הרציתי על בינה מלאכותית מול קהלים שונים מאוד: הנהלות, צוותי מכירות, רואי חשבון, מורים ותלמידי תיכון. מה שלמדתי הוא שההבדל בין הרצאה שמייצרת שינוי לבין הרצאה שמייצרת מחיאות כפיים מנומסות הוא כמעט אף פעם לא רמת התוכן — הוא הרלוונטיות.
קהל שיוצא מהרצאה על AI ואומר "מרתק" בדרך כלל לא ישנה כלום ביום שאחרי. קהל שיוצא ואומר "אני הולך לנסות את זה מחר על הדוח השבועי" — כן. במאמר הזה אפרט מה מבדיל בין השתיים, ומה כדאי לבדוק לפני שמזמינים הרצאה.
למה רוב ההרצאות על AI לא עובדות
שלוש תקלות חוזרות, וכולן ניתנות למניעה.
הראשונה: הרצאת עתידנות. שקופיות על מה יקרה בעוד עשור, רובוטים, ומספרים גדולים על שוק ה-AI העולמי. זה מרשים ולא שימושי. אף אחד בקהל לא יכול לעשות משהו עם התחזית לשנת 2035.
השנייה: הרצאה טכנית מדי. ארכיטקטורת טרנספורמרים, פרמטרים, embeddings. אם הקהל הוא לא מפתחים, זה מאבד אותם בשקופית השלישית, ומה שנשאר הוא תחושה ש"זה מסובך ולא בשבילנו" — בדיוק ההפך ממה שרצו להשיג.
השלישית: הרצאה גנרית. אותה מצגת בדיוק לחברת ביטוח, למשרד עורכי דין ולמפעל. הדוגמאות לא מתחברות לעבודה של אף אחד מהם, והמסר לא נדבק.
מה צריך להיות בהרצאת AI טובה
דוגמאות מהעולם של הקהל
זה הדבר היחיד שבאמת משנה. כשאני מרצה מול רואי חשבון אני מראה איך AI מטפל בהתאמות בנקאיות וקליטת חשבוניות. מול צוות מכירות — סיכום שיחות והכנת הצעות. מול הנהלה — מה לאשר, מה לדחות ואיך למדוד. אותו נושא, שלוש הרצאות שונות.
זו הסיבה שאני שואל לפני כל הרצאה מי יושב באולם, מה מטריד אותם, ואיפה הזמן שלהם נשרף. הרצאה בלי השיחה הזו מראש היא הרצאה גנרית, לא משנה כמה טוב המרצה.
הדגמה חיה, לא סרטון
קהל מאמין למה שהוא רואה קורה בזמן אמת. הדגמה שבה לוקחים מסמך אמיתי של הארגון המזמין ומייצרים ממנו משהו שימושי מול העיניים שווה יותר מעשרים שקופיות. סרטון מוקלט תמיד מרגיש כמו פרסומת.
גם מה שלא עובד
הרצאה שמציגה רק הצלחות מאבדת אמינות אצל קהל מקצועי. אני תמיד מקדיש חלק למתי דווקא לא כדאי להשתמש ב-AI, לטעויות שראיתי, ולעלויות הנסתרות. באופן מפתיע, החלק הזה הוא שמייצר את רוב השאלות בסוף.
צעד ראשון קונקרטי
ההרצאה צריכה להסתיים במשהו שאפשר לעשות ביום שני בבוקר, בלי תקציב ובלי אישורים. לא "אסטרטגיית AI ארגונית" אלא תהליך אחד ספציפי שאפשר לנסות עליו.
סוגי הרצאות ומתי כל אחת מתאימה
הרצאת כנס (30–45 דקות)
קהל גדול ומגוון, מטרה של פתיחת ראש. כאן חשוב סיפור אחד חזק וכמה דוגמאות רחבות, בלי לרדת לפרטים תפעוליים. המדד להצלחה הוא כמה אנשים ניגשים לשאול בסוף.
הרצאת אירוע חברה (45–60 דקות)
קהל אחיד מארגון אחד. כאן אפשר וצריך להתאים לגמרי: דוגמאות מהתחום שלהם, ולפעמים מהתהליכים שלהם ממש. זו ההרצאה עם ההחזר הגבוה ביותר, כי אפשר להפוך אותה לרלוונטית ברמת המחלקה.
סדנה (2–4 שעות)
כשהמטרה היא לא השראה אלא יכולת. הקהל עובד על המחשבים, על משימות אמיתיות שלו. פחות אנשים, יותר עומק, ותוצאה מדידה בסוף היום.
הרצאה לנוער ולמערכת החינוך
קהל שונה לגמרי בקצב ובדוגמאות, ועם דגש אחר: לא רק מה אפשר לעשות עם AI אלא איך חושבים עליו בביקורתיות. הרחבתי על הגישה הזו במאמר על למה חשוב ללמד בינה מלאכותית בתיכון.
מבנה שעובד: איך אני בונה הרצאה של 45 דקות
אין נוסחה קדושה, אבל יש מבנה שחוזר על עצמו כי הוא עובד מול קהל עסקי.
חמש דקות ראשונות — שבירת ההנחה. רוב הקהל מגיע עם אחת משתי עמדות: "זה יחליף אותנו" או "זה באזז שיעבור". שתיהן שגויות, ושתיהן חוסמות הקשבה. פתיחה שמראה משהו קטן ומוחשי מפרקת את שתיהן תוך דקות.
עשר דקות — איך זה באמת עובד, ברמה שמספיקה להחלטות. לא ארכיטקטורה, אלא האינטואיציה: למה המודל טועה בביטחון, למה הוא מצוין בטקסט וחלש במתמטיקה, ולמה איכות הידע שמזינים קובעת את איכות התשובה. קהל שמבין את זה מפסיק לצפות לקסם ומתחיל לשאול שאלות נכונות.
חמש עשרה דקות — דוגמאות מהתחום שלהם. הליבה. שלוש עד ארבע דוגמאות, כל אחת מתהליך אמיתי שהקהל מכיר, עם המספרים: כמה זמן זה לקח קודם, כמה עכשיו, ומה נשאר לאדם.
עשר דקות — הדגמה חיה. על חומר שלהם, מול העיניים, כולל הרגעים שבהם זה לא יוצא מושלם בפעם הראשונה. דווקא זה מייצר אמון.
חמש דקות — מה עושים ביום שני. צעד אחד, ספציפי, בלי תקציב.
השאלות אחר כך הן החלק הכי חשוב, ולכן אני מעדיף להשאיר להן זמן פתוח ולא לדחוס אותן לשלוש דקות בסוף.
מה משתנה לפי סוג הקהל
הנהלה. הדגש הוא על החלטות: מה לאשר, במה לא להשקיע, איך למדוד, ואיפה הסיכונים האמיתיים — עלות נסתרת, תלות בספק, ופרטיות. פחות כלים, יותר שיקול דעת.
צוותים מקצועיים. כאן רוצים כלים. הדוגמאות צריכות להיות מהמשימות היומיומיות שלהם, וההדגמה צריכה להיות משהו שהם יכולים לשחזר באותו שבוע.
אנשי מכירות ושירות. הדגש על מהירות תגובה, סיכום שיחות, הכנת הצעות והתמודדות עם עומס פניות. זה גם הקהל שהכי חושש שהטכנולוגיה תחליף אותו, ולכן חשוב להקדיש זמן לשאלה מה נשאר בידיים של אדם.
קהל מעורב בכנס. הכי מאתגר. הפתרון הוא לא לרדת למכנה המשותף הנמוך אלא לבחור סיפור אחד חזק ולפרוס אותו לעומק — קהל מעדיף דוגמה אחת שהוא זוכר על עשר שהוא שוכח.
איך בוחרים מרצה לבינה מלאכותית
חמש שאלות שכדאי לשאול לפני שסוגרים:
- מה אתה בונה בפועל? מרצה שמיישם AI אצל לקוחות מביא דוגמאות מהשטח. מרצה שרק מרצה מביא דוגמאות מהאינטרנט.
- איך אתה מתאים את ההרצאה לקהל שלי? אם התשובה מעורפלת, קרוב לוודאי שתקבלו את המצגת הסטנדרטית.
- יש הדגמה חיה? ואם כן, על מה — על דוגמה כללית או על חומר שלכם.
- מה הקהל אמור לדעת לעשות בסוף? תשובה טובה היא ספציפית, לא "להבין את הפוטנציאל".
- אפשר לדבר עם מזמין קודם מתחום דומה? ההמלצה הכי שימושית מגיעה ממישהו עם קהל דומה לשלכם.
הכנה שמכפילה את הערך
ההבדל בין הרצאה בינונית לטובה נקבע לרוב בשבועיים שלפניה, לא על הבמה. שלושה דברים שאני מבקש מכל מזמין:
שיחת אפיון קצרה עם מישהו שמכיר את העבודה היומיומית — לא רק עם מי שמארגן את האירוע. עשרים דקות מספיקות כדי להחליף שלוש דוגמאות גנריות בשלוש רלוונטיות.
שאלה מקדימה לקהל. משפט אחד בהזמנה: "מה הייתם רוצים ש-AI יעשה במקומכם?". התשובות מעצבות את ההרצאה, ובנוסף מייצרות ציפייה אצל הקהל.
חומר אמיתי להדגמה — מסמך, טופס או דוח שאפשר להשתמש בו על הבמה. גם גרסה מצונזרת עובדת. ההבדל בתגובת הקהל בין דוגמה כללית לבין המסמך שלהם הוא עצום.
ארבע שאלות שחוזרות בכל הרצאה
אחרי עשרות הרצאות, אותן ארבע שאלות עולות כמעט תמיד. שווה לדעת מראש שהן יגיעו.
"זה יחליף את העובדים שלנו?" התשובה הכנה היא שזה מחליף משימות, לא אנשים — אבל תמהיל המשימות משתנה, וזה כן דורש היערכות. התחמקות מהשאלה הזו פוגעת באמון של כל שאר ההרצאה.
"מה קורה למידע שלנו?" שאלה לגיטימית ונכונה. ההבדל בין שימוש בכלי צרכני לבין עבודה מול חשבון עסקי או מודל בסביבה מבודדת הוא מהותי, והרחבתי עליו במאמר על AI ופרטיות בעסק.
"איך יודעים שהתשובה נכונה?" כאן חשוב להיות ישיר: מודל יכול לטעות בביטחון מלא. התשובה היא לא לסמוך עיוור אלא לבנות תהליך שבו יש בקרה על מה שחשוב — ולוותר על בקרה על מה שלא.
"מאיפה מתחילים בלי תקציב?" התשובה הכי שימושית: בוחרים משימה אחת חוזרת שלוקחת שעה בשבוע, ומנסים עליה. לא פרויקט, לא מערכת — משימה.
כמה עולה הרצאה על בינה מלאכותית
המחיר נגזר בעיקר משלושה דברים: אורך, רמת ההתאמה, וכמה הכנה נדרשת. הרצאת כנס סטנדרטית של 45 דקות היא בטווח אחד; הרצאה מותאמת לארגון עם אפיון מקדים והדגמה על חומרים שלהם היא בטווח גבוה יותר; סדנה של חצי יום היא כבר פרויקט בפני עצמו.
מה שכדאי לבדוק בהצעה: האם ההכנה וההתאמה כלולות או שהן תוספת, האם יש נסיעות, והאם מותר להקליט את ההרצאה להפצה פנימית. שלושת הסעיפים האלה יוצרים את רוב הפערים בין הצעות שנראות דומות.
הפירוט המלא של מה שאני מציע נמצא בעמוד הרצאות בנושא AI.
איך מודדים שההרצאה עבדה
מחיאות כפיים הן לא מדד. שלושה דברים שכן:
שאלות בסוף. קהל ששואל שאלות ספציפיות על העבודה שלו — "איך זה יעבוד על התהליך שלנו?" — הוא קהל שהתחבר. שאלות כלליות על עתיד האנושות מסמנות שההרצאה נשארה מופשטת.
מה קרה אחרי שבועיים. המדד האמיתי. כמה אנשים ניסו משהו בפועל. שאלה אחת במייל מספיקה כדי לדעת.
פניות המשך מבפנים. כשמנהלים ניגשים אחרי ההרצאה עם רעיון לתהליך ספציפי, זה סימן שההרצאה עשתה את מה שהיא אמורה: לא ללמד AI, אלא לגרום לאנשים לזהות איפה הוא רלוונטי אצלם.
אם אתם שוקלים גם צעד מעשי אחרי ההרצאה, המקום הטבעי להתחיל בו הוא חמישה תהליכים שכדאי להטמיע בהם AI, או שיחת ייעוץ טכנולוגי לעסקים שממפה איפה זה משתלם אצלכם.