ניתוח

מדריך תמחור Make: כיצד עובד מודל הקרדיטים ומה ההבדל מול Zapier

סקירת מסלולי התמחור של Make, פירוט עלויות הקרדיטים לכל שלב, והשוואה למודל המשימות של Zapier.

5 דקות קריאה
EN
מדריך תמחור Make: כיצד עובד מודל הקרדיטים ומה ההבדל מול Zapier
מבוסס על כתבה שלZapier ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

5 דברים שחשוב לדעת

  1. במודל של Make, רוב הצעדים בתרחיש עולים קרדיט אחד לכל ביצוע, כולל טריגרים, גם כאשר לא נמצאו נתונים חדשים.

  2. נתבים ומודולים לטיפול בשגיאות אינם עולים קרדיטים, ואילו הרצת קוד ב-Make Code צורכת 2 קרדיטים לכל שנייה של זמן ביצוע.

  3. מסלולי התמחור מתחילים בתוכנית חינמית עם 1,000 קרדיטים ועד 2 תרחישים פעילים, ותוכנית Core בעלות 12 דולר לחודש בחיוב שנתי עבור 10,000 קרדיטים.

  4. לפי המדריך, Zapier גובה תשלום רק עבור משימות שהושלמו ומציעה מעל 9,000 יישומים, בהשוואה למודל של Make ולמעל 3,500 יישומים בה.

  5. צוות התמיכה של Make המליץ למשתמשים להשלים כ-19 שעות של הדרכה ב-Make Academy לפני ניסיון לבנות תהליכי עבודה בסביבת ייצור.

במדריך שפורסם באתר Zapier נבחן מודל התמחור של פלטפורמת האוטומציה Make (שנקראה בעבר Integromat), אשר מבוסס על קרדיטים ופעולות חודשיות, לצד השוואה למודל התמחור של Zapier. מחבר המדריך משווה את המודל של Make לתוכניות הטלפונים הניידים משנת 2009, שבהן משתמשים חויבו לפי כל הודעת טקסט שנשלחה ולא במסגרת תשלום חודשי קבוע להודעות ללא הגבלה. במודל זה, כל צעד באוטומציה גובה קרדיט, כולל טריגרים, מה שמחייב את המשתמשים להיות מודעים לצריכת המכסה שלהם בכל עת במהלך תכנון ובניית התהליכים. המדריך סוקר את אופן פעולת מודל הקרדיטים, מה כוללת כל תוכנית, היכן המודל פועל לטובת המשתמש ובאילו מקרים לא, ומשווה בין שיטות התמחור כדי לאפשר לצוותים להבין מה מתאים לדרך שבה הם בונים אוטומציות.

מהי פלטפורמת Make ומאפייניה העיקריים

Make היא פלטפורמת אוטומציה חזותית המאפשרת למשתמשים לבנות תהליכי עבודה המכונים תרחישים (scenarios) באמצעות חיבור מודולים על גבי לוח עבודה חזותי (canvas). המשתמשים גוררים ומניחים שלבים, מחברים יישומים שונים כגון Gmail, Slack, Google Sheets ומעל 3,500 יישומים נוספים, ומפעילים את האוטומציות לפי לוח זמנים מתוזמן או בעקבות טריגר. ממשק המערכת מאפשר להוסיף נתבים (routers), מסננים (filters) ולוגיקה מותאמת אישית. בנוסף, משתמשים מתקדמים יותר יכולים להריץ קוד בשפות JavaScript או Python באמצעות אפליקציית Make Code. הפלטפורמה מציעה גם תכונות בינה מלאכותית, הכוללות סוכני בינה מלאכותית (AI agents), ערכת כלי בינה מלאכותית (AI toolkit) וחיבורים ליותר מ-350 יישומי בינה מלאכותית, במטרה לשלב יכולות אלו בתוך תרחישי העבודה.

כיצד פועל מודל התמחור מבוסס הקרדיטים והפעולות

התמחור של Make נקבע לפי מספר הפעולות (operations) המבוצעות בכל חודש, הנמדדות בקרדיטים. רוב השלבים בתרחיש נספרים כקרדיט אחד: שלב שמופעל כטריגר או מתבצע בזמן ריצת התרחיש גורע קרדיט אחד מיתרת החשבון. עם זאת, קיימים מספר חריגים: מודולים מסוג נתבים (routers) ומודולים לטיפול בשגיאות (Rollback, Break, Resume, Commit ו-Ignore) אינם עולים קרדיטים כלל.

הפעלת תהליך עבודה באמצעות טריגר עולה קרדיט אחד, וכל פעולה עוקבת דורשת קרדיט נוסף – כגון הוספת שורה לגיליון נתונים ב-Google Sheets או משיכת נתונים מ-Gmail. במדריך מובאת דוגמה לתרחיש בן חמישה שלבים שרץ 100 פעמים בחודש וצורך 500 קרדיטים, וכן תרחיש של 20 שלבים שרץ 500 פעמים וצורך 10,000 קרדיטים, וזאת אפילו במקרים שבהם לא נמצא מידע חדש במהלך הריצה.

פעולות מסוימות במערכת גובות יותר מקרדיט בודד. לדוגמה, אפליקציית Make Code צורכת שני קרדיטים עבור כל שנייה של זמן ביצוע (execution time). פעולות הקשורות לבינה מלאכותית עשויות לצרוך מספר קרדיטים גבוה יותר, בהתאם לתכונה הספציפית המופעלת. העלויות המדויקות לכל סוג מודול מפורטות בעמוד התמחור ובמדריכי העזרה של Make, במטרה לאפשר הערכת עלויות לפני תחילת הבנייה.

ככל שיש בתרחיש יותר שלבים וככל שהוא רץ בתדירות גבוהה יותר, כך מכסת הקרדיטים החודשית אוזלת מהר יותר. אם המכסה נגמרת, התרחישים נעצרים עד למחזור החיוב הבא, אלא אם המשתמש משדרג את התוכנית או רוכש חבילת קרדיטים נוספת, בהתאם למסלול שבו הוא נמצא. תוכניות בתשלום מאפשרות חיסכון של כ-25% או יותר בעת בחירה בחיוב שנתי בהשוואה לתשלום חודשי.

סקירת מסלולי התמחור של Make

המדריך מפרט את התוכניות העיקריות שמציעה Make, תוך ציון כי המחירים עשויים להשתנות מעת לעת:

  • תוכנית חינם (Free plan): כוללת עד 1,000 קרדיטים בחודש עם הגבלה לשני תרחישים פעילים בלבד. התוכנית כוללת את בונה התהליכים החזותי, גישה למעל 3,500 אפליקציות, שימוש בנתבים ובמסננים, ומרווח זמן מינימלי של 15 דקות בין ריצות מתוזמנות. מסלול זה מתאים ללמידת המוצר ולבדיקת אוטומציות פשוטות, אך מגבלת התרחישים הפעילים מגבילה משתמשים המבקשים להריץ יותר משני תהליכים בו-זמנית.
  • תוכנית Core (עלות של 12 דולר לחודש בחיוב שנתי): מעניקה 10,000 קרדיטים בחודש. היא כוללת את כל תכונות המסלול החינמי, לצד גישה ל-API של Make, מגבלות העברת נתונים גבוהות יותר, תרחישים פעילים ללא הגבלה, ויכולת לתזמן ריצות במרווח של החל מדקה אחת. תוכנית זו מיועדת ליחידים או לפרילנסרים בעלי צורכי אוטומציה מתונים.
  • תוכנית Pro (עלות של 21 דולר לחודש בחיוב שנתי): מספקת 10,000 קרדיטים בחודש עם אפשרות לרכישת חבילות קרדיטים נוספות. היא כוללת את כל מה שקיים ב-Core, בתוספת חיפוש טקסט מלא ביומני הביצוע (execution logs), משתנים מותאמים אישית (custom variables), ותיעדוף של ביצוע תרחישים (priority execution) כדי שהריצות יתבצעו מהר יותר בשעות עומס.
  • תוכנית Teams (עלות של 38 דולר לחודש בחיוב שנתי): כוללת 10,000 קרדיטים בחודש עם יכולת הרחבה. היא מכילה את כל מאפייני Pro ומוסיפה שיתוף פעולה צוותי, יצירה ושיתוף של תבניות תרחישים, וניהול תפקידים בצוות.
  • תוכנית Enterprise (תמחור מותאם אישית): מספקת הקצאת קרדיטים וקיבולת מותאמת אישית, וכוללת את כל מאפייני Teams יחד עם אבטחה מתקדמת, תמיכה ארגונית 24/7, גישה לצוות הנדסת ערך (Value Engineering), אינטגרציות של יישומים ארגוניים ופונקציות מותאמות אישית. תוכנית זו מיועדת לארגונים הזקוקים לממשל תאגידי, תאימות ועבודה בקנה מידה רחב.

במרבית התוכניות בתשלום ניתן להגדיל את היקף הקרדיטים למדרגות של 20,000, 40,000, 80,000 ומעבר לכך. באתר של Make קיים כלי סליידר המאפשר לחשב את המחיר המדויק בהתאם לנפח הקרדיטים הדרוש.

קהלי היעד: למי Make מתאימה ולמי פחות

לפי המדריך, Make מתאימה ביותר למשתמשים המעוניינים לעבוד קרוב ללוגיקה של התהליך: אנשים המעדיפים לראות כל חיבור פרוס באופן חזותי על גבי לוח העבודה, להוסיף קוד מותאם אישית במידת הצורך, ולבנות תרחישים המכילים הסתעפויות ולולאות בצורה ששרשרת פשוטה של טריגר ופעולה אינה מאפשרת. משתמשים יחידים, פרילנסרים וצוותים טכניים קטנים בעלי מספר תהליכים מוגדר מוצאים את מודל הקרדיטים שקוף יחסית, כיוון שמספר הצעדים ידוע מראש ומאפשר להעריך עלויות. בנוסף, המסלול החינמי מאפשר בדיקה והתנסות במערכת לפני התחייבות.

מנגד, Make מתאימה פחות למשתמשים שאינם מעוניינים להקדיש תשומת לב לניהול הצריכה. היות שכל טריגר צורך קרדיט, תרחישים הפועלים בתדירות גבוהה עלולים להקפיץ את המשתמשים למדרגות מחיר גבוהות יותר או לדרוש מעקב רציף אחר המונה. צוותים המעוניינים באוטומציות הפועלות מבלי לעקוב אחר צריכת הקרדיטים עשויים למצוא את המודל של Zapier, המבוסס על משימות, פשוט יותר לעבודה. מודל המשימות של Zapier גובה תשלום על פעולות שהושלמו בפועל ולא על שלבים בודדים.

בנוסף, ל-Make יש פחות אינטגרציות מובנות בהשוואה ל-Zapier (מעל 3,500 מול מעל 9,000), כך שאם סל הכלים כולל אפליקציות נישתיות או מערכות ישנות, המשתמשים ירצו לוודא ש-Make תומכת בהן לפני שיתחייבו.

השוואת תמחור ומאפיינים בין Make לבין Zapier

על הנייר, Make נראית כאפשרות המשתלמת יותר: תוכנית Core שלה מתחילה ב-12 דולר לחודש, בעוד שהתוכנית הזולה ביותר בתשלום של Zapier מתחילה ב-19.99 דולר לחודש. עם זאת, מחיר הבסיס אינו מציג את התמונה השלמה משום שמודלי החיוב פועלים באופן שונה: Make מחייבת על טריגרים, בעוד Zapier מחייבת אך ורק על משימות שהושלמו.

עבור צוותים המבצעים אוטומציה על פני מגוון רחב של כלים, ספריית האינטגרציות של Zapier רחבה במידה ניכרת (מעל 9,000 אפליקציות לעומת כמה אלפים ב-Make). הבדל מרכזי נוסף נוגע לעקומת הלמידה: בונה התהליכים של Make מתאפיין בעקומת למידה תלולה, עד כדי כך שצוות התמיכה של Make עצמו הציע למשתמשים להשלים כ-19 שעות של הדרכה במסגרת Make Academy בטרם ינסו לבנות תהליכי עבודה בסביבת ייצור (production). עבור ארגונים ללא רקע טכני מתאים, מצב זה עלול להוביל לצורך בגיוס או שכירת מומחה אוטומציה ייעודי, עלות שיכולה לעלות במהירות על החיסכון בדמי המנוי החודשיים.

לפיכך, המדריך מציין כי Make מתאימה למשתמשים טכניים שיש להם את הזמן לשלוט בלוח העבודה ואת המשמעת לעקוב אחר השימוש, בעוד שעבור רוב הצוותים הזקוקים לאוטומציות מהירות במגוון אפליקציות רחב ללא מומחה ייעודי, Zapier מהווה בחירה מתאימה יותר. בסיכומו של דבר, התמחור של Make בנוי על פשרה בין שליטה מדויקת יותר בעלות לכל פעולה לבין הצורך בתשומת לב רבה יותר לניהול המכסה. חריגה מהחישוב עלולה לגרום לעצירת תהליכים באמצע החודש או לעלייה בלתי צפויה בהוצאות. המאמר פורסם במקור במרץ 2026 ועודכן לאחרונה בנובמבר 2026.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של Zapier. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

כיצד צריכה בינה מלאכותית לבקש אישור: לקחי Zapier מפיתוח Sidekick
ניתוח
4 דקות
מ־Zapier

כיצד צריכה בינה מלאכותית לבקש אישור: לקחי Zapier מפיתוח Sidekick

בפוסט שפרסמה חברת Zapier, מפרטת החברה את הלקחים מפיתוח מנגנון ההרשאות בסביבת העבודה Sidekick. המערכת עברה מספר איטרציות: החל מבקשת אישור על כל כלי בנפרד, דרך הצמדת כללים למשאבים מוגנים (כמו קבצים או חשבונות), ועד להעברת בקשות האישור מחוץ לזרם הצ'אט לפאנל ייעודי ותיבת דואר נכנס. בנוסף, Zapier בחנה מצב Auto שבו בודק בינה מלאכותית מקבל החלטות על בסיס כללים בשפה חופשית, ומצב YOLO שבוטל לאחר שהתברר כי דילוג גורף על אישורים אינו מתאים לסביבת העבודה. כעת מפתחת החברה מצב חדש המבוסס על הפיכות הפעולה וההקשר שלה.

קרא עוד
תוכנות ואפליקציות לניהול עובדים לשנת 2026: שבע המובילות לפי Zapier
ניתוח
5 דקות
מ־Zapier

תוכנות ואפליקציות לניהול עובדים לשנת 2026: שבע המובילות לפי Zapier

בסקירה מאת קריסטינה לורן בבלוג של Zapier הוצגו שבע אפליקציות מובילות לניהול עובדים לשנת 2026, שנבחרו בעקבות מחקר ושיחות עם מנהלי משאבי אנוש. הסקירה מדגישה פתרונות בתחומי ניהול משימות, תזמור בינה מלאכותית, תקשורת ניידת ושכר, בהם monday.com, Zapier, Connecteam, BambooHR, Gusto, Leapsome ו-Eddy, לצד שורה של מערכות מומחיות נוספות.

קרא עוד
קלוד מול ChatGPT בשנת 2026: השוואת יכולות וסוכני בינה מלאכותית
ניתוח
4 דקות
מ־Zapier

קלוד מול ChatGPT בשנת 2026: השוואת יכולות וסוכני בינה מלאכותית

סקירה השוואתית מקיפה של Zapier משנת 2026 מנתחת את ההבדלים בין Claude של Anthropic לבין ChatGPT של OpenAI. בעוד שמודלי הדגל של שתי החברות מציגים כיום יכולות דומות וחלון הקשר של עד מיליון טוקנים, היישומים נבדלים במיקוד שלהם: Claude בולט במיוחד בתחום פיתוח הקוד האוטונומי באמצעות Claude Code (המחזיק ב-54% משוק הפיתוח הארגוני לפי Menlo Ventures) ובעבודה יצירתית טבעית, בעוד ש-ChatGPT מציע ארגז כלים רחב יותר הכולל יצירת תמונות, עריכת מסמכים ב-Canvas, סוכן דפדפן מובנה וכלי ChatGPT Work לאוטומציה של משימות מורכבות.

קרא עוד
מה הם ChatGPT dots? סקירת סוכני ה-AI הרציפים של OpenAI
מוצר חדש
4 דקות
מ־Zapier

מה הם ChatGPT dots? סקירת סוכני ה-AI הרציפים של OpenAI

לפי מאמר בבלוג Zapier, חברת OpenAI השיקה את ChatGPT dots — סוכני AI הפועלים ברציפות בענן המחוברים ליישומי המשתמש ומסוגלים לפעול באופן פרואקטיבי גם כשהמחשב הנייד כבוי. הסוכנים מבוססים על דגמי GPT-6 Astra, פועלים על גבי מחשב ענן עם מערכת Linux ודפדפן Chrome, ויכולים לפעול דרך תוספי ChatGPT ו-Zapier. בבדיקה מעשית שערך הכותב, הסוכן סייע במטלות שגרתיות וזיהה תשלומים שנדחו, אך פספס פריטים דחופים בעלי שיקול דעת. השירות זמין כעת למנויי Pro ו-Business Premium.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
מעבר לייצור קוד: מדריך לפיתוח תוכנה מבוסס סוכנים ב-GitHub
ניתוח
4 דקות
מ־GitHub AI and ML

מעבר לייצור קוד: מדריך לפיתוח תוכנה מבוסס סוכנים ב-GitHub

בפוסט שפורסם בבלוג של GitHub, מוצגת מסגרת עבודה לשילוב סוכני בינה מלאכותית בארבעה שלבי פיתוח: תכנון, בנייה, אימות ותצפית. הדבר מגיע על רקע נתוני אוקטובר שהצביעו על יותר מ-1.2 מיליארד קומיטים בשבוע אחד, לצד ממצאי מחקר של Faros AI שלפיהם בקשות משיכה ממתינות 441% יותר זמן בסקירה כאשר צוותים מגבירים את אימוץ הבינה המלאכותית. המדריך סוקר כלים כגון מצב תכנון, ארגזי חול בענן, סקירות קוד אוטומטיות, וחיבור למערכות תצפית כדי לייעל את התהליך כולו.

קרא עוד
כיצד צריכה בינה מלאכותית לבקש אישור: לקחי Zapier מפיתוח Sidekick
ניתוח
4 דקות
מ־Zapier

כיצד צריכה בינה מלאכותית לבקש אישור: לקחי Zapier מפיתוח Sidekick

בפוסט שפרסמה חברת Zapier, מפרטת החברה את הלקחים מפיתוח מנגנון ההרשאות בסביבת העבודה Sidekick. המערכת עברה מספר איטרציות: החל מבקשת אישור על כל כלי בנפרד, דרך הצמדת כללים למשאבים מוגנים (כמו קבצים או חשבונות), ועד להעברת בקשות האישור מחוץ לזרם הצ'אט לפאנל ייעודי ותיבת דואר נכנס. בנוסף, Zapier בחנה מצב Auto שבו בודק בינה מלאכותית מקבל החלטות על בסיס כללים בשפה חופשית, ומצב YOLO שבוטל לאחר שהתברר כי דילוג גורף על אישורים אינו מתאים לסביבת העבודה. כעת מפתחת החברה מצב חדש המבוסס על הפיכות הפעולה וההקשר שלה.

קרא עוד
חיבור ידע מוצר לסוכני בינה מלאכותית: ארבעה לקחים מסיילספורס
ניתוח
4 דקות
מ־Salesforce Blog

חיבור ידע מוצר לסוכני בינה מלאכותית: ארבעה לקחים מסיילספורס

במאמר מאת Salesforce מפורטים ארבעה לקחים מניסיונה כמשתמשת הראשונה במוצריה (Customer Zero), ובפרט בחיבור ידע מוצר לסוכני בינה מלאכותית באמצעות Data 360 ו-Agentforce. החברה מתארת כיצד תשובות סוכן RAG תלויות באיכות התוכן הנשלף, וממליצה להעריך את מאגר הידע לפי התאמה, פער והתנגשות לפני בניית אינדקס. בנוסף מומלץ לפתח תצורות על בסיס השערות שנבדקות כמותית ואיכותית ולא לפי מפרט קשיח, להגדיר מראש מאגר נתוני ייחוס לבדיקות, ולשלב בדיקות אנושיות לצד מדדים אלגוריתמיים כדי למנוע דחיות שווא לפני עלייה לייצור.

קרא עוד
מדוע סוכני ה-AI מהירים אך התהליכים לא: המודל של סיילספורס
ניתוח
4 דקות
מ־Salesforce News

מדוע סוכני ה-AI מהירים אך התהליכים לא: המודל של סיילספורס

במאמר שפורסם בסיילספורס (Salesforce), נטען כי ארגונים רבים מתקשים להפיק ערך מבינה מלאכותית משום שהם משלבים סוכנים בשלבים בודדים בלבד, בעוד שאר התהליך ממשיך להתנהל בקצב אנושי איטי. כדי לפתור זאת, החברה פיתחה את מתודולוגיית Rapid Innovation Squads (RIS) – צוותים מצומצמים המשלבים מחזיק עניין עסקי בעל דעה עם בונים סוכנותיים, הפועלים במעגלי עבודה יומיים קצרים לצד כלי קידוד סוכנותיים. דוגמאות מיישום המודל בסיילספורס כוללות פיתוח אפליקציות ואוטומציות במכירות, בהנדסת פתרונות ובמחלקה המשפטית בתוך ימים או שבועות בודדים, שהביאו לחיסכון של מאות אלפי דולרים ולהאצה משמעותית בקבלת החלטות ובמסירת תוצאות.

קרא עוד