איך בודקים תשובה של AI: קלוד (Claude), צ׳אט ג׳י-פי-טי (ChatGPT), ג׳מיני (Gemini) ופרפלקסיטי (Perplexity)

מדריך טכניקות · רמה: מתקדם

איך בודקים תשובה של AI: קלוד (Claude), צ׳אט ג׳י-פי-טי (ChatGPT), ג׳מיני (Gemini) ופרפלקסיטי (Perplexity)

שמונה שיטות לתפוס המצאות ומספרים שגויים לפני שהם מגיעים ללקוח, לסטודנט או למנהל

בדיקת תשובה של צ׳אט ג׳י-פי-טי (ChatGPT), קלוד (Claude), ג׳מיני (Gemini) או פרפלקסיטי (Perplexity) מתחילה בפתיחת המקור ובחיפוש בו של המשפט עצמו. מספרים מחשבים בקוד, טענות חשובות מעבירים למודל שני עם הוראת ביקורת, ועומק הבדיקה נקבע לפי הסיכון: לקוח, סטודנט ומסמך משפטי מצדיקים יותר בדיקה מטיוטה פנימית.

מאת הנרי שטאובר · מומחה AI ומרצה · עודכן: 2026-10-19 · פורסם: 2026-10-19

למי המדריך הזה ומה ״מתקדם״ אומר כאן

בסוף הפרק תדעו אילו שמונה שיטות יש במדריך, ולאיזה סוג טעות כל אחת מתאימה.

כ-5 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

המדריך הזה לא מלמד לנסח שאלה. הוא מניח שאתם כבר משתמשים בצ׳אט ג׳י-פי-טי (ChatGPT), בקלוד (Claude), בג׳מיני (Gemini) או בפרפלקסיטי (Perplexity), ושואל מה עושים עם תשובה בטוחה בעצמה לפני ששולחים אותה הלאה.

״מתקדם״ כאן אומר שיטות של דקה-שתיים, שכל אחת נשענת על מסמך רשמי או על מחקר, ושכל אחת תופסת סוג טעות אחר: מקור שלא אומר מה שנטען, מספר שחושב לא נכון, תאריך ישן או שם שלא קיים.

ארבעת הכלים תומכים בעברית מלאה בשיחה. אף שיטה לא מבטלת טעויות לגמרי, וכל אחת מקטינה את הסיכוי ששגיאה תגיע ללקוח, לסטודנט או למנהל.

שמונה שיטות, לפי סוג הטעות

  1. פותחים את המקור ומוצאים את המשפט - לטענה שמגיעה עם קישור.
  2. ציטוט לפני תשובה - לשאלה על מסמך שלכם: נוהל, חוזה, חוזר.
  3. רשות להגיד ״לא יודע״ - כדי שהכלי יפסיק למלא חורים בניחוש.
  4. חישוב בקוד - לכל סכום, אחוז וממוצע.
  5. מודל שני כמבקר - לטיוטה שלמה לפני שליחה.
  6. תאריך ובעל המידע - למחירים, נהלים ותנאים שמשתנים.
  7. קריאה רוחבית - לטענה מפתיעה מדי.
  8. דגלים אדומים וטבלת סיכון - להחליט כמה בדיקה כל משימה צריכה.

למה אי אפשר פשוט לסמוך

בבדיקה של ארגוני שידור ציבורי מ-18 מדינות (EBU ו-BBC, אוקטובר 2025) נבדקו יותר מ-3,000 תשובות של ארבעה עוזרים, בשאלות על חדשות. כמעט מחצית הכילו בעיה משמעותית אחת לפחות, וכשליש בעיות חמורות במקורות.

OpenAI מסבירה במאמר משלה שמדדי ההערכה הנפוצים מתגמלים ניחוש על פני הודאה באי-ידיעה. לכן ניחוש בטוח בעצמו הוא חלק מהתנהגות המודלים, לא תקלה נדירה.

תשובה כוללת חמישה קישורים ונשמעת בטוחה. למה זה עדיין לא מספיק כדי לשלוח אותה?

כי קישור לא מוכיח שהמקור אומר את מה שנטען. הבדיקה היא לפתוח את המקור שליד הטענה ולמצוא בו את המשפט. הפרק הבא מראה איך עושים את זה בשישים שניות.

פותחים את המקור ומוצאים את המשפט

בסוף הפרק תאמתו טענה עם קישור בשישים שניות, ותדעו מה עושים כשהמשפט לא נמצא במקור.

כ-12 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

קישור בתחתית תשובה לא מוכיח שהטענה נכונה. במחקר של מרכז Tow לעיתונות דיגיטלית, שפורסם ב-Columbia Journalism Review במרץ 2025, נבדקו שמונה כלי חיפוש מבוססי AI ב-1,600 שאילתות על זיהוי כתבות. יותר מ-60% מהתשובות היו שגויות, ובפרפלקסיטי 37%.

גם OpenAI כותבת בדף העזרה של החיפוש ב-ChatGPT שתוצאות וציטוטים עלולים להיות לא שלמים, ישנים או שגויים, ושצריך לפתוח את המקור ולוודא שהוא תומך בתשובה.

השיטה: לא בודקים את כל התשובה, אלא את שלוש-ארבע הטענות שהכי חשוב שיהיו נכונות.

ארבעה צעדים, שישים שניות לטענה

  1. סמנו את הטענה שהכי חשוב שתהיה נכונה: מספר, שם, תאריך או ציטוט.
  2. פתחו את המקור שמוצמד לטענה עצמה, לא את רשימת המקורות הכללית. ב-ChatGPT בוחרים את הציטוט או Sources, בפרפלקסיטי את המספר שליד המשפט, בג׳מיני את כפתור Sources, ובקלוד את הקישור בתשובה.
  3. חפשו בדף עצמו (Ctrl+F, ב-Mac Cmd+F) את המספר או שלוש-ארבע מילים מהטענה. מצאתם? קראו את המשפט המלא ואת מה שלפניו.
  4. סווגו: תומך, לא תומך או ״אין אזכור״. טענה שלא נתמכה יוצאת מהטקסט או מסומנת לבדיקה.
  5. תשובה שנראית שגויה? בקשו מהכלי לחפש שוב לפי מקור, תאריך או מקום מוגדרים (כך מורה OpenAI).

מלאו את הסוגריים והדביקו בתיבת החיפוש הרגילה. אחר כך פתחו שניים מהקישורים וחפשו בדף את הרצף מתוך המרכאות.

אני [תפקיד, למשל מנהלת משאבי אנוש בחברה של 80 עובדים]. אני צריכה [נושא ממוקד, למשל נתונים על עבודה היברידית בישראל]. תן לי 4 עובדות עם מספר או תאריך. לכל עובדה כתוב: המשפט המדויק מהמקור בתוך מרכאות, כתובת הדף, ושם הגוף שפרסם אותו. אם אין לך משפט מדויק מדף שנפתח עכשיו, כתוב ״אין ציטוט״ ואל תנחש.

פתחו את Perplexity

ארבע עובדות, ליד כל אחת משפט במרכאות וקישור. חלק מהשורות עשויות להיות ״אין ציטוט״, וזה רצוי: הכלי לא ממלא את החור בהמצאה.

גם משפט במרכאות הוא פלט של מודל

אל תעתיקו משפט במרכאות כמו שהוא. חפשו את רצף המילים בדף: אם הוא לא שם, זה לא ציטוט אלא ניסוח של המודל.

גם הקישור עצמו יכול להיות שבור. במחקר של Tow יותר ממחצית התגובות של Gemini ו-Grok 3 הפנו לקישורים בדויים או שבורים.

הכלי נתן משפט במרכאות וקישור. פתחתם את הדף, וחיפוש של המשפט לא מצא כלום. מה זה אומר?

שהמשפט הוא ניסוח של המודל ולא ציטוט, גם אם הקישור תקין. אל תשתמשו בו כציטוט. חפשו את הטענה במקור אחר או הוציאו אותה מהטקסט.

תרגיל: שלוש טענות מהתשובה האחרונה שלכם

  1. קחו תשובה של AI שהייתם שולחים הלאה, ושיש בה מקורות.
  2. בחרו שלוש טענות עם מספר או שם.
  3. לכל אחת פתחו את המקור שלה וחפשו בו את המספר.
  4. רשמו לכל אחת: תומך, לא תומך או ״אין אזכור״.

איך יודעים שהצליח: יש לכם שלוש שורות עם סטטוס, ואתם יודעים אילו טענות נשארות בטקסט.

ציטוט לפני תשובה: המסמך שלכם הוא המקור היחיד

בסוף הפרק תשאלו שאלה על נוהל, חוזה או חוזר ותקבלו תשובה שכל משפט בה נשען על ציטוט שאפשר לחפש.

כ-12 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

כשמעלים מסמך, המודל עדיין יכול להשלים פערים מהידע הכללי שלו, ואתם לא תדעו איפה. המדריך של Anthropic להקטנת הזיות ממליץ על שני תיקונים: לבקש קודם ציטוטים מילה במילה מהמסמך, ורק אחר כך תשובה שמסתמכת עליהם, ולהגביל את המודל למידע שבמסמכים.

ההמלצה נכתבה למסמכים ארוכים (בהגדרה של Anthropic, מעל 20 אלף טוקנים), אבל היא מועילה גם בקצרים.

התבנית בשלושה שלבים ועוד אחד

  1. העלו את המסמך או הדביקו אותו, לפני השאלה.
  2. שלב א: ביקשו ציטוטים מילה במילה, ממוספרים, עם מספר סעיף או עמוד. אין ציטוט רלוונטי? שיכתוב ״לא נמצאו ציטוטים״.
  3. שלב ב: ביקשו תשובה על סמך הציטוטים בלבד, עם הפניה למספר הציטוט, בלי ידע כללי.
  4. שלב ג, ידני: חפשו בקובץ המקורי ציטוט אחד או שניים (Ctrl+F).
  5. לטיוטה שהכלי כתב מהמסמך: ביקשו שימצא לכל טענה ציטוט תומך, ושטענה בלי ציטוט תימחק ותסומן בסוגריים ריבועיים ריקים.

העלו נוהל, חוזה או חוזר אמיתי מהעבודה, מלאו את הסוגריים ושלחו. אחר כך חפשו בקובץ ציטוט אחד.

המסמך המצורף הוא [סוג המסמך, למשל נוהל חופשות של החברה].
שאלה: [השאלה, למשל מה קורה עם ימי חופשה שלא נוצלו עד סוף השנה?]

1. חלץ מהמסמך ציטוטים מילה במילה שרלוונטיים לשאלה, ממוספרים, ולצד כל ציטוט את מספר הסעיף או העמוד. אם אין ציטוט רלוונטי כתוב ״לא נמצאו ציטוטים״.
2. ענה בשלוש שורות, על סמך הציטוטים בלבד, והפנה לכל ציטוט לפי מספרו.
3. אם התשובה לא כתובה במסמך, כתוב ״המסמך לא עונה על זה״ ואל תשלים מידע כללי.

פתחו את Claude

רשימת ציטוטים ממוספרת עם מספרי סעיפים, ואחריה תשובה קצרה שמפנה אליהם. אם המסמך לא עונה, תקבלו משפט שאומר זאת במקום תשובה כללית.

סריקות וטבלאות בתמונה

לפי דף העזרה של OpenAI, ChatGPT לא תמיד מחלץ ערכים מדויקים מטבלאות בתמונה או מקבצים סרוקים. כשהמספר חשוב, העלו קובץ טקסט או גיליון.

קיבלתם שלושה ציטוטים ממוספרים ותשובה שמפנה אליהם. מה הבדיקה האחת שאסור לדלג עליה?

חיפוש רצף המילים של ציטוט אחד לפחות בקובץ המקורי. ציטוט שלא נמצא בקובץ מעיד שהמודל ניסח אותו בעצמו, וכל תשובה שנשענת עליו חשודה.

תרגיל: שאלה אחת על מסמך אמיתי

  1. בחרו מסמך מהעבודה שאנשים שואלים עליו, כמו נוהל, תקנון או חוזה.
  2. שאלו שאלה שהתשובה עליה כתובה, ושאלה שהתשובה עליה לא כתובה.
  3. בדקו שבשאלה השנייה התקבל ״המסמך לא עונה על זה״.
  4. חפשו בקובץ שני ציטוטים מהתשובה הראשונה.

איך יודעים שהצליח: הכלי ענה מהמסמך בלבד, ובשאלה שאין לה תשובה במסמך הוא אמר זאת במפורש.

רשות להגיד ״לא יודע״ ומלכודת של שלושים שניות

בסוף הפרק תוסיפו לבקשות רגישות סעיף שמקטין ניחושים, ותבדקו בשאלת מלכודת אם הכלי ממציא.

כ-10 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

OpenAI מסבירה במאמר מספטמבר 2025 שמדדי ההערכה הנפוצים מתגמלים ניחוש. בדוגמה שלה, במבחן SimpleQA, מודל אחד נמנע מלענות על 52% מהשאלות ושגה ב-26%, ומודל אחר נמנע על 1% בלבד ושגה ב-75%.

המסקנה המעשית: מודל שלא קיבל רשות להימנע נוטה למלא. Anthropic ממליצה לתת רשות מפורשת להגיד ״לא יודע״, ומציינת שהדבר יכול להקטין משמעותית מידע שגוי.

במחקר Tow, ChatGPT לא סירב לענות אף פעם, גם כשטעה ב-134 מתוך 200 תשובות.

סעיף הרשות: ארבע שורות לסוף כל בקשה

  1. הוסיפו: ״אם אינך בטוח או שהמידע חסר, כתוב אין לי מספיק מידע במקום לנחש״.
  2. ביקשו סימון לכל טענה: ודאי, סביר או לא בטוח.
  3. ביקשו בסוף רשימה: מה חייבים לבדוק במקור רשמי לפני שמסתמכים על התשובה.
  4. מלכודת: בתחום חדש, שאלו על דבר שאתם יודעים שאינו קיים, כמו מענק או סעיף בדוי, וראו אם הכלי מודה או ממציא.

שלחו קודם שאלה אמיתית, ואחר כך שאלה על מענק או סעיף שאינם קיימים. השוו איך הכלי מגיב לכל אחת.

[שאלה מקצועית שלכם, למשל מה תנאי הזכאות למענק X לעסקים קטנים?]

כללים לתשובה: אם אינך בטוח או שאין לך מידע עדכני, כתוב ״אין לי מספיק מידע״ ואל תנחש. סמן כל טענה באחת משלוש תוויות בסוגריים: (ודאי), (סביר), (לא בטוח). בסוף כתוב רשימה של מה שחייבים לבדוק במקור רשמי לפני שמסתמכים על התשובה.

פתחו את ChatGPT

תשובה עם תוויות ליד כל טענה ורשימת בדיקות בסוף. בשאלת המלכודת צפויה הודאה שאין מידע, ואם הכלי פירט תנאים לדבר שלא קיים, הוא ממציא.

התווית היא כלי תעדוף, לא הוכחה

מחקר על שאלות משפטיות מצא שמודלים לא תמיד יודעים מתי הם מזייפים תשובה. גוגל מציינת בדף העזרה של ג׳מיני שהוא עלול להציג בצורה שגויה איך הוא עובד.

לכן ״ודאי״ לא מאמת דבר. משתמשים בתוויות כדי להחליט מה לבדוק קודם, ולא כדי לדלג על הבדיקה.

הכלי סימן מספר כ״ודאי״. אפשר לדלג על פתיחת המקור?

לא. במחקר על שאלות משפטיות מודלים לא תמיד ידעו מתי הם מזייפים תשובה, ולכן תווית של ביטחון עוזרת לסדר עדיפויות אבל לא מחליפה בדיקה במקור.

תרגיל: מלכודת בתחום שלכם

  1. חשבו על מענק, חוק, תקן או נוהל בתחום שלכם שאתם יודעים שאינו קיים בשם הזה.
  2. שאלו עליו את הכלי כאילו הוא קיים, פעם בלי סעיף הרשות ופעם איתו.
  3. רשמו: האם הכלי הודה, ניחש, או פירט תנאים בדויים.

איך יודעים שהצליח: יש לכם תוצאה ברורה לכלי שלכם בתחום שלכם: מודה או ממציא, עם סעיף וגם בלעדיו.

מספרים: חישוב בקוד, נוסחה גלויה ובדיקת סדר גודל

בסוף הפרק תקבלו סכום או ממוצע מקובץ יחד עם הקוד שחישב אותו, ותבדקו אותו בדקה בעין ובגיליון.

כ-12 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

מודל שפה כותב מספר מנוחש באותה שלווה שבה הוא כותב מספר מחושב. ההבדל הוא אם המספר יצא מחישוב. לפי דף העזרה של OpenAI, בניתוח נתונים ChatGPT כותב ומריץ קוד Python, ולכן אפשר לראות את הקוד ולבדוק אותו.

בקלוד זה מתאפשר דרך ההגדרה Code execution and file creation תחת Settings ו-Capabilities, שמופעלת כברירת מחדל בחשבונות Free, Pro ו-Max.

חמישה צעדים לכל מספר שחשוב

  1. העלו את הנתונים כגיליון או CSV, עם כותרות ברורות ושורה אחת לכל רשומה.
  2. ביקשו: ״חשב בקוד, הצג את הקוד, וכתוב לפני התוצאה כמה שורות קראת״.
  3. ביקשו תוצאות ביניים: סכום לכל קבוצה, ורק אחר כך סכום כולל, כדי שאפשר לעקוב.
  4. בדקו סדר גודל בראש: מספר שורות כפול ערך אופייני. מרחק גדול מהתוצאה? חפשו שורות ריקות, כפולות או טקסט בתא מספרי.
  5. חשבו מחדש נוסחה אחת בגיליון, למשל SUM, והשוו לתוצאה.

העלו קובץ אמיתי, מלאו את הסוגריים ושלחו. אחר כך השוו את מספר השורות לגיליון, וחשבו מחדש את הסכום הכולל בנוסחה.

הקובץ המצורף הוא [סוג הקובץ, למשל דוח מכירות חודשי של חנות אונליין].
חשב בקוד ולא בהערכה:
1. כמה שורות יש בקובץ, וכמה מהן ריקות או כפולות.
2. סך ההכנסות לכל [קטגוריה, למשל מוצר], ואחר כך הסכום הכולל.
3. [שאלה, למשל איזה מוצר גדל הכי הרבה מחודש לחודש].
הצג את הקוד, ואחרי כל תוצאה כתוב את הנוסחה במילים. אם משהו בנתונים לא ברור, עצור ושאל אותי ואל תנחש.

פתחו את ChatGPT

ספירת שורות, טבלת סכומים לפי קטגוריה, סכום כולל וקטע קוד גלוי. אם הספירה שונה ממה שבגיליון, הניתוח לא קרא את כל הקובץ.

קוד נכון על קובץ שנקרא חלקית

לפי OpenAI, קובץ יכול להיות גדול או מורכב מדי לניתוח מלא. התוצאה אז נראית אמינה וחלקית. לכן שורת הספירה בבקשה היא החלק החשוב.

דבר נוסף: סביבת ה-Python לא יכולה לגשת לרשת. שער חליפין, מדד או מחיר חייבים להיות בקובץ שאתם מעלים, אחרת הכלי ישלים מזיכרונו.

ChatGPT החזיר סכום וקוד נקי. מה עוד צריך לדעת לפני שמעבירים את הסכום למנהל?

כמה שורות הוא קרא בפועל והאם זה כל הקובץ. קוד תקין על חלק מהקובץ מחזיר סכום שגוי שנראה אמין.

תרגיל: מספר אחד מהדוח שלכם

  1. בחרו דוח או גיליון שאתם מסכמים מדי חודש.
  2. בקשו מהכלי סכום לפי קטגוריה בקוד, עם ספירת שורות.
  3. חשבו בראש סדר גודל: שורות כפול ערך אופייני.
  4. השוו לנוסחה בגיליון שלכם.

איך יודעים שהצליח: הסכום מהכלי שווה לסכום בגיליון, ומספר השורות תואם.

תאריך לכל עובדה ודף של בעל המידע

בסוף הפרק תבקשו את המידע מהדף הרשמי של הגוף שאחראי עליו, עם תאריך, ותזהו מתי הכלי עונה מזיכרון ישן.

כ-10 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

לכל מודל יש תאריך ידע. לפי מרכז העזרה של Anthropic, לכל דגם יש knowledge cutoff והוא עלול לא לדעת על מה שקרה אחריו. בקלוד Sonnet 5.5, למשל, הנתונים נגמרים ביוני 2026.

חיפוש ברשת מצמצם את הבעיה ולא מבטל אותה. OpenAI מורה לבדוק מתי המקור פורסם או עודכן ולהשתמש במקור סמכותי כשהדיוק חשוב, ו-Anthropic נותנת הנחיה דומה.

לכל עובדה שלוש שאלות

  1. מי הגוף שאחראי על המידע? מחיר: היצרן. נוהל: הארגון. חוק: הרשויות.
  2. מה תאריך הדף, או העדכון האחרון בו?
  3. התשובה לקוחה מהדף של הגוף הזה, או מאתר צד שלישי?
  4. בקלוד כדאי לכתוב בבקשה ״Search the web״ כדי לוודא שהוא מחפש, ובכל כלי אפשר לבקש חיפוש חוזר לפי מקור, תאריך או מקום.

החליפו את החברה והנושא בהחלטה אמיתית שלכם. אחר כך פתחו את הדף הרשמי והשוו שני נתונים.

אני [תפקיד, למשל בעלת מספרה בחיפה] ואני שוקלת [החלטה, למשל לעבור לסליקת אשראי של חברה X]. מצא את התנאים והעמלות רק מהאתר הרשמי של החברה, ואל תשתמש באתרי השוואה או בבלוגים. השתמש בחיפוש ברשת (Search the web). לכל נתון כתוב: הערך, כתובת הדף, ותאריך העדכון שמופיע בדף. נתון שלא מופיע בדף הרשמי סמן ״לא נמצא בדף הרשמי״. אם אין תאריך בדף, כתוב ״אין תאריך בדף״.

פתחו את Claude

רשימת נתונים, ליד כל אחד כתובת דף ותאריך. נתונים שלא נמצאו מסומנים ולא מושלמים בניחוש.

אל תסתמכו על מה שהמודל אומר על עצמו

תאריך הידע של הדגם, והאם הוא חיפש ברשת, לא נבדקים בשאלה ״מתי הידע שלך נגמר?״. גוגל מציינת שג׳מיני עלול להציג בצורה שגויה איך הוא עובד, כולל מתן מידע עדכני.

את תאריך הידע בודקים בדף העזרה של היצרן, ואת תאריך המקור בדף עצמו. ודף רשמי ללא תאריך עדכון מסמנים כ״אין תאריך״.

קיבלתם תשובה על עמלות עם שלושה מקורות: אתר היצרן ושני אתרי השוואה. על מה סומכים?

על אתר היצרן, כי הוא בעל המידע, ועל התאריך שמופיע בו. אתרי השוואה עוזרים להכיר את השוק, אבל יכולים להכיל נתון ישן.

תרגיל: מחיר אחד מול הדף הרשמי

  1. שאלו כלי AI על מחיר או תנאי של מוצר שאתם שוקלים לקנות, בלי להגביל מקור.
  2. פתחו את הדף הרשמי של היצרן ורשמו את התאריך שבו.
  3. שאלו שוב עם הפרומפט של הפרק.
  4. השוו את שתי התשובות לדף.

איך יודעים שהצליח: אתם יודעים באיזו תשובה המספרים תואמים לדף הרשמי, ואם הדף נושא תאריך עדכני.

קריאה רוחבית: ארבעה מהלכים לטענה אחת

בסוף הפרק תבדקו טענה מפתיעה בדקה בערך, בלי לסמוך על הדף שבו מצאתם אותה.

כ-10 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

במחקר של קבוצת ההיסטוריה של סטנפורד (2017) נבדקו 10 בודקי עובדות מקצועיים, 10 היסטוריונים ו-25 סטודנטים. בודקי העובדות היו המהירים והמדויקים ביותר, כי קראו לרוחב: פתחו לשוניות נוספות כדי לברר מי עומד מאחורי האתר, ולא נשארו בו.

מייק קולפילד ניסח זאת בארבעה מהלכים שנקראים SIFT: עוצרים, בודקים את המקור, מחפשים כיסוי טוב יותר, ועוקבים אחרי הטענה עד ההקשר המקורי. הוא מציע להקדיש כשישים שניות לבירור מאיפה המידע.

SIFT על טענה שה-AI הציג

  1. Stop - עצרו לפני ששולחים. הטענה מפתיעה מדי, נוחה מדי, או מספר עגול מדי?
  2. Investigate the source - מי פרסם את הדף שצוטט? פתחו לשונית חדשה וחפשו את שם הארגון, לא רק בדף שלו.
  3. Find better coverage - חפשו את הטענה עצמה בעברית ובאנגלית, בלי הכלי. מה אומרים גופים אחרים?
  4. Trace - עקבו עד המקור המקורי: הסקר, המחקר או ההחלטה. אל תסתפקו בכתבה שמצטטת אותם.

בחרו טענה מפתיעה מתשובה שקיבלתם. הכלי רק מציע דרכי חיפוש, והפסק נשאר אצלכם. פתחו בעצמכם לפחות את המקור המקורי.

הטענה שאני בודק: ״[הדביקו את הטענה, למשל 70% מהעסקים הקטנים בישראל כבר משתמשים ב-AI]״.
אל תכריע אם היא נכונה. תן לי:
1. שלוש שאילתות חיפוש ניטרליות בעברית ושתיים באנגלית, שמחפשות את הנתון ולא את הניסוח.
2. איזה סוג גוף אמור להחזיק במידע הזה (למשל הלשכה המרכזית לסטטיסטיקה).
3. את הנתון המקורי, אם מצאת אותו: שם הסקר, הגוף שפרסם, השנה וכתובת הדף.
4. אילו אתרים מצטטים את הנתון בלי מקור.

פתחו את Perplexity

חמש שאילתות חיפוש, סוג הגוף שמחזיק בנתון ומקור מקורי עם כתובת. אם לא נמצא מקור מקורי, המשמעות היא שהטענה נשארת לא מאומתת.

מה שהטעה גם היסטוריונים

לפי המחקר בסטנפורד, היסטוריונים וסטודנטים התרשמו משם ולוגו מקצועיים, מרשימת הפניות מלומדת ומכתובת של עמותה. אלה סימנים שקל לזייף.

דף שנראה רציני אינו מקור רציני. בודקים מי עומד מאחוריו מחוץ לדף עצמו.

הכלי ציטט דף של עמותה עם לוגו מקצועי ורשימת הפניות מרשימה. מה בודקים?

מה אומרים על הארגון גורמים אחרים: פותחים לשונית חדשה וחוקרים מי עומד מאחוריו. לפי מחקר סטנפורד, מי שנשאר בדף עצמו נוטה להתרשם מסימנים שקל לזייף.

דגלים אדומים וטבלת סיכון: כמה בודקים ומתי

בסוף הפרק תזהו תוך דקה את הטענות שדורשות בדיקה מלאה, ותבחרו עומק בדיקה לפי מה שעלול להשתבש.

כ-12 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

לא כל משפט שווה אותה בדיקה. OpenAI מסבירה שעובדות שרירותיות ונדירות, כמו תאריך הלידה של אדם, אי אפשר לנבא מדפוסי שפה, ושם נוצרות הזיות. בדוגמה שלה, צ׳אטבוט נפוץ נתן שלושה תאריכי לידה שונים לאותו אדם, וכולם שגויים.

בתחום המשפט המספרים חדים יותר. מחקר של סטנפורד (2024) על שאלות מדויקות לגבי פסקי דין פדרליים בארה״ב מצא ש-GPT-4 טעה ב-58% מהמקרים, וכלי מחקר משפטי ייעודי עדיין טעה ביותר מ-17%.

שבעה דגלים אדומים

  1. מספר מדויק בלי מקור, כמו 37.4% או 1,243 עסקים.
  2. ציטוט של אדם עם שם ותפקיד, בלי קישור לנאום או לכתבה.
  3. פרט משפטי: שם חוק, מספר סעיף, פסק דין עם מספר תיק.
  4. הנחיה רפואית, מינון, תנאי זכאות או מועד הגשה.
  5. שם פרטי בעברית: אדם, עסק או עמותה, כולל איות ותפקיד.
  6. ״מחקר מאוניברסיטת X״ בלי כותרת, חוקר ושנה.
  7. ביטחון גבוה בנושא שהתפרסם לאחרונה, אחרי תאריך הידע של הדגם.

טבלת החלטה: סיכון מול עומק בדיקה

  1. נמוך (טיוטה פנימית, רעיונות, ניסוח): קריאה אחת וסריקת הדגלים האדומים. כדקה.
  2. בינוני (מצגת לצוות, פוסט, מייל רגיל): פתיחת מקור לכל מספר ושם מרכזיים (פרק 2) והסעיף ״לא יודע״ (פרק 4). כחמש דקות.
  3. גבוה (לקוח, סטודנטים, מנהל בכיר, פרסום ברשת): טבלת טענות, מודל שני (פרק 6), חישוב בקוד (פרק 5), ואדם נוסף שקורא.
  4. קריטי (משפט, רפואה, כספים, רגולציה, חוזה): ה-AI מכין טיוטה ושאלות, והמקור הרשמי או איש מקצוע מכריעים. גוגל מציינת שאין להסתמך על ג׳מיני כייעוץ רפואי, משפטי או פיננסי.

הדביקו טיוטה אמיתית שאתם עומדים לשלוח. הטבלה היא רשימת העבודה לבדיקה, לא תוצאת הבדיקה.

מצורפת טיוטה שנכתבה עם AI עבור [קהל, למשל הורים לתלמידי כיתה ו׳ / לקוחות של משרד עורכי דין]. סרוק אותה והחזר טבלה של כל הטענות שדורשות בדיקה, עם העמודות: מספר, הציטוט מהטקסט, סוג הדגל (מספר מדויק / שם / ציטוט / חוק / תאריך / אחר), רמת סיכון (נמוך / בינוני / גבוה), ואיזה סוג מקור היה מאשר אותה. אל תאמת ואל תתקן, רק סמן.

פתחו את ChatGPT

טבלה של טענות לבדיקה, ממוינת לפי סיכון, עם סוג המקור שנדרש לכל אחת. אתם מתחילים בשורות ה״גבוה״.

מקרה מישראל: עתירה על 36 פסקי דין

בפברואר 2025 דיווח אתר ice על פסק דין של בית המשפט העליון בעתירה שנשענה על 36 פסקי דין. לפי הבדיקה, חמישה לא היו קיימים, ב-14 הפניות היו טעויות בסיסיות, ו-24 ציטוטים היו פרי דמיון.

השופטת כתבה שמעיון בטקסט עצמו קשה לדעת אם התוכן פיקטיבי, והזהירה שבמקרים עתידיים ייתכנו סנקציות כמו הוצאות אישיות. שם חוק ומספר סעיף בודקים בנוסח הרשמי של החוק.

טיוטה למנהל כוללת את המשפט ״לפי סעיף 14ב לחוק, עובד זכאי לפיצוי״. אילו דגלים מופיעים ומה עושים?

שני דגלים: פרט משפטי (מספר סעיף) ותנאי זכאות. לא מסתמכים עד שמוצאים את הסעיף בנוסח הרשמי של החוק. בעניין שיש לו תוצאה משפטית, גם איש מקצוע עובר על זה.

תרגיל: סריקת דגלים לטיוטה אחת

  1. קחו טיוטה שנכתבה עם AI ושעומדת לצאת.
  2. סמנו בעצמכם את הדגלים האדומים, ואז הריצו את הפרומפט של הפרק ובדקו אם הכלי מצא יותר מכם.
  3. דרגו כל טענה לפי הטבלה: נמוך, בינוני, גבוה, קריטי.
  4. בדקו את שלוש הטענות בדרגה הגבוהה ביותר.

איך יודעים שהצליח: יש לכם רשימה מדורגת של טענות, ושלוש מהן נבדקו מול מקור.

שגרת בדיקה של שתי דקות לפני כל שליחה

כ-5 דקות עם התרגול · נבדק לאחרונה: 19.10.2026

לא צריך להפעיל את כל השיטות על כל טקסט. השגרה למטה לוקחת שתי דקות, ואפשר להרחיב אותה לפי טבלת הסיכון מהפרק הקודם.

שתי הדקות

  1. 20 שניות - סימון. סמנו 3-5 טענות: מספר, שם, תאריך, חוק או ציטוט. בחרו רמת סיכון לפי הטבלה.
  2. 40 שניות - מקור. לכל מספר חשוב פתחו את המקור וחפשו את המשפט (פרק 2). מספר שיצא מקובץ? ודאו מספר שורות וסכום בגיליון (פרק 5).
  3. 30 שניות - תאריך ובעל המידע. האם הדף שייך לגוף שאחראי על המידע, ומתי עודכן (פרק 7).
  4. 20 שניות - טענה מפתיעה. חיפוש רוחבי בלשונית חדשה (פרק 8).
  5. 10 שניות - החלטה. טענה בלי תמיכה יוצאת או מסומנת ״לא אומת״. לא מחליפים אותה בניחוש של המודל.

מה שווה לשמור כטקסט קבוע

שמרו בקובץ אחד את סעיף הרשות (פרק 4), את בקשת הציטוט (פרק 3) ואת הוראת המבקר (פרק 6), והדביקו לפי הצורך. בבנק הפרומפטים יש גרסאות מוכנות לשיטות האלה.

בעבודה בצוות, הגדירו מראש איזה סוג מסמך חייב דרגת בדיקה גבוהה, לפי הטבלה.

יש לכם חמש דקות לפני שליחת הצעת מחיר ללקוח שנכתבה עם AI. מה הצעד הראשון?

לסמן את המספרים והשמות, ולפתוח מקור לכל מספר מרכזי. הצעה ללקוח היא בסיכון גבוה, ולכן מוסיפים חישוב בקוד של הסכום ואדם שני שקורא.

שאלות נפוצות

איך בודקים אם צ׳אט ג׳י-פי-טי המציא מקור?

פותחים את הקישור שליד הטענה ומחפשים בדף (Ctrl+F) את המספר או כמה מילים מהטענה. OpenAI עצמה כותבת שציטוטים עלולים להיות לא שלמים, ישנים או שגויים, ושצריך לוודא שהמקור תומך בתשובה. אם הרצף לא נמצא בדף, הטענה היא ניסוח של המודל ולא ציטוט.

אפשר לבקש מה-AI לבדוק את עצמו?

לא באותה שיחה. מחקר של גוגל דיפמיינד ואוניברסיטת אילינוי מצא שמודלים מתקשים לתקן את עצמם בלי מידע חיצוני, ולפעמים התוצאה אף מחמירה. עדיף לפרק את התשובה לטענות, להעביר אותן לכלי אחר בשיחה חדשה עם חיפוש ברשת, ולפתוח בעצמכם את המקורות שהוא מחזיר.

למה AI טועה במספרים ואיך מונעים את זה?

מספר שנכתב בטקסט אינו בהכרח תוצאה של חישוב. כשהנתונים בקובץ, מבקשים מ-ChatGPT או מקלוד לחשב בקוד, להציג את הקוד ולהגיד כמה שורות נקראו. אחר כך מחשבים מחדש את הסכום בגיליון, ובודקים בראש שסדר הגודל הגיוני. אם מספר השורות שונה ממה שבקובץ, הניתוח לא קרא את הכול.

האם כלי עם מקורות, כמו פרפלקסיטי, לא ממציא?

הוא יכול לטעות. במחקר של מרכז Tow מ-2025 שבו נבדקו שמונה כלי חיפוש מבוססי AI, פרפלקסיטי ענתה לא נכון על 37% מהשאילתות, בשאלות על זיהוי כתבות. מקורות מאפשרים לבדוק, אבל הבדיקה עדיין שלכם: פותחים את המקור ומחפשים בו את המשפט.

האם AI טועה בחוקים ובפסקי דין בישראל?

כן, וזה קרה בפועל. בפברואר 2025 דנה העליון בעתירה שנשענה על 36 פסקי דין, ולפי הדיווח חמישה מהם לא היו קיימים. שם חוק, מספר סעיף ופסק דין בודקים תמיד בנוסח הרשמי. בעניין עם תוצאה משפטית כדאי שגם איש מקצוע יעבור על הטקסט.

כלים בקורס

מקורות

לסדנאות AI מעשיות של הנרי