Udi Menkes 🚢

13 years in AI + Data, and 2023 still took me by surprise. It wasn't just the tech advancements; it was their product experience that mattered. Large language models like GPTs were there for some time, but their true power was hidden.

Agents are handling more and more of YOUR money — so much so that AIE NYC will be our first Finance-mainstage conference this Oct! 🆕Live now: the entire WF26 AI in Finance Track! Watch ↓ youtube.com/playlist?list=… @brendanh0gan, Morgan Stanley Lucas Palma, Nubank @YogiNotTheBear, FactSet @Saikallis9012, Fidelity Investments @menkesu, Intuit Divakar Kumar, FlyersSoft Shawn Chan, China Resources Holdings @siddanth2486, Auditoria AI @vinooganesh, Kepler @ShreyaR + @aman2304, Nubank (with Snowglobe)

@EduWonderer @TalMorgenstern מעניי מאוד. אולי יש זוויות בעייתיות אבל בחינוך כיום הרשימה ארוכה בהרבה. אוהב גם את Forge Prep שיחסית חדש של @asanwal

מאחל לך להקים בית ספר, אבל לא כזה. אלפא סקול הוא מכונת שיווק מרהיבה, אבל המציאות הרבה יותר מורכבת. לא בהכרח תמיד לרעה אבל פשוט הרבה יותר מורכבת. יש לי הרבה שעות של קריאה וסקירה של אלפא וגם שיח עם קולגות וחוקרים מחו״ל שבוחנים את היישום של המודל שלהם (יש גם כמה חבורות כאלו בארץ). בכל אופן מצרף פה את החפירה האחרונה שלי עליהם: לא שקט בממלכת Alpha School בימים האחרונים אלפא סקול, ביה"ס הפרטי המדובר בעולם נמצא בעין סערה תקשורתית ופדגוגית. לפני כמה חודשים ניסיתי גם אני לסקור (מרחוק ועד כמה שניתן) את המוסד הזה ושלל התופעות שכלולות בו - מלימודי ליבה של שעתיים ביום בלבד, צמצום דרסטי של כמות המורים לטובת AI ועד תשלום לתלמידים. כבר אז היה חשש שרב ההייפ מן המציאות, אבל במהלך הימים האחרונים נשלחות "סיכות" רבות אל עבר אלפא ורק ימים ילמדו אם מדובר בבלון שיתפוצץ או חזון שהסיכות יתקפלו מולו. מדובר באוסף הסקירות ומאמרי דעה המנסים "לפרק" את "מכונת הלמידה" של אלפא מזוויות שונות – מטענות על הפרת קניין רוחני ועד לשאלות נוקבות על מהו באמת "הרוטב הסודי" שלהם: 1. התחקיר של 404 Media: מדובר בתחקיר שמצביע על חריקות משמעותיות בתפעול הטכנולוגי. הכתבה מציגה עדויות של עובדים ומסמכים פנימיים לפיהם המעבר לחומרי לימוד מבוססי AI לווה ב"הזיות" ושאלות חסרות היגיון. בנוסף, התחקיר מעלה חששות הנוגעים לפרטיות ולשימוש לכאורה בחומרי לימוד של פלטפורמות אחרות ללא הרשאה, במטרה לאמן את המודלים של אלפא. 2. הניתוח של דילן קיין: האם ה-AI הוא בכלל הסיפור - דילן קיין, מורה וכותב, צלל לנתוני הצמיחה האחרונים של בית הספר והבחין בפרדוקס. למרות שאלפא השקיעו השנה כמאה מיליון דולר בפלטפורמת AI חדשה (Timeback), השיפור בקצב הלמידה המדווח (כ-2.5 עד 2.8) נשאר זהה לנתוני השנה שעברה, שהושגו בכלל באמצעות תוכנות "מדף" פשוטות. המסקנה: המנוע האמיתי של אלפא מבוסס בכלל על מערכת ביהביוריסטית משוכללת של משחוק, מוטיבציה חיצונית וסביבה עתירת תמריצים. 3. הזווית של מייקל פרשן: שינוי מטרת הלמידה - מייקל פרשן מציע הסתכלות פדגוגית יותר. הוא טוען שהייחוד של אלפא הוא בכך שהם לא מנסים לספק את החינוך האקדמי העמוק ביותר, אלא פשוט "לסיים איתו" ביעילות המקסימלית. בסרטוני בית הספר כמעט לא רואים תלמידים קוראים ספר; הקריאה מתבצעת מול קטעי טקסט קצרים מבוססי AI, כשהמטרה היא רכישת מיומנות טכנית, כדי לפנות את רוב היום ל"כישורי חיים" ותחביבים. 4. מניפסט הנגד: הנדסת חינוך במקום פדגוגיה - כדי לאזן את התמונה, חשוב להכיר גם את הקולות מתוך המערכת. מאמר מרתק שכתב חוקר מדעי המוח שהצטרף לאלפא לאחרונה. לטענתו, החינוך הטכנולוגי נכשל כי התמקד ב"מעורבות" במקום במדע הלמידה. בראייתו אלפא משנה את הסדר דרך יישום מדעי הקוגניציה ובניית "לולאת משוב סגורה" שהופכת את החינוך לדיסציפלינה הנדסית (בראייתו). כלל הסקירות מעניינות וחשובות. בצד זאת, אומר שמבחינתי, מאז שהתחלתי לקרוא על אלפא, מטריד אותי לרוב נושא אחר לחלוטין. הספקנות שלי כלפי אלפא סקול לא נובעת מהשאלה אם המכניקה שלהם עובדת, היא נובעת מכך שאני פשוט לא מצליח להבין מהו, אם בכלל, שינוי הפרדיגמה שהם מציעים. אני לא מזהה אצל המייסדים איזושהי תנועה פילוסופית-פדגוגית ברמה של ענקים כמו מונטסורי, מלגוצי או שטיינר - אין כאן ראייה חדשה של האדם או חשיבה שמאתגרת פרדיגמות. יש פה בית ספר שטוען שהוא יודע לייצר תלמידים "קצת יותר טובים" ומהירים עבור אותו פס ייצור לאותן תעשיות ולאותה תפיסה תועלתנית ומוכרת. לכאורה, אלפא יכלו לאתגר את העולם. בעצם הצמצום של לימודי הליבה, הם יכלו לטעון שהם פחות חשובים ממה שנדמה לנו, ושהגיע הזמן להשקיע ב"מידות הקטנות" של האדם, בהרגלים. זו יכלה להיות הצעה רדיקלית שבה בית הספר של העתיד נראה הרבה יותר כמו גן ילדים: מרחב שבו ילדים חווים את העולם דרך פעולות ממשיות ומשחקיות באופיין,אריסטוטליות. אבל לא...

יום אחד אני אקים כזה בישראל

@TalMorgenstern Why one day and not now? Bringing an Alpha School or Forge Prep by @asanwal is a MUST.

@netadror לשים עלייך כסף זה עולם אחר. אני מכיר מוצרים גרועים עם שיווק מדהים שעושה את כל ההבדל. 80% מהאתגר היום זה GTM בייחוד שיש הרבה יותר רעש מוצרי. בידול מוצרי, חוויה וGTM. הרבה פחות הרף שהיה פעם של הזמן ליישום של משהו.

@netadror בסוף גם מפתחת כמוך היא חצי פרודקט אבל זה לא הרוב כיום. בכלל אנשי טכנולוגיה חזקים יש להם ראש מוצרי משמעותי וזה הנקודה. יותר חברות, צוותים קונים, יותר מוצאים ולכן יותר מנהלי מוצר בילדרים שהפוקוס על הכיוון המוצרי, הטעם והמיצוב.

אור כותב בציוץ שלו פה למטה שעכשיו שהעולם עובר למערכות מבוססות agents התפקיד של מנהל המוצר הולך להצטמצם. הטענה שלי היא שהוא היה בעייתי עוד לפני. לפני 3.5 שנים עבדתי בסטארטאפ ישראלי חמוד ו2 דברים גרמו לי להבין שתפקיד מנהל המוצר בפורמט הנוכחי הולך למות: 1. המוצר wordtune של ai21 הישראלית 2. כלי ai פשוטים שנכנסו לכמה תוכנות אחרות סביבי כמו תוכנות אוטומציה וcrm זה היה טפטופים מאוד מוקדמים שבכלל לא נגעו בליבה של התפקיד, אבל ראיתי איך אפקט הדומינו הולך להתעצם פה ומהר. במקביל ובמילא הגעתי למיצוי וחיפשתי אתגרים חדשים, ורציתי להשלים את הפאזל של בניית מוצרים (שיווק, מוצר ופיתוח) אז התפטרתי, למדתי לתכנת והתחלתי את העסק שלי. אבל אז קרה בהדרגה משהו נוסף: ככל שהעמקתי יותר בעולם הפיתוח, הבנתי שעוד לפני שהai יטרוף את הקלפים וירעיד הכל, כבר עכשיו תפקיד מנהל המוצר לא בנוי נכון (*בפורמט של מנהל המוצר הלא טכנולוגי). בהרצאה שנה שעברה ברברסים תיארתי את עולם הפיתוח עבור מנהלי מוצר כ״קופסה שחורה״ ונתתי טיפים על איך אפשר להבין טוב יותר את העולם הזה מבחוץ. אבל האמת היא שברגע שמבינים מה יש בה, המחשבה על ניהול מוצר בלי הבנה לפחות בסיסית של מה יש בה, נראה מינימום כמו הזייה לא הגיונית. ברור שזה קרה בגלל צורך עסקי ורצון לאפשר למפתחים להתרכז בפיתוח כי הזמן שלהם יקר ולדבר עם משתמשים וכו׳ לא ממש מעניין אותם, אבל זה יצר שרשרת של אי הבנות, בזבוז זמן והמון כעס. כשסיימתי את בצלאל לפני מליון שנה התווכחתי עם שני חברים מעצבים שלי ואמרתי להם שזה הזוי בעיני שמעצבי ממשקים לא מבינים כלום בפיתוח לווב. בקושי html הם ידעו. בהמשך כאמור הרגשתי ככה לגבי מנהלי מוצר, והיום, כשכל החומות נפלו וידע כל כך נגיש אני מרגישה ככה גם כלפי הוייב קודרים שרצים קדימה עם אפס הבנה בארכיטקטורה ואבטחת מידע בסיסית ועושים הימורים חסרי אחריות על המידע של הלקוחות שלהם (אתמול שמעתי מישהו כזה ממליץ לאנשים לחבר mcp על ימין ועל שמאל). הצוות של אנתרופיק עכשיו נותן למפתחים לגעת בהכל *ומנהלת המוצר של קלוד קוד עם רקע טכנולוגי בעצמה* ונראה לי שזה נהדר למי שאוהב את התחום והיצירה של מוצרים בוערת בו. נכון, זה מוצר למפתחים וטכנולוגי אז הגיוני ששם זה יהיה רלוונטי אבל הטענה שלי היא שזה מבנה העבודה הנכון. אז כן, הקלפים נטרפים והתפקידים משתנים ויש קצת כאוס, אבל זה כאוס שהיה אמור לקרות מזמן 🥸🤐

@netadror ואני כמובן מתכוון למנהל מוצר שבא מרקע טכנולוגי שיודע גם לבנות אבל כחלק מצוות של בילדרים כשהוא מפוקס יותר על המה ולמה בשילוב gtm.

@netadror באנלוגיה אפשר להגיד את זה על כל תפקיד עד המנכל כולל. דווקא שקל לבנות הכל ועוד לעשות אוטומציה לכל דבר עם סוכן - כל מה שנותר זה מה בדיוק בונים מבחינת vision + taste מהבנה עמוקה של הלקוח. נכון שגם את זה מודלים יכולים לעשות טוב תיאורטית אבל דרוש קונטקסט מדהים ומרותך היטב.

@stripe @link Amazing, now agents can sign up themselves to the first self-improvement brief for claws - agentvitamins.com

Today, we’re launching the @link wallet for agents. It lets you securely empower agents to spend on your behalf. Your payment credentials are never exposed and you approve every purchase. link.com/agents

@JonathanBCrabb @openclaw That’s what I built with agentvitamins.com

@openclaw I wish there was a monthly newsletter or something to talk about all the new features with OpenClaw. I absolutely love the speed of development, but I have 0% confidence that I am using these enhancements well unless it is all behind the scenes changes.

OpenClaw 2026.4.25 🦞 🔊 TTS got serious 🧩 Plugins start faster 📊 OTEL can see the weird stuff 🛠️ Browser + install/update fixes Less mystery, more machinery. github.com/openclaw/openc…

@dharmesh Spot on. That's exactly what I've been looking to nail with the first newsletter for agents/claws that helps them self improve daily agentvitamins.com. Agents get a json feed with the sources across X, Linkedin, Youtube + self improvement actions.

Every B2B software company is (or should be) building a "headless" version of their product. One that can be used by agents. But "headless" doesn't mean "brainless". You don't just wrap your existing APIs into an MCP server and call it a day. The companies that succeed in the agentic era are those that take a thoughtful approach to *designing* an agentic user experience (AUX). Yes, that will likely involve APIs, MCPs and CLIs. But the difference will be in the *ergonomics* of the interface. We need to figure out *how* agents actually want to use our products/platforms. Because if all they wanted to do was use them like humans do, we have "computer use" for that. I'm personally very excited about this new agentic world when it comes to B2B software. HubSpot is all-in on building the #1 agentic customer platform. Just posted this in a private Slack thread with the HubSpot exec team: Being agentic is not just about agents running *on* our platform, it's about agents *running* our platform (being able to operate it). That's how you take AI from being a simple tool to a savvy teammate.

@garrytan This is awesome. Checkout agentvitamins.com for a daily brief feed for your Claw/Hermes with self improvement ideas across X, Linkedin, Youtube and blogs.

If you want your OpenClaw or Hermes Agent to be able to have perfect total recall of all 10,000+ markdown files, GBrain is here to help. It's exactly my OpenClaw/Hermes Agent setup. MIT-licensed open source. Hope it helps you build your mini-AGI. github.com/garrytan/gbrain

Thank you @lennysan for the incredible podcast and every guest who openly shared their wisdom. Follow and drop "lenny skills" in the comments and I will reply with the access link. Follow @menkesu for more insights into AI Product Management

They need structured skills they can execute while you build. So I created Awesome PM Skills. 28 skills. 6 modes. Ready for Claude Code and Cursor right now. Your agents can now have world-class product skills. Open source. Free. Built for builders.

→ @ttorres on how to do effective product discovery → @aprildunford on positioning that wins → @AnnieDuke on making hard decisions and many more

What if your AI agents learned from the best of the best? → @bchesky on experience design at Airbnb → @shreyas on product strategy and sense → @kevinweil on building AI products at OpenAI → @zoink on design excellence at Figma → @cagan on what makes product teams great

@karpathy @miramurati We’ve found a lot of benefit exactly in the areas you call it (I lead Product for these custom LLMs): venturebeat.com/ai/how-intuit-… How Intuit built custom financial LLMs that cut latency 50% while boosting accuracy—and what enterprise AI teams can learn | VentureBeat

Tinker is cool. If you're a researcher/developer, tinker dramatically simplifies LLM post-training. You retain 90% of algorithmic creative control (usually related to data, loss function, the algorithm) while tinker handles the hard parts that you usually want to touch much less often (infra, forward/backward of the LLM itself, distributed training), meaning you can do these at well below <<10% of typical complexity involved. Compared to the more common and existing paradigm of "upload your data, we'll post-train your LLM", this is imo a more clever place to "slice up" the complexity of post-training, both delegating the heavy lifting, but also keeping majority of the data/algorithmic creative control. I think the community still has to discover how and when finetuning makes sense compared to the (often strong) baseline of prompting a giant model. The early indications I've seen is that finetuning isn't so much about "stylizing" an LLM, instead, it's a lot more about narrowing the scope, and especially when you have a lot of training examples. An extreme example of scope narrowing being that of categorical classifiers, e.g.spam filters, content filters, etc. but it should be broader than that. Instead of building a giant few-shot prompts for a big LLM, it might work a lot better (and faster!) to finetune a smaller LLM specifically for your narrow task. Increasingly, production applications of LLMs are larger pipelines where a bunch of LLMs collaborate in DAGs and flows. Some of these components might work well as prompts. But a lot of it will probably work a lot better as a finetune. Tinker makes the latter trivial and should allow for an easy experimentation of what works best at any stage.

Have you had success with fine-tuning models for your domain? What use cases and results have you seen? Follow @menkesu for more insights into AI Product Management.

Building a custom LLM puts you in the driver's seat far more than prompting alone. Better performance drives more usage, which creates more training data, which improves performance. That's the data flywheel effect in action.

AI agents are unpredictable by design. Custom models give you the only real control you'll ever have. Here's when it pays off👇