באחת מהדרכות האונבורדינג שבהן השתתפתי במהלך עבודה על פרויקטים בתחום אימון והערכת בינה מלאכותית, הסתכלתי על המסך וראיתי 115 משתתפים מחוברים בו זמנית. זו הייתה רק אחת מההדרכות, אבל היא גרמה לי לחשוב אחרת על מה שאנחנו מכנים היום 'תוכנית עסקית עם AI', ועל התפקיד שיישאר לנו, היזמים, כשהכלים האלה יידעו לעשות הרבה יותר מלכתוב עבורנו מסמך יפה.
סביבי היו יועצים, אנשי אסטרטגיה, אנשי פיננסים ומומחים מקצועיים ממקומות שונים בעולם. אנחנו רגילים לדבר על בינה מלאכותית דרך המוצרים שאנחנו רואים בחוץ: ChatGPT, Claude, Grok וכלים נוספים. שואלים אותם שאלות, מבקשים מחקר, תוכנית עסקית, מודל פיננסי או מצגת, ובוחנים אם התשובה שקיבלנו טובה מספיק. אבל מתחת למוצרים האלה מתרחשת תופעה הרבה יותר גדולה, בני אדם בעלי ניסיון מקצועי מלמדים את הבינה איך לבצע את העבודה עצמה.
האנשים שמלמדים את הבינה להיות יועצת
בשנה האחרונה עבדתי והשתתפתי בתהליכים מול חברות בתחום אימון והערכת מודלים, בהן Mindrift ו-Alignerr. ברצוני להדגיש מראש: אני לא יכול ולא רוצה לטעון שכל פרויקט שבו השתתפתי בוצע ישירות עבור חברה מסוימת כמו OpenAI או Anthropic. בחלק מהפרויקטים הלקוח הסופי אינו גלוי, ובחלק מהמקרים קיימות גם מגבלות סודיות. חברות מובילות מסוג זה נמצאות בחזית התעשייה, אבל זה עדיין לא אומר שהן היו הלקוח הישיר שלי.
מה שכן ברור הוא שחברות בתחום הזה בונות רשתות גדולות של מומחים, שמסייעים באימון ובהערכת מודלים עבור תעשיית הבינה המלאכותית המתקדמת. Mindrift, למשל, מציגה כיום קהילה של יותר מ-20,000 מומחי AI ברחבי העולם. בעמוד הייעוץ שלה היא מתארת פרויקטים המיועדים ליועצים בכירים, לרבות אנשים מרקע כמו McKinsey, BCG, Bain, Deloitte Strategy & Operations ותפקידים מקבילים, שעבודתם כוללת הערכה ושיפור של ניתוחים עסקיים שנוצרו באמצעות AI.
Alignerr מגייסת כיום אנשי MBA ומומחי עסקים לבניית מקרי מבחן מורכבים, מודלים פיננסיים, תרחישי כניסה לשוק ופתרונות benchmark, וגם לבחינה של תוכניות עסקיות, תחזיות פיננסיות וניתוחים שהופקו על ידי AI. מבחינתי, המשמעות של העבודה הזאת היא דרמטית. התעשייה ממש בונה את היכולת המקצועית שמאחורי התשובות שאנחנו מקבלים, כך שתוכנית עסקית עם AI כבר אינה רק תרגיל נחמד בצ'אט.
מה AI לומדת לעשות כשאנחנו מבקשים תוכנית עסקית?
'תוכנית עסקית' נשמעת לפעמים כמו מסמך אחד, אבל מי שעבד על תוכנית כזו יודע שהיא אוסף גדול של משימות מקצועיות: מחקר שוק, ניתוח מתחרים, הבנת קהלי יעד, הערכת הזדמנות, בניית מודל עסקי, תחזית הכנסות, מבנה עלויות, מודל פיננסי, תרחישים, ניתוח סיכונים, מצגת והמלצות. בעבר, חלק גדול מהעבודה הזאת דרש צוות אנושי והרבה מאוד שעות. היום אפשר להיעזר במודלים בחלק מהמשימות האלה, אך איכות התוצאה תלויה במשימה, במידע שסופק ובבדיקה האנושית.
גם OpenAI בוחנת כיום מודלים על משימות מקצועיות מהעולם האמיתי. GDPval כולל 44 מקצועות עתירי ידע, ובהם אנליסטים פיננסיים, מנהלים פיננסיים ויועצים פיננסיים. זה כמובן לא אומר שהמודלים כבר מבצעים כל עבודה טוב יותר מבני אדם, אבל הוא מלמד משהו על הכיוון שאליו התעשייה הולכת ועל סוג העבודה שהיא מנסה להעביר למערכות האלה.
תוכנית עסקית עם AI היא רק ההתחלה
נניח שהבינה יכולה להפיק בתוך שעות מחקר שוק ברמה טובה. אחר כך היא בונה טבלת מתחרים וחלופות, מודל פיננסי ומצגת, ובהמשך בודקת בעצמה את ההנחות, מחפשת מקורות נוספים ומתקנת את המודל. עד כאן אפשר לומר שהיא עוזרת ליזם לעשות את עבודתו, וגם זה שינוי משמעותי מאוד. אבל מה קורה כאשר אותה מערכת יכולה גם לפעול, לקבל משימה ולהמשיך לבצע אותה בלי שנצטרך לשבת לצדה ולנסח כל צעד מחדש?
כשה-AI כבר לא רק עונה, אלא מקבלת עבודה
באוגוסט 2026 הושק Grok Bot. xAI מתארת אותו כצוות של סוכנים שתוכלו למסור להם עבודה אמיתית: לסוכנים יש סביבת מחשב בענן, והם יכולים לעבוד בתוך אפליקציות ואתרים, לבצע משימות מקצה לקצה ולהמשיך לעבוד גם ללא הנחיה בכל שלב, בכפוף להרשאות ולנקודות אישור. בספטמבר החברה אף קיימה אירוע בן שלושה ימים, שבו הודגמו שימושים חיים ב-Grok Bot למהנדסים, מנהלי מוצר, אנשי מכירות, אנשי שיווק וגם מייסדים.
קחו בחשבון שזה עדיין לא 'AGI שמקימה סטארטאפ לבד', וחשוב לא לעשות את הקפיצה הזאת מוקדם מדי. עם זאת, זו כבר איננה אותה בינה מלאכותית שהכרנו לפני כמה שנים, שמחכה לפרומפט, כותבת פסקה ונעצרת. אנחנו מתחילים לעבור ממודל שעונה לסוכן שמקבל מטרה, וההבדל הזה עשוי להיות משמעותי במיוחד למי שמקים ומנהל עסק.
ומה יקרה כשהסוכן יזהה את ההזדמנות בעצמו?
כאן אנחנו עוברים מעובדות לתרחיש עתידי, וחשוב לי שההבדל יהיה ברור. תחשבו על סוכן AI שמקבל גישה לנתוני שוק, חדשות, מאגרי מחקר, מידע פיננסי והתנהגות משתמשים. הוא מזהה חוסר יעילות או פלח לקוחות שאינו מקבל פתרון טוב, מנתח את גודל השוק, ממפה מתחרים ובונה מודל עסקי ותחזית. בהמשך הוא בונה מוצר ראשוני, מפעיל סוכנים נוספים למחקר, תוכן, פיתוח ותפעול, ומתחיל לבצע.
זה כבר לא מדע בדיוני טהור. במאי 2026 דיווח CoinDesk על ניסוי סביב סוכן AI בשם Manfred, שלפי מפתחיו הקים חברה, קיבל מספר זיהוי מעסיק בארצות הברית (EIN) וקיבל גישה לתשתיות פיננסיות. הדיווח מתבסס על טענות אנשי הפרויקט, ולא מהווה הוכחה לעצמאות עסקית או משפטית מלאה של סוכן. זה עדיין ניסוי מוקדם, ויש להיזהר מאוד מהסקת מסקנות רחבות ממנו. עם זאת, הוא ממחיש לאן מתקדמת השיחה, ומה עשוי לקרות כשהכלים האלה יקבלו יותר יכולת לפעול בעולם.
פתאום השאלה שאנחנו צריכים לשאול את עצמנו נעשית רחבה יותר מ'האם AI יכולה לכתוב לי תוכנית עסקית?'. אם היא יכולה לסייע בזיהוי ההזדמנות, בתכנון ובהמשך גם בביצוע, כדאי שנתחיל לחשוב גם על המקום שלנו בתוך התהליך. ביום שסוכני בינה מלאכותית יהפכו ליזמים, איפה תהיו?
היתרון הגדול ביותר של הבינה, בעיניי, הוא הקצב
יזם אנושי מתלבט, קורא, מדבר עם שותף, מחכה לפגישה, משנה את המצגת ומבקש עוד דעה. אחר כך הוא בונה אקסל, מתקן אותו, נוסע לחופשה, חוזר, אוסף אומץ ובסוף גם פועל. ככה זה, אנחנו בני אדם, ויזמות כוללת הרבה יותר מהיכולת לחשוב על רעיון טוב. סוכני AI יכולים להריץ משימות במקביל ולעבד כמויות גדולות של מידע ללא הפסקות אנושיות. גם הם מוגבלים במשאבים, בהרשאות ובאמינות התוצאות. היתרון בקצב אינו מבטל את הצורך בבקרה.
בתמונה שמלווה את הכתבה בחרתי להציג 1 יום מול 100 ימים. ברצוני להדגיש: זה אינו benchmark מחקרי, ואינו טענה שכל משימה של יזם תבוצע פי 100 מהר יותר. זו המחשה לפער הקצב האפשרי, והיא נוגעת לדעתי בנקודה החשובה ביותר: כאשר מחיר החשיבה, המחקר והייצור יורד, זמן הביצוע הופך להיות נשק תחרותי. היכולת שלנו להשתמש בזמן הזה היטב עשויה להשפיע על היתרון של המיזם יותר מעוד גרסה מלוטשת של המצגת.
ובדיוק כאן מתחילות גם הבעיות
אני לא חושב שהמסקנה מכל זה היא 'לתת ל-AI לעשות הכול'. ככל שהכלים נעשים חזקים יותר, אנחנו צריכים להבין טוב יותר איפה האדם חייב להישאר בתוך התהליך, על אילו החלטות הוא אחראי ואיזה מידע הוא מכניס למערכת. מבחינתי, יש כאן ארבע נקודות שיזמים צריכים לקחת ברצינות לפני שהם מתלהבים מהמסמך הבא שהבינה תייצר עבורם.
1. קניין רוחני, פרטיות ורעיונות
לפני הכול, כשמכניסים תוכנית עסקית, מידע על לקוחות, הסכם, מודל פיננסי או רעיון רגיש למערכת AI, צריך להבין לאיזו מערכת מכניסים אותו ובאילו תנאים. גם כאן כדאי להיזהר מסיסמאות: לא נכון לומר שכל מידע שמעלים למערכת AI משמש אוטומטית לאימון. לדוגמה, OpenAI מציינת שבמוצריה העסקיים וב-API קלט ופלט אינם משמשים לאימון כברירת מחדל, ו-Anthropic מציינת עיקרון דומה במוצרים המסחריים שלה.
זה עדיין לא מבטל את הצורך לחשוב לפני שמעלים חומר. האם יש לכם זכות לשתף אותו, האם הוא שייך ללקוח והאם קיים NDA? איזה מידע באמת חייב להיכנס למערכת, והאם אפשר לעבוד עם נתונים מצומצמים או מושחרים? אלה שאלות שצריך לענות עליהן מראש, גם כשקל מאוד להדביק את הקובץ בצ'אט ולקבל תשובה בתוך כמה רגעים.
2. הטיית הממוצע
אם מאה יזמים שואלים 'מה אסטרטגיית הכניסה הטובה ביותר?', 'מה המחיר הנכון?', 'מה צריך להיות במצגת?' ו'מה משקיע ירצה לראות?', יש סכנה שכולם יקבלו המלצות דומות. AI חזקה בזיהוי דפוסים, אבל חדשנות עסקית אמיתית נוצרת לא פעם דווקא כשהמייסד מפר את הדפוס. בעיניי, ככל שיותר יזמים משתמשים באותה אינטליגנציה, חשוב יותר שיידעו לבחון את ההמלצה שקיבלו ולהחליט מתי דווקא לא להקשיב לה.
3. היזם שלא יודע להסביר את התוכנית של עצמו
אפשר היום להגיע לפגישה עם מסמך מדהים: מחקר שוק, TAM, SAM, SOM, מודל פיננסי, תחזית לשלוש שנים, אסטרטגיית Go To Market וניתוח מתחרים. ואז המשקיע שואל למה הנחתם שהלקוח ישלם את המחיר הזה, מה עומד מאחורי שיעור ההמרה, למה בחרתם דווקא בשוק הזה ואיזו הנחה במודל היא המסוכנת ביותר. פתאום, המסמך המרשים כבר לא מספיק כדי להחזיק את השיחה.
אם אין ליזם תשובה לשאלות האלה, התוכנית אמנם נבנתה, אבל ההבנה שלו לא נבנתה יחד איתה. מבחינתי זו אחת הסכנות הגדולות ביותר של תוכנית עסקית עם AI: המסמך עלול להיראות משכנע יותר מההבנה של מי שמציג אותו. לכן, גם אם הבינה עשתה עבורכם את רוב העבודה, אתם צריכים לדעת להסביר את ההנחות, לבקר אותן ולעמוד מאחורי ההחלטות שקיבלתם.
מהתשובה של ה-AI למחקר שאתם מבינים
האתגר הוא לא רק לקבל תשובה טובה מהבינה המלאכותית, אלא להבין על מה היא מבוססת.
קחו למשל מחקר מתחרים. אפשר לבקש ממודל AI להכין רשימת מתחרים בתוך רגעים, אבל אחר כך צריך לבדוק מי באמת פותר את אותה בעיה, אילו חלופות קיימות, מה המקורות אומרים ומה עדיין לא ידוע.
זו גם הגישה שמאחורי מיקוד.AI, מוצר שאני מפתח למחקר מתחרים מובנה ליזמים ולצוותים בתחילת הדרך.
במקום להסתפק ברשימת שמות, התהליך נועד לעזור לכם לבחון את החלופות, לשמור מקורות ולהפריד בין הערכת ה-AI לבין שיקול הדעת שלכם.
המטרה אינה שהבינה תחליט אם הרעיון טוב. המטרה היא שתוכלו להבין טוב יותר את התחרות ולבחור מה נכון לבדוק בהמשך.
4. ביצוע
ופה בעיניי נמצא כל הסיפור. אפשר לבלות לילה שלם עם AI ולצאת עם תוכנית טובה יותר, מודל טוב יותר, מצגת טובה יותר, מחקר עמוק יותר ועשרים רעיונות נוספים. אבל בבוקר עדיין אין לקוח חדש אחד, אין מכירה, אין שיחת משתמש, אין מוצר שנבדק ואין חוזה. השקענו עוד לילה בתכנון, אבל עדיין לא קרה משהו בעולם שיכול ללמד אותנו אם התוכנית הזאת עובדת.
Getting things done is better than perfect. ככל שהבינה הופכת את התכנון לזול ומהיר יותר, היכולת להזיז דברים בעולם האמיתי הופכת חשובה יותר. כך או כך, מישהו צריך לקחת את המחקר, את האקסל ואת המצגת, ולהפוך אותם לצעד שאפשר לבדוק מול לקוחות, ספקים או שותפים. אחרת, קל מאוד להמשיך לשפר את התוכנית בלי סוף ולהרגיש שאנחנו מתקדמים.
אז מה יהיה היתרון של היזם האנושי?
אני לא חושב שהתשובה היא 'יצירתיות', לפחות לא רק, משום שגם מודלים מסוגלים להציע רעיונות מפתיעים. אני גם לא בטוח שהתשובה תהיה ידע, שכן בינה יכולה להחזיק יותר ידע מאדם. היתרון האנושי יצטרך להיות שילוב של שיקול דעת, הבנת בני אדם, הקשר, אחריות, אומץ, מנהיגות, יכולת לבחור תחת אי ודאות ויכולת לבצע בעולם האמיתי.
היזם של העתיד לא יוכל להתחרות ב-AI במהירות הקריאה או במהירות יצירת המסמך. הוא יצטרך ללמוד להשתמש במהירות הזאת כדי להבין יותר ולפעול מהר יותר, ובה בעת לשמור על היכולת להחליט מה נכון למיזם שלו. מבחינתי, זה אומר שאנחנו צריכים להתחיל לשנות את המיינדסט כבר עכשיו, עוד לפני שנדע בדיוק כמה רחוק הסוכנים האלה יגיעו.
מיינדסט יזמי חדש: מה כדאי לבקש מהבינה?
כשאתם ניגשים למערכת AI, נסו לחשוב עליה כעל דרך לבדוק יותר אפשרויות בזמן קצר יותר. במקום להסתפק בבקשה 'תכתוב לי תוכנית עסקית', שאלו איזו החלטה עסקית אתם צריכים לקבל, ומה יכול להוכיח שאתם טועים. במקום לבקש תשובה אחת ולהמשיך איתה הלאה, בקשו שלוש תשובות סותרות ואת הטיעון הטוב ביותר נגד כל אחת מהן. המטרה היא להעמיק את ההבנה שלכם ולהשתמש בתשובות כדי לבחון את הכיוון שבחרתם.
ואחרי כל זה, לפני שאתם משקיעים עוד ערב בליטוש התוכנית, צאו לבדוק משהו בעולם. בעולם של סוכני AI, ייתכן שהתחרות הגדולה ביותר בין יזמים תהיה על היכולת להפוך מחשבה לפעולה. ככל שקל יותר לייצר תוכנית, כך חשוב יותר להבין מה מתוכה ראוי לביצוע, ומה צריך לתקן בעקבות המפגש עם המציאות.
ביום שסוכני בינה מלאכותית יהפכו ליזמים, איפה תהיו?
כשאני שואל את השאלה הזאת, אני חושב בעיקר עלינו. מה יקרה כשהבינה תוכל לחקור מהר מאיתנו, לבנות מהר מאיתנו, לבחון יותר אפשרויות ולהפעיל יותר משימות במקביל? האם נמשיך להתלבט עוד 100 ימים, או שנשתמש ביכולת הזאת כדי להפוך ליזמים מהירים יותר, ביקורתיים יותר, מודעים יותר ובעיקר כאלה שמבצעים? העתיד הזה עדיין לא הגיע במלואו, אבל הוא כבר לא נראה רחוק.
שאלות נפוצות
כן. AI יכולה כיום לסייע במחקר שוק, ניתוח מתחרים, בניית מודלים ראשוניים, תחזיות וכתיבת טיוטה. עדיין נדרשים אימות מקורות, בדיקת הנחות ושיקול דעת אנושי.
מודלים מתקדמים יכולים לסייע בבניית מודלים, חישובים ותרחישים. האחריות לבדיקת הנחות, נוסחאות ומסקנות נשארת אצל המשתמש.
זה תלוי במוצר, סוג החשבון, מדיניות השימוש בנתונים והמידע שמעלים. חומר סודי, מידע של לקוחות ומידע הכפוף להסכמים דורש בדיקה לפני העלאה.
כיום קיימים ניסויים מוקדמים שבהם סוכני AI מבצעים חלקים מתהליכים עסקיים ותפעוליים. עדיין אין בסיס לומר שסוכן AI מתפקד באופן עצמאי לחלוטין כיזם וכישות משפטית ללא בני אדם.
חלק מהעבודה האנליטית והטכנית כבר נעשית באמצעות AI. הערך האנושי צפוי לעבור יותר לכיוון של שיקול דעת, הגדרת בעיות, ביקורת, הקשר, הנהגה וביצוע.