מהפכת ה-AI משנה את כללי המשחק עבור סטארטאפים ומחייבת אותם לחשוב מחדש על מדדי הצלחה. בבלוג שחיבר יוני אושרוב, General Partner ב-Entrée Capital, הוא מסביר כי בעוד שבעבר הגעה ל-ARR של מיליוני דולרים הייתה אינדקציה חזקה ל-Product Market Fit, היום חברות AI מגיעות למספרים האלה בקצב מהיר, אך לעיתים קרובות עם הכנסות לא יציבות המבוססות על מודלים גמישים. כאשר היתרון הטכנולוגי הוא כבר לא ממש יתרון, הפוקוס חייב לעבור לאיכות ההכנסות, לשימוש עמוק במוצר, ולבניית אסטרטגיית Go To Market חזקה, שהפכה לגורם המכריע שמבדיל בין הצלחה ארוכת טווח להתלהבות רגעית.

קריינות: תומר לוי 

מהפכת ה-AI משנה את כללי המשחק עבור סטארטאפים ומחייבת אותם לחשוב מחדש על מדדי הצלחה. בבלוג שחיבר יוני אושרוב, General Partner ב-Entr&eacute;e Capital, הוא מסביר כי בעוד שבעבר הגעה ל-ARR של מיליוני דולרים הייתה אינדקציה חזקה ל-Product Market Fit, היום חברות AI מגיעות למספרים האלה בקצב מהיר, אך לעיתים קרובות עם הכנסות לא יציבות המבוססות על מודלים גמישים. כאשר היתרון הטכנולוגי הוא כבר לא ממש יתרון, הפוקוס חייב לעבור לאיכות ההכנסות, לשימוש עמוק במוצר, ולבניית אסטרטגיית Go To Market חזקה, שהפכה לגורם המכריע שמבדיל בין הצלחה ארוכת טווח להתלהבות רגעית.
קריינות: תומר לוי&nbsp;

סטארטאפ פור סטארטאפ הוא הפודקאסט שבו אנחנו חולקים מהניסיון, מהידע, והתובנות שלנו כאן במאנדיי.קום וגם מחברות אחרות, ומיועד לכל מי שסטארטאפ מדבר אליו, לא משנה באיזה כיסא הוא יושב ברגעים אלו. 

מוזמנים להיכנס לאתר שלנו לתכנים נוספים -

https://www.startupforstartup.com

רק מתחילים? חפשו ׳Startup for Startup - צעדים ראשונים׳ 

If you’d like to listen to our podcast in English, search for “Startup for Startup - Global״

סטארטאפ פור סטארטאפ הוא הפודקאסט שבו אנחנו חולקים מהניסיון, מהידע, והתובנות שלנו כאן במאנדיי.קום וגם מחברות אחרות, ומיועד לכל מי שסטארטאפ מדבר אליו, לא משנה באיזה כיסא הוא יושב ברגעים אלו. 
מוזמנים להיכנס לאתר שלנו לתכנים נוספים -
<a href="https://bit.ly/3ck5Xoo">https://www.startupforstartup.com </a> רק מתחילים? חפשו ׳Startup for Startup - צעדים ראשונים׳ 
If you’d like to listen to our podcast in English, search for “Startup for Startup - Global״

Startup for Startup

סטארטאפ פור סטארטאפ הוא הפודקאסט שבו אנחנו חולקים מהניסיון, מהידע, והתובנות שלנו כאן במאנדיי.קום וגם מחברות אחרות, ומיועד לכל מי שסטארטאפ מדבר אליו, לא משנה באיזה כיסא הוא יושב ברגעים אלו. 

מוזמנים להיכנס לאתר שלנו לתכנים נוספים - https://www.startupforstartup.com/

סטארטאפ פור סטארטאפ הוא הפודקאסט שבו אנחנו חולקים מהניסיון, מהידע, והתובנות שלנו כאן במאנדיי.קום וגם מחברות אחרות, ומיועד לכל מי שסטארטאפ מדבר אליו, לא משנה באיזה כיסא הוא יושב ברגעים אלו. 
מוזמנים להיכנס לאתר שלנו לתכנים נוספים - <a href="https://www.startupforstartup.com/">https://www.startupforstartup.com/ </a>
 
 
<a href="https://www.startupforstartup.com/"> </a>

בקצרה: מיליון דולר ARR? בעולם ה-AI זו רק ההתחלה

בשנתיים האחרונות, טוקנים הפכו להיות אחת מההוצאות המשמעותיות בארגונים טכנולוגיים, אלא שכרגע עוד לא ממש ברור איך לנהל אותן. כיום חברות מעודדות עובדים לשלב AI בכל תהליך, אבל מתקשות לקבל את התמורה הטובה ביותר עבור ההשקעה שלהן. אז איך מאפטמים את ההוצאה על AI ברמה הארגונית? איך אפשר לעזור לעובדים שלנו להשתמש בטוקנים בצורה חכמה? ואיך משיגים את התוצאות הרצויות בפחות טוקנים?

בפרק השבוע דריה ורטהיים מדברת עם ירון סברדלוב (CDIO) וקרן קושמן (Head of Applied AI) על כלכלת הטוקנים במאנדיי דרך שלוש שכבות של אופטימיזציה - החל ממשא ומתן מול ספקיות ה-LLM, דרך שימוש חכם בטוקנים, ועד לוגיקה שצרובה ממש בהארנס עצמו. הם משתפים במאמצים כמו פיתוח סקילים כגון "Caveman", שמנקה אוטומטית טקסט מיותר מהפרומפט וחוסך כ-60% מעלות האינפוט, ודיוק וצמצום הקונטקסט לרמה אופטימלית כדי לשפר את איכות התשובה. הם מסבירים גם על מנגנוני הראוטינג שבוחרים מאחורי הקלעים את המודל המשתלם ביותר לכל משימה, ואיך פיתחו את מדד ה-monday bench שמאפשר מעקב והשוואה שעוזרים לחתוך את העלויות בעשרות אחוזים עבור אותו תוצר. לצד הפתרונות הטכנולוגיים, הם מראים שחינוך המשתמשים הוא מפתח קריטי להצלחה, ומדגימים כיצד חשיפת נתוני ההוצאות האישיות לכל עובד רתמו את האנשים לקחת אחריות והובילו לירידה דרסטית בצריכה הכוללת בארגון.

בשנתיים האחרונות, טוקנים הפכו להיות אחת מההוצאות המשמעותיות בארגונים טכנולוגיים, אלא שכרגע עוד לא ממש ברור איך לנהל אותן. כיום חברות מעודדות עובדים לשלב AI בכל תהליך, אבל מתקשות לקבל את התמורה הטובה ביותר עבור ההשקעה שלהן. אז איך מאפטמים את ההוצאה על AI ברמה הארגונית? איך אפשר לעזור לעובדים שלנו להשתמש בטוקנים בצורה חכמה? ואיך משיגים את התוצאות הרצויות בפחות טוקנים?
בפרק השבוע דריה ורטהיים מדברת עם ירון סברדלוב (CDIO) וקרן קושמן (Head of Applied AI) על כלכלת הטוקנים במאנדיי דרך שלוש שכבות של אופטימיזציה - החל ממשא ומתן מול ספקיות ה-LLM, דרך שימוש חכם בטוקנים, ועד לוגיקה שצרובה ממש בהארנס עצמו. הם משתפים במאמצים כמו פיתוח סקילים כגון "Caveman", שמנקה אוטומטית טקסט מיותר מהפרומפט וחוסך כ-60% מעלות האינפוט, ודיוק וצמצום הקונטקסט לרמה אופטימלית כדי לשפר את איכות התשובה. הם מסבירים גם על מנגנוני הראוטינג שבוחרים מאחורי הקלעים את המודל המשתלם ביותר לכל משימה, ואיך פיתחו את מדד ה-monday bench שמאפשר מעקב והשוואה שעוזרים לחתוך את העלויות בעשרות אחוזים עבור אותו תוצר. לצד הפתרונות הטכנולוגיים, הם מראים שחינוך המשתמשים הוא מפתח קריטי להצלחה, ומדגימים כיצד חשיפת נתוני ההוצאות האישיות לכל עובד רתמו את האנשים לקחת אחריות והובילו לירידה דרסטית בצריכה הכוללת בארגון.

367: כלכלת טוקנים - על אופטימיזציה של השימוש שלנו ב-AI

בעבר, כשרצינו לבצע בדיקות איכות של תוכנה קלאסית, יכולנו לעשות את זה באופן מוחלט: טסט שמורכב מקלט מסוים יצר פלט יחיד וצפוי. היום אייג׳נטים פועלים בסביבה לא דטרמיניסטית, מה שמשנה לגמרי את היכולת שלנו לבדוק את איכות הפעולה שלהם ועד כמה הצליחו במשימה שקיבלו.

בפרק השבוע, דריה ורטהיים מדברת עם רועי מן, קו-פאונדר וקו-CEO במאנדיי, ועם מתן לחמיש, שמוביל את הסטארטאפ הפנימי ״טאקה״, על האתגרים בבדיקת אייג׳נטים, על שאלות כמו מה היא בכלל תוצאה טובה, על פירוק התוצאה הזו לקריטריונים מדידים, על איסוף פידבק, ועל דרכים פרקטיות לבחינת איכות כשהתוצאה אינה צפויה לחלוטין. 

רועי ומתן משתפים בכך שאי אפשר לחזות מראש את כל התרחישים, ולכן סביבת הפרודקשן הופכת למקור האמת המרכזי, שבה לוקחים את הטעויות בזמן אמת והופכים כשלים לטסטים שהגרסאות הבאות צריכות לעבור. הם מסבירים את הצורך בתשתיות בדיקה המשלבות בדיקות טכניות יחד עם AI כ״שופט״ (LLM-as-a-Judge) שמעריך את תכונות האופי של האייג׳נט, ובודק האם התוצאה הסופית עמדה בציפיות. בנוסף, הם מדברים על החשיבות של שמירה על פוקוס באמצעות Sub-Agents וצמצום הקונטקסט, ואיך בסופו של דבר כרגע אי אפשר להימנע מטעויות של אייג׳נטים. 

אם גם אתם בונים אייג׳נטים ופוגשים את אותם אתגרים - האזינו לפרק! 

בעבר, כשרצינו לבצע בדיקות איכות של תוכנה קלאסית, יכולנו לעשות את זה באופן מוחלט: טסט שמורכב מקלט מסוים יצר פלט יחיד וצפוי. היום אייג׳נטים פועלים בסביבה לא דטרמיניסטית, מה שמשנה לגמרי את היכולת שלנו לבדוק את איכות הפעולה שלהם ועד כמה הצליחו במשימה שקיבלו.
בפרק השבוע, דריה ורטהיים מדברת עם רועי מן, קו-פאונדר וקו-CEO במאנדיי, ועם מתן לחמיש, שמוביל את הסטארטאפ הפנימי ״טאקה״, על האתגרים בבדיקת אייג׳נטים, על שאלות כמו מה היא בכלל תוצאה טובה, על פירוק התוצאה הזו לקריטריונים מדידים, על איסוף פידבק, ועל דרכים פרקטיות לבחינת איכות כשהתוצאה אינה צפויה לחלוטין.&nbsp;
רועי ומתן משתפים בכך שאי אפשר לחזות מראש את כל התרחישים, ולכן סביבת הפרודקשן הופכת למקור האמת המרכזי, שבה לוקחים את הטעויות בזמן אמת והופכים כשלים לטסטים שהגרסאות הבאות צריכות לעבור. הם מסבירים את הצורך בתשתיות בדיקה המשלבות בדיקות טכניות יחד עם AI כ״שופט״ (LLM-as-a-Judge) שמעריך את תכונות האופי של האייג׳נט, ובודק האם התוצאה הסופית עמדה בציפיות. בנוסף, הם מדברים על החשיבות של שמירה על פוקוס באמצעות Sub-Agents וצמצום הקונטקסט, ואיך בסופו של דבר כרגע אי אפשר להימנע מטעויות של אייג׳נטים.&nbsp;
אם גם אתם בונים אייג׳נטים ופוגשים את אותם אתגרים - האזינו לפרק!&nbsp;

366: איך עושים QA לאייג׳נטים שאנחנו בונים? 

כניסתם של כלי AI כמו קלוד-קוד וקרסר הביאה איתן אפשרויות והזדמנוית בלתי נגמרות, אבל הולידה גם סט חדש של אתגרים ובעיות. במאנדיי עובדים החלו לבנות באופן עצמאי ערימות של דשבורדים מקומיים בקבצי HTML סטטים - ללא סנכרון בזמן אמת, ללא הרשאות אבטחה ומשילות, וללא אפשרות לשתף מידע בצורה מסודרת. 

כדי לפתור את הפער הזה ארגון ה-BI של החברה הקים את Big Brain Studio, אייג׳נט שמאפשר לכל עובד ועובדת לבנות אפליקציות ודשבורדים דינמיים על הקוד והתשתיות הפנימיות של החברה.

בפרק השבוע רוני הרניב מדברת עם דורון נחמני, Senior Product Manager בביג בריין וניר סמילגה, Data viz manager במאנדיי על המשמעות של דמוקרטיזציה של פיתוח תוכנה, איך קפצנו מפיתוח כמות של 1,500 דשבורדים שעוזרים לעובדים להציג דאטה לאורך חמש שנים - למעל 2,000 דשבורים בכמה חודשים בודדים, ומה ההזדמנויות והאתגרים שזה מביא איתו.

האזינו לפרק על קרמר שהזכרנו בשיחה - 348: דמוקרטיזציה של דאטה – איך בנינו אייג׳נט שמנגיש מידע לכל עובד בחברה 

כניסתם של כלי AI כמו קלוד-קוד וקרסר הביאה איתן אפשרויות והזדמנוית בלתי נגמרות, אבל הולידה גם סט חדש של אתגרים ובעיות. במאנדיי עובדים החלו לבנות באופן עצמאי ערימות של דשבורדים מקומיים בקבצי HTML סטטים - ללא סנכרון בזמן אמת, ללא הרשאות אבטחה ומשילות, וללא אפשרות לשתף מידע בצורה מסודרת.&nbsp;
כדי לפתור את הפער הזה ארגון ה-BI של החברה הקים את Big Brain Studio, אייג׳נט שמאפשר לכל עובד ועובדת לבנות אפליקציות ודשבורדים דינמיים על הקוד והתשתיות הפנימיות של החברה.
בפרק השבוע רוני הרניב מדברת עם דורון נחמני, Senior Product Manager בביג בריין וניר סמילגה, Data viz manager במאנדיי על המשמעות של דמוקרטיזציה של פיתוח תוכנה, איך קפצנו מפיתוח כמות של 1,500 דשבורדים שעוזרים לעובדים להציג דאטה לאורך חמש שנים - למעל 2,000 דשבורים בכמה חודשים בודדים, ומה ההזדמנויות והאתגרים שזה מביא איתו.
<a href="https://www.startupforstartup.com/348-%d7%93%d7%9e%d7%95%d7%a7%d7%a8%d7%98%d7%99%d7%96%d7%a6%d7%99%d7%94-%d7%a9%d7%9c-%d7%93%d7%90%d7%98%d7%94-%d7%90%d7%99%d7%9a-%d7%91%d7%a0%d7%99%d7%a0%d7%95-%d7%90%d7%99%d7%99%d7%92%d7%b3%d7%a0/">האזינו לפרק על קרמר שהזכרנו בשיחה - 348: דמוקרטיזציה של דאטה &ndash; איך בנינו אייג׳נט שמנגיש מידע לכל עובד בחברה&nbsp;</a>

בקצרה: מיליון דולר ARR? בעולם ה-AI זו רק ההתחלה

In 1 playlist(s)

Startup for Startup

Social links

Follow podcast

Recent clips