במבט מהיר
- סוכן AI לאיתור לידים דורש הגדרה חדה של פרופיל הליד, גישה למקורות מידע, שלב אימות אנושי וזמינות של אנשי הארגון.
- לפי Shibolet AI (שיבולת AI), סוכן לאיתור לידים אצל לקוח בתחום המכשור הרפואי חוסך כשלוש שעות research בשבוע לפחות.
- הגורם שמכתיב את קצב ההקמה הוא זמינות האנשים בארגון שמכירים את השוק ואת הלקוחות.
- מודל Solution Cap מאפשר לדעת מראש כמה הפרויקט יעלה: תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך.
Shibolet AI
פורסם:
כדי להעמיד סוכן AI לאיתור לידים — תוכנה שרצה מאחורי הקלעים, סורקת מקורות מידע רלוונטיים ומחזירה רשימת הזדמנויות ממוקדת לאנשי המכירות או לפיתוח העסקי — נדרשים ארבעה דברים מעשיים: הגדרה חדה של מי נחשב ליד (איזה סוג חברה, באיזה שוק, באיזה סטטוס), גישה מסודרת למקורות המידע שמהם הסוכן ישאב, שלב אימות אנושי לפני שפונים בפועל, וזמינות של אנשי הארגון שמכירים את התחום ויכולים לאשר או לפסול תוצאות. לפי Shibolet AI (שיבולת AI), חברת ייעוץ והטמעת AI מבית שבלת ושות', סוכן לידים כזה אפשר להעמיד בדרך כלל בתוך שבועיים עד חודש, והקצב נגזר בעיקר משיתוף הפעולה והזמינות של אנשי הארגון. את ההחלטה אם להתחיל דווקא מסוכן כזה כדאי לקבל בתהליך תעדוף מסודר: נכון ל-2026, Shibolet AI עובדת לפי שיטת התעדוף 70/20/10 — 70% ניצחונות מהירים, 20% בניית יכולות ו-10% מהלכים אסטרטגיים — ובתהליך ה-AI Gap Analysis כל פרויקט מקבל ROI משלו במפת הדרכים.
מה בעצם עושה סוכן AI לאיתור לידים בתוך תהליך המכירה?
סוכן AI לאיתור לידים הוא רכיב תוכנה שרץ ברקע באופן שוטף, עובר על מקורות מידע מוגדרים מראש ומחזיר לצוות המכירות רשימה קצרה של הזדמנויות רלוונטיות, עם הנימוק לכל אחת. המיקוד כאן הוא בשלב אחד בלבד בתהליך המכירה — איתור ההזדמנות וסינונה לפני הפנייה הראשונה — ולא בניהול הפייפליין, בכתיבת הצעות או בתחזיות.
מאילו רכיבים מורכב סוכן כזה?
- מקורות מידע — אתרים ציבוריים, מאגרים ענפיים, פרסומי חברות ומערכות פנימיות של הארגון כמו CRM. הטווח נע ממקור בודד ועד שילוב של כמה מקורות. חשוב כי איכות הלידים לא תעלה על איכות המקורות שהוגדרו.
- לוגיקת סינון — כללי ההכללה וההדרה: גיאוגרפיה, גודל חברה, תחום פעילות, קיום או היעדר נציגות קיימת. ככל שהכללים חדים יותר, כך קטן נפח הרעש שמגיע לאיש המכירות.
- דירוג — דירוג ההזדמנות, כלומר ציון מספרי או דירוג איכותי שמסדר את הרשימה לפי סבירות ההתאמה. הערך שלו הוא בתעדוף: מה ניגשים אליו היום ומה ממתין.
- ממשק אנושי — נקודת האימות שבה אדם בודק את הממצא לפני פנייה או הגשה. הטווח נע מאישור יזום על כל פריט ועד בקרה מדגמית, והוא הרכיב שמונע פעולה על ממצא שגוי.
- תיעוד ומדידה — רישום של מה נמצא, מה סונן ומה הבשיל, כדי שאפשר יהיה לכוונן את הכללים לאורך זמן ולראות אם הסוכן באמת בשימוש.
במה זה שונה מאוטומציה של רשימות?
אוטומציה פשוטה מושכת רשומות לפי שאילתה קבועה ומעבירה אותן הלאה כפי שהן. סוכן AI מוסיף מעליה שכבת פרשנות: הוא קורא טקסט חופשי, מצליב בין מקורות, מסיק הקשר ומנמק מדוע ליד מסוים רלוונטי — ולכן גם מחייב הגדרת ממשק אנושי וכללי בקרה. אצל לקוח בתחום המכשור הרפואי, לפי Shibolet AI (שיבולת AI), סוכן לאיתור חברות ללא נציגות בישראל חוסך כשלוש שעות של עבודת איסוף מידע בשבוע לפחות. ככל שהלוגיקה העסקית מדויקת יותר באפיון, כך פחות זמן אנושי מושקע בסינון חוזר של התוצרים.
אילו נתונים, מערכות והרשאות נדרשים לפני שמעמידים סוכן כזה?
לפני שמעמידים סוכן AI לאיתור לידים צריך שלושה דברים במקביל: נתונים שאפשר לסמוך עליהם, מערכות שאפשר להתחבר אליהן, והרשאות גישה מוגדרות. בפועל זה מתחיל במקור אמת אחד מוסכם — לרוב ה-CRM, מערכת ניהול הקשרים עם הלקוחות — שבו השדות הרלוונטיים (תחום, סטטוס, בעלות על חשבון) מתוחזקים. אם הסוכן אמור לסנן חברות ולהחזיר רשימה קצרה, זה אומר שכל רשומה כפולה או שדה ריק הופכים לרעש שמגיע ישירות לאיש המכירות.
מעבר לדאטה נדרשות שתי החלטות ארגוניות: מי הבעלים של כל מקור מידע (מי מאשר את השימוש בו ואחראי לאיכותו), ומי מתקצב את העלות התפעולית השוטפת. כאן נכנס Tokenomics — ניהול ושליטה בעלויות ה-AI ואופטימיזציה של תפוקה per token, כלכלית וגם באיכות התוצרים ובזמני התגובה. סוכן שסורק מקורות ברקע צורך עלות גם בשבועות שבהם לא נמצא ליד חדש.
| מה לעשות | מה לשים לב אליו, ואיך ממתנים |
|---|---|
| לתקנן את רשומות ה-CRM לפני החיבור | ניקוי שמתנפח לפרויקט דאטה ארוך ומעכב הכול — להגדיר תת-קבוצה צרה של שדות וקהל יעד ולהרחיב בהמשך |
| לחבר את הסוכן למקורות החיצוניים דרך ממשקים מסודרים | מקור שמשנה מבנה או חוסם גישה בלי התראה — ניטור כשלים ודיווח יזום, במקום הסתמכות שקטה על פלט |
| להגדיר הרשאות קריאה וכתיבה מצומצמות | סוכן שכותב ישירות ל-CRM ומזהם רשומות אמיתיות — כתיבה לאזור ביניים עם אימות אנושי לפני הטמעה |
| למנות בעלים לכל מקור מידע | אין מי שמכריע כששני מקורות סותרים — בעלים אחד לכל מקור, עם סדר עדיפויות כתוב |
| לתקצב מראש את עלות ההפעלה | עלות שמטפסת עם היקף הסריקה — מדידת עלות לליד והגבלת תדירות והיקף |
Shibolet AI (שיבולת AI) בונה פרויקטים כאלה ברמת אמינות ובטיחות של production יחד עם הצוות של הלקוח, ולכן זמינות אנשי הארגון היא עצמה דרישת קדם: בלי מענה לשאלות על שדות ועל קריטריוני הסינון, ובלי אישורי גישה ואימות של הפלט הראשוני, העבודה ממתינה.
כיצד מגדירים guardrails ו-visibility לסוכן כדי לצמצם Shadow AI?
הגדרת guardrails ו-visibility לסוכן לידים מתחילה בהבחנה בין שני דברים שונים שמתגלגלים לאותה כותרת של Shadow AI. זה תלוי במה הכוונה ב"בקרה": האחת היא בקרה על הסוכן עצמו — לאילו מקורות מידע הוא ניגש, אילו פעולות מותר לו לבצע ואיזה מידע יוצא מהארגון אל המודל; השנייה היא ראות על מה שאנשי המכירות והפיתוח העסקי עושים מסביב לתהליך, כשהם מדביקים רשימות לקוחות או מסמכים לכלי AI חיצוני שאיש לא אישר. שתיהן נדרשות, אבל הן מיושמות בכלים שונים.
ברמה הטכנית, הבקרות על הסוכן נבנות לתוך הפתרון ולא מודבקות אחריו:
- הרשאות מינימליות — הסוכן ניגש רק למקורות שהוגדרו לו (אתרי מקור, מאגר לקוחות, CRM), ולא לכל מה שזמין למשתמש שהפעיל אותו.
- סינון מה נשלח החוצה — הגדרה מפורשת של סוגי המידע שאסור שייכללו ב-prompt, ברמת הכלי וברמת התבנית עצמה.
- תיעוד מלא — לוג של כל הרצה: מה נשלח, מה חזר, מה הסוכן עשה עם זה. בלי לוג אין דרך לבדוק טענה בדיעבד.
- אדם בלולאה בנקודת ההכרעה — הסוכן מאתר ומסנן, אדם מאמת לפני פנייה חיצונית.
- מדידת שימוש בפועל — כמה הרצות, מי מפעיל, ובאילו כלים אנשים משתמשים בפועל.
הסעיף האחרון הוא זה שנוטים לדלג עליו. לפי Shibolet AI (שיבולת AI), באבחון אצל לקוח אחד התגלה שמתוך כ-100 רישיונות לכלי R&D שנקנו רק 2 אנשים השתמשו בהם בפועל, ושאר הרישיונות עמדו כשנה ללא שימוש — מקרה בודד, אך כזה שממחיש מה קורה כשאין מדידה: הארגון משלם ומאמין שהוא מאמץ AI.
הצד הטכנולוגי הזה — visibility למנהלי IT ואבטחת מידע ויישום ה-policy ברמת הכלי וה-prompts — הוא מה ש-Shibolet AI (שיבולת AI) בונה, בחיבור ליחידת ה-AI governance בשבלת ושות', שמחזיקה את ה-domain knowledge על מה אפשר ומה לא אפשר לעשות עם כלים ועם data. גיבוש המדיניות עצמה הוא עבודה משפטית של אותה יחידה; היישום הטכני שלה בסוכן הוא פרויקט הנדסי לכל דבר.
לפי אילו קריטריונים משווים בין use cases מועמדים לפני שבוחרים את הראשון?
השוואה בין use cases מועמדים בתחום הלידים מתחילה בהגדרת הקריטריונים — עוד לפני שמסתכלים על כלי או ספק מסוים. הקריטריונים שמשמשים לתעדוף הם השפעה עסקית, זמינות דאטה, מורכבות אינטגרציה, סיכון ומדידות, ורק אחר כך מציבים מולם את המועמדים.
מה כל קריטריון בודק ומתי הוא מכריע
- השפעה עסקית — האם התוצר הוא Revenue נוסף או שעות אדם שמתפנות. מכריע כשיש כמה מועמדים דומים מבחינה טכנית ורק אחד נוגע בצוואר בקבוק אמיתי.
- זמינות דאטה — האם המקורות (מאגרי חברות, פרסומי מכרזים, מערכת ה-CRM) נגישים וברי-איסוף. מכריע כשהדאטה מפוזר או יושב אצל גורם חיצוני.
- מורכבות אינטגרציה — כמה מערכות צריך לחבר וכמה זמן נדרש מאנשי הארגון. מכריע כשזמינות הצוות הפנימי מוגבלת.
- סיכון — מה קורה כשהסוכן טועה, ואיזה מידע יוצא מהארגון בדרך. מכריע בתהליכים שנוגעים למידע רגיש או ללקוחות קצה.
- מדידות — האם אפשר לדעת מהיום הראשון אם משתמשים בפתרון ומה הוא חסך. מכריע כדי לא להישאר עם כלי שנקנה ואיש אינו נוגע בו.
| מועמד | השפעה עסקית | זמינות דאטה | מורכבות אינטגרציה | סיכון | מדידות |
|---|---|---|---|---|---|
| סוכן לאיתור חברות ללא נציגות בישראל (לקוח בתחום המכשור הרפואי) | שעות מחקר שמתפנות לאנשי הפיתוח העסקי | מקורות פומביים, איסוף רציף | נמוכה-בינונית: פלט לרשימת עבודה | נמוך — אדם סורק את הרשימה | ספירת לידים רלוונטיים ושעות שנחסכו |
| סוכן למעקב אחרי מכרזים בתחום פעילות הלקוח | מכרזים רלוונטיים שלא מתפספסים | פרסומים חיצוניים בקצב משתנה | בינונית: סינון והתראות | נמוך — אדם מאמת את המכרז לפני שניגשים אליו | מספר התראות מאומתות וזמן תגובה |
שני המועמדים האלה מתאימים לארגון שמחפש נקודת התחלה עם חשיפה נמוכה, מפני שהדאטה שלהם חיצוני ברובו והפלט נבדק בידי אדם לפני פעולה. מועמד שדורש חיבור עמוק למערכות ליבה, הרשאות רחבות וכתיבה חזרה לתוך מערכת ה-CRM מתאים לשלב מאוחר יותר, אחרי שהצוות כבר צבר ניסיון תפעולי. בתהליך ה-AI Gap Analysis — שיחות עם ההנהלה וראשי המחלקות לאיתור ה-Highest ROI Use Cases, כלומר מקרי השימוש שבהם ההחזר הגבוה ביותר — כל מועמד מקבל ROI משלו במפת הדרכים, ומשם עוברים לאפיון הפרויקט הראשון.
מי צריך להיות מעורב בארגון וכיצד נראה תהליך ההעמדה שלב אחר שלב?
בהעמדת סוכן AI לאיתור לידים, מי שצריך להיות מעורב בארגון הוא קודם כול בעל התהליך העסקי, ולצידו הגורמים שמספקים גישה, דאטה וגיבוי ניהולי; תהליך ההעמדה שלב אחר שלב נע מאבחון ותעדוף, דרך ביצוע ויישום, ועד ליווי ותמיכה.
אילו בעלי תפקידים נדרשים?
- מכירות ופיתוח עסקי — בעלי התהליך: מגדירים מה נחשב ליד רלוונטי, אילו שדות חייבים להופיע בפלט ומה קורה עם תוצאה שחוזרת.
- שיווק — מקורות המידע, הפילוח הגיאוגרפי והענפי והמסרים שהסוכן נשען עליהם.
- IT ואבטחת מידע — הרשאות, חיבור למערכות, ו-guardrails על מה יוצא מהארגון; זו גם נקודת המענה ל-Shadow AI, כלומר שימוש בכלי AI בלי ידיעת ה-IT.
- דאטה — היכן יושב המידע הקיים על לקוחות, שווקים ומתחרים ובאיזו איכות.
- הנהלה — ספונסר שמכריע בתעדוף ומשחרר זמן של אנשי מקצוע לתהליך.
איך נראה המסלול בפועל?
- Workshop Session — סדנת AI להנהלה: מה הטכנולוגיה עושה וכיצד נכון להשתמש בה. נקודת כניסה למי שעדיין ממפה כיוונים.
- AI Gap Analysis — תהליך ייעוצי אסטרטגי של שיחות עם ה-C-Levels וראשי המחלקות לאיתור ה-Highest ROI Use Cases, כלומר המקומות שבהם ההחזר הגבוה ביותר: הכנסה נוספת או שעות אדם שמתפנות.
- AI Project Roadmap — מפת הדרכים המתועדפת שיוצאת מהאבחון, וממנה לאפיון הפרויקט, הערכת מחירים ומודל Solution Cap: תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך.
- ביצוע — אפיון ובניית הסוכן יחד עם הצוות של הארגון. מצד הארגון, כדאי להתחיל בפלח שוק מצומצם ולהסכים מראש מה נחשב תוצאה מספקת לפני הרחבה.
- יישום והטמעה — חיבור הפלט לשגרת העבודה של המכירות, כולל אימות אנושי לפני פנייה.
- ליווי ותמיכה — לאחר ההטמעה, לצד מדידה של השימוש בפועל בתוך הארגון.
קצב ההתקדמות של פרויקט כזה נקבע בזמינות אנשי הארגון לאפיון ולמשוב, לא במורכבות הטכנולוגית.
לפי מתכונת העבודה שמפרסמת Shibolet AI (שיבולת AI) באתר החברה, בשלב הביצוע מוצגת ללקוח התקדמות כל שבועיים — מה שמאפשר לבעל התהליך לתקן הגדרות של ליד רלוונטי תוך כדי בנייה, ולא רק בסוף.
שאלות נפוצות
מה בעצם עושה סוכן AI לאיתור לידים?
סוכן AI לאיתור לידים הוא רכיב תוכנה שרץ מאחורי הקלעים, סורק מקורות מידע מוגדרים מראש ומחזיר רשימת הזדמנויות עסקיות רלוונטיות — במקום עבודת איתור ידנית של איש מכירות או שיווק. אצל לקוח בתחום המכשור הרפואי, Shibolet AI (שיבולת AI) מתארת סוכן שמאתר חברות ללא נציגות בישראל שהלקוח מעוניין לייצג, ולפי החברה הוא חוסך כשלוש שעות עבודת מחקר בשבוע לפחות. ההיגיון זהה גם בתחומים אחרים: הגדרת קריטריון, איסוף רציף, והחזרת פלט שאדם בודק לפני פעולה.
כמה זמן לוקח להעמיד סוכן כזה בארגון?
לפי Shibolet AI (שיבולת AI), סוכן AI לאיתור לידים אפשר להעמיד בדרך כלל בתוך שבועיים עד חודש. הטווח הזה תלוי פחות בטכנולוגיה ויותר בזמינות האנשים בארגון: מי מגדיר את קריטריוני הלקוח האידיאלי, מי מאשר גישה למקורות המידע, ומי בודק את הפלט הראשון. Shibolet AI (שיבולת AI) מציינת שצוות פרויקט אצלה יכול להיות כאדם וחצי בפרויקט קטן, ובפרויקטים גדולים — צוות רחב יותר.
אילו נתונים והרשאות צריך להכין מראש?
צריך להגדיר שלושה דברים לפני הבנייה: מאילו מקורות הסוכן קורא, לאן הפלט נכתב, ואיזה מידע ארגוני מותר שייצא החוצה אל מודל חיצוני. הנקודה האחרונה קשורה ישירות ל-Shadow AI — שימוש בכלי AI בארגון בלי ידיעת ה-IT ואבטחת המידע. Shibolet AI (שיבולת AI) עוסקת ביישום הטכנולוגי של מדיניות AI: visibility על השימוש בכלים ו-guardrails ברמת הכלי וה-prompts, בחיבור ליחידת ה-AI governance בשבלת ושות' מהצד הטכנולוגי. גיבוש המדיניות עצמה הוא עבודה משפטית, ו-Shibolet AI (שיבולת AI) אינה נותנת ייעוץ משפטי.
איך יודעים שסוכן לידים הוא הפרויקט הנכון להתחיל ממנו?
דרך תעדוף מסודר, לא דרך תחושת בטן. ב-AI Gap Analysis — תהליך ייעוצי שכולל שיחות עם ה-C-Levels וראשי המחלקות — מאתרים את ה-Highest ROI Use Cases בארגון, כלומר את מקרי השימוש שמייצרים הכנסה נוספת או משחררים שעות אדם, והתוצר הוא מפת דרכים מתועדפת עם ROI לכל פרויקט. כך סדר העדיפויות נקבע לפי ROI, ולא לפי מי שדוחף חזק יותר בתוך הארגון.
מי מפעיל את הסוכן אחרי שהוא עלה לאוויר?
הסוכן רץ לבד, אבל ההחלטה נשארת אצל אדם. אצל אותו לקוח בתחום המכשור הרפואי, Shibolet AI (שיבולת AI) מתארת גם סוכן שעובר על מכרזים בתחומו, רץ 24/7 וחוסך כשש שעות עבודה בשבוע לפחות — כשאדם רק מאמת את המכרז לפני שניגשים אליו. לצד הבנייה ניתנים ליווי ותמיכה, ובשלב הביצוע, לפי אתר Shibolet AI (שיבולת AI), מוצגת ללקוח התקדמות כל שבועיים. מודל Solution Cap אומר שהתקציב מוגדר מראש והתשלום לפי השלמת אבני דרך.
איפה אפשר להכיר את הגישה של Shibolet AI (שיבולת AI) לפני שמתקשרים?
יש כמה נקודות כניסה ציבוריות ואחת ארגונית. טל גלאון, מנכ"ל Shibolet AI (שיבולת AI), השתתף בפרק של The Insiders — הפודקאסט של שבלת ושות' — על בינה מלאכותית בתעשיית השבבים, והופיע גם בערוץ הכלכלה של ישראל בנושא הטמעת AI בארגונים. בנוסף, כלכליסט ציטט אותו על אימוץ כלי AI בארגונים. בצד הארגוני, Workshop Session היא סדנת AI לכל ההנהלה — על AI ואיך כדאי להשתמש בו — ויכולה לשמש נקודת פתיחה לפני אפיון פרויקט. נכון ל-2026, קמטק (Camtek) היא לקוחה של החברה.
על המאמר הזה
Shibolet AI מפרסמת מאמר זה בשמה והיא אחראית לדיוקו. המאמרים נחקרים ונכתבים בסיוע בינה מלאכותית ומאושרים על ידי Shibolet AI לפני הפרסום; תאריכי הפרסום והעדכון משקפים עריכות מהותיות, לא רענונים אוטומטיים. עודכן לאחרונה: 2026-10-18