חיפוש בחדשות

סיילספורס הודיעה על זמינות כללית של AI Skills בתוך Agentforce Coworker. מיומנויות אלו מאפשרות למשתמשים להגדיר בשפה פשוטה סט הוראות לשימוש חוזר עבור משימות שחוזרות על עצמן, כך שהסוכן יוכל לבצע אותן בעקביות. Coworker, המתאם בין סוכני Agentforce ב-Salesforce, ב-Microsoft Teams ובמובייל, הוא הסוכן הראשון שכולל יכולת זו. בניגוד לתבניות הנחיה המפיקות פלטי טקסט בלבד, מיומנות מתארת משימה שלמה ומאפשרת לסוכן לנקוט פעולות על פי הרשאות המשתמש ולאחר קבלת אישור לעדכון רשומות.

בפוסט שפרסמה חברת Zapier, מפרטת החברה את הלקחים מפיתוח מנגנון ההרשאות בסביבת העבודה Sidekick. המערכת עברה מספר איטרציות: החל מבקשת אישור על כל כלי בנפרד, דרך הצמדת כללים למשאבים מוגנים (כמו קבצים או חשבונות), ועד להעברת בקשות האישור מחוץ לזרם הצ'אט לפאנל ייעודי ותיבת דואר נכנס. בנוסף, Zapier בחנה מצב Auto שבו בודק בינה מלאכותית מקבל החלטות על בסיס כללים בשפה חופשית, ומצב YOLO שבוטל לאחר שהתברר כי דילוג גורף על אישורים אינו מתאים לסביבת העבודה. כעת מפתחת החברה מצב חדש המבוסס על הפיכות הפעולה וההקשר שלה.

חברת LinearB Inc. הכריזה על השקת Agentic Studio, כלי שנועד להקל על העומסים בצינורות אספקת התוכנה שנוצרו בעקבות השימוש הגובר בכלי בינה מלאכותית לכתיבת קוד. לפי דוח מדדי התוכנה של החברה, ארגונים המסתמכים על כלי קידוד מבוססי AI כמעט הכפילו את כמות שינויי הקוד שמוזגו, אך בקשות המשיכה הללו גדולות בשיעור של כמעט פי 2.6 וממתינות פי חמישה יותר לסקירה. הפלטפורמה החדשה מאחדת נתונים ותובנות ממאגרי Git ומכלי מעקב לכדי שכבת הקשר אחידה, המאפשרת למהנדסים לקבל המלצות ולתשאל את המערכת בשפה פשוטה. בנוסף, באמצעות אינטגרציה דרך Model Context Protocol, המערכת מזינה סוכני קידוד אוטונומיים בהקשר היסטורי כדי למנוע שינויים עיוורים בקוד.

במאמר דעה שפורסם ב-MIT Technology Review, מזהירות מדהוליקה סריקומאר וקלייר לייבוביץ' מארגון Partnership on AI כי ארגונים פורסים כיום סוכני בינה מלאכותית ללא יכולת ראות מספקת לגבי פעולותיהם. בעקבות מקרים שבהם סוכנים של חברות מובילות, ובהן OpenAI, Anthropic, Google ו-Meta, סטו ממסלולם או ביצעו פעולות בלתי מורשות, הכותבות מצביעות על כך שהחברות מסתמכות בעיקר על מזל ובדיקה בדיעבד. מחקר שערכו על ארבע תשתיות סוכנים נפוצות חשף היעדר מזהי סוכן קבועים ותיעוד אישורים אנושיים, דבר המקשה על איתור הפרות מדיניות וכשלים בפיקוח. כדי לאפשר ניטור יעיל בזמן אמת כפי שדורשים רגולטורים באיחוד האירופי ובארצות הברית, הכותבות קוראות למפתחי תשתיות, לארגונים מאמצים ולגופי תקינה לפתח תקני צפיות מחייבים שיתעדו הן את מהלך הריצה והן את תהליכי קבלת ההחלטות של הסוכנים.

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.

ארגון Share My Meals, הפועל להצלת ארוחות מוכנות והעברתן לקהילות נזקקות בניו ג'רזי, ניו יורק סיטי ופנסילבניה, חילק 230,000 ארוחות בשנת 2025 לעומת 62,000 בשנת 2023. העלייה התאפשרה בעקבות פיתוח מערכת מרכזית בשם STAN על גבי Salesforce Field Service, שחיברה בזמן אמת בין תורמי מזון, מתנדבים ועמותות מקבלות. לפני השקת המערכת בינואר 2024, הסתמך הארגון על תשעה כלי תוכנה נפרדים שדרשו הזנה ידנית ויצרו צוואר בקבוק תפעולי. המעבר לפלטפורמה אחת צמצם את התלות במפתחים חיצוניים יקרים, אפשר לצוות הטכנולוגי ליישם הגדרות ופיתוחים בעצמו, וכעת מתכנן הארגון להציע את הטכנולוגיה כמודל עבודה עבור עמותות וארגונים נוספים בתחום הצלת המזון.

בפרסום של Google for Startups הציגה גוגל את סוכן Gemini (Gemini agent) ואת מודל החזית Gemini 4 Argon. הסוכן תוכנן לפעול הן כעוזר אישי והן כחבר צוות קבוע בעל חשבון Workspace משלו. הוא מציע פעולה מאוחדת לטיפול בידע, קוד וניתוח נתונים, זיכרון רציף על פני ארבעה ממדים ויכולת להפעיל סוכני משנה. בנוסף, המערכת מאפשרת ניתוב גמיש למודלים חיצוניים כמו Claude או Gemma, חיבור למערכות כמו Git ו-BigQuery, אבטחה הכוללת זהות קריפטוגרפית והגבלת הוצאות בזמן אמת ב-Cloud Billing Console. היכולות החדשות טרם נפתחו לציבור הרחב.

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.