עליית סוכני ה-AI Agents

סוכני בינה מלאכותית (AI) משנים את הדרך בה אנו מתקשרים עם מנועי ה AI, כמו גם עם העולם סביבנו. אפליקציות חכמות מבוססות AI נועדו לתקשר עם הסביבה העסקית המוגדרת, לאסוף נתונים ולבצע משימות באופן עצמאי כדי להשיג מטרות שנקבעו מראש.

הרעיון של סוכני AI אוטונומיים – בוטים המונעים על ידי LLM שיכולים לחשוב ולבצע משימות באופן עצמאי – תפס תאוצה אדירה בשנת 2023. כעת, התחום זוכה לפריחה. חברת המחקר CB Insights מדווחת על יותר מ 50 חברות סטארטאפ העוסקות בפיתוח והנגשה של סוכנים חכמים מבוססי AI מאז שנת 2022, מספר שצפוי רק לעלות ואפילו להכפיל עצמו בשנה הקרובה.

דה מרקר התייחס לאחרונה בדיוק למגמה זו: ״צ'אטבוטים בסגנון ChatGPT הם כבר נחלת העבר. לעתיד קוראים סוכני AI. אם צ'אטבוטים שולפים תשובות מהשרוול – סוכני AI מאומנים לעבוד בצורה זהירה ומתודית כדי להגיע לתוצאות מדויקות יותר."

ארגוני אנטרפרייז בישראל בונים סוכנים חכמים לשימושם או כדי למכור אותם ללקוחות — ויותר ויותר סטארט־אפים שעוסקים בסוכני AI נולדים. בעולם כבר יש סטארט־אפים כאלו שגייסו סכומים גדולים כמו Cognition AI מסן פרנסיסקו, שמפתח סוכן AI למתכנת. החברה קמה רק בנובמבר 2023 וכבר גייסה 200 מיליון דולר, עם שווי של 2 מיליארד דולר בסיבוב האחרון.

למרות שאת המטרות והיעדים העסקיים מגדירים בני האדם, סוכן  -AI הוא זה שבוחר באופן עצמאי את הפעולות הטובות ביותר כדי לענות על הצרכים שהוגדרו.. העצמאות הזו הופכת את סוכני ה AI לגמישים ושימושיים במיוחד במגוון רחב של יישומים, החל משירות לקוחות דרך יצירת תוכן ועוד, ולא בכדי הם צפויים לשנות לשבש את הפעילות העסקית במגוון תעשיות. להלן כמה דוגמאות והסברים לגבי סוכני AI וכיצד הם עשויים להשפיע על המציאות העסקית של כולנו:

נתחיל מהבסיס: מה הם סוכני AI?

סוכני AI הם יישומי תוכנה המופעלים על ידי בינה מלאכותית, שמיועדים לבצע משימות ספציפיות באופן עצמאי או עם מינימום התערבות אנושית. בשונה ממערכות AI מסורתיות שמתמקדות בעיקר בניתוח נתונים או במתן המלצות, סוכני AI מכוונים לפעולה מוגדרת. הם מסוגלים לבצע סדרה של משימות, לעיתים תוך שילוב מערכות שונות, כדי להשיג תוצאה רצויה (שתמיד מוגדרת על ידי גורם אנושי).

המאפיינים העיקריים של סוכני ה AI:

  1. עצמאות: סוכני AI פועלים באופן עצמאי לאחר שניתנה להם משימה, ולעיתים קרובות מקבלים החלטות ונוקטים בפעולות ללא צורך בהתערבות אנושית.
  2. מכווני משימה: סוכנים אלו בנויים כדי להשלים משימות ספציפיות, שיכולות לנוע בין אינטראקציות עם לקוחות, דרך פתרון בעיות טכניות מורכבות, ועד לפונקציות של משאבי אנוש כמו קליטת עובדים חדשים.
  3. שילוב בין מערכות: סוכני AI מגשרים לעיתים קרובות בין מערכות תוכנה שונות, כשהם שולפים נתונים ממערכת אחת, מעבדים אותם, ואז נוקטים בפעולה במערכת אחרת, תוך שילוב חלק של אספקטים שונים של זרימת העבודה.
  4. למידה והתאמה: עם הזמן, סוכני AI יכולים ללמוד מהאינטראקציות והחוויות שלהם, ולהשתפר ביעילותם ובאפקטיביותם בביצוע משימות.
  5. מדרגיות: סוכני AI יכולים לטפל בנפח גדול של משימות בו זמנית, מה שהופך אותם לפתרונות מדרגיים מאוד עבור עסקים המעוניינים לאוטומט תהליכים חוזרים או מורכבים.

דוגמאות לשימוש בסוכני AI:

– שירות לקוחות: סוכני AI יכולים לנהל שיחות מול הלקוחות, לעבד את הבקשות שלהם ולהציע המלצות על מוצרים, שירותים והמלצות יוספות, ובכך להפחית את הצורך בגורמים אנושיים.

– משאבי אנוש: סוכני AI יכולים למכן תהליכים כמו סינון קורות חיים, תיאום ראיונות וקליטת עובדים חדשים.

– תמיכה טכנית (IT): הם יכולים לאבחן ולפתור בעיות טכניות, להתקין עדכונים ואפילו לנהל פרוטוקולי אבטחת מידע. אגב, לפי אתר דה מרקר: הסטארט־אפ אטרה (Atera), המפתח מערכת לצוותי תמיכה טכנית בארגונים, הצליח לפתח נציג וירטואלי שיפתור אוטומטית חלק מקריאות השירות המגיעות לתמיכה, כמו משתמשים שצריכים איפוס סיסמה. באטרה התחילו לעבוד על מערכת כזו כבר ב 2017, אבל ללא תוצאות מספיק טובות. פריצת הדרך הגיעה רק בזכות מודלי השפה החדשים. כיום אטרה משווקת סוכן שנמצא על המחשב של המשתמשים בארגון, ונותן להם פתרונות אוטומטיים לבעיות כמו תוכנות שלא נפתחות ומחשב איטי. הסוכן של אטרה יודע להריץ בדיקות כדי לזהות את המקור לאיטיות ואז לבצע שינויים נדרשים במערכות המחשוב.

עד כה התייחסנו למאפיינים המרכזים ובכמה דוגמאות ליישום פרקטי ועסקי – למחר בבוקר. אבל, בואו נדבר גם על הפוטנציאל העתידי:

ככל שטכנולוגיות מבוססות AI מתקדמות ומתפתחות יותר, סוכני AI צפויים לקחת על עצמם משימות מורכבות יותר ויותר, ואולי אף לנהל תהליכים עסקיים שלמים או לקבל החלטות אסטרטגיות בצורה אוטונומית לחלוטין. הם עשויים להתפתח כדי להתמודד עם משימות שמצריכות יותר רגישות להקשר, למשך קמפיינים שיווקיים מותאמים אישית, מחקרים מורבים, או אפילו אבחנות רפואיות.

אתגרים ושיקולים:

– שיקולים אתיים: ככל שסוכני AI הופכים לעצמאיים יותר, יעלו שיקולים אתיים בנושא קבלת החלטות, פרטיות ואחריות.
– אינטגרציה: שילוב סוכני AI עם מערכות ותהליכי עבודה קיימים עלולים לייצר אתגרים ארגוניים עסקיים, תפעוליים ומשפטיים ולדרוש התאמות טכניות משמעותיות מצד הארגון.
– פיקוח אנושי: חשוב לוודא שסוכני AI פועלים במסגרת הפרמטרים הרצויים ותואמים לערכים ולמטרות של החברה. רוב הארגונים כיום, משלבים רובד ניהולי ומעקב אנושי כדי לוודא שפעילות ה- ai עונה על הסטנדרטים העסקיים שמייצגים את הארגון.

לסיכום, ההתלהבות סביב סוכני AI גבוהה בימים אלו, אבל הכלים בתחום נמצאים בשלבים ראשוניים ועדיין לא הוכח הפוטנציאל המסחרי שלהם. פוטנציאל זה תלוי ביכולתם לספק תוצאה אמינה, איכותית ובטוחה מספיק כדי שאנשים וארגונים יאמצו אותם.

כל חברה המתמקדת בנושא מחפשת פתרונות משלה כדי להגיע לתוצאה כזו. ב Atera למשל מגבילים את הסוכן שלהם למשימות שבהן לא יוכל לגרום נזק למערכות בארגון. באנזו מתאימים כל סוכן AI שהם בונים לתעשייה ספציפית. סוכן שצריך לכתוב מאמרים לבלוג של עורכי דין, למשל, יופנה למאגרים משפטיים בלבד — ולא לכל המידע ברשת — כדי להקטין את הסיכוי שהוא יכלול בהם מידע לא קשור.

אנחנו בשטראוס נמשיך לעקוב אחרי המגמה הלוהטת הזו, ונשתף בערוצים שלנו לגבי ההתפתחויות החדשות. 

לתיאום קפה ☕ והתייעצות קטנה כגדולה בנושא סוכני בינה מלאכותית (AI) – לחצו כאן ⬅️

עוד כתבות עבורך

כשמתודולוגיית GAIN שלנו הופכת לסטנדרט אימות AI ארגוני

לשמחתי, אצלנו בשטראוס התקופה גדושה בלווי ארגונים במסע לאימוץ בינה-מלאכותית. לצערי, זה גם התירוץ מדוע נותר לי מעט זמן לכתוב פוסטים ומאמרים. אבל, חייב לשתף אתכם בחוויה – איך Open AI ו- Perplexity גרמו לי להסמיק "בשידור חי"…

 

מעשה שהיה כך היה…

אנחנו בשטראוס אסטרטגיה רואים שליחות להפיץ את תפיסת "AI-first mindset" בקרב מנהלים, קולגות ואנשי מקצוע – במאמרים, וובינרים, הסכתים, חשיפות הנהלה, ועוד. ברמה האישית אני שגריר נלהב של המיינדסט הזה. איך זה מתבטא "קלינית"? מהם תופעות הלוואי? המממ…. למשל, כשלקוח או קולגה שואלים שאלה במייל או בוואטסאפ שאני סבור שעוזרי ה AI הווירטואליים שלי יכולים להשלים ולהעשיר את התשובה שלי, פעמים רבות אני פשוט מצרף לתשובה "האנושית" שלי גם קישור לתשובה שנתן chatgpt או perplexity לשאלה הזו. אני (כמובן) מעודד אותם להמשיך בשיחה "מאותה נקודה", בואכה התשובה הספציפית עבורם.

 

בשבוע שעבר, ההרגל הזה תפס אותי בהפתעה…

באחד הכנסים המקצועיים מצאתי את עצמי משוחח עם סמנכ"ל טכנולוגיות בחברה פיננסית גדולה. על רקע קפה דהוי משהו סיפרתי לו על מודל ההפעלה שגיבשנו בשטראוס לאימוץ ארגוני של בינה מלאכותית, GAIN שמו, ועל לקוחות שכבר מיישמים אותו. הוא לקח לגימה מהקפה (וביס מהבורקס) ושאל אותי אם יש עוד best-practices ואסטרטגיות אימוץ AI הוליסטיות מוכרות שנפוצות בישראל. סאקר של המיינדסט הזה של לשלב כוחות עם AI, סיננתי לו "בוא נשאל את chatgpt בדיוק את זה".

בעודי שואל את ChatGPT, הולכת ונולדת בי החוצה תחושת חרטה וכפכוף עצמי. לחוץ שעוד רגע ג'פטו ילרלר name dropping של אסטרטגיות ופרקטיקות ממותגות מבית היוצר של ענקיות ייעוץ גלובליות…

 

אבל הי, לא באנו ליהנות…

טו-לייט…ואז ג'פטו ענה. והתשובה הפתיעה וחייכה אותי, מפיצה חום נעים בבית החזה…ג'פטו מספר כבר בהתחלה על GAIN , מבית שטראוס אסטרטגיה, ומפרט את מרכיבי האסטרטגיה שלה. עשירית שניה אחרי, פרפלקסיטי עונה תשובה דומה ומציג את GAIN כאסטרטגיה ראשונה לאימוץ AI ארגוני.אימאל'ה ואבאל'ה!

מילא לשתף את כל העולם כמה המתודולוגיה שלנו לאימוץ AI ארגוני יכולה ליצור קסמים בארגון. אבל זה וואו לגמרי לגלות ששני יישומי ה Gen-AI ב top 3 מספרים על GAIN שלנו כשיטה מרכזית לאימוץ AI ארגוני…ואם כבר "מחשבה יוצרת מציאות": שבוע מאוחר יותר פגשנו 2 מכרזים לגיבוש מודל הפעלה לאימוץ AI ארגוני, והדרישות לספקים מנוסחות בהלימה כמעט מוחלטת למודל האימוץ שלנו…כנראה שאתם עושים משהו טוב, אמר לי חבר טוב.

כנראה, עצמי עונה לי.

בתמונות – מי אנחנו שנתווכח עם התשובות שנתנו עוזרי ה AI שלנו…

 

 

וובינר מנהיגות טכנולוגית: כיצד להפוך את מערכות המידע למנוע צמיחה עסקי

וובינר מקצועי למובילים טכנולוגיים: מנהיגות טכנולוגית כמנוע צמיחה 🚀

מעל 180 משתתפים הצטרפו לוובינר שלנו "מנהיגות טכנולוגית: כיצד להפוך את מערכות המידע למנוע צמיחה עסקי", שבו עסקנו באתגרים המרכזיים של מובילי IT בארגונים.

על מה דיברנו?
✅ איך מגבשים אסטרטגיית IT שתהיה גם יציבה וגם גמישה
✅ כיצד למנף בינה מלאכותית מתקדמת – גם ברמת האפליקציות וגם בתשתיות
✅ איך מובילים שינוי טכנולוגי משמעותי מבלי לפגוע ביציבות התפעולית
✅ התמודדות חכמה עם מערכות לגאסי והתקדמות למודרניזציה

🎙️ תודה ענקית לדוברות ולדוברים שלנו, שהביאו תובנות מעשיות מהשטח ויצרו שיח מעורר השראה! 📌
מוזמנים לצפות בהקלטה ולהעמיק בתובנות החשובות ששיתפנו. צפייה מהנה! 🔗 ⬇️

 

מ-POC להצלחה: המדריך המעשי להטמעת AI Code Companion בארגונים

בעידן שבו חדשנות טכנולוגית מהווה יתרון תחרותי משמעותי, הטמעת AI Code Companions בארגוני Enterprise אינה אופציה – היא הכרח אסטרטגי. מחקרים מראים כי כלים אלו מסוגלים להעלות את הפרודוקטיביות של צוותי הפיתוח ב-15% עד 40%, נתון משמעותי שמתרגם ישירות לערך עסקי. אולם, ההבדל בין רכישת כלי לבין הטמעה מוצלחת שלו הוא עצום.

אבל רגע לפני שנמשיך, כדאי לעשות "יישור קו" לגבי המושג עצמו: למה מתכוונים כשאומרים AI Code Companions  ומדוע הם כך כך חשובים?

AI Code Companions הם כלים מבוססי בינה מלאכותית שנועדו לעזור למפתחים בתהליך כתיבת הקוד, תיקונו, שיפורו ותחזוקתו. מדובר ב"עוזרים" חכמים שמתפקדים כחלק מסביבת העבודה של המתכנתים, ומציעים תמיכה טכנית ולוגיסטית בזמן אמת.

אל מול התיאור הנ"ל, מדוע אם כן, ארגונים רבים כל כך עדיין לא מצליחים ביישומם? התשובה לשאלה הזו היא למעשה תיאור האתגר האמיתי שאיתו גופי IT רבים מתמודדים איתו כיום:

ארגוני Enterprise בישראל ניצבים כיום בפני אתגר מורכב: מצד אחד, הצורך להאיץ תהליכי פיתוח ולשפר איכות קוד הוא קריטי להישרדות בשוק תחרותי. מצד שני, הטמעת טכנולוגיות AI בתהליכי הפיתוח מעלה שאלות מורכבות של אבטחת מידע, ציות רגולטורי, והתנגדות מצד המפתחים. מחקרים מראים כי 68% מהארגונים שרכשו כלי AI לפיתוח נתקלו בקשיים משמעותיים בהטמעה מסיבות שונות ומגוונות (למשל: פערי ידע בקרב מפתחים בצוותי הפיתוח מה שמייצר אי אחידות ביכולת היישום בשטח, חוסר במדיניות ארגונית ברורה לשימוש בכלים – מה מותר ומה אסור?, חשש נרחב ומוכר מצד צוותי פיתוח לגבי איום אפשרי מצד כלים שכאלו ועוד).

בזמן שאתגרים וחסמים לא חסרים באף ארגון, המאמר הזה נועד לספק מפת דרכים מעשית להטמעה מוצלחת של AI Code Companions, תוך התמקדות בערך העסקי והתמודדות עם האתגרים האמיתיים שארגונים נתקלים בהם.

הסעיפים הבאים הינם בגדר המלצה בלבד וכמובן שכל ארגון יכול לאמץ את הנקודות והמאפיינים שמתאימים למבנה ולתפיסה הארגונית הספציפית. 

 

שלב 1: הכנה והערכת מידת המוכנות הארגונית

עוד בטרם בחירת כלי כזה או אחר, חיוני לבצע הערכת מוכנות של הארגון וצוותי הפיתוח. הערכה זו כוללת: 

  • סקירת תהליכי פיתוח קיימים: זיהוי נקודות כאב והפוטנציאל לשיפור
  • הערכת תשתיות טכנולוגיות: בחינת תאימות לשילוב כלי AI
  • סקר מוכנות צוותים: הערכת רמת הידע והנכונות לאימוץ טכנולוגיות חדשות
  • ניתוח דרישות רגולטוריות: הבנת מגבלות, דרישות אבטחת-מידע ורגולציה

שלב 2: בחירת פתרון ותכנון הטמעה

ביסוס הבחירה בפתרון המתאים על קריטריונים מדידים שגם מתאימים לארגון:

  • יכולות טכניות ודיוק – האם נדרש לימוד של כל ה- codebase הקיים?
  • תמיכה בשפות פיתוח ובפלטפורמות רלוונטיות
  • מודל תמחור ו-ROI צפוי
  • ריצה ב- on-prem או בענן

שלב 3: יישום והטמעה בפועל (זה ה-MONEY TIMEׂ):

  1. הקמת צוות מוביל – מינוי champion מכל צוות פיתוח
  2. תכנית הכשרה מדורגת ומותאמת לצוותים על בסיס הקוד הארגוני:
  • סדנאות בסיס לכל המפתחים ומעבר על use-cases רלוונטיים
  • הכשרות מתקדמות למובילים טכניים
  •  ליווי אישי ותמיכה בשלבים הראשונים
  • מדיניות ארגונית ונהלים:
  • מסמך Governance מקיף
  • הנחיות לשימוש בטוח

שלב 4: מדידה ואופטימיזציה

כמו בכל פרויקט הטמעה נרצה להגדיר יעדים ומדדי הצלחה שיראו לארגון שאנחנו בדרך להצלחה.
מדדי הצלחה יעילים יכולים להיות, למשל:

  • קיצור זמני הפיתוח עד ליצירת ה- pull request
  • כמות שורות קוד שיוצרו בעזרת AI Code Companion (ביחס לכמות הקוד הכוללת)
  • חיסכון בשעות פיתוח בחודש ו/או הגדלת מספר משימות הפיתוח
  • עלות ממוצעת לשורת קוד
  • איכות הקוד – ירידה במספר ההערות של static code analysis

מתיאוריה לפרקטיקה: סיפור הצלחה מקומי

אחת מחברות הפינטק המובילות בישראל, בליווי שלנו, הצליחה להטמיע בהצלחה כלי AI Code Companion בצוותי הפיתוח שלה. עם צוות של כ-45 מפתחים, החברה הפכה למקרה בוחן מרתק של הטמעה מדורגת ואפקטיבית של יכולות AI, שהביאו לשינוי משמעותי בתהליכי העבודה.

 

התוצאות מדברות בעד עצמן:

  • 80,000+ שורות קוד שנוצרו בעזרת הכלי – האצה מרשימה בתפוקה.
  • קיצור זמני הפיתוח: מסך חדש ב-React, שדרש בעבר 10 ימי עבודה, מפותח כיום תוך 3 ימים בלבד.
  • 80% מהמפתחים משתמשים בכלי מדי יום – עדות ליעילות ולנוחות של הכלי.
  • 50% מהצעות הכלי אומצו בפועל על ידי המפתחים, מה שממחיש את הערך האמיתי של הטכנולוגיה.

 

הסיפור הזה מוכיח שכשמאמצים פתרונות AI בצורה חכמה, אפשר לייצר שינויים מרחיקי לכת בשגרה, לייעל תהליכים, ולתת לצוותים כלים לעבוד טוב יותר.
רוצים לדעת איך גם אתם יכולים לשלב פתרון AI Code Companion בארגון שלכם? אנחנו כאן כדי לעזור לכם לעשות את הצעד הבא.

 

5 המלצות להטמעה מוצלחת של AI Code Companions בארגון שלך

הטמעת כלי AI Code Companion יכולה להוביל למהפכה בצוותי הפיתוח שלך – אבל כדי שזה יקרה, נדרשת גישה מחושבת ותכנון נכון. הנה מה שחשוב שתיקחו איתכן/ם מהמאמר הזה:

  1. הכנה מקדימה היא המפתח
    לפני שאתם בוחרים או רוכשים כלי, השקיעו זמן בהבנת הצרכים והיעדים של הצוות שלכם. בנו תשתית טכנולוגית וארגונית שתומכת בהטמעה.
  2. הטמעה הדרגתית – לא למהר
    התחילו בצוות פיילוט קטן שיבחן את הכלי בפועל, ויישמו שיפורים תוך כדי תנועה. לאחר מכן, הרחיבו את השימוש על בסיס הלקחים שנלמדו.
  3. תהליך מתמשך, לא חד-פעמי
    הדרכה אחת פשוט לא מספיקה. בנו תכנית הטמעה מתמשכת עם הדרכות תקופתיות, דגש על יישום מעשי, ותמיכה טכנית שוטפת כדי להבטיח הצלחה ארוכת טווח.
  4. תמיכה תרבותית בארגון
    שתפו את המפתחים בתהליך קבלת ההחלטות והתאימו את הכלי לצרכים שלהם. שיתוף פעולה יוצר מחויבות אמיתית ומגדיל את הסיכוי להצלחה.
  5. מדידה ושיפור מתמידים
    הגדירו מראש KPIs ברורים, כמו שימוש יומיומי בכלי או הפחתת זמני פיתוח. עקבו אחריהם באופן שוטף ושפרו את התהליכים בהתאם.

רוצים לדעת איך ליישם את זה אצלכם בארגון?
צוות המומחים שלנו ישמח להבין את האתגרים שלכם, וייסע בגיבוש תכנית הטמעה. פנו אלינו ל: maya@s-strategy.com