סוכני AI בצוותים מסחריים

אם מורידים את שכבת השיווק, סוכן הוא מודל שפה שמוכנס ללולאה: הוא מקבל מטרה, בוחר מתוך כלים שניתנו לו, בודק את התוצאה וחוזר על התהליך עד שהוא מחליט שסיים. המדריך ההנדסי של Anthropic מבחין בין workflow, שבו השלבים קבועים בקוד, לבין agent, שבו המודל עצמו מכתיב את המסלול.

ההבחנה הזאת חשובה מבחינה עסקית. workflow הוא צפוי וזול לביקורת. סוכן הוא גמיש וקשה יותר לביקורת. רוב המשימות המסחריות שנראות כמו עבודה לסוכן הן בפועל workflow עם שלב לא ודאי אחד באמצע, ועדיף לבנות אותן ככה.

לכן השאלה המעשית אינה "האם להשתמש בסוכנים" אלא "איזה שלב כאן באמת דורש שיקול דעת, ומה יכול להישאר דטרמיניסטי סביבו".

לפני שמעבירים משהו לסוכן, כדאי להעביר את המשימה שלושה מבחנים.

• חזרתיות. האם זה קורה מספיק פעמים כדי שההשקעה בהגדרה מסודרת תחזיר את עצמה? משימה חודשית שקורית שתים־עשרה פעמים בשנה בדרך כלל לא.
• גבולות. אפשר לתאר את המשימה עם התחלה ברורה, סיום ברור וקלטים מוגדרים? "תבדוק למה האזור פספס יעד" נכשל במבחן הזה. "תרכיב את חבילת ניתוח הסטיות הסטנדרטית לאזור" עובר אותו.
• יכולת אימות. אפשר לוודא את התוצאה מהר ובאופן אובייקטיבי? סיכום של תמלול שיחה נבדק בדקה. מחיר מומלץ לא.

משימות שעוברות את שלושת המבחנים הן המקום שבו סוכנים מייצרים קיבולת אמיתית. משימות שנכשלות במבחן האימות הן אלה ששוחקות אמון בשקט, כי הטעויות צפות שבועות אחר כך, בתוך החלטות שכבר התקבלו.

בצוותים מסחריים ההצלחות היציבות מתרכזות בהכנה ובבדיקה, לא במסקנות.

• איסוף הקשר. ריכוז מה שידוע על לקוח או קטגוריה לפני פגישה: ביצועים אחרונים, נושאים פתוחים, התחייבויות קודמות, תנאי הסכם ומהלכים של מתחרים.
• הכנת דאטה. יישור מוסכמות שמות, מיפוי היררכיות לקוח, סימון שורות חשודות והסבר מה השתנה מאז המשיכה הקודמת.
• טיוטה ראשונה. הפיכת ניתוח מוסכם לנרטיב מסודר, מייל ללקוח או שלד מצגת, שהאנליסט עורך אחר כך.
• בדיקה. מעבר על מצגת או מודל מוגמרים ואיתור סתירות פנימיות, מספרים שלא עודכנו וטענות שאין להן כיסוי בנתונים.
• מחקר עם מקורות. איסוף מידע ציבורי על שוק או מתחרה כולל קישורים, כך שאפשר לאמת כל טענה ולא לסמוך על סיכום.

אף אחד מאלה לא מחליף אנליסט. כל אחד מהם מוריד שעה של עבודה בלי שיקול דעת, והצטברות השעות האלה היא ההצדקה העסקית האמיתית. זה לא נוצץ, וזה המקום שבו נמצאת התשואה כרגע.

הכישלונות אינם אקראיים. הם נובעים מהמבנה של דאטה מסחרי.

ראשית, לנתונים מסחריים יש משמעות שלא נמצאת בנתונים עצמם. שורת כמות שלילית יכולה להיות החזרה, תיקון או תקלת דאטה, וההבדל הוא ידע ארגוני. סוכן ייתן הסבר בטוח בעצמו לפי הפרשנות שההקשר שקיבל מרמז עליה.

שנית, טעויות קטנות מצטברות לאורך שלבים. סוכן שקרא לא נכון מיפוי היררכיה בתחילת השרשרת יבנה על זה כל שלב נוסף, והפלט ייראה קוהרנטי. קוהרנטיות אינה נכונות, וזה בדיוק מה שהופך את הטעויות האלה ליקרות לאיתור.

שלישית, לכל דבר שנושא התחייבות, מחיר, תחזית שמזינה אספקה או הבטחה ללקוח, יש פרופיל סיכון א־סימטרי. הרווח מהאוטומציה הוא שעה. ההפסד הוא החלטת רווחיות שקשה להחזיר אחורה.

הסיבה הנפוצה ביותר לביצועים חלשים של סוכן בסביבה מסחרית אינה יכולת המודל, אלא שהסוכן לא מגיע למה שהצוות באמת עובד איתו: המחסן, מחירון, מסמך תנאי הסחר, ה־CRM.

זו בדיוק הבעיה שתקנים פתוחים כמו Model Context Protocol נועדו לפתור, על ידי דרך אחידה לחבר מודלים למקורות מידע וכלים במקום אינטגרציה ייעודית לכל מערכת.

המסקנה התכנונית פשוטה. עדיף להשקיע במספר קטן של כלים מתועדים היטב, לקריאה בלבד ועם הרשאות מצומצמות, לפני שמשקיעים במודל חזק יותר. מודל בינוני עם כלי שאילתה מדויק ינצח מודל חזק שמקבל שברי גיליון מודבקים, בכל פעם.

הכלל שאני עובד לפיו פשוט: אם בדיקת הפלט לוקחת יותר זמן מאשר לייצר אותו ידנית, הסוכן לא הוסיף קיבולת אלא הזיז מאמץ והוסיף סיכון.

לכן האימות הוא חלק מהתכנון ולא מחשבה שנייה. בפועל זה אומר שסוכן צריך להחזיר גם את הראיות ולא רק את המסקנה: השאילתה שהריץ, השורות שהשתמש בהן, המסמכים שציטט וההנחות שהניח.

זה אומר גם לתעד למה הסוכן מורשה לגשת ואיך הפלט שלו נבדק. מסגרות ממשל כמו NIST AI Risk Management Framework מתארות את זה במונחים של מיפוי הקשר, מדידת ביצועים וניהול סיכון לאורך זמן. אותו היגיון תקף גם לצוות מסחרי של שלושה אנשים, בקנה מידה קטן יותר.

מבנה שמחזיק מעמד בפועל מפריד שלוש שכבות, לכל אחת רמת אוטונומיה אחרת.

• שכבה דטרמיניסטית. משיכות, חיבורים, כללים עסקיים וחישובים נשארים בקוד או ב־SQL. שום מודל לא מחליט מה המספר.
• שכבת שיקול דעת. הסוכן מסווג, מתעדף, מנסח ומסביר, תמיד עם הראיות מצורפות.
• שכבת החלטה. אדם מאשר כל דבר שנוגע למחיר, להתחייבות ללקוח או למספרים שמדווחים החוצה.

צוותים שמטשטשים בין השכבות מקבלים בדיוק את הכישלון שכולם חוששים ממנו: סיפור משכנע שנשען על מספר שלא נבדק. צוותים ששומרים על ההפרדה מגלים שסוכנים מועילים בצורה משעממת, וזאת התוצאה הנכונה.

אימוץ סוכנים לא דורש מהלך טרנספורמציה. הוא דורש משימה אחת שנבחרה נכון.

כדאי לבחור משהו שהצוות עושה כל שבוע, שכולם לא אוהבים, ושבו התשובה הנכונה ברורה ברגע שרואים אותה. הכנת חבילת סקירת לקוח היא מועמדת טובה. קביעת מדרג המחירים לרבעון הבא היא לא.

מריצים את זה במקביל לתהליך הידני כמה מחזורים, מתעדים איפה הסוכן חולק על האנליסט, וכשזה קורה מתקנים את הכלים ולא את הפרומפט. אם אחרי חודש הצוות ירגיש בהיעדרו, מרחיבים. אם לא, המשימה לא הייתה נכונה, וזה מידע זול.