המניפסט של Weft

מספר אחד: חמש

לא יותר מחמש תוצאות מוגמרות או שאלות פתוחות ממתינות להחלטה שלכם בו-זמנית — עשר כשצוות חולק את הלוח. כשהתור מלא, סוכן שמבקש להתחיל משהו חדש מתבקש במקום זאת לסיים, לקצר או לקחת עבודה שהוחזרה. סיום אף פעם לא נדחה: עבודה גמורה אף פעם לא נזרקת.

המגבלה קטנה בכוונה. בנוסחת התורים של Kingman, זמן ההמתנה גדל לפי ρ/(1−ρ): בודק שעסוק 95% מהזמן משאיר עבודה ממתינה פי 19 יותר זמן מבודק שעסוק חצי מהזמן, באותה שונות. כמו היעד של Google SRE לשמור את העבודה השחורה (toil) מתחת ל-50% מזמנו של מהנדס, חמש הוא מספר שאפשר לחרוג ממנו — ולראות שחרגתם.^7,8

שבעה עקרונות

1. 01העבודה כבר לא נדירה. ההחלטה שלכם כן.

   את המגבלה הקשיחה יש לשים על התור שמול האדם שמחליט, ולא על עמודת Doing. סוכן בטל הוא סוכן בריא; הוא לא מתעייף, ושלוש משימות או חמישים זה אותו דבר בשבילו. האדם שבודק את העבודה שלו הוא המשאב היחיד שנצרך פריט אחד בכל פעם.

2. 02כל "בוצע" אומר על מה הוא נשען.

   הדיווח של סוכן הוא בקשה, לא ראיה. בתחומי τ²-bench עם שליטה יחידה, הצלחה מדומה — הסוכן אומר שסיים, הסביבה אומרת אחרת — מהווה 45–48% מהכישלונות, ואף שופט LLM שקרא את תיעוד הפעולות (trace) של הסוכן לא הגיע ל-AUROC מעל 0.65, כשהטלת מטבע מגיעה ל-0.5. לכן ה"בוצע" החזק ביותר קורא את העולם החיצוני: עמוד שמגיב, קובץ שה-hash שלו תואם, אובייקט שקיים בפועל. עבודה שלא דרשה מכם דבר יכולה להיסגר על סמך המילה של הסוכן — ואז היא מוצגת בדיוק ככזו, אף פעם לא כמאומתת.⁴

3. 03מי שעשה את העבודה לא מאשר אותה.

   "אומת" ו"התקבל" הם שני סטטוסים שונים. שרת שקרא מחדש את העולם החיצוני, בדיקה דטרמיניסטית או אדם יכולים לסמן עבודה כמאומתת; הסוכן שעשה אותה לא יכול. קבלה היא חתימה שנייה ונפרדת. בכל דבר בלתי הפיך — כסף, פרסום, הודעה ללקוח, כל דבר משפטי — Weft מבקש מהסוכן לעצור ולחכות לכם, ומרגע שהעצירה הזו נקבעה, אף סוכן לא יכול להסיר אותה או להעביר את המשימה ל-Done.

4. 04לכל משימה יש בעלים אנושי אחד.

   אי אפשר להטיל אחריות על סוכן; אפשר רק להקצות לו משימה. לכן למשימה יש בדיוק בעלים אחד, שהוא אדם, ומבצע מטעמו ששמו מצוין: לא "ה-AI", אלא Claude Code, Cursor, ChatGPT או Codex. כדאי לשמור על מספר קטן של מבצעים. העצה של Anthropic עצמה לצוותי סוכנים היא להתחיל עם שלושה עד חמישה, כי "three focused teammates often outperform five scattered ones" (שלושה חברי צוות ממוקדים מצליחים לעיתים קרובות יותר מחמישה מפוזרים).⁵

5. 05במגבלה — לנתב, ולעולם לא לזייף החלטה.

   כשהתור מלא, המערכת אומרת מה לעשות במקום להחזיר שגיאה. כשסוכן משתתק באמצע משימה, התפיסה שלו על המשימה פוקעת והמשימה חוזרת ללוח עבור מישהו אחר. וכשעוד לא החלטתם, העבודה ממתינה לכם: שתיקה אינה הסכמה, ולכן שום דבר לא מסומן כ"התקבל" רק כי עבר זמן.

6. 06שום דבר לא עובר הלאה בשקט.

   השבוע הוא יחידת התכנון: הסיכוי שאנשים יתחייבו למטרה בתחילת שבוע היה גבוה ב-62.9% מאשר ביום רגיל, ובתחילת חודש — גבוה ב-23.6%. שבוע מסתיים בהחלטה על כל משימה שלא הושלמה — להמשיך עם צעד הבא מוחשי, לפצל, להחזיר או לוותר — ולא בהעברה שקטה לשבוע הבא.⁶

7. 07ההחלטה שורדת את הסשן.

   אף לקוח AI לא מוסר את הזיכרון שלו לאחר, ובצדק. לכן מה ששורד סשן הוא מה שנכתב מחוצה לו: לא תיק עליכם, אלא היסטוריית העבודה — איך משימה הסתיימה, מה הוחלט ולמה. גם זיכרון צריך לשכוח: הערה שכבר אינה עדכנית מפסיקה להימסר לסוכנים.

העבירו את הלוח שלכם את המבחן הזה

מניפסט בלי קנה מידה הוא פוסטר. לשאול את שבע השאלות האלה על כל מנהל משימות לוקח כחמש דקות. במקום שבו Weft עוד לא השלים תכונה עבור כל המשתמשים, הוא מקבל קו, לא וי.

✓ עובד היום · — חלקית, או עוד לא הופעל · ✗ לא קיים

מה אנחנו סופרים, ומה לא

מהירות (velocity), נקודות סיפור (story points), תרשים burndown, ניצולת, מספר המשימות שנוצרו ומספר הקריאות ל-AI לא נמצאים במוצר הזה. הם מודדים משאב שהפסיק להיות נדיר, והם מתגמלים רעש.

גם תחושת מהירות היא לא מדידה. במחקר של METR על מפתחי קוד פתוח מנוסים שהשתמשו בכלים מתחילת 2025, הם האמינו שה-AI הפך אותם למהירים יותר ב-20%; לפי המדידה, הם היו איטיים יותר ב-19%.⁹

מה ששווה לספור הוא ארבעה דברים: כמה זמן הפריט הוותיק ביותר ממתין לכם; הזמן מ"הסוכן מוכן" עד "החלטתם"; שיעור העבודה שהתקבלה בפעם הראשונה, בנפרד לכל מבצע; ודקות תשומת הלב שלכם לכל תוצאה שהתקבלה. האחרון הוא המבחן הכן היחיד לשאלה אם ה-AI משתלם. Weft מתעד את מה שכל אחד מהם צריך — מי עשה כל חלק בעבודה, מתי הוא היה מוכן ומה החלטתם — ומראה כמה ממתין לכם.

איפה זה נשבר

לחלק מהעבודה אין בדיקה שאפשר להריץ. מכתב למשקיע או הצהרת מיצוב לא ניתנים לאימות על ידי שרת, ושם השיטה חוזרת ביושר ללוח רגיל עם בודק אחד ומשימה אחת כזו בכל פעם. מסגרת שמבטיחה יותר ממה שהיא יכולה לבדוק נשברת בדיוק במקום שבו מישהו סמך עליה.

עדיין אין מחקר שעבר ביקורת עמיתים על המגבלה הנכונה כשסוכנים עושים את העבודה. חמש היא ברירת המחדל שלנו, לא ממצא. התחלנו בשלוש והעלינו אחרי השבועות הראשונים של שימוש אמיתי: שליש מהסירובים הגיעו כשרק שלושה או ארבעה פריטים המתינו, והם טופלו בישיבה אחת. גם הבדיקה עשויה להיות זולה יותר: GDPval עצמו מציין שזמן הבדיקה יורד ככל שאנשי מקצוע מתרגלים לעבודה. אם בדיקה תהפוך יום אחד לזולה ואמינה, המגבלה צריכה לגדול — ולכן כל סף כאן הוא ברירת מחדל שאנחנו מצפים לעדכן, לא אמונה.³

מקורות

1. 2026 Software Engineering Benchmarks Report — LinearB, 2026
2. The Acceleration Whiplash — Faros AI, 12 April 2026
3. GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks — OpenAI, arXiv:2510.04374, 5 October 2025
4. From Confident Closing to Silent Failure — arXiv:2606.09863, 1 June 2026
5. Orchestrate teams of Claude Code sessions — Choose an appropriate team size — Anthropic, retrieved 22 October 2026
6. The Fresh Start Effect: Temporal Landmarks Motivate Aspirational Behavior — Dai, Milkman, Riis — Management Science 60(10), 2014
7. The single server queue in heavy traffic — J. F. C. Kingman — Proceedings of the Cambridge Philosophical Society, 1961
8. Site Reliability Engineering, Chapter 5: Eliminating Toil — Google, 2016
9. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — METR, 10 July 2025