המודל כבר לא המוצר. ה-Harness הוא.

Instinct, ChatGPT, Claude ו-Grok Bot נראים במבט ראשון כמו ארבעה מוצרי AI שמתחרים על אותו משתמש. אבל הם מציעים ארבע תשובות שונות לשאלה הרבה יותר מעניינת: כמה אחריות אנחנו מוכנים להעביר ל-AI, ואיזו מערכת אנחנו בונים סביב המודל כדי שהוא יוכל באמת לפעול בעולם.

בשנתיים האחרונות התרגלנו לשאול את אותה שאלה בכל פעם שיוצא מוצר AI חדש:

איזה מודל יש בפנים?

GPT? Claude? Grok? מודל פרטי? כמה הוא קיבל ב-benchmark? כמה גדול ה-context window שלו? מי יותר טוב בקוד?

אני חושב שאנחנו מתחילים לשאול שאלה שכבר לא מספיקה.

המודל עדיין חשוב מאוד. אבל הפער בין המוצרים המעניינים ביותר כרגע כבר לא נקבע רק לפי רמת האינטליגנציה שלו.

הוא נקבע לפי כל מה שנמצא מסביב למודל.

הזיכרון. הכלים. ההרשאות. המחשב. החיבורים למערכות. היכולת לפעול באופן עצמאי. מנגנוני האישור. היכולת להמשיך לעבוד כשאנחנו כבר לא שם.

למערכת הזאת קוראים Harness: שכבת ההפעלה שמחברת את המודל לכלים ולעולם, מנהלת את ההקשר שלו ומגבילה את הפעולות שלו.

במילים אחרות: ה-Harness הופך להיות המוצר.

ארבעה מוצרים, ארבע פילוסופיות

נסתכל על Instinct, ChatGPT, Claude ו-Grok Bot.

ברמת הממשק כולם מאפשרים לנו לכתוב משפט בשפה טבעית ולקבל עזרה מ-AI. אבל מתחת לממשק הזה הם בונים מערכות עם דגשים שונים מאוד. זו לא חלוקה מוחלטת, והיכולות שלהם חופפות יותר ויותר. ההבדל הוא בנקודת הפתיחה ובסוג האחריות שכל אחד מהם מבקש שנעביר אליו.

Instinct: אל תפתח אפליקציה. פשוט תבקש

Instinct הוא ביטוי מובהק לרעיון של Personal AI Assistant.

החברה מתארת עוזר שמחובר לאפליקציות ולמכשירים שלך: email, messaging, screen, audio, location ועוד. אפשר לכתוב לו או להתקשר אליו. ההבטחה היא שלא צריך ללמוד עוד ממשק כדי לקבל עזרה.

והמטרה היא לא רק לענות. המטרה היא לטפל בדברים.

לעקוב אחרי thread ששכחת ממנו. להזמין הסעה לשדה. למצוא בעל מקצוע. לתאם משהו. להתקשר. לשלוח הודעה. לטפל בלוגיסטיקה של החיים.

זה הבדל משמעותי.

אם לתאר את ההבדל במילים שלי, ChatGPT התחיל מהמקום של: ״שאל אותי כל דבר״. Instinct מתחיל הרבה יותר קרוב ל: ״תן לי את זה. אני אטפל בזה״.

וזה נשמע כמו שינוי קטן, אבל ארכיטקטונית מדובר בעולם אחר.

כדי שהמערכת תוכל ״לטפל בזה״, היא צריכה לדעת מי אתם, מה חשוב לכם, למי אתם מדברים, באילו שירותים אתם משתמשים, מה מותר לה לעשות, ואיך לפעול בעולם בשמכם.

הערך שלה נמצא פחות בחלון הצ'אט ויותר בהרשאות ובהקשר שסביבו.

וזה גם בדיוק המקום שבו מתחיל הסיכון.

ChatGPT: מהעוזר הכללי למערכת עבודה

ChatGPT מגיע מהכיוון הרחב ביותר. מחקר. כתיבה. חשיבה. קוד. נתונים. תמונות. מסמכים.

אבל ChatGPT של היום כבר רחוק מאוד מה-chatbot שבו התחלנו.

ChatGPT Work יכול לבצע משימות מרובות שלבים, לעבוד עם קבצים ואפליקציות מחוברות ולייצר תוצרים. במשימות נתמכות שרצות בענן, העבודה יכולה להימשך גם כשאנחנו לא בשיחה. הגישה בפועל תלויה בסביבת ההרצה, בכלים ובהרשאות.

Scheduled Tasks מאפשרות עבודה לפי לוח זמנים. בתוכניות זכאיות, ב-web וב-mobile, אפשר גם להפעיל משימות בתגובה לאירועים נתמכים ב-Gmail, Slack או GitHub. אלה טריגרים מוגדרים, לא האזנה חופשית לכל מה שקורה בכל אפליקציה.

Skills, Plugins ומשימות חוזרות מאפשרים להפוך בקשות חד-פעמיות לתהליכי עבודה שאפשר לחזור אליהם.

כלומר, OpenAI נעה בהדרגה משיחה עם אינטליגנציה להאצלת עבודה לאינטליגנציה.

ההבדל עדיין מורגש בחוויית השימוש. הרבה מהעבודה מתחילה כשאנחנו נכנסים ל-ChatGPT ומבקשים משהו.

אבל הגבול הולך ונעלם.

Claude: מהנדס שהפך לעמית לעבודה

Claude עבר תהליך דומה, אבל במסלול מעט שונה.

Claude Code הפך את ה-agentic workflow למשהו שמפתחים משתמשים בו ביום-יום. המערכת יכולה לקרוא repository, לשנות קבצים, להריץ פקודות, לבדוק תוצאות ולתקן. העבודה יכולה לכלול גם subagents, בכפוף לכלים ולהרשאות שניתנו להם.

Cowork לקח את אותה תפיסה אל מחוץ לקוד. Anthropic כבר מציגה את המעבר של Cowork אל תוך Claude עצמו, בהשקה הדרגתית.

Connectors, Skills, Plugins, קבצים, דפדפן ומסמכים הופכים את Claude ממודל שאנחנו מדברים איתו למערכת שאפשר להפקיד בידיה תהליך עבודה שלם.

זה לא אומר שכל משימה תושלם בלי עזרה. Anthropic עצמה מתארת את האתגר של שמירת התקדמות לאורך משימות ארוכות וחלונות הקשר מרובים. הזיכרון, התיעוד, הבדיקות והעברת המצב בין שלבי העבודה הם חלק מהפתרון.

וזה בדיוק העניין. אנחנו עוברים מ-AI שמייצר תשובות ל-AI שמייצר תוצאות.

Grok Bot: אל תפתח עוד Chat. תעסיק Bot.

ואז מגיע Grok Bot ולוקח את המטאפורה צעד נוסף.

Worker.

יוצרים Bot עם שם ותפקיד. הוא עובד על מחשב בענן, עם דפדפן, מערכת קבצים ו-terminal. הוא שומר הקשר לאורך זמן, יכול להמשיך לעבוד כשהמחשב שלכם סגור ולהריץ Routines באופן חוזר.

ואפשר ליצור כמה כאלה.

Bot למחקר. Bot לשיווק. Bot לפיתוח. Bot ל-product operations.

Bots יכולים לעבוד במקביל, להעביר עבודה ביניהם ולשתף הקשר. הזיכרון והשיחות נשמרים בנפרד לכל Bot, בעוד שקבצים והעברות עבודה מאפשרים שיתוף ביניהם.

זה שינוי מעניין מאוד במודל המנטלי. אנחנו כבר לא שואלים רק איזו שיחה לפתוח. אנחנו שואלים למי לתת את העבודה הזאת.

וזה הרבה יותר קרוב למבנה של ארגון מאשר למבנה של chatbot.

אז מי מהם ״הכי טוב״?

זו בדיוק השאלה שאני חושב שכדאי להפסיק לשאול בלי להגדיר קודם מה אנחנו מבקשים להעביר לידיו.

אפשר לקחת את אותו frontier model, לשים אותו בתוך ארבע מערכות שונות ולקבל ארבעה מוצרים שמתנהגים אחרת לחלוטין. זה ניסוי מחשבתי, לא טענה שארבעת המוצרים האלה משתמשים באותו מודל.

המודל משפיע על מה שהמערכת מסוגלת להבין ולתכנן.

אבל ה-Harness קובע, יחד עם ההרשאות והבקרות של המערכות המחוברות:

• מה היא יכולה לראות
• מה היא זוכרת
• לאילו מערכות יש לה גישה
• אילו credentials עומדים לרשותה
• אילו פעולות היא יכולה לבצע
• מה דורש אישור אנושי
• כמה זמן היא יכולה להמשיך לעבוד
• מי עוצר אותה כשמשהו משתבש

וזה כבר לא פרט מימוש.

זה המוצר.

אותו מוח. חיה אחרת.

תחשבו על מודל חזק מאוד שמקבל prompt.

במקרה הראשון יש לו רק קלט ופלט של טקסט. היכולת שלו לפעול ישירות בעולם מוגבלת, גם אם הטקסט עצמו עדיין יכול לגרום נזק.

עכשיו ניתן לאותו מודל דפדפן.

אחר כך terminal.

אחר כך Gmail. Slack. Google Drive. CRM. אמצעי תשלום. מיקום. Calendar.

ואז זיכרון קבוע.

ואז משימות מתוזמנות.

ואז נאפשר לו להפעיל agents נוספים.

לא שינינו את המודל אפילו פעם אחת.

אבל בכל שלב יצרנו מערכת אחרת לחלוטין.

Same model. Different harness. Different animal.

וזה אולי הדבר החשוב ביותר להבין בגל הנוכחי.

הבעיה הגדולה מתחילה דווקא כשה-Agent טוב

הרבה מהשיח סביב AI Safety מתמקד בתרחיש של agent ״רע״. מודל שהשתגע. Agent שנפרץ. מערכת שמתעלמת מההוראות שלה.

אבל הסיטואציה המעניינת יותר היא לעיתים ההפוכה. Agent מצוין.

הוא מבין את המטרה. הוא יצירתי. הוא עקבי. הוא יודע לחבר כלים ומידע. והוא פועל בהתמדה כדי להשלים את המשימה שנתתם לו.

עכשיו תנו לו credentials אמיתיים. זיכרון מתמשך. דפדפן מחובר לחשבונות. יכולת לבצע עסקאות. Agents אחרים שהוא יכול להפעיל.

ופתאום השאלה אינה רק: האם המודל בטוח?

מה בדיוק המערכת מאפשרת למודל לעשות כשהוא מנסה להיות מועיל?

זו שאלת Harness.

וכאן גם נמצא גבול אבטחה נוסף

Grok Bot מדגים את זה היטב.

התיעוד שלו מציין שה-Bots של משתמש חולקים את אותו מחשב בענן, כולל קבצים, browser sessions וכניסות לאפליקציות. התיעוד מבחין בין השיתוף בתוך אותו חשבון לבין הבידוד בין משתמשים.

זאת החלטה ארכיטקטונית משמעותית.

שני Bots יכולים להרגיש כמו שני עובדים שונים בממשק. אבל מכאן לא נובע שהם שתי זהויות אבטחה נפרדות, עם הרשאות ובידוד נפרדים.

זו המסקנה הארכיטקטונית שלי מהתיעוד, לא טענה על פרצת אבטחה במוצר.

זה בדיוק הפער שארגונים יצטרכו להבין.

האם Agent הוא persona? תהליך? זהות? Security principal, כלומר ישות שלה המערכת מעניקה הרשאות?

מי הבעלים שלו? אילו credentials יש לו? איזה מידע הוא יכול להעביר ל-Agent אחר? מה ה-blast radius, היקף הנזק האפשרי, אם תהליך העבודה משתבש?

ה-Harness לא מחליף את IAM, את מערכת ההפעלה או את ההרשאות של השירות שאליו מתחברים. הוא מוסיף שכבת החלטה ואכיפה מעליהן. אם השכבות לא מתואמות, שם עלול להיפתח הפער.

אלה כבר לא שאלות עתידניות. אלה שאלות IT, AppSec, IAM ו-Governance של עכשיו.

Instinct לוקח את אותה בעיה הביתה

ובמובן מסוים Instinct מעניין אפילו יותר.

בארגון אנחנו רגילים לחשוב על בקרת גישה.

אבל בחיים האישיים?

שם ה-Agent עשוי לדעת איפה אנחנו נמצאים. לקרוא הודעות. לראות email. להכיר את ה-calendar. להשתמש בשירותים שבהם אנחנו רשומים.

וכאשר מחברים עוזר אישי גם לשירותי הזמנות או תשלום, טעות יכולה להפוך מפלט לא מוצלח לפעולה עם השלכות אמיתיות.

זה מדהים כשהכול עובד.

וזה גם מגדיל מאוד את המחיר של טעות.

לא צריך לטעון שאירוע מסוים כבר קרה כדי לראות את השאלות: מה נשמר? מי נחשף למידע? איזו פעולה דורשת אישור? ואיך מבטלים את הגישה?

לא צריך להסיק מכך שהגישה שגויה. להפך. אני חושב שזו כנראה הצצה לאיך חלק גדול מה-AI האישי שלנו ייראה. אבל זה אומר שהשאלה החשובה ביותר לא תהיה רק כמה חכם ה-Agent. השאלה תהיה כמה אנחנו סומכים על המערכת שמקיפה אותו.

לכן הקרב הבא הוא לא רק Model vs. Model

עוד יהיו benchmarks. GPT יהיה טוב יותר במשימה אחת. Claude באחרת. Grok באחרת. ייצא מודל חדש וכל הטבלאות ישתנו שוב.

אבל מתחת לרעש הזה נבנית שכבה הרבה יותר קשה להחלפה.

ה-Agent שמכיר אותי. הזיכרון שצבר הקשר לאורך זמן. הכלים שחיברתי. ההרשאות שנתתי. תהליכי העבודה שלימדתי אותו. ה-agents הנוספים שבניתי סביבו.

אני מעריך שכל אלה יכולים ליצור עלות מעבר גבוהה יותר מהחלפת המודל עצמו. וכאן נמצא לדעתי יתרון תחרותי ארוך טווח. מי בנה את המערכת שאני מוכן לתת לה אחריות אמיתית?

אנחנו עוברים מ-AI שאנחנו משתמשים בו ל-AI שעובד עבורנו

ChatGPT, Claude, Grok Bot ו-Instinct מגיעים מנקודות פתיחה שונות.

Instinct רוצה להפוך לעוזר האישי שלנו.

ChatGPT בונה סביבת עבודה כללית למגוון רחב של עבודת ידע.

Claude מתפתח לעמית שמבצע משימות, עם שורשים חזקים במיוחד בעולם ההנדסי.

Grok Bot הולך ישירות למטאפורה של צוות עובדים דיגיטליים.

אני לא חושב שאחד מהם ״ניצח״. אני גם לא בטוח שבסוף נשתמש רק באחד.

אבל הכיוון כבר די ברור.

בהתחלה שאלנו: איזה מודל נותן את התשובה הכי טובה?

אחר כך שאלנו: איזה Agent יכול לבצע את המשימה?

השאלה הבאה תהיה:

לאיזה Agent אני מוכן לתת את המפתחות?

וכשזו השאלה, המודל הוא רק חלק מהתשובה.

ה-Harness הוא המוצר.

---

תיאורי המוצרים נבדקו מול המקורות המקושרים ב-19 בספטמבר 2026. זמינות היכולות תלויה בתוכנית, בסביבת ההרצה ובהרשאות.