חיפוש בחדשות

דוח חדש של זרוע התוכן MIT Technology Review Insights (זרוע מחקרי התוכן של MIT) בשיתוף ענקית הטכנולוגיה Microsoft (מיקרוסופט) מצביע על כך ששנת 2026 תהווה שנת מפנה לשילוב סוכני AI בתהליכי עבודה בעסקים. הסקר, שהקיף 300 מומחי טכנולוגיה ודירג 101 משימות בענן ובנתונים, מראה כי האמון הגבוה ביותר של ארגונים בסוכנים אוטונומיים נמצא בתהליכי ניהול נתונים (Data workflows) כגון ניטור איכות מידע וזיהוי חריגות. זאת ברקע לתחזית של חברת הייעוץ McKinsey (מקינזי) כי עלויות תשתיות ה-IT יגדלו פי 2 עד 3 עד שנת 2030, דבר שמגביר את הלחץ על מנהלים להציג החזר השקעה מהיר בעזרת פתרונות אוטומציה ובינה מלאכותית אוטונומית.

**זיהוי חריגות בבית חכם באמצעות מודלי שפה גדולים עדיין אינו בשל לפריסה אוטונומית.** מחקר SmartBench, שבחן 13 מודלים, מצא שגם Claude-Sonnet-4.5 הגיע ל-66.1% דיוק בלבד בזיהוי חריגות ללא הקשר ול-57.8% בחריגות תלויות-הקשר. המשמעות חורגת הרבה מעבר לבית חכם: כל עסק שבונה תהליכים מבוססי AI לזיהוי מצבים חריגים — ב-CRM, ב-WhatsApp או באוטומציות — צריך לשלב כללים קשיחים, נתונים היסטוריים ובקרה אנושית. עבור עסקים בישראל, במיוחד במרפאות, נדל"ן, ביטוח ושירותים מקצועיים, המסקנה המעשית היא לא להפקיד החלטות תפעוליות בידי LLM בלבד, אלא לחבר בין AI Agents, WhatsApp Business API, Zoho CRM ו-N8N במסגרת מבוקרת ומדידה.

**KairosVL הוא כיוון מחקרי חדש שמחבר בין סדרות זמן לבין הבנה סמנטית של הקשר עסקי.** לפי תקציר המאמר ב-arXiv, המודל נועד לשפר הסקה על נתונים משתנים בזמן, לא רק לחזות מספרים. עבור עסקים בישראל, המשמעות היא מעבר ממעקב אחרי גרפים להחלטות שמבינות גם אירועים, הודעות לקוח, סטטוס CRM וזרימות אוטומציה. במונחים פרקטיים, זה רלוונטי במיוחד לארגונים שמנהלים לידים, תורים, שירות ומלאי דרך Zoho CRM, WhatsApp Business API ו-N8N. לפני שהטכנולוגיה תהפוך למוצר מסחרי, כדאי להתחיל בסידור מקורות הנתונים, הוספת הקשר סמנטי, והגדרת פעולות אוטומטיות על חריגות.

מחקר חדש מציע גישה חדשנית לזיהוי הזיות במודלי AI בעזרת טכניקות OOD, ללא אימון. פתרון מדרגי לבטיחות.

בעולם רשתות מורכבות, GFM4GA – מודל בסיס גרף חדש – משפר זיהוי חריגות קבוצתיות ב-2.85% בממוצע. קראו עכשיו על הפריצה הזו!

לוגים הם המפתח לניטור מערכות, אך שיטות מסורתיות נכשלות. EnrichLog, מסגרת חדשה ללא אימון, משפרת זיהוי חריגות בעזרת LLM ו-RAG. קראו על התוצאות המרשימות.