פרק 172: וידויים של מגייס בעידן הבינה | עם דניס נרוש
עודכן: מאת צוות פודקאסט·ישראל
/ הפרק במספרים
| פורסם | 11 ביולי 2026 |
|---|---|
| אורך | 52 דק׳ |
| הנושא המרכזי | גיוס מהנדסי תוכנה בעידן ה-AI |
| קטגוריה | הייטק וסטארטאפים |
על מה הפרק?
בעידן שבו האייג'נט כותב את הקוד, מה שמבדיל מהנדס טוב זה שיקול הדעת מתי לתת לכלי לרוץ ומתי לעצור אותו, לא כמות הכלים שהוא מכיר.
דניס נרוש, שמנהל AI באלמנטור ומגייס לתחום כבר שלוש שנים, מפרק את ההנחה שמהנדס AI-native זה מי שמכיר הכי הרבה כלים - דווקא המועמדת שצרכה הכי הרבה טוקנים הביאה את הקוד הכי מלא בבאגים. המתח האמיתי הוא בין ההייפ לבין מה שבאמת מחזיק בפרודקשן, והרגע שחושף אותו הוא מועמד שבמקום להסביר מה כתב אמר רגע, אני אשאל את קלוד. השאלה שנשארת פתוחה: אם כולם מחפשים סיניורים כי ה-AI מייתר את הג'וניור, איך בכל זאת מכניסים ג'וניורים למעגל בלי לשלם על זה בעוד כמה שנים.
מהנדס טוב בעידן ה-AI לא נמדד בכמה כלים הוא מכיר אלא בשיקול הדעת - מתי לתת לאייג'נט לרוץ, מתי לעצור אותו, ומתי לזרוק ספרייה מיותרת שהוא הוסיף לבד.
/ תובנות מרכזיות
- שני קצוות נפסלים ורק האיזון עובר: גם מי שב-2026 לא נגע ב-AI בכלל, וגם הווייב-קודר שמקבל מהכלי 16 קבצים על בעיה שפתרונה פרמטר אחד חסר בקונפיגורציה של מונגו.
- המועמדת שצרכה הכי הרבה טוקנים, בערך P95 מהמפתח הממוצע, הביאה את התוצרים הכי גרועים ומלאי הבאגים - שימוש אינטנסיבי בכלי לא מעיד שעבדת איתו טוב.
- שאלת ליטקוד חימום עדיין במקום, אבל לא בשביל התשובה: לראות אם הבן אדם חושב לפני שהוא ניגש, מתקשר מה הוא עושה, חושב על מקרי קצה וכותב טסטים.
- הרגע שפוסל מועמד: כשמבקשים ממנו להסביר קוד שהוא עצמו הגיש והוא עונה רגע, אני אשאל את קלוד. מחפשים קודר שמשתמש בכלי, לא וייב-קודר שהכלי כתב במקומו.
- התשובה הכי טובה ששמע: מועמד עם סקיל שלפני סיום מפרק את כל הקוד לרשימת החלטות טכנולוגיות, בודק כל אחת, ומעיף ספרייה מיותרת כמו fishy.js - לא לסבך יותר מדי.
- גוגל עצמם הודו שחידות הראיון הישנות, כמו כמה ספרים יש בלונדון, לא נותנות שום מקדם הצלחה.
- לג'וניור התהליך מתהפך: הקוד צריך להיות מעולה והריוויו קפדני יותר כי סיסטם-דיזיין פחות רלוונטי, ויש אחריות חברתית להמשיך להכניס אותם למעגל.
- שלב הממליצים לא מת - דווקא בעידן ה-AI הוא ההזדמנות להתפלפל עם מי שעבד איתו על ה-soft skills שקשה לבחון אחרת.
איך אתה מגדיר היום מהנדס טוב בעידן שבו ה-AI כותב לנו את כל הקוד?
ניתוח מאת מערכת פודקאסט·ישראל, מבוסס תמלול אוטומטי של הפרק. על המתודולוגיה והמגבלות
/ שאלות נפוצות על הפרק
- על מה הפרק הזה?
- דניס נרוש, שמנהל AI באלמנטור ומגייס לתחום כבר שלוש שנים, מפרק את ההנחה שמהנדס AI-native זה מי שמכיר הכי הרבה כלים - דווקא המועמדת שצרכה הכי הרבה טוקנים הביאה את הקוד הכי מלא בבאגים. המתח האמיתי הוא בין ההייפ לבין מה שבאמת מחזיק בפרודקשן, והרגע שחושף אותו הוא מועמד שבמקום להסביר מה כתב אמר רגע, אני אשאל את קלוד. השאלה שנשארת פתוחה: אם כולם מחפשים סיניורים כי ה-AI מייתר את הג'וניור, איך בכל זאת מכניסים ג'וניורים למעגל בלי לשלם על זה בעוד כמה שנים.
- מהן התובנות המרכזיות מהפרק?
- שני קצוות נפסלים ורק האיזון עובר: גם מי שב-2026 לא נגע ב-AI בכלל, וגם הווייב-קודר שמקבל מהכלי 16 קבצים על בעיה שפתרונה פרמטר אחד חסר בקונפיגורציה של מונגו. · המועמדת שצרכה הכי הרבה טוקנים, בערך P95 מהמפתח הממוצע, הביאה את התוצרים הכי גרועים ומלאי הבאגים - שימוש אינטנסיבי בכלי לא מעיד שעבדת איתו טוב. · שאלת ליטקוד חימום עדיין במקום, אבל לא בשביל התשובה: לראות אם הבן אדם חושב לפני שהוא ניגש, מתקשר מה הוא עושה, חושב על מקרי קצה וכותב טסטים. · הרגע שפוסל מועמד: כשמבקשים ממנו להסביר קוד שהוא עצמו הגיש והוא עונה רגע, אני אשאל את קלוד. מחפשים קודר שמשתמש בכלי, לא וייב-קודר שהכלי כתב במקומו. · התשובה הכי טובה ששמע: מועמד עם סקיל שלפני סיום מפרק את כל הקוד לרשימת החלטות טכנולוגיות, בודק כל אחת, ומעיף ספרייה מיותרת כמו fishy.js - לא לסבך יותר מדי. · גוגל עצמם הודו שחידות הראיון הישנות, כמו כמה ספרים יש בלונדון, לא נותנות שום מקדם הצלחה. · לג'וניור התהליך מתהפך: הקוד צריך להיות מעולה והריוויו קפדני יותר כי סיסטם-דיזיין פחות רלוונטי, ויש אחריות חברתית להמשיך להכניס אותם למעגל. · שלב הממליצים לא מת - דווקא בעידן ה-AI הוא ההזדמנות להתפלפל עם מי שעבד איתו על ה-soft skills שקשה לבחון אחרת.
מתיאור הפרק
האם בעידן שבו AI כבר כותב קוד, אנחנו עדיין יודעים לזהות מהנדסים טובים? בפרק הזה אירחנו את דניס נרוש, שמוביל את תחום ה-AI באלמנטור, לשיחה על ראיונות עבודה, גיוס ומה באמת השתנה מאז ש-Cursor, Claude ו-ChatGPT נכנסו לנו ל-IDE. דיברנו על מועמדים שלא נוגעים ב-AI בכלל, על כאלה שנותנים לו לכתוב הכל בלי להבין מה קורה, ועל המקום שבאמצע: מהנדסים שיודעים להשתמש ב-AI כדי לזוז מהר יותר, אבל עדיין מביאים שיקול דעת, הבנה הנדסית, תקשורת, בדיקות וחשיבה על פרודקשן. כי היום השאלה היא כבר לא רק אם מישהו יודע לכתוב קוד. השאלה היא אם הוא יודע לחשוב. אם הוא יודע לעצור. אם הוא יודע לבדוק את מה שה-AI נתן לו. ואם הוא יו
/ עוד פרקים על בינה מלאכותית
- שש אחרי המלחמהשש אחרי המלחמהפרק המנתח את חוסנם של יזמי ההייטק הישראלים אל מול רצף משברים, תוך התמקדות בתפקיד הקהילתיות וההון הפסיכולוגי כגורמי מפתח להמשכיות.
- תכלס קריירהתכלס קריירהטלי סלונים משוחחת על ניהול קריירה בעולם העבודה החדש, חשיבות הגיוון התעסוקתי, השפעת הבינה המלאכותית, ויישום מודל אזור הגאונות להגשמה מקצועית.
- תל-אביב-360-ערוץ-הפודקסטים-של-אוניברסיטת-תל-אביבמודלים מודפסים בתלת־ממד, חתימות מולקולריות ותרופות מודולריות: השפה החדשה של הטיפול בסרטןהרצאת חוקרת סרטן על מודלים בתלת-ממד, חתימות מולקולריות ואתגרי פיתוח תרופות בעידן הבינה המלאכותית.
- פרה-חולבת-פודקאסט-על-השקעות-ומסחר-אופציותמלחמה ותנודתיות בשוק? כך תהפכו את הפחד לרווח בטוח סרטון חובה לסוחרים!מדריך למכירת אופציית פוט (מכר) כאסטרטגיה לניצול תנודתיות גבוהה בשוק כדי לקבל פרמיה ולקנות מניה איכותית במחיר שנקבע מראש.