העוזר הסודי 'o' של OpenAI יושק ב-29 בספטמבר: סוכן AI שעובד בשבילכם 24/7

העוזר o של OpenAI הוא סוכן AI אוטונומי חדש שנחשף בקוד של ChatGPT: הוא מתוכנן לפעול ברציפות 24 שעות ביממה, לתמוך ב-63 שפות ולתקשר עם סוכנים אחרים דרך לוח הודעות משותף, עם השקה מדווחת ב-29 בספטמבר. במאמר הזה ננתח את הממצאים מנקודת מבט של בוני מוצר: מה הארכיטקטורה המשתמעת, מה המשמעות של מנוי ChatGPT Pro Max ב-500 דולר בחודש, ואילו החלטות תכנוניות כדאי לקבל כבר עכשיו.

מה בדיוק נחשף בקוד של ChatGPT על העוזר 'o'?

על פי הדיווח של KuCoin News, מפתחים שניתחו את קוד הלקוח של ChatGPT מצאו הפניות לישות חדשה בשם 'o', המתוארת כעוזר שפועל באופן רציף ולא רק בתגובה לפרומפט. שלושה מאפיינים בולטים בקוד: פעולה מתמשכת 24/7, כלומר הסוכן ממשיך לעבוד גם כשהמשתמש לא מחובר; תמיכה ב-63 שפות, שמרמזת על פריסה גלובלית מהיום הראשון; ולוח הודעות משותף (shared message board) שמאפשר לכמה סוכנים לתאם ביניהם משימות.

חשוב לדייק: מדובר בממצאי קוד ובדיווחים, לא בהכרזה רשמית של OpenAI. תאריך ההשקה המדווח, 29 בספטמבר, עשוי להשתנות, ופרטי המוצר הסופיים עשויים להיות שונים ממה שנראה בקוד. עם זאת, דליפות קוד מסוג זה הקדימו בעבר השקות אמיתיות, ולכן הן כלי עבודה לגיטימי למי שמתכנן מפת דרכים מוצרית ורוצה להיערך מראש.

ההקשר רחב יותר מפיצ'ר בודד. במהלך 2025 ראינו את OpenAI משיקה את מצב Agent ב-ChatGPT ואת ה-Responses API עם כלים מובנים, ואת המתחרות משיקות יכולות דומות. העוזר 'o' נראה כמו השלב הבא באותו רצף: מעבר מסוכן שמופעל לפי בקשה לסוכן שחי ברקע כתהליך מתמשך.

איך עובד סוכן AI שרץ ברציפות 24/7 מבחינה ארכיטקטונית?

סוכן רציף הוא בבסיסו לולאת אירועים ארוכת טווח: תהליך שמחזיק תור משימות (task queue), ניגש לזיכרון מתמשך (persistent memory), מפעיל כלים חיצוניים ומתעורר לפי טריגרים - תזמון, אירוע חיצוני או הודעה מסוכן אחר. זה שונה מהותית ממודל השיחה הקלאסי, שבו כל אינטראקציה מתחילה ומסתיימת בתוך חלון הקשר אחד.

מי שבנה מערכות כאלה בפרודקשן מכיר את האתגרים: ניהול state לאורך שעות וימים, התאוששות מכשלים באמצע משימה, ומניעת סחיפה (drift) שבה הסוכן מתרחק מהמטרה המקורית ככל שהריצה מתארכת. הפתרונות המקובלים כוללים נקודות שמירה (checkpoints), תכנון היררכי שבו מתכנן-על מפרק מטרות לתתי-משימות קצרות, ומנגנוני אישור אנושי (human-in-the-loop) לפעולות בלתי הפיכות כמו שליחת מייל או ביצוע תשלום.

Task Queue (תור משימות)

מבנה נתונים שמחזיק את המשימות הממתינות של הסוכן ומאפשר לו להתעורר ולטפל בהן לפי טריגרים - תזמון, אירוע חיצוני או הודעה מסוכן אחר.

Persistent Memory (זיכרון מתמשך)

זיכרון שנשמר מעבר לחלון הקשר בודד, ומאפשר לסוכן לשמור state לאורך שעות וימים של ריצה.

Drift (סחיפה)

התרחקות הדרגתית של הסוכן מהמטרה המקורית ככל שהריצה מתארכת - אחד האתגרים המרכזיים בסוכנים ארוכי-טווח.

Checkpoints (נקודות שמירה)

שמירת מצב ביניים שמאפשרת לסוכן להתאושש מכשל באמצע משימה בלי להתחיל מאפס.

Human-in-the-loop

מנגנון אישור אנושי לפעולות בלתי הפיכות, כמו שליחת מייל או ביצוע תשלום, לפני שהסוכן מבצע אותן.

מה זה משנה בפועל לעומת מצב Agent הקיים

מצב Agent הנוכחי ב-ChatGPT מבצע משימה אחת מתמשכת בתוך סשן: מחקר, מילוי טופס, בניית מצגת. סוכן 24/7 אמיתי הוא שכבה אחרת: הוא יכול לנטר תיבת מייל כל הלילה, לעקוב אחרי שינוי מחיר אצל ספק, להריץ בדיקות על קוד שדחפתם לפני השינה ולהגיש לכם סיכום בבוקר. ההבדל המעשי הוא במודל ההפעלה: לא אתם פונים לסוכן, הסוכן פונה אליכם כשיש לו מה לדווח. זה מחייב תשתית של התראות, תעדוף ומדיניות הרשאות הרבה יותר קפדנית.

לוח ההודעות המשותף: איך סוכנים מתאמים ביניהם עבודה?

לוח ההודעות שנחשף בקוד מזכיר את דפוס ה-Blackboard הקלאסי ממערכות מבוזרות: מרחב כתיבה משותף שבו כל סוכן מפרסם ממצאים, בקשות וסטטוסים, וסוכנים אחרים קוראים ומגיבים. היתרון על פני תקשורת ישירה בין זוגות סוכנים הוא צימוד רופף (loose coupling): אפשר להוסיף או להסיר סוכנים בלי לשנות את כל הזרימות, וכל המידע נשאר גלוי וניתן לאודיט.

OPENAI 🔥: An upcoming always-on assistant from OpenAI will be named "o".

> Its reference appeared briefly on the ChatGPT upgrade screen for some users.

> Internal config has references to "o" as a display name and "-o" as an email suffix. This means that "o" will support… https://t.co/5h7sxa3MGP pic.twitter.com/EgPCedQ5uU

— 🚨 AI News | TestingCatalog (@testingcatalog) 26 בספטמבר 2026

למי שמכיר את פרוטוקול MCP (Model Context Protocol), שהפך ב-2025 לסטנדרט דה-פקטו לחיבור מודלים לכלים, לוח הודעות משותף הוא הצעד המשלים: MCP פותר את שכבת הכלים, והלוח פותר את שכבת התיאום בין סוכנים. אם OpenAI מטמיעה תיאום רב-סוכני כיכולת מובנית במוצר צרכני, זו אמירה שהעתיד הקרוב הוא לא סוכן בודד חכם אלא צוותי סוכנים שמחלקים ביניהם עבודה.

תרחיש קונקרטי לצוות פיתוח: סוכן אחד מנטר issues חדשים ב-GitHub ומפרסם ללוח תקציר ותיוג חומרה. סוכן שני קורא מהלוח, משחזר את הבאג בסביבת בדיקות ומצרף לוגים. סוכן שלישי מנסח טיוטת תיקון ומסמן אותה לאישור אנושי. כל שרשרת כזו רצה בלילה, והמפתח מתחיל את הבוקר עם pull request ממתין במקום עם תור תקלות.

ChatGPT Pro Max ב-500 דולר בחודש: למי זה בכלל משתלם?

לפי הדיווח, במקביל לעוזר 'o' נבחנת תוכנית מנוי חדשה בשם ChatGPT Pro Max במחיר של עד 500 דולר בחודש, עם מהירויות תגובה גבוהות במיוחד. ההיגיון הכלכלי ברור: סוכן שרץ 24/7 צורך כמות אסימונים (tokens) גדולה בסדרי גודל משיחה רגילה, ומחיר הפרימיום מגלם את עלות המחשוב הרציף ואת העדיפות בתור ההסקה (inference priority).

החישוב שכדאי לעשות הוא לא מול מחיר מנוי ה-Pro הקיים של 200 דולר, אלא מול עלות שעת עבודה של איש מקצוע. אם סוכן רציף חוסך לצוות אפילו 10 שעות עבודה חודשיות של מפתח או אנליסט בישראל, המנוי מחזיר את עצמו. מנגד, לשימוש אישי או לצוות שרק מתנסה, סביר שהיכולות יחלחלו בהמשך גם לרבדים הזולים יותר, כפי שקרה עם כמעט כל פיצ'ר פרימיום של OpenAI עד היום.

נקודה שמקצועני AI צריכים לשקול: מנוי צרכני יקר הוא לא בהכרח הדרך הנכונה להריץ סוכנים בפרודקשן. לעומסים עסקיים אמיתיים, גישה דרך API עם בקרת עלויות פר משימה, קיבוע גרסת מודל ו-SLA מוגדר תישאר כנראה הבחירה הנכונה. Pro Max נראה כמוצר למשתמשי-על יחידים, לא כתחליף לתשתית.

מה המשמעות למקצועני AI בישראל שבונים מוצרים?

המשמעות המיידית היא שינוי בציפיות המשתמשים: כשסוכן רציף הופך לחוויית ברירת מחדל ב-ChatGPT, לקוחות יצפו לאותה התנהגות גם מהמוצרים שלכם. מי שבונה כלי SaaS עם רכיב AI צריך לתכנן כבר עכשיו מעבר מ-request/response לארכיטקטורה מונחית אירועים, עם עבודות רקע, webhooks והתראות יזומות.

ברמת הפרודקשן, שלושה עקרונות שנכון לאמץ לפני שמריצים סוכן אוטונומי על נתונים אמיתיים:

• אידמפוטנטיות: כל פעולה שהסוכן מבצע חייבת להיות בטוחה לריצה חוזרת, כי סוכן ארוך-טווח יתאושש מכשלים וינסה שוב.
• תצפיתיות (observability): לוג מלא של כל החלטה, קריאת כלי ותוצאה, כדי שאפשר יהיה לשחזר למה הסוכן עשה מה שעשה.
• תקציבי עלות והרשאות: תקרת אסימונים פר משימה, רשימת פעולות מותרות מפורשת, ואישור אנושי לכל פעולה עם השפעה חיצונית.

התמיכה המדווחת ב-63 שפות רלוונטית במיוחד לשוק הישראלי: עברית נכללת כבר היום בשפות הנתמכות היטב במודלי OpenAI, וסוכן רציף שמבין עברית פותח מקרי שימוש מקומיים כמו ניטור פניות לקוחות, מעקב אחרי מכרזים ממשלתיים או סיכום דיוני ועדות. מי שרוצה להעמיק בתשתית המקצועית הנדרשת ימצא קורסי בינה מלאכותית מעשיים לבניית סוכני AI שמכסים בדיוק את השכבות האלה.

מה עדיין לא ידוע ואילו סיכונים כדאי לקחת בחשבון?

הפערים המרכזיים בדיווח נוגעים לשלושה תחומים. ראשית, מודל ההרשאות: לא ברור אילו פעולות הסוכן יוכל לבצע אוטונומית ואילו ידרשו אישור, וזו השאלה הקריטית ביותר לאבטחה. שנית, בידוד וזיכרון: האם הלוח המשותף חשוף רק לסוכנים של אותו משתמש, או שמדובר במרחב רחב יותר, עם כל השאלות הפרטיות שנגזרות מכך. שלישית, אמינות לאורך זמן: אף מודל שפה כיום לא מחזיק דיוק מושלם לאורך ריצות של שעות, ושיעור שגיאות קטן פר צעד מצטבר לשיעור כשל משמעותי במשימות ארוכות.

לארגונים בישראל שכפופים לרגולציית הגנת הפרטיות, סוכן שרץ ברקע ונוגע בנתוני לקוחות מחייב חשיבה מחודשת על עיבוד נתונים מחוץ לשעות פעילות, על מיקום עיבוד המידע ועל יכולת ביקורת. ההמלצה הפרקטית: להתחיל בפיילוט על נתונים לא רגישים, למדוד שיעור השלמת משימות ועלות פר משימה, ורק אז להרחיב. תוכלו לעקוב אחרי ההתפתחויות והניתוחים השוטפים במגזין ה-AI שלנו עם חדשות ומגמות מעודכנות.

הדור הבא של סוכני AI אוטונומיים: לאן זה מתקדם ב-2026?

אם הדיווח יתממש, 2026 תהיה השנה שבה סוכנים רציפים הופכים ממחקר ומהדגמות למוצר צריכה המוני, והעוזר 'o' של OpenAI יהיה כנראה נקודת הייחוס שכולם ישוו אליה. עבורכם, כמי שבונים או מטמיעים מוצרי AI, ההזדמנות היא בפער שבין יכולת גולמית ליישום אמין: מי שיודע לעטוף סוכן אוטונומי בהרשאות נכונות, בתצפיתיות ובבקרת עלויות יחזיק יתרון אמיתי על פני מי שרק מחבר API.

רשימת היערכות ליום שבו 'o' ייצא

• מפו זרימת עבודה אחת בצוות שמתאימה לסוכן רציף - ניטור, מעקב או סיכום לילי
• בנו אב-טיפוס רב-סוכני עם הכלים הקיימים: מצב Agent, Responses API ו-MCP
• הגדירו רשימת פעולות מותרות מפורשת ואישור אנושי לפעולות בלתי הפיכות
• הוסיפו תצפיתיות מלאה: לוג לכל החלטה, קריאת כלי ותוצאה
• קבעו תקרת אסימונים ועלות פר משימה לפני הרצה על נתונים אמיתיים
• ודאו שכל פעולה אידמפוטנטית ובטוחה לריצה חוזרת אחרי התאוששות מכשל

הצעד המעשי הבא הוא לבנות היום אב-טיפוס של זרימה רב-סוכנית אחת בתחום שלכם, גם עם הכלים הקיימים, כדי שביום שהעוזר 'o' ייצא תדעו בדיוק מה להעביר אליו. אם אתם רוצים להגיע מוכנים, התחילו עם הקורסים המעשיים שלנו לפיתוח ואוטומציה עם AI, והמשיכו להתעדכן בניתוחים טכניים במגזין AICourse. הסוכנים כבר בדרך לעבוד בלילה. השאלה היא רק אם המערכות שלכם ערוכות לקבל אותם.