3 מימדים לעבודה עם AI: איך לחשוב בגדול יותר (לפי מוביל פיתוח ב-Claude)
פליקס ריזברג מ-Anthropic (מוביל הנדסה ב-Claude.ai) מסביר איך לקבל מ-AI יותר ממהירות: לתת מטרה במקום משימה, לדרוש כמו מומחה על ולהביא צוות מומחים. כולל פרומפט עומק מוכן בעברית.
תוכן עניינים
בקצרה: רוב האנשים משתמשים ב-AI רק כדי לעבוד מהר יותר. לפי פליקס ריזברג מ-Anthropic, יש ארבעה מימדים: מהירות, גובה (לתת מטרה ולא משימה), עומק (לדרוש כמו מומחה, עם בדיקה חיצונית) ורוחב (להביא שיטות של כמה מומחים). כאן מתמקדים בשלושת האחרונים, עם דוגמה מעסק שירות ופרומפט עומק מוכן בעברית.
רוב האנשים משתמשים ב-AI כדי לעשות את אותה עבודה, רק מהר יותר. זה מצוין, אבל זה רק המימד הראשון. פליקס ריזברג מ-Anthropic, שמוביל הנדסה ב-Claude.ai (וגם ב-Cowork וב-Claude Code Desktop), כתב מדריך על איך להיות שאפתניים יותר עם מודלים, ופירק את זה לארבעה מימדים: מהירות, גובה, עומק ורוחב.
מהירות היא אותה עבודה בפחות זמן: לבקש טיוטת מייל, סיכום פגישה או טבלה, ולקבל אותה מהר. זה הבסיס הכלכלי של AI, ורוב האנשים כבר שם. המדריך הזה מתמקד בשלושת המימדים הנוספים: איך לחשוב בגדול יותר, לא רק לעבוד מהר יותר.
בקרוסלה הראיתי את הרעיון בקצרה. כאן תמצאו את שלושת המימדים עם דוגמאות לעסק, דוגמה אחת שמחברת גובה→עומק→רוחב על אותה משימה יומיומית, ופרומפט עומק מוכן בעברית שאפשר להעתיק.
מימד ראשון: גובה. תנו מטרה, לא משימה
במקום לחלק ל-AI משימות קטנות אחת אחרי השנייה, תשאלו את עצמכם מה אתם בעצם רוצים שיקרה, ותנו לו את המטרה. הדוגמה של פליקס: בהתחלה הוא ביקש מ-Claude לתקן כל קריסה בנפרד. אחר כך הוא ביקש ממנו לדאוג שהאפליקציות לא יקרסו בכלל.
כדי שזה יעבוד, הוא היה צריך לתת ל-Claude גישה למה שצריך: דוחות קריסה, חיבור בין גרסאות לקוד, ומחשבים עם שלוש מערכות הפעלה כדי לשחזר את הבאג ולוודא שהתיקון עובד. מטרה גדולה דורשת גם כלים.
דוגמה מהעסק: הדוח הרבעוני
- רמה בסיסית: ״תמלא את התבנית של הדוח״.
- רמה גבוהה יותר: נותנים לו את כל הנתונים ושואלים מה השתנה, למה, ומה כדאי לעשות.
- עוד יותר גבוה: מבקשים את 3 ההחלטות הכי דחופות, עם טיעונים בעד ונגד לכל אחת.
- הכי גבוה: מבקשים להציע דרך טובה יותר מדוח רבעוני לזהות בעיות מוקדם, לבדוק אותה מול ההיסטוריה של העסק ולהריץ אותה במקביל לרבעון אחד.
מימד שני: עומק. תדרשו כמו מומחה על
עומק זה לעבוד כמו שמומחה מוביל בתחום היה עובד: להתחיל מהנתונים הגולמיים, להשתמש בכלים של מקצוענים, ולא להסתפק בטבלה יפה. לפי פליקס, כשמבקשים מהמודל ״לעבוד כמו מקצוען״ הוא לפעמים מחליף רק את אוצר המילים. העומק האמיתי הוא לדחוף אותו לכלים, לשיטות ולחומר הגלם שהמומחים באמת משתמשים בהם.
- כלים של מקצוענים: אם הוא מציע טבלת Markdown יפה, מבקשים מסד נתונים, מודל סטטיסטי או כלי מדידה אמיתי. לא חייבים לדעת מראש מה המומחים משתמשים בו. המודל בדרך כלל יודע.
- יעד ״לא סביר״: לא אתר שנטען ב-5 שניות, אלא בשבריר שנייה. ותגידו למודל שזה יעד לגמרי סביר.
- לבדוק הנחות: אם כולם בטוחים שהלקוחות עוזבים בגלל ההרשמה, תבקשו לבדוק את זה מול הנתונים הגולמיים.
- ידע חדש ונקודות עיוורון: אחרי שהוא כבר בתוך הנתונים, מבקשים למצוא מה עדיין לא יודעים. למשל לבנות סימולציה שמסבירה את השנה האחרונה, ואז לחפש את האות הכי מוקדם לנטישה שעדיין לא מודדים.
- שופט חיצוני: אל תתנו למודל לבדוק את עצמו. תנו לו כלי שמודד את התוצאה, כמו בדיקות, נתונים אמיתיים או מדידת מהירות.
פרומפט עומק מוכן בעברית
זה עיבוד שלי לרעיון מהמדריך של פליקס. מדביקים אותו אחרי המשימה שלכם, והמודל משדרג את הבקשה בעצמו:
אני רוצה גרסה עמוקה יותר של המשימה הזו, לא גדולה יותר.
לפני שאתה מתחיל, תענה:
1. מה מומחה מוביל בתחום היה עושה כאן, שלא ביקשתי?
2. מאיזה חומר גלם הוא היה מתחיל (נתונים, מקורות, קבצים)?
3. באילו שיטות וכלים מקצועיים הוא היה משתמש?
4. מה, חוץ ממך וממני, יכול לבדוק שהתוצאה באמת טובה?
אחר כך תכתוב מחדש את הבקשה שלי כך שתדרוש בדיוק את זה, ותבצע אותה.מימד שלישי: רוחב. תביאו צוות מומחים
רוחב זה להביא שיטות מתחומים שלא הייתם חושבים עליהם. הטריק: לתאר את המשימה בפעלים ולא בשמות עצם. דוח רבעוני הוא לא ״מצגת״, הוא ״לשכנע אנשים עסוקים בסיפור של סיבה ותוצאה״. ברגע שמנסחים ככה, רואים איזה מומחים יכולים לעזור.
- אנליסט שמוצא את המספרים החשובים.
- עיתונאי שהופך אותם לסיפור.
- עורך שמקצר.
- מבקר חריף שמחפש את החורים לפני שההנהלה מוצאת אותם.
חשוב: לא לבקש מהמודל לשחק תפקיד (״תכתוב כמו עיתונאי״), אלא לעשות את מה שהמומחה עושה בפועל (״תבדוק את המקורות ותמצא את הכותרת״). לפי פליקס, משחק תפקידים לא בהכרח משפר את התוצאה.
דוגמה מעסק שירות: מעקב שבועי אחרי לקוחות
נניח שיש לכם קליניקה או עסק שירות, ובכל שבוע אתם עוברים על לקוחות שלא תיאמו תור או לא חזרו אחרי טיפול. אותה משימה יומיומית, בשלושה מימדים:
- גובה: במקום ״תכתוב לי הודעת מעקב נחמדה״, נותנים מטרה: ״תעזור לי שפחות לקוחות ייעלמו אחרי הביקור הראשון. תסתכל על רשימת מי שלא חזר השבוע, תציע סדר עדיפויות למי לפנות קודם, ותנסח לכל אחד הודעה קצרה שמתאימה לסיבה האפשרית.״
- עומק: מוסיפים את הנתונים הגולמיים (תאריך ביקור אחרון, סוג טיפול, האם ענו להודעות קודמות) ומבקשים לא להסתפק ברשימה יפה: לבדוק איזה אותות חוזרים אצל מי שלא חוזר, להציע איך למדוד אם המעקב באמת עובד (למשל כמה חזרו תוך שבועיים), ולהשתמש בפרומפט העומק שלמעלה.
- רוחב: מתארים בפעלים: ״להחזיר אנשים שכבר הכירו אתכם, בלי ללחוץ ובלי להישמע כמו מבצע.״ ואז מביאים שיטות של מי שיודע לעשות את זה: מישהו שכותב מעקב שירות, מישהו שבודק האם הטון נכון, ומישהו שמחפש חורים (״מה יגרום ללקוח להתעלם מההודעה הזו?״).
בלי מספרים מומצאים ובלי הבטחות. הרעיון הוא אותה משימה שבועית, רק עם מטרה ברורה, חומר גלם אמיתי וצוות שיטות, לא רק ״תכתוב לי מהר״.
מה חשוב לדעת
- למודלים יש גבולות. ״לך תרוויח לי כסף״ עדיין לא עובד.
- גובה עובד הכי טוב במשימות עם תוצאה ברורה, ופחות בעבודה יצירתית.
- המודל צריך גישה: לנתונים, לכלים ולמחשב שבו הוא יכול לעבוד, למשל דרך קונקטורים.
איך מתחילים מחר בבוקר
- בוחרים משימה אחת שחוזרת כל שבוע (מעקב לקוחות, סיכום מספרים, הצעת מחיר) וכותבים אותה כמטרה, לא כצעד.
- מדביקים אחריה את פרומפט העומק, ונותנים למודל גישה לנתונים או לקבצים הרלוונטיים.
- מבקשים שיטות משני תחומים נוספים (לא ״תכתוב כמו…״, אלא ״תעשה את מה ש… עושה״), ובודקים את התוצאה בעצמכם לפני שיוצאים ללקוח.
רוצים להתחיל לחבר את Claude לכלים שלכם? ריכזתי מדריך לקונקטורים של Claude. ועוד: 3 הדברים שצריך להגיד ל-Claude בכל בקשה, 12 פרומפטים מוכנים לבעלי עסקים, לפני שמתחילים עם Claude או ChatGPT ו5 משימות ש-AI עושה במקומכם.
מקור: המדריך של פליקס ריזברג, How to be more ambitious (נפתח בלשונית חדשה).
שאלות נפוצות
מה ההבדל בין משימה למטרה ב-AI?
משימה היא צעד אחד (״תתקן את הבאג״). מטרה היא התוצאה שאתם רוצים (״שהאפליקציה לא תקרוס״). כשנותנים מטרה וגישה לכלים, המודל יכול לתכנן ולבצע את כל הצעדים בעצמו.
מה זה גובה בעבודה עם AI?
גובה זה לעלות ברמת ההפשטה: במקום לתת למודל צעדים קטנים, נותנים לו את התוצאה שרוצים שיקרה. לפי פליקס, זה עובד הכי טוב כשיש תוצאה ברורה לבדוק מולה, למשל ״פחות לקוחות נעלמים אחרי הביקור הראשון״.
מתי גובה פחות מתאים?
כשהעבודה יצירתית בלי תוצאה אחת ברורה. פליקס כותב שגישה של גובה עובדת פחות טוב במשימות יצירתיות, ועובדת טוב יותר כשיש תוצאה סופית שרוצים להגיע אליה (סימן טוב: אם בכל מקרה תקיימו פגישה לדון בתוצר).
מה צריך כדי שגובה יעבוד?
מטרה ברורה לבד לא מספיקה. המודל צריך גישה לנתונים ולכלים שמאפשרים לו לתכנן, לבדוק ולתקן בעצמו. בלי זה הוא יישאר תלוי בכם לכל צעד.
איך גורמים ל-AI לעבוד ברמה של מומחה?
מבקשים ממנו לפרט מה מומחה מוביל היה עושה, מאיזה נתונים הוא היה מתחיל ובאילו כלים, ואז לשכתב את הבקשה בהתאם. הפרומפט שבמדריך עושה בדיוק את זה.
זה עובד רק ב-Claude?
לא. לפי פליקס, העצות לא תלויות במודל מסוים ועובדות גם עם מודלים אחרים.
מה זה רוחב בעבודה עם AI?
להביא למשימה שיטות של כמה מומחים מתחומים שונים. מתארים את המשימה בפעלים ולא בשמות עצם, ואז רואים מי יכול לעזור: אנליסט שמוצא את המספרים, עיתונאי שהופך אותם לסיפור, עורך שמקצר ומבקר שמחפש חורים.
למה לא לתת ל-AI לבדוק את עצמו?
כי הוא נוטה לאשר את מה שהוא עצמו כתב. עדיף לתת לו כלי שמודד את התוצאה, כמו בדיקות, נתונים אמיתיים או מדידת מהירות.
השורה התחתונה
מהירות זה רק ההתחלה. תנו ל-AI מטרה ולא משימה, תדרשו כמו מומחה על עם בדיקה חיצונית, ותביאו לו צוות מומחים מתחומים אחרים.



