מה זה AI Builder? התפקיד שלא היה לו שם משרה
בוני AI כותבים סוכנים, משיקים אבטיפוסים ומחזיקים מערכות שרצות בזמן שהם ישנים. הנה מה שהתפקיד באמת כולל, ממישהו שעושה את זה כל יום.
תשובה קצרה: AI builder מעצב, משיק ומתחזק מערכות עובדות שבנויות על מודלי שפה: סוכנים, צינורות עיבוד, כלי הערכה, ואת הממשקים שאנשים באמת נוגעים בהם, בבעלות מקצה לקצה בפרודקשן.
אנשים שואלים אותי מה אני עושה. אני אומר שאני בונה סוכני AI. הם מהנהנים. ואז הם שואלים אם אני עושה "הדבר של ChatGPT". שם השיחה בדרך כלל נתקעת.
אז הרשו לי להיות ישיר: AI builder הוא מישהו שלוקח מודלי שפה, Claude, GPT-4o, Gemini, מה שחד מספיק למשימה, והופך אותם למערכות שעושות עבודה אמיתית. לא דמואים. לא שקופיות. מערכות ששולחות מיילים, מנתחות חוזים, מנתבות הודעות וואטסאפ, סוקרות בסיסי קוד, ועושות את זה בלי שמישהו לוחץ על כפתור כל חמש דקות.
זו העבודה. עכשיו הרשו לי לספר איך היא באמת נראית.
השם לא היה קיים לפני שנתיים
אני עושה את העבודה הזו מלפני שהיה לה תווית נקייה. ב-2022 הייתי "מפתח שמשתמש ב-AI". ב-2023 "עשיתי דברים של אוטומציה עם GPT". ב-2024 מישהו מסר לי כרטיס ביקור שכתוב עליו "AI Engineer" וזה הרגיש קרוב יותר, אבל עדיין לא בדיוק.
"AI builder" הוא המונח שמתאים, והוא מתאים כי העבודה היא ביסודה בנייה. לא מחקר. לא ייעוץ ממרחק. בניית דברים שרצים בפרודקשן, נשברים בפרודקשן, ומתוקנים ב-23:00 כשה-webhook מפסיק להגיב.
התפקיד יושב בצומת של שלושה דברים שרוב האנשים מתייחסים אליהם כתחומים נפרדים:
1. הנדסת תוכנה: חובה להבין APIs, פריסה, ניהול מצב, טיפול בשגיאות
2. תכנון מערכות LLM: חובה להבין איך מודלים חושבים, איפה הם ממציאים, איך חלונות הקשר עובדים, מתי להשתמש בכלים ומתי פשוט לפרומפט חזק יותר
3. חשיבת מוצר: חובה להבין מה האדם באמת צריך, לא מה שהוא ביקש
אי אפשר להיות חלש באף אחד מהשלושה. למדתי את זה בדרך הקשה כשבניתי את ctxauditor, כלי שקורא מאגרי קוד ומציף את ההקשר המדויק שמפתח צריך לפני נגיעה בקובץ. ההנדסה הייתה החלק הקל. תכנון מערכת ה-LLM, להבין איך להעביר 40,000 טוקנים של הקשר בלי לאבד קוהרנטיות, לקח שלושה שבועות של איטרציות. וחלק המוצר, להבין שמפתחים לא רוצים "דאמפ של הקשר" אלא תשובות לשאלות סמויות שהם עוד לא שאלו, התובנה הזו שכתבה את הממשק מאפס.
מה AI Builders באמת בונים
תנו לי להיות ספציפי, כי "מערכות AI" מעורפל מספיק כדי לא לומר כלום.
סוכנים. סוכן הוא LLM שקיבל מטרה וסט כלים, ונשאר להבין את הדרך לבד. בניתי סוכנים שסוקרים תשתית פרודקשן וכותבים סיכומים בסלאק, סוכנים שעוקבים אחרי מחירי מתחרים ומסמנים חריגות, סוכנים שמריצים צינורות מחקר רב-שלביים ומספקים דוחות מובנים. התכונה המגדירה היא לא אינטליגנציה. זו עצמאות. הסוכן פועל בלי לקבל פרומפט בכל שלב.
צינורות עיבוד. לא כל מערכת AI צריכה להיות סוכנית. חלק מהבעיות נפתרות טוב יותר עם רצף דטרמיניסטי: קלט, סיווג, ניתוב, עיבוד, פלט. בניתי צינור ל-AI Mafia, קהילה עם מאות חברים פעילים, שמעבד הודעות וואטסאפ, מזהה כוונה, מנתב למטפלים המתאימים ומתעד הכל לאנליטיקה. הוא רץ על Cloud Run, מטפל במאות הודעות בסשן, ורץ ביציבות חודשים. תקנו, היה לו שבוע רע אחד כש-API של מודל שינה פורמט תשובה בלי אזהרה. תוקן תוך ארבע שעות מהרגע שמצאתי את זה.
מערכות הערכה. זה מפתיע אנשים. נתח משמעותי מהזמן שלי הולך על בניית דברים שמודדים מערכות AI אחרות. LLM Cost Lens, אחד האבטיפוסים שלי, עוקב אחרי שימוש בטוקנים, בחירת מודל ועלות למשימה על פני קונפיגורציות סוכנים שונות. למשימת סוכן בודדת אפשר להעריך את אותו דבר עם מחשבון עלות המשימה. בלי אינסטרומנטציה כזו אתם טסים עיוורים. אתם לא יודעים אם GPT-4o באמת טוב יותר מ-Claude 3.5 Sonnet למשימה הספציפית שלכם, או סתם יקר יותר.
ממשקים. לפעמים החלק הקשה הוא לא ה-AI. זה המשטח. סוכן חזק עם ממשק מבלבל מתעלמים ממנו. למדתי לחשוב היטב איפה הפלט נוחת: בהודעת וואטסאפ, בגוגל דוק, בשרשור בסלאק, במייל. הפורמט משנה את הכל בשאלה אם מישהו סומך על הפלט.
הסקילים שבאמת משנים
אני רוצה להיות כן לגבי מה שעושה מישהו טוב בזה, כי יש הרבה רעש בתוכן של "תהפכו למפתחי AI ב-30 יום".
הנדסת פרומפטים אמיתית, אבל היא לא מה שאנשים חושבים. זה לא מילות קסם. זה להבין איך מודל מעבד בקשה, איזה הקשר הוא מכביד, איפה תשומת הלב מתדרדרת, איך לבנות הוראות ששרודות שיחות ארוכות. ביליתי שבועיים כדי לדייק את פרומפט המערכת של ctxauditor. ביטוי שגוי אחד בהוראות גרם לו לסכם במקום לנתח. ההבחנה הזו הייתה קריטית למשתמשים.
ניהול הקשר הוא הסקיל המרכזי. למודלי שפה יש חלונות הקשר. כל דבר ששולחים להם עולה כסף ומשפיע על איכות. לדעת מה לכלול, מה להוציא, איך לדחוס, מתי לפצל: שם חי המלאכה האמיתית. אני עוקב אחרי זה באובססיביות. LLM Cost Lens קיים בדיוק כי טעיתי בזה במשך שבוע. הנחתי שיותר הקשר תמיד משפר פלט. זה לא נכון. אחרי סף מסוים, עוד הקשר מכניס רעש.
מצבי כישלון חשובים יותר ממסלולים מאושרים. סוכנים נכשלים בדרכים שקשה לחזות ומביך להסביר. אני בונה כל מערכת עם ההנחה שהמודל ימציא משהו שנשמע סביר ברגע הכי גרוע. זה אומר שלבי ולידציה מפורשים, נקודות בקרה אנושיות להחלטות בסיכון גבוה, והתנהגויות גיבוי שמתדרדרות בחן במקום לייצר זבל בשקט. כתבתי על למה הבודק חשוב יותר מהמודל ב-אימות סוכני AI.
לדעת מתי לא להשתמש ב-AI. זה נשמע מובן מאליו. זה לא. ראיתי מערכות שבהן מישהו השתמש ב-LLM לדבר ש-regex רגיל מטפל בו ב-2 מילישניות בעלות אפס. ראיתי סוכנים שהוכנסו איפה שטופס פשוט היה עושה עבודה טובה יותר. חלק מלהיות AI builder טוב הוא פילטר חזק למתי המורכבות באמת שווה את זה.
אם אתם ממפים את הדרך שלכם לעבודה הזו, ריכזתי מדריך התחלה פרקטי עם הסקילים, הכלים ותוכנית של 30 יום: תפקיד ה-AI builder: סקילים, כלים ואיך מתחילים.
איך העבודה נראית יום-יום
אין יום טיפוסי, אבל יש דפוסים חוזרים.
אני מבלה הרבה זמן בקריאה. הערות שחרור של מודלים, מאמרי בנצ'מרק, יומני שינויים של APIs. לא כי אני חוקר, אלא כי הכלים משתנים מהר מספיק שהתעלמות של שבועיים אומרת שפספסת משהו מהותי. חלון ההקשר של שני מיליון טוקנים ב-Gemini 1.5 Pro, למשל, שינה איך שחשבתי על קטגוריות שלמות של בעיות ניתוח מסמכים.
אני בונה אבטיפוסים מהר וזורק הרבה. רוב הרעיונות לא שורדים מגע עם נתונים אמיתיים. אני בונה גרסה ראשונה של משהו ביום, בודק על קלטים אמיתיים, ובדרך כלל מגלה שהבעיה האמיתית שונה ממה שחשבתי. ctxauditor עבר ארבע בנייות-מחדש ארכיטקטוניות מלאות לפני הגרסה הנוכחית.
אני כותב. הרבה. תיעוד, פרומפטים של מערכת, מטריצות הערכה, הסברים ללקוחות. הכתיבה היא לא נפרדת מהעבודה הטכנית. ככה אני חושב דרך מה שסוכן צריך לעשות ותופס את הדו-משמעויות לפני שהן הופכות לבאגים.
ואני משיק. המערכות שאני בונה רצות בפרודקשן, מטפלות בבקשות אמיתיות של אנשים אמיתיים. אני מנטר אותן עם AgentCanary, כי סוכנים שלא צופים בהם לא נכשלים בקול. האחריות הזו שומרת על העבודה כנה בצורה שכלי פנים או פרויקטי דמו לא שומרים.
למה "AI Builder" ולא "AI Engineer"
הבהרה אחת קודם: Builder.ai הוא גם שם של חברה. המאמר הזה על התפקיד, לא על החברה.
חשבתי על זה. "מהנדס" מרמז על רמת דקדקנות ופורמליות שלא מתארת את רוב מה שאני עושה. מהנדסים מפרטים מערכות לפני שהם בונים אותן. הם עובדים מדרישות. יש להם תהליכי סקירה.
ל-AI builders לרוב אין את המותרות של המבנה הזה. התחום זז מהר מדי. הדרישות לרוב לא ברורות כי לקוחות לא יודעים מה אפשרי. אתה מבין מה אפשר לבנות ובונה את זה במקביל.
"בונה" גם נושא קונוטציה אחרת של בעלות. אני לא מעביר לצוות של מישהו אחר למימוש. אני מחזיק את הסטאק המלא: עיצוב, מימוש, פריסה, ניטור. בוט הוואטסאפ של AI Mafia רץ על תשתית Cloud Run שהקמתי ואני מתחזק. הפרומפטים, לוגיקת הניתוב, מטפלי ה-webhook, הכל.
יש גם משהו כן ב"בונה" ש"מהנדס" לפעמים מסתיר. אני בונה דברים. חלקם נשברים. אני מתקן אותם ובונה טובים יותר. המחזור הדוק יותר מתוכנה מסורתית והמשוב מהיר יותר.
מי מעסיק AI Builders
התשובה הכנה: כל מי שיש לו זרימת עבודה עם קריאות שיפוט חוזרות.
משרדי עורכי דין שסוקרים חוזים. מרקטפלייסים שמנהלים מודרציה של מודעות. סטארטאפים שצריכים לעבד משוב משתמשים בקנה מידה. חברות SaaS שרוצות להוסיף תכונות AI-ניטיב בלי פרויקט הנדסה של חצי שנה. קהילות שרוצות אוטומציה חכמה בערוצי התקשורת שלהן.
מה שמשותף ללקוחות האלה הוא שיש להם נתונים אמיתיים, נפח אמיתי, ומשימה ספציפית שהם רוצים שתעשה באמינות. הם לא קונים ניסוי. הם רוצים משהו שעובד בסוף ההתקשרות.
הלקוחות שאני עובד איתם הכי טוב מבינים שבנייה עם LLMs כרוכה באי-ודאות. מודלים מתנהגים בדרכים שקשה לחזות, APIs משתנים, מקרי קצה צצים אחרי ההשקה. הם מוכנים לאיטרציות. הם רוצים שותף שיכול להסתגל, לא ספק שנעלם אחרי המסירה.
החלק שאף אחד לא מדבר עליו
בניית מערכות AI מלהיבה באמת. אני מתכוון לזה בלי אירוניה. יש משהו שונה בשיגור מערכת שיכולה להסיק, שיכולה לטפל בקלטים שלא ציפית להם, שיכולה לייצר פלטים שלא תיכנת במפורש.
אבל זה גם, ואני רוצה להיות ברור בזה, הרבה עבודה אפורה. פרסור JSON. לוגים של שגיאות. לוגיקת retry. טיפול ב-rate limits. להבין למה webhook מחזיר 200 אבל לא באמת מעבד. ה-AI הוא אולי 20% מהעבודה ביום טוב. שאר ה-80% הם הנדסת תוכנה שבאמצע שלה יש מודל שפה.
כל מי שאומר לכם שפיתוח AI הוא כולו פרומפטים וקסם מוכר משהו. הבונים שמשיקים מערכות אמינות הם אלה שמתייחסים לחלקים המשעממים באותה קפידה כמו למעניינים.
זה מה שאני עושה. זה מה ש-AI builder הוא.
אם התואר הזה עוד יהיה קיים בעוד חמש שנים זו שאלה נפרדת ממה שהוא אומר היום. בחנתי את זה מול שלוש בדיקות לגיטימיות ב-האם "AI builder" הוא מקצוע אמיתי?
מקורות
המקורות האלה תומכים במושגים הטכניים שנדונו כאן. הם לא מאמתים באופן עצמאי את הניסויים האישיים, העלויות או נתוני הביצועים שדווחו במאמר. התנהגות מוצרים יכולה להשתנות אחרי הפרסום.
- Building effective agents: תכנון סוכנים וזרימות עבודה; לא הגדרה סטנדרטית של שם משרה.
שאלות נפוצות
מה זה AI builder?
AI builder הוא מפתח שמעצב, בונה ופורס מערכות מונעות מודלי שפה גדולים, כולל סוכנים, צינורות עיבוד וכלי הערכה. בשונה מדטה סיינטיסט או מהנדס ML, AI builder בדרך כלל מחזיק את הסטאק המלא מתכנון המערכת ועד פריסת פרודקשן, עם דגש על יישומים פרקטיים שפותרים בעיות עסקיות ספציפיות.
איך AI builder שונה ממהנדס AI?
מהנדסי AI עובדים בדרך כלל בצוותים גדולים על תשתית ML, אימון מודלים או כלים ברמת פלטפורמה. AI builders נוטים לעבוד קרוב יותר לשכבת המוצר: מעצבים התנהגות סוכנים, משלבים APIs ומשיקים מערכות שבעלי עניין לא-טכניים מתממשקים איתן ישירות. ההבחנה היא חלקית על היקף וחלקית על סגנון עבודה.
אילו סקילים AI builder צריך?
סקילים מרכזיים כוללים אינטגרציית APIs של LLM (OpenAI, Anthropic, Google), הנדסת פרומפטים, ניהול הקשר, תכנון ארכיטקטורת סוכנים, פיתוח backend (APIs, webhooks, Cloud Run או דומה), ומתודולוגיית הערכה. חשיבת מוצר חזקה חשובה באותה מידה. לדעת מה לבנות חשוב כמו לדעת איך לבנות.
על אילו פרויקטים AI builders עובדים?
פרויקטים נפוצים כוללים סוכנים אוטונומיים שמטפלים במשימות מחקר או ניטור, אוטומציית צינורות לעיבוד מסמכים או מודרציית תוכן, בוטים לוואטסאפ או סלאק עם ניתוב מונע LLM, מסגרות הערכה מותאמות למערכות AI קיימות, ואינטגרציית תכונות AI למוצרי SaaS.
כמה זמן לוקח לבנות סוכן AI?
סוכן ממוקד ומוגדר היטב אפשר לבנות ולפרוס בשבוע עד ארבעה. מערכות מרובות-סוכנים מורכבות עם כלים מותאמים והערכה יסודית לוקחות בדרך כלל שישה עד שני-עשר שבועות. משתני הזמן הגדולים הם בהירות הדרישות, כמה נתונים אמיתיים זמינים לבדיקה, וכמה מקרי קצה הסוכן צריך לטפל בהם באמינות.
האם AI builders כותבים קוד?
כן. AI builders כותבים הרבה קוד, בעיקר Python, ועוד מה שסביבת הפריסה דורשת (Node.js ל-webhooks, TypeScript לאינטגרציות Next.js, סקריפטים של shell לתשתית). הנדסת פרומפטים היא חלק מהעבודה, אבל היא קורית בתוך בסיסי קוד, לא במקומם.
מה זה סוכן AI, בדיוק?
סוכן AI הוא מערכת שבה מודל שפה מקבל מטרה וסט כלים (חיפוש באינטרנט, הרצת קוד, גישה למסד נתונים, קריאות API), ומורשה לתכנן ולבצע משימות רב-שלביות כדי להגיע למטרה בלי הוראות אנושיות שלב-אחר-שלב. התכונה המרכזית היא פעולה אוטונומית, לא רק יצירת טקסט.
איך מעסיקים AI builder לחברה?
מחפשים מישהו עם תיק של מערכות ששוגרו, לא רק דמואים. שואלים על מצבי כישלון ואיך הוא מטפל בהם. מבקשים פרטים על פרויקטים קודמים: איזה מודל, איזו ארכיטקטורה, איזה קנה מידה, מה נשבר. AI builder טוב ידבר יותר על אילוצים, טרייד-אופים וניטור מאשר על כמה המודל הבסיסי חזק.
קריאה נוספת
- תפקיד ה-AI Builder: כישורים, כלים, ואיך להתחיל
תפקיד ה-AI builder, מוסבר על ידי מישהו שעושה את העבודה יומיומית: הכישורים שמשנים, הכלים ששווים לימוד, ודרך קונקרטית של 30 יום להתחיל.
- האם 'AI Builder' הוא מקצוע אמיתי, או סתם תווית טרנדית ב-LinkedIn?
האם AI builder הוא מקצוע אמיתי או תואר של תקופה? AI Operator עובד ב-Elementor שגם משלח אבות-טיפוס בודק את התפקיד מול שלוש בדיקות לגיטימיות קונקרטיות.
- בדיקת credentials של סוכן AI: checklist אבטחה
בדיקת credentials של סוכן AI היא audit חוזר של כל טוקן ומפתח שסוכן מחזיק. הנה ה-checklist, מבוסס על OWASP ותיעוד אבטחה של ספקים.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS