תפסיק לפתוח את מנהל המודעות כל בוקר. תשאל שאלה אחת: "מה באמת קרה בעסק בשבוע שעבר?" ותקבל תשובה במספרים. בלי טבלאות, בלי לחכות לדוח. השבוע OpenAI הודיעה שהיא מוכרת בדיוק את זה. אבל ברשימת המקורות שלה מסתתר פרט אחד שאומר לך מיד אם זה בשבילך או לא, ואני אראה לך איך מקבלים את אותה תוצאה בעשר דקות, גם בלי המנוי שלהם.
מה OpenAI הכריזה ב-10 בספטמבר
ב-10 בספטמבר 2026 OpenAI פרסמה פוסט בשם "Now everyone can put data to work". בתרגום חופשי: עכשיו כל אחד יכול לגרום לדאטה שלו לעבוד. ההכרזה עצמה: Data agent חדש בתוך ChatGPT Work.
רגע, מה זה "סוכן"? צ'אט רגיל הוא יועץ שעונה על שאלה. סוכן הוא עובד שמקבל משימה, הולך, עושה כמה שלבים לבד, וחוזר עם תוצאה. ההבדל בין "תסביר לי מה זה ROAS" לבין "תבדוק לי למה ה-ROAS ירד בחודש האחרון".
לפי ההכרזה, הסוכן מתחבר למקורות הדאטה המאושרים של החברה, חוקר מה השתנה במדדים העסקיים, ובונה דשבורדים אינטראקטיביים שאפשר לשתף עם העובדים. הכול בשפה טבעית, בלי לכתוב שאילתות. שאילתה, אם לא נתקלת במילה, היא הפקודה הטכנית שאנליסט כותב כדי לשלוף מספר ממסד נתונים. עד היום זאת הייתה החומה בינך לבין המספרים שלך.
הדוגמאות ש-OpenAI עצמה נתנה, לפי הדיווח ב-Unite.AI: למה המכירות האטו, איפה ההוצאות עולות, ואילו בעיות מאיימות על חידוש החוזה אצל הלקוחות הגדולים. שלוש שאלות שכל בעל עסק שואל את עצמו בשלוש בלילה.
והחלק שהכי חשוב לי: המשתמש מכוון ומדייק את הניתוח באותה שיחה. "לא, תוריד את הלקוחות מהמבצע של פסח. עכשיו תראה לי רק הוראות קבע". בלי ללמוד כלי אנליטיקה נפרד. פותחים שיחה, כותבים @Data, וממשיכים לדבר.
ChatGPT Work: הסביבה שהופכת את ChatGPT מיועץ לעובד
כדי להבין איפה הסוכן הזה גר, צריך להכיר את ChatGPT Work. OpenAI השיקה אותו ביולי 2026 כסביבת עבודה לארגונים שבה ה-AI מבצע משימות בעצמו: סביבה נפרדת בתוך ChatGPT, שמקבלת משימה רב-שלבית, עובדת עליה ברקע על פני Slack ו-Gmail ושאר הכלים שחיברת, וחוזרת עם תוצר מוכן (VentureBeat).
אנלוגיה עסקית: הצ'אט הרגיל הוא יועץ שאתה מתקשר אליו. ChatGPT Work הוא עובד עם מפתח למשרד. הוא נכנס למייל, לסלאק ולדרייב שלך. Data agent הוא אותו עובד כשהוא יושב מול המספרים.
רשימת המקורות, והמשפט שאומר לך אם זה בשבילך
הנה מקורות הדאטה שנתמכים לפי הדיווחים: Snowflake, Google BigQuery, Databricks, Amazon Redshift, ClickHouse, MongoDB ו-Datadog. וגם קבצים מ-Google Drive ומ-SharePoint.
אם שבעת השמות הראשונים לא אומרים לך כלום, זה בסדר גמור. אלה מחסני דאטה של ארגונים גדולים. מחסן דאטה הוא המקום שבו חברה עם מאות עובדים שופכת את כל המידע שלה, ומשלמת על זה הרבה מאוד כסף. לעסק עם שמונה עובדים אין Snowflake. יש לו CRM, סליקה, מנהל המודעות של Meta, ושלושה קבצי אקסל שמישהו מעדכן ביום חמישי.
הסוכן הזה נבנה לארגון עם מחסן דאטה מסודר ומנהל מערכת שמאשר חיבורים. לפי הסיכום של ההשקה, מנהל סביבת העבודה בוחר אילו חיבורים זמינים ואילו תפקידים רשאים להשתמש בהם. בעסק קטן, החיבור היחיד ברשימה שרלוונטי לך היום הוא Google Drive. וזה, כפי שתראה בהמשך, מספיק כדי להתחיל.
ועוד משפט שכדאי לך לדעת לפני שאתה סומך על מספר. VentureBeat שם לב ש-OpenAI לא פרסמה benchmark, כלומר מבחן דיוק פומבי, לסוכן החדש. המתחרים כן. ובמרץ 2026, כש-OpenAI סיפרה על סוכן הדאטה הפנימי שלה, אמה טאנג, ראש תשתיות הדאטה בחברה, שהצוות שלה בנה אותו, אמרה שהבעיה הכי גדולה של המודל היא ביטחון עצמי מופרז: הוא מכריז "זאת הטבלה הנכונה" ורץ לנתח. תזכור את זה. דשבורד יפה עם מספר שגוי מסוכן יותר מאקסל מכוער עם מספר נכון.
הצד החלש שלי, ומי לימד אותי לעבוד עם מספרים
אקסלים ומספרים אף פעם לא היו הצד החזק שלי. בתור בחור שדוחף קדימה, בתחילת הדרך זה פשוט לא היה קיים אצלי. מי שלימד אותי היה יזם שהכרתי, טיפוס של היפי, שלא ידע לחבר אינטגרציה אחת. אבל הוא ידע את המספרים. מהיום הראשון של העסק, כשהעסק היה תינוק שלומד ללכת, הוא שתל את כל הנתונים באקסלים שגילו לו בדיוק שלושה דברים: כמה הוא יכול להרשות לעצמו לשלם לפייסבוק כדי לגייס לקוח משלם, כמה כל לקוח ממוצע סולק אצלו, וכמה כסף צריך להעביר לצוקרברג כדי להגיע ליעד שהציב.
חמישה קבצים שונים שניקזו נתונים לדשבורד מסודר אחד. וברגע שהמספרים היו פרוסים על השולחן, הוא יכול היה לגייס צוות ולצמוח מהר. הלקח שנשאר איתי עד היום: לא הכלי עושה את ההבדל. שלוש השאלות עושות את ההבדל. היום למדתי לבנות צוות ומערכות שמכינים לי את הדשבורדים האלה. ומה ש-OpenAI מכרה השבוע זה בדיוק את זה: מישהו שמכין לך את הדשבורד. השאלה היחידה היא אם אתה יודע מה לשאול אותו.
דשבורד לא מקבל החלטות במקומך. הוא רק מונע ממך לשקר לעצמך.
מה אתה מוציא מזה כבר השבוע, גם בלי מנוי ארגוני
אין לך ChatGPT Work? אין לך Snowflake? יש לך משהו יותר חשוב: את הנתונים עצמם. כל CRM מייצא לקובץ CSV. קארדקום מייצא. מנהל המודעות של Meta מייצא. CSV הוא פשוט טבלה שכל תוכנה יודעת לקרוא. ואת הקובץ הזה אפשר להעלות היום ל-ChatGPT או ל-Claude ולשאול את שלוש השאלות של ההיפי.
- ייצא שלושה קבצים. עסקאות מהסליקה מהחודשיים האחרונים, לידים מה-CRM עם תאריך ומקור, והוצאות מודעות לפי קמפיין. שלושה קבצים, לא עשרה.
- העלה אותם לשיחה אחת. ותן להם שמות ברורים: "סליקה", "לידים", "מודעות". המודל צריך לדעת מה זה מה, בדיוק כמו עובד חדש ביום הראשון.
- שאל את השאלה שהיית שואל אנליסט. לא "תנתח לי", אלא "למה". דוגמה מיד.
- דייק באותה שיחה. "תוריד ביטולים של הוראת קבע", "תראה לי רק לידים מאינסטגרם". זה בדיוק מה ש-OpenAI מוכרת כיכולת: אותה שיחה, בלי כלי נוסף.
"מצורפים שלושה קבצים: סליקה, לידים ומודעות של 60 הימים האחרונים. תחשב לי: 1. כמה עלה לי בממוצע ליד מכל מקור, וכמה עלה לי לקוח משלם. 2. מה הסכום הממוצע שלקוח סולק. 3. אם אני רוצה 20 לקוחות חדשים בחודש הבא, כמה תקציב מודעות אני צריך לפי המספרים האלה. תראה לי את החישוב, לא רק את התוצאה, ותסמן כל מספר שאתה לא בטוח לגביו."
שים לב למשפט האחרון. "תסמן כל מספר שאתה לא בטוח לגביו". זאת התשובה שלי לבעיית הביטחון העצמי המופרז שטאנג מ-OpenAI תיארה. אתה לא מונע ממנו לטעות. אתה מכריח אותו להראות את העבודה.
איך בניתי לעצמי את אותו סוכן, בלי לחכות ל-OpenAI
אצלי הבעיה הייתה קונקרטית. שבעה חשבונות מודעות במטא, למותגים ולמוצרים שונים, ותקציב פרסום חודשי של בסביבות 50 אלף שקל. ואני גר בתאילנד, בפער שעות מהצוות בישראל. לפתוח את מנהל המודעות כל בוקר ולהבין מה השתנה זה זמן שלא היה לי.
אז בניתי עם Claude Code סקריפט קטן. Claude Code הוא הכלי של Anthropic שרץ על המחשב שלך ויודע לכתוב ולהריץ קוד לפי הוראה בעברית. הסקריפט רץ כל בוקר ב-06:00 שעון ישראל, מושך את נתוני הקמפיינים של אתמול מהחשבון המרכזי שלי דרך ה-API של Meta (ה-API הוא הדלת האחורית שדרכה תוכנה מדברת עם תוכנה, בלי מסך ובלי עכבר), ושולח לי סיכום קצר למייל ולוואטסאפ.
והנה הפרט שהופך אותו לשווה יותר מדשבורד: הוא לא סומך על מטא. הוא סופר את הטפסים שבאמת נכנסו למערכת הדיוור שלי באותו יום, ומחשב את עלות הליד האמיתית, לא את זו שמטא מדווחת. שני המספרים האלה כמעט אף פעם לא זהים. אם קבעתי מראש סף לעלות ליד, והסקריפט רואה שעברנו אותו, הוא מסמן את זה בהודעה. אני לא פותח דשבורד. הדשבורד בא אליי.
איך בניתי אותו? לא כתבתי שורת קוד. כתבתי ל-Claude Code משהו בסגנון הזה:
"תבנה לי סקריפט שרץ כל בוקר ב-06:00 שעון ישראל. מושך מ-Meta Ads את ההוצאה, הלידים ועלות הליד של אתמול בחשבון המודעות שלי, לפי קמפיין. מצליב עם מספר הטפסים שנכנסו למערכת הדיוור באותו יום ומחשב עלות ליד אמיתית. אם עלות הליד האמיתית עברה 140 שקל, תסמן באדום. שלח את הסיכום למייל שלי ולוואטסאפ שלי."
כמה סבבים של תיקונים, ומאז זה רץ כל בוקר.
ומה ש-OpenAI עצמה סיפרה על הסוכן הפנימי שלה, באותו ראיון ב-VentureBeat שהזכרתי למעלה, מחזק את זה. לפי VentureBeat, מרץ 2026, שני מהנדסים בנו אותו, הוא משרת יותר מ-4,000 עובדים על 600 פטה-בייט ו-70 אלף מערכי נתונים, ובמילים של טאנג: "אנחנו משתמשים באותם API שזמינים לכולם. אין לנו מודל מותאם. אתה בהחלט יכול לבנות את זה". אם שני מהנדסים בנו את זה לחברה עם 600 פטה-בייט, אתה יכול לבנות את זה לשלושה קבצי CSV.
אם אתה רוצה לראות מה עוד השיטה הזאת עושה, קרא על המקרה שבו הגעתי ל-1,500 קליקים מגוגל ב-28 יום באותה גישה בדיוק. ומי שעוד לא התקין, מתחיל במדריך Claude Code לבעלי עסקים.
ChatGPT Work או Claude Code: מי מתאים למי
- יש לך צוות של 20 פלוס, מנהל מערכות ומחסן דאטה מסודר? Data agent ב-ChatGPT Work נבנה בשבילך. הרשאות לפי תפקיד, דשבורדים משותפים, ועובדים ששואלים @Data בעצמם במקום לחכות לאנליסט.
- אתה לבד או עם צוות קטן, והנתונים שלך בקבצים ובכלים ישראליים? קובץ CSV בשיחה רגילה נותן לך את רוב הערך כבר היום, בלי מנוי ארגוני. את השאר, "כל בוקר בלי שאבקש", נותן Claude Code.
- אתה רוצה שהדוח יגיע אליך, ולא שאתה תלך אליו? זה ההבדל האמיתי. דשבורד שצריך לפתוח נשכח אחרי שבועיים. הודעת וואטסאפ בשש בבוקר לא.
- יש לך נתונים רגישים של לקוחות? בשני המקרים, אל תעלה תעודות זהות ופרטי אשראי. עמודות של סכומים, תאריכים ומקורות מספיקות לכל שאלה עסקית.
הטעות שכולם יעשו השבוע
לפי סקר ה-Check Up של SBE Council מפברואר 2026 (539 מעסיקים קטנים בארה"ב), בערך 77% מהעסקים הקטנים כבר משתמשים בכלי AI. ואני מוכן להמר שרובם משתמשים בו כדי לכתוב פוסטים ומיילים, לא כדי לשאול את המספרים שאלות. השבוע כולם ירוצו לחבר את ה-AI לדאטה, ויעשו את הטעות הקלאסית: יבקשו "תבנה לי דשבורד".
דשבורד הוא תוצר. השאלה היא המוצר. ההיפי לא היה צריך דשבורד יפה, הוא היה צריך לדעת כמה לשלם לצוקרברג. תתחיל משאלה אחת שהתשובה עליה משנה החלטה השבוע. אם התשובה לא משנה שום החלטה, אל תשאל אותה.
אחרי שענית על שלוש השאלות הבסיסיות מהפרומפט, אלה אותן שלוש שאלות, שלב אחד עמוק יותר: 1. לא "כמה עלה ליד" אלא איזה מקור מביא לקוחות משלמים הכי בזול, גם אם הוא מביא הכי מעט לידים. 2. לא "כמה לקוח סולק" אלא מה קורה לו 30 יום אחרי שקנה: משלם, מבטל, או נעלם. 3. לא "כמה תקציב" אלא אם אכפיל את התקציב מחר, על איזה קמפיין, ולמה. מי שעונה על השלוש האלה מהזיכרון, לא צריך שום סוכן. כל השאר צריכים.
הצעד הראשון שלך היום
לא לקנות מנוי. לא להתקין כלום. לייצא קובץ אחד מהסליקה, להעלות לשיחה, ולשאול את השאלה הראשונה מהרשימה. עשר דקות. אם התשובה הפתיעה אותך, יש לך סיבה להמשיך. אם לא, חסכת שבוע של הגדרות.
ומי שמוכן לצעד השני, הדוח שמגיע כל בוקר בלי לבקש, מתחיל בקובץ ה-CLAUDE.md: הקובץ שבו אתה מסביר ל-Claude Code פעם אחת מי אתה ומה העסק שלך, ומאז כל הוראה מבינה את ההקשר. בסדנת Claude Code אנחנו בונים דוח בוקר כזה ביחד, צעד אחרי צעד.
ויש צעד שלישי, שאף סוכן לא עושה במקומך. ייצאת קובץ, קיבלת תשובה, ועכשיו אתה יודע שעלות הלקוח מאינסטגרם כפולה מזו של גוגל. ומה עושים עם זה? מכבים? מעלים מחיר? משנים הצעה? זה בדיוק הרגע שבו מנטור שכבר עשה את זה עשרות פעמים שווה יותר מכל דשבורד. ולמה עכשיו: כי בפעם הראשונה, המספרים זמינים לך בלי אנליסט. מי שיודע לשאול ומי שיודע להחליט, מקבל יתרון על כל מתחרה שעדיין מחכה לדוח של יום חמישי.
המספרים שלך יודעים מה לעשות. השאלה מי שואל אותם
בנקסט לבל ליווינו יותר מ-300 יזמים שביחד ייצרו מעל 150 מיליון שקל באונליין. לא עם דשבורד יפה, אלא עם שיטת Full Stack: מנטורים בכירים, קהילה, ומספרים על השולחן בכל פגישת מנטור. אם אתה רוצה לבנות את העסק על נתונים ולא על תחושות בטן, זה הצעד הבא.
לבדיקת התאמה ›באהבה ענקית,
יהב.
