בעלי פודקאסטים - הפכו כל פרק למאמר שמדורג בגוגל ומצוטט ב-ChatGPT. הארכיון שלכם הופך למגזין SEO/GEO חיקראו עודהארכיון שלכם הוא אודיו מת שגוגל ו-ChatGPT לא מוצאים. אנחנו הופכים כל פרק לנכס SEO שמביא תנועה כל חודשקראו עודכל פרק = מאמר עברי איכותי שמדורג, מצוטט על ידי בינה מלאכותית ומתפרסם אוטומטית. ראו דוגמה חיהקראו עודרוצים שהפודקאסט שלכם יופיע בתשובות של ChatGPT, Perplexity וגוגל? הפכו את הפרקים למגזין תוכן שמדורגקראו עודבלי לכתוב מילה אחת. אנחנו מתמללים, כותבים ומפרסמים - אתם ממשיכים להקליט את מה שאתם אוהביםקראו עודמאות פרקים בארכיון שאף אחד לא מוצא? כל אחד מהם יכול להביא מאזינים חדשים מגוגל מדי חודשקראו עודהמתחרים שלכם כבר מדורגים בגוגל ומצוטטים בבינה מלאכותית. אל תישארו רק בנגן האודיוקראו עודבעלי פודקאסטים - הפכו כל פרק למאמר שמדורג בגוגל ומצוטט ב-ChatGPT. הארכיון שלכם הופך למגזין SEO/GEO חיקראו עודהארכיון שלכם הוא אודיו מת שגוגל ו-ChatGPT לא מוצאים. אנחנו הופכים כל פרק לנכס SEO שמביא תנועה כל חודשקראו עודכל פרק = מאמר עברי איכותי שמדורג, מצוטט על ידי בינה מלאכותית ומתפרסם אוטומטית. ראו דוגמה חיהקראו עודרוצים שהפודקאסט שלכם יופיע בתשובות של ChatGPT, Perplexity וגוגל? הפכו את הפרקים למגזין תוכן שמדורגקראו עודבלי לכתוב מילה אחת. אנחנו מתמללים, כותבים ומפרסמים - אתם ממשיכים להקליט את מה שאתם אוהביםקראו עודמאות פרקים בארכיון שאף אחד לא מוצא? כל אחד מהם יכול להביא מאזינים חדשים מגוגל מדי חודשקראו עודהמתחרים שלכם כבר מדורגים בגוגל ומצוטטים בבינה מלאכותית. אל תישארו רק בנגן האודיוקראו עוד
פודקאסט·ישראל
353: איך בנינו ״מוח צוותי״ שמתעדכן לבד

353: איך בנינו ״מוח צוותי״ שמתעדכן לבד

9 ביוני 20261594

עודכן: מאת צוות פודקאסט·ישראל

האזן לפרק

האזינו לפרק המלא

אנחנו עוזרים למצוא את הפרק, ההאזנה המלאה נמצאת אצל היוצרים, בפלטפורמה שלהם.

/ הפרק במספרים

פורסם9 ביוני 2026
אורך26 דק׳ (קצר ב-30% מהממוצע בתוכנית)
הנושא המרכזיבניית זיכרון צוותי דינמי מבוסס AI
קטגוריההייטק וסטארטאפים
ניתוח מעמיק · AI מתמלולנוצר אוטומטית מתמלול הפרק

על מה הפרק?

בנינו מערכת זיכרון צוותית דינמית שמתעדכנת אוטומטית מכל מקורות המידע ומשמשת את כל חברי הצוות לסנכרון ויעול העבודה.

הפרויקט החל מתוך הצורך לאגד את כל המידע והקונטקסט שנאסף בפגישות, בהודעות ובשיחות שונות לצוות הפיתוח של מוצר חדש בשם הרמוני. בנינו brain שמרכז מידע מפגישות, סלאק, וואטסאפ, דוקס ועוד, כשהוא מתעדכן כל הזמן, מה שמאפשר לכל חבר צוות לגשת למידע רלוונטי ולסנכרן את העבודה בקלות. המערכת בנויה כוויקי דינמי שמקשר בין מושגים, החלטות ואקשן אייטמס, ומונגשת דרך אתר, סוכנת וואטסאפ ואינטגרציות נוספות. בנוסף, פיתחנו אג'נטים אוטונומיים שפועלים על בסיס ה-brain כדי לייעל תחומים שונים כמו מרקטינג.

★ תובנת מפתח

המודל של 'Persistent ויקי' שמתעדכן לא רק מהמידע שנכנס אלא גם מהשאלות שנשאלות, יוצר זיכרון צוותי חי ונושם שמשפר את הסנכרון והיעילות מעבר ליכולות של מערכות רגילות של ראג.

/ תובנות מרכזיות

  • הקושי בניהול מידע רב ומפוזר בפגישות, הודעות ושיחות מוביל לצורך במערכת מרכזית שמאגדת את כל הקונטקסט.
  • שימוש ב-LLM יחד עם וקטור דאטאבייס מאפשר תשאול חכם של המידע, אך מודל רגיל של ראג לא מספיק כי הוא לא זוכר הקשר בין שאילתות.
  • הפתרון הוא ויקי דינמי שמתעדכן כל הזמן ומשתנה בעקבות המידע החדש והשאילתות, מה שמאפשר זיכרון ארגוני מתמשך.
  • הנגשה של המידע דרך אתר, סוכנת וואטסאפ ואינטגרציות שונות מאפשרת גישה נוחה ומהירה לכל חבר צוות בכל זמן ומקום.
  • בניית אג'נטים אוטונומיים שפועלים על בסיס ה-brain תאפשר אוטומציה של תהליכים כמו ניהול קמפיינים שיווקיים, כולל קבלת החלטות וביצוע.
/ השאלה הבולטת בפרק

איך אפשר לאזן בין שקיפות מלאה של המידע בארגון לבין הצורך בפרטיות ושמירת מידע רגיש בפלטפורמה כזו?

מדריך מעשי: צעדים ליישום מהפרק
  • 1להתחיל עם מודל פשוט של איסוף מידע ממספר מקורות מרכזיים כמו נוטייקר וסלאק.
  • 2לאפיין את המידע שצריך למדל ולהבין איך לבנות את הזיכרון הארגוני בצורה חיה ונושמת.
  • 3לבנות ויקי דינמי שמקשר בין מושגים, החלטות ואקשן אייטמס.
  • 4לפתח כלים לנגישות המידע כמו אתר אינטרנט וסוכנת וואטסאפ.
  • 5לשלב אג'נטים אוטונומיים שפועלים על בסיס הזיכרון לשיפור אוטומציה ויעילות.

ניתוח מאת מערכת פודקאסט·ישראל, מבוסס תמלול אוטומטי של הפרק. על המתודולוגיה והמגבלות

שאל את הפרק (Chat with Episode)

קבל תשובות מיידיות מתוך תמלול וניתוח ה-AI

מעוגן בתמלול

שאלות מומלצות בלחיצה אחת:

/ שאלות נפוצות על הפרק

מה היה הצורך המרכזי שגרם לצוות Monday לפתח את ה״מוח הצוותי״ Harmoney?
הצורך נבע מהרצון לאסוף ולרכז את כל המידע והקונטקסט שנוצר בפגישות, שיחות בסלאק, וואטסאפ ושיחות מסדרון, כדי לאפשר לכל חברי הצוות גישה למידע משמעותי שמתעדכן כל הזמן ומסייע בקבלת החלטות בפרויקט חדש.
כיצד נעשה שימוש בטכנולוגיית AI בפרויקט Harmoney ומה היתרון המרכזי שלה?
הצוות השתמש ב-AI, בעיקר בנוטייקר שפיתחו, שמסכם ומתמלל פגישות וירטואליות ומאפשר לאסוף מידע מכל הערוצים השונים. היתרון הוא יכולת לאגד מידע רב ומורכב ממקורות שונים ולהפוך אותו לזמין ונגיש לכל חברי הצוות בצורה מתעדכנת.
מהן הבעיות שהתגלו בשלב הראשוני של בניית ה-brain ואיך הן השפיעו על הפיתוח?
הקבצים שהצטברו גדלו מאוד במהירות והפכו לקשים לניהול, מה שגרם ל-LLM להתחיל לייצר תשובות לא מדויקות. בנוסף, השימוש היה פרטי ולא סקלבילי, כי כל משתמש היה צריך להגדיר וורקפלואים רבים, מה שהקשה על פריסת המערכת לצוות של 20 אנשים.
מהו הקונספט של ה-LLM ויקי שהושפע מפוסט של קרפטי ואיך הוא שונה מהשיטה המסורתית של ראג (RAG)?
ה-LLM ויקי הוא זיכרון חי שמתעדכן כל הזמן עם מידע חדש ומגיב לשאלות על ידי עדכון הוויקיפדיה עצמה, בניגוד ל-RAG שבו כל שאילתה מחפשת מחדש מידע ללא זיכרון. כך המערכת זוכרת תשובות קודמות ומשתפרת עם הזמן, מה שמאפשר סנכרון מידע טוב יותר.
איך הוויקיפדיה הפנימית של הצוות בנויה ומה היתרונות שהיא מספקת לחברי הצוות?
הוויקיפדיה בנויה מתיקיות וקבצים מקושרים בגרף, הכוללים קונספטים, דומיינים, ישויות, אקשן אייטמס והחלטות. כל ערך מקושר לפגישות ולמקורות מידע, כך שחברי הצוות יכולים להבין במהירות את ההקשר, לראות מי העלה נושא ומה הוחלט, מה שמקל על קליטה של עובדים חדשים ועל סנכרון בין חברי הצוות.

מתיאור הפרק

במהלך עבודה בצוות גדול על מוצר, המון מידע קריטי הולך לאיבוד בשיחות מסדרון, בוואטסאפ ובסיכומי פגישות מבוזרים. סער ארבל, Software Engineer Group Lead במאנדיי, מסביר בפרק איך הצוות שלו החליט לאסוף את כל ה-"Shadow Data" הזה ולבנות "Brain", מוח ארגוני שמאגד את כל הקונטקסט של העבודה ומשרת את המפתחים, המעצבים ואנשי המוצר ביום-יום. הבעיה עם פתרונות שהיו קיימים עד כה היא שהם סטטיים ולא באמת שומרים על זיכרון דינמי שמתעדכן מדאטה חדש ושומר על הקונטסקט. בהשראת פרויקט של אנדריי קרפטי, סער והצוות שלו פיתחו ״וויקי״ דינמי בגיטאהב שמתעדכן לבד אחרי כל פגישה ומייצר סינכרון מלא של כל שכבת הקונטקסט, מהלך שדרש מהצוו

/ נושאים קשורים

איך נוצר העמוד הזה

411 פרקים של Startup for Startup = 411 מאמרים שגוגל מדרג

את התקציר והניתוח בעמוד הזה הפקנו אוטומטית מתוך האודיו של הפרק, בלי שאיש כתב מילה. זה בדיוק מה ש-AuthorityRank עושה לארכיון שלם: כל פרק הופך למאמר עברי איכותי שמדורג בגוגל ומצוטט על ידי ChatGPT ו-Perplexity, ומתפרסם אוטומטית במגזין משלכם.

הארכיון שלכם הוא אודיו מת שמנועי החיפוש לא מוצאים. אנחנו הופכים אותו לנכס שמביא תנועה כל חודש.

כל הפרקים של Startup for Startupכרטיס ביצועי התוכן של Startup for Startup