אתם לא לבד: מיטאפ חדש מציע תשובות לבלגן שיוצר ה-AI בפרודקשן ובעלויות

מיטאפ מקצועי חדש של פאפאיה וגיקטיים עונה על השאלה: מתי להשתמש ב-AI ומתי לחזור לקוד מסורתי? שימו לב: ההרשמה ללא עלות, אך מספר המקומות מוגבל

המיטאפ יתמקד בארכיטקטורת Anti-Abuse של LLMs, ויראה איך מוצאים את הנקודה שבה AI מייצר אימפקט אמיתי (צילום: Unsplash)

שילבתם LLMs במקומות הנכונים, אבל הכל נהיה איטי ויקר? מתבאסים על המגבלות של כלי AI כמו קלוד וקרסר ועל מודלי המחור שלהם? לא מצליחים לגרום למודל לעבד כמויות גדולות של מידע? אתם ממש לא לבד בתסכול הזה, והחדשות הטובות הן שיש הרבה מה לעשות כדי לצאת מהבלגן.

לפעמים צריך "לנקות" את ה-AI ממקומות שבהם הוא רק מפריע, ולבנות פייפליינים יציבים שמשלבים קוד מסורתי עם מודלים נקודתיים. במקרים אחרים, הפתרון הוא דווקא לקחת בעלות על תשתיות ה-AI של הארגון ולבנות כלי משלכם, במקום להיות תלויים במוצרי מדף.

אבל מאיפה מתחילים בכלל? ואיך מזהים מתי כל פתרון מתאים? מיטאפ מקצועי חדש של פאפאיה (Papaya) וגיקטיים עונה על השאלה: מתי להשתמש ב-AI ומתי לחזור לקוד מסורתי? האירוע יעזור לכם לקחת בעלות על טכנולוגיות AI עבור שימושים פנים-ארגוניים, ויתמקד בשני תרחישים: האחד מדגים מדוע לא כל משימה דורשת LLM, והשני צולל לבניית כלי עבודה פנימי שיושב על Claude.

המיטאפ, "Own Your AI Stack: מתי להשתמש ב-AI, מתי לחזור לקוד – ואיך תבנו את הכלים הפנימיים שלכם", יתקיים ב-9 בנובמבר (18:00) במשרדי פאפאיה בתל אביב. הוא מיועד לנשות ואנשי פיתוח, ניהול פיתוח, ארכיטקטורה ודאטה.

ההשתתפות בהרשמה מראש וללא עלות. שימו לב: מספר המקומות מוגבל.

איך בנינו חלופה לקלוד ומתי החלטנו להעביר חלק מהעבודה ל-APIs קלאסיים

המיטאפ יתמקד בארכיטקטורת Anti-Abuse של LLMs, ויראה איך מוצאים את הנקודה שבה AI מייצר אימפקט אמיתי, תוך שליטה מוחלטת בהוצאות והתאמה אישית לצוותים שונים – מפיתוח ועד שיווק. הדוברים יציגו מקרים של למידה מתוך כישלון: הקירות שבהם מפתחים נתקעים כשהם מנסים ליישם MCPs או סוכנים אוטונומיים על דאטה בנפח גדול, והשינויים ההנדסיים שנדרשים כדי לתקן זאת.

ההרצאה הראשונה תדגים מדוע לא כל משימה או תהליך דורשים LLM. היא תציג מה קרה מאחורי הקלעים של הניסיון ליישם סוכנים על ניהול קמפיינים ב-Meta ועל פענוח קריאייטיבים: מהמכשולים והאתגרים ההנדסיים בשני האפיקים, דרך השינויים הארכיטקטוניים שביצעו הצוותים, ועד מציאת השילוב המדויק שבו AI מייצר אימפקט אמיתי.

ההרצאה השנייה תעסוק באלטרנטיבה שפיתחו בפאפאיה ל-Claude Desktop. הכלי החדש, Clodi, התחיל כניסוי סולו בעקבות חוסר התאמה לצורכי הצוותים: הם עברו מ-Cursor ל-Claude כדי להוריד עלויות, והריצו מודלים דרך AWS Bedrock. ה-CLI עבד, אבל לא לכולם: מפתחי Unity, לדוגמה, צריכים תמונות, ועבודה בטרמינל בלבד פשוט לא נוחה להם. כל זה הוביל לבניית קליינט דסקטופ זמני מעל ה-Agent SDK של Claude, שרץ על Bedrock בלי מנוי. ברגע שהקליינט היה של צוותי פאפאיה, הם גילו שאפשר לעשות איתו הרבה יותר – והיום הוא כלי העבודה היומיומי של מפתחי החברה.

מהאירוע הזה תצאו עם ידע פרקטי ליישום ושילוב נכון של כלי AI במערכות שלכם:

• מודל קבלת החלטות (LLM vs. API): מתודולוגיה ברורה שתעזור למפתחים ולארכיטקטים להחליט מתי נכון להשתמש במודלי שפה (ללמידה, הפקת תובנות וניתוח) ומתי עדיף לחזור לקוד מסורתי ו-APIs כדי לחסוך משאבים ולמנוע שגיאות.
• התמודדות עם מגבלות בעולם האמיתי: טקטיקות לטיפול בבעיות של חוסר דטרמיניזם, זמני תגובה ארוכים ועומסי נתונים כבדים בעבודה מול מודלי שפה.
• ניתוח ו-Observability: הטמעת Langfuse מהשלב הראשון לקבלת שקיפות מלאה ויכולת דיבאג מבוססת נתונים.
• ארגז כלים לניהול עלויות AI ל-LLMs: הבנה עמוקה של איך משלמים על AI מאחורי הקלעים – איך לנהל סשנים, מתי הקאש מתקרר, למה קונטקסט ארוך הוא האויב של התקציב, ואיך לתכנן ארכיטקטורה שעוקפת את העלויות האלה (מעבר ל-Bedrock, מנגנוני Handoff).
• תבניות תכנון למוצרי AI פנימיים: רעיונות פרקטיים לבניית Wrappers & Clients למפתחים, בניית מערכת תוספים צוותית ושיטות לעיבוד וידאו/אודיו מורכב בצורה חסכונית, מהירה ודטרמיניסטית.