איך בונים מערכות AI שמחזיקות בפרודקשן? כך Globalbit מיישמת Agentic AI בארגונים ממשלתיים ובמערכות קריטיות

במהלך העשור האחרון, Globalbit הפכה לשחקן מרכזי בתחום פיתוח מערכות תוכנה לארגונים ציבוריים ופרטיים בישראל – כולל מערכות בריאות, ביטחון, תחבורה ותשתיות לאומיות. החברה אמנם מזוהה עם מערכות דיגיטליות רחבות היקף, אך חלק מהעשייה המתקדמת ביותר שלה כיום מתמקד בפיתוח פתרונות AI לארגונים – בפרט מערכות מבוססות סוכנים חישוביים (Agentic AI).

לא מדובר בעוד אינטגרציה גנרית עם מודל שפה גדול, אלא בגישה מערכתית שמאפשרת להפעיל מערכות בינה מלאכותית בסביבות ייצור אמיתיות, רגישות ודינמיות.

במרכז הגישה הזו עומד ה־Agentic Framework – תשתית שפותחה ב־Globalbit, המאפשרת בנייה של סוכנים מונחי-מטרה, בעלי הבנה הקשרית, יכולת תזמון משימות מורכבות, ואינטגרציה מלאה עם מערכות ארגוניות – כולל CRM, מסדי נתונים, ומערכות תפעוליות קיימות.

שלושה עקרונות תכנוניים מרכזיים:

• תזמור משימות מרובות – לא תשובה אחת, אלא רצף פעולות ממוקד-מטרה.
• אינטגרציה דו-כיוונית – גישה מלאה למידע קיים ויכולת לכתוב חזרה למערכות קריטיות.
• ציות ואבטחת מידע – מנגנוני הרשאות, לוגים ועמידה בסטנדרטים רגולטוריים, כבר כחלק מהתשתית.

התוצאה: תשתית ניטרלית לתחום, שניתן לקנפג אותה במהירות לעולמות כמו משפט, רפואה, תוכן מקצועי או תכנון עירוני.

יישומים בפועל:

Psika.ai – אוטומציה משפטית מבוססת סוכנים
מערכת המורכבת ממספר סוכנים תפקודיים:
אחד מאתר תקדימים, שני בונה טיעון משפטי, ושלישי ממפה ומסכם פסיקות.
במשרד עורכי דין בתל אביב, המערכת מקצרת את שלב המחקר המשפטי ביותר מ־40%.
היא לא מחליפה שיקול דעת – היא מפנה אליו משאבים.

Bookmind – כלים מבניים ליצירה מקצועית
מערכת שמפשטת תהליכי כתיבה על ידי הצעת מבנים, מיפוי רעיוני והכוונת קווי עלילה.
לא מחולל טקסטים, אלא סוכן תומך-תהליך, בעבודה אנושית צפופה.

zetra.ai – ניהול תיעוד מוצר כיכולת תשתיתית
פלטפורמה שמתרגמת דרישות עסקיות למסמכים טכניים, מציעה פיצ’רים מבוססי דאטה, ומבצעת סנכרון בין צוותים.
המערכת מחוברת ישירות ל־Jira, Git וכלי תיעוד – כחלק מה־workflow, לא מעליו.

אז מה מאפשר למערכות סוכנים אלה לפעול בצורה יציבה בפרודקשן?

• צוותים שמכירים את תחומי הלקוחות – במקום צוות AI חיצוני שמנסה "ללמוד את התחום".
• שילוב מלא של DevSecOps – כולל ניטור, ניהול כשלים ותפעול שוטף.
• ניהול מידע רגיש באמצעות מודלים מבוססי הרשאות ובקרות עומק – קריטי במיוחד בסביבות רגישות - רפואיות ומשפטיות.

ומה אפשר ללמוד מהגישה הזו?

העבודה של Globalbit מדגימה מגמה רחבה יותר בשוק הארגוני:
המעבר ממערכות מבוססות דמו ו־GenAI כללי – למערכות סוכנים שמוטמעות עמוק בתוך תהליכי העבודה.

שלוש תובנות מרכזיות עולות מהגישה הזו:

• מערכות בינה מלאכותית חייבות להיבנות מתוך היגיון תחומי, עמידה ברגולציה ואמון של משתמשים.
• ארכיטקטורות סוכנים מציעות דרך סקלבילית לבניית יישומים מסתגלים ומוכווני-מטרה.
• ההצלחה טמונה באינטגרציה, לא בחדשנות לשמה.

בעולם שמוצף בפיילוטים לא יציבים ומערכות שלא שורדות את המעבר לשטח, Globalbit מציעה דוגמה אחרת:
מערכות יציבות, מאובטחות, ומכוונות לצרכים אמיתיים של גופים שמנהלים תשתיות, לא רק מוצרים.