יש לכם עשרה כלי AI פתוחים בכרטיסיות ואף אחד מהם לא נבחר לפי שאלה שבאמת רלוונטית לעסק שלכם. הבחירה הבאה יכולה להיות אחרת.
השבוע פורסמה כתבה שעסקה בקצב שבו OpenAI מוסיפה משתמשים עסקיים, מהר יותר מ-Anthropic. הכתבה טענה שזה, ולא שווי החברה, המדד שבאמת מנבא מי ינצח. זה נתון מרתק למי שעוקב אחרי מרוץ החברות. למי שצריך להחליט מחר בבוקר איזה כלי AI להכניס לצוות הקטן שלו, הוא כמעט חסר תועלת.
כותרת תעשייתית אומרת מי מנצח במרוץ הכללי. היא לא אומרת דבר על מה שמתאים לכם.
למה החלטה לפי כותרות היא הימור
רוב האנשים בוחרים כלי AI בדיוק כמו שהם בוחרים סמארטפון חדש: לפי מה שכולם מדברים עליו, לפי איזו חברה "מובילה" באותו שבוע, לפי משהו ששמעו בפודקאסט. זו שיטה שעובדת באקראי.
לפעמים הכלי הכי מדובר הוא גם הכי מתאים. לפעמים לא. אין דרך לדעת מראש בלי לבדוק בעצמכם, לפי קריטריונים שקשורים אליכם ולא לתעשייה כולה.
ההבדל בין "הכי חזק" ל"הכי מתאים" הוא ההבדל בין מדד תעשייתי – כמה משתמשים יש לכלי, כמה הכנסות הוא מייצר, איזה ציון הוא קיבל בבנצ'מרק – לבין מדד אישי: האם הוא פותר את הבעיה שלכם, בעלות שאתם יכולים לעמוד בה, בלי לחשוף מידע שאתם לא רוצים לחשוף.
חמש שאלות שבאמת קובעות
לפני שבודקים כלי חדש, שווה לעבור על חמש שאלות. הן לא מסובכות, אבל רוב האנשים מדלגים עליהן כי הן פחות מסקרנות מרשימת פיצ'רים.
- מה בדיוק אני צריך שהוא יעשה? "אני רוצה כלי AI" היא לא שאלה שאפשר לענות עליה. "אני רוצה משהו שיסכם שיחות מכירה ויוציא מהן משימות המשך" היא כן. אם אי אפשר לנסח את הצורך במשפט אחד, עדיין מוקדם לבחור כלי.
- מי כבר משתמש בזה, ולמה? לא "כמה מיליון משתמשים יש לו" – זה מספר שיווקי. השאלה היא אם מישהו מתעשייה דומה לשלכם באמת עובד עם הכלי, ומה הוא אומר עליו כששואלים אותו ישירות.
- מה קורה למידע שאני מזין? כל כלי כותב במדיניות הפרטיות שלו, לרוב בסעיף שאף אחד לא קורא, מה הוא עושה עם הנתונים – האם הם משמשים לאימון המודל, כמה זמן נשמרים, ומה קורה אם החברה נמכרת.
- כמה זמן עד שאני רואה תוצאה? כלי שדורש שלושה שבועות של הגדרה לפני ערך ראשון הוא סיכון גבוה יותר מכלי שאפשר לבדוק תוך עשר דקות.
- מה קורה אם בעוד שנה ארצה לעבור לכלי אחר? כלי שנועל אתכם בפורמט קנייני, בלי דרך פשוטה לייצא את מה שבניתם, הוא התחייבות גדולה יותר ממה שהוא נראה ברגע ההרשמה.
איך בודקים בפועל, לא רק קוראים ביקורות
לקרוא על כלי זה שלב אחד. לבדוק אותו זה שלב שונה לגמרי, וזה בדיוק השלב שרוב האנשים מדלגים עליו. פיילוט קצר וממוקד נותן תשובה אמינה הרבה יותר מכל טבלת השוואת פיצ'רים.
- בוחרים משימה אחת אמיתית מהעבודה השוטפת – לא דוגמת הדגמה של הספק.
- מריצים אותה בכלי לאורך שבוע שלם, לא יום אחד, כדי לראות איך הוא מתמודד גם עם המקרים החריגים.
- משווים לא רק את התוצאה הסופית, אלא כמה זמן לקח להגיע אליה, כולל כל תיקון בדרך.
- שואלים את עצמכם אם הייתם ממשיכים להשתמש בזה גם בלי שמישהו ביקש מכם לבדוק אותו.
שלוש טעויות שחוזרות שוב ושוב
הטעות הראשונה היא לבחור לפי מה ש"כולם" עוברים אליו. כשעיתונות התעשייה כותבת ש"חברה X עוקפת חברה Y", היא כמעט תמיד משווה תקציבי מיליארדים מול תקציבי מיליארדים אחרים. זה לא אומר שהכלי של חברה X מתאים לעסק בן חמישה אנשים יותר מהכלי של חברה Y. סדר הגודל שונה לגמרי.
הטעות השנייה היא לבדוק כלי אחד ולהפסיק שם. רוב הכלים המובילים כיום נותנים גרסת ניסיון או שכבה חינמית. לבדוק כלי יחיד ולהחליט לפיו זה כמו לקנות את הרכב הראשון שניסיתם – הוא עשוי להיות מספיק טוב, אבל אין לכם בסיס אמיתי להשוואה.
הטעות השלישית היא להתחיל מהכלי המתקדם ביותר שקיים כרגע. מודלים חדשים ומרשימים נכנסים לשוק כל שבוע. חלקם, כמו מודל אנונימי שעלה לאינטרנט השבוע בלי שידוע מי בנה אותו, מקבלים תשומת לב עצומה לפני שברור מי עומד מאחוריהם. בשביל עסק, הסדר הנכון הוא הפוך: קודם לבדוק מה נחוץ ובעלות מי אפשר לסמוך, ורק אז לשקול כלי חדש ומרשים.
דוגמה להמחשה
נניח שיש עסק קטן שמנהל שירות לקוחות בוואטסאפ ובמייל במקביל. השאלה הראשונה היא לא "איזה כלי AI הכי חזק", אלא "מה בדיוק גוזל הכי הרבה זמן היום" – למשל, סיווג פניות דחופות מפניות שיכולות לחכות.
מהנקודה הזו אפשר לבדוק שני או שלושה כלים ספציפית מול המשימה הזו בלבד, ולא מול רשימת פיצ'רים כללית שרובה כלל לא רלוונטי לעבודה היומיומית.
מגבלות שכדאי לזכור
אין כלי אחד שמתאים לכולם. גם ההמלצה הכי טובה מחבר או מיועץ היא נקודת התחלה, לא אבחנה סופית – העסק שלכם שונה משלו. וכלי שמתאים היום עשוי להשתנות תוך חצי שנה. שווה לבדוק מחדש מדי כמה חודשים, ולא להתחתן עם החלטה אחת לתמיד.
שאלות נפוצות
האם הכלי היקר יותר תמיד טוב יותר? לא בהכרח. לפעמים המחיר הגבוה משלם על יכולות שהעסק שלכם לא צריך בכלל.
האם כדאי לחכות שהאבק ישקע לפני שמאמצים כלי חדש? תלוי בסיכון. לניסוי אישי – אין סיבה לחכות. למידע רגיש של לקוחות – יש היגיון לתת לכלי לצבור מוניטין ברור לפני שסומכים עליו עם הנתונים הכי חשובים שלכם.
כמה זמן לתת לניסיון לפני שמוותרים? שבוע של שימוש אמיתי, לא הדגמה חד-פעמית. רוב הבעיות המהותיות של כלי מתגלות רק כשמשתמשים בו על משימות אמיתיות.
מי שלא טכני בכלל, איך מתחיל? מהשאלה הראשונה במדריך הזה: מה בדיוק אתם רוצים שיקרה. לא צריך להבין איך המודל עובד מבפנים כדי לדעת אם התוצאה שהוא נותן שימושית לכם.
בחרו משימה חוזרת אחת שגוזלת לכם זמן, נסחו אותה במשפט אחד ברור, ובדקו איתה שני כלים שונים – לא לפי מה שכולם מדברים עליהם, אלא לפי מי מהם באמת עונה על המשפט שכתבתם.
אהבתם? שתפו את המאמר
קרן שחר – מרצה ומדריכה על בינה מלאכותית – GEN AI
