🛰️
AI Automation Opportunity Scanner
בבנייה המטרה
לבנות כלי שיודע לקבל תיאור של עסק (סוג, גודל, הכלים שמשתמשים בהם) ולהציע מפה של הזדמנויות לאוטומציה ו־AI — מסודרת לפי impact מול effort.
במקום שכל עסק יעבור מסע בלבול של שלושה חודשים, לקבל נקודת התחלה חצי שעה אחרי תיאור.
איך זה עובד
שילוב של agent מבוסס Claude שמראיין את הלקוח, עם מודל שמדרג הזדמנויות לפי שעות חיסכון, מורכבות, ומוכנות הצוות.
הצורה הראשונית רצה כסדרה של prompts בתוך n8n. הכיוון: להפוך את זה ל־UI נקי שעובד מהדפדפן, בלי להזדקק להריץ workflows ידנית.
מה למדתי עד כה
- בעלי עסקים יודעים איפה הם מבזבזים זמן — אבל לא תמיד יודעים להמליל את זה. הסוכן חייב לשאול את השאלה הנכונה.
- דירוג ROI ב־AI דורש הרבה הקשר. ה־AI לא מחליף יועץ — הוא מגדיל אותו.
- האתגר האמיתי הוא לא ה־AI. הוא תכן השאלות. רוב הזמן עכשיו הולך על זה.
לאן זה הולך: גרסת אלפא עם 5 עסקים שונים, כדי לראות אם ההמלצות שהמודל נותן באמת מובילות לפעולה — או רק נראות יפה במצגת.
🤖
סוכן AI לשירות לקוחות
בניסוי המטרה
לבדוק אם סוכן AI יכול לטפל ב־70%+ מהפניות הראשונות באתר עסקי בלי שהאיכות תיפגע — ובאיזה שלב הוא חייב להעביר לאדם.
שאלת המחקר: היכן הגבול שמעבר לו “יותר AI” הופך ל“פחות שירות”.
איך זה עובד
סוכן מבוסס Claude שמחובר ל־KB של הלקוח (FAQ, מחירים, נהלים) דרך RAG.
יש לו “policy” ברור: על מה מותר להגיד, מתי לבקש פרטים נוספים, ומתי להעביר לבן־אדם. כל שיחה נשמרת ל־review מאוחר.
מה למדתי עד כה
- 80% מהשאלות באמת חוזרות, ו־AI מטפל בהן יפה.
- אבל ה־20% הקשות הן מה שמגדיר חוויה — וצריך התראה מהירה ברגע שהסוכן לא יודע.
- לקוחות מעדיפים בוט שאומר “אעביר לבן־אדם” על פני בוט שמנסה לאלתר. אמינות > ניסיון להראות חכם.
לאן זה הולך: pilot עם 2 עסקים אמיתיים לתקופה של חודש, כדי למדוד מספרים על שיעור ההסטה לאדם ושביעות רצון.
📚
מערכת RAG לשאלות על מסמכים
בניסוי המטרה
לבנות מערכת שמאפשרת לעובדים בארגון לשאול שאלות בעברית על מאגר מסמכים פנימי — נהלים, מדריכים, מיילים — ולקבל תשובה עם מקור.
במיוחד עבור ארגונים שאצלם הידע פזור על פני 4 פלטפורמות שונות, ואף אחד כבר לא זוכר איפה מה.
איך זה עובד
pipeline שמכניס מסמכים (PDF / docx / Notion), שומר embeddings ב־vector store, ושואל את Claude עם הקטעים הרלוונטיים.
הממשק הוא כרגע צ׳אט פשוט; השאיפה: להוסיף הרשאות, היסטוריית שיחות, וציטוטים מדויקים יותר.
מה למדתי עד כה
- איכות התשובות תלויה הרבה יותר ב־chunking ובאיכות המסמכים מאשר במודל עצמו.
- עברית עובדת פחות טוב מאנגלית ב־embeddings — צריך לבחור מודל שתומך בעברית באופן רציני.
- הצגת מקורות (איזה מסמך, איזה עמוד) חשובה יותר מהדיוק עצמו. זה מה שמייצר אמון.
לאן זה הולך: גרסה ראשונה עם הרשאות לפי משתמש, כדי לאפשר שימוש בסביבה ארגונית — לא רק demo אישי.
🔌
אוטומציות n8n לעסקים קטנים
בתכנון המטרה
ספריית “מתכונים” של אוטומציות מוכנות לעסקים קטנים — דף נחיתה ← CRM ← מייל אישי ← תזכורת ב־WhatsApp — שאפשר להתאים תוך שעות, לא שבועות.
שכבת ביניים בין “תבנה לבד” ל“תעסיק יועץ”.
איך זה עובד
כל מתכון יהיה template של n8n + מדריך הקמה קצר (וידאו או טקסט) + checklist של שדות להתאים.
הרעיון הוא לפתוח את זה כספרייה — מי שירצה יוכל להעתיק אליו ולעבוד עצמאית, ומי שלא — יוכל להזמין עזרה בהתאמה.
מה למדתי עד כה
- הפרויקט עוד לא התחיל במלואו — אבל מהשיחות שלי עם בעלי עסקים, הצורך ברור.
- לא חסרות אוטומציות. חסר מי שיתאים אותן לעסק ספציפי תוך זמן קצר.
- n8n הוא הבחירה הנכונה לעסקים קטנים: open source, אפשר לארח לבד, וזול לתפעול.
לאן זה הולך: 3 מתכוני התחלה (lead capture, follow-up, scheduling) — ואחר כך נראה אם זה מקבל הדים מספיק כדי להרחיב.
⚡
Vibe Coding עם Claude Code
בתיעוד המטרה
לתעד בכנות את המסע של בנייה משמעותית עם Claude Code — מה עובד, מה לא, איפה ה־AI מקצר משבועות לימים, ואיפה הוא מבזבז שלוש שעות על באג שבן־אדם היה מתקן ב־10 דקות.
איך זה עובד
כל פרויקט שאני בונה (כולל האתר הזה) מתועד בבלוג עם החלטות, צילומי מסך וקוד.
אני עובר מתיאור מילולי של רעיון לקומפוננטה רצה, ובדרך כותב על מה שלמדתי בכל שלב — לא בדיעבד, אלא תוך כדי.
מה למדתי עד כה
- Claude Code מצוין בבניית 80% הראשונים. השאר דורש הבנה אנושית עמוקה — ארכיטקטורה, איכות, edge cases.
- תכנון לפני קוד עדיין חשוב. AI לא משחרר אותך ממנו — הוא רק מאפשר לבצע אותו מהר יותר.
- הכי חשוב: לדעת מתי לעצור את ה־AI ולקרוא בעצמך את הקוד.
לאן זה הולך: סדרה של פוסטים בבלוג + מדריך מרוכז — איך לעבוד עם Claude Code על פרויקט אמיתי, לא צעצוע.