נתוני הפיילוט

תאריך: 22 בדצמבר 2025 | משתתפים: 129 | הצעות: 139 | הערכות: כ-1,000

"הסכמות רחבות" (Mass Consensus) היא מערכת דליברטיבית מתקדמת, מבוססת AI ואלגוריתמים דליברטיביים, שמאפשרת זיהוי העדפות קולקטיביות בקנה מידה גדול תוך שמירה על פתיחות יצירתית ושקיפות סטטיסטית. בניגוד למערכות מסורתיות, המערכת מאפשרת לכל משתתף להגיש הצעות חופשיות ללא הגבלה.

היחודיות טמונה בשילוב של:

• פתיחות יצירתית בקנה מידה: משתמשים מגישים רעיונות חופשיים, והמערכת מנהלת הערכה חלקית (adaptive sampling) כדי להתמודד עם מאות הצעות מבלי להעמיס על המשתתפים.

• צניעות אפיסטמית: הנוסחה מענישה הצעות עם מעט הערכות או חילוקי דעות, ומבטיחה תוצאות אמינות ולא "פופוליסטיות".

• שקיפות מלאה: כל ציון מפורק לממוצע + אי-ודאות, עם שימוש ב-AI לקיבוץ נושאים אוטומטי.

מערכות מסורתיות כמו סקרים, קבוצות מיקוד או ניתוח סנטימנט AI סובלות ממגבלות משמעותיות:

• סקרים: מגבילים למבחר אפשרויות מוגדר מראש, מדכאים יצירתיות ומפספסים רעיונות חדשניים. "הסכמות רחבות" מאפשרת 139 הצעות חופשיות מ-129 משתתפים – גיוון שלא ניתן להשיג בסקר.

• קבוצות מיקוד: יקרות, מושפעות מ"חשיבה קבוצתית" (groupthink) ומשתלטות על ידי משתתפים דומיננטיים. המערכת שלנו אנונימית וסקלבילית, ללא הטיות חברתיות.

• ניתוח סנטימנט AI: נוטה להזיות (hallucinations), חסרה שקיפות סטטיסטית ומספקת סיכומים מופשטים. "הסכמות רחבות" משלבת AI לקיבוץ נושאים, אך מבוססת על נתונים אמפיריים עם מטריקות מדויקות (כמו SEM), מה שמבטיח אמינות גבוהה יותר.

התוצאה: המערכת מייצרת תובנות אמיתיות, שמרניות ו-actionable, בקנה מידה גדול – יתרון תחרותי ברור ליישומים קהילתיים, ארגוניים או עסקיים.

התהליך נערך בשכונה אנונימית ביישוב פרברי בישראל, עם 129 משתתפים שהגישו 139 הצעות. באמצעות AI, קיבצנו את הנושאים ל-5 תחומים מרכזיים, על סמך ציוני קונצנזוס גבוהים (מעל 0.6 ברובם). התוצאות מדגימות כיצד המערכת מזהה סדרי עדיפויות אמיתיים:

• בטיחות בדרכים ותשתיות תחבורה (קונצנזוס גבוה: 0.64–0.77) – העדיפות העליונה, עם תמיכה רחבה בשיפור מדרכות, הסדרת צמתים ושיפור שדה ראייה.

• תחזוקה, תאורה ואיכות חיים (קונצנזוס: 0.73) – דרישה לאכיפת רעש, שיפור תאורה וניקיון שבועי.

• גינות ציבוריות ומרחבי פנאי (קונצנזוס גבוה) – שדרוג גנים מקומיים עם מתקנים חדשים.

• מפגעי כלבים (קונצנזוס: 0.67; 56 מצביעים) – אכיפה נגד שוטטות ואי-איסוף צואה.

• קהילה ותחבורה ציבורית (קונצנזוס בינוני) – הרחבת קווים ואירועים קהילתיים.

התוצאות התייצבו במהירות, עם תמיכה יציבה בנושאים דחופים וללא מחלוקות משמעותיות – הוכחה ליעילות המערכת.

"הסכמות רחבות" היא לא רק כלי – היא מהפכה בזיהוי צרכים קולקטיביים, עם סקלביליות מוכחת (מ-129 משתתפים ועד אלפים). עבור WizCol, זה אומר יתרון תחרותי: תובנות מדויקות יותר, השתתפות גבוהה ותוצאות actionable שמעלות את שביעות הרצון הקהילתית.

אנו ממליצים להרחיב לפיילוטים נוספים – צרו קשר להדגמה!

Pilot Data

Date: December 22, 2025 | Participants: 129 | Proposals: 139 | Evaluations: ~1,000

"Mass Consensus" is an advanced deliberative system, powered by AI and deliberative algorithms, that enables the identification of collective preferences at scale while maintaining creative openness and statistical transparency. Unlike traditional systems, the platform allows every participant to submit unlimited free-form proposals.

The uniqueness lies in the combination of:

• Creative openness at scale: Users submit free-form ideas, and the system manages partial evaluation (adaptive sampling) to handle hundreds of proposals without overwhelming participants.

• Epistemic humility: The formula penalizes proposals with few evaluations or disagreements, ensuring reliable rather than "populist" results.

• Full transparency: Every score is broken down into average + uncertainty, with AI-powered automatic topic clustering.

Traditional systems like surveys, focus groups, or AI sentiment analysis suffer from significant limitations:

• Surveys: Limited to predefined options, suppress creativity, and miss innovative ideas. "Mass Consensus" enabled 139 free proposals from 129 participants – diversity impossible to achieve in a survey.

• Focus groups: Expensive, affected by "groupthink," and dominated by assertive participants. Our system is anonymous and scalable, without social biases.

• AI sentiment analysis: Prone to hallucinations, lacks statistical transparency, and provides abstract summaries. "Mass Consensus" integrates AI for topic clustering but is grounded in empirical data with precise metrics (like SEM), ensuring higher reliability.

The Result: The system generates real, conservative, and actionable insights at scale – a clear competitive advantage for community, organizational, or business applications.

The process was conducted in an anonymous neighborhood in a suburban Israeli community, with 129 participants who submitted 139 proposals. Using AI, we clustered the topics into 5 key areas, based on high consensus scores (above 0.6 in most cases). The results demonstrate how the system identifies real priorities:

• Road safety and transportation infrastructure (High consensus: 0.64–0.77) – The top priority, with broad support for improving sidewalks, regulating intersections, and improving visibility.

• Maintenance, lighting, and quality of life (Consensus: 0.73) – Demand for noise enforcement, improved lighting, and weekly cleaning.

• Public gardens and leisure spaces (High consensus) – Upgrading local parks with new facilities.

• Dog nuisances (Consensus: 0.67; 56 voters) – Enforcement against roaming and failure to pick up waste.

• Community and public transportation (Medium consensus) – Expanding routes and community events.

The results stabilized quickly, with steady support for urgent issues and no significant disputes – proof of the system's effectiveness.

"Mass Consensus" is not just a tool – it's a revolution in identifying collective needs, with proven scalability (from 129 participants to thousands). For WizCol, this means a competitive advantage: more precise insights, high participation, and actionable results that increase community satisfaction.

We recommend expanding to additional pilots – contact us for a demo!