Agentic AI היא גישה לבניית מערכות בינה מלאכותית שמקבלות מטרה, בוחרות פעולות מתוך הכלים שהוגדרו להן, ובוחנות את התוצאות כדי להחליט כיצד להמשיך. העצמאות שלהן מוגבלת באמצעות הרשאות, כללי עבודה ותנאי עצירה. כך אפשר לבנות מערכת שמטפלת במשימה לאורך כמה שלבים, גם כשהמסלול המדויק אינו ידוע מראש.
כדי להבין את הערך של הגישה הזאת, כדאי להתחיל מתהליך עבודה מוכר. עובד פונה לתמיכה, איש השירות אוסף פרטים, מחפש פתרון בתיעוד, בודק את מצב המערכת ומחליט מה לעשות. חלק מההחלטות משתנות מפנייה לפנייה. בדיוק בנקודות האלה אפשר לשלב סוכן AI, עם גישה למידע ולפעולות הנדרשות.
מה הופך מערכת לסוכן
מודל שפה גדול, או LLM, הוא רכיב במערכת. הוא מפרש את הבקשה ומייצר תשובה או בקשה להפעלת כלי. סביבו נדרשת תוכנה שמנהלת את המשימה, מפעילה את הכלים ומחזירה לו את התוצאות. הסוכן הוא השילוב של הרכיבים האלה, יחד עם ההוראות והבקרות שהוגדרו להם.
נניח שהכלים הזמינים הם חיפוש במסמכים, בדיקת סטטוס ופתיחת קריאת שירות. המודל יכול לבחור לבדוק תחילה את הסטטוס, לקבל הודעת שגיאה, ואז לחפש את הקוד שלה בתיעוד. אם חסר פרט מהותי, הוא יכול לבקש אותו מהמשתמש. התוכנה שסביב המודל אחראית לבדוק את הפרמטרים ואת ההרשאות לפני ביצוע הפעולה.
זהו מחזור העבודה של סוכן: בחירת הצעד הבא, הפעלת כלי, קבלת תוצאה והחלטה אם להמשיך. יש להגדיר גם מתי עוצרים, כמה פעולות מותר לבצע ומתי מעבירים את הטיפול לאדם. ממשק צ׳אט יכול להיות הדרך להפעיל אותו, אך גם אירוע במערכת או משימה מתוזמנת יכולים להתחיל את התהליך.
מתי צריך סוכן ומתי מספיקה אוטומציה
בתהליך אוטומטי קבוע, המפתחים מגדירים את סדר הפעולות ואת ההסתעפויות. לדוגמה, כל פנייה חדשה נרשמת במערכת ומועברת לצוות לפי קטגוריה. אפשר לשלב מודל שפה כדי לסווג את הפנייה ועדיין לשמור על תהליך קבוע.
סוכן מתאים כאשר הצעד הבא תלוי במידע שמתגלה בזמן העבודה. פנייה אחת תדרוש חיפוש בתיעוד, אחרת בדיקה מול שירות חיצוני, ושלישית שאלת הבהרה. גם כאן כדאי להשאיר פעולות עסקיות מוגדרות בתוך קוד או תהליך קבוע. אפשר לתת למודל לבחור מה לבדוק, ולהגדיר במפורש מי רשאי לשנות נתונים ובאילו תנאים.
ההחלטה להשתמש בסוכן צריכה לנבוע מהבעיה. אם ניתן לפתור את המשימה באמצעות כמה כללים ברורים, תהליך קבוע יהיה בדרך כלל קל יותר לבדיקה ולתחזוקה. אין צורך להוסיף עצמאות למקום שבו היא אינה משפרת את העבודה.
דוגמאות מעשיות: תמיכה וניתוח נתוני הדרכה
בעוזר תמיכה ארגוני, משתמש עשוי לכתוב: ״המערכת הפסיקה לעבוד אחרי העדכון״. הסוכן אוסף את שם המערכת ואת הגרסה, מחפש הנחיות רלוונטיות ובודק מידע זמין על התקלה. אם נדרשת קריאת שירות, הוא מכין תיאור מסודר עם הפרטים שכבר נאספו. שינוי הגדרות או ביצוע פעולה רגישה יכולים להיעצר לאישור של איש צוות.
דוגמה נוספת היא סוכן שמנתח נתוני הדרכה בארגון ומציע למנהל צעדים להמשך. כדי לתת המלצה שימושית, המערכת צריכה להביא את נתוני ההשתתפות וההישגים האחרונים של הצוות, להשוות לתקופות קודמות ולשלב את דרישות התפקיד. סוכן יכול לזהות אילו נתונים חסרים, להביא אותם ולמקד את ההמלצה. אם אין מספיק היסטוריה להשוואה, עליו לומר זאת. המלצה כללית שמנוסחת בביטחון עדיין אינה ניתוח של הצוות.
בשני המקרים, צריך לבדוק מה המשתמש קיבל בסוף: האם הפנייה התקדמה לפתרון, והאם ההמלצה נשענה על נתונים מתאימים. זו הגדרה מועילה יותר להצלחה מאשר תשובה שנשמעת משכנעת.
איך מחברים ידע וכלים
מודל אינו מכיר אוטומטית את הנהלים, המסמכים והנתונים העדכניים של הארגון. RAG, קיצור של Retrieval Augmented Generation, הוא מנגנון שמאחזר מידע רלוונטי ומעביר אותו למודל כחלק מההקשר לתשובה. בסוכן, חיפוש כזה יכול להיות אחד הכלים שהמודל בוחר להפעיל. הוספת RAG לבדה אינה הופכת תהליך לסוכן, ואינה מבטיחה שכל תשובה תהיה נכונה.
חשוב להבחין גם בין ידע לבין מצב המשימה. תיעוד מוצר מסביר כיצד המערכת אמורה לעבוד. מצב המשימה מתעד מה כבר נבדק, אילו תוצאות התקבלו ומה עדיין חסר. זיכרון מתמשך יכול לשמור העדפות או היסטוריה בין מפגשים, לפי הצורך והרשאות הגישה. שמירת מידע אינה כשלעצמה אימון מחדש של המודל.
MCP, קיצור של Model Context Protocol, מאפשר ליישומי AI להתחבר לכלים ולמקורות מידע דרך פרוטוקול משותף. הוא יכול להקל על החיבור למערכות קיימות. עדיין צריך להגדיר אילו פעולות זמינות, למי יש הרשאה לבצע אותן ואיך בודקים את הקלט והתוצאה. חיבור דרך MCP אינו מעניק לסוכן הרשאה אוטומטית לפעול.
הכלים שבאמצעותם בונים את המערכת
n8n מאפשר לבנות תהליכים חזותיים שמחברים בין שירותים, נתונים ומודלי שפה. אפשר לשלב בו סוכן שבוחר כלים בתוך תהליך רחב יותר. זו דרך נוחה לראות את זרימת המידע ולהתחיל מתהליך עסקי מוגדר, כמו טיפול בפנייה או איסוף מידע מכמה מערכות.
בפיתוח מבוסס Python, ספריות כמו LangChain מספקות רכיבים לחיבור מודלים וכלים. LangGraph מאפשר לנהל את מצב המשימה, את המעברים בין שלבים ואת נקודות ההתערבות של אדם. הוא שימושי כשנדרשת שליטה מפורשת בתהליך, למשל עצירה לאישור וחזרה לעבודה מאותה נקודה.
Copilot Studio של מיקרוסופט מאפשר לבנות סוכנים שמחוברים לידע ולפעולות הארגוניות בסביבת Microsoft 365. אפשר, למשל, לבנות סוכן שעונה לעובדים על שאלות מתוך נהלי משאבי אנוש ב-SharePoint, ופותח בקשה במערכת רק אחרי אישור של מנהל. מכיוון שהסוכן פועל בתוך סביבת Microsoft 365, הוא יכול להישען על ההרשאות הקיימות בארגון, וזה מקל על ההטמעה. Bedrock מספק גישה מנוהלת למודלים בענן שיכולים לשמש רכיב במערכת. כאשר נדרשת הרצה מקומית, אפשר להריץ באמצעות Ollama מודל מקומי מתאים. הבחירה תלויה באיכות הנדרשת, בתשתית, בעלות ובמגבלות המידע. צריך לבדוק גם לאן שאר רכיבי המערכת מעבירים נתונים.
גם כלי פיתוח כמו Claude Code ממחישים את הגישה: הכלי יכול לקרוא קבצים, לבצע שינוי, להריץ בדיקות ולהמשיך לפי התוצאה. זהו מקרה שימוש נוסף של אותו מחזור עבודה. האחריות לבדוק את השינוי ואת התאמתו למערכת נשארת חלק מתהליך הפיתוח. מה קורה כשהבקרה הזאת חסרה? ריכזנו מקרים אמיתיים במאמר Agentic AI בפיתוח תוכנה.
מה בודקים לפני הפעלה בארגון
כדאי לבנות אוסף מקרים שמייצג את העבודה האמיתית: בקשות רגילות, מידע חסר, נתונים סותרים וכשל של כלי. בודקים אם הסוכן בחר פעולה מתאימה, העביר פרמטרים נכונים, השתמש במקורות רלוונטיים ועצר כשלא היה יכול להמשיך. במערכת שפועלת בעברית, גם מקרי הבדיקה צריכים לשקף את הניסוחים והקיצורים של המשתמשים.
זמן התגובה והעלות נמדדים לאורך המשימה כולה. יש להביא בחשבון את הקריאות למודל, חיפוש המידע, הפעלת הכלים וניסיונות חוזרים. החלפת המודל עשויה לעזור, אבל לפעמים השיפור מגיע מביטול חיפוש כפול או מהעברת פחות מידע לא רלוונטי. לצורך אבחון צריך לתעד את הפעולות, התוצאות והשגיאות, תוך צמצום מידע רגיש בלוגים.
הרשאות ואבטחה צריכות להיאכף בקוד ובמערכות המחוברות. מסמך שהסוכן קורא עלול להכיל הוראה זדונית שמנסה להסיט אותו מהמשימה, תופעה המכונה Prompt Injection. לכן מגבילים גישה למידע ולכלים, בודקים את הפעולות ומגדירים נקודות אישור. אפשר, למשל, לאפשר חיפוש אוטומטי ולדרוש אישור אנושי לפני מחיקה או שליחה חיצונית.
צריך לתכנן גם את הטיפול בכשלים. אם כלי לא השיב, ניסיון חוזר חייב להתחשב באפשרות שהפעולה כבר בוצעה. פתיחת אותה קריאת שירות פעמיים היא תקלה גם אם כל אחת מההרצות נראתה תקינה. הגבלת ניסיונות, בדיקת מצב ושמירת התקדמות הן חלק מהמערכת.
איך מתחילים נכון
ההמלצה שלנו היא לבחור תהליך אחד עם מטרה ברורה ומדד הצלחה שאפשר לבדוק. מגדירים אילו נתונים דרושים, אילו כלים הסוכן רשאי להפעיל ובאילו מקרים אדם צריך להתערב. מתחילים בהיקף מוגבל ומשווים לתהליך הקיים לפני שמרחיבים את השימוש.
גם עבודה עם כמה סוכנים צריכה לענות על צורך מוגדר, למשל הפרדה בין משימות שדורשות ידע או הרשאות שונים. היא מוסיפה תיאום ועלות, ולכן כדאי לבדוק קודם מה ניתן להשיג עם סוכן יחיד. המדד להרחבה הוא שיפור מוכח בביצוע המשימה, לצד זמן תגובה ועלות שמתאימים לשימוש היומיומי.
איזה תהליך בארגון שלכם יכול להרוויח מסוכן AI, ואיפה תספיק אוטומציה פשוטה?
צוות המומחים של כרמל הדרכה מלווה ארגונים מקצה לקצה: מאפיון התהליך ובחירת הכלים, דרך פיתוח והטמעה של סוכני AI ועד הדרכת הצוותים. לפרטים על פיתוח והטמעת סוכני AI לארגונים.
צרו איתנו קשר ונתאים לכם את התהליך הנכון עבור הארגון שלכם.
מקורות
- LangGraph – Workflows and agents
- LangChain Deep Agents – Retrieval (RAG)
- Model Context Protocol – Introduction
- LangGraph – Overview
- Amazon Bedrock- What is Amazon Bedrock
- Ollama – Quickstart
- Claude Code – How Claude Code works
- n8n – Human-in-the-loop for AI tools
שאלות נפוצות
מה זה Agentic AI?
גישה לבניית מערכות AI שמקבלות מטרה, בוחרות פעולות מתוך כלים מוגדרים ובוחנות את התוצאות כדי להחליט איך להמשיך. העצמאות שלהן מוגבלת באמצעות הרשאות, כללי עבודה ותנאי עצירה.
מה ההבדל בין סוכן AI לאוטומציה?
בתהליך אוטומטי המפתחים מגדירים מראש את סדר הפעולות. סוכן מתאים כשהצעד הבא תלוי במידע שמתגלה בזמן העבודה, למשל כשפנייה אחת דורשת חיפוש בתיעוד ואחרת דורשת שאלת הבהרה.
האם RAG הופך מערכת לסוכן?
לא. RAG הוא מנגנון שמאחזר מידע רלוונטי ומעביר אותו למודל. בתוך סוכן הוא יכול להיות אחד הכלים, אבל לבדו הוא לא הופך תהליך לסוכן.
אילו כלים משמשים לבניית סוכני AI?
בין היתר n8n לתהליכים חזותיים, LangChain ו-LangGraph לפיתוח ב-Python, Copilot Studio לסביבת Microsoft 365, Bedrock לגישה מנוהלת למודלים בענן ו-Ollama להרצה מקומית.
מה בודקים לפני שמפעילים סוכן AI בארגון?
את איכות הפעולות על מקרים אמיתיים, זמן תגובה ועלות לאורך המשימה כולה, הרשאות ואבטחה (כולל Prompt Injection) וטיפול בכשלים וניסיונות חוזרים.



