מערכות וסוכני AI לעסקים

ניסיתם צ'אט חינמי ולא התרשמתם? אנדריי קרפתי מסביר למה

לפי אנדריי קרפתי, חוקר בינה מלאכותית מוכר, האנשים מתחלקים לפי השימוש ב-AI ל"משפך חד": ארבע שכבות, וכל שכבה קטנה בהרבה מזו שלפניה (אין קשר למשפך מכירות). רוב מי שנגע ב-AI ראה צ'אט חינמי "קצת מגושם". בינתיים קבוצה קטנה של מתכנתים ומתמטיקאים רואה, לדבריו, פרויקטים של שבועות נגמרים בהוראה אחת. כאן: הפוסט כמו שנכתב, התרגום, ומה לקחת מזה לעסק.

מקור מתורגם · כתב: שולם כהן · · עודכן · 7 דקות קריאה

במשפט אחד

אנדריי קרפתי, חוקר בינה מלאכותית מוכר, פרסם ב-11.10.2026 פוסט ברשת אקס (X), שנקראה בעבר טוויטר. הוא טוען שהפער בין מי שמשתמש בבינה מלאכותית לבין מי שלא הולך וגדל, ומחלק את האנשים לארבע שכבות.

זה מעניין בעל עסק כי קרפתי טוען שמי שניסה פעם כלי חינמי עלול לא לראות מה הכלים המתקדמים כבר עושים. מי שרוצה רק את השורה התחתונה יכול לקפוץ למה לקחת מזה לעסק. מתחת: הפוסט כמו שהוא והתרגום לעברית.

המקור

כתב: אנדריי קרפתי (Andrej Karpathy), חוקר בינה מלאכותית ומחנך. היה מהמייסדים של אופן איי איי (OpenAI), החברה שמאחורי צ'אט GPT (ChatGPT), וראש תחום הבינה המלאכותית בטסלה (Tesla).

ב-19.5.2026 כתב קרפתי בעצמו באקס שהצטרף לאנתרופיק (Anthropic), החברה שמאחורי קלוד (Claude) וקלוד קוד. מקור: x.com/karpathy/status/2056753169888334312. גם אתר החדשות טקקראנץ' (TechCrunch) דיווח על כך ב-19.5.2026, תחת הכותרת "OpenAI co-founder Andrej Karpathy joins Anthropic's pre-training team" (קרפתי הצטרף לצוות האימון של אנתרופיק).

הפוסט המתורגם פורסם באקס ב-11.10.2026 בשעה 22:12 שעון ישראל. הוא מצטט פוסט קודם של קרפתי מ-9.4.2026, ונערך אחרי הפרסום. הכתובת: x.com/karpathy/status/2109361546505966046. ייתכן שהקישור חסום אצלכם, ולכן הכול מובא כאן.

צילום מסך של הפוסט באקס (X). למעלה השם Andrej Karpathy עם סימן אימות כחול והכינוי ‎@karpathy. מתחת, תחילת הפוסט באנגלית, שנקטעת אחרי המילים have barely come ולידן הקישור Show more. בתוך מסגרת, תחילת הפוסט המצוטט מאפריל, שנפתח במילים Judging by my tl there is a growing gap in understanding of AI capability. בתחתית: Last edited 10:12 PM, Oct 11, 2026.
צילום מסך של תחילת הפוסט, נשמר ב-17.10.2026. תמונת הפרופיל הוסתרה. הטקסט המלא מופיע כאן מתחת.
הטקסט המלא, כפי שפורסם

Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It's now less "two groups of people speaking past each other" and more a sharp funnel.

  • Napkin math somewhere around 6B people (~75% of the population) have barely come in contact with LLMs at all.
  • Around 1-2B (~20%) are casual and infrequent users of free-tier ChatGPT-like products. This group sees derpy chatbots and treats them a bit like a better Google search, a writing aid, or etc. Maybe an agent tries to book you a flight. I have non-tech friends who (reasonably, imo) say they have not much use for it at all. Even many professionals outside of math&code are in this tier. For example, execs and many other functions spend a lot of their time talking to other people, so while they understand what is happening intellectually, it is still second-hand and a bit abstract.
  • Now we get to professional use of frontier-grade LLMs in math&code. Somewhere around 20M people (0.2%) see first-hand that large, complex projects that used to take them weeks/months can now be completed by agents with a prompt. Building apps, copying apps, translating apps, decompiling apps from binaries... This has all happened very quickly and recently - less than 1 year ago, I was writing code manually by hand, typing memorized computer code commands into a code editor character by character, occasionally pressing Tab to autocomplete a little chunk of code.
  • And finally we get to the ~5,000 people (~0.00006%) with access to frontier-grade systems internally. The external world has seen the preview. It looks like swarms of thousands of agents collaborating over weeks on software mega projects: minting zero days, running cyber attacks and defenses at machine speeds, discovering new science, advancing the frontier of mathematics. Things that would have taken top professionals in the industry years of work. Meanwhile, human review and comprehension are starting to fall behind. For example, people are still involved in the "archeology" of the OpenAI-HF incident from many months ago. Mathematicians may be poring over the 722 manuscripts on frontier mathematics for a while.

The funnel is driven by a combination of factors:

  1. The impact scales with ambition, problem size, and horizon. A question with a paragraph answer barely stresses the system. You need a reservoir of big, difficult problems that you really care about. This aspect drives the consumer / professional dimension of the funnel.
  2. The jaggedness of the system (which I have written about a lot separately). Capability peaks in domains that are digital, verifiable and economically valuable. This is because LLM capability emerges from reinforcement learning on verifiable rewards on a curated environment mixture driven by revenue potential. This aspect primarily drives the area (e.g. math&code) dimension of the funnel.
  3. Access. Free-tier, paid-tier, internal.

So this is the weirdness of the moment. The general public has mostly not interacted with these systems. When they have, it looks like a derpy chatbot. The majority of professionals still see only a modest uplift. And a small sliver of professionals are experiencing the vertigo of the curve going vertical. And it is all happening at the same time.

קטעים מהפוסט מאפריל שקרפתי מצטט (המקור)
פורסם ב-X ב-9.4.2026, בשעה 23:10 שעון ישראל. שתי פסקאות מתוך חמש

Judging by my tl there is a growing gap in understanding of AI capability.

But that brings me to the second issue. Even if people paid $200/month to use the state of the art models, a lot of the capabilities are relatively "peaky" in highly technical areas. Typical queries around search, writing, advice, etc. are *not* the domain that has made the most noticeable and dramatic strides in capability. Partly, this is due to the technical details of reinforcement learning and its use of verifiable rewards. But partly, it's also because these use cases are not sufficiently prioritized by the companies in their hillclimbing because they don't lead to as much $$$ value. The goldmines are elsewhere, and the focus comes along.

התרגום

אני מנער את האבק מהפוסט הזה מאפריל, כי הפער הזה בהבנה המשותפת של מה ש-LLM (מודל שפה גדול, המנוע שמאחורי כלים כמו צ'אט GPT וקלוד) מסוגל לעשות הולך ומתרחב. עכשיו זה פחות "שתי קבוצות של אנשים שמדברות זו לידה של זו" ויותר משפך חד.

  • חישוב על גב מפית (Napkin math, כלומר הערכה גסה ולא מדידה): בערך 6 מיליארד אנשים (~75% מהאוכלוסייה) כמעט לא באו במגע עם LLM בכלל.
  • בערך 1-2 מיליארד (~20%) הם משתמשים מזדמנים, לא קבועים, במוצרים חינמיים בסגנון צ'אט GPT. הקבוצה הזו רואה צ'אטבוטים קצת מגושמים, ומתייחסת אליהם קצת כמו לחיפוש בגוגל משופר, לעזרה בכתיבה, וכדומה. אולי איזה סוכן (agent, תוכנה שמבצעת פעולות בעצמה ולא רק עונה) מנסה להזמין לך טיסה. יש לי חברים לא טכנולוגיים שאומרים (ובצדק, לדעתי) שאין להם בזה הרבה שימוש בכלל. גם הרבה אנשי מקצוע מחוץ למתמטיקה ולקוד נמצאים בשכבה הזו. לדוגמה, מנהלים בכירים ועוד הרבה תפקידים מבלים הרבה מהזמן שלהם בדיבור עם אנשים אחרים. אז גם אם הם מבינים בשכל מה קורה, אצלם זה עדיין מיד שנייה וקצת מופשט.
  • עכשיו אנחנו מגיעים לשימוש מקצועי במתמטיקה ובקוד, במודלים מהשורה הראשונה (frontier-grade, החזקים ביותר שקיימים כרגע). בערך 20 מיליון אנשים (0.2%) רואים במו עיניהם שפרויקטים גדולים ומורכבים, שפעם לקחו להם שבועות או חודשים, סוכנים יכולים היום לגמור עם פרומפט (prompt, ההוראה הכתובה שנותנים למודל). לבנות אפליקציות, להעתיק אפליקציות, לתרגם אפליקציות, לשחזר קוד של אפליקציות מתוך הקובץ המוכן להרצה (decompiling)... כל זה קרה מהר מאוד וממש לאחרונה. לפני פחות משנה עוד כתבתי קוד ידנית, ביד, הקלדתי פקודות קוד שזכרתי מהזיכרון לתוך תוכנה לכתיבת קוד, תו אחרי תו, ומדי פעם לחצתי Tab כדי שהמחשב ישלים לבד חתיכה קטנה של קוד.
  • ולבסוף אנחנו מגיעים ל-~5,000 האנשים (~0.00006%) שיש להם גישה למערכות מהשורה הראשונה מבפנים (בתוך החברות שמפתחות אותן). העולם שבחוץ ראה טעימה מקדימה. זה נראה כמו נחילים של אלפי סוכנים שעובדים יחד במשך שבועות על מגה-פרויקטים של תוכנה: מייצרים zero days (פרצות אבטחה שעוד אף אחד לא מכיר), מריצים מתקפות סייבר והגנות במהירות של מכונה, מגלים מדע חדש, מקדמים את קצה המחקר במתמטיקה. דברים שהיו לוקחים לאנשי המקצוע הטובים ביותר בתעשייה שנים של עבודה. בינתיים, הבדיקה וההבנה של בני אדם מתחילות לפגר מאחור. לדוגמה, אנשים עדיין עסוקים ב"ארכיאולוגיה" של the OpenAI-HF incident (התקרית של OpenAI-HF) מלפני חודשים רבים. ייתכן שמתמטיקאים ישקעו עוד זמן מה ב-722 כתבי היד על מתמטיקה בקצה המחקר. (הערת תרגום: אנחנו לא יודעים למה בדיוק הוא מתכוון בשני האזכורים האלה, והם לא משנים דבר למה שחשוב לעסק.)

המשפך נוצר משילוב של כמה גורמים:

  1. ההשפעה גדלה ככל שגדלים השאפתנות, גודל הבעיה והטווח (horizon, כמה ארוכה המשימה). שאלה שהתשובה עליה היא פסקה אחת בקושי מאמצת את המערכת. צריך מאגר של בעיות גדולות וקשות שבאמת אכפת לך מהן. ההיבט הזה הוא מה שיוצר את ציר המשפך שבין משתמש פרטי לאיש מקצוע.
  2. חוסר האחידות של המערכת (jaggedness, מילולית "משוננות": מצוינת בדבר אחד וחלשה בדבר שנראה דומה לו; כתבתי על זה הרבה בנפרד). היכולת מגיעה לשיא בתחומים שהם דיגיטליים, שאפשר לבדוק בהם את התוצאה, ושיש להם ערך כלכלי. זה כי היכולת של LLM נוצרת מלמידת חיזוק (reinforcement learning, אימון שבו המודל מקבל "פרס" כשהוא מצליח) על פרסים שאפשר לבדוק, בתוך תמהיל של סביבות אימון (תרגילים שהמודל מתאמן עליהם) שנבחר בקפידה, לפי פוטנציאל ההכנסות. ההיבט הזה הוא בעיקר מה שיוצר את ציר המשפך שבין תחומים (למשל מתמטיקה וקוד).
  3. גישה. גרסה חינמית, גרסה בתשלום, גישה פנימית.

אז זו המוזרות של הרגע הזה. רוב הציבור הרחב לא התנסה במערכות האלה. ומי שכן, ראה צ'אטבוט קצת מגושם. רוב אנשי המקצוע עדיין רואים רק שיפור צנוע. ופלח דק של אנשי מקצוע חווה את הסחרחורת של עקומה שהופכת לאנכית (כלומר התקדמות שמזנקת במהירות). והכול קורה באותו זמן.

הפוסט מאפריל: קטעים מתורגמים ותקציר

במילים שלנו, על שאר הפוסט מאפריל: קרפתי מתאר שם שתי קבוצות. אלה שהתרשמו מגרסאות חינמיות וישנות, ואלה שעובדים מקצועית בתכנות, במתמטיקה ובמחקר עם הכלים המתקדמים, ורואים קפיצה גדולה. לדבריו הקבוצות "מדברות זו לידה של זו".

לפי מה שאני רואה ברשת שלי, יש פער הולך וגדל בהבנה של מה שבינה מלאכותית מסוגלת לעשות.

אבל זה מביא אותי לבעיה השנייה. גם אם אנשים היו משלמים $200 לחודש כדי להשתמש במודלים המתקדמים ביותר, הרבה מהיכולות "מחודדות" יחסית, כלומר חזקות במיוחד בתחומים טכניים מאוד. שאלות רגילות של חיפוש, כתיבה, עצה וכו' הן לא התחום שבו נרשמו הקפיצות הבולטות והדרמטיות ביותר ביכולת. חלק מהסיבה הוא הפרטים הטכניים של למידת חיזוק והשימוש שלה בפרסים שאפשר לבדוק. אבל חלק מהסיבה הוא גם שהחברות לא נותנות לשימושים האלה מספיק עדיפות בעבודת השיפור ההדרגתית שלהן (hillclimbing), כי הם לא מביאים כל כך הרבה כסף. מכרות הזהב נמצאים במקום אחר, והמיקוד הולך אחריהם.

תרגום: צוות האתר. הפוסט מ-11.10.2026 מתורגם במלואו. מהפוסט מאפריל מתורגמות שתי פסקאות בלבד, עם ייחוס מלא לכותב.

מה הוא לא אומר

הוא לא אומר שמי שבשכבה השנייה טועה, ואפילו כותב על חברים שלו "ובצדק, לדעתי". הוא גם לא אומר שהכלים חזקים באותה מידה בכל דבר: כתיבה, חיפוש ועצות הם התחומים שבהם, לדבריו, השיפור צנוע יותר. את המספרים הוא עצמו מכנה Napkin math, חישוב על גב מפית, ולכן כדאי לקרוא אותם כסדרי גודל ולא כנתונים. והפוסט נערך אחרי הפרסום, ואנחנו לא יודעים מה השתנה.

פרשנות

מה לקחת מזה לעסק

מכאן והלאה זו פרשנות של הצוות של shulemcohen.co.il, לא דברי קרפתי.

שאלה קטנה לא מראה כמה הכלי מסוגל לעשות. אם ניסיתם פעם כלי, שאלתם שאלה קטנה ולא התרשמתם, זה עדיין לא אומר שהכלי לא מתאים לעסק שלכם. משימה כמו לעבור על שנה של חשבוניות ולסדר אותן בטבלה היא מסוג שאפשר לבדוק בו אם התוצאה נכונה, וזה דומה לסוג שקרפתי מתאר כחזק יותר.

חזק בדבר אחד לא אומר חזק בדבר שלידו. כלי שהצליח במשימה אחת יכול לטעות במשימה דומה. לכן כל מה שיוצא מהעסק החוצה, כמו הצעת מחיר של קבלן, סיכום טיפולים במוסך או דוח לרואה חשבון, כדאי שאדם יבדוק לפני שהוא נשלח, כמו שעושים עם עובד חדש.

לא חייבים להיות מתכנתים כדי לנסות משימה גדולה. קרפתי מדבר על אנשי מקצוע בקוד ובמתמטיקה, אבל בעל חנות או רואה חשבון יכול לתת לכלי משימה גדולה גם בלי לתכנת. להכיר את הכלים קודם: יש לנו סקירת כלי ה-AI, ומי שמתחיל מאפס יכול לפתוח את מתחילים כאן.

לבדוק אצלכם

להעתיק לקלוד או לצ'אט GPT

אני בעל עסק (תכתוב כאן בשורה מה העסק עושה). תבדוק מה אני עושה היום עם AI, אם בכלל: תשאל אותי עד חמש שאלות קצרות, אחת בכל פעם. אחר כך תציע דבר קטן אחד שכדאי לנסות, ותגיד לי מה צריך לבדוק בתוצאה לפני שאני סומך עליה. בלי הבטחות.

© שולם כהן, 2026, על התרגום והפרשנות. הטקסט המקורי שייך לכותבו. מוזמנים לשתף ולצטט, בתנאי שמציינים מאיפה, עם קישור לעמוד.

כשיוצא משהו חשוב באנגלית, נפרסם אותו בעברית

כשיוצא משהו חשוב באנגלית, אפשר לקבל אותו בעברית גם בקבוצת הוואטסאפ של הקהילה.

הצטרפות לקבוצת הוואטסאפ של הקהילה

קבוצה שקטה: רק אני כותב בה.

לא נפתח לכם? כתבו "קבוצה" לשולם בוואטסאפ: 053-416-6620, נפתח בחלון חדש

שאלה? משהו בעסק שחוזר על עצמו? כתבו לי

אפשר בוואטסאפ, במייל, או בטופס כאן. הטופס עובד גם בטלפון בלי וואטסאפ ובלי אפליקציית מייל.

מייל: shulem@shulemcohen.co.il

השאירו שם וטלפון

הפרטים משמשים לטיפול בפנייה ולהכנה לשיחה. חובה רק שם וטלפון. לא מוכרים אותם, לא מעבירים אותם לשיווק ולא שולחים דיוור. לעיון, תיקון או מחיקה: shulem@shulemcohen.co.il או וואטסאפ 053-416-6620. מה נשמר ולמה