פרה-מורטם עם AI: איך לגלות למה התוכנית שלכם תיכשל לפני שהיא נכשלת

רוב התוכניות שנכשלות לא נכשלות בגלל משהו שאף אחד לא יכול היה לצפות. הן נכשלות בגלל משהו שמישהו בחדר חשב עליו ולא אמר. אולי לא היה נעים להיות זה שתוקע את ההתלהבות, אולי המנהלת כבר החליטה, ואולי פשוט לא היה זמן.

המדריך הזה מיועד למנהלים, לבעלי עסקים, למנהלי מוצר ולראשי צוותים, וגם למי שעומד להגיש תוכנית להנהלה ורוצה להגיע לפגישה מוכנים. כאלה שעומדים לפני החלטה שקשה להתחרט עליה: גיוס, השקה, מעבר ספק, פתיחת סניף, הכנסה של מערכת חדשה או שינוי תמחור.

מודלים כמו Claude, ChatGPT (עם GPT-6 או הדגם העדכני שזמין לכם) ו-Gemini טובים מאוד בדבר שבני אדם עושים רע במיוחד: לחשוב על כישלון בלי פוליטיקה ובלי אגו. יש רק בעיה אחת. כברירת מחדל הם נוטים להסכים איתכם. המדריך מלמד איך להפוך אותם ממעודדים מקצועיים למבקרים שימושיים, בשלוש טכניקות שמשלימות זו את זו.

למה דווקא AI, ולמה “תגיד לי מה דעתך” לא עובד

אם תדביקו תוכנית ותשאלו “מה דעתך?”, ברוב המקרים תקבלו תשובה בנוסח “תוכנית מצוינת עם כמה נקודות לשיפור”. המודלים אומנו להיות מועילים ונעימים, והניסוח שלכם משדר שאתם אוהבים את התוכנית. ככה תקבלו אישור, לא ביקורת.

שלושה דברים משנים את התמונה:

1. מסגור הפוך. במקום לבקש מהמודל לבדוק אם התוכנית תצליח, אומרים לו שהיא כבר נכשלה ומבקשים שיסביר למה. זה הבסיס של פרה-מורטם, טכניקה שפיתח הפסיכולוג גארי קליין ושעובדת גם על אנשים.
2. תפקיד עם אינטרס. “פרקליט השטן” שתפקידו להפיל את התוכנית יתאמץ הרבה יותר מ“יועץ מאוזן”.
3. מבנה מחייב. כשמבקשים טבלה, דירוג ומספרים, המודל לא יכול להסתתר מאחורי ניסוחים כלליים.

עוד יתרון שלא מדברים עליו מספיק: ה-AI לא יודע מי הציע את הרעיון. אם הוא בא מהמנכ“ל, לאף אחד בצוות לא נוח לתקוף אותו. למודל אין את הבעיה הזו.

שלב 0: לכתוב “דף החלטה” לפני שפותחים צ’אט

הטעות הראשונה מתרחשת עוד לפני הפרומפט הראשון: מדביקים מצגת של 30 שקפים או כותבים שתי שורות. בשני המקרים התוצאה גרועה. קחו עשר דקות ותכתבו דף החלטה קצר:

ההחלטה: [משפט אחד: מה אנחנו עומדים לעשות]
למה עכשיו: [מה גרם לזה לעלות]
מה נחשב הצלחה: [מדד + מספר + תאריך. למשל: 40 לקוחות משלמים עד מרץ 2027]
תקציב וזמן: [כמה כסף, כמה אנשים, כמה חודשים]
מה קורה אם לא עושים כלום: [החלופה האמיתית]
חלופות שנשקלו ונדחו: [ולמה]
מה כבר ידוע לנו בוודאות: [נתונים, לא תחושות]
מי מחליט ומי מושפע: [תפקידים, בלי שמות]
עד מתי צריך להחליט:

הסעיף “מה נחשב הצלחה” הוא הקריטי. בלי מדד מוגדר המודל לא יכול לדמיין כישלון קונקרטי, ותקבלו סיכונים כמו “ייתכן שהשוק לא יגיב כמצופה”, שלא אומרים כלום.

טיפ פרטיות: לפני שמדביקים, תחליפו שמות של לקוחות, עובדים וספקים בכינויים (“לקוח א’”, “ספק התשלומים”). תעגלו מספרים רגישים, ובדקו מה מדיניות הארגון לגבי כלי AI. ברוב המקרים הניתוח לא צריך את הפרטים המזהים כדי לעבוד.

טכניקה 1: פרה-מורטם, לדמיין את הכישלון בפירוט

הרעיון פשוט: קופצים קדימה בזמן, מניחים שהתוכנית נכשלה, ושואלים מה קרה. המחקר של קליין ועמיתיו הראה שמסגור כזה (“זה קרה, תסבירו למה”) מייצר יותר סיבות כישלון, ויותר ספציפיות, מאשר השאלה “מה עלול להשתבש?”.

הפרומפט הבסיסי

אני מצרף דף החלטה של תוכנית שאנחנו שוקלים. תעשה פרה-מורטם.

התאריך הוא [תאריך היעד + 6 חודשים]. התוכנית נכשלה כישלון ברור: לא הגענו ליעד ההצלחה, והפרויקט נסגר או הוקפא.

1. תכתוב “דוח תחקיר” קצר, כאילו נכתב בדיעבד, שמספר מה קרה בפועל לפי סדר כרונולוגי.
2. תפרט 10 סיבות שונות לכישלון. לפחות 3 מהן חייבות להיות לא טכניות (אנשים, פוליטיקה ארגונית, תזמון, תמריצים).
3. לכל סיבה: מה היה הסימן המוקדם שיכולנו לראות כבר בחודש הראשון?
4. תדרג את הסיבות לפי סבירות (גבוהה/בינונית/נמוכה) ולפי חומרה.

אל תציע פתרונות בשלב הזה. רק תסביר למה זה נכשל.

[דף ההחלטה]

שימו לב לשורה האחרונה. אם לא מבקשים במפורש, המודל ימהר “להרגיע” ולצרף פתרון לכל בעיה, והאבחון ייצא שטחי. בשלב הזה רוצים שהוא יישאר עם הבעיות.

להעמיק: הסבב השני

הסבב הראשון כמעט תמיד מעלה את הסיכונים הצפויים: תקציב, לוחות זמנים, תחרות. ההבדל נעשה בסבב השני:

הרשימה הזו צפויה. כל מי שמכיר את התחום היה כותב אותה. עכשיו תן לי 5 סיבות כישלון שמנהל מנוסה בתחום היה מזהה ומישהו מבחוץ היה מפספס. תחשוב על אפקטים מסדר שני: מה קורה כשהתוכנית דווקא מצליחה חלקית ויוצרת בעיה חדשה?

והסבב השלישי, שהוא אולי השימושי מכולם:

עכשיו תדמיין שהתוכנית הצליחה בדיוק לפי היעד, ובכל זאת כעבור שנה כולם מתחרטים עליה. מה קרה?

השאלה הזו מגלה מלכודות שפרה-מורטם רגיל לא תופס: הצלחה שמכבידה על צוות התמיכה, לקוחות חדשים שמבריחים את הוותיקים, ופיצ’ר שמצליח ומקבע את הארגון בכיוון שגוי.

טכניקה 2: פרקליט השטן שלא מתקפל

פרה-מורטם מייצר רשימת סיכונים. פרקליט השטן עושה משהו אחר: הוא בונה טיעון שלם נגד ההחלטה. ההבדל חשוב, כי לפעמים אין סיכון בודד שהורג את התוכנית, ופשוט קיימת חלופה טובה יותר.

הפרומפט

אתה חבר הנהלה ספקן שמתנגד לתוכנית הזו. יש לך 10 דקות בישיבה לשכנע את כולם לא לאשר אותה. תכתוב את הטיעון החזק ביותר נגדה:

• מה ההנחה המרכזית שהתוכנית נשענת עליה ולמה היא כנראה שגויה
• מה החלופה שהיית מציע במקום (כולל “לא לעשות כלום” או “לעשות גרסה קטנה פי 10”)
• איזה נתון חסר בדף ההחלטה, ולמה החוסר שלו חשוד
• שאלה אחת שהיית שואל את מגיש התוכנית ושאין לה כרגע תשובה טובה

אל תאזן ואל תציין “גם נקודות חיוביות”. התפקיד שלך הוא רק להתנגד.

כשהמודל מתחיל להתקפל

תדעו לזהות את הרגע: אתם עונים לטיעון שלו, והוא מיד כותב “נקודה מצוינת, זה באמת מפחית את הסיכון”. לפעמים זה נכון, ולפעמים הוא פשוט מנומס. כדי לבדוק:

אל תסכים איתי רק כי עניתי. תעריך אם התשובה שלי באמת פותרת את הבעיה או רק נשמעת משכנעת. אם היא חלקית, תגיד בדיוק מה חסר בה. אם היא כן פותרת, תעבור לטיעון החזק הבא שלך.

טיפ שלא רואים בכל מקום: תבקשו מהמודל לציין לכל טיעון שלו כמה הוא בטוח בו, באחוזים, ומה היה משנה את דעתו. “70%, והייתי משנה את דעתי אם הייתם מראים שלושה לקוחות שכבר שילמו על פתרון דומה” עדיף בהרבה על “זה סיכון משמעותי”. כך אתם מקבלים מיד רשימה של נתונים ששווה לאסוף.

גרסה מתקדמת: ועדה של מתנגדים

במקום פרקליט שטן אחד, תבקשו שלושה עם אינטרסים שונים:

תציג את ההתנגדות לתוכנית מנקודת המבט של שלוש דמויות, כל אחת בפסקה נפרדת:

1. סמנכ“לית הכספים, שמסתכלת על תזרים ועל עלות הזדמנות
2. ראש צוות התפעול, שיצטרך לבצע את זה בפועל עם אותם אנשים
3. לקוח ותיק ונאמן, שהשינוי ישפיע עליו

אחרי זה תכתוב איפה שלושתם מסכימים. זו כנראה הבעיה האמיתית.

טכניקה 3: בדיקת הנחות, לפרק את התוכנית ליסודות שלה

כל תוכנית היא בעצם שרשרת של הנחות: “לקוחות ירצו את זה”, “נוכל לגייס מפתח עד ינואר”, “הספק יעמוד בזמנים”, “המתחרה לא יגיב”. הבעיה היא שרובן לא כתובות בשום מקום. הן נמצאות בראש של מי שכתב את התוכנית.

שלב א’: לחלץ את ההנחות

תעבור על דף ההחלטה ותחלץ את כל ההנחות, הכתובות והסמויות, שהתוכנית נשענת עליהן. תציג טבלה עם העמודות:

| הנחה | סוג (שוק / לקוח / ביצוע / כספי / ארגוני) | כתובה או סמויה | מה קורה לתוכנית אם ההנחה שגויה | כמה היא מבוססת היום (נתון / ניסיון / תחושה) |

תתמקד במיוחד בהנחות הסמויות, אלה שאף אחד לא כתב כי “ברור שזה ככה”.

שלב ב’: למצוא את ההנחות הקטלניות

הנחה מסוכנת היא כזו שמתקיימים בה שני תנאים: היא קריטית (אם היא שגויה, התוכנית קורסת) והיא חלשה (מבוססת על תחושה). בדרך כלל יש שתיים-שלוש כאלה, והן מה שצריך לבדוק.

מתוך הטבלה, תסמן את 3 ההנחות שהן גם הכי קריטיות וגם הכי פחות מבוססות. לכל אחת תציע ניסוי זול ומהיר לבדוק אותה, כזה שעולה פחות מ-[סכום] ולוקח פחות משבועיים, לפני שמתחייבים לתוכנית המלאה. לכל ניסוי תגדיר מראש איזו תוצאה תגרום לנו לעצור.

הסעיף האחרון, להגדיר מראש מה יגרום לעצור, הוא הטיפ החשוב במדריך. אם לא מחליטים מראש מה נחשב כישלון, כל תוצאה תתפרש בדיעבד כ“מעודדת”.

דוגמה מהשטח

עסק לציוד משרדי בפתח תקווה שוקל להשיק שירות מנוי חודשי לעסקים קטנים. ההנחה הכתובה: “עסקים רוצים לחסוך זמן בהזמנות”. אחרי חילוץ, המודל מצא הנחה סמויה קריטית יותר: “מי שמזמין ציוד בעסק הקטן הוא גם מי שמחליט על התקציב”. בעסקים רבים מזמינה מזכירה או אחראית משרד, אבל ההתחייבות למנוי צריכה אישור של הבעלים. הניסוי שהוצע: 15 שיחות טלפון ללקוחות קיימים עם שאלה אחת, “מי אצלכם היה צריך לאשר מנוי כזה?”. שעתיים עבודה שחסכו חודשים של קמפיין שהיה פונה לאדם הלא נכון.

לשלב מודלים: Claude מול ChatGPT מול Gemini

לכל מודל יש נטיות משלו, וזה הופך את השילוב ביניהם לכלי ביקורת. מודל שבודק עבודה של מודל אחר מזהה דברים שהמודל הראשון החמיץ.

זרימה מומלצת:

1. הפרה-מורטם במודל אחד. למשל ב-Claude, שנוטה לכתוב נרטיב מפורט ולשים לב לשיקולים אנושיים וארגוניים.
2. פרקליט השטן במודל אחר. למשל ב-ChatGPT, בשיחה חדשה ונקייה, כדי שלא יושפע מהניתוח הקודם.
3. ביקורת צולבת. מדביקים את רשימת הסיכונים של הראשון אצל השני:

הנה ניתוח סיכונים שכתב יועץ אחר. מה הוא פספס? איפה הוא הגזים בסיכון שבפועל קטן? איזו סיבת כישלון שלו היא בעצם סימפטום של בעיה עמוקה יותר שהוא לא ציין?

4. Gemini לבדיקת עובדות כשההחלטה תלויה במידע עדכני על השוק, למשל מחירי מתחרים או רגולציה. אצל כל המודלים עם חיפוש ברשת חשוב לפתוח את המקורות ולבדוק אותם בעצמכם, לא להסתפק בסיכום.

חשוב: תמיד בשיחה חדשה. מודל שכבר “ראה” את ההתלהבות שלכם בהודעות קודמות יהיה מוטה. כדאי גם לכבות זמנית את הזיכרון או את ההנחיות האישיות שמוגדרות בכלי, אם יש בהן משהו כמו “אני יזם אופטימי”, כי הן משפיעות על הטון.

אם אתם עובדים עם Projects ב-Claude או ב-ChatGPT, אפשר לשמור את דף ההחלטה ואת הנחיות הביקורת כקבצים קבועים בפרויקט “החלטות”, וכך כל החלטה עתידית מתחילה מאותו שלד.

מהממצאים להחלטה: מה עושים עם כל זה

ניתוח שנשאר בצ’אט לא שווה הרבה. בסוף התהליך תבקשו מסמך אחד:

על סמך כל השיחה, תכתוב “נספח סיכונים” לדף ההחלטה, עמוד אחד לכל היותר:

1. שלוש ההנחות הקריטיות והניסוי לכל אחת
2. חמישה “חוטי אזעקה”: מדדים ספציפיים שאם נראה אותם בחודשים הראשונים, עוצרים ובוחנים מחדש. לכל אחד: המדד, הסף ומי אחראי לעקוב
3. שינויים בתוכנית שמקטינים את הסיכון בלי לבטל אותה (פיילוט, שלבים, נקודות יציאה)
4. המלצה: להמשיך כמו שהיא / להמשיך עם שינויים / לבדוק קודם / לוותר. עם נימוק של שלוש שורות

חוטי אזעקה הם הדבר הכי שימושי שתקבלו מכל התהליך. במקום “נעקוב אחרי ההתקדמות”, כותבים למשל “אם אחרי 6 שבועות שיעור ההמרה מניסיון לתשלום מתחת ל-8%, מתכנסים להחלטת המשך”. את זה מכניסים ליומן כבר היום.

טיפ לעבודת צוות: לפני הישיבה, תנו לכל משתתף לכתוב בעצמו, בלי AI, שלוש סיבות שבגללן התוכנית תיכשל. רק אחר כך תציגו את מה שהמודל מצא. כך לא מאבדים את הידע הייחודי של האנשים, והדיון מתחיל ממה שהם רואים ושהמודל לא ראה, ולהפך.

טעויות נפוצות

1. לשאול “האם זה רעיון טוב?” זו שאלה שמזמינה אישור. תמיד תמסגרו כך שהכישלון כבר קרה, או כך שהמודל חייב להתנגד.

2. לתת הקשר דל מדי. בלי מדדי הצלחה, תקציב ולוח זמנים תקבלו סיכונים גנריים שמתאימים לכל תוכנית בעולם. אם הפלט נשמע כמו פוסט בלינקדאין, הבעיה בדרך כלל בקלט.

3. להתווכח עם המודל עד שהוא מסכים. אם עניתם לכל טיעון שלו והוא “השתכנע”, זה לא אומר שהתוכנית חזקה. זה אומר שהתמדתם. תשתמשו בפרומפט ה“אל תתקפל” שלמעלה.

4. לקבל את דירוגי הסבירות כעובדה. כשהמודל כותב “סבירות גבוהה” זה הערכה, לא חישוב. הוא לא מכיר את השוק המקומי שלכם, את הצוות או את ההיסטוריה של הארגון. השתמשו בדירוג כדי לסדר את הדיון, לא כדי לסיים אותו.

5. לעשות את התהליך אחרי שכבר החלטתם. פרה-מורטם שנעשה כדי להצדיק החלטה קיימת הוא טקס. אם אתם מוצאים את עצמכם מחפשים ניסוחים שיגרמו למודל להגיד שהכול בסדר, עצרו.

6. להיבהל מהרשימה. כל תוכנית תיראה מפחידה אחרי פרה-מורטם טוב. המטרה היא לא לוותר על כל דבר שיש בו סיכון, אלא לדעת אילו סיכונים לוקחים ביודעין ואיך תזהו בזמן שהם מתממשים.

7. לשכוח את החלופה של “לא לעשות כלום”. גם לסטטוס קוו יש סיכונים. תעשו פרה-מורטם קצר גם לו: “החלטנו לא לעשות את זה, ושנה אחר כך אנחנו מתחרטים. למה?”.

8. להדביק מידע רגיש בלי לחשוב. חוזים, שכר, נתוני לקוחות. תסירו פרטים מזהים ותעבדו לפי מדיניות הארגון.

סיכום וצ’קליסט התחלה

שלוש הטכניקות עונות על שאלות שונות. פרה-מורטם שואל מה ישתבש. פרקליט השטן שואל אם יש דרך טובה יותר. בדיקת הנחות שואלת על מה התוכנית באמת נשענת ואיך בודקים את זה בזול. ביחד הן לוקחות שעה-שעתיים, וזה שבריר ממה שעולה החלטה גדולה שנכשלת.

ה-AI לא מחליט במקומכם. הוא משמש בן שיח שאין לו אגו, אין לו בוס ולא נמאס לו לשאול “ואם לא?”. את ההחלטה עצמה, ואת האחריות עליה, עדיין צריך בן אדם לקחת.

צ’קליסט להחלטה הגדולה הבאה:

• כתבתי דף החלטה עם מדד הצלחה מספרי ותאריך
• הסרתי שמות ופרטים רגישים לפני ההדבקה
• הרצתי פרה-מורטם בשיחה חדשה, כולל סבב שני (“מה מנהל מנוסה היה מזהה”)
• הרצתי את תרחיש “הצלחנו ובכל זאת התחרטנו”
• הרצתי פרקליט שטן במודל אחר וביקשתי רמת ביטחון לכל טיעון
• חילצתי הנחות לטבלה וסימנתי את שלוש הקריטיות והחלשות
• הגדרתי ניסוי זול לכל הנחה קריטית, כולל תוצאה שתגרום לעצור
• הכנתי נספח סיכונים עם חמישה חוטי אזעקה, ספים ואחראים
• קבעתי ביומן תאריך לבדיקת חוטי האזעקה
• עשיתי פרה-מורטם קצר גם לחלופה של “לא לעשות כלום”

עוד מדריכים על עבודה עם AI בעסק ובקבלת החלטות תמצאו בספריית המדריכים.