במאמר הזה
- מה זה סוכן AI?
- צ’אטבוט, אוטומציה וסוכן AI: מה ההבדל?
- איך סוכן AI עובד מאחורי הקלעים?
- מודל השפה (LLM)
- כלים וחיבור דרך API
- הקשר וזיכרון
- RAG: איך סוכן עונה מתוך המסמכים שלכם
- דוגמה מהשטח: סוכן או אוטומציה?
- מה סוכן AI לא יודע לעשות?
- מתי צריך סוכן ומתי מספיקה אוטומציה רגילה?
- שאלות נפוצות
- האם ChatGPT הוא סוכן AI?
- מה זה RAG במילים פשוטות?
- האם סוכן AI יכול לעבוד מול מערכת ERP?
- האם בטוח לתת לסוכן AI גישה למערכות של הארגון?
- מה ההבדל בין סוכן AI ל-RPA?
- מאיפה מתחילים?
- סוכן AI הוא מודל שפה שמקבל מטרה, יכול להפעיל כלים כמו חיפוש, מערכות ו-API, ומחליט בעצמו מה הצעד הבא עד שהמשימה הושלמה. זה מה שמבדיל אותו מצ’אטבוט שרק עונה, ומאוטומציה שמבצעת צעדים קבועים.
- הרבה ממה שנמכר היום כ”סוכן” הוא בפועל צ’אטבוט, או אוטומציה עם צעד AI בפנים. ברוב המקרים, זה בדיוק מה שהעסק צריך.
- סוכן שווה את המורכבות שלו כשהדרך למטרה משתנה ממקרה למקרה. כשהדרך קבועה, אוטומציה עם צעד AI תהיה זולה יותר, צפויה יותר וקלה יותר לתחזוקה.
ספק אחד הציג לכם “סוכן AI לשירות לקוחות”. ספק שני הציג “סוכן AI למכירות”. אחרי חצי שעה בכל הדגמה הבנתם שהראשון הוא צ’אטבוט עם מאגר שאלות, והשני הוא רצף מיילים אוטומטי עם ניסוח של מודל שפה.
שניהם קראו לזה סוכן.
המילה “סוכן” הפכה בשנתיים האחרונות למילת מכירה, והיא מכסה היום כמעט כל מוצר שיש בו מודל שפה. הבעיה היא שבלי הגדרה ברורה אי אפשר להשוות בין הצעות, אי אפשר להעריך סיכון, ואי אפשר לדעת אם הפתרון שמוצע לכם גדול מדי או קטן מדי לבעיה.
הכתבה הזו היא מדריך מושגים. בסופה תדעו להבחין בין צ’אטבוט, אוטומציה וסוכן AI, תבינו מה קורה מאחורי הקלעים, ותדעו אילו שאלות לשאול לפני שמחליטים.
מה זה סוכן AI?
סוכן AI הוא מערכת שבה מודל שפה מקבל מטרה, יכול להפעיל כלים, ומחליט בעצמו באיזה סדר להשתמש בהם עד שהמטרה הושגה. שלושה רכיבים הופכים מודל לסוכן:
- מטרה. משימה פתוחה כמו “תאם פגישה עם הלקוח בשבוע הבא”, שהסוכן מפרק בעצמו לצעדים.
- כלים. גישה לדברים שהמודל לא יודע לעשות לבד: לחפש ביומן, לשלוף נתון ממערכת, לשלוח הודעה, לעדכן רשומה.
- לולאה. הסוכן מבצע צעד, בודק את התוצאה ומחליט מה הצעד הבא. אם היומן של הלקוח תפוס ביום שלישי, הוא מנסה יום אחר. אף אחד לא כתב מראש את המסלול הזה.
הרכיב השלישי הוא העיקר. מה שהופך מודל לסוכן הוא ההחלטה: הוא מקבל תוצאה מכלי, מחליט מה לעשות איתה ופועל לפי ההחלטה.
צ’אטבוט, אוטומציה וסוכן AI: מה ההבדל?
הדרך הכי פשוטה להבחין ביניהם היא לשאול שאלה אחת: מי מחליט מה הצעד הבא?
| צ’אטבוט | אוטומציה | סוכן AI | |
|---|---|---|---|
| מי מחליט מה הצעד הבא | המשתמש, בשאלה הבאה שלו | מי שבנה את התהליך, מראש | המודל, תוך כדי ריצה |
| מה מפעיל אותו | הודעה ממשתמש | אירוע: טופס, קובץ, שעה קבועה | מטרה שהוגדרה לו |
| האם הוא פועל במערכות | בדרך כלל לא, הוא עונה | כן, לפי מסלול קבוע | כן, ובוחר באילו כלים להשתמש |
| כמה התוצאה צפויה | בינונית | גבוהה | נמוכה יותר, תלויה בהחלטות המודל |
| דוגמה | עוזר באתר שעונה על שאלות על שעות פעילות ומשלוחים | ליד מטופס נכנס ל-CRM ומקבל מייל פתיחה | מקבל “הכן לי סקירה על הלקוח לפני הפגישה” ובוחר לבד מאיפה לאסוף מידע |
שימו לב לשורה הרביעית. ככל שמתקדמים מצ’אטבוט לסוכן מקבלים יותר גמישות, ומשלמים עליה בצפיות. אוטומציה תעשה בדיוק את אותו דבר אלף פעמים. סוכן יכול לפתור מקרה שאף אחד לא צפה, והוא יכול גם לבחור דרך שאף אחד לא רצה.
יש גם שטח אפור באמצע, והוא כנראה החלק החשוב ביותר: אוטומציה עם צעד AI. התהליך קבוע, אבל באחד הצעדים מודל שפה קורא, מסווג או מנסח. מייל נכנס, המודל מזהה אם זו הזמנה, תלונה או שאלה, והתהליך ממשיך במסלול שנקבע מראש לכל סוג. המודל מחליט על הסיווג, והמסלול נקבע מראש. וזה מה שרוב הארגונים צריכים רוב הזמן.
איך סוכן AI עובד מאחורי הקלעים?
ארבעה מושגים מסבירים כמעט כל מערכת שתפגשו. כדאי להכיר אותם, כי הם גם המקומות שבהם דברים משתבשים.
מודל השפה (LLM)
LLM, ראשי תיבות של Large Language Model, הוא המנוע. מודלים כמו Claude ו-GPT מקבלים טקסט ומחזירים טקסט, והם טובים מאוד בהבנת בקשות, בסיכום ובניסוח. לבד, הם לא יודעים מה קורה במערכות שלכם, לא יודעים איזה תאריך היום אם לא אמרו להם, ולא יכולים לבצע שום פעולה בעולם.
כלים וחיבור דרך API
כדי שמודל יפעל, מגדירים לו כלים: פונקציות שהוא יכול לבקש להפעיל, כמו “חפש לקוח לפי שם” או “בדוק מלאי לפי מק”ט”. המודל לא מתחבר למערכת בעצמו. הוא מחזיר בקשה מסודרת, קוד שאתם שולטים בו מריץ אותה מול ה-API של המערכת, והתוצאה חוזרת למודל. החלוקה הזו חשובה, כי זה המקום שבו אתם קובעים מה מותר לסוכן לעשות. MCP, ראשי תיבות של Model Context Protocol, הוא תקן פתוח שמגדיר את החיבור הזה בצורה אחידה, כך שכלי שנבנה פעם אחת יכול לשמש מודלים שונים.
הקשר וזיכרון
מודל לא זוכר שיחות קודמות. כל מה שהוא יודע בזמן הריצה הוא מה שנכנס לחלון ההקשר שלו: ההוראות, השיחה עד עכשיו ותוצאות הכלים. “זיכרון” של סוכן הוא בפועל מידע ששומרים בצד ומכניסים מחדש להקשר כשצריך. כשמישהו אומר לכם שהסוכן “לומד את הארגון”, שאלו איפה בדיוק נשמר מה שהוא למד, ומי יכול לראות את זה.
RAG: איך סוכן עונה מתוך המסמכים שלכם
RAG, ראשי תיבות של Retrieval-Augmented Generation, היא שיטה שבה לפני שהמודל עונה, המערכת מחפשת במסמכים שלכם את הקטעים הרלוונטיים ומכניסה אותם להקשר. המודל עונה על בסיס הקטעים האלה ולא רק על בסיס מה שלמד באימון. ככה בונים עוזר שעונה על שאלות מתוך נהלים פנימיים, חוזים או קטלוג מוצרים.
איכות התשובה תלויה כמעט לגמרי באיכות החיפוש. אם הקטע הנכון לא נשלף, המודל יענה בביטחון מלא מתוך מה שכן נשלף.
דוגמה מהשטח: סוכן או אוטומציה?
יצרן ישראלי שעובד עם Priority ניהל את בירורי המלאי דרך טלפונים לאיש אחד במשרד. בניתי בוט טלגרם שמקבל שאלה בשפה חופשית, ממיר אותה לשאילתה מול בסיס הנתונים, מחזיר את המצאי בזמן אמת ושולח דוח יומי במייל. סיפרתי עליו גם בכתבה על התפקיד של מנהל אוטומציה.
אז זה סוכן?
לפי ההגדרה למעלה, לא בדיוק. המודל עושה עבודה שאף תהליך קבוע לא היה יכול לעשות: הוא מבין שאלה שנכתבה בשפה של אדם, ומתרגם אותה לשאילתה. אבל המסלול קבוע. שאלה נכנסת, שאילתה רצה, תשובה יוצאת. המודל לא מחליט לבדוק מחסן נוסף, לא מזמין מלאי ולא פונה לספק.
וזו בדיוק הנקודה. הבוט עונה על הצורך בלי אוטונומיה מיותרת. הוא צפוי, קל לבדוק אותו, ואם משהו משתבש ברור איפה לחפש. סוכן מלא במקומו היה מוסיף סיכון בלי להוסיף ערך.
מה סוכן AI לא יודע לעשות?
הדגמות של סוכנים נראות מרשימות כי הן רצות על המקרה שבחרו להראות לכם. בעבודה היומיומית מגיעים גם כל המקרים האחרים.
- לדעת מתי הוא טועה. מודלים יכולים להמציא פרט, שם או מספר ולהציג אותו בביטחון מלא. אצל סוכן, הטעות הופכת לפעולה: מייל שנשלח, רשומה שעודכנה.
- לשמור על גבולות שלא הוגדרו לו. סוכן יעשה כל מה שהכלים שלו מאפשרים. אם נתתם לו הרשאת כתיבה במערכת שבה הוא צריך רק לקרוא, ההגנה היחידה היא ההוראות שכתבתם לו, וזו הגנה חלשה.
- לעצור בזמן. סוכן שלא מצליח להשיג מטרה יכול לנסות שוב ושוב. כל ניסיון הוא קריאה למודל, וכל קריאה עולה כסף. בלי תקרה על מספר הצעדים, משימה שנתקעה הופכת לחשבונית.
- להודיע כשמשהו נשבר. כשה-API לא עונה או שקובץ מגיע ריק, סוכן עלול להמשיך עם מה שיש לו ולסיים “בהצלחה”. הכשל השקט הזה מסוכן יותר מקריסה, כי אף אחד לא יודע שצריך לבדוק.
כל סוכן צריך הרשאות מינימליות, תקרת צעדים, תיעוד של כל פעולה, ואדם שמאשר לפני כל פעולה שאי אפשר לבטל.
מתי צריך סוכן ומתי מספיקה אוטומציה רגילה?
לפני שמתחילים פרויקט של הטמעת AI, כדאי לסווג את הצורך לאחת משלוש הקטגוריות: אוטומציה, אוטומציה עם צעד AI, או סוכן. ארבע שאלות עושות את רוב העבודה:
- האם הדרך למטרה זהה בכל פעם? אם כן, זו אוטומציה. אם הצעדים משתנים לפי מה שמתגלה בדרך, אולי צריך סוכן.
- האם יש בתהליך טקסט חופשי שצריך להבין? מיילים, מסמכים, שאלות של אנשים. אם כן, צריך צעד AI. אם הכול שדות מובנים, אוטומציה רגילה מספיקה ותהיה זולה יותר.
- מה המחיר של טעות? ככל שהטעות יקרה יותר, כך צריך פחות אוטונומיה ויותר נקודות אישור.
- מי יתחזק את זה? סוכן דורש מעקב אחרי ההחלטות שלו לאורך זמן. אוטומציה דורשת מעקב אחרי החיבורים שלה. שניהם צריכים בעלים עם שם.
ברוב התהליכים בארגון התשובות מובילות לאוטומציה, לפעמים עם צעד AI אחד בפנים. סוכן מלא מתאים למשימות שבהן מספר הדרכים האפשריות גדול מכדי לכתוב אותן מראש, כמו מחקר מקדים לפני פגישה או טיפול בפניות שכל אחת מהן שונה. דוגמאות לתהליכים שמתאימים לאוטומציה רגילה ריכזנו בעמוד אוטומציות לעסקים.
שאלות נפוצות
האם ChatGPT הוא סוכן AI?
ChatGPT הוא בעיקר צ’אטבוט: אתם שואלים, הוא עונה. חלק מהיכולות שלו, כמו חיפוש ברשת או ביצוע משימה בכמה צעדים, מתנהגות כמו סוכן, כי המודל מחליט לבד באילו כלים להשתמש ובאיזה סדר. ההבחנה נקבעת לפי מה שהמערכת עושה בפועל.
מה זה RAG במילים פשוטות?
RAG היא שיטה שבה המערכת מחפשת קודם במסמכים שלכם את המידע הרלוונטי, ורק אחר כך המודל עונה על בסיסו. כך המודל יכול לענות על שאלות לגבי נהלים, מוצרים או חוזים של הארגון, שהוא לא ראה מעולם באימון. התשובה טובה בדיוק כמו החיפוש שלפניה.
האם סוכן AI יכול לעבוד מול מערכת ERP?
כן, בתנאי שלמערכת יש API או גישה מסודרת לבסיס הנתונים, ושמגדירים לסוכן כלים מוגדרים היטב מולה. כדאי להתחיל בהרשאות קריאה בלבד, כמו בדיקת מלאי או סטטוס הזמנה, ולהוסיף פעולות כתיבה רק אחרי שראיתם איך הסוכן מתנהג לאורך זמן, ותמיד עם אישור של אדם.
האם בטוח לתת לסוכן AI גישה למערכות של הארגון?
זה בטוח בדיוק כמו ההרשאות שנתתם לו. העיקרון הוא הרשאה מינימלית: הסוכן מקבל רק את הכלים שהוא צריך למשימה, ולא גישה כללית. בנוסף צריך לבדוק לאן המידע נשלח ואיפה הוא נשמר, במיוחד כשמדובר במידע אישי של לקוחות או עובדים, ולתעד כל פעולה שהסוכן ביצע.
מה ההבדל בין סוכן AI ל-RPA?
RPA, ראשי תיבות של Robotic Process Automation, היא תוכנה שמחקה פעולות של אדם על המסך: לוחצת, מעתיקה ומדביקה לפי תסריט קבוע. היא טובה בעבודה עם מערכות ישנות שאין להן API, ונשברת כשהמסך משתנה. סוכן AI עובד לפי מטרה, ובדרך כלל מתחבר למערכות דרך API. יש היום גם סוכנים שמפעילים מחשב דרך המסך, אבל ההבדל נשאר: הסוכן מחליט, ה-RPA מבצע.
מאיפה מתחילים?
מתחילים מתהליך אחד שמציק לכם, וכותבים על דף מה קורה בו, צעד אחרי צעד. אם כל הצעדים קבועים, יש לכם אוטומציה. אם יש צעד שבו מישהו קורא טקסט ומחליט, יש לכם מקום לצעד AI. ואם אי אפשר לכתוב את הצעדים מראש כי כל מקרה שונה, זה המקום לבחון סוכן.
הסיווג הזה לבד יחסוך לכם את רוב ההדגמות המיותרות. ככה מתחיל אצלי כל תהליך של בניית פתרונות AI לעסק: מתהליך אחד. אם תרצו לעבור על הסיווג יחד, אפשר לקבוע שיחת היכרות.



