Attie של Bluesky: בניית פידים מותאמים בלי קוד
ניתוח

Attie של Bluesky: בניית פידים מותאמים בלי קוד

האפליקציה החדשה של Bluesky משתמשת ב-Claude וב-AT Protocol כדי לתת למשתמשים שליטה באלגוריתם

6 דקות קריאה
מבוסס על כתבה שלTechCrunch ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

✨תקציר מנהלים

נקודות עיקריות

  • Attie של Bluesky משתמש ב-Claude וב-AT Protocol כדי לאפשר בניית פידים מותאמים בלי קוד, תחילה בבטא סגורה.

  • Bluesky מדווחת על 43.4 מיליון משתמשים ועל גיוס של 100 מיליון דולר, עם יותר מ-3 שנות runway.

  • המשמעות לעסקים: ממשקי שפה טבעית יכולים להפוך לשכבת הפעלה מעל WhatsApp Business API, ‏Zoho CRM ו-N8N.

  • פיילוט ישראלי בסיסי לחיבור WhatsApp, CRM וסיווג AI יכול לנוע סביב ₪3,500-₪12,000 בהקמה, תלוי בהיקף.

  • עסקים בישראל צריכים לבחון API פתוח, הרשאות מידע ועמידה בחוק הגנת הפרטיות לפני הטמעה.

Attie של Bluesky: בניית פידים מותאמים בלי קוד

  • Attie של Bluesky משתמש ב-Claude וב-AT Protocol כדי לאפשר בניית פידים מותאמים בלי קוד, תחילה...
  • Bluesky מדווחת על 43.4 מיליון משתמשים ועל גיוס של 100 מיליון דולר, עם יותר מ-3...
  • המשמעות לעסקים: ממשקי שפה טבעית יכולים להפוך לשכבת הפעלה מעל WhatsApp Business API, ‏Zoho CRM...
  • פיילוט ישראלי בסיסי לחיבור WhatsApp, CRM וסיווג AI יכול לנוע סביב ₪3,500-₪12,000 בהקמה, תלוי בהיקף.
  • עסקים בישראל צריכים לבחון API פתוח, הרשאות מידע ועמידה בחוק הגנת הפרטיות לפני הטמעה.

Attie לבניית פידים מותאמים ב-Bluesky: למה זה חשוב עכשיו

Attie הוא עוזר בינה מלאכותית שמאפשר לבנות פיד מותאם אישית בשפה טבעית, בלי לכתוב קוד. לפי ההצגה של Bluesky, המוצר החדש נשען על Claude של Anthropic ועל AT Protocol, ומגיע בזמן שבו פלטפורמות חברתיות גדולות מנסות לשלוט באלגוריתם במקום לתת שליטה למשתמש. עבור עסקים בישראל, זהו סימן רחב יותר: ממשקי שיחה הופכים לשכבת ההפעלה החדשה של מערכות דיגיטליות, ולא רק של צ'אטבוטים.

החשיבות המיידית אינה דווקא ברשת החברתית עצמה, אלא בעקרון. אם משתמש יכול להגדיר פיד אישי באמצעות משפט כתוב, מנהל מכירות או שירות יכול לצפות לדרוש בקרוב את אותו דבר גם ממערכת CRM, ממוקד WhatsApp או ממערכת משימות. לפי McKinsey, ארגונים שמטמיעים בינה מלאכותית גנרטיבית בתהליכי עבודה מתמקדים יותר ויותר בממשקי שפה טבעית כדרך לקצר זמן הטמעה ולהרחיב שימוש פנימי. במילים פשוטות: מה שקורה היום ב-Bluesky יכול להפוך מחר לסטנדרט עסקי.

מה זה פיד מותאם אישית מבוסס שפה טבעית?

פיד מותאם אישית הוא מנגנון שמסנן, מדרג ומציג תוכן לפי כללים שהמשתמש מגדיר. בהקשר העסקי, המשמעות היא מעבר ממערכות שנשלטות בידי תפריטים וחוקים קשיחים, למערכות שמבינות הוראה כמו "הצג לי פוסטים על שיווק B2B מ-24 השעות האחרונות". במקרה של Attie, לפי הדיווח, המשתמש פשוט כותב מה הוא רוצה לראות, והמערכת בונה עבורו את הפיד. זה חשוב משום ש-43.4 מיליון המשתמשים שעליהם דיווחה Bluesky מייצרים מסה קריטית של שימוש, ניסוי ולמידה סביב מודל של שליטת משתמש.

מה Bluesky השיקה בפועל עם Attie

לפי TechCrunch, Attie הוא מוצר עצמאי ולא פיצ'ר בתוך אפליקציית Bluesky. ג'יי גרייבר, לשעבר מנכ"לית Bluesky וכיום Chief Innovation Officer, ו-CTO פול פרייזי הציגו את המוצר בכנס Atmosphere. המערכת מבוססת על Claude של Anthropic ופועלת על גבי AT Protocol, או atproto. בשלב הראשון, משתתפי הכנס ישמשו בודקי בטא ראשונים. לפי טוני שניידר, המנכ"ל הזמני ושותף ב-True Ventures, המטרה היא לאפשר ליותר אנשים לבנות על גבי האקוסיסטם בלי לדעת קוד.

לפי הדיווח, Attie יודע להבין את ההקשר הקיים של המשתמש משום שהמערכת נשענת על כניסה דרך חשבון Atmosphere, כלומר זהות שפועלת באפליקציות שרצות על atproto, כולל Bluesky. המשתמש יוכל לשאול אילו פוסטים כדאי לראות או לשתף מחדש, ולבנות פיד אישי מתוך שיחה. בהמשך, Bluesky מתכננת לא רק ליצור ולצפות בפידים, אלא גם לאפשר למשתמשים "לכתוב באווירה" יישומים חברתיים וכלים לאחרים. זהו מהלך מעניין משום שהוא מרחיב את תפקיד ה-AI מעוזר תוכן לעוזר מוצר.

המודל העסקי והיציבות של Bluesky

מעבר למוצר עצמו, Bluesky דיווחה כי גייסה עוד 100 מיליון דולר בסבב שנסגר בשנה שעברה, מה שלדברי החברה מספק יותר מ-3 שנות runway. זה נתון חשוב, כי מוצרים מבוססי פרוטוקול פתוח דורשים סבלנות הונית. החברה גם הבהירה כי אינה מתכננת אינטגרציית קריפטו, למרות משקיעים מהתחום. במקום זאת, היא בוחנת מודלים כמו מנויים ושירותי hosting לקהילות. שניידר אף השווה את פוטנציאל האקוסיסטם של Atmosphere ל-WordPress, שמגלגל לדבריו יותר מ-10 מיליארד דולר בשנה דרך מערכת מבוזרת של תוספים, שירותים ועסקים.

ניתוח מקצועי: למה ממשק שיחה לאלגוריתם משנה את כללי המשחק

מניסיון בהטמעה אצל עסקים ישראלים, המשמעות האמיתית כאן אינה רק "עוד אפליקציית AI". Attie מדגים מעבר עמוק יותר: משתמשי קצה מתחילים לצפות לנהל לוגיקה עסקית באמצעות שיחה, ולא דרך מסכי הגדרות מורכבים. אם אתמול בניית כלל סינון דרשה מפתח, היום היא עשויה להתחיל במשפט אחד. מנקודת מבט של יישום בשטח, זה בדיוק הכיוון שבו נעים גם תהליכים פנימיים בארגונים: סוכן ששואל בעברית אילו לידים דחופים, מנוע שמסווג שיחות WhatsApp לפי כוונת רכישה, או חיבור בין Zoho CRM ל-N8N שמייצר תור משימות אוטומטי בלי אפיון טכני כבד.

כאן גם טמון ההבדל בין הדגמה מעניינת לבין ערך עסקי. כדי שממשק כזה יעבוד בארגון, הוא חייב לשבת על שכבת נתונים אמינה, הרשאות ברורות ופעולות מוגדרות. אחרת, מקבלים צ'אט נעים אך לא תהליך מדיד. לכן, עבור עסקים, הלקח מ-Attie הוא לא לרוץ לבנות רשת חברתית, אלא להבין שהדור הבא של אוטומציה עסקית יתבסס על הוראות בשפה טבעית מעל מערכות כמו CRM, WhatsApp Business API ומנועי תזמור כמו N8N. התחזית שלי ל-12 החודשים הקרובים: יותר ספקים יציעו "בנו תהליך באמצעות שיחה", אבל רק מי שיחבר זאת לנתוני לקוח אמיתיים יספק תוצאה עסקית.

ההשלכות לעסקים בישראל: ממשרדי עורכי דין עד מרפאות פרטיות

בישראל, האפקט החזק ביותר של מגמה כזו יופיע קודם כל בעסקים שיש להם עומס תקשורת, נתונים מבוזרים וצורך בתגובה מהירה. משרדי עורכי דין, סוכני ביטוח, קליניקות פרטיות, חברות נדל"ן וחנויות אונליין מנהלים במקרים רבים שיחות ב-WhatsApp, טפסי לידים, גיליונות Excel ומערכת CRM נפרדת. כשממשק שיחה הופך לכלי שבונה "פיד" או תצוגה מותאמת, המשמעות עבורם היא יכולת לנסח דרישה עסקית ישירות: "הצג לי את כל הלידים שלא קיבלו מענה ב-30 הדקות האחרונות" או "רכז את כל הלקוחות שחזרו עם שאלה על הצעת מחיר השבוע".

דוגמה מעשית: סוכנות נדל"ן ישראלית יכולה לחבר WhatsApp Business API, ‏Zoho CRM ו-N8N כך שכל הודעה נכנסת תסווג לפי כוונה, תקושר לכרטיס לקוח, ותופיע לנציג בתצוגה מותאמת. עלות פיילוט בסיסי כזה בשוק הישראלי נעה לעיתים סביב ₪3,500-₪12,000 להקמה ראשונית, ועוד מאות עד אלפי שקלים בחודש עבור API, אחסון ותחזוקה, תלוי בהיקף. כאן נכנס גם ההיבט הרגולטורי: עסקים בישראל חייבים לבחון הרשאות גישה, שמירת מידע ועמידה בדרישות חוק הגנת הפרטיות, במיוחד כאשר AI מסכם שיחות לקוח או מציע פעולות אוטומטיות. לכן המעבר לממשקי שפה טבעית צריך להתבצע עם ארכיטקטורה מסודרת, ולא רק עם דמו יפה. לעסקים שרוצים לחבר בין שיחה, נתוני לקוח ופעולה, השילוב של מערכת CRM חכמה עם ערוץ WhatsApp וסוכני AI הוא כבר לא חזון אלא מסלול יישום ממשי.

מה לעשות עכשיו: צעדים מעשיים לעסק ישראלי

  1. בדקו אם ה-CRM הנוכחי שלכם, כמו Zoho, HubSpot או Monday, תומך ב-API פתוח וב-webhooks. בלי זה, קשה לייצר שכבת שיחה אמינה.
  2. הריצו פיילוט של שבועיים סביב תרחיש אחד בלבד: מיון לידים, סיכום שיחות או תיעדוף פניות. פיילוט ממוקד זול יותר ומייצר מדד ברור של זמן תגובה או יחס המרה.
  3. חברו ערוץ תקשורת אחד, רצוי WhatsApp Business API, למנוע תזמור כמו N8N לפני שמוסיפים עוד מערכות. מורכבות גבוהה מדי בשלב ראשון הורסת פרויקטים.
  4. הגדירו מדיניות נתונים: מי רואה מה, אילו שדות נשלחים למודל, ואילו פעולות דורשות אישור אנושי. זה קריטי לא פחות מהמודל עצמו.

מבט קדימה: לאן השוק הזה הולך

Attie הוא מוצר ניסיוני מוקדם, אבל האיתות ממנו ברור: שליטה באלגוריתם ובתצוגת מידע עוברת בהדרגה מהפלטפורמה למשתמש. ב-12 עד 18 החודשים הקרובים נראה יותר מוצרים שמאפשרים לבנות זרימות עבודה, פידים וכלים עסקיים דרך שיחה פשוטה. עבור עסקים בישראל, הטכנולוגיה שכדאי לעקוב אחריה אינה רק מודל השפה עצמו, אלא כל הסטאק שמחבר AI Agents, ‏WhatsApp Business API, ‏Zoho CRM ו-N8N לכדי תהליך מדיד, מהיר ומבוקר.

שאלות ותשובות

שאלות נפוצות

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

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

מודל Jev של TypeSafe AI: קבלת החלטות מהירה לאוטומציה ללא הזיות
מוצר חדש
4 דקות
מ־TechCrunch

מודל Jev של TypeSafe AI: קבלת החלטות מהירה לאוטומציה ללא הזיות

חברת TypeSafe AI, שהוקמה על ידי חוקר OpenAI לשעבר דיוגו אלמיידה, השיקה את Jev — מודל טרנספורמר חדש שאינו מפיק טקסט אלא הסתברויות והחלטות מכוילות. המודל מאפשר קבלת החלטות מהירה וזולה לאוטומציית תוכנה ללא סכנת הזיות, הודות להגדרת הפלטים מראש על ידי המשתמש ואימונו הבלעדי על נתונים סינתטיים. מפתחים מדווחים על שיפורי מהירות משמעותיים ועלויות נמוכות בהשוואה למודלי שפה מסורתיים.

קרא עוד
מילון מונחי AI מקיף: המושגים המרכזיים שצריך להכיר
ניתוח
4 דקות
מ־TechCrunch

מילון מונחי AI מקיף: המושגים המרכזיים שצריך להכיר

במדריך מושגים מקיף שפורסם ב-TechCrunch, מציגים כתבי האתר מילון מונחים מרכזי בעולם הבינה המלאכותית. המילון כולל הגדרות ברורות למונחים כמו AGI, סוכני AI, סוכני תכנות, ארכיטקטורת תערובת מומחים (MoE), פרוטוקול MCP לחיבור מקורות מידע, וטכניקת הישנות עמומה (Opaque recurrence) המייעלת עיבוד אך מעלה שאלות בטיחות ומעקב. בנוסף מפורטים תהליכי אימון, זיקוק, הסקה, מטמון זיכרון והשפעות המחסור בחומרת זיכרון המכונה RAMageddon.

קרא עוד
מדוע הציבור מסרב לקנות את חזון הבינה המלאכותית של מארק צוקרברג?
ניתוח
5 דקות
מ־TechCrunch

מדוע הציבור מסרב לקנות את חזון הבינה המלאכותית של מארק צוקרברג?

על פי דיווח של TechCrunch, מנכ"ל מטה מארק צוקרברג פרסם מניפסט אופטימי בן 6,500 מילים המבטיח עתיד שבו לכל אדם יהיה עוזר בינה מלאכותית אישי רב-עוצמה. עם זאת, בפודקאסט Equity של האתר מסבירים העורכים מדוע הציבור והתעשייה מתקשים לקבל חזון זה. הדיון חושף את ההיסטוריה הבעייתית של מטה עם רשתות חברתיות – שהבטיחו חיבור והביאו פרסומות והקצנה – לצד מגבלות מעשיות של המודל החדש Glimmer, הדורש חומרה ייעודית שאינה נגישה לצרכן הממוצע. בנוסף, מנותח הניסיון של מטה למצב עצמה מול חברות כמו Anthropic, בעוד מוצריה הנוכחיים נתפסים לעיתים כצ'אטבוטים לא מושכים.

קרא עוד
דאטאבריקס גייסה 5 מיליארד דולר לפי שווי של 190 מיליארד
חדשות
3 דקות
מ־TechCrunch

דאטאבריקס גייסה 5 מיליארד דולר לפי שווי של 190 מיליארד

לפי דיווח ב-TechCrunch, חברת דאטאבריקס (Databricks) השלימה גיוס הון של 5 מיליארד דולר לפי הערכת שווי של 190 מיליארד דולר. מנכ״ל החברה, עלי גודסי, שיתף כי החברה תכננה במקור לגייס מיליארד דולר בלבד, אך ביקוש עצום של משקיעים שהגיע ל-15 מיליארד דולר הוביל להגדלת הסבב כדי לשמור על יחסים טובים עם שותפיה. הגיוס הובל על ידי Coatue לצד Blackstone, MGX, Sixth Street Growth ו-T. Rowe Price. החברה מציגה נתונים חזקים עם קצב הכנסות שנתי מורץ של 7 מיליארד דולר וצמיחה של 80%. גודסי הסביר כי הגיוס נדרש בשל עלויות ה-AI הגבוהות, הכוללות התחייבויות ענן במיליארדי דולרים וצוות מחקר של כ-100 אנשים, וכן לצורך רכישות נוספות כגון חברת Electric שנרכשה השבוע.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
משילות ותזמור סוכני AI: תובנות מכנס AGNTCon Europe 2026
ניתוח
4 דקות
מ־SiliconANGLE AI

משילות ותזמור סוכני AI: תובנות מכנס AGNTCon Europe 2026

בטור דעה שפורסם ב-SiliconANGLE סוקר ג'ייסון בלומברג מחברת הייעוץ Intellyx את כנס AGNTCon + MCPCon Europe 2026 באמסטרדם. בלומברג מציין כי בעוד ששוק סוכני הבינה המלאכותית (Agentic AI) נמצא בראשית דרכו, הדגש בקרב חברות הסטארט-אפ עבר מיישומי חזית לפתרונות עסקיים מעשיים. הטור מציג שבע חברות המדגימות מענה לאתגרי משילות, תזמור סוכנים, תוספי מודלי שפה ומשמעת ארכיטקטונית בפיתוח קוד. בין החברות שנסקרו: Traefik Labs, Bluerock Security, Orkes, Grape Up, Manufact, Alpic ו-Reboot. לפי הניתוח, הדרישה העסקית לערך יישומי היא שמניעה את הפיתוחים לבקרת סיכונים ולשליטה בפעילות הסוכנים.

קרא עוד
עקרונות לעיצוב בינה מלאכותית קולית ומסגרת איכות השיחה
ניתוח
4 דקות
מ־Salesforce Blog

עקרונות לעיצוב בינה מלאכותית קולית ומסגרת איכות השיחה

מאמר מקצועי מציג את עקרונות העיצוב של בינה מלאכותית קולית (Voice AI), המבוססים על דינמיקות שיחה בזמן אמת. המאמר סוקר את מסגרת איכות הקול (Voice Quality Framework) הכוללת שלושה רבדי כשל ו-15 היוריסטיקות להערכת חוויית המשתמש, ומפרט את יישום העיצוב ב-Agentforce באמצעות שילוב של הנחיות פרומפט, לוגיקה דטרמיניסטית והגדרות ערוץ קולי.

קרא עוד
תזמור תהליכים: מודלי ביצוע, אתגרי ייצור ותזמור מול כוריאוגרפיה
ניתוח
4 דקות
מ־n8n

תזמור תהליכים: מודלי ביצוע, אתגרי ייצור ותזמור מול כוריאוגרפיה

בפוסט שפורסם בבלוג של n8n, נסקרים מודלי הביצוע המרכזיים בתזמור תהליכים (Process Orchestration): דטרמיניסטי, דינמי וסוכני (Agentic). המאמר מנתח את הפשרות בין יכולת ניבוי, הסתגלות ואוטונומיה, מציג את המאפיינים של תהליכים המתאימים לתזמור מרכזי, וסוקר אתגרי ייצור נפוצים כגון צווארי בקבוק, השחתת מצב, נדידת סכמות וניפוי שגיאות במערכות מבוזרות. כמו כן, מוסברים ההבדלים בין תזמור לכוריאוגרפיה ואוטומציית משימות בודדות.

קרא עוד
הרחבת השימוש בסוכני פיתוח ב-Salesforce ל-15,000 מהנדסים
ניתוח
4 דקות
מ־Salesforce News

הרחבת השימוש בסוכני פיתוח ב-Salesforce ל-15,000 מהנדסים

בפוסט הנדסי שפורסם מטעם Salesforce מפורט כיצד הורחב השימוש בסוכני פיתוח בינה מלאכותית ל-15,000 מהנדסים בחברה. לפי הדיווח, המהלך לווה בעלייה של 90.5% בהשלמת משימות למפתח ועלייה של 200.3% במדד הפרודוקטיביות Effective Output שפותח עם אוניברסיטת סטנפורד. התהליך כלל פיילוט של 30 ימים, הגדרת מודל בשלות בן תשעה שלבים, ומשמעת ניהול הקשר וטוקנים שהביאה לחסכון כספי ולשיפור איכות הקוד.

קרא עוד