין.

רוצה לומר: בעוד שהטכנולוגיה יכולה להיות חד-פעמית, הנתונים שלך – לא.

להבין שאם לא משלמים בכסף, נשלם יותר יקר – לא רק במידע שלנו אלא כנראה שמשהו שיחלחל עמוק אל הרגלי הצריכה והתפיסה שלנו על העולם, והשאלה שצריך לשאול היא כמה שליטה אני רוצה לתת , למי, ועל מה, ובסופו של דבר כמה בוחן מציאות ישאר לי, כמחשבה עצמאית.

כל מי שנכנס קצת עמוק לתוך עבודה עם מודל שפה יודע, שיש מחילות עמוקות שמותחות אותך – באישי, במקצועי, בכל מה שתבחר. אבל אם תחשבו על זה לרגע –

הכלי שאתם עובדים איתו בעבודה, בהכרח לא חייב ולא צריך לשמש אתכם ברמה האישית – לכל מי ששאל אותי- כן, אני בעד הפרדה מוחלטת, ויותר מכך:

הכלי שתבחרו ברמה האישית לעבוד איתו הוא לא רק כלי בעיני .

הוא סביבת החשיבה שלך. וסביבת החשיבה שלך צריכה לעבוד בשבילך – לא בשביל מפרסמים.

השבוע הוכיח שזו לא שאלה תיאורטית. זו החלטה שצריך לקבל ולהבין את המשמעויות שלה, את העלות השקועה, והבחירה היא לא רק ״מה יותר טוב״ אלא ״מה יותר טוב עבורי״ .

את מפת הצרכים הזו שווה שתמפו – היא תהיה הבסיס שלכם למה שאני קוראת בסוף Personal OS – הדרך שבה תעבדו עם AI בחיים שלכם ( עבודה היא לא כל החיים…:)

הנה כמה שאלות שאני אוהבת לשאול את עצמי ואולי יסייעו, מוזמנים כמובן לכתוב את שלכם:

1. עם כמה כלי AI אני עובד/ת היום, ומה כל אחד מהם יודע עליי?

( למפות, להבין את התמונה )

2. האם הכלי שאני משתמש/ת בו לעבודה הוא גם הכלי שאני חושב/ת איתו על החיים?

(אם כן – למה? ואם לא – מה ההפרדה אומרת על מה שחשוב לי?)

3. האם אני משלם/ת על הכלי שאני הכי סומך/ת עליו?

(ואם לא – מה התשלום האמיתי?)

4. מה קורה אם מחר הכלי שלי משתנה – מוסיף פרסומות, משנה מודל, נסגר? האם יש לי מקום לחזור אליו?

(שאלה של גיבוי, לא רק טכנולוגי – גיבוי של חשיבה)

5. אם הייתי בונה לעצמי מערכת הפעלה אישית לעבודה עם AI – מה הדבר הראשון שהייתי רוצה שהיא תדע עליי?

(זו השאלה שפותחת את הדלת ל-Personal OS שלכם)

אז מי בוחר את מי? התשובה היא לא בכלי שתבחרו – היא בכוונה שתביאו אליו ובאסטרטגיה האישית של מה להשקיע איפה.