הסוכן שלא מתלהב מהר מדי: מערכת QA אוטומטית ליוצרים

למה אני לא נותן ל-AI ללחוץ Publish לבד

אחד הדברים הכי מסוכנים בעבודה עם AI הוא לא שהמודל טועה. זה ברור. הדבר המסוכן הוא שהוא נשמע בטוח גם כשהוא מפספס. הוא יכול לכתוב דף נחיתה שנראה טוב אבל לא עונה על ההצעה. הוא יכול לבנות תסריט וידאו יפה אבל בלי רגע מכירה. הוא יכול להחזיר פרומפט מפורט, ובפועל חסר בו הדבר שהכי חשוב לצילום: מי הדמות, מה המצלמה עושה, ומה הצופה אמור להרגיש.

בגלל זה אני אוהב לבנות סביב AI לא רק מערכת יצירה, אלא גם מערכת בדיקה. מבחינתי סוכן טוב הוא לא רק מי שמייצר לי עוד גרסה. סוכן טוב יודע לעצור, לשאול “האם זה באמת מוכן?”, לפרק את העבודה לקריטריונים, להחזיר ציון, ולהגיד לי מה לתקן לפני שאני שולח ללקוח או מעלה קמפיין.

המדריך הזה הוא שיטה פרקטית לבנות Agent QA פשוט ליוצרים: סוכן שבודק תסריטים, פרומפטים, דפי נחיתה, רעיונות לסרטוני AI, הצעות ללקוח, או כל נכס קריאייטיבי אחר. לא צריך להפוך את זה לפרויקט תוכנה ענק. צריך רק להגדיר נכון את התפקיד, הקריטריונים, הפלט, והשלב שבו הסוכן נכנס לתהליך.

למה זה משנה דווקא ליוצרים

יוצר שעובד עם AI יכול לייצר הרבה מאוד. זאת המתנה, וזאת גם הבעיה. כשיש עשר וריאציות בשעה, קל להתבלבל בין “יש לי הרבה חומר” לבין “יש לי חומר טוב”.

מערכת QA טובה עושה שלושה דברים:

• היא מורידה רעש. במקום לעבור על כל גרסה בתחושת בטן, יש קריטריונים קבועים.
• היא משפרת את השפה המקצועית מול לקוחות. כשלקוח שואל למה בחרתי כיוון מסוים, יש לי נימוק.
• היא חוסכת סבבי תיקונים. הרבה טעויות נתפסות לפני שהן יוצאות החוצה.

אני לא משתמש בזה כדי להחליף את העין שלי. להפך. אני משתמש בזה כדי לפנות את העין שלי לדברים החשובים באמת: טעם, קצב, רגש, התאמה למותג, והאם הדבר הזה בכלל מרגיש חי.

העיקרון: אל תבקש “תבדוק לי”, תבנה שופט

הטעות הראשונה היא לכתוב למודל: “תבדוק אם זה טוב”. זאת בקשה חלשה מדי. המודל יענה בנימוס, יגיד כמה דברים כלליים, ובדרך כלל לא ילחץ מספיק חזק איפה שצריך.

במקום זה אני בונה שופט. לא שופט במובן של ביקורת קרה, אלא מערכת החלטה. אני נותן לו תפקיד, מדדים, סולם ציונים, וחובת תיקון.

הנוסחה הבסיסית:

• תפקיד: מי אתה ומה אתה בודק.
• הקשר: למי הנכס מיועד ומה המטרה העסקית או היצירתית.
• קריטריונים: מה נחשב טוב ומה נחשב כשל.
• פלט: איך בדיוק אני רוצה לקבל את התשובה.
• החלטה: האם להמשיך, לתקן, או לבנות מחדש.

ברגע שהפלט קבוע, אפשר להשתמש בו שוב ושוב. זה כבר לא “שיחה עם AI”. זה חלק ממערכת עבודה.

שלב 1: להגדיר מה עובר ומה לא עובר

לפני שמכניסים סוכן QA, צריך להגדיר את הסטנדרט. לא סטנדרט תאורטי, אלא כזה שמתאים לעבודה אמיתית.

לדוגמה, אם אני בודק פרומפט לוידאו AI, הקריטריונים שלי יהיו:

• האם יש דמות או אובייקט מרכזי ברור.
• האם המיקום והאווירה מוגדרים מספיק.
• האם תנועת המצלמה כתובה בצורה שאפשר לדמיין.
• האם יש פעולה אחת מרכזית ולא שלוש פעולות שמתחרות אחת בשנייה.
• האם הסגנון הויזואלי מדויק ולא אוסף מילים יפות.
• האם יש סיכוי שהמודל יבלבל בין פרטים חשובים.

אם אני בודק דף נחיתה, הקריטריונים משתנים:

• האם ברור תוך חמש שניות מה ההצעה.
• האם הקהל מבין שזה בשבילו.
• האם יש סיבה אמיתית להשאיר פרטים עכשיו.
• האם הכפתור מוביל לפעולה אחת ברורה.
• האם יש מספיק אמון בלי להעמיס.
• האם הטקסט נשמע כמו אדם ולא כמו ברושור.

זאת נקודה חשובה: אין “QA אחד לכל דבר”. יש תבנית אחת, אבל המדדים משתנים לפי סוג הנכס.

שלב 2: לבקש פלט מסודר ולא ביקורת חופשית

כשאני רוצה שסוכן יעזור לי באמת, אני לא נותן לו להחזיר לי פסקה חופשית. אני מבקש מבנה קבוע. גם אם אני לא עובד עם API, המבנה הזה גורם למודל לחשוב בצורה יותר נקייה.

דוגמה לפלט שאני אוהב:

• החלטה: עובר / צריך תיקון / לבנות מחדש.
• ציון כללי: 1 עד 10.
• שלוש נקודות חזקות.
• שלוש בעיות קריטיות.
• תיקון ראשון שהייתי עושה עכשיו.
• גרסה משופרת קצרה.
• שאלה אחת שחייבים לענות עליה לפני המשך עבודה.

במערכות יותר טכניות אפשר גם להחזיר JSON או מבנה קשיח. לפי התיעוד הרשמי של OpenAI, Structured Outputs נועדו לגרום למודל להחזיר תשובה שמתאימה לסכמה מוגדרת. זה שימושי במיוחד כשבונים אוטומציות ולא רוצים לפרש טקסט חופשי בכל פעם.

אבל גם בלי API, עצם הדרישה למבנה קבוע עושה הבדל גדול. היא מחייבת את הסוכן להחליט.

שלב 3: לבנות פרומפט QA בסיסי

הנה תבנית שאני משתמש בה הרבה, בשפה פשוטה:

תפקיד: אתה מנהל קריאייטיב חד, לא מחמיא אוטומטית. אתה בודק אם הנכס מוכן לפרסום או לשליחה ללקוח.

הקשר: הנכס מיועד ל-[קהל יעד]. המטרה היא [מטרה אחת]. הטון הרצוי הוא [טון]. אסור להמציא נתונים, תוצאות או הבטחות שלא קיימות.

המשימה: בדוק את הנכס לפי הקריטריונים הבאים: בהירות, רלוונטיות לקהל, חוזק הרעיון, התאמה למותג, קריאה לפעולה, סיכון לבלבול, ורמת גימור.

פלט רצוי: החזר החלטה אחת: עובר, צריך תיקון, או לבנות מחדש. אחר כך תן ציון מ-1 עד 10, רשימת בעיות, תיקונים לפי סדר עדיפות, וגרסה משופרת קצרה.

כלל חשוב: אם יש ספק, אל תעגל פינות. עדיף להחזיר “צריך תיקון” עם סיבה ברורה מאשר לאשר משהו בינוני.

זה פרומפט פשוט, אבל הוא משנה את הדינמיקה. במקום שהמודל יהיה עוזר שמנסה לרצות אותי, הוא מקבל תפקיד של בקר איכות.

שלב 4: להכניס את הבדיקה בנקודה הנכונה

QA בסוף התהליך בלבד זה מאוחר מדי. אם בדקתי רק אחרי שהסרטון כבר נוצר, בזבזתי רינדורים, זמן, ואנרגיה.

אני אוהב לבדוק בשלושה מקומות:

1. לפני יצירה: בדיקת בריף, רעיון, ותסריט קצר.
2. לפני הפקה: בדיקת פרומפט, שוטליסט, והגדרות סגנון.
3. לפני פרסום: בדיקת התוצר, הטקסט שמלווה אותו, וה-CTA.

בוידאו AI זה קריטי במיוחד. לפעמים תיקון של משפט אחד בפרומפט חוסך עשר יציאות לא טובות. בדף נחיתה, תיקון של כותרת וכפתור יכול להיות ההבדל בין “נחמד” לבין “מישהו השאיר פרטים”.

שלב 5: להפוך את הסוכן לחלק ממערכת

אם עובדים עם כלים כמו Claude Code או OpenClaw, אפשר לקחת את זה צעד קדימה: לשמור את הוראות ה-QA כסקיל, workflow, או הוראת עבודה קבועה. לפי התיעוד של Claude Code, Skills נועדו להרחיב את היכולות של הסוכן בעזרת הוראות, משאבים ותהליכים חוזרים. Hooks מאפשרים להריץ פעולות בנקודות קבועות במחזור העבודה, למשל לפני או אחרי פעולה מסוימת.

במילים פשוטות: לא צריך להדביק כל פעם את אותו פרומפט. אפשר להפוך אותו להרגל של המערכת.

ליוצר זה יכול להיראות ככה:

• כל תסריט חדש עובר דרך QA תסריט.
• כל פרומפט וידאו עובר דרך QA פרומפט.
• כל דף נחיתה עובר דרך QA המרה.
• כל מייל מכירה עובר דרך QA אמון וטון.
• כל נכס לפני לקוח מקבל החלטה: לשלוח, לתקן, או לעצור.

זה נשמע קטן, אבל לאורך זמן זה יוצר סטנדרט. והסטנדרט הזה הופך לחלק מהמותג.

דוגמה: QA לפרומפט וידאו AI

נניח שיש לי פרומפט כזה:

“איש עסקים הולך בעיר עתידנית, צילום קולנועי, תאורה יפה, מרגיש יוקרתי.”

זה לא רע, אבל זה כללי מדי. סוכן QA טוב אמור להגיד לי:

• החלטה: צריך תיקון.
• הבעיה: אין פעולה מספיק ספציפית, אין תנועת מצלמה, אין הגדרה של גיל/לבוש/מיקום, והאווירה “יוקרתית” לא מתורגמת לפרטים ויזואליים.
• תיקון ראשון: להפוך את זה לשוט אחד ברור עם תנועה אחת.

גרסה משופרת יכולה להיות:

“גבר בן 38 בחליפה כהה הולך לאט לאורך רחוב עירוני עתידני בגשם קל, שלטי ניאון משתקפים על הרצפה הרטובה. מצלמה נמוכה עוקבת אחריו בתנועת dolly איטית מהצד, עומק שדה רדוד, תאורת כחול-כסף, הבעה מרוכזת ושקטה, תחושה של מותג פרימיום וטכנולוגי.”

שימו לב: ה-QA לא רק אמר “יותר פירוט”. הוא זיהה מה חסר והפך את זה להחלטה מעשית.

דוגמה: QA לדף נחיתה

נניח שבניתי דף נחיתה לסדנת AI, והכותרת היא:

“ללמוד את עתיד היצירה עם בינה מלאכותית.”

סוכן QA טוב לא אמור למחוא כפיים. הוא אמור להגיד:

• החלטה: צריך תיקון.
• הבעיה: הכותרת יפה אבל לא ספציפית. לא ברור למי זה, מה יוצא לו מזה, ומה הוא יידע לעשות בסוף.
• תיקון ראשון: להפוך את ההבטחה לתוצאה מוחשית.

כותרת טובה יותר:

“תלמדו ליצור סרטוני AI מקצועיים משלב הרעיון ועד תוצר שאפשר להציג ללקוח.”

זה פחות “פיוטי”, אבל הרבה יותר ברור. ובשיווק, ברור כמעט תמיד מנצח את חכם.

טעויות נפוצות בבניית סוכן QA

הטעות הראשונה היא להפוך את הסוכן לקשוח מדי. אם הוא פוסל הכל, הוא לא עוזר. הוא צריך לדעת להבחין בין בעיה קריטית לבין שיפור נחמד.

הטעות השנייה היא לתת יותר מדי קריטריונים. כשיש עשרים מדדים, הבדיקה נהיית כבדה ומבולבלת. אני מעדיף 5-7 מדדים טובים.

הטעות השלישית היא לא לתת הקשר. אותו תסריט יכול להיות מעולה לטיקטוק וחלש לפרסומת ממומנת. אותו דף יכול לעבוד לקהל מקצועי ולא לעבוד לקהל מתחילים. בלי הקהל והמטרה, ה-QA מנחש.

הטעות הרביעית היא לבקש רק ביקורת בלי תיקון. ביקורת בלי תיקון משאירה אותי עם עבודה. אני רוצה שהסוכן יסמן בעיה, יסביר למה היא חשובה, ויציע שיפור ראשון.

הטעות החמישית היא לא לשמור את מה שעובד. אם מצאתם תבנית QA טובה, אל תשאירו אותה בצ׳אט. תשמרו אותה כמסמך, כסקיל, כתבנית פרומפט, או כחלק מתהליך העבודה שלכם.

התבנית שאני ממליץ להתחיל איתה

אם אתם רוצים להתחיל היום, קחו נכס אחד שאתם עומדים לפרסם והעבירו אותו דרך הבדיקה הזאת:

• מה המטרה של הנכס במשפט אחד?
• מי הקהל המדויק?
• מה הפעולה שאני רוצה שהוא יעשה?
• מה הקריטריונים להצלחה?
• מה יגרום לי לעצור ולא לפרסם?

אחרי זה תנו לסוכן לבדוק לפי המבנה:

• החלטה.
• ציון.
• בעיות קריטיות.
• תיקונים לפי סדר עדיפות.
• גרסה משופרת.
• שאלה פתוחה אחת.

אל תבדקו עשרה דברים בבת אחת. תתחילו מתסריט אחד, פרומפט אחד, או דף אחד. אחרי שזה עובד, תהפכו את זה להרגל.

פעולה אחרונה

היום, לפני שאתם מבקשים מה-AI ליצור עוד גרסה, תבקשו ממנו לבדוק את הגרסה שכבר יש לכם. לא “מה דעתך?”, אלא “האם זה מוכן לפרסום לפי הקריטריונים האלה?”.

ככל שתבנו לעצמכם מערכות QA קטנות, העבודה שלכם תהיה פחות מקרית. יהיו לכם פחות יציאות חלשות, פחות החלטות מתוך לחץ, ויותר תחושה שאתם מנהלים תהליך יצירתי אמיתי ולא רק זורקים פרומפטים לחלל.

אם אתם רוצים ללמוד יצירת וידאו AI ברמה גבוהה, צעד-אחר-צעד ועם ליווי אישי, אפשר לבדוק את תוכנית ההכשרה שלי כאן: https://onemanaistudio.com/

מקורות למחקר

• OpenAI — Prompt engineering: https://developers.openai.com/api/docs/guides/prompt-engineering
• OpenAI — Structured Outputs: https://developers.openai.com/api/docs/guides/structured-outputs
• Claude Code — Hooks guide: https://code.claude.com/docs/en/hooks-guide
• Claude Code — Skills: https://code.claude.com/docs/en/skills