כשאני מספרת שאני עובדת עם AI להעלאת מוצרים, חלק מהלקוחות נעצרים. "אז את פשוט זורקת קובץ למחשב והוא עושה הכל?" לא. ממש לא. יש פה תהליך, יש בדיקות, יש אישורים ‑ ויש עיניים אנושיות בכל שלב קריטי. הפוסט הזה הוא ניסיון להסביר בדיוק מה AI עושה אצלי ומה הוא לא עושה ‑ כי הפחד מה-AI בדרך כלל נובע מהתחושה שאנשים יצאו מהמשוואה. הם לא יצאו.
מה AI עוזר לי לעשות ‑ ומה לא
AI, בהקשר של העלאת מוצרים, עוזר בשני דברים עיקריים: כתיבת תיאורים ועיבוד נתונים שחוזרים על עצמם. זהו. הוא לא מחליט על קטגוריה, לא מוודא מחיר נכון, לא יודע אם תמונה מציגה את המוצר הנכון.
אלה החלטות שדורשות הבנה של ההקשר ‑ מה הלקוח של הלקוח מחפש, מה מדיניות המחירים, מה בעלת החנות רוצה שיהיה מודגש. זה בן אדם. לא AI.
- כותבת תיאורים ידנית לכל מוצר
- מחפשת תמונות בתיקייה לא ממוינת
- מקלידה מחירים אחד אחד
- מסווגת קטגוריות ידנית
- בודקת שגיאות בדיעבד
- AI מציע טיוטת תיאור ‑ אני מאשרת
- סקריפט מזהה תמונות לפי מק"ט
- נתוני מחיר מנורמלים אוטומטית
- מיפוי קטגוריות לפי חוקים שהגדרתי
- דגלים בזמן אמת על בעיות
ההבדל הגדול: בעמודה השמאלית, אני עושה עבודה מכנית. בעמודה הימנית, אני עושה החלטות. זה מה שהיה צריך לשנות.
דוגמה מהשטח: לקוחה עם חנות נעלי הליכה, כ־600 מוצרים, כל אחד עם 3-4 תמונות ומק"ט משלו. בלי מערכת, זה שבועות של הקלדה ידנית וטעויות שחוזרות על עצמן. עם המערכת, שלב הניקוי וההתאמה לוקח יום-יומיים ומה שנשאר לי הוא לבדוק את הדגימה ולתקן ניואנסים. הזמן לא נעלם, הוא פשוט עובר למקום הנכון.
הטעות הכי נפוצה שאני רואה אצל בעלות עסקים שמנסות לעשות את זה לבד: קפיצה ישר להרצה על כל הקטלוג, בלי לעצור בשלב הדגימה. אז כשמתגלה בעיה, היא כבר קיימת באלפי מוצרים, לא בעשרים. תיקון בדיעבד יקר הרבה יותר מבדיקה לפני.
התהליך שבנוי כדי שלא יהיה "AI בלי פיקוח"
אחד הדברים שאני כי אני מסבירה ללקוחות: המערכת לא "רצה לבד". יש נקודות עצירה מובנות לאורך כל התהליך.
-
שלב 1 ‑ הגדרת חוקים עם הלקוח
לפני שסקריפט אחד רץ, אנחנו יושבים ומגדירים: מה עץ הקטגוריות, מה פורמט שם מוצר, מה כוללים בתיאור ומה לא, מה מדיניות המחיר. ה-AI לא מחליט על זה ‑ הלקוח מחליט ואני מתרגמת לחוקים שהמכונה תבצע. -
שלב 2 ‑ הרצה על דגימה לפני הכמות
לפני שמריצים על אלפי מוצרים, בוחרים 20-50 מוצרים מייצגים ומריצים קודם. בודקים שהחוקים עובדים כמו שהגדרנו. רק אחרי אישור ‑ ממשיכים לכמות. -
שלב 3 ‑ דגלים אוטומטיים ובדיקה ממוקדת
המערכת מדגללת מה שהיא לא בטוחה בו ‑ תמונה שלא נמצאה, מחיר חריג, קטגוריה שלא מתאימה לכלל. אני רואה רשימה של "מה צריך עיניים" ‑ לא מנסה לבדוק הכל מחדש. -
שלב 4 ‑ אישור לקוח לפני פרסום
הלקוח רואה דגימה מייצגת לפני שהמוצרים עולים חיים. זה לא שלב פורמלי ‑ זה שלב שמונע הפתעות.
למה זה בנוי ככה ולא פשוט "תני לי קובץ ותקבלי תוצאה"? כי הסיכון הכי גדול באוטומציה הוא לא שהיא תעבוד לאט. הסיכון הוא שהיא תעבוד מהר על הדבר הלא נכון. ארבעת שלבי העצירה קיימים בדיוק כדי לתפוס טעות לפני שהיא מתרבה.
תרחיש מהשטח: לקוח עם חנות תכשיטים ביקש שכל מוצר יכלול חומר, מידה ומשקל בתיאור. בהרצת הדגימה התגלה שהחוקים לא הגדירו מה קורה כשמוצר לא כולל משקל בקובץ המקור. עצרנו, השלמנו את החוק והרצנו מחדש רק את הדגימה. אם היינו מגלים את זה אחרי הרצה על 1,200 מוצרים, זה היה תיקון של ימים במקום דקות.
הטעות הנפוצה כאן היא לדלג על שלב 2, ההרצה על דגימה, כי "זה בזבוז זמן". זה בדיוק ההפך: הדגימה היא מה שהופכת את השלבים הבאים למהירים ובטוחים. בלעדיה, כל טעות קטנה בהגדרת החוקים הופכת לפרויקט תיקון שלם.
מקור: McKinsey Global Institute, Harnessing Automation
מה AI לא יכול להחליף ‑ ולמה זה חשוב
AI מצוין בלהציע. פחות מצוין בלהחליט. זה הבדל שחשוב להבין.
כשאני מבקשת מ-AI לכתוב תיאור מוצר לנעל טרקינג, הוא יכתוב משהו סביר. אבל הוא לא יודע: האם הלקוח רוצה להדגיש עמידות או עיצוב? מה המתחרים מדגישים? האם יש ציבור מטרה ספציפי שמדברים אליו? כל אלה ‑ שאלות שמגיעות ממני, לא ממנו.
"פחדתי שהמוצרים שלי ייראו 'כמו AI'. אבל כשראיתי את הדגימה ‑ הם נראו כמו שכתבתי אותם. רק מהר יותר."
בעלת חנות הלבשה, לאחר הפרויקט
זה בגלל שה-AI כותב לפי הוראות שקיבל ‑ וההוראות כוללות את הטון, הסגנון, מה להדגיש. כשההוראות טובות, הפלט טוב. ואת ההוראות ‑ כותבת אני, לא הוא.
דוגמה: כששאלתי AI לכתוב תיאור לתיק גב, הוא הציע "תיק גב איכותי ונוח לשימוש יומיומי". נכון, אבל לא אומר כלום. רק כשהוספתי הנחיה שהעסק מתמקד בהורים שמטיילים עם ילדים קטנים, הפלט השתנה לכיוון תאים נגישים ורצועות מרופדות. ההוראה היא שעושה את ההבדל, לא המנוע.
איך זה נראה בפועל ‑ מנקודת מבט הלקוח
הלקוח שולח קובץ ותיקיית תמונות. אנחנו נפגשים שעה-שעתיים לפני הפרויקט להגדיר חוקים. אחרי זה, הלקוח רואה את הפרויקט פעמיים: אחת בשלב הדגימה לאישור ואחת כשהוא עולה חי.
בין לבין ‑ אני עושה את כל השאר. הלקוח לא צריך להיות בתמונה בכל שלב. אבל הוא בתמונה בשלבים שבאמת משנים.
טעות נפוצה בציפיות: לקוחות מניחים שהם צריכים לבדוק כל מוצר בסוף, "רק כדי להיות בטוחים". זה בדיוק מה שהשלב הזה נועד לחסוך. אם הדגימה אושרה והחוקים לא השתנו, אין סיבה לעבור שוב על אלפי שורות. הרעיון הוא לבדוק פעם אחת נכון, לא פעמיים לא לגמרי.
| שלב | מי עושה | מה הלקוח רואה |
|---|---|---|
| הגדרת חוקים | ביחד | מסמך חוקים לאישור |
| ניקוי נתונים | המערכת + אני | דוח בעיות שנמצאו |
| כתיבת תיאורים | AI + אני | דגימה של 10 מוצרים לאישור |
| העלאה לאתר | המערכת | אישור סופי לפני פרסום |
רוצה שהמוצרים שלך יעלו בלי לשבת עליהם שבועות?
יש דרך לעשות את זה בלי שתרגיש שמישהו "עשה את זה לבד בלי להבין מה יש לך". תהליך שמשלב כלים חכמים עם פיקוח אמיתי ‑ לא אחד בלי השני.
אפשר להתחיל עם פיילוט קטן ולראות איך זה נראה על המוצרים שלך לפני שמחליטים על כמות. למי שרוצה לקרוא על המסגרת הכוללת, יש תיאור בדף ניהול חנויות איקומרס.
שלח פרטים ונקבע שיחה קצרה.
המערכת שלי לא מחליפה אותי. היא חוסכת לי לעשות קופי-פייסט כמו תוכי.
זה ההבדל בין אוטומציה חכמה לאוטומציה עיוורת. העיניים האנושיות לא יוצאות מהתמונה ‑ הן מתמקדות איפה שהן באמת שווות משהו.
וזה, לדעתי, השימוש הנכון ב-AI בכלל: לא להחליף את הבן אדם, אלא לאפשר לו לעשות את מה שרק הוא יכול לעשות.
שאלות נפוצות
