Product Roadmap

מפת דרכים למוצר

תוכנית ריאלית, מבוססת שלבים. לא מרוץ ל-MVP — בנייה מתודית של מערכת שעובדת נכון מהיום הראשון.

הגישה שלי: עומק לפני רוחב. כל שלב חייב לעבוד אמיתי — לא "דמו שנראה טוב". אני מעדיף לבנות פחות דברים שעובדים מושלם, מאשר הרבה דברים שעובדים "בערך". לכל שלב יש תוצר מדיד שאפשר לראות ולהרגיש.

Phase 0 — Foundation

מה כבר קיים

התשתית כבר תוכננה ונכתבה. זה לא רעיון על מצגת — זו ארכיטקטורה שמוכנה לחיבור.

7 סוכני AI מוגדרים מכירות, תמיכה, שיווק, מוצר, הנהלה, חריגות, ותפעול
חיבור MCP מלא לקוח HTTP עם retry ו-backoff — 8 כלים מוגדרים
שכבת WhatsApp Rise BSP — הגבלת קצב, שעות שקט, תור הודעות
מנוע שיחות ניתוב, זיהוי זהות, מעקב מצב, העברה בין סוכנים
תזמון פייפליינים 9 משימות cron — לילי, בוקר, שבועי, בריאות
מערכת טיפוסים מלאה 480+ שורות TypeScript — כל הממשקים מוגדרים
שלבי ביצוע

14 חודשים, 4 שלבים

כל שלב מסתיים בתוצר עובד שאפשר להציג. אין "שלב מחקר" שלא מייצר ערך.

חודשים 1-2 למידה + פייפליין ראשון

הכרת ה-codebase, הצוות, והתהליכים מבפנים. במקביל — חיבור הנקודות בין ה-MCP לנתונים אמיתיים, עד לפייפליין עובד עבור מחלקה אחת.

  • מיפוי עמוק של ה-codebase וארכיטקטורת ה-MCP בפרודקשן
  • חיבור לקוח ה-MCP לנתוני CRM אמיתיים (לא mock)
  • בניית פייפליין לילי מלא למחלקת מכירות — איסוף → ניתוח → סיכום
  • שליחת ברכת בוקר ראשונה ב-WhatsApp לאדם אמיתי בצוות
  • הקמת סביבת פיתוח, CI/CD, וניטור בסיסי
תוצר: ראש מחלקת מכירות מקבל כל בוקר WhatsApp עם תובנות אמיתיות מה-CRM
חודשים 3-5 שיחות דו-כיווניות + הרחבה

הסוכנים עוברים מ"מדווחים" ל"משוחחים". הרחבת המערכת לכל המחלקות, עם פיילוט פנימי רציני.

  • חיבור מנוע תגובות AI — הסוכנים עונים על שאלות בזמן אמת
  • זיכרון יחסים: כל סוכן לומד את הסגנון והצרכים של האדם שמולו
  • הרחבה ל-5 מחלקות: מכירות, תמיכה, שיווק, מוצר, הנהלה
  • פיילוט פנימי עם 5-8 אנשי צוות — משוב ואיטרציות
  • סיכום שבועי אוטומטי למנכ"ל
תוצר: 5 ראשי מחלקות מנהלים שיחות יומיות עם סוכני AI ומקבלים תובנות מותאמות אישית
חודשים 6-10 אינטליגנציה וזיהוי חריגות

המערכת מתחילה "לחשוב" — מזהה דפוסים חוצי-מחלקות, מתריעה על חריגות, ומייצרת המלצות פעולה.

  • ניתוח חוצה-מחלקות: "הנטישה בתמיכה קשורה לקמפיין השיווק של שבוע שעבר"
  • מערכת התרעות בזמן אמת — 6 חוקי רפלקס (ליד חם, SLA, עסקה, VIP ועוד)
  • המלצות פעולה עם אישור אנושי — "מומלץ ליצור קשר עם ליד X תוך שעה"
  • מעקב דיוק: האם ההמלצות שנתנו אתמול עזרו? למידה מתמדת
  • דשבורד ניטור בסיסי — מצב המערכת, סטטיסטיקות, דיוק
תוצר: מערכת עצבים דיגיטלית מלאה — מזהה, מתריעה, ממליצה, ולומדת מהתוצאות
חודשים 10-14 מוכנות ללקוחות

מה שעובד בפנים — מוכן לצאת החוצה. הכנת המערכת לפריסה ללקוחות MyBusiness הראשונים.

  • ארכיטקטורת multi-tenant — כל לקוח מקבל סוכנים משלו
  • תהליך onboarding אוטומטי — מחיבור CRM ועד WhatsApp ראשון
  • תיעוד, הדרכה, וחומרי לקוח
  • פיילוט עם 3-5 לקוחות MyBusiness נבחרים
  • מדידת ROI ואופטימיזציה לפי תוצאות אמיתיות
תוצר: מוצר AI מוכן לשוק שנבדק על לקוחות אמיתיים — עם נתונים שמוכיחים ערך
14
חודשים עד מוכנות מלאה
4
שלבים עם תוצר מדיד
2
חודשים עד ערך ראשון
7
סוכני AI ייעודיים

התזמונים כוללים זמן לאיטרציות, תיקון באגים, ומשוב. מערכת שעובדת אמיתי דורשת סבלנות — אבל כל שלב מייצר ערך עצמאי. לא צריך לחכות 14 חודשים כדי לראות תוצאות.

איך אני בונה

העקרונות שמנחים את הקצב

AI-First Development

אני בונה דרך הנחיית AI — Claude, GPT, Gemini. זה לא מגביל — זה מאפשר לבנות מהר יותר עם פחות טעויות. הקוד של המערכת הזו נכתב ככה.

💡
עומק לפני רוחב

אני לא ממשיך לשלב הבא עד שהקודם עובד אמיתי. לא "דמו". לא "הוכחת היתכנות". עובד — ללקוח אמיתי, עם נתונים אמיתיים.

📈
תוצרים מדידים

כל שלב מסתיים במשהו שאפשר לראות, למדוד, ולהציג. לא "ארכיטקטורה מוכנה" — אלא "ראש מחלקת מכירות מקבל WhatsApp כל בוקר".

מה אני מביא

מה אני יודע לעשות

בלי ז'רגון טכני — הגישה שלי לבניית AI לעסקים.

01
סוכנים עם אישיות, לא צ'אטבוטים

אני יודע לתת לכל סוכן AI טון דיבור, גבולות, ותחום אחריות ברורים — למשל סוכן מכירות שמדבר אחרת מסוכן תמיכה. הלקוח מרגיש שמישהו שם לב — לא שמכונה ענתה.

02
התשובה משתנה לפי מי ששואל

אני מתכנן מערכות שזוכרות את ההיסטוריה של כל לקוח. לקוח שחוזר בפעם השלישית לא שומע "שלום, איך אוכל לעזור?" — הוא שומע "ראיתי שהעסקה מהשבוע שעבר התקדמה — מה קרה?"

03
AI שמחובר ל-CRM, לא לניחושים

הדבר הכי חשוב שלמדתי: AI בלי גישה לנתונים אמיתיים — זה בסך הכל צ'אט חכם. כשסוכן יודע כמה לידים נכנסו, מה הסטטוס של עסקה, ואיזה לקוח לא ענה שבוע — זה מה שהופך אותו מגימיק לכלי אמיתי. ה-MCP של MyBusiness הוא בדיוק הצינור שמאפשר את זה.

04
בנייה דרך AI — מהיר, אבל לא חפוז

אני בונה מערכות דרך הנחיית AI — Claude, GPT, Gemini. זה מאפשר לי לנוע מהר ולבדוק רעיונות בקצב גבוה. אבל מהיר לא אומר חפוז — כל שלב במפת הדרכים כולל זמן לבדיקות, תיקונים, ומשוב. לכן 14 חודשים ולא 3.

05
הסוכן ממליץ. האדם מחליט.

אני מאמין ש-AI צריך להציע, לא להחליט. הגישה שלי: כשמשהו קורה — ליד חם, סיכון SLA, התקדמות עסקה — הסוכן שולח התרעה ומציע פעולה, אבל לא מבצע לבד. המנהל מחליט, לא הבוט.

06
חושב מהלקוח פנימה

השאלה שמנחה אותי: "מה ראש מחלקת מכירות צריך לשמוע ב-7:30 בבוקר?" — ומשם אני מתכנן את הפייפליין: איסוף נתונים בלילה, ניתוח ב-AI, ושליחה לפני תחילת יום העבודה. הטכנולוגיה משרתת את הצורך, לא להפך.

הערה אישית לאבי

בניתי את כל מה שאתה רואה באתר הזה כי אני באמת מאמין בזה — לא כמשימת בית לראיון עבודה.

אני חי ונושם AI. בשנה האחרונה בניתי מערכות שלמות, לבד, דרך הנחיית AI. לא כתרגיל — כי זו הדרך שלי לחשוב, לפתור בעיות, ולבנות דברים שעובדים.

כשראיתי את ה-MCP של MyBusiness, הבנתי שיש לכם את הצינור — וחסר לכם מי שיבנה את מה שזורם בתוכו. את שכבת האינטליגנציה שהופכת נתונים לתובנות, ותובנות לפעולה.

אני רוצה את העבודה הזו. לא בגלל המשכורת. בגלל שזו בדיוק הבעיה שאני אובססיבי לפתור — ו-MyBusiness זה המקום הנכון לעשות את זה.

— אבי כנר