חיפוש בחדשות

במאמר מאת Salesforce מפורטים ארבעה לקחים מניסיונה כמשתמשת הראשונה במוצריה (Customer Zero), ובפרט בחיבור ידע מוצר לסוכני בינה מלאכותית באמצעות Data 360 ו-Agentforce. החברה מתארת כיצד תשובות סוכן RAG תלויות באיכות התוכן הנשלף, וממליצה להעריך את מאגר הידע לפי התאמה, פער והתנגשות לפני בניית אינדקס. בנוסף מומלץ לפתח תצורות על בסיס השערות שנבדקות כמותית ואיכותית ולא לפי מפרט קשיח, להגדיר מראש מאגר נתוני ייחוס לבדיקות, ולשלב בדיקות אנושיות לצד מדדים אלגוריתמיים כדי למנוע דחיות שווא לפני עלייה לייצור.

במאמר שפרסמה Salesforce מוצג ההבדל בין ארכיטקטורה כבולה לדפדפן (browser-bound) לבין ארכיטקטורת headless בעידן שבו ארגונים מסתמכים על עובדים אנושיים וסוכני בינה מלאכותית. בעוד שבמודל המסורתי המשתמש נדרש לנווט בין מסכים, להתחבר למערכות נפרדות ולעבור בין לשוניות כדי לבצע משימות, ארכיטקטורת headless מפרידה בין הלוגיקה העסקית ושכבת הנתונים לבין ממשק המשתמש. באמצעות ה-Headless Toolkit ומערכת AIforce, יכולות הפלטפורמה נחשפות ישירות דרך ממשקי API, פרוטוקול MCP וממשק CLI, מה שמאפשר לסוכנים אוטונומיים לגשת לנתונים, להריץ תהליכים ולבצע משימות ישירות בערוצים שבהם העובדים פועלים, כמו Slack, Microsoft Teams ו-WhatsApp.

בטור דעה שפורסם ב-SiliconANGLE, ג'ייסון בלומברג מנתח את הסיכונים בשימוש בסוכני בינה מלאכותית (AI agents). בלומברג מסביר כי סוכנים מבוססי מודלי שפה גדולים הם בלתי דטרמיניסטיים מטבעם, ולכן תמיד קיים סיכוי לפעולה בלתי רצויה או לתשובה שגויה. המאמר סוקר מקרים שבהם מוטב להימנע משימוש בסוכנים – לרבות משימות הדורשות דיוק מוחלט כמו הפעלת שכר, מצבים שבהם שגיאה עלולה לגרום לפגיעה חמורה בחיי אדם, ומקרים שבהם עלות ההפעלה של הסוכנים עולה על התועלת העסקית. בלומברג ממליץ לחשב תקציב שגיאות בטרם הטמעת סוכנים בארגון.

בפוסט שפרסמו מהנדסי AWS הוצגה היכולת המנוהלת AgentCore payments ב-Amazon Bedrock, המאפשרת לסוכני בינה מלאכותית לשלם לפי דרישה עבור שירותים דוגמת הסקת מודלים. השירות מנהל ארנקים, מטפל בפרוטוקול התשלום x402 ואוכף מגבלות הוצאה ברמת התשתית במקום ברמת המודל. הפוסט מפרט כיצד חברת Incarna שילבה את המערכת כדי לאפשר לסוכנים לשלם לנתב ההסקה BlockRun עבור כל קריאה בנפרד ברשת Base ב-USDC. האינטגרציה הושלמה בשלושה ימים ובכ-200 שורות קוד, ובשלב הבטא עובדו מעל 1,000 תשלומים בסכומים של 0.001 עד 0.05 דולר לקריאה. היכולת זמינה כעת באופן כללי.

במאמר דעה שפורסם ב-SiliconANGLE, האנליסט זאוס קרוואלה מסביר כי השלב הבא בבינה מלאכותית משפטית מתמקד בסוכנים בעלי אופק ארוך (long-horizon agents) המסוגלים לקחת אחריות על תהליכי עבודה ממושכים מול מערכות וערוצים מרובים, תוך החזרת השליטה לעורך הדין ברגעי שיקול דעת. חברת Supio מפתחת מערכת הפעלה למשרדים ("Firm OS") שמטרתה לפעול כמערכת פעולה ולא רק כמאגר תיעוד. עורך הדין בוב סימון תיאר שימוש במערכת להתאמת סוכן לאסטרטגיית הליטיגציה שלו ואיחזור מידע, תוך הקפדה על אימות אנושי של ראיות ורשומות רפואיות. המערכת משלבת נתוני תיקים, ידע מוסדי ופסיקה מ-Thomson Reuters לצד מנגנוני הרשאות ובקרה.

דו״ח ראשון מסוגו של חברת Salesforce, המבוסס על סקר בקרב יותר מ-2,000 מנהלים ומקבלי החלטות בתחום ה-AI, מנתח את הגורמים שמבדילים בין ארגונים המשיגים החזר השקעה אמיתי מסוכני בינה מלאכותית לבין אלו שנתקעים בפיילוטים יקרים. מהנתונים עולה כי מהירות ההטמעה אינה הגורם המכריע, אלא הכנת הנתונים הספציפיים למשימה, הגדרת נתיבי הסלמה לגורם אנושי ובניית מנגנוני הגנה מראש. הדו״ח מראה כי ארגונים שהטמיעו סוכנים באופן הדרגתי הגיעו ל-ROI בתוך 8.2 חודשים, לעומת 7.3 חודשים בארגונים שאיחדו נתונים באופן מלא. בנוסף, 40% מהארגונים כבר מפעילים סוכנים במשימות רגולטוריות או בעלות סיכון גבוה.

מדריך יישום זה מבית n8n מפרט כיצד לבנות יכולות אובזרבביליטי (observability) עבור סוכני בינה מלאכותית (AI Agents) בסביבות ייצור. בניגוד לאפליקציות מסורתיות, סוכני AI מקבלים החלטות דינמיות ומשתמשים בכלים שונים, מה שמקשה על ניפוי שגיאות באמצעות ניטור רגיל. המדריך מציג את שלושת סוגי הטלמטריה הקריטיים – עקבות (Traces), מדדים (Metrics) ולוגים (Logs) – ומשווה בין כלים פופולריים כמו Langfuse, LangSmith, Arize AI, Datadog ו-n8n. בנוסף, המדריך מתווה חמישה שלבים מעשיים להטמעת אובזרבביליטי משלב הכניסה ועד לניהול שגיאות והתראות בזמן אמת, לצד שיטות עבודה מומלצות לשמירה על יציבות ואמינות המערכת.

חדרי חדשות מבוססי בינה מלאכותית, המופעלים על ידי סוכנים עצמאיים תחת פיקוח אנושי מינימלי, מצליחים להשיג ראשוניות בדיווח על פני גופי תקשורת מבוססים. מקרה בולט התרחש בכנס האבטחה Black Hat, שבו חדר החדשות הסינתטי RuntimeWire, המנוהל על ידי היזם ריאן מרקט בעלות של כ-100 דולר ביום, עקף את המגזין WIRED ביותר משלוש שעות בדיווח על הרצאה של OpenAI. לצד RuntimeWire, מיזמים נוספים כמו The Dissent מפעילים דמויות של עיתונאים מלאכותיים בעלות נמוכה במיוחד. בעוד מומחים מביעים ספקנות לגבי היכולת של סוכנים אלה לבנות אמון עם מקורות אנושיים ולשמור על סטנדרטים עיתונאיים מחמירים, ההתפתחות הטכנולוגית מסמנת שלב ניסיוני חדש ומציבה אתגרים משפטיים ואתיים בפני עולם המדיה המשתנה.