חיפוש בחדשות

רשת הקמעונאות ההולנדית HEMA בנתה שכבת ידע פנימית המבוססת על Amazon Bedrock AgentCore ו-Model Context Protocol (MCP) במטרה לאחד מידע מבוזר ולמנוע מעבר ידני בין פורטלים ומערכות ויקי שונות. העוזר הפנימי HAL, שפותח תחילה ככלי עצמאי מבוסס Next.js ו-Strands, הורחב לשימוש ישיר מתוך כלי העבודה של המהנדסים (כגון Kiro ו-Claude) באמצעות שער Entra MCP ייעודי ופרוקסי אימות. המערכת משרתת כיום מפתחים, מנהלי מוצר ומנתחי מערכות, כאשר השלב הבא מתוכנן להרחיב את יכולות העוזר ממענה לשאלות לביצוע פעולות תפעוליות ישירות מתוך ממשקי השיחה.

בטור דעה שפורסם ב-SiliconANGLE סוקר ג'ייסון בלומברג מחברת הייעוץ Intellyx את כנס AGNTCon + MCPCon Europe 2026 באמסטרדם. בלומברג מציין כי בעוד ששוק סוכני הבינה המלאכותית (Agentic AI) נמצא בראשית דרכו, הדגש בקרב חברות הסטארט-אפ עבר מיישומי חזית לפתרונות עסקיים מעשיים. הטור מציג שבע חברות המדגימות מענה לאתגרי משילות, תזמור סוכנים, תוספי מודלי שפה ומשמעת ארכיטקטונית בפיתוח קוד. בין החברות שנסקרו: Traefik Labs, Bluerock Security, Orkes, Grape Up, Manufact, Alpic ו-Reboot. לפי הניתוח, הדרישה העסקית לערך יישומי היא שמניעה את הפיתוחים לבקרת סיכונים ולשליטה בפעילות הסוכנים.

בפוסט שפורסם ב-AWS הוצג אוסף של 38 מיומנויות סוכן (Agent Skills) בקוד פתוח ב-11 תחומי בריאות ומדעי החיים (HCLS) תחת רישיון MIT-0. המיומנויות בנויות כקובצי Markdown מובנים ומסווגות למיומנויות הסקה ולמיומנויות צינור, הניתנות להרצה על יותר מ-20 שירותים, כולל Amazon Bedrock AgentCore, AWS Strands SDK ו-Kiro CLI. הערכה השוואתית שבוצעה על 410 פרומפטים הראתה כי סוכנים המצוידים במיומנויות השיגו שיעור ניצחון של 69.5% עד 85.9% מול סוכני בסיס ללא מיומנויות, כאשר השיפור המשמעותי ביותר נמדד בממד החשיבה הביקורתית (שיעור ניצחון של 78% עד 85.1%). בנוסף, המיומנויות הפחיתו את שונות הציונים בעד 61.9%.

בפוסט של ארכיטקט הפתרונות דניאל אביב מ-AWS, מוסבר כיצד מנגנון ה-Prompt Caching ב-Amazon Bedrock מפחית עד 90% מעלויות טוקני הקלט על פגיעות במטמון ומקצר את זמן התגובה לטוקן הראשון (TTFT). המאמר סוקר שישה תרחישי יישום באמצעות ה-Converse API: שמירת מסמכים, שמירת פרומפט מערכת, שמירת הגדרות כלים לסוכנים, שילוב זמני חיים שונים (Mixed TTL), בידוד דיירים במערכות מרובות משתמשים באמצעות תחילית SHA-256, ואינטגרציה עם ספריית LangChain. מודלי Anthropic Claude Sonnet 4.5 ו-4.6 דורשים סף מינימלי של 1,024 טוקנים להפעלת המטמון.

פוסט טכני של מהנדסי AWS מציג ארכיטקטורה לאחזור מידע מבוסס סוכנים (Enterprise Agentic Retrieval) ב-Amazon Bedrock, המשלבת בסיסי ידע מנוהלים (Managed Knowledge Bases) ו-AgentCore. המערכת כוללת ניתוב סמנטי בין בסיסי ידע שונים, אחזור איטרטיבי באמצעות API ייעודי (AgenticRetrieveStream), שבע שכבות של ניטור ועקבות ב-CloudWatch וב-X-Ray, ומנגנוני הערכת איכות לפי דרישה ובאופן רציף. כלל הרכיבים נפרסים באופן אוטומטי באמצעות שרשרת של ארבע מחסניות AWS CloudFormation.

בפוסט הנדסי של AWS הוצג פתרון מבוסס ענן לשימור ידע ארגוני, המשלב אווטאר אינטראקטיבי המופעל בדיבור וטקסט עם ארכיטקטורת RAG מנוהלת. המערכת עושה שימוש ב-Amazon Bedrock Knowledge Bases, ב-Amazon S3, במאגר וקטורים של OpenSearch Serverless, ובמנגנון מטמון דו-שכבתי הכולל את DynamoDB. הפתרון מאפשר לעובדים לגשת לנהלים ומדיניות בשפה טבעית, ומסייע לארגונים לשמר מומחיות לפני פרישת עובדים ותיקים. המערכת ניתנת לפריסה מהירה באמצעות CloudFormation, ומציגה הפחתה בעלויות הסקת מודלי בינה מלאכותית בזכות שימוש במטמון חכם לשאלות חוזרות.

בפוסט שפורסם בבלוג של n8n הציג סונדאר ראגהוואן מ-AWS ארכיטקטורת צוות סוכני בינה מלאכותית המבוססת על n8n ועל Amazon Bedrock AgentCore harness. המערכת כוללת סוכן מיון שמנתב פניות לקוחות לשלושה סוכנים מומחים (ניתוח וחישוב, ארכיטקטורה, ומחקר כללי). כל הסוכנים פועלים על גבי משאב harness יחיד וחולקים זיכרון מנוהל המוגדר לפי מזהה הלקוח (Actor ID), כך שכל סוכן מסוגל לקרוא נתונים שנמסרו בשיחה מוקדמת מבלי לדרוש מהלקוח לחזור עליהם, וללא צורך בהקמת מסד נתונים וקטורי.

סטארטאפ ה-vibe-coding בשם Superblocks הכריז על הסכם שיווק משותף רב-שנתי עם Amazon Web Services (AWS), המאפשר להטמיע את מוצריו ישירות בעננים הפרטיים של הלקוחות הארגוניים. שיתוף פעולה זה יאפשר למשתמשים עסקיים לבנות יישומים מבוססי AI מבלי לשלוח מידע ונתונים אל מחוץ לארגון, תוך שימוש בבסיסי נתונים של Amazon Aurora ואינטגרציה מלאה עם פלטפורמת Amazon Bedrock. המהלך משקף מגמה רחבה יותר בתעשיית הענן, לפיה ספקיות הענן הגדולות דוחקות בארגונים להפריד בין מודלי ה-AI לבין התשתיות והכלים המשמשים להפעלתם, ובכך להפחית עלויות ולהבטיח את אבטחת המידע הארגוני.

**OpenAI על AWS הוא מהלך שמרחיב את אפשרויות ההטמעה של בינה מלאכותית לעסקים, ולא רק שינוי ביחסים בין אמזון, מיקרוסופט ו-OpenAI.** לפי הדיווח, AWS Bedrock כולל כעת מודלים עדכניים של OpenAI, את Codex ואת Bedrock Managed Agents, זמן קצר אחרי שמיקרוסופט איבדה בלעדיות על חלק ממוצרי OpenAI. עבור עסקים בישראל, המשמעות היא יותר גמישות בבחירת תשתית, פחות תלות בספק אחד, והזדמנות לבנות תהליכים שמחברים בין WhatsApp Business API, Zoho CRM, N8N וסוכני AI. מי שכבר פועל על AWS צריך לבחון עכשיו פיילוט ממוקד, עם בקרות פרטיות, תקציב ברור ויכולת להחליף רכיבים בלי לפרק את המערכת.

**Gemini Enterprise Agent Platform היא פלטפורמה לבנייה וניהול של סוכני AI בקנה מידה ארגוני, וגוגל מייעדת אותה בעיקר לצוותי IT ולא למשתמשים עסקיים כלליים.** זה המסר המרכזי מהכרזת Google Cloud Next: סוכנים ארגוניים דורשים קודם כול הרשאות, אבטחה וניהול, ורק אחר כך חוויית שימוש. לפי הדיווח, גוגל מציבה את המוצר מול Amazon Bedrock AgentCore ו-Microsoft Foundry, ותומכת גם במודלים של Anthropic Claude. עבור עסקים בישראל, המשמעות היא שכדאי לבחון ארכיטקטורה מלאה — AI Agents, WhatsApp Business API, Zoho CRM ו-N8N — ולא רק לבחור מודל. מי שיבנה פיילוט מסודר סביב תהליך אחד, עם בקרה והרשאות, יתקדם מהר יותר ועם פחות סיכון.

**רגולציית AI ברמת מדינה היא מסגרת שמחייבת מפתחי מודלים גדולים לפרסם נהלי בטיחות, לדווח על אירועי סיכון ולעמוד בבקרות פומביות.** זה בדיוק לב הוויכוח סביב Alex Bores, מחוקק מניו יורק שקידם את חוק RAISE, בעוד גורמים מעמק הסיליקון, בהם Greg Brockman מ-OpenAI ו-Joe Lonsdale מ-Palantir, תומכים בקמפיין נגדו. עבור עסקים בישראל, הלקח ברור: הדיון על AI כבר אינו רק טכנולוגי אלא גם תפעולי ורגולטורי. מי שמחבר מודלי שפה ל-WhatsApp Business API, ל-Zoho CRM ול-N8N צריך לבנות לוגים, אישורי אדם ומסלולי חריגים — אחרת הוא לוקח סיכון עסקי, משפטי ותדמיתי.

**דוחות אסטרטגיית מוצר ב-AI הם שכבת תכנון מהירה וזולה יותר מייעוץ מסורתי, אבל לא תחליף לאימות נתונים.** לפי TechCrunch, Rocket 1.0 מייצרת מסמכי אסטרטגיה עם תמחור, unit economics והמלצות חדירה לשוק, במחירים של 25–350 דולר לחודש. עבור עסקים בישראל, הערך האמיתי הוא לא "דוח בסגנון McKinsey" אלא קיצור של שבועות מחקר לפני פיילוט. עם זאת, אסור לקבל מסקנות כאלה בלי לבדוק אותן מול נתוני CRM, שיחות WhatsApp וביצועים אמיתיים. מי שישלב דוחות AI עם Zoho CRM, WhatsApp Business API ו-N8N יוכל להפוך מסמך רעיוני לתהליך מדיד שמבוסס על מספרים ולא על תחושת בטן.