→ לכל הנושאים

AI בבניית מוצרים

איך AI משנה את הדרך שבה בונים מוצרים, צוותים וקריירות

15 פרקים12 רגעים מתוזמנים15 אורחים

כל הפרקים של Product Builder על AI: איך מנהלי מוצר, יזמים ומפתחים משלבים AI במוצר ובעבודה, ומה משתנה בתפקיד של מנהל המוצר.

מבניית קופיילוט ואייג׳נטים, דרך פיתוח תוכנה עם AI ומוצרי חומרה, ועד המיינדסט שצריך כדי לא רק לשרוד את השינוי אלא להצליח בתוכו.

להתחיל מכאן

אלה חצב | Wix | מעבר קריירה לא שגרתי ל-AI PM. עולם המוצר משתנה

אלה חצב

מעבר קריירה לא שגרתי משתלם: מפסיכולוגיה ותיירות, דרך עשור ב-non-profit (תגלית), ועד Product Management ב-Wix — הצטיינות בכל תחום (לאו דווקא אקדמי) היא מנבא חזק להצלחה בפרודקט.

לפרק המלא ←

ללמוד על AI בבניית מוצרים

AI בתוך העבודה של מנהל המוצר

AI כבר לא רק פיצ׳ר במוצר, הוא חלק מהיום-יום של מנהל המוצר: מדיסקאברי, דרך כתיבת ספק ועד הרצת ניסויים. אלה חצב מ-Wix מתארת פלייבוק שעדיין נכתב, שבו evaluation, prompting וסייקלים קצרים נכנסים לתפקיד, הסקופינג תופס חלק הרבה יותר גדול, וה-AI PM עובדת צמוד לפיתוח ועוסקת בארכיטקטורה.

זאבי ארנוביץ מ-Wix בונה קופיילוט קבוע לעבודת הפרודקט על שלושה פילרים: ידע כללי, הנחיות אישיות וקונטקסט לכל פרויקט. הוא מתייחס אליו כמו לאינטרן גאון: בלי בריף טוב הפלטים יוצאים גנריים, ובלי custom instructions שמבקשות pushback המודל פשוט מסכים עם כל רעיון.

שי שטרית מאוגורי הזין ל-Claude טרנסקריפטים מ-Gong, שיחות סלאק וסיכומי CSM, וזיקק תובנות דיסקאברי תוך שעות במקום שבועות. איתי הורן מרזידנט בנה CRO Agent שהעלה את מספר הטסטים במקביל מ-2–4 ל-8 ואת אחוז ההצלחה מ-10–20% ל-35%. ושי מוסיף שאימוץ בארגון לא קורה לבד: צריך להראות סיפורי הצלחה ולהנגיש את הכלי בלינק אחד.

כש-AI כותב את הקוד: הבנה, בקרה ו-ownership

AI כותב קוד מהר, אבל מישהו עדיין צריך להבין מה נבנה, וזה האתגר החדש. נדב אברהמי, ממייסדי Wix ומייסד Dazl, מסביר שמגיעים ל-80% מהר ונתקעים על ה-20% האחרונים, כי לא הבינו מה נבנה או כי הפעולה פשוט לא מתאימה לפרומפט. לדבריו הסקיל החשוב ביותר היום הוא ניהול קונטקסט ל-LLM, ו-gatekeepers, review וטסטים נהיים חשובים יותר, לא פחות.

דדי קרדו, CPO של Qodo, רואה מפתחים הופכים ל-orchestrators ו-reviewers של אייג׳נטים. vibe coding מצוין לאיטרציות מהירות, אבל באנטרפרייז הוא עלול לייצר ״פרנקנשטיין״ שאי אפשר לתחזק, ולכן Qodo מתמקדת ב-code integrity: לוודא בסקייל שקוד שנכתב על ידי מודלים עושה בדיוק מה שה-spec אומר ולא שובר כלום.

בצד של הארגון, אוהד פרי, CTO בבלינק, מדבר על שיפור של עד 50% ב-Time to Merge עם כלים כמו GitHub Copilot ו-Cursor. גלית גלפרין מ-Hi Mindset מזהירה מהצד השני: תוצר AI לא מבוקר שנשלח הלאה, AI slop, מייצר עוד עבודה לצוות שצריך לתקן אחרי המכונה.

אמון, דאטה ו-reliability במוצרי AI

מה שמאט אימוץ של מוצרי AI הוא לרוב לא היכולת של המודל אלא אמון ודאטה. אמנון מורג, VP Product ב-AI21 Labs, אומר שמודל שצודק 90% מהזמן לא קביל כשאסור לטעות, ולכן הערך הגדול יגיע ממערכות אוטונומיות נשלטות שעוטפות את ה-LLM ונותנות לאנטרפרייז גרנטיז שאפשר לסמוך עליהן.

רמי סגל מסלספורס מסביר שאין AI בלי דאטה, וזה מה שהניע את הקמת Data Cloud. כשהשיקו את Agent Force שמרו על Human in the Loop גם כשהמערכת יכולה לרוץ לבד, כדי שהמשתמש יאמין בכלי וילחץ על הכפתור בעצמו. אוהד פרי מבלינק למד את זה בדרך הקשה: אונבורדינג דרך צ׳אט AI נכשל לא טכנית אלא פסיכולוגית, כי מי שמפקיד כסף רוצה לדעת שיש בן אדם מאחורי התהליך.

צאלה מידה מ-Intuitive, החברה שמאחורי דה וינצ׳י, מביאה את הקצה של זה: ברפואה מוצר צריך להוכיח יעילות ובטיחות, ורגולציה ל-AI דורשת שקיפות לגבי איך אומן המודל ואיך מנטרים אותו. דאטה רפואי הוא חסם כניסה, ולכן היא הקימה ״מפעל דאטה״ עם צוות קליני שמתייג אנטומיה ושלבי ניתוח.

האורחים

שאלות נפוצות

מה משתנה בניהול מוצר בעידן AI?

לפי אלה חצב מ-Wix, הפלייבוק עדיין נכתב. נוספו לתפקיד evaluation, prompting וסייקלים קצרים, הסקופינג נהיה מרכזי, והעבודה צמודה מאוד לפיתוח, כולל חשיבה על ארכיטקטורה וגישור בין קלט לא-דטרמיניסטי לפלט דטרמיניסטי. לפרק המלא

איך בונים קופיילוט AI לעבודת הפרודקט?

זאבי ארנוביץ מ-Wix בונה אותו על שלושה פילרים: ידע כללי כמו באונבורדינג של עובד חדש, custom instructions שמגדירות איך לענות (כולל pushback), וקונטקסט ספציפי לכל פרויקט. בפועל זה פרויקט אחד שמחזיק את הידע וההנחיות, ותחתיו צ׳אט נפרד לכל פרויקט פרודקט. לפרק המלא

איך משתמשים ב-AI בדיסקאברי?

שי שטרית מאוגורי אסף טרנסקריפטים משיחות לקוחות ב-Gong, קונטקסט מסלאק, סיכומי CSM/RSM ומצגות, הזין הכל ל-Claude בזכות הקונטקסט הגדול שלו וזיקק תובנות תוך שעות במקום שבועות. אחרי ולידציה מול סטייקהולדרים פנימיים התוצאה נכנסה לבקלוג ולרודמאפ. לפרק המלא

למה ניהול קונטקסט ל-LLM הוא סקיל כל כך חשוב?

לדברי נדב אברהמי, הבעיה הכי קשה בעבודה עם LLMים היא קונטקסט: כמה מידע לחשוף, איפה ובאיזו עלות של טוקנים ודיוק. מי שיודע לבנות ולשמר את פיסות הקונטקסט הנכונות, למשל לשמור החלטות בקובצי markdown ולהפנות אליהן, מקבל את הכוח הכי חזק ב-vibe coding. לפרק המלא

מה זה AI slop ולמה הוא מסוכן לצוותים?

גלית גלפרין מגדירה AI slop כתוצר AI לא מספיק מבוקר שנשלח הלאה כאילו הוא מוגמר. לדבריה זה ״מוריד ממך פעמיים״: מישהו בצוות צריך לתקן גם את העבודה שלך וגם את מה שהמכונה לא עשתה טוב. זה קורה בעיקר כשלא נותנים למכונה מספיק קונטקסט. לפרק המלא

למה ארגוני אנטרפרייז מהססים לאמץ AI?

אמנון מורג מ-AI21 Labs מצביע על reliability: מודל שצודק 90% מהזמן לא קביל כשאסור לטעות. לכן לדעתו הערך יגיע ממערכות אג׳נטיות שעוטפות את ה-LLM, משתמשות בו ככלי אחד מתוך סט רחב, ומאפשרות autonomy נשלטת עם גרנטיז שאנטרפרייז יכול לסמוך עליהם. לפרק המלא

משאבים שהוזכרו

כל הפרקים בנושא