ניתוח נתונים עם AI: קורס מעשי לאקסל ודאטה

ניתוח נתונים עם AI: קורס מעשי לאקסל ודאטה

איך הופכים גיליון אקסל מבולגן לתובנות ברורות עם ChatGPT, קלוד ו-Copilot - בלי לדעת נוסחאות או קוד.

ניתוח נתונים עם AI מתבצע בארבע שכבות כלים: צ'אטבוטים כלליים כמו ChatGPT וקלוד, Copilot בתוך Excel, תוספי AI לתא כמו GPT for Work, וכלי Text-to-SQL למסדי נתונים. מעלים קובץ אקסל או CSV, מנסחים בקשה בעברית פשוטה לפי מסגרת בת 5 חלקים, ומקבלים ניקוי נתונים, גרפים או תחזית - בלי נוסחה אחת.

מאת הנרי שטאובר · מומחה AI ומרצה · עודכן: 2026-08-23 · פורסם: 2026-08-23

מה השתנה בניתוח נתונים עם AI ב-2026

הקורס הזה מלמד איך לחשוב נכון כשעובדים עם AI על טבלאות ונתונים - לא רק איך ללחוץ כפתורים בכלי אחד ספציפי. הכלים משתנים כל כמה חודשים; העקרונות של פרומפט טוב, בדיקת-שפיות ואי-אמון עיוור נשארים קבועים.

2026 הייתה שנת מפנה אמיתית. Claude for Excel עבר לזמינות מלאה ב-7 במאי, ChatGPT for Excel וגוגל שיטס יצא לכולם ב-5 במאי, וגם Copilot Agent Mode עבר לזמינות מלאה בווינדוס כבר ב-27 בינואר.

המשותף ל-3 ההשקות: מעבר מ"צ'אטבוט שעונה על שאלות" ל"סוכן AI שפועל ישירות בתוך קובץ האקסל או השיטס עצמו" - בונה נוסחאות, מריץ אותן, ומאמת תוצאות בלי לצאת מהגיליון.

3 ההכרזות שהזיזו את כל התחום ב-2026

  • Claude for Excel - זמינות מלאה (GA) ב-7 במאי 2026, גם לוורד ולפאוארפוינט. כבר מ-24 בינואר נפתח לכל מנויי Pro (20$/חודש), לא רק למנויים היקרים יותר.
  • ChatGPT for Excel/Sheets - תוסף ייעודי לאקסל וגוגל שיטס; בטא ב-5 במרץ 2026, זמינות מלאה לכולם כולל התוכנית החינמית ב-5 במאי 2026.
  • Copilot Agent Mode - זמינות מלאה בווינדוס כבר ב-27 בינואר 2026. לא רק עונה על שאלות - מתכנן, מריץ ומאמת תוצאות ישירות בקובץ.
  • Google Sheets - ג'מיני בונה ועורך גיליון שלם ממשפט אחד (אפריל-מאי 2026), ופונקציית =AI() חדשה מריצה מודל שפה ישירות בתוך תא.

למה זה משנה לכם

עד היום AI בטבלאות היה בעיקר "תשאלו שאלה, תקבלו תשובה" מצ'אטבוט נפרד.

עכשיו הכלים בונים נוסחאות שלמות, מתקנים טעויות ומריצים קוד בפועל - ישירות בתוך האקסל או השיטס הפתוחים, בלי לצאת מהגיליון.

chatgpt

התוסף הייעודי לאקסל וגוגל שיטס יצא לזמינות מלאה לכולם, כולל התוכנית החינמית, במאי 2026 - אחרי בטא שיצאה חודשיים קודם.

chatgpt

Claude - קלוד

Claude for Excel עבר לזמינות מלאה במאי 2026, כולל וורד ופאוארפוינט - עובד ישירות בתוך הגיליון הפתוח, לא רק בהעלאת קובץ לצ'אט.

Claude - קלוד

copilot

מצב הסוכן (Agent Mode) בתוך Excel עבר לזמינות מלאה בווינדוס כבר בינואר 2026 - לא רק עונה על שאלות, גם מתכנן ומריץ שינויים בקובץ עצמו.

copilot

Gemini - ג’מיני

בגוגל שיטס, ג'מיני בונה ועורך גיליון שלם ממשפט אחד, ופונקציית =AI() חדשה מריצה מודל שפה ישירות בתוך תא - שדרוג שהגיע באביב 2026.

Gemini - ג’מיני

GA לא אומר מושלם

מיקרוסופט עצמה מתארת את המעבר מ-Preview ל-GA כ"שיפור איטרטיבי" - כלומר תרחישי קצה כמו עמודות מעורבות, כותרות לא באנגלית ותאים ממוזגים עדיין גורמים לטעויות.

גם במודלים המובילים, שיעורי הזיה על משימות מבניות עומדים על כ-3%-19% ב-2026. כלל אצבע לכל הקורס: כל מספר שה-AI מחזיר דורש בדיקת-שפיות שלכם, לא רק שלו.

זווית ישראלית: עברית ו-RTL

עברית מוגדרת כשפה נתמכת ב-Copilot for Excel, אבל יש דיווחים פתוחים על תצוגת RTL שבורה כשמערבבים עברית ואנגלית באותו תא.

גם פקודות קוליות בעברית לא נתמכות כרגע ב-Copilot - עבודה בעברית מולו צריכה להיות בהקלדה בלבד, לא בדיבור.

נוף הכלים לניתוח נתונים: 4 השכבות שכדאי להכיר

כשמדברים על ניתוח נתונים עם AI, לא כולם מתכוונים לאותו כלי. יש 4 שכבות שונות של כלים, וכל שכבה פותרת בעיה אחרת. הפרק הזה ממפה אותן, כדי שתדעו איפה להתחיל.

בקצה אחד צ'אטבוטים כלליים כמו ChatGPT ו-Claude, שמריצים קוד פייתון אמיתי מאחורי הקלעים על הקובץ שהעליתם. בקצה השני AI שכבר יושב בתוך אקסל או שיטס עצמם, בלי שום התקנה.

באמצע שתי שכבות נוספות: תוספים לכתיבת נוסחאות בשפה טבעית, וכלים עצמאיים שמתמחים במשימה אחת כמו חיזוי. ככל שהמשימה ממוקדת יותר, כדאי לרדת שכבה.

4 השכבות של כלי ה-AI לניתוח נתונים

| שכבה | דוגמאות | מתי להשתמש |

|---|---|---|

| 1. צ'אט כללי | ChatGPT, Claude | שאלה חד-פעמית, ניתוח גמיש, בלי להתקין כלום |

| 2. AI מוטמע בתוכנה | Copilot באקסל, Gemini בשיטס | עובדים כל היום באקסל או שיטס ורוצים AI בלי לצאת מהתוכנה |

| 3. תוסף לנוסחאות | Ajelix, Formula Bot, Numerous.ai | כותבים נוסחה מורכבת בשפה טבעית, בתוך התא עצמו |

| 4. כלי ייעודי | Julius AI, Akkio | משימה ספציפית - שיחה עם דאטה בלי SQL, או חיזוי אמיתי |

chatgpt

מריץ קוד פייתון אמיתי ברקע (Code Interpreter) על קובץ Excel או CSV שמעלים ישירות לצ'אט, בלי שום תוסף. בישראל: Go בכ-25₪ לחודש, Plus בכ-70₪, Pro החל מכ-310₪ (בערך, נכון ל-2026-08).

chatgpt

Claude - קלוד

מריץ קוד ומציג Artifact חי על קובץ Excel או CSV שמעלים לצ'אט. לפי DataStudios, בממשק הצ'אט מומלץ להישאר מתחת ל-10MB או כ-50,000 שורות לביצועים טובים, עד 20 קבצים באותה שיחה.

Claude - קלוד

copilot

כבר יושב בתוך אקסל עצמו, בלי התקנה, אבל דורש מנוי בתשלום נפרד. מיקרוסופט מציינת שהוא אומן בעיקר על אנגלית ועלול לפעול פחות טוב בעברית. בישראל: כ-30$ למשתמש לחודש (טווח 18-32$, בערך, נכון ל-2026-08).

copilot

Gemini - ג’מיני

מאוגוסט 2026 מציעה גוגל Sheets canvas: ג'מיני בונה מעל הגיליון הגולמי מיני-אפליקציה אינטראקטיבית (דשבורד, לוח קנבן) ממשפט אחד, עם עריכה דו-כיוונית אמיתית מול הגיליון המקורי. בהשקה זמין רק לחשבונות בשפת דפדפן אנגלית.

Gemini - ג’מיני

לעומק: מה מעבר לבסיס

  • ב-Copilot יש גם ״Edit with Copilot״ שמריץ פייתון בתוך תהליך העריכה עצמו - שינויים רב-שלביים וגרפים מבוססי-קוד מוחלים ישירות על הגיליון.
  • אפשר להגדיר ב-Copilot העדפות קבועות וגיליון-כללים משלכם שחלים אוטומטית על כל בקשה עתידית.
  • Sheets canvas היא שכבת עריכה דו-כיוונית אמיתית - עריכה בתוך המיני-אפליקציה כותבת-מחדש את הגיליון המקורי, ולהפך.
  • GPT for Work בנוי כסוכן שקורא נתונים, מנסח תוכנית פעולה ומריץ אותה בעצמו - כולל עיבוד עד 1,000,000 שורות בהרצה אחת.
  • כלים מנוסים בוחרים לפי סוג הפלט: Julius לגרפים ותובנות מהירות, Akkio כשצריך מודל חיזוי אמיתי ולא רק תיאור של העבר.

julius.ai

שיחה עם הדאטה וקבלת גרפים בלי לכתוב SQL או פייתון בעצמכם - טוב לתובנות מהירות. לפי Powerdrill AI, כלים כאלה מתקשים לפעמים עם מאגרי נתונים ענקיים ברמת ארגון, ותמחור מבוסס-קרדיטים עלול להתייקר למשתמשים כבדים.

julius.ai

GPT for Work

כל נוסחה בגיליון יכולה להריץ מודל AI אחר - GPT, Claude, Gemini, Perplexity, Mistral ועוד - ולערבב כמה ספקים באותו קובץ, עם עיבוד המיועד עד 1,000,000 שורות בהרצה אחת (מול Copilot שלפי בנצ'מארק של החברה עצמה נתקע כבר מעל 10,000 שורות - לקחת בעירבון).

GPT for Work

Ajelix

מעבר לכתיבת נוסחה בשפה טבעית כמו מתחריו, אג'ליקס גם מייצר מתיאור מילולי סקריפט אוטומציה שלם - VBA לאקסל או Google Apps Script לשיטס - שכבה שרוב תוספי הנוסחה הפשוטים לא מציעים.

Ajelix

Formula Bot

בשונה מרוב תוספי הנוסחה שמתמקדים רק בכתיבת נוסחה, Formula Bot גם מסביר נוסחה קיימת בעברית-פשוטה בחינם בלי כרטיס אשראי (אך כן נדרשת הרשמה), ובתשלום מוסיף דשבורדים ודוחות מתוזמנים אוטומטית מעבר לתא בודד.

Formula Bot

Numerous.ai

פקודת ניקוי או ניתוח נכתבת כנוסחה חיה בתוך התא עצמו (למשל =AI), בדיוק כמו נוסחת אקסל רגילה - כשהדאטה משתנה התוצאה מתעדכנת אוטומטית מעצמה, בלי לחזור ולבקש מחדש מצ'אטבוט נפרד כמו ChatGPT או Claude.

Numerous.ai

Akkio

בזמן שרוב כלי ה-AI בקורס רק מתארים נתוני עבר, אקיו מאמנת בפועל מודל למידת-מכונה לחיזוי (למשל נטישת לקוחות או הכנסות עתידיות) תוך כ-10 שניות לאימון ראשון, עם ולידציה מובנית נגד התאמת-יתר, ומריצה את המודל בזמן אמת דרך API בלי לחזור לאקסל.

Akkio

לפני שסומכים על הכלי - מה כדאי לדעת

  • לפי DataStudios, Copilot לא בהכרח ״רואה״ כל תא בגיליון גדול - שולף רק טווחים רלוונטיים, ושורות מוסתרות או מסוננות לא נכללות בסיכום.
  • יש בלבול שמות: הפאנל הצדדי ״Copilot באקסל״ ממשיך להתפתח, אבל נוסחת ='COPILOT()' שהייתה בתצוגה מקדימה נגנזת לגמרי ב-14 בספטמבר 2026.
  • גם ב-ChatGPT יש הבדל בין שאלה בצ'אט הרגיל לבין הרצת קוד אמיתית - מצב הניתוח המתקדם סובל מבעיות state, ומציג בעיקר תרשימים בסיסיים.
  • לפי Powerdrill AI, כלים שיחתיים עצמאיים כמו Julius AI מתקשים לפעמים עם מאגרי נתונים ענקיים ברמת ארגון, ותמחור מבוסס-קרדיטים עלול להתייקר למשתמשים כבדים.
  • מגבלות קובץ שונות בין כלים: ב-Claude מומלץ מתחת ל-10MB או כ-50,000 שורות (תקרה רשמית גבוהה בהרבה), וב-ChatGPT התקרה בפועל סביב 50MB לקובץ טבלאי - כדאי לבדוק לפני שמעלים קובץ גדול, לא אחרי שהוא נתקע.

זמינות בישראל

  • Microsoft 365 Copilot (כולל Copilot באקסל) מתומחר באתר הישראלי בדולרים בלבד - סביב 30$ למשתמש לחודש ברמת Enterprise, בטווח 18-32$ תלוי בגודל הארגון (בערך, נכון ל-2026-08).
  • ChatGPT מתומחר בישראל בשקלים: Go כ-25₪ לחודש, Plus כ-70₪, Pro החל מכ-310₪ (בערך, נכון ל-2026-08) - כניסה זולה משמעותית מ-Copilot שדורש גם רישיון M365 בסיסי.
  • Sheets canvas זמין בהשקה רק לחשבונות עם שפת דפדפן אנגלית - מי שרוצה דשבורד בעברית עובד כרגע לפני התמיכה הרשמית.
  • Copilot מציין במפורש שהוא אומן בעיקר על מקורות באנגלית ועלול לפעול פחות טוב כשהפרומפט או הנתונים בעברית.

מסגרת ה-5 חלקים לפרומפט ניתוח נתונים

פרומפט מקרי מקבל תשובה שנשמעת בטוחה - לא בהכרח נכונה. בפרומפטים מוצלחים לניתוח נתונים חוזרת אותה תבנית: תפקיד, משימה, ופורמט. הפרק הזה הופך את זה למסגרת קבועה בת 5 חלקים.

מודלי שפה לא "מחשבים" - הם מנחשים את המילה הבאה שנשמעת סבירה, גם כשמדובר במספר. בלי כללי QA מפורשים בפרומפט, ה-AI עלול להמציא הגדרות עסקיות בשקט ולהציג את זה בביטחון מלא.

בסוף הפרק - תבנית מוכנה להעתקה, עם כל 5 החלקים ממולאים בדוגמה אמיתית, שאפשר להתאים תוך דקה לנתונים שלכם.

5 החלקים של פרומפט ניתוח נתונים טוב

1. תפקיד והקשר עסקי

משפט פתיחה שנותן ל-AI תפקיד מוגדר (למשל "את/ה אנליסט/ית נתונים") כבר משנה את איכות הפלט - זו המלצה רשמית של אנתרופיק לקלוד, לא רק טריק לא-רשמי. הוסיפו גם משפט על ההקשר העסקי: איזה עסק, ולאיזו החלטה הניתוח ישרת.

2. משימה ספציפית

תארו בדיוק מה רוצים ללמוד מהנתונים. הדביקו לתוך הפרומפט את כותרות העמודות ועוד כ-10 שורות אמיתיות מהנתונים, לא רק תיאור מילולי - כך ה-AI כותב נוסחאות ותובנות מדויקות יותר.

אם הקובץ מכיל כמה לשוניות, ציינו במפורש באיזו לשונית או טווח להתמקד - אחרת המודל קורא הכול, כולל לשוניות לא רלוונטיות.

3. פורמט פלט

קבעו מראש איך התשובה צריכה להיראות - טבלה, גרף או דוח קצר. התבנית החוזרת ביותר בפרומפטים מוצלחים היא בדיוק "תפקיד + משימה + פורמט", ומדריך עברי ייעודי ממליץ על אותם 3 רכיבים כמינימום.

4. כללי QA - אל תמציאו, סמנו חוסר ודאות, פרטו הנחות

בלי כללים עסקיים מפורשים ("לקוח פעיל", "רבעון") ה-AI ממציא אותם בעצמו בשקט. כתבו שורה מפורשת: אל תמציאו הגדרות שלא ניתנו, שאלו אם משהו לא ברור לפני ניתוח מלא.

בקשו מהמודל לחשוף במפורש כל הנחה שהוא עושה, ולצטט שורות או ערכים ספציפיים מהנתונים לפני שהוא מגיע למסקנה.

זכרו: מודל שפה לא "מחשב" מתמטית אלא מנחש את הטוקן הבא שנראה סביר - טעות קטנה בשלב מוקדם מוגברת בהמשך, גם כשהפלט הסופי נראה מסודר ומקצועי.

5. פרטי הנתונים - עמודות מדויקות

תארו את מבנה הנתונים בפירוט: אילו עמודות קיימות ומה כל אחת מייצגת, בשמות מדויקים כפי שהם מופיעים בכותרות - זה חלק מובנה מהמסגרת, לא פרט צדדי. הדבקת שורות אמיתיות (חלק 2) היא הדרך הכי בטוחה לוודא שהמודל לא מנחש.

טכניקה מתקדמת לפרומפט מורכב

כשההוראות, ההקשר והנתונים מתערבבים בפרומפט ארוך, אפשר להפריד אותם בתגיות כמו <instructions>, <context> ו-<data> - טכניקה שאנתרופיק ממליצה עליה רשמית לקלוד.

לגישה קפדנית יותר - "חוזה אימות": בקשו מהמודל להתחייב מראש איך הוא יאמת כל שלב, למשל בדיקות התאמה או דגימת-ביקורת.

לחישוב שחייב להיות מדויק: בקשו הסבר שלב-אחר-שלב, בדיקה כפולה בשיטה שונה, וציטוט שורות ספציפיות מהנתונים לפני המסקנה הסופית - במקום לסמוך על הפלט הראשון שמתקבל.

מבנה תקין לא מוכיח תוכן נכון

פלט בטבלה נקייה או בגרף יפה נראה אמין, אבל מבנה מסודר לא אומר תוכן נכון - זה בדיוק המקור לטעויות "שקטות" שנראות מקצועיות אך שגויות.

זו הסיבה שכללי ה-QA בחלק 4 לא אופציונליים: בלעדיהם, אין דרך לדעת אם התשובה היפה שקיבלתם מבוססת על הנתונים האמיתיים או על ניחוש סביר.

זווית ישראלית: קובץ עברי מרובה-לשוניות

מדריך אקדמי עברי ייעודי (לוינסקי-וינגייט, מאי 2025) ממליץ בדיוק על אותה מסגרת מצומצמת - תפקיד, משימה, פלט - ומזהיר במפורש מפני הזיות וטעויות בניתוח.

אותו מקור מדגיש: כשמעלים קובץ אקסל שלם, המודל קורא הכול ללא הבחנה בין לשוניות - חובה לכוון במפורש בפרומפט לטווח או ללשונית הנכונים, במיוחד בקבצים ישראליים מרובי-לשוניות.

העתיקו את התבנית לצ'אט של כלי ה-AI שבחרתם, החליפו את פרטי העסק והנתונים בשלכם, והדביקו שורות אמיתיות מהקובץ שלכם במקום הדוגמה.

```
תפקיד והקשר עסקי: את/ה אנליסט/ית נתונים שעוזר/ת לבעל/ת עסק קטן. אני מנהל/ת חנות בגדים באונליין ורוצה להבין אילו קטגוריות מוצרים הכי רווחיות.

משימה ספציפית: נתחו רק את הלשונית "מכירות 2026" (לא לשוניות אחרות בקובץ). חשבו הכנסה כוללת ורווח גולמי לכל קטגוריית מוצר, וסמנו את 3 הקטגוריות עם שולי הרווח הגבוהים ביותר.

פרטי הנתונים - עמודות מדויקות: "תאריך הזמנה", "קטגוריה", "הכנסה (ש"ח)", "עלות (ש"ח)". דוגמת שורות מהנתונים:
תאריך הזמנה | קטגוריה | הכנסה (ש"ח) | עלות (ש"ח)
01/01/2026 | חולצות | 450 | 280
02/01/2026 | מכנסיים | 620 | 410

פורמט פלט: טבלה עם 4 עמודות - קטגוריה, הכנסה, עלות, שולי רווח באחוזים - ממוינת משולי הרווח הגבוה לנמוך. אחריה פסקה קצרה אחת עם התובנה המרכזית.

כללי QA: אל תמציאו הגדרות עסקיות שלא צוינו כאן (למשל "רבעון" או "לקוח פעיל") - אם משהו לא ברור, שאלו לפני שממשיכים. סמנו במפורש כל הנחה שעשיתם. לפני המסקנה הסופית, צטטו 2-3 שורות מהנתונים שעליהן התבססתם.
```

פתחו את קלוד ונסו את התבנית

טבלה ממוינת לפי שולי רווח + פסקת תובנה אחת, עם ציון הנחות אם היו, ו-2-3 שורות מצוטטות מהנתונים לפני המסקנה - לא רק מספר יבש בלי גיבוי.

Claude - קלוד

הגדרת תפקיד קצרה בתחילת הפרומפט - אפילו משפט אחד - היא המלצה רשמית של אנתרופיק לקלוד, לא טריק לא-רשמי, וכבר משנה את איכות הפלט בניתוח נתונים.

Claude - קלוד

הכנה, ניסוח ואימות: העקרונות שחוסכים סבבי תיקון

ניתוח נתונים עם AI מתחיל הרבה לפני שפותחים צ'אט - הוא מתחיל בגיליון עצמו. טבלה מסודרת עם כותרות ברורות נותנת ל-AI סיכוי אמיתי להבין את הנתונים נכון; גיליון עם תאים ממוזגים וכמה טבלאות באותה לשונית מגדיל את הסיכוי לטעות.

אותו עיקרון חל על הבקשה עצמה - ככל שמפרטים יותר מה בודקים, אילו עמודות רלוונטיות, ואיזה חישוב וגרף רוצים, כך פחות סבבי תיקון. בקבצים גדולים כדאי גם לעבוד בשלבים: לבדוק שיטה על דגימה קטנה לפני שמריצים על הקובץ המלא.

אבל אפילו קובץ נקי ובקשה מדויקת לא פוטרים מבדיקה. שלוש טכניקות אימות פשוטות - הסבר שלב-אחר-שלב, בדיקה עצמית של המודל, וחשיפת הנחות - הן ההבדל בין תשובה שנשמעת נכון לתשובה שבאמת נכונה.

רשימת בדיקה: מתי גיליון "מוכן ל-AI"

  • טבלה אחת נקייה: כל שורה = רשומה אחת, כל עמודה = משתנה אחד, שורה ראשונה = כותרות בלבד, בלי תאים ממוזגים
  • כותרות מדויקות: "תאריך הזמנה" ולא "עמודה 4" - כותרת מעורפלת גוררת ניחוש שגוי מצד ה-AI
  • להסיר לפני העלאה: גרפים, נוסחאות, כמה טבלאות באותה לשונית, ושורות או עמודות ריקות באמצע הנתונים
  • לבטל מיזוג תאים - זו אחת הסיבות השכיחות ביותר לשגיאות חוזרות ואינסופיות של ChatGPT על קובצי אקסל
  • פורמט אחיד בכל עמודה: תבנית תאריך קבועה, רישיות עקבית, אותה כמות ספרות אחרי הנקודה העשרונית

נוסחה לבקשה שמקבלת תשובה טובה כבר בפעם הראשונה

ככל שהבקשה מפורטת יותר - מה בודקים, אילו עמודות רלוונטיות, אילו חישובים וקיבוצים, ואיזה סוג גרף - כך פחות סבבי תיקון אחר כך. דוגמה לבקשה מלאה:

נתח את הקובץ המצורף וענה על השאלה: מה 3 המוצרים הכי רווחיים ברבעון האחרון?
עמודות רלוונטיות: "שם מוצר", "הכנסה (ש"ח)", "עלות (ש"ח)", "תאריך מכירה"
חשב רווח = הכנסה פחות עלות, קבץ לפי מוצר, סנן לרבעון האחרון בלבד
הצג טבלה ממוינת מהגבוה לנמוך, ואחר כך גרף עמודות

טיפ מתקדם: הפרדה ברורה בין "הנתונים" לבין "ההוראה" באותה בקשה (למשל בשורות נפרדות, כמו בדוגמה) משפרת את עקביות התשובה.

קובץ גדול? לעבוד בשלבים, לא בבת אחת

בקבצים גדולים כדאי להעלות קודם דגימה מייצגת של כ-1,000 שורות, לאשר יחד עם ה-AI את שיטת הניתוח, ורק אחר כך להריץ על הקובץ המלא. זה חוסך זמן וגם מקטין את הסיכוי לגלות טעות שיטתית רק בסוף.

3 טכניקות אימות לפני שסומכים על התוצאה

  • שלב-אחר-שלב: לבקש הסבר מלא על שיטת הניתוח לפני המסקנה הסופית, כדי לבדוק את ההיגיון עוד לפני שסומכים על המספר עצמו
  • בדיקה עצמית: לבקש מהמודל לנסח שאלות בדיקה על התשובה שלו ולענות עליהן בנפרד - מחקר מ-2023 מצא שזה מקטין הזיות ומשפר דיוק, במקרים מסוימים עד כ-20%
  • חשיפת הנחות: לבקש מה-AI לפרט במפורש אילו עמודות הוא ראה כרלוונטיות ואיך הוא התייחס לערכים חסרים, או לשאול שאלות הבהרה מראש

למה אימות הוא לא שלב אופציונלי

  • מחקר אקדמי (EuSpRIG, 2023) על יצירת נוסחאות אקסל ב-ChatGPT מצא שהדיוק קורס כשהמידע חלקי או הבעיה מורכבת מדי - כולל הצהרות שגויות והזיות בתהליך עצמו
  • התקרות ה"רשמיות" של קבצים מטעות בפועל - קובץ גדול נתקע ונהיה איטי הרבה לפני שהוא בכלל מגיע לסף הרשמי המפורסם
  • מעל 60% מהמקורות שה-AI מצטט אוטומטית נמצאו שבורים או מומצאים במחקרים שנבדקו - לבדוק כל מספר, קישור או מקור מ-AI לפני שסומכים עליו

זווית ישראלית: עברית עם ניקוד

מחקר אקדמי מ-2024 על ניקוד טקסט עברי מצא ש-ChatGPT-3.5 שינה טקסט עברי חופשי, ואף שכתב מחדש ביטויים עם ניקוד שגוי. רלוונטי כשמריצים ניקוי או תיקון AI על עמודות טקסט חופשי בעברית בגיליון (שמות, הערות) - תמיד לבדוק ידנית.

הזיות מספריות ואמון עיוור: מה לא לעשות

מודל שפה כמו ChatGPT או Claude לא "מחשב" תוצאה מספרית - הוא מנחש סטטיסטית מה הטוקן הבא הכי סביר, גם כשמדובר בסכום או באחוז. בדיוק בגלל זה תשובה שגויה נראית בטוחה ומדויקת בדיוק כמו תשובה נכונה, בלי שום סימן אזהרה.

יש גם תופעה נפוצה שנקראת "automation bias" - הנטייה לסמוך על תשובת AI רק כי היא הגיעה מ-AI, גם בלי סיבה טובה. היא תועדה במחקר התנהגותי גם אצל משתמשים מנוסים, לא רק אצל מתחילים.

בפרק הזה נעבור על המלכודות הקונקרטיות ביותר - הנחות שגויות על מיקום עמודות, שרשראות חישוב שמצטברות לטעות, ומגבלות קובץ שהמספר ה"רשמי" שלהן לא תמיד משקף את המציאות.

חמישה הרגלים שמונעים הזיה מספרית

  • בקשו קוד שרץ בפועל, לא ניחוש - ב-ChatGPT Advanced Data Analysis וב-Claude code execution המודל מריץ קוד Python אמיתי, לא רק מנחש. זה ההבדל בין חישוב אמיתי לתשובה שנשמעת כמו חישוב.
  • ציינו במפורש שם עמודה, לא רק "עמודה 4" - AI נוטה להניח שנתונים נמצאים במיקום קבוע, ואם ההנחה שגויה הוא מחזיר מספר שגוי בביטחון מלא.
  • בדקו מדגם קטן בעצמכם - זו הדרך המעשית העיקרית לתפוס הזיה סמויה, כי ה-AI לא בהכרח מתריע בעצמו כשהוא טועה.
  • שימו לב לשרשראות חישוב - טעות קטנה בשלב מוקדם מתגלגלת ונראית אמינה בתוצאה הסופית. ניסוח בטוח מצד ה-AI אינו הוכחה שהחישוב נכון.
  • אל תסמכו על מספרי מגבלת הקובץ ה"רשמיים" - הם לרוב לא משקפים את המגבלה האמיתית בפועל.

chatgpt

ב-Advanced Data Analysis הכלי מריץ קוד Python אמיתי בענן במקום לנחש טוקן - זה ההבדל בין חישוב שבאמת קרה לניחוש שנשמע כמו חישוב. תמיד עדיף לבקש ריצת קוד לחישוב שחייב להיות מדויק.

chatgpt

Claude - קלוד

גם ל-Claude יש code execution שמריץ קוד אמיתי במקום לנחש - כלי ה-analysis tool כותב ומריץ Python בפועל על הקובץ שהעליתם, לא רק מתאר את התוצאה במילים.

Claude - קלוד

הטעות הכי נפוצה: מיקום עמודה שגוי

כשמבקשים מה-AI לסכם "עמודה מספר 4" אבל נתוני העלות בפועל יושבים בעמודה 12, הוא עלול להחזיר מספר שגוי לגמרי - ובביטחון מלא, בלי שום דגל אדום.

דוחות עם שורות כפולות שלא סוננו, או עמודה לא נכונה שסוכמה בטעות (למשל "חשיפות" במקום "עלות"), מייצרים סכומים מנופחים בלי שה-AI בהכרח מבחין בכך.

איך לצמצם את הסיכון בפועל

ציינו במפורש בפרומפט את שם העמודה או המיקום המדויק של הנתון - אל תסמכו על ה-AI שיזהה זאת לבד. הנחה שגויה על מיקום קבוע היא מקור טעות נפוץ במיוחד.

לפני שמדווחים תוצאה הלאה, קחו מדגם קטן ובדקו בעצמכם שהוא נכון - זו הדרך המעשית העיקרית לתפוס הזיה סמויה.

ביטחון בניסוח לא שווה דיוק בתוצאה

"הזיה" היא תשובה מנוסחת בביטחון מלא שנשמעת מדויקת אך שגויה, בלי שום סימן אזהרה. בדוגמה מתועדת אף אחת מהתוצאות לא הייתה נכונה, וה-AI גם לא הציע לבדוק שוב.

כשיש שרשרת של כמה שלבי חישוב, טעות קטנה בשלב מוקדם מתגלגלת ונראית אמינה בתוצאה הסופית - חשוב לבדוק כל שלב בנפרד, לא רק את התוצאה בסוף.

לפי מחקר ראשוני מנובמבר 2025 (עדיין לפני ביקורת עמיתים מלאה), מודלים בתחום הפיננסי מראים שגיאות חישוב שיטתיות וניתנות לשחזור - אותה טעות עלולה לחזור עקבית באותו תרחיש.

מגבלות קובץ "הרשמיות" מטעות

המספרים הרשמיים על מגבלת קובץ לא תמיד משקפים את המציאות. ל-ChatGPT יש תקרה כללית של 512MB, אבל בפועל קבצי CSV וטבלאות נתקעים כבר סביב 50MB - וחריגה לא תמיד מתריעה בבירור.

ל-Claude יש תקרה של עד 500MB לקובץ ועד 20 קבצים באותה שיחה. ולגבי Copilot ב-Word, ההמלצה הרשמית של מיקרוסופט (לא ה"מיליון וחצי מילים" שמסתובב ברשת) היא להישאר עד כ-20 עמודים או 15,000 מילים למסמך בודד.

זווית ישראלית: עברית מגדילה את הסיכון

כשמעלים ל-ChatGPT תמונה של טבלה עם טקסט עברי כדי להמיר לאקסל (OCR), הכלי לפעמים מנתח רק חלק מהטבלה או מפספס עמודה שלמה - חובה לבדוק את תוצאת ההמרה שורה אחרי שורה.

גם שילוב טקסט עברי (RTL) עם מספרים באותו תא או טור יכול לגרום לכיוון התצוגה "להישבר" - מה שמקשה גם על קורא אנושי וגם מגדיל את הסיכוי לטעות בקריאת הנתונים, כולל אצל ה-AI עצמו.

עבודה מעשית: ChatGPT וקלוד על קובץ אקסל אמיתי

בפרק הזה עוברים לעבודה בפועל: מעלים קובץ Excel או CSV אמיתי ומבקשים מ-ChatGPT או מקלוד לנקות ולנתח אותו. ChatGPT מריץ קוד Python אמיתי בסביבה מבודדת ומחזיר תוצאה אמיתית - לא רק תיאור מילולי.

לפני: בונים נוסחה אחר נוסחה, טבלת-ציר ידנית, וגרף בעצמכם. אחרי: כותבים בעברית פשוטה מה רוצים, וה-AI מריץ את זה - אבל עדיין צריך לבדוק את המספרים בעצמכם, כי שני הכלים טועים.

שני הכלים מחויבים בדולר, לא בשקל - כ-20$ לחודש כל אחד (בערך, נכון ל-2026-08, משתנה) לגישה המלאה. אין תוכנית חינם שמכסה את היכולות האלה במלואן, ולתוסף Claude for Excel אין בכלל גרסת חינם.

ChatGPT מול קלוד - שתי גישות שונות לאותו קובץ

ChatGPT (Advanced Data Analysis)
  • מריץ קוד Python אמיתי (pandas, matplotlib) בסביבה מבודדת ומחזיר תוצאה אמיתית - לא רק תיאור מילולי
  • היכולת המלאה פתוחה למנוי Plus ומעלה - כ-20$ לחודש (בערך, נכון ל-2026-08, משתנה), יציב כבר כשלוש שנים
קלוד (Claude)
  • שני מסלולים נפרדים: יצירת/עריכת קובץ Excel, CSV או PDF אמיתי בתוך הצ'אט הרגיל, או תוסף Claude for Excel שמותקנים בתוך אקסל עצמו ועובד ישירות על הגיליון הפתוח
  • Claude for Excel דורש מנוי בתשלום (Pro ומעלה), אין גרסת חינם, ומותקן דרך Microsoft AppSource
  • Claude Pro עולה כ-20$ לחודש (או כ-17$ בחיוב שנתי) וכולל את שני המסלולים

chatgpt

היכולת שנקראה פעם Code Interpreter: מריץ קוד Python אמיתי בסביבה מבודדת על הקובץ שהעליתם, ומחזיר תוצאה אמיתית - טבלה נקייה, חישוב או גרף - לא רק תיאור.

chatgpt

Claude - קלוד

שני מסלולים לעבודה על קובץ: יוצר או עורך Excel, CSV או PDF אמיתי בתוך הצ'אט הרגיל, או עובד ישירות בתוך הגיליון הפתוח דרך תוסף Claude for Excel.

Claude - קלוד

Claude for Excel - מה מיוחד בתוסף

  • אפשר לשאול על תא ספציפי ("איך התקבל המספר בתא C42") ולקבל ציטוט שמנווט ישר לתא בגיליון החי
  • כששואלים לשנות הנחת יסוד - למשל "לשנות את הריבית ל-8% ולעדכן את כל התאים התלויים" - קלוד שומר את יחסי הנוסחאות, לא רק מחליף מספר בתא בודד
  • בבדיקה מעשית בעברית, קלוד בנה מודל עם 509 נוסחאות ואפס ערכים ידניים, כולל עטיפת כ-160 נוסחאות למניעת שגיאות מדורגות
  • אפשר לחבר מחברים חיצוניים לנתוני שוק ופיננסים ולמשוך נתונים ישירות לגיליון - לא רק להעלות קובץ סטטי

פתחו ChatGPT או קלוד, העלו קובץ Excel/CSV אמיתי מהעבודה שלכם (בלי מידע רגיש), החליפו את השם בסוגריים בעמודה אמיתית מהקובץ, והדביקו את הפרומפט. אם יש לכם גישה לשני הכלים, שווה להשוות בין התוצאות.

```
העלו קובץ CSV או Excel אמיתי, ואז כתבו:

נקה את הנתונים בקובץ: הסר כפילויות, אחד את פורמט התאריכים, וסמן שורות עם ערכים חסרים.
אחרי הניקוי, הכן טבלת סיכום לפי [שם עמודה, למשל: עיר או מוצר] עם סכום וכמות שורות, וצייר גרף עמודות.
הסבר בקצרה איזה קוד הרצת כדי להגיע לתוצאה.
```

לפתוח את ChatGPT

טבלת נתונים נקייה בלי כפילויות, טבלת סיכום לפי הקטגוריה שביקשתם, וגרף עמודות. בדקו את המספרים מול המקור - וזכרו שגרף עם טקסט עברי עלול לצאת הפוך.

גרף עמודות של מספר הזמנות לפי ערוץ מכירה, שנוצר על ידי ChatGPT מתוך קובץ מכירות לדוגמה
✅ ChatGPT מריץ קוד Python בפועל על קובץ המכירות ומחזיר גרף אמיתי - הפרומפט: "בקש גרף עמודות של מספר ההזמנות לפי ערוץ מכירה" (נוצר עם ChatGPT Advanced Data Analysis)

לפני שמסתמכים על התוצאה

אנתרופיק עצמה מזהירה: אל תסתמכו על Claude for Excel לדוח סופי ללקוח בלי בדיקה אנושית, ולא לחישוב קריטי-לביקורת בלי אימות עצמאי - זו הגבלה רשמית ומתועדת.

בבדיקה ישראלית מעשית, קלוד בנה מודל אקסל טכני כמעט מושלם - אבל פספס תובנה ברורה בנתונים: תל אביב הובילה במכירות, אבל דווקא עם שולי הרווח הנמוכים ביותר, 32.1%. נוסחאות נכונות לא מבטיחות מסקנה עסקית נכונה.

עברית בגרפים, וחישוב שהוא לא באמת חישוב

מנוע הגרפים של ChatGPT (matplotlib) לא תומך כברירת מחדל בעברית - טקסט RTL עלול לצאת הפוך על ציר הגרף. זו תקלה מוכרת ופתוחה, נכון לינואר 2026.

ChatGPT לא 'מחשב' מתמטית - הוא מריץ קוד. תועד מקרה שבו גרף מיין חודשים לפי סדר א-ב ולא כרונולוגי, וזה הסתיר טעות בסיסית ממי שלא בדק את הקוד עצמו.

קובץ ממקור חיצוני? תיזהרו

קובץ אקסל שהגיע ממקור חיצוני - תבנית שהורדתם, קובץ מספק - עלול להכיל הזרקת-פקודות מוסתרת שמנסה לתמרן את Claude for Excel. אנתרופיק ממליצה לעבוד רק עם קבצים שאתם סומכים עליהם.

עובדים עם Copilot בתוך Excel

Copilot בתוך Excel הוא עוזר AI מוטמע שמופיע כפאנל צד: שואלים שאלה על הנתונים בשפה טבעית, ומקבלים נוסחה, טבלה או תרשים, בלי לדעת תחביר Excel בכלל. מצב הסוכן שלו (Agent Mode) הפך זמין לכולם בווינדוז מ-27 בינואר 2026.

כדי להשתמש בו צריך רישיון בתשלום - תוסף Microsoft 365 Copilot הארגוני או מנוי Microsoft 365 Premium, זה לא כלול במנוי Office הרגיל. הקובץ גם חייב להיות שמור כ-xlsx/xlsm בתוך OneDrive או SharePoint עם AutoSave דלוק.

בפרק הזה נתרגל לשאול את Copilot שאלה על נתונים, לבנות PivotTable שלם ממשפט אחד, ונכיר את הגבולות - איפה הוא טועה ואיך לבדוק אותו לפני שסומכים על התוצאה.

לפני שפותחים את Copilot

  • צריך רישיון בתשלום: תוסף Microsoft 365 Copilot הארגוני או מנוי Microsoft 365 Premium - לא כלול במנוי Office/Excel הרגיל.
  • הקובץ חייב להיות שמור בפורמט xlsx או xlsm, בתוך OneDrive או SharePoint, עם AutoSave דלוק - קובץ מקומי שלא מסונכרן לא יעבוד.
  • פורמט ישן כמו Strict Open XML Spreadsheet יזרוק שגיאה ולא ייפתח לעבודה עם Copilot.

פתחו קובץ Excel שמור ב-OneDrive עם AutoSave דלוק, לחצו על סמל Copilot בפינה כדי לפתוח את פאנל הצד, והדביקו את השאלה על טווח הנתונים בגיליון. Copilot קורא את הנתונים ועונה בשפה טבעית.

```
מה היה החודש עם הכי הרבה הכנסות, ובכמה הוא היה גבוה מהממוצע?
```

לפתוח את Copilot

תשובה בשפה טבעית שמצביעה על החודש והסכום, ולפעמים גם הצעה לתרשים או לנוסחה שמסבירה איך הגיעו לתוצאה.

לפני ואחרי: איך העבודה משתנה

| משימה | הדרך הישנה | עם Copilot |

|---|---|---|

| כתיבת נוסחה | לזכור תחביר ופונקציות באנגלית | לתאר במילים מה רוצים לחשב |

| PivotTable | לבנות ידנית דרך תפריטים ושדות | לתאר בשפה טבעית מה לסכם ולפי מה, כולל סלייסר |

| תחזית | Forecast Sheet קלאסי בלבד - קו מגמה ורווח בר-סמך | גם מודלים מבוססי Python (ARIMA/ETS) לתחזיות מתקדמות - כרגע רק בערוץ Windows Insider |

הקלידו את הפרומפט בפאנל Copilot. הוא בונה PivotTable שלם בגיליון חדש ומזהה לבד אילו עמודות רלוונטיות. אפשר מיד אחרי זה לבקש פריסה אחרת או להוסיף ציר-זמן, באותה שיחה.

```
סכם את ההכנסות לפי אזור וחודש, והוסף סלייסר
```

לנסות עם הנתונים שלכם

PivotTable חדש בגיליון נפרד, מסוכם לפי אזור וחודש, עם סלייסר לסינון - וכמה הצעות פריסה חלופיות אם מבקשים.

copilot

עוזר ה-AI המוטמע של מיקרוסופט בתוך Excel, Word, PowerPoint ו-Outlook. בתוך Excel הוא פאנל צד שעונה על שאלות על הנתונים, בונה נוסחאות, PivotTable ותרשימים משפה טבעית - דורש רישיון Microsoft 365 Copilot בתשלום.

copilot

מצב הסוכן (Agent Mode)

מצב הסוכן של Copilot ב-Excel הפך זמין לכולם בווינדוז מ-27 בינואר 2026, אחרי גלגול קודם לאקסל באינטרנט (דצמבר 2025) ולמאק (אותו חודש). בתוכו אפשר לבחור באיזה מודל AI השורה משתמשת - GPT-5.2, Claude Opus 4.5, או מצב Auto.

לפני שסומכים על התוצאה

  • מיקרוסופט מזהירה בעצמה בעמוד ה-FAQ הרשמי: Copilot משתמש ב-AI ולעיתים טועה, מפרש נתונים לא נכון או מייצר תוצאות לא מדויקות - להימנע משימוש בו להחלטות רגישות (כספים, משפטים, רפואה).
  • פונקציית =COPILOT() בתוך תא נגנזת ב-14 בספטמבר 2026 - מיקרוסופט הודיעה שלא ממשיכים איתה. ההמלצה: לעבור לפאנל הצד.
  • תועדו הזיות ממשיות בפלט =COPILOT() - למשל ספירה שגויה של מדינות חברות באו״ם (194 במקום 193) ומיון שגוי של נתונים.
  • עד לגניזתה, ל-=COPILOT() יש מגבלת קצב קשיחה - עד 100 קריאות בכל 10 דקות ועד 300 בשעה. חריגה מציגה שגיאת #CONNECT! שנפתרת רק בהמתנה.

עברית, RTL ומחיר בישראל

  • עברית נתמכת רשמית כשפת פרומפט, אבל מיקרוסופט מציינת שהמודל אומן בעיקר על אנגלית ועלול לתפקד פחות טוב בעברית - כדאי לבדוק כל תוצאה, לא לקחת כמובן מאליו.
  • יש דיווחי משתמשים בפורום Microsoft Q&A על בעיות תצוגת RTL - טקסט עברי לפעמים מוצג משמאל לימין ולא מיושר נכון, בלי אפשרות ידנית להחליף כיוון.
  • אין מחיר רשמי בשקלים ל-Microsoft 365 Copilot בישראל - רק דולרי: כ-30$ למשתמש לחודש בתוכנית הארגונית, 18$ עד 21$ בעסק קטן (בערך, נכון ל-2026-08, משתנה). לבדוק הצעת מחיר ממפיץ מקומי.

כלל אצבע של מומחים

להשתמש ב-Copilot ליצירה, הסבר או תמצות של נוסחאות - כשהחישוב עצמו נשאר גלוי ומעוגן בתא, ואפשר לבדוק אותו. לא לבקש ממנו חישוב סופי כ״קופסה שחורה״ בלי לראות איך הגיעו לתוצאה.

AI בתוך התא עצמו: תוספים לאקסל ולגוגל שיטס

תוספים ייעודיים לאקסל ולגוגל שיטס - GPT for Work, Numerous.ai, Ajelix ועוד - מוסיפים פונקציית תא חדשה שמפעילה מודל AI ישירות מתוך הגיליון, למשל =GPT() או =AI(), בלי לצאת לצ'אטבוט נפרד.

לפני הייתם מעתיקים נתונים לצ'אט, מבקשים ניתוח, ומדביקים תוצאה בחזרה בעבודה ידנית. עכשיו הנוסחה יושבת בתא עצמו, מתעדכנת אוטומטית כשהדאטה משתנה, ועובדת גם ב-Excel וגם ב-Google Sheets עם אותו תמחור.

שימושי לכתיבת נוסחה מתיאור, ניקוי שורות, סיווג לידים בכמות גדולה ותרגום גיליון שלם. בעברית התמיכה חלקית - כדאי לבדוק כל תוצאה, ורוב התמחור בישראל מוצג בדולר בלבד.

איך זה עובד בפועל

רוב התוספים הייעודיים - בשונה מ-Copilot או ג'ימיני המובנים - מתחברים למגוון מודלים: OpenAI, Anthropic, Gemini, Perplexity, Mistral - ולרוב עולים פחות מרישיון Copilot מלא.

התוסף מוסיף פונקציית תא חדשה - למשל =GPT() אצל GPT for Work או =AI() אצל Numerous.ai - שמפעילה מודל שפה ישירות מהתא, בדיוק כמו VLOOKUP או SUM.

אותה פונקציה בדרך כלל עובדת גם ב-Excel וגם ב-Google Sheets, עם אותו תמחור בסיסי.

השימושים הנפוצים

  • כתיבת נוסחה מתיאור מילולי בעברית או באנגלית
  • ניקוי וסידור נתונים לא אחידים
  • סיווג ותיוג שורות בכמות גדולה - למשל לידים או פניות לקוחות
  • תרגום גיליון שלם משפה לשפה
  • יצירת סקריפט אוטומציה (VBA לאקסל, Apps Script לשיטס) מתיאור מילולי

GPT for Work

כל נוסחה בגיליון יכולה להריץ מודל AI אחר - GPT, Claude, Gemini, Perplexity, Mistral ועוד - ולערבב כמה ספקים באותו קובץ, עם עיבוד המיועד עד 1,000,000 שורות בהרצה אחת ב-Excel (במאות אלפי שורות ב-Google Sheets) (מול Copilot שלפי בנצ'מארק של החברה עצמה נתקע כבר מעל 10,000 שורות - לקחת בעירבון).

GPT for Work

Ajelix

מעבר לכתיבת נוסחה בשפה טבעית כמו מתחריו, אג'ליקס גם מייצר מתיאור מילולי סקריפט אוטומציה שלם - VBA לאקסל או Google Apps Script לשיטס - שכבה שרוב תוספי הנוסחה הפשוטים לא מציעים.

Ajelix

Formula Bot

בשונה מרוב תוספי הנוסחה שמתמקדים רק בכתיבת נוסחה, Formula Bot גם מסביר נוסחה קיימת בעברית-פשוטה בחינם בלי כרטיס אשראי (אך כן נדרשת הרשמה), ובתשלום מוסיף דשבורדים ודוחות מתוזמנים אוטומטית מעבר לתא בודד.

Formula Bot

Numerous.ai

פקודת ניקוי או ניתוח נכתבת כנוסחה חיה בתוך התא עצמו (למשל =AI), בדיוק כמו נוסחת אקסל רגילה - כשהדאטה משתנה התוצאה מתעדכנת אוטומטית מעצמה, בלי לחזור ולבקש מחדש מצ'אטבוט נפרד כמו ChatGPT או Claude.

Numerous.ai

רמת עומק: לערבב כמה מודלים באותו גיליון

ב-GPT for Work אפשר לבחור מודל AI שונה לכל נוסחה בנפרד - GPT, Claude, Gemini, Perplexity, Mistral, DeepSeek, xAI, Azure, ואפילו מודל מקומי דרך Ollama - ולערבב כמה מודלים באותו גיליון.

לפי בנצ'מארק של GPT for Work (החברה עצמה, לקחת בעירבון), משתמשים מנוסים מריצים עיבוד בכמות גדולה - עד 1,000 שורות בדקה, עד מיליון שורות בהרצה אחת ב-Excel (מאות אלפי שורות בלבד ב-Google Sheets, לפי התיעוד הרשמי) - למשל סיווג אלפי לידים בבת אחת.

הפונקציה שנעלמת מאקסל

לפי GPT for Work (מצטט את עמוד התמיכה של מיקרוסופט, לא אומת ישירות), הפונקציה =COPILOT() בתוך התא מתוכננת להתבטל ב-14.9.2026. השדרוג המקובל: Find and Replace מ-=COPILOT( ל-=GPT(.

Sheets canvas - החידוש של אוגוסט 2026

באוגוסט 2026 גוגל השיקה את Sheets canvas - ג'ימיני בונה מיני-אפליקציה אינטראקטיבית מעל נתונים קיימים ממשפט אחד, בלי נוסחה, עם סנכרון דו-כיווני בזמן אמת.

אפשר לבקש מג'ימיני לשנות פריסה, עיצוב או פונקציונליות בשיחה חופשית בלי לגעת בנתונים המקוריים - השינויים מתעדכנים אוטומטית, כולל שיתוף לפי הרשאות הגיליון המקורי.

בינתיים Sheets canvas זמין רק באנגלית, בדפדפן בלבד, ומוגבל למנויי Google AI Pro או Ultra, או Workspace Business או Enterprise Standard ומעלה, בפריסה מדורגת.

הדביקו את הנוסחה בעמודה חדשה (למשל B2) ליד רשימת פניות לקוחות או לידים בעמודה A, ואז גררו אותה למטה על כל השורות. כל שורה מקבלת קטגוריה משלה בלי להעתיק שום דבר לצ'אט חיצוני.

```
=GPT("סווג את הפנייה הבאה לאחת מהקטגוריות: תלונה, שאלה, בקשת החזר, שבח. החזר מילה אחת בלבד בעברית.", A2)
```

נסו את GPT for Work

עמודה שלמה עם תיוג אוטומטי לכל שורה - תלונה, שאלה, בקשת החזר או שבח - שמתעדכן שוב לבד אם משנים את הטקסט המקורי בעמודה A.

לפני שסומכים על זה בעיוורון

לפי אזהרת מיקרוסופט (מצוטטת ב-Slashdot), פונקציית AI בתא - =COPILOT() וגם =GPT()/=AI() של תוספים דומים - עלולה לתת תשובות שגויות. אסור להשתמש בה לחישובים מספריים או לתרחישים עם השלכות משפטיות, רגולטוריות או פיננסיות.

תיעוד GPT for Work עצמו מציין שהמודלים עובדים בהרבה שפות אבל נותנים את התוצאות הכי טובות באנגלית - בעברית צפוי דיוק נמוך יותר, ורצוי בדיקה קפדנית יותר של כל תוצאה.

כשמעלים דאטה לתא, כולל מידע עסקי רגיש, הוא נשלח לשרת חיצוני של ספק המודל. GPT for Work מצהיר שלא שומר או מאמן על קלט-פלט, אבל זו הבטחה של ספק אחד בלבד - כדאי לבדוק מדיניות פרטיות של כל תוסף בנפרד.

לפי בנצ'מארק של GPT for Work (ספק מתחרה, לקחת בעירבון), Copilot נתקע כמעט לגמרי מעל 10,000 שורות ונעצר אחרי 15 דקות, בעוד GPT for Work מיועד למיליון שורות.

זמינות בישראל

לפי מדריך עברי (תותח אקסל, 2026) שסוקר 13 תוספי AI, רק GPT Excel צוין כתומך במפורש בעברית (גם ב-Excel, ב-Sheets וב-LibreOffice), ו-Claude for Excel כ'בעברית מלאה'.

התמחור של כל התוספים המרכזיים שנבדקו - GPT for Work, Numerous.ai, Ajelix, Formula Bot - מוצג בדולר בלבד, בלי תמחור בשקלים.

יש גם עניין מקצועי מקומי - למשל בלוג של רואה חשבון ישראלי שמציג AI באקסל כתחליף חלקי לעבודת אנליסט פיננסי (confidence נמוכה).

ניקוי דאטה אוטומטי עם AI

ניקוי דאטה עם AI זה לכתוב הוראה בעברית פשוטה בתוך צ'אט או תוסף, במקום לבנות נוסחת VLOOKUP או IF מסובכת בעצמכם. הכלי מזהה כפילויות, פורמטים לא אחידים, ערכים חסרים וחריגים בבת אחת, ומחזיר טבלה מסודרת.

לפני: שעות של מיון ידני, השוואת שורות אחת-אחת, ותיקון תאריכים תא אחרי תא. אחרי: פקודה אחת בשפה טבעית, וה-AI סורק את כל הטבלה תוך שניות ומחזיר גם רשימת מה שתוקן.

בפרק הזה נכיר כלים לניקוי דאטה, נבין מתי לסמוך על AI ומתי לבדוק ידנית, ונתרגל עם שתי דוגמאות פקודה שאפשר להעתיק ישירות לקובץ שלכם.

4 סוגי ניקוי שכל כלי AI יודע לעשות

  • דה-דופליקציה - הסרת שורות כפולות שמייצגות בפועל את אותה רשומה.
  • נירמול פורמט - איחוד תאריכים, מטבעות וטקסט לפורמט אחיד אחד בכל הטבלה.
  • השלמת ערכים חסרים - איתור תאים ריקים והצעת ערך הגיוני להשלמה.
  • זיהוי חריגים - סימון ערכים שנראים לא הגיוניים ביחס לשאר הנתונים.

את ארבעת הסוגים אפשר לבקש בפקודה אחת בשפה טבעית, בלי לבנות נוסחה בעצמכם.

טכניקה שימושית בשם clustering (למשל בכלי בשם OpenRefine) מוצאת ערכים שנראים שונים אבל כנראה מייצגים את אותו דבר - למשל IBM מול I.B.M. מול ibm inc.

ניקוי בקנה מידה גדול: קודם מדויק, אחר כך מטושטש

כשמנקים דאטה גדול, למשל רשימת לקוחות שלמה ב-CRM, מומלץ תהליך שכבתי: קודם להריץ התאמה מדויקת (דטרמיניסטית), ורק על מה שנשאר להפעיל fuzzy matching. כך מצמצמים תוצאות שגויות.

גם ל-OpenRefine כמה אלגוריתמי clustering שונים (Fingerprint, N-Gram, Phonetic, Levenshtein) - כל אחד מתאים לסוג טעות אחר. אין אלגוריתם אחד שמתאים לכל מקרה.

לפני שממזגים: תור סקירה אנושי

כש-AI מציע מיזוג של שתי רשומות דומות (למשל שני לקוחות שנראים זהים), כדאי לקבוע תור סקירה: ה-AI מציע, ובן אדם מאשר לפני שהמיזוג נכנס לתוקף. חשוב במיוחד בנתונים שמשפיעים על לקוחות אמיתיים.

מקור משני שלא אומת מול המחקר המקורי מדווח על קפיצת דיוק דה-דופליקציה מכ-30% לכמעט 60% בפייפליין היברידי (התאמת מחרוזות, embeddings, ורק במקרים קשים LLM). שווה להתייחס למספר הזה בזהירות.

עברית ב-CSV: שימו לב לקידוד

אקסל לא תמיד מזהה קידוד UTF-8 אוטומטית בייבוא CSV - קובץ עברי (למשל מהנהלת חשבונות או CRM) עלול להיפתח עם תווים מעוותים. הפתרון: לייבא דרך התפריט Data ואז From Text/CSV, ולבחור קידוד Unicode (UTF-8).

גוגל שיטס מזהה UTF-8 אוטומטית. לפעמים הכי פשוט לפתוח שם קודם קובץ CSV עברי, ורק אחר כך להעביר אותו לניקוי ב-AI.

CleanMyExcel.io

מהכלים הבודדים בתחום שעובדים לגמרי בלי מנוי AI ובלי הרשמה - מעלים קובץ ומקבלים בחזרה טבלה נקייה ודוח בעיות בחינם, מוגבל לקובץ עד 1MB וגיליון בודד.

CleanMyExcel.io

copilot

בתוך Excel יש תכונה ייעודית בשם Clean Data - בלחיצה אחת מזהה אי-עקביות ברישיות, פורמט מספרים לא אחיד, ורווחים מיותרים בטבלה.

copilot

Numerous.ai

פקודת ניקוי או ניתוח נכתבת כנוסחה חיה בתוך התא עצמו (למשל =AI), בדיוק כמו נוסחת אקסל רגילה - כשהדאטה משתנה התוצאה מתעדכנת אוטומטית מעצמה, בלי לחזור ולבקש מחדש מצ'אטבוט נפרד כמו ChatGPT או Claude.

Numerous.ai

Ajelix

מעבר לכתיבת נוסחה בשפה טבעית כמו מתחריו, אג'ליקס גם מייצר מתיאור מילולי סקריפט אוטומציה שלם - VBA לאקסל או Google Apps Script לשיטס - שכבה שרוב תוספי הנוסחה הפשוטים לא מציעים.

Ajelix

מעלים את הקובץ לצ'אט, מדביקים את הפקודה, ומחכים לטבלה נקייה ולרשימת השינויים. שווה לפתוח את הקובץ המקורי לצד התוצאה ולבדוק כמה שורות אכן השתנו, לפני שסומכים על התוצאה.

```
נקו את הנתונים בקובץ המצורף (Excel או CSV) לפי הכללים הבאים:
1. הסירו שורות כפולות שמייצגות אותה רשומה בפועל, גם אם יש הבדל קטן בכתיב.
2. אחדו את כל התאריכים לפורמט DD/MM/YYYY.
3. השלימו ערכים חסרים בעמודת עיר לפי הכתובת בעמודה הסמוכה, אם אפשר.
4. סמנו בעמודה נפרדת כל שורה עם ערך שנראה חריג ביחס לשאר הנתונים.
5. החזירו טבלה מסודרת, ורשימה קצרה של כל שינוי שביצעתם.
```

פתחו את ChatGPT

טבלה נקייה בלי כפילויות, עם תאריכים בפורמט אחיד, ערכים חסרים שהושלמו במידת האפשר, ורשימת שינויים שה-AI ביצע בפועל.

גרף עמודות של סך המכירות לפי אזור, שנוצר לאחר שChatGPT ניקה כפילויות וערכים חסרים מקובץ הדוגמה
✅ הגרף הזה הופק מתוך קובץ-הדוגמה אחרי שChatGPT הסיר 2 כפילויות והשלים 3 ערכים חסרים באותה שיחה - בדיוק התהליך המתואר למעלה (נוצר עם ChatGPT)

כותבים את הנוסחה בתא ליד עמודת התאריכים המקורית, בדיוק כמו נוסחת אקסל רגילה. כשהתאריך המקורי בתא B2 משתנה, התוצאה מתעדכנת לבד, בלי לחזור ולהעתיק שוב את הפקודה לצ'אטבוט נפרד.

```
=AI("Standardize dates in B2 to DD/MM/YYYY")
```

נסו את Numerous.ai

תא עם תאריך מנורמל בפורמט DD/MM/YYYY, שמתעדכן אוטומטית בכל פעם שהתא המקורי משתנה.

גרפים ודשבורדים בשפה טבעית: מגיליון לתמונה מוכנה

עד היום כדי לקבל גרף מהנתונים היה צריך לדעת אקסל ברמת נוסחאות, או לפחות לדעת איפה נמצא הכפתור הנכון. היום מספיק להעלות קובץ ולכתוב בעברית פשוטה מה רוצים לראות.

לפני: בוחרים סוג גרף, מעצבים כל ציר בנפרד, שומרים תבנית. אחרי: כותבים משפט אחד כמו "גרף עמודות של מכירות לפי אזור" - ומקבלים תוצאה תוך שניות, בין אם בצ'אטבוט כללי, באקסל עם Copilot, או בגוגל שיטס עם Gemini.

התועלת הכי גדולה היא למי שאף פעם לא בנה גרף באקסל בעצמו - אפשר לבקש אותו במילים. אבל יש כאן גם מלכודת עברית ספציפית וכמה דגשים לפני שסומכים על התוצאה, ואליהם מגיעים בפרק.

איפה מבקשים גרף בעברית

| כלי | איך מבקשים | מה מקבלים |

|---|---|---|

| ChatGPT / Claude | מעלים קובץ אקסל או CSV, כותבים בעברית פשוטה מה רוצים לראות | תמונת גרף מוכנה, ולפעמים גם הסבר קצר על המגמה |

| Excel עם Copilot | פותחים מהאייקון הייעודי בגיליון | הכלי בוחר לבד סוג גרף מתאים ומכניס אותו ישירות לתא |

| Google Sheets עם Gemini | לוחצים על כפתור Gemini בצד הגיליון | גרף שנפתח בטאב חדש, עריך לגמרי, ומתעדכן אוטומטית כשהנתונים משתנים |

| Julius AI | מעלים קובץ בכלי ייעודי לניתוח נתונים, שואלים בשפה טבעית | גרפים, מפות חום ודשבורדים אינטראקטיביים - לא רק תמונה בודדת |

לפני שמבקשים את הגרף עצמו

כשמבקשים גרף בלי לפרט, ה-AI מקבל יותר מדי החלטות לבד - וזה מגדיל את הסיכוי לגרף מטעה או פשוט מכוער. גרף פיזור בלי הנחיה, למשל, יוצא לרוב עם נקודות באותו צבע, בלי קו מגמה ובלי תוויות צירים.

הדרך הבטוחה: קודם לשאול את ה-AI איזה סוג גרף הכי מתאים לנתונים - ורק אחרי שהוא עונה, לבקש את הגרף עצמו עם כל פרט מפורש: צירים, כותרת, צבעים, מקרא.

מעלים קובץ אקסל או CSV אמיתי עם כמה עמודות מכירות. מדביקים את הפרומפט המלא בצ'אט. בשלב הראשון בודקים שסוג הגרף שה-AI הציע באמת מתאים לשאלה, ורק אז מאשרים ליצור אותו. בסוף משווים את המספרים בגרף למספרים המקוריים בקובץ - לא סומכים בעיניים עצומות.

```
העליתי קובץ אקסל עם העמודות: תאריך, אזור, מוצר, סכום מכירה.

1. קודם תגידו לי איזה סוג גרף הכי מתאים להשוואת מכירות בין האזורים בחודש האחרון - בלי ליצור אותו עדיין.

2. אחרי שאני מאשר את סוג הגרף, תיצרו אותו עם:
- ציר Y שמתחיל מ-0
- כותרת: "מכירות לפי אזור - אוגוסט 2026"
- תוויות צירים באנגלית בלבד (כדי למנוע את הבאג של עברית הפוכה)
- מקרא צבעים נפרד לכל אזור
- שורת מקור מתחת לגרף: שם הקובץ ותאריך העדכון
```

פתחו את ChatGPT

תמונת גרף עמודות עם ציר Y שמתחיל מ-0, כותרת ומקרא ברורים, ותוויות באנגלית כדי למנוע את בעיית העברית ההפוכה.

גרף עם תוויות אזורים בעברית שיוצאות הפוכות ולא קריאות עקב באג RTL בספריית matplotlib
⚠️ הבאג בפועל: כשמבקשים תוויות עבריות מ-ChatGPT, matplotlib מציג אותן הפוכות ("תל אביב" הופך ל"בבא לת") - נוצר עם ChatGPT Advanced Data Analysis
גרף עמודות תקין עם תוויות עברית קריאות של ערוצי מכירה
✅ באותו כלי ובאותה שיחה, בבקשה נפרדת התוויות יצאו הפעם תקינות - התוצאה לא עקבית, ולכן תמיד בודקים כל גרף שמתקבל (נוצר עם ChatGPT)

julius.ai

כלי ייעודי לניתוח נתונים בשפה טבעית - לא צ'אטבוט כללי. מעלים קובץ, שואלים בעברית, והוא כותב Python או R מאחורי הקלעים בתוך קונטיינר מאובטח, ומחזיר גרפים, מפות חום ודשבורדים אינטראקטיביים.

julius.ai

כשגרף בודד לא מספיק - דשבורד שלם

מעבר לגרף בודד, ב-Copilot יש גם מצב סוכן (Agent Mode) שמבצע משימה רב-שלבית בפקודה אחת - ניקוי נתונים, חישוב מדדים, ובניית כמה גרפים יחד לכדי דשבורד שלם.

אפשר לחבר לגרפים כאלה מסננים חכמים (סינון וציר זמן) שמקושרים לכמה גרפים בבת אחת - דשבורד אינטראקטיבי אמיתי עם סינון, לא רק תמונה קבועה.

לפני שסומכים על הגרף

הבעיה המסוכנת ביותר היא לא גרף שגוי - היא גרף שגוי שנראה משכנע לגמרי. AI יכול לחשב ממוצע במקום חציון, או להמציא נתון, ולהציג את זה בביטחון מלא.

גם מיקרוסופט מזהירה בעצמה: כל דבר ש-Copilot יוצר צריך להיבדק, להיערך ולהיות מאומת מול המספרים המקוריים.

ביקורת מהירה לפני שסומכים: ציר Y מתחיל מ-0, הסולם עקבי ומתויג, ואם צריך - לבקש במפורש רווח סמך ומקור לנתונים.

מגבלות גודל קובץ שכדאי לדעת עליהן

ב-ChatGPT יש הגבלה בפועל של כ-50MB לקובץ, אבל חלון ההקשר (כ-128,000 טוקנים) לרוב לא מספיק ל-CSV גדול כזה - קובץ כבד עלול פשוט להיכשל בהעלאה או לזרוק שגיאת זיכרון.

ב-Copilot אין מגבלת-שורות רשמית ומאומתת שנמצאה (המספר '2 מיליון' חוזר במקורות משניים אך לא אומת מול תיעוד רשמי) - אבל הביצועים יורדים משמעותית כשהטבלה לא מובנית היטב - כותרות לא אחידות, תאים ממוזגים, סוגי נתונים לא עקביים.

העברית בגרפים - באג שכדאי לדעת עליו

כשמבקשים גרף עם תוויות בעברית דרך ChatGPT (שמריץ מאחורי הקלעים את הספרייה matplotlib), התוויות יוצאות הפוכות ולא קריאות - האותיות מסודרות משמאל לימין במקום מימין לשמאל.

זה לא באג של הכלי הספציפי אלא באג פתוח ומתועד בספריית matplotlib עצמה. הפתרון המעשי: לבקש שהתוויות יהיו באנגלית, או לבקש את הסקריפט של Python בנפרד ולתקן בו את כיוון הטקסט.

כמה זה עולה בישראל

אין מחיר שקלי קבוע לאף אחד מהכלים האלה. ChatGPT Plus מחויב בדולר (כ-20$), ובפועל יוצא כ-70-80 ש"ח לחודש תלוי בשער החליפין ובמע"מ; יש גם ChatGPT Go בכ-25 ש"ח לחודש.

גם Microsoft 365 Copilot לעסקים מוצג בדולרים בלבד - כ-18$ למשתמש לחודש בחיוב שנתי, או כ-25.20$ לחודש, פלוס מע"מ.

תחזיות עם AI: מנתונים היסטוריים לגרף עתידי

באקסל יש כבר כלי מובנה, "גליון תחזית", שהופך טור תאריכים וערכים היסטוריים לגרף ולטבלה של ערכים עתידיים בלי קוד. שכבת AI מעליו (Copilot) מוסיפה שפה טבעית: מבקשים תחזית במילים, לא בנוסחה.

לפני: כדי לחזות היה צריך נוסחת FORECAST.ETS ידנית או קובץ אקסל מסובך. אחרי: אפשר לבקש מ-Copilot "תחזה מכירות לארבעה רבעונים הבאים", או להעלות טבלה ל-Akkio ולקבל מודל למידת מכונה אמיתי בלי שורת קוד אחת.

התועלת: תחזית שלוקחת שניות במקום שעות, עם רווח סמך ולא רק מספר יבש. בישראל: מחירי Copilot ו-Akkio מוצגים בדולר גם בדפים בעברית, וכדאי לבדוק שטור התאריכים לא התהפך ל-RTL לפני שסומכים על התוצאה.

גליון תחזית מובנה באקסל (בלי AI בכלל)

בתפריט Data, לחצו Forecast Sheet. תנאי הכרחי: שני טורים מיושרים - ציר זמן במרווחים קבועים וטור ערכים. ציר זמן לא אחיד שובר את התחזית לגמרי.

נוסחאות תחזית מתקדמות

  • FORECAST.ETS(תאריך יעד, ערכים, ציר זמן) - תחזית לערך עתיד בודד, עם אפשרות לקבוע ידנית את מחזור העונתיות (4 לרבעונים, 12 לחודשים).
  • FORECAST.ETS.CONFINT - מחזיר רווח סמך סביב התחזית, לא רק מספר יבש.
  • FORECAST.ETS.STAT - נתוני התאמה סטטיסטיים לבדיקת איכות המודל.
  • עם רישיון Copilot + Python in Excel: פרומפט כמו "Forecast sales for the next 4 quarters" מריץ מודל Python אמיתי בתא, לא רק נוסחה סטטיסטית.

תחזית AI היא ניחוש מבוסס עבר, לא נבואה

  • גם התחזית המובנית של אקסל וגם השכבה מעליה מניחות שהעתיד יתנהג כמו העבר - לא יודעות לשקלל שינוי שוק, אירוע חד פעמי או מתחרה חדש.
  • מודל תחזית עלול להתאים יתר על ההיסטוריה ולהיכשל על נתונים חדשים, בעיקר עם מעט חודשים חריגים.
  • נקודות זמן כפולות או לא אחידות שוברות בשקט את FORECAST.ETS - סכמו כפילויות לפני החיזוי, אל תסמכו שהנוסחה תתקן זאת לבד.

הפונקציה COPILOT() בתוך תא נעלמת ב-14.9.2026

מיקרוסופט מבטלת לגמרי את הפונקציה =COPILOT() בתוך תא החל מ-14.9.2026. כל תהליך עבודה שנבנה סביב פרומפט בתוך תא יפסיק לעבוד - צריך לעבור לחלונית הצ'אט הצדדית של Copilot.

Akkio

אקיו לא רק מתארת נתוני עבר - היא מאמנת בפועל מודל למידת-מכונה לחיזוי (למשל נטישת לקוחות) תוך כ-10 שניות, עם ולידציה מובנית נגד התאמת-יתר, ומריצה אותו בזמן אמת דרך API בלי לחזור לאקסל.

Akkio

אקיו מהיר, אבל ה'למה' לא תמיד ברור

התחזיות של אקיו מהירות, אבל ההסבר מאחורי מספר תחזית ספציפי לא תמיד מוצג בבירור - סיכון ממשי כשצריך להצדיק את המספר מול לקוח או הנהלה.

פתחו את חלונית הצ'אט הצדדית של Copilot בתוך אקסל (Home, כפתור Copilot) - לא בתוך תא בודד, כי COPILOT() בתוך תא מתבטלת ב-14.9.2026. הדביקו את הפרומפט עם שם הטור והטווח האמיתיים שלכם.

```
תחזה את [שם טור המכירות או ההכנסות] לארבעת הרבעונים הבאים לפי הנתונים בטווח [טווח התאים], כולל רווח סמך וגרף
```

פתחו את Copilot

טבלת תחזית וגרף לארבעת הרבעונים הבאים, ולפעמים גם קוד Python שרץ מאחורי הקלעים אם יש לכם Python in Excel.

בישראל: מחיר בדולר ובאג RTL לתאריכים

  • גם דף התמחור בעברית של Microsoft 365 Copilot מציג מחירים בדולרים (18-32$ למשתמש לחודש בערך, נכון ל-2026-08) ולא בשקלים.
  • יש דיווח באג מתועד על תצוגת תאריכים בעברית או RTL באקסל בסדר שגוי - בדקו שטור ציר הזמן בגליון התחזית מוצג נכון לפני שסומכים על התוצאה.

מעבר לאקסל: שואלים את מסד הנתונים בשפה טבעית

עד עכשיו דיברנו על קבצים - אקסל, CSV, PDF. יש קטגוריה של כלים שעובדת אחרת: Text-to-SQL. שואלים שאלה רגילה, למשל "כמה הזמנות מעל 500 ש"ח היו החודש", והכלי הופך אותה לבד לשאילתת SQL שרצה מול מסד נתונים - בלי לדעת לכתוב קוד.

ההבדל המרכזי מעבודה על קובץ: כלי NL2SQL מתחבר ישירות למסד נתונים חי - PostgreSQL, MySQL, Snowflake, BigQuery - שיכול להכיל מיליוני שורות בכמה טבלאות מקושרות. הרבה מעבר למה שקובץ בודד שמעלים לצ'אט יכול להכיל.

התקן הטכני שמאחורי חלק גדול מהכלים החדשים נקרא MCP - אנתרופיק פרסמה אותו בנובמבר 2024, ועד 2026 גם מיקרוסופט, אורקל וגוגל קלאוד השיקו לו שרתים רשמיים. בישראל אין עדיין כלי ייעודי בתחום, וברוב הכלים המובילים אין תיעוד תמיכה בעברית.

איך זה עובד בפועל

  • שואלים שאלה רגילה - בעברית או באנגלית, בדיוק כמו לעובד: "כמה לקוחות חדשים הצטרפו ברבעון האחרון".
  • הכלי בונה שאילתת SQL אמיתית שרצה נגד הטבלאות במסד הנתונים - הוא לא מנחש תשובה מהזיכרון.
  • בכלים כמו BlazeSQL ה-AI מקבל רק את מבנה הטבלאות (שמות טבלאות ועמודות), לא את הנתונים עצמם - התוצאה חוזרת ישירות ממסד הנתונים למחשב המשתמש.

לפני שסומכים על התשובה

  • צוות ההנדסה של Snowflake בדק את GPT-4o על 150 שאלות עסקיות אמיתיות (לא בנצ'מארק אקדמי) וקיבל דיוק של כ-51% בלבד - כמעט שאלה שנייה קיבלה תשובה שגויה שהוצגה בביטחון מלא.
  • הטעות הנפוצה ביותר נקראת "הזיה מבנית" - ה-AI ממציא שם טבלה, עמודה או קישור בין טבלאות שנשמע הגיוני אבל לא קיים במסד הנתונים בפועל. חובה לבדוק את השאילתה מול הסכימה האמיתית.
  • הכלל המקובל באבטחה: לתת ל-AI רק הרשאת קריאה (SELECT בלבד) על מסד נתונים, אף פעם לא הרשאת כתיבה על מסד ה-production - כדי שגם בטעות הוא לא ימחק או ישנה נתונים אמיתיים.

למה כלים ארגוניים מדייקים הרבה יותר

  • כלים מתקדמים כמו Wren AI ו-Snowflake Cortex Analyst בונים מראש "שכבה סמנטית" שמגדירה מונחים עסקיים ויחסי חיבור בין טבלאות - זה מעלה את הדיוק מכ-51% (GPT-4o ישיר) לכ-90% (Cortex Analyst).
  • מיקרוסופט בחרה במכוון לא לתמוך ב-NL2SQL "חופשי" בשרת ה-SQL MCP הרשמי שלה, כי מודלי AI אינם דטרמיניסטיים - היא נותנת ל-AI לבחור רק מתוך סט פעולות מוגדרות מראש, לתוצאה בטוחה וצפויה.
  • בשרתי MCP ארגוניים ההרשאות (RBAC) מוגדרות ברמת כל טבלה בנפרד - מי יכול לקרוא, מי יכול לכתוב, ואילו עמודות מוסתרות מתפקידים מסוימים - וזה חל אוטומטית על כל שאלה בשפה טבעית.
  • בגישת RAG (למשל Vanna AI) המערכת לא שולחת את כל מבנה מסד הנתונים בכל שאלה - היא "לומדת" מראש ושולפת רק את החלקים הרלוונטיים, וגם שומרת תוצאות בקאש ומתעדת כל שאילתה שרצה בפועל.

BlazeSQL

בניגוד לכלי AI כלליים שמעלים את הדאטה עצמו לצ'אט, BlazeSQL שולח למודל רק את מבנה הטבלאות - שמות טבלאות ועמודות - והתוצאה חוזרת ישירות ממסד הנתונים למחשב המשתמש. הדאטה עצמו לא עובר דרך ה-AI.

BlazeSQL

לפני שמתחילים, ודאו שהמשתמש שמחובר למסד הנתונים הוא read-only (הרשאת קריאה בלבד) - כלל אבטחה בסיסי. אחר כך מחברים את BlazeSQL למסד הנתונים (רק מבנה הטבלאות נשלח, לא הנתונים עצמם), מקלידים את השאלה, ובודקים את שאילתת ה-SQL שהתקבלה מול שמות הטבלאות האמיתיים לפני שסומכים על התוצאה.

```
כמה [אירוע עסקי - למשל: הזמנות, לקוחות חדשים, החזרות] היו ב-[תקופת זמן - למשל: החודש שעבר, ברבעון האחרון], מפולח לפי [ממד - למשל: אזור, קטגוריית מוצר, נציג מכירות]?
```

לאתר BlazeSQL

טבלה עם התשובה המספרית מחולקת לפי הממד שבחרתם, ולצידה שאילתת ה-SQL שרצה בפועל - שווה להציץ בה ולוודא שהיא מתייחסת לטבלאות הנכונות לפני שמעבירים את המספר הלאה.

זמינות בישראל

בתת-הנושא הזה אין ממצא ישראלי-ספציפי - לא נמצאה חברה ישראלית מובילה בקטגוריה, ולא נמצא תיעוד תמיכה בעברית או RTL באף אחד מהכלים המובילים (BlazeSQL, Wren AI, Vanna AI, שרתי MCP). כל הכלים מתומחרים בדולר, לשוק גלובלי.

פרטיות ואבטחת מידע: מה בטוח להעלות ל-AI ומה לא

לפני שמעלים קובץ אקסל עם פרטי לקוחות ל-AI, כדאי לדעת מה קורה לנתונים אחרי שהם עוזבים את המחשב. ברוב הכלים הצרכניים ברירת המחדל שונה לגמרי מהחשבונות העסקיים, וכדאי להכיר את ההבדל לפני שמדביקים דאטה אמיתי.

זה לא תיאוריה - ב-2023 שלושה עובדי סמסונג הדביקו קוד מקור סודי לתוך ChatGPT בתוך פחות מ-20 יום, וסמסונג בנתה בעקבות זה צ'אטבוט פנימי משלה כדי לצמצם את הסיכון.

מאוגוסט 2025 כל עסק בישראל, בלי קשר לגודל, כפוף לתיקון 13 לחוק הגנת הפרטיות - זו כבר שאלה משפטית ולא רק טכנית, לפני שמעלים גיליון עם פרטי לקוחות אמיתיים.

מי רואה את הקובץ שלכם אחרי שהעליתם אותו

  • חשבון צרכני (Free/Plus/Pro אצל ChatGPT או Claude) - השיחות שלכם, כולל קבצים שהעליתם, עלולות לשמש לאימון המודל אלא אם כיביתם את זה ידנית בהגדרות הפרטיות.
  • חשבון עסקי (Team/Enterprise/API) - ברירת המחדל הפוכה: לא משמש לאימון בכלל, בלי שצריך לכבות שום דבר.
  • Claude API - פרטיות מחמירה עוד יותר: מ-14.9.2025 הלוגים נשמרים רק 7 ימים, לעומת עד 30 יום או 5 שנים בצ'אט הצרכני.
  • AI מוטמע בתוכנה (כמו Copilot ב-Excel) - בחשבון ארגוני מכוסה בהסכם הגנת נתונים (DPA) של מיקרוסופט, אותו הסכם שכבר חל על Exchange ו-SharePoint, ולא משמש לאימון מודלים.
  • ״לא לאימון״ לא שווה ״לא נשמר״ - גם עם ההגדרה כבויה, השיחה עדיין מועברת ונשמרת אצל הספק לתקופה מסוימת.
  • שיתוף קישור לשיחה - לא בטוח כמו שנראה: ב-2025 כ-4,500 שיחות ChatGPT ששותפו הופיעו בתוצאות חיפוש בגוגל, בגלל אפשרות אינדוקס שהוסרה רק אחר כך.

מקרה סמסונג: איך זה קורה בפועל

בתוך פחות מ-20 יום ב-2023, שלושה עובדי סמסונג הדביקו ל-ChatGPT קוד מקור סודי, קוד לזיהוי ציוד תקול ותמלול פגישה פנימית. סמסונג הגיבה בהגבלת כל פרומפט ל-1,024 בתים ובבניית צ'אטבוט פנימי משלה.

הלקח לעסק קטן: כלל ברור וכתוב לעובדים על מה אסור להדביק - לפני שמישהו עושה את זה בטעות באמצע יום עמוס.

איך מסתירים נתונים נכון

צביעת תא בשחור לא באמת מסתירה כלום - אפשר לבטל את זה בקליק. הדרך המקצועית היא אנונימיזציה בפועל לפני ההעלאה: למחוק או להחליף את הערך עצמו, לא רק להסתיר אותו ויזואלית.

שימו לב גם ל״מזהים עקיפים״ - עיר מגורים, תפקיד, תאריך קליטה לעבודה. השילוב שלהם יכול לזהות אדם ספציפי גם בלי שם ותעודת זהות בכלל.

מה אומר החוק בישראל

מאוגוסט 2025 תיקון 13 לחוק הגנת הפרטיות חל על כל עסק בישראל, בלי קשר לגודל - כולל חובות שקיפות ואבטחת מידע. הרשות להגנת הפרטיות ממליצה על עקרון מזעור: לתת ל-AI רק גישה מינימלית למשימה הספציפית.

הפרה עלולה לגרור קנסות מנהליים של מיליוני שקלים - סיבה מעשית לבדוק הגדרות פרטיות לפני שמעלים גיליון עם ת.ז., טלפון או כתובת של לקוחות אמיתיים.

נסו את זה קודם על רשימת שמות העמודות בלבד, בלי הנתונים עצמם. כך ה-AI עוזר לכם למפות מה מסוכן להעלות, עוד לפני שהעלאתם קובץ אמיתי עם פרטי לקוחות.

```
יש לי קובץ אקסל עם העמודות הבאות: [רשימת שמות העמודות, למשל: שם לקוח, טלפון, עיר, תפקיד, סכום עסקה, תאריך].
אני רוצה להעלות את הקובץ הזה ל-AI לניתוח מכירות.

לפני שאני מעלה את הקובץ עצמו - סמן לי אילו עמודות מזהות אדם ספציפי, כולל שילוב של עמודות שביחד עלולות לזהות מישהו (למשל עיר ותפקיד יחד).
לכל עמודה רגישה, הצע איך להחליף אותה בקוד אנונימי (למשל "לקוח 001" במקום שם אמיתי) לפני שאני מעלה את הקובץ האמיתי.
```

פתחו את ChatGPT ונסו

רשימה שמסמנת כל עמודה כרגישה או לא-רגישה, כולל התראה על שילובי עמודות מסוכנים, והצעה קונקרטית להחלפת שמות וטלפונים בקוד לקוח אנונימי.

השוואת כלי AI לניתוח נתונים: מחיר, מגבלות קובץ ויכולות

עד עכשיו פגשתם כמה כלי AI לניתוח נתונים בנפרד - עכשיו הזמן להשוות אותם זה מול זה, על 5 יכולות שבאמת מכריעות איזה כלי מתאים לכם: סוג הכלי, מגבלת קובץ, הצורך בהפעלה ידנית, קנה המידה שהוא סופג, והמחיר שבו מתחילים.

לפני הטבלה: כל כלי נראה "עוד AI לניתוח נתונים". אחרי הטבלה: תדעו למה Claude דורש הפעלה ידנית לפני שהוא קורא אקסל, למה Copilot לא "מעלים" אליו קובץ בכלל אלא רץ בתוך הטבלה, ואיפה ChatGPT נתקע על קבצים גדולים.

כל המחירים בטבלה בדולר - המקורות שנבדקו לא מצאו תמחור רשמי בשקלים או הטבה ישראלית ייחודית לאף אחד מהכלים. כשמתמחרים לעסק, כדאי להמיר לפי שער יומי ולבדוק את דף המחירים החי לפני שמצטטים ללקוח.

4 כלים על 5 יכולות שמכריעות בניתוח נתונים

יכולתchatgptClaude - קלודcopilotjulius.ai
סוג הכליצ'אטבוט כלליצ'אטבוט כלליAI מוטמע בטבלהצ'אט LLM
מגבלת קובץ בפועלכ-50MB בפועל500MB בצ'אט · 30MB בפרויקטבלי העלאה · לא אומתלא אומת
הפעלה ידנית נדרשת מראשלא אומתכן · בהגדרות החשבוןלא · רץ בתוך הטבלהלא אומת
קבצים גדולים / קנה מידהנתקע מעל כ-50MBלא אומתאיטי מאוד, לא נתקעלא אומת
מחיר כניסהחינם · Plus 20$שימוש חינמי מוגבל · כ-20$חינם · M365 Copilot 30$חינם · כ-16$ עד 37$

מקורות: help.openai.com/8555545 (F219), support.claude.com/8241126 (F220, F224), datastudios.org (F221, F226), coefficient.io/ai-tools-for-excel (F218), velosio.com (F222), infinisynapse.com (F225), splitforge.app (F231). 'לא אומת' = לא נמצא מקור ראשוני אמין לתא עד זמן המחקר - לא הערכה. מחירים בדולר, נכון ל-2026-08, משתנים - לבדוק דף מחירים חי לפני שמצטטים ללקוח (F228). לא נמצא ממצא ישראלי-ספציפי לנושא הזה - כל המקורות בינלאומיים ובדולר בלבד (F233). עודכן 2026-08-26: מחירי Gemini, ChatGPT, Copilot ו-Julius תוקנו מול דפי התמחור הרשמיים החיים (היו שינויי-מחיר מהותיים מאז המחקר המקורי, כולל הפסקת מכירת Copilot Pro ללקוחות חדשים והחלפת julius.ai ממודל 4 טירים ישן ל-Free/Plus $16/Pro $37/Max $166).

טיפ - תמירו ל-CSV לפני העלאה

לפני שמעלים קובץ אקסל גדול או מסורבל ל-ChatGPT או ל-Claude, שמרו אותו קודם כ-CSV (ב-Excel: קובץ - שמירה בשם - CSV).

CSV מסיר עיצוב, נוסחאות ואובייקטים משובצים - כך הקובץ 'שוקל' פחות, ויש סיכוי גבוה יותר שהוא ייכנס מתחת לתקרת הגודל בפועל של הכלי.

לפני שמעלים אקסל ל-Claude

יש להפעיל מראש בהגדרות החשבון של Claude את האפשרות 'code execution and file creation'.

בלי זה, קובץ XLSX לא נקרא כטבלה אמיתית עם שורות ועמודות - הוא עלול להיקרא כטקסט גולמי בלבד, או לגרום לשגיאה.

עומק: ChatGPT כאנליסט הנתונים שלכם

ChatGPT Advanced Data Analysis (השם הישן: Code Interpreter) הוא כלי מובנה בתוך ChatGPT שבאמת כותב ומריץ קוד Python על הנתונים שלכם בסביבה מבודדת - לא מנחש תשובה מהטקסט של הטבלה.

זו גם נקודת הכניסה הנגישה ביותר בקורס: הכלי פעיל כברירת מחדל בהגדרות ChatGPT, ולשימוש רציף דורש מנוי Plus בכ-20 דולר לחודש. לשם השוואה, Claude for Excel המקביל דורש מנוי בתשלום בלי טיר חינמי בכלל - כך ש-ChatGPT זול יותר להתחיל איתו.

בפרק הזה נעבור על הצעדים בפועל, על הטריק שחושף את הקוד שרץ מאחורי הקלעים, ועל המגבלה הכי חשובה להכיר לפני שמעלים קובץ עסקי אמיתי.

הצעדים בפועל

  1. פותחים שיחה חדשה ב-ChatGPT ולוחצים על סמל ה-"+" בתיבת הצ'אט כדי להעלות קובץ.
  2. פורמטים נתמכים: CSV, XLSX, XLS, JSON וגם PDF לחילוץ טבלאות - עד 10 קבצים באותה שיחה.
  3. מבקשים בשפה טבעית - למשל "איך נראים הנתונים?", "נקה כפילויות" או "הראה מכירות לפי אזור כתרשים".
  4. עובדים בשלבים ולא בפרומפט-ענק אחד: תיאור, ניקוי, סיכום או פיבוט, גרף, ורק בסוף דוח מסכם - כך אפשר לבדוק כל שלב בנפרד.
  5. לוחצים על "View Analysis" כדי לראות את קוד ה-Python שרץ בפועל, ולוודא שהתשובה מבוססת על חישוב אמיתי ולא על ניחוש.

מנגנון ייחודי: הסנדבוקס שמריץ קוד אמיתי

ChatGPT Advanced Data Analysis לא מדמיין תשובה מהטקסט של הטבלה - הוא כותב קוד Python (בעיקר pandas) ומריץ אותו בפועל בסביבה מבודדת (sandbox) על הקובץ שהעליתם. זה ההבדל בין צ'אט רגיל לכלי שבאמת מחשב.

בגלל זה כדאי תמיד לבקש לראות את הקוד עצמו, או לשאול במפורש "האם זה רץ בקוד?" - לפעמים המודל עונה בטקסט חופשי בלי להריץ שום דבר.

חשוב לדעת גם את הגבול: לכלי אין גישה לאינטרנט או למסדי נתונים חיים. אי אפשר לבקש ממנו למשוך דוח מכירות ישירות מ-CRM - חייבים להוריד ולהעלות קובץ ידנית בכל פעם מחדש.

מעלים קובץ CSV או Excel אמיתי (או קובץ דמה לתרגול), מדביקים את התבנית הבאה, ומחליפים את שם הקובץ והמדד בהתאם לנתונים שלכם. עובדים לפי סדר הצעדים בפרומפט ולא מדלגים ישר לגרף.

```
העליתי קובץ נתונים (לדוגמה: מכירות_2026.xlsx).

1. תארי לי את הנתונים: כמה שורות ועמודות יש, ומה סוג הנתונים בכל עמודה.
2. בדקי אם יש כפילויות או תאים ריקים, ותני לי סיכום קצר לפני שאת מתקנת.
3. אחרי אישור שלי - נקי את הכפילויות והתאים הריקים.
4. תני לי טבלת סיכום של [המדד שרוצים, למשל: סך מכירות לפי חודש].
5. הציגי את התוצאה גם כגרף.
6. הראי לי את קוד ה-Python שרץ, כדי שאוודא שהתשובה מבוססת על חישוב אמיתי.
```

פתחו את ChatGPT

תיאור קצר של הנתונים, טבלת סיכום נקייה, גרף שממחיש את המדד שביקשתם, וקישור "View Analysis" שמראה את קוד ה-Python שיצר את התוצאה בפועל.

גרף עמודות וטבלת סיכום שנוצרו על ידי ChatGPT Advanced Data Analysis מתוך קובץ מכירות שהועלה
✅ גרף אמיתי שנוצר מתוך קובץ Excel לדוגמה שהועלה ל-ChatGPT, לפי הפרומפט בתרגול למעלה (נוצר עם ChatGPT Advanced Data Analysis)
גרף נוסף מאותה שיחה עם תוויות עבריות הפוכות עקב באג ידוע ב-matplotlib
⚠️ מגרף אחר מאותה שיחה: כשהתוויות בעברית, לפעמים הן יוצאות הפוכות (ראו האזהרה למעלה על matplotlib) - נוצר עם ChatGPT Advanced Data Analysis

טיפים מתקדמים

  1. אפשר להעלות עד 10 קבצים לאותה שיחה ולבקש מהמודל לחבר ביניהם (merge) לפי עמודת מפתח משותפת - כמו VLOOKUP חכם בין כמה גיליונות.
  2. בחישובים מדורגים (כמו קצב צמיחה על פני כמה חודשים) כדאי לבקש מהמודל לחשב באותה שיטה פעמיים בדרכים שונות ולהשוות - טעות בשלב מוקדם מתגלגלת הלאה בלי בדיקה עצמית.
  3. מורידים גם את קובץ ה-CSV המעובד וגם את קוד ה-Python עצמו, לא רק את התשובה בטקסט - אין אוטומציה מובנית, בכל חודש מעלים קובץ חדש מחדש לאותו פרומפט.
  4. אם הקובץ גדול (מעל כ-50 מגה-בייט, או מאות אלפי שורות), שווה לשאול במפורש אם נטענו כל השורות - הכלי עלול לדווח שסיים לנתח הכל בעוד שבפועל טען רק חלק.

המגבלה הכנה: פרטיות, עברית וזמן פקיעה

סיכון פרטיות אמיתי: בחשבונות Free, Plus ו-Pro (לא Team או Enterprise) הנתונים עשויים לשמש כברירת מחדל לאימון המודל - ולפי מחקר עדכני, כ-34.8 אחוז מהפרומפטים של עובדים כבר מכילים מידע רגיש. אל תעלו מספרי ת.ז., כרטיס אשראי או מידע עובדים.

גרפים עם טקסט עברי שנוצרים דרך הספרייה matplotlib עלולים לצאת הפוכים או מקוטעים - למשל המילה "קריירה" עלולה להופיע כ"הרייקר", כי הספרייה לא תומכת באופן טבעי בכיוון RTL.

גם ממשק הצ'אט עצמו נוטה ליישר טקסט עברי שמאלה ולשבש סימני פיסוק - זו בעיית ממשק, לא בעיית מודל: ChatGPT כותב עברית תקנית אך מציג אותה עקום.

מה לעשות: אפשר לבקש מהמודל להשתמש בספריות עוקפות כמו python-bidi ו-arabic_reshaper לתיקון כיוון הטקסט בגרף, או פשוט לבקש תוויות באנגלית ולתרגם ידנית לפני שמציגים ללקוח.

בנוסף, הסביבה פוקעת אחרי כ-20 עד 30 דקות של חוסר פעילות ומוחקת הכל בלי שמירה אוטומטית - מומלץ להוריד קבצים חשובים תוך כדי העבודה, לא לחכות לסוף.

שאלות נפוצות

אפשר לנתח קובץ אקסל עם ChatGPT בחינם?

ChatGPT מריץ קוד Python אמיתי על קובץ שמעלים אליו (Advanced Data Analysis, השם הישן Code Interpreter) ומחזיר תוצאה אמיתית, לא רק תיאור במילים. הגישה בגרסה החינמית תלויה בסוג החשבון ובעומס באותו רגע. הקורס מראה תרגיל מלא על קובץ אקסל אמיתי - ניקוי וניתוח - כדי שתדעו בדיוק למה לצפות.

האם בטוח להעלות נתוני עסק עם פרטי לקוחות ל-AI?

לא באופן אוטומטי - זה תלוי בסוג החשבון. בכלים צרכניים (חינמיים) ברירת המחדל שונה לגמרי מחשבונות עסקיים, ולעיתים הנתונים עשויים לשמש לאימון המודל. לפני שמעלים קובץ עם פרטי לקוחות כדאי לבדוק את הגדרות הפרטיות של הכלי הספציפי, ולשקול להסיר או להחליף פרטים מזהים מראש. הקורס מסביר את ההבדלים.

מה ההבדל בין Copilot בתוך Excel לבין ChatGPT?

Copilot פועל בתוך Excel עצמו כפאנל צד: שואלים על הנתונים שכבר פתוחים בגיליון ומקבלים נוסחה, טבלה או גרף בלי לצאת לאפליקציה אחרת. ChatGPT וקלוד הם צ'אטבוטים נפרדים שמריצים ניתוח על קובץ שמעלים אליהם בנפרד - עומק ניתוח גדול יותר, אך בלי חיבור ישיר לגיליון החי שבו עובדים.

אפשר לשאול שאלות על מסד נתונים בעברית בלי לדעת SQL?

כן - כלי Text-to-SQL הופכים שאלה רגילה בעברית, למשל כמה הזמנות מעל 500 ש"ח היו החודש, לשאילתת SQL שרצה מול מסד הנתונים בפועל ומחזירה תשובה מדויקת. זו קטגוריה נפרדת מכלי הקבצים כמו אקסל או CSV, ומתאימה כשהנתונים כבר יושבים במסד נתונים ולא בגיליון עבודה רגיל.

האם AI יכול לטעות במספרים כשמנתחים נתונים?

כן, ובקלות. מודל שפה כמו ChatGPT או קלוד לא באמת מחשב תוצאה מספרית - הוא מנחש סטטיסטית מה הטוקן הבא הכי סביר, גם כשמדובר בסכום או באחוז. תשובה שגויה נראית בטוחה ומדויקת בדיוק כמו תשובה נכונה. לכן כל תוצאה מספרית קריטית חייבת בדיקה מול המקור לפני שמסתמכים עליה.

איזה כלי הכי טוב לניתוח נתונים עם AI: ChatGPT, Copilot או תוסף לאקסל?

אין תשובה אחת - זה תלוי בצורך. Copilot מתאים כשעובדים כל היום בתוך Excel וצריך תשובה מהירה בפאנל צד. ChatGPT וקלוד מתאימים לניתוח עמוק על קובץ שמעלים במיוחד. תוספים כמו GPT for Work מתאימים למי שרוצה נוסחת AI בודדת בתוך התא. הקורס משווה חמש יכולות מכריעות שיעזרו לבחור נכון.

כלים בקורס

מקורות

בואו נתרגל על נתונים אמיתיים