כל הפיד מספר לכם שאימוץ AI זה להוריד כלי, להוריד גיט עם 42 סקילים, וזהו – הפכתם לארגון AI-first.

זה לא עובד ככה. זו עבודה. עבודה נוספת על העבודה.

תוך כדי השיחה הנהדרת עם
Tony Arad Felik
הבנתי משהו על המשבר שמנהלים ומנהלות עוברים עכשיו:

זה לא משבר של עומס. זה משבר של חוסר יכולת.

לא כי אנחנו לא מוכשרים – אלא כי אף אחד עוד לא לימד אותנו לקרוא את השאלה הנכונה: מה בעצם אני צריכה כאן? למי? בשביל איזו תוצאה?

תחשבו על זה כמו קוביות לגו. כולנו יודעים לבנות מגדל. אבל עכשיו הביאו לנו לגו שנראה אחרת, ואנחנו לא בטוחים איך הקוביות מתחברות. ובזמן שהמנהל.ת מנסה להבין – העובד כבר מביא AI מהבית, וההנהלה כבר דורשת תוצאות. אז הוא תקוע בסנדוויץ’.

מה כן עובד ?
ניסיתי לתת כמה טייקים

להסביר על ההבדל בין personal os ל team os

ועל למה צריך להיכנס עם הידיים לאירוע

כי בסוף, כל השיחה על פרודוקטיביות זה לא כמה ייצרנו.
זה מה ייצרנו, ואיזה אימפקט זה עשה.

תודה ענקית לטוני על שיחה שעשתה סדר בתוך כל הרעש
והיה לי כיף מאוד לעשות
חושבת שגם לכם יהיה

לינק בתגובה הראשונה

בפועל, לבנות זה החלק הקל.
כולם רוצים לבנות – כי אנחנו מכירים את הבעיות של עצמנו טוב יותר מכל ספק, ומוצר מדף תמיד משאיר משהו בחוץ: נותן 80%, ומפספס בדיוק את ה-20% שהיו הופכים אותו למדויק עבורנו.

אבל איך בוחרים מה לבנות? אני מחלקת לשלושה מעגלים –

מערכות ליבה – ERP, CRM, HRIS, פלטפורמת הדאטה. מה שאם ייפול, הארגון עוצר.

מעגל שני – מה שמזין את הליבה: FP&A, סגירת חודש, שירות לקוחות.

מעגל שלישי פריפריאלי – כלים פנימיים, דשבורדים, אוטומציות, תהליכי אונבורדינג.

לפני שנה, הפריפריה נפתחה לבנייה בתוך הבית.
מה שהשתנה בחודשים האחרונים – המעגל השני נפתח גם הוא.

אני רואה חברות של מאות עובדים שבונות בעצמן את מערכות הפרפורמנס, מחליפות CPQ, סוגרות חודש בכלי פנימי. לא רק כי זה זול יותר (זה כן) – אלא כי סוף סוף אפשר לתפור את ה-20% שחסר.
עד כאן החלק הקל.

אבל, יש משפט אחד שצריך לחשוב עליו ואני אומרת לכל לקוח, בדיוק ברגע שהעיניים נדלקות:
רגע. מי מתחזק את זה?

כי אף אחד לא חושב על תחזוקה. כולם נורא רוצים לבנות, ונמצאים בחדוות היצירה.

בנייה היא רגע – תחזוקה היא מערכת יחסים.
מי מתקן כשה-API משתנה? מי מעדכן כשהמודל הבא יוצא?
מה קורה כשמי שבנה עוזב?

במילים אחרות: השאלה שמנהלים, ובילדרים צריכים לשאול היא כבר לא "מה לבנות"
אלא יותר –
מי בארגון מוכן להתחייב למערכת הזאת גם שנתיים אחרי ההשקה.

אשמח לשמוע – בניתם משהו שהחליף saas? מי מתחזק אותו היום?
#AI #BuildVsBuy #SaaS

על תובנות
על השבוע שהיה
על היום שהיה
על איך אתם הייתם ביחס למה שרציתם?

רפלקציה היא אחד הכלים החזקים שמאפשרים התבוננות מרחוק אחרי ש״מורידים״ את הדברים לקרקע ולוקחים מהם מרחק שמאפשר את ההתבוננות הזו.
יש כאלה שעושים אותה בראש ויש כאלה שיש להם טקסים
אבל אני מודה שלא חשבתי על רפלקציה עם מכונה על השימוש בה.

אנטרופיק חשבו.
מהבוקר תוכלו למצוא בתפריט של ההגדרות בקלוד את אופציית ה reflection
שתאפשר לכם להביט אחורה עד שנה באופן השימוש שלכם בו.
למה זה חשוב? כי מעבר לעובדה שתוכלו לחשוף על עצמכם פטרנים של שימוש
,הקלוד גם יסביר לכם מה אפשר לעשות יותר טוב לפי מה שאנטרופיק קוראת 4D AI fluency framework

דהיינו כמה דלגציה יש לכם מול המודל
כמה טוב אתם יודעים לתאר את הבקשה
כמה דיוק יש לתועלת שהאאוטפוט ייצר לכם
וכמה אחריות יש לנו עם התוצרים

הפיצ׳ר אמור להיות זמין לכולם תחת הגדרות.
גם אם זה עוד לא אצלכם,שווה משחקון קטן (נסו לעשות רפלקציה על קלוד בלי קלוד ואז תראו כמה התפיסה שלכם על השימוש קרובה לאמת…;)

ואם כבר יש לכם רפלקציה תחת ההגדרות וניסיתם –

מה גיליתם בעזרת הרפלקציה הזו שלא ידעתם קודם ,אם בכלל?

תסתכלו שוב על הנתונים. הפער נמצא במקום אחר לגמרי.
בסקר החדש והמאוד מעניין של Lenny's Newsletter על עובדי הטק ל-2026 בניצוח Noam Segal המוכשר, יש כמה מספרים שכדאי להתעכב עליהם עוד שניה.

49% מרגישים שה-AI מעצים אותם.
14% מרגישים שהוא מערער אותם.
אותם כלים. אותם צוותים. אותו שבוע.

כלומר –
איך שאת רואה את עצמך ליד ה-AI ניבא את שביעות הרצון שלך מהקריירה יותר מהתפקיד, מהוותק ומגודל החברה. ביחד.
זו לא שאלה של כלים. זו אפילו לא שאלה של מיומנות.

זו שאלה של זהות.

אם ה-AI מוביל אותך, את מרגישה שמוחקים אותך.
אם את מנהלת אותו, את מרגישה שמכפילים אותך.
ואת ההבדל הזה לא קובע הרישיון של קלוד או קופיילוט.

קובעת אותו ההנהלה.
כי תראו ממה אנשים באמת פוחדים.

לא מזה שיחליפו אותם. רק 22% חוששים מזה.

51% פוחדים לעשות יותר עבודה על אותו שכר.

במילים אחרות: הם לא מפחדים שייקחו להם את העבודה. הם מפחדים שיעמיסו עליהם בשקט, בזמן שהם מחייכים בסטנדאפ של הבוקר.
וזה סימן ניהולי. לא טכנולוגי.

עוד מעניין – המילה אמביוולטי היא אולי מילת 2026. 77% מהנשאלים בחרו מילה אחת שלילית ואחת חיובית בהקשר של AI, אבל הממוצע היה 5 מילים שונות בהקשר של AI. המון רגשות. אמביוולטים כאמור.

אז השאלה הניהולית ל-2026 היא לא רק "אילו כלים נאמץ" או איך נחלק את התקציב
אלא יותר –
כשהאנשים שלכם יושבים ליד ה-AI, התרבות שלכם גורמת להם להרגיש גדולים יותר, או קטנים יותר?

לא בטוחה אפילו ששאלנו את עצמינו.
אשמח לשמוע מה אתם רואים בשטח, גם אם לא מגוף ראשון, בכל תפקיד שהוא. (אגב- מסתבר שעכשיו גל החרדה נמצא אצל מעצבים וחוקרי ux)

מי מרגיש מועצם, ומי מרגיש שמכבים אותו לאט?

#FutureOfWork #AILeadership #AIMindset

אהרון לוי, מייסד ומנכ"ל Box, פרסם סקר של Ramp על יותר מ-1,600 חברות בינוניות וגדולות. 58% ציפו לגדול בכוח אדם בשלוש השנים הקרובות.
אצל מאמצות ה-AI הבשלות ביותר, המספר קופץ ל-79%.

זו עדיין ציפייה.
אז Ramp ו-Revelio Labs בדקו מה קרה בפועל, בלי סקרים, רק נתוני הוצאה על AI מול נתוני כוח אדם אמיתיים, ב-21,559 חברות אמריקאיות.
החברות שהשקיעו הכי הרבה ב-AI גדלו בכוח אדם ב-10.2% במהלך השנתיים שאחרי האימוץ.
בתפקידי ג׳וניורים הגידול היה אפילו חד יותר, 12%.
חברות שאימצו AI ברמה נמוכה כמעט ולא הראו שינוי.

יש כאן הסתייגות אינהרנטית כי החברות שמאמצות AI בעצימות גבוהה כבר היו גדולות/צומחות יותר מלכתחילה,
אבל עדיין במבחן התוצאה מבין החברות שנבדקו, אין כאן אובדן משרות רחב היקף, יש בדיוק ההפך ממה שהשיח מניח כרגע.

הפיטורים שאנחנו רואים סביבנו הם סיפור אמיתי, אבל לא בהכרח סיפור של AI. לפעמים זה תיקון של גיוס יתר מ-2024, שער מטבע שהופך אותנו להיות יקרים, או תעשייה שמאוימת כרגע על ידי טכנולוגיה וצריכה לשנו משהו – מוצר, מודל עסקי וגו.
ולפעמים זה משהו אחר לגמרי, ותולים את זה ב-AI כי זה ההסבר הכי זמין כרגע.
מה דעתכם ? עד כמה זה מחובר למציאות?

בילדרים
מי אתם ומה צריך מישהו מבחינת סקילס כדי להכנס למועדון?

יש פה א.נשים שחושבים עם המכונה?
שמשתמשים בה כדי ללעוס תובנות?
אם כן – מה השיטה שעובדת לכם לאורך זמן ולמה?

אני מחפשת תשובות אמיתיות, גם של כשלונות זה בסדר

התשובה פשוטה יותר ממה שמנסים למכור לנו.

מה שמבדיל בין אייג’נט לאייג’נט הוא בדיוק מה שמבדיל בין אדם לאדם בעיני.

כל אחד מצטיין במשהו אחר. הטכנולוגיה לא מוחקת את זה, והיא לא הופכת כל אחד למי שיודע לבצע כל משימה.

הכלי יהיה זהה לכולם. מה שלא יהיה זהה זה מי שמחזיק בו.

הפער האמיתי לא יושב בקוד. הוא ביכולת להקשיב, להבין איך מכונה “חושבת”, לזהות את ההבדל הדק בין תשובה טובה לתשובה שרק נשמעת טוב. גם אם המכונה תפרש את השפה שלנו בצורה מושלמת, זה לא יסגור את הפער. כי הפער הזה אנושי, לא טכני.

וכאן הסיכון: ככל שנישען יותר על המכונה, נדע פחות מה לשאול. העצמאות נשחקת בשקט.

אפשר לעצור כאן ולהגיד “אז נישאר כמו שאנחנו”. אני מתנגדת למסקנה הזו כי בסוף זה שינוי שנצטרך להכיל אותו ולהבין איפה הוא פוגש אותנו ולא איפה הוא רומס אותנו.

כי יש מה לעשות ואני קוראת לזה Personal OS. לא עוד אייג’נט שמבצע במקומך, אלא מערכת שמחזיקה אותך במושב הנהג ומחדדת את שיקול הדעת שלך במקום למסור אותו.

את האייג’נט אפשר להעתיק. אותך אי אפשר.

לא כל האייג’נטים נולדו שווים, כי לא כל מי שמפעיל אותם זהה.

מה לעשות מחר – 15 דקות, בהליכה

הקובץ הראשון ב-Personal OS שלך לא נכתב מול מסך. הוא נאמר בקול.

צאי מחר להליכה של 15 דקות, בלי מסך, עם הקלטה קולית פתוחה. עני בקול על שלוש שאלות:

1. איזו החלטה קיבלתי השבוע שאייג’נט לא היה יכול לקבל במקומי? למה?

2. מה ידעתי שלא היה כתוב בשום מקום?

3. איזו שאלה הייתי רוצה שמישהו ישאל אותי לפני שהחלטתי?

כשתחזרי, תמללי את ההקלטה. זהו הקובץ הראשון שלך – שיקול הדעת שהמכונה לא יודעת להעתיק.

למי שרוצה – אפשר להריץ את הפרומפט הזה על התמלול, כדי להפוך אותו לקובץ Personal OS מסודר:

You are helping me build my Personal OS — a structured record of my professional judgment that an AI agent can reference but never replace.

Below is a transcript of me thinking out loud about a decision I made this week. Turn it into a clean "judgment file" with these sections:

1. The Decision — what I decided, in one sentence.
2. The Context — what I knew that wasn't written down anywhere.
3. The Real Question — the question that actually mattered before I decided.
4. My Heuristic — the rule of thumb I used, written so a future version of me (or my agent) could reuse it.
5. Where an agent would have gone wrong here — and why.

Keep my voice. Don't add generic advice. Quote me where I'm sharp.

Transcript:
[paste here]

עושים את זה פעם בשבוע, ובתוך חודש יש לנו ספרייה קטנה של שיקול דעת שאף אייג’נט לא יכול לשכפל.

זו היתה שאלה מהקהל שגרמה לי לעצור ,ובחרתי שלא לענות עליה.
היו לי המון כיווני מחשבה והרגשתי שאני צריכה שניה לזקק.

לפני השינה הבנתי שהתשובה שלי מתמצא לכדי ״סקרנות״.

Scott Shigeoka, הוא חוקר סקרנות שיצא למסע ברחבי ארה״ב בוואן סגול של 7 מטר , כדי לראיין אנשים שעושים שינוי בקהילה שלהם, כדי להוכיח תאוריה.
הוא עצר אצל מוכרת פרחים באמצע שומקום, ישב עם קבוצת ספרניות, יצא לשיט רפטינג עם אנשים מהצד הפוליטי הנגדי שלו ועוד המון סוגים שונים מאוד של אנשים,
⁧אבל – הוא לא חיפש תשובות. הוא חיפש סיפורים.⁩
⁧מה שהוא גילה סותר כל מה שלימדו אותנו על מנהיגות: הלידר הכי חזק בחדר הוא לא הכי בטוח בעצמו. הוא הכי סקרן.
⁩
⁧יש לזה מילה – ⁦admitter⁩. מנהיג שמודה בטעות.
וזה מה שמעניין: כשמנהיג מודה שהוא לא יודע, האמון בו עולה. לא יורד.
⁧⁧ועכשיו תחשבו על זה רגע בהקשר של היום.

⁧בעולם שבו כל תשובה נמצאת במרחק ⁦פרומפט אחד,
הפיתוי הכי גדול הוא להפסיק לשאול. לקבל את התשובה הראשונה או להעתיק ולהדביק סלופ.
⁧זה בדיוק הרגע שבו מתחיל הניוון המחשבתי.
לא כשאנחנו לא יודעים משהו. אלא כשאנחנו מפסיקים לרצות לדעת.⁩

⁧סקרנות היא השריר היחיד שמסרב לתשובה הראשונה. היא זו ששואלת "רגע, למה?", "מה אני מפספסת פה?", "מה אם הפוך?"
וכמו כל שריר, אם לא משתמשים בו, הוא מתנוון.⁩

ה"אני לא יודע" הוא לא סוף המחשבה. הוא הדלת אליה.
ברגע שאני מודה שאני לא יודעת, אני נאלצת לחקור.
ברגע שאני מעמידה פנים שאני יודעת, או נותנת למכונה להעמיד פנים במקומי, המחשבה שלי מפסיקה לזוז.⁩

⁧אז אולי זו התשובה שחיפשתי לפני השינה.⁩

⁧לא נזהרים מניוון מחשבתי בעזרת עוד מידע. נזהרים ממנו בעזרת עוד סקרנות.⁩

⁧⁦AI⁩ ייתן לנו את התשובות. מה שיישאר שלנו, ומה שיבדל בין מי שממשיך לחשוב לבין מי שמפסיק, זה השאלות.⁩

⁧אז אני מחזירה את השאלה של הקהל אליכם: מה אתם עושים כדי לא להכנס לניוון מחשבתי?

⁩⁩
⁧בתמונה – אני מנסה את המילה סקרנות באופן חופשי במידג׳רני וזה מה שהמודל מחזיר. מוטיב הדגים חזר על עצמו גם ב 10 הג׳ינרוטים הבאים – מי יודע למה?

בשבוע שעבר הנחיתי פאנל בProductTank TLV עם אנשי ונשות מוצר מ monday.com, HoneyBook, Cyera, Baz ו product X.
השאלה שריחפה באוויר הייתה לא נוחה:

מה קורה לעבודה שלנו כשמי שלוחץ על הכפתורים כבר לא בן אדם, אלא סוכן ששלחנו במקומנו?

3 דברים שלקחתי הביתה:
תפסיקו לתכנן רק לבני אדם. הסוכן הוא פרסונה בפני עצמה, ומגיע לו מסע משלו.

אמון הוא לא פיצ'ר ששולחים לפרודקשן. הוא נבנה בהדרגה, בדיוק כמו עם עובד חדש. נותנים משימה קטנה, רואים, ואם נוח, מרחיבים סמכות.

הדשבורד לא מת. הוא פשוט מצטמצם.
מהיום התפקיד שלו הוא להבליט החלטה, לא להציג נתונים.

מנהלת המוצר של מחר נראית יותר כמו מנצחת תזמורת. היא לא מנגנת בכל כלי. היא קובעת מתי כל אחד נכנס, ומתי עוצרים.

אם בניתם כבר סוכן שעובד בפרודקשיין –
כמה חבל אתם מוכנים לתת לסוכן, ואיך אתם יודעים או מחליטים מתי למשוך אותו בחזרה?

המון המון תודה ל Odi Paneth על ההזמנה, Liam Chetrit על הניצוח והארגון,
Shachar Azriel Gil Hupert-Graff Tessa Safarov Or Fridman Carmel Arad
נעמתם!
—
התובנות והפאנל המלא עם הפרשנות ב AI THINKERS –
הניוזלטר למי שרוצה להתחיל לבנות מערכת הפעלה אישית וצוותית בעולם של AI
https://lnkd.in/dEqFdsR6