למה ה-AI מחזיר לך כל פעם משהו אחר - והמיומנות שהופכת אותו לאמין
אתה מריץ אוטומציה על AI, היא עובדת נהדר פעם ראשונה, פעם שנייה, ובשלישית - נשברת. זה בדיוק הכאב שהסשן הזה נכנס אליו לעומק: איך גורמים למודל שפה, שנועד לדבר בשפה חופשית, להחזיר תמיד את אותו מבנה נתונים מדויק שאפשר לבנות עליו. שלומי גוטמן פרק את זה מהעיקרון ועד לרגע שבו שיחת מכר חופשית הופכת לרשומת CRM מסודרת. זה לא טריק - זו המיומנות שמתחת לכל אוטומציית AI רצינית.
הערת הכתבת: הסשן הזה מדגים דרך API של OpenAI, Gemini ו-Anthropic, וגם מזכיר איזה מודל "עושה את זה הכי טוב" באפריל 2025. הכלים האלה עדיין כאן ועובדים מצוין, אבל התחום זז מהר - ממשקים, מודלים ותמיכה בפורמטים מתעדכנים כל הזמן. המיומנות הנצחית שמתחת לכל זה, ושלומי בעצמו הדגיש, היא לאפיין קודם את המטרה - מה בדיוק אני רוצה לקבל ובאיזה מבנה - ורק אז לבחור את הכלי לפי התוצאה. בדיוק כמו שהוא אמר: התשובות בעולם ה-AI הן אף פעם לא שחור או לבן, אלא איך לגרום לזה לעבוד הכי מדויק והכי אחיד.
כל מי שניסה לחבר AI לאוטומציה מכיר את התסכול: אותו פרומפט, אותה משימה, ותוצאות שונות. שלומי גוטמן, שהקים לפני 17 שנה יחד עם ניצן את Voice Center ומוביל את עולם הטלפוניה בקוד פתוח בארץ ובעולם, בא להראות לנו איך שוברים את המעגל הזה. הוא לקח אותנו מהתיאוריה של פלט מובנה ועד להדגמות חיות מתוך מערכת אמיתית שמשרתת אלפי ארגונים, עם ניצן וליאב שהוסיפו את השכבה הפרקטית.
המסע: 8 תחנות
כל תחנה = מה קרה בסשן + הפרומפט שאורז את זה בשבילכם
מה זה JSON Schema ולמה זה הבסיס לכל אוטומציית AI
שלומי פתח בדימוי שנשאר בראש: המידע ב-AI הוא כמו יהלום לא מלוטש. יש לנו את כל מה שאנחנו צריכים, אבל זה מגיע כטקסט - בן אדם יודע לקרוא אותו, אוטומציה מתקשה. ההבדל בין עבודה מול AI רגיל לעבודה מול API הוא שעם AI אנחנו מדברים, ומ-API מקבלים מבנה. הרעיון של פלט מובנה הוא בדיוק החיבור בין השניים. הוא הצביע על הבעיה המרכזית: אותה שאלה יכולה לחזור בפורמט שונה בכל פעם, ומערכת לא סובלת את זה. וכאן נחת המשפט שהגדיר את כל הסשן - אם יש חוסר עקביות בתשובות, זה סימן שנתת למנוע יותר מדי חופש. הפורמט הוא לא קישוט, הוא היכולת עצמה לבצע אוטומציה על בסיס AI.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
בניית JSON Schema מלאה לפלט שאני צריך
מכאן שלומי ירד לרזולוציה של מה זה בכלל סכמה. הוא הגדיר אותה כמבנה מוגדר מראש - כך ששם שקוראים לו פעם first name יגיע תמיד כ-first name. הוא עבר על סוגי השדות הבסיסיים: ערך ריק, בוליאני (כן/לא), טקסט, מספר, ומערך שיכול להיות של מילים או של אובייקטים שלמים. הדוגמה הפשוטה הייתה מוצר - שם כטקסט, מחיר כמספר, האם במלאי, ולאילו קטגוריות שייך. אבל הכוכב היה שדה ה-enum: בחירה מתוך רשימה סגורה. שלומי הסביר למה זה כל כך קריטי - כשאתה נותן ל-AI רשימה סדורה של סוגי פניות או מוצרים, הוא בוחר את הקרוב ביותר ולא ממציא אחד שלא קיים. זו היכולת לעשות סיווג חד-חד-ערכי, אחד הדברים החזקים ביותר ש-AI נותן לנו.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
איפה לשים מידע — system prompt מול description בסכמה
כאן עלתה אחת השאלות החדות של הערב: אם אני מכניס תיאור בתוך הסכמה, למה אני צריך אותו גם בהנחיה הכללית - ולהפך? שלומי סיפר על דיון בפורום של OpenAI עם עשרות אלפי תגובות בדיוק על זה. מישהו הביא 20 דוגמאות שהוכיחו שמספיק תיאור בסכמה, ואחר הביא חמש שבהן זה עבד רק כשהגדירו בשני המקומות. התשובה שלו הייתה ברורה: זה לא שחור או לבן. התיאור בסכמה מדבר על הפורמט - איך המידע ייראה. התיאור בהנחיה נותן את ההקשר של המשימה עצמה. אלה שני דברים שמשלימים זה את זה, ואם אתה לא מקמצן על טוקנים ורוצה שהמערכת תעבוד הכי טוב - שים את המידע בשני המקומות. האחריות הצולבת הזו היא מה שמעלה את הוודאות שהתוצאה תהיה אחידה.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
חמשת סוגי השאלות שמוציאים ערך מכל אינטראקציה
ניצן וליאב לקחו את זה לקרקע העסקית עם חמישה סוגי שאלות שמוציאים ערך מכל אינטראקציה, ובברכת החג ניצן חיבר את זה לחכם מההגדה - היום, אמר, החכם הוא זה שיודע לשאול. הסוג הראשון: שאלת סיווג. וכאן הגיע דגש זהב - בכל שאלת סיווג חובה להגדיר מה קורה במקרה "אחר". או שאתה מכריח את המנוע לבחור נושא כללי, או שאתה נותן לו לפתוח קטגוריה חדשה. ניצן סיפר איך אחרי מאות אלפי אינטראקציות התגלה שיש 31 סוגי פניות במקום 30 - אחוז שלם מהפניות היו על נושא שלא היה קיים ב-CRM. ה-AI עצמו לימד אותם שיש עוד סוג פנייה שנכון לחדד. אחר כך שאלות מספריות, טקסטואליות, בוליאניות, ואובייקטים - כל אחת עם הדוגמה הפרקטית שלה.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
חילוץ מוצרים, מחירים וסבירות סגירה משיחת מכירה
ההדגמה שגנבה את ההצגה: ניצן פתח שאלה חדשה למחלקת מכר ובכוונה כתב אותה "עילגת", עם שגיאות כתיב, כמו "פרומפט אנג'יניר גרוע". הוא ביקש לפרט את המוצרים שדובר עליהם ואת המחיר של כל אחד - מערך של אובייקטים, כל אובייקט עם שם מוצר (טקסט) ומחיר (מספר). מול העיניים, הממשק בנה את הסכמה בזמן אמת - What You See Is What You Get - וסימן את השדות כחובה. זו בדיוק ההפיכה של שיחת מכר חופשית לרשומת CRM מסודרת: לכל מוצר, שם ומחיר, מבנה אחיד שאפשר לדחוף ישר למערכת. הוא הראה איך מוסיפים שדה שלישי - דירוג סבירות הרכישה מ-1 עד 10 - וכאן התחיל להתבשל הרגע הגדול של הסשן.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
ניתוח רגשות וציון נציג לכל שיחת שירות
ליאב פתח את המסך של Voice Center והראה ניתוח רגשות אמיתי לכל שיחת שירות. המערכת מפרידה את האודיו לשני ערוצים - מה שהגיע מהלקוח ומה שהגיע מהנציג - ומזהה בוודאות מלאה מי אמר מה, בלי לנחש לפי טונציה. על ציר הזמן רואים איך רגשות שליליים מתהפכים לחיוביים, סימן ששיחה הסתיימה בטוב. אבל הרגע שנצרב היה כשליאב סיפר על לקוח שחשף לנציגים את הציון וההסבר של ה-AI. בהתחלה הנציגים התנגדו בחריפות - "מה מכונה נותנת ציון" - אבל עם הזמן קרה משהו: הם שיפרו את השירות. פתאום הם התחילו לשאול "אתה מאשר לי שהבעיה טופלה?", כי מדדו אותם על סגירת מעגל. ה-AI לא רק מדד - הוא שינה התנהגות.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
ביקורת ושכתוב של הפרומפט והסכמה שלי (Optimize)
הרגע הכי מדויק לתפוס בשידור חי היה כפתור ה-Optimize. ניצן לקח בכוונה פרומפט שהוא כתב עילג ולא מסונכרן - שאל שלושה דברים אבל הכין סכמה של שניים בלבד - ולחץ אופטימיזציה. מול העיניים המערכת שכתבה את ההנחיה בצורה מקצועית: "ציין את כל המוצרים שנדונו, כולל מחיר כל מוצר, וסבירות הרכישה בסולם 1 עד 10, כאשר 1 מציין סבירות נמוכה ו-10 גבוהה". ניצן העיר בהפתעה שהוא בכלל לא חשב שצריך להסביר מה זה 1 ומה זה 10 - והמערכת הוסיפה את זה לבד. ולא רק ההנחיה - גם הסכמה עודכנה, נוסף שדה סבירות רכישה עם כותרת ותיאור, וההנחיה והסכמה נעשו מסונכרנות. זה הרגע שבו רואים שיפור פרומפט וסכמה קורה יחד, אוטומטית.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
חיבור הפלט המובנה ל-CRM ולאוטומציה ב-n8n/Make
השלב האחרון היה החיבור החוצה, ופה ליאב אמר דבר שהוא חזר עליו כמנטרה: אל תתמקד באינטגרציה, תתמקד בערך. לקוח מבקש "תכניס לי את כל התמלול ל-CRM", וליאב שואל תמיד - מה זה נותן לך? המנהל לא הולך לקרוא כל תמלול. הקסם הוא לבנות אוטומציה שמביאה אליך את המידע הרלוונטי, לא שאתה רודף אחריו. הוא נתן דוגמאות חיות: "מלשינון" שמקפיץ מייל כשנאמרת מילה כמו "תביעה" או "הרשות להגנת הצרכן", זיהוי לקוח שמתכוון לנטוש עם טריגר אוטומטי לקשרי לקוחות, וסקר מתחרים שקופץ בכל פעם שלקוח מזכיר מתחרה. ליאב גם חשף את מגבלות ה-CRM - שדות שלא מקבלים יותר מ-4,000 תווים, מערכות שנחנקות מאובייקט JSON - ופה, אמר, מתחיל הקסם האמיתי של איש האוטומציה: להתגבר על המגבלות ולהפוך אובייקט מובנה לפעולות ב-n8n או Make.
ההמשך המלא של הפרומפט שמור לחברי אוטוטיוזדיי פלוס יחד עם ההקלטה והתמלול המלאים של הסשן
שורות ההמשך כוללות את כל ההנחיות המדויקות והדוגמאות שהוצגו בשידור החי מול הקהילה
🎯 מה עושים עם זה עכשיו?
קראת איך זה נעשה. עכשיו קחו את הכלים ותעשו את זה בעצמכם - כל הפרומפטים של הסשן, מוכנים להריץ על העסק שלכם. פלוס ההקלטה המלאה והתמלול.
הצטרפו לאוטוטיוזדיי+· 49 ש״ח בחודשעוד לא בשלים? בואו ללייב הבא בחינם ←רוצים לעבוד על התמלול הנקי?
העתיקו אותו ותעבדו איתו איך שנוח לכם.
🔒 התמלול המלא שמור לחברי אוטוטיוזדיי+. עם המנוי אתם מעתיקים אותו בקליק ועובדים איתו איך שנוח לכם.
לפתוח את התמלול · 49 ש״ח בחודששאלות ששאלתם (וה-AI ישאל גם)
למה ה-AI מחזיר תוצאה שונה בכל הרצה, ואיך עוצרים את זה?
לפי שלומי, חוסר עקביות הוא סימן שהפרומפט לא מספיק מדויק - נתת למנוע יותר מדי חופש. ככל שההנחיה מדויקת יותר, כך יורד הסיכוי לתוצאה שונה. הכלי המרכזי הוא הגדרת סכמה שמכריחה את המנוע להחזיר תמיד את אותו מבנה נתונים, בתוספת דוגמאות שמצמצמות את מרחב הפרשנות.
מה ההבדל בין להכניס תיאור בסכמה לבין בהנחיה הכללית?
התיאור בסכמה מדבר על הפורמט - איך המידע ייראה ולאן הוא הולך. התיאור בהנחיה נותן את ההקשר של המשימה עצמה - איך לאסוף את המידע. שלומי המליץ: אם יש ספק ואתה לא מקמצן על טוקנים, שים את שני המקומות - האחריות הצולבת מעלה את הוודאות לתוצאה אחידה.
מה זה שדה enum ולמה הוא כל כך שימושי בסיווג?
enum הוא שדה שבו המנוע בוחר מתוך רשימה סגורה בלבד. זה מה שמאפשר סיווג חד-חד-ערכי מדויק - ה-AI בוחר את הערך הקרוב ביותר מהרשימה ולא ממציא ערך שלא קיים. חשוב תמיד להגדיר מה קורה במקרה "אחר": או לכפות נושא כללי, או לתת למנוע להציע קטגוריה חדשה.
האם ניתוח השיחות מתבצע בזמן אמת או בדיעבד?
בזמן הסשן, במה שקיים ב-Voice Center, זה מתבצע רטרו - רק לאחר השיחה, כשההקלטה מומרת למלל ואז מחלצים את התובנות. זה יכול לקחת בין דקה לכמה שעות בשעות עומס. ניצן ציין שהם עובדים על תמלול ותובנות בזמן אמת לנציג.
מה עושים כשה-CRM לא מסוגל לקבל את מבנה הנתונים של ה-AI?
ליאב הסביר שזו בדיוק המגבלה הנפוצה - CRM עם הגבלת תווים, או מערכות שנחנקות מאובייקט JSON. פה נכנס איש האוטומציה: משתמשים בשאלות בוליאניות ומספריות שקל להזרים, ובונים אוטומציה ב-n8n או Make שמנתחת את ה-JSON ומעדכנת רק את המידע הרלוונטי, במקום לנסות לדחוף הכל לתוך שדה אחד.
💬 הדיון על הסשן
שאלות, תובנות, מה יישמנו - השרשור של הקהילה.
עוד אין תגובות - תהיו הראשונים לפתוח את הדיון 👇