![הAI לא טועה אתם פשוט משתמשים בו לא נכון [עושים תוכנה]](/_next/image?url=https%3A%2F%2Fd3wo5wojvuv7l.cloudfront.net%2Ft_rss_itunes_square_1400%2Fimages.spreaker.com%2Foriginal%2F4cf99af1e66f4f82abdfbe2bc10aad3e.jpg&w=384&q=75&dpl=dpl_8WF8iYV3gY8hmnQk66M8bWZAV4Mj)
הAI לא טועה אתם פשוט משתמשים בו לא נכון [עושים תוכנה]
עודכן: מאת צוות פודקאסט·ישראל
האזינו לפרק המלא
אנחנו עוזרים למצוא את הפרק, ההאזנה המלאה נמצאת אצל היוצרים, בפלטפורמה שלהם.
/ הפרק במספרים
| פורסם | 1 ביוני 2026 |
|---|---|
| אורך | 1 שע׳ 6 דק׳ (ארוך ב-46% מהממוצע בתוכנית) |
| הנושא המרכזי | הטמעת AI ואייג'נטים בארגונים |
| קטגוריה | הייטק וסטארטאפים |
על מה הפרק?
הטמעת AI ואייג'נטים בארגונים דורשת ידע תאורטי, תהליך הדרגתי של חינוך, עבודה עם טכניים ויצירת פידבק לופ רציף.
התחלת העבודה עם AI בארגון חייבת להיעשות דרך התנסות מעשית ולמידה תאורטית על מודלים, קונטקסט ווינדואו וגבולותיהם. חשוב להתחיל עם הדרכות לאנשי הצוות, בעיקר לטכניים, שמאפשרות הבנה טובה יותר לפני בניית אג'נטים ופתרונות מורכבים. בניית אג'נטים מוצלחים תלויה בהבנת תהליכי העבודה הארגוניים, בחיבור נכון לטולים, ובשיתוף פעולה עם בעלי התפקידים שעתידים להחליף. בנוסף, יש להקפיד על פרומטינג גיידליינס וליצור מערכות פידבק לופ לשיפור מתמיד.
ההצלחה בהטמעת אג'נטים תלויה לא רק בטכנולוגיה אלא בעיקר בתהליך אנבלמנט הדרגתי, בשילוב בין ידע תאורטי, הבנת הבעיות הארגוניות, ויצירת שותפות עם המשתמשים האנושיים לאורך כל מחזור חיי האג'נט.
/ תובנות מרכזיות
- רוב המפתחים עדיין נמצאים בשלב השימוש הבסיסי ב-LLM בלי שימוש מתקדם בסקילים וסאב-אג'נטים, כשכ-5% בלבד שולטים בכלים מתקדמים.
- קונטקסט ווינדואו הוא מגבלה מרכזית במודלים, ופתרונות כמו קומפקטיזציה וניהול זיכרון הם קריטיים להצלחה.
- הטמעת AI בארגון דורשת קודם כל חינוך והכשרה, בעיקר של הטכניים, שמהווים אנבלרים חשובים עבור הלא טכניים.
- פיתוח אג'נטים מוצלח מתחיל בהבנת תהליכי העבודה של המשתמשים, חיבור לטולים מתאימים, ויצירת פידבק לופ עם המשתמשים לשיפור מתמיד.
- פרומטינג גיידליינס והתאמת הפרומטים למודל ה-LLM הם גורם משמעותי בביצועים של האג'נטים.
איך בונים תהליך אדיוקיישן אפקטיבי בעולם AI שמשתנה במהירות ומלא באי-ודאות טכנולוגית?
- 1להתחיל להתנסות עם כלים של AI וללמוד את היסודות של מודלים ו-kontекст ווינדואו.
- 2להשקיע בסדנאות והדרכות לעובדים, במיוחד לטכניים, כדי ליצור הבנה בסיסית ויכולת עבודה עם AI.
- 3לפתח אג'נטים בשיתוף פעולה עם בעלי התפקידים שעתידים להחליף, תוך שקיפות מלאה.
- 4להתמקד בבניית טולים מותאמים אישית לאג'נטים עם הרשאות מבוקרות.
- 5ליצור מערכות פידבק לופ שיאפשרו שיפור מתמיד של האג'נטים ויישום הידע מהשטח.
ניתוח מאת מערכת פודקאסט·ישראל, מבוסס תמלול אוטומטי של הפרק. על המתודולוגיה והמגבלות
שאל את הפרק (Chat with Episode)
קבל תשובות מיידיות מתוך תמלול וניתוח ה-AI
שאלות מומלצות בלחיצה אחת:
/ שאלות נפוצות על הפרק
- מהי משמעות ה-context window ב-LLM ולמה היא מהווה אתגר מרכזי בשימוש ב-AI בארגונים?
- ה-context window הוא טווח הטוקנים שהמודל יכול לעבד בו זמנית, והוא מוגבל. ה-LLM אומנו כך שהמשימה מתבצעת בתוך ה-context window, ולכן כשמגיעים לסוף הטווח, הדיוק יורד. לדוגמה, בשר הטבעות יש כ-330 אלף מילים, שזה בערך 350 אלף טוקנים, ולכן יש צורך ביכולת קומפקטיזציה כדי להתמודד עם כמויות מידע גדולות. הבעיה הזו גורמת לכך שפרודקשן עם AI דורש הבנה עמוקה של מגבלות ה-context window.
- כיצד מתבצע תהליך ה-AI enablement בארגונים ומה תפקידו של הידע התאורטי בתהליך זה?
- תהליך ה-AI enablement מתחיל בהכשרה של העובדים, בעיקר הטכניים, באמצעות סדנאות שמלמדות איך לעבוד עם כלים כמו קלוד קוד. הידע התאורטי הוא בסיסי וקריטי, כולל הבנה של LLM, knowledge cut-off, ו-context window. ללא הבנה זו, קשה לפתח אג'נטים יעילים ולהימנע מטעויות נפוצות בשימוש ב-AI.
- מהם האתגרים העיקריים בהטמעת אג'נטים מבוססי AI בפרודקשן וכיצד ניתן להתגבר עליהם?
- האתגרים כוללים חוסר בממורי אמין, קושי בניהול הקונטקסט, וטעויות של המודל. יש צורך בבניית ארנס (framework) שמנהל את הלולאה של האג'נט, כולל ניהול הקונטקסט, קומפקטיזציה, ופידבק לופ עם משתמשים. בנוסף, חשוב לשבת עם בעלי התפקידים שהאג'נט אמור להחליף ולהבין את תהליכי העבודה שלהם כדי להתאים את האג'נט לצרכים האמיתיים.
- כיצד משפיעה רמת הידע הטכני של העובדים על האימוץ וההצלחה של כלים מבוססי AI בארגון?
- רמת הידע הטכני משפיעה מאוד על האדופשן. בקרב הטכניים, רק כ-5% באמת יודעים להשתמש בסקילים וסאב-אג'נטים. בקרב הלא-טכניים האדופשן נמוך יותר בגלל קשיים בחיבור כלים, הבנת הקונטקסט והגבלות אבטחת מידע. לכן, חשוב להתחיל בהכשרת הטכניים ולהשתמש בהם כאנבלרים להטמעת ה-AI בארגון.
- מהם הכלים והפרקטיקות המרכזיות שמפתחים משתמשים בהם כדי לשפר את איכות הקוד שנוצר על ידי AI בפרודקשן?
- בריסקי פייט, למשל, משתמשים במרקט פלייס בשם איי-האב שמכיל סקילים לכל שפה ומאפשר יצירת פיארים קטנים. בנוסף, יש MCP גטווייז שמאפשר חיפוש סמנטי בתוך MCPs כדי לשפר את הקונטקסט. המפתחים מבצעים ריוויו אנושי לקוד, מיישמים רפקטורינג מינימלי, ומקפידים על פרומטינג גיידליינס כדי להתאים את הפרומפטים למודלים השונים. כל אלה תורמים לאיכות קוד גבוהה ויציבה.
מתיאור הפרק
מה קורה כשמפסיקים להתייחס ל-AI כקסם ומתחילים לעבוד איתו כמו שצריך? אירחתי את סהר כרמל, שפירק את ההייפ סביב אייג׳נטים וכלים כמו Claude Code, ודייק את הנקודות החשובות ביותר להצלחה בעידן שלנו. דיברנו על איך לגשת להטמעה של AI בארגונים, מנסיון של 50 סדנאות, איך יוצרים אימפקט גם במחלקות לא טכנולוגית ומה עדיין לא עובד. האזנה נעימה, עמית בן דור
/ נושאים קשורים
איך נוצר העמוד הזה
194 פרקים של עושים תוכנה Osim Tochna = 194 מאמרים שגוגל מדרג
את התקציר והניתוח בעמוד הזה הפקנו אוטומטית מתוך האודיו של הפרק, בלי שאיש כתב מילה. זה בדיוק מה ש-AuthorityRank עושה לארכיון שלם: כל פרק הופך למאמר עברי איכותי שמדורג בגוגל ומצוטט על ידי ChatGPT ו-Perplexity, ומתפרסם אוטומטית במגזין משלכם.
הארכיון שלכם הוא אודיו מת שמנועי החיפוש לא מוצאים. אנחנו הופכים אותו לנכס שמביא תנועה כל חודש.