איך בונים צוות הנדסת AI
עודכן לאחרונה: 3 בנובמבר 2026
מתחילים צוות הנדסת AI בשלושה גיוסים, בסדר הזה: מהנדס בכיר שיודע להוציא פיצ׳ר AI מקצה לקצה (בדרך כלל מהנדס LLM או מהנדס ML יישומי), אחריו מהנדס דאטה או MLOps שהופך אותו לאמין וחוזר על עצמו, ואז מומחה שני לתחום שהופך לצוואר הבקבוק שלכם. מוסיפים ראש צוות רק כשהצוות גדול מספיק כדי להצריך אחד. הסדר חשוב יותר ממספר המשרות, כי כל גיוס צריך להסיר את האילוץ הגדול ביותר של קודמו.
עקרונות לפני תרשים הארגון
העקרונות הבאים נכונים בכל שלב. הם הנחיות כלליות לניהול הנדסה, לא נתון סטטיסטי של Commit Offshore.
- מגייסים לאילוץ הבא, לא לתרשים הארגון הסופי. צוות של עשרה אנשים שקיים רק על הנייר שימושי פחות משלושה אנשים שיודעים להוציא תוצרים.
- מעלים משהו אחד לפרודקשן מוקדם. פיצ׳ר אחד שפרוס בפועל מלמד אתכם על הנתונים, על העלויות ועל צורכי ההערכה יותר משלב תכנון ארוך.
- מתייחסים להערכה (evaluation) כתפקיד לכל דבר. פיצ׳רי AI נכשלים בשקט. מישהו צריך להיות הבעלים של הבדיקות שאומרות אם שינוי שיפר את המצב.
- שומרים את הגיוסים הראשונים בכירים. עבודת AI בשלבים הראשונים היא עמומה. ותק מתבטא בשיקול דעת טוב לגבי מה לא לבנות.
שלושת הגיוסים הראשונים, לפי סדר
גיוס 1: הבנאי הבכיר
זהו מהנדס בכיר שיכול לקחת בעיה מרעיון ועד פיצ׳ר עובד. במוצרים שמבוססים על מודלי שפה, זה בדרך כלל מהנדס LLM שיודע לתכנן prompts, שליפה והערכה. במוצרים שמבוססים על מודלים חיזויים משלכם, זה מהנדס ML. אם אינכם בטוחים איזה מהם, המאמר שלנו מהנדס LLM מול מהנדס ML מסביר את ההבדל. המאפיין המרכזי הוא רוחב: הוא צריך לכתוב קוד פרודקשן, לא רק notebooks.
גיוס 2: דאטה או MLOps
אחרי שהפיצ׳ר הראשון עובד, האמינות הופכת לאילוץ. מהנדס דאטה בונה את הפייפליינים שמזינים את המערכת בנתונים נקיים ועדכניים. מהנדס MLOps אחראי על פריסה, ניטור, ניהול גרסאות ומעקב עלויות. בחרו קודם בהנדסת דאטה אם הקלט שלכם מבולגן או מפוזר, וב-MLOps אם יש לכם מודלים עובדים שקשה לפרוס ולנטר.
גיוס 3: המומחה לצוואר הבקבוק שלכם
עד עכשיו כבר תדעו מה מגביל אתכם. זה יכול להיות מהנדס LLM או ML שני כדי להגדיל תפוקה, מהנדס Backend שישלב AI במוצר, או data scientist לניתוח וניסויים. גיוס מאוחר, על בסיס עדויות, חוסך תשלום על התמחות שאתם לא צריכים.
מבנה צוות לפי שלב
הטבלה מציגה התפתחות טיפוסית, לא מרשם. גודל הצוות תלוי בהיקף המוצר ובמימון.
| שלב | צוות AI טיפוסי | מוקד עיקרי | מודל התקשרות שמתאים לעיתים קרובות |
|---|---|---|---|
| אב-טיפוס / Seed | מהנדס LLM או ML בכיר אחד, אולי בחלקיות משרה או לתקופה קצרה | להוכיח שמקרה שימוש אחד עובד | טאלנט לפי דרישה (On-Demand) לספרינט מוגדר |
| המוצר הראשון בפרודקשן (בערך Series A) | בנאי בכיר ועוד מהנדס דאטה או MLOps | אמינות, הערכה, בקרת עלויות | הגדלת צוותים (Staff Augmentation) עם מהנדסים משובצים |
| סקיילינג (בערך Series B עד C) | 3–6 מהנדסים בתחומי LLM, ML, דאטה ו-MLOps, עם Tech Lead | כמה פיצ׳רים, פלטפורמה משותפת, שערי איכות | צוות Staff Augmentation; גיוס והשמה לתפקידים שרוצים על השכר שלכם |
| חברה מבוססת / Enterprise | צוות פלטפורמה ובנוסף סקוודים של AI שמסונכרנים עם המוצרים | ממשל (governance), כלים משותפים, הרבה מקרי שימוש | שילוב של צוותים, גיוס והשמה ו-EOR במדינות חדשות |
התפקידים במבט אחד
| תפקיד | אחראי על | מתי מגייסים בדרך כלל |
|---|---|---|
| מהנדס LLM | Prompts, שליפה, סוכנים, הערכה גנרטיבית | ראשון, למוצרים מבוססי מודלי שפה |
| מהנדס ML | אימון מודלים, פיצ׳רים, הערכה אופליין | ראשון, למוצרים חיזויים |
| מהנדס דאטה | פייפליינים של נתונים, איכות ועדכניות | שני, כשהנתונים הם האילוץ |
| מהנדס MLOps | פריסה, ניטור, ניהול גרסאות, עלויות | שני, כשהאילוץ הוא ההעלאה לפרודקשן |
| מהנדס Backend | שילוב ה-AI במוצר וב-APIs | שלישי, ככל שערכת הפיצ׳רים גדלה |
| Tech Lead | ארכיטקטורה, סטנדרטים, תיאום הצוות | כשהצוות מונה יותר מקומץ מהנדסים |
לבנות, לשלב או גם וגם: איך מאיישים את הצוות
אין חובה לגייס כל משרה לצמיתות כבר מהיום הראשון. תבנית נפוצה היא להתחיל במיזם קצר ומוגדר שמוכיח את מקרה השימוש, אחר כך לשלב מהנדסים לבנייה ארוכה יותר, ולהפוך לגיוסים ישירים את התפקידים שרוצים להחזיק בבעלות.
- טאלנט לפי דרישה (On-Demand) מתאים ל-PoC ולספרינטים של MVP, למחזורי fine-tuning ולדד-ליינים לוחצים. אין התחייבות לתקן קבוע, והמומחים שמוצעים זמינים עכשיו.
- הגדלת צוותים (Staff Augmentation) מתאימה לבנייה לטווח ארוך יותר. מהנדסים בודדים או צוות ייעודי שלם (3–12 מהנדסים) משתלבים לפי מפת הדרכים שלכם, מתחילים לעבוד בדרך כלל תוך כשבועיים, וכוללים חלון החלפה של 60 יום.
- גיוס והשמה מתאים לתפקידים שרוצים על השכר שלכם. רשימה קצרה של 5–8 מועמדים מובילים מגיעה בדרך כלל תוך 72 שעות.
- EOR מתאים לגיוס שמצאתם בעצמכם במדינה שבה אין לכם ישות.
בכל שירות הכולל איתור מועמדים, קורות החיים הראשונים (לאחר סינון טכני) נשלחים בדרך כלל תוך 48 שעות מאישור הבריף. המועמדים מסוננים מתוך מאגר של יותר מ-16,000 פרופילים ועוברים ראיון מגייס/ת ומבחן טכני מוקלט. Commit Offshore מעניקה למהנדסים שלה גם הכשרה מבוססת AI. פרטים על התקשרות ברמת הצוות מופיעים בעמוד צוות פיתוח AI ייעודי.
דוגמה: Bridgewise
Bridgewise, חברת פינטק ישראלית שבונה AI למחקר השקעות, חיפשה מהנדסי ML עם ניסיון בפרודקשן של LLM וגם הבנה בשווקים פיננסיים. ב-2020 ביקש ה-COO שלה מ-Commit Offshore התקשרות של Staff Augmentation ולא גיוס יחיד או צוות של ספק: מהנדסים שמצטרפים לסטנדאפים, אחראים על מודולים מקצה לקצה, ומרגישים כמו עובדי Bridgewise מהיום הראשון. החיפוש שילב סריקה מסוננת ב-CVCO ומבחן מוקלט שנבנה על נתונים אמיתיים של Bridgewise, כולל דיון במאמר עדכני על הערכת LLM. המהנדסים שולבו בצוות בתל אביב ובוורשה, וההתקשרות נמשכת כמה שנים וכוללת הערכת מודלים, את הפייפליין של מודל השפה ומנוע דוחות רב-לשוני.
הלקח לצוות שלכם: Bridgewise התייחסה לכישורי הערכה ולידע בתחום כקריטריוני גיוס ולא כבונוס, ובחרה במודל משובץ כי רצתה בעלות לטווח ארוך. את הסיפור המלא אפשר לקרוא בסיפור ההצלחה של Bridgewise.
תוכנית של 90 יום לגיוס הראשון
- ימים 1 עד 30. מגדירים מקרה שימוש אחד עם קריטריון הצלחה מדיד. אוספים סט הערכה קטן של דוגמאות אמיתיות לפני שכותבים קוד.
- ימים 31 עד 60. מעלים גרסה עובדת למשתמשים פנימיים. עוקבים אחרי איכות, זמן תגובה ועלות לבקשה.
- ימים 61 עד 90. מתקנים את שלושת סוגי הכשלים המובילים. מחליטים אם האילוץ הבא הוא נתונים, פריסה או סקייל, ופותחים את התפקיד השני בהתאם.
טעויות נפוצות
- מגייסים פרופיל מחקרי כשצריך מהנדס פרודקשן.
- בונים צוות לפני שבוחרים מקרה שימוש.
- מדלגים על הערכה, ואז מגלים בעיות איכות מהלקוחות.
- מגייסים ראש צוות לפני שיש צוות להוביל.
- בוחרים מיקום לפי מחיר בלבד. מדריך המדינות שלנו מכסה חפיפת שעות ועומק בתפקידים.
שאלות נפוצות
מי צריך להיות גיוס ה-AI הראשון?
מהנדס בכיר שיודע להוציא פיצ׳ר מקצה לקצה: מהנדס LLM למוצרים מבוססי מודלי שפה, או מהנדס ML למודלים חיזויים. העובד הראשון קובע את דפוסי העבודה ההנדסיים שלכם, אז חפשו מישהו שכבר העלה מודל לפרודקשן ולא רק בנה אב טיפוס; בסולם ה-AI-ready שלנו זו רמה 4 או 5, שנבדקת במבחן מוקלט.
מה צריך להיות גודל צוות AI בשלבים הראשונים?
לרוב שניים או שלושה מהנדסים. מוסיפים אנשים כשאילוץ מסוים, כמו איכות נתונים, פריסה או תפוקה, מגביל אתכם בבירור. צוות ייעודי בקומיט אופשור מתחיל ב-3 מהנדסים ועוד Tech Lead ויכול לגדול עד 12, אבל אפשר גם להתחיל במהנדס אחד או שניים עם מינימום של 3 חודשים ולגדול משם.
כדאי לגייס לצמיתות או להשתמש במהנדסים משובצים?
צוותים רבים משתמשים בשניהם. התקשרות מוגדרת מוכיחה את מקרה השימוש, מהנדסים משובצים מטפלים בבנייה הארוכה יותר, ותפקידים שרוצים להחזיק בבעלות הופכים לגיוסים ישירים. עם קומיט אופשור אפשר לעשות את שלושתם: טאלנט לפי דרישה להוכחת היתכנות, תגבור צוותים לבנייה, וגיוס והשמה בעמלה קבועה לתפקידים שאתם רוצים להעסיק ישירות.