Agentic AI, סוכני AI ו-RAG: המילון הקטן למונחים שכולם מדברים עליהם

Agentic AI, או “בינה מלאכותית אגנטית”, הוא הכינוי לדור החדש של מערכות AI שלא רק עונות על שאלות אלא גם פועלות בפועל: מתכננות שלבים, מקבלות החלטות ומבצעות משימות שלמות בעצמן, כמעט בלי צורך בהתערבות אנושית לאורך הדרך. בניגוד לכלי AI “קלאסי” שמייצר טקסט או תשובה בודדת לכל בקשה, מערכת Agentic AI מסוגלת לקחת מטרה רחבה (למשל “תבדוק את כל הבקשות הפתוחות ותשלח תזכורת למי שלא ענה”) ולפרק אותה בעצמה לצעדים, לבצע אותם, ולהתאים את עצמה תוך כדי תנועה אם משהו לא הולך כמתוכנן.

אם Agentic AI היא הגישה הכללית, סוכן AI הוא היישום שלה בפועל: תוכנה ספציפית שבנויה על עקרונות האגנטיות. ההבדל מצ’אטבוט רגיל הוא בדיוק שם – צ’אטבוט עונה לכם על שאלה ונעצר שם. סוכן AI לוקח את המשימה צעד קדימה: הוא יכול לפתוח כרטיס תמיכה, לתזמן פגישה ביומן, לחפש מידע במערכת אחרת ולחבר בין הכל בעצמו, בלי שתצטרכו להנחות אותו בכל שלב בנפרד. בשנה האחרונה נראית עלייה חדה בחיפושים על סוכני AI, ולא בכדי: ארגונים רבים כבר בודקים איך לשלב אותם בתהליכי עבודה יומיומיים, בעיקר במקומות שבהם יש הרבה משימות חוזרות שדורשות גם שיפוט וגם ביצוע.

RAG, ראשי תיבות של Retrieval-Augmented Generation, הוא שיטה שנותנת לכלי AI גישה למידע העדכני והספציפי של הארגון, ולא רק למה שהוא “למד” בזמן האימון שלו. בפועל, זה אומר שבמקום שהמערכת תנחש תשובה על סמך ידע כללי, היא קודם “שולפת” מידע רלוונטי ממסמכי הארגון, מהמערכות הפנימיות או ממאגר ידע מסודר, ורק אז מנסחת תשובה מבוססת על המידע הזה. זו הסיבה שחברות רבות שרוצות AI שמכיר את הנהלים, המוצרים או הנתונים שלהן, ולא רק “AI כללי”, חייבות בשלב כזה או אחר להתמודד עם RAG.

Prompt Engineering, או “הנדסת פרומפטים”, הוא התחום שעוסק בניסוח הנחיות מדויקות לכלי AI, כדי לקבל מהם בדיוק את מה שצריך. יש הבדל ענק בין הנחיה עמומה לבין הנחיה ממוקדת שמפרטת הקשר, מטרה ומגבלות, וההבדל הזה קובע אם התוצאה תהיה שימושית באמת או סתם גנרית. ככל שמערכות AI וסוכני AI הופכים מתוחכמים יותר, כך היכולת לנסח להם הנחיות מדויקות הופכת ממיומנות נחמדה-להיות-לה למיומנות מקצועית ממש – בדיוק כזו שנרכשת בהתמחות ביישומי בינה מלאכותית (AI) ואוטומציה ארגונית.

No-Code ו-Low-Code הם שמות לגישת פיתוח שמאפשרת לבנות אפליקציות, אוטומציות ומערכות שלמות בלי, או כמעט בלי, לכתוב קוד – באמצעות ממשקים חזותיים של גרירה והשלכה. הגישה הזו היא אחת הסיבות המרכזיות לכך שהעולם הטכנולוגי כבר לא שמור רק למי שיודע לתכנת: כלים כמו Power Automate, Make ו-n8n מאפשרים גם למי שמגיע מרקע עסקי וניהולי לתכנן ולבנות פתרונות טכנולוגיים אמיתיים בעצמו.

אוטומציה עסקית קדמה בהרבה ל-AI, אבל הבינה המלאכותית נתנה לה כרגע הרבה יותר כוח. מדובר בתהליך שבו משימות שחוזרות על עצמן (הזנת נתונים, שליחת מיילים, סנכרון בין מערכות) מתבצעות אוטומטית, בלי מגע יד אדם בכל פעם מחדש. עד לא מזמן, בניית אוטומציה דרשה בעיקר ידע טכני; היום, עם כלי No-Code וכניסתם של סוכני AI לתמונה, גם מי שמגיע מרקע עסקי וניהולי יכול לתכנן ולבנות תהליכי אוטומציה שלמים, בלי לכתוב שורת קוד אחת.

התשובה הקצרה: כל מי שרוצה להישאר רלוונטי בשוק עבודה שמשתנה מהר, ובטח מי שמתלבט לבחר מה ללמוד. אבל יש קבוצה שבשבילה המונחים האלה הם לא סתם ידע כללי, אלא כלי עבודה של ממש – אנשי ואנשות מערכות מידע וניהול טכנולוגי, שנמצאים בדיוק בצומת שבין העולם העסקי לעולם ה-AI.

אם המונחים האלה עוררו אצלכם סקרנות, שווה להכיר את ההתמחות ביישומי בינה מלאכותית  (AI) ואוטומציה ארגונית במסגרת התואר הראשון במערכות מידע ניהוליות במרכז האקדמי פרס. במסלול לומדים בדיוק את הדברים שהזכרנו כאן, ברמה יישומית: בניית סוכני AI ועבודה עם RAG, תכנון ובניית תהליכי אוטומציה עם Power Automate, Make ו-n8n, וגם את התשתית העסקית והטכנולוגית שמסביב – ענן, נתונים ומשילות AI. בסיום מקבלים תעודת התמחות נוספת מטעם מכללת ג’ון ברייס, לצד תעודת הבוגר של התואר.