מפתח בינה מלאכותית: איך מגייסים את מי שבונה מוצר סביב מודל

בקצרהמפתח בינה מלאכותית הוא מפתח תוכנה שבונה מוצר סביב מודל שכבר קיים: הוא מחבר את המודל לנתונים ולמערכות של החברה, מטפל בשגיאות, בעלויות ובזמני התגובה, ומודד אם התשובות באמת טובות. בגיוס בודקים מוצר שעבד מול משתמשים אמיתיים ולא רק הדגמה, יכולת למדוד איכות, והבנה מתי המודל הוא הכלי הנכון ומתי עדיף קוד רגיל.

מי הוא מפתח בינה מלאכותית ולמה התפקיד נולד

עד לא מזמן, כל מי שעבד עם מודלים היה צריך לאמן אותם בעצמו. כיום חברות רבות מקבלות מודל חזק מן המוכן, והשאלה עברה מ“איך בונים מודל” ל“איך בונים סביבו מוצר שאנשים סומכים עליו”. מפתח בינה מלאכותית הוא מי שעונה על השאלה הזו.

הוא מחבר את המודל למסמכים, למאגרי הנתונים ולמערכות של החברה, בונה שכבת אחזור כמו RAG כשצריך, ומחליט מה קורה כשהמודל טועה, איטי מדי או יקר מדי. העבודה שלו נראית פחות כמו מחקר ויותר כמו פיתוח מוצר, רק עם רכיב מרכזי שאינו דטרמיניסטי.

הביקוש לתפקיד מגיע משני כיוונים. חברות מוצר רוצות להוסיף יכולות חכמות למוצר קיים בלי להקים צוות מחקר, וארגונים גדולים רוצים כלים פנימיים שיחסכו זמן לעובדים: חיפוש במסמכים, סיכום פניות או עוזר לצוותי השירות. בשני המקרים מי שמחזיק את העבודה הוא קודם כול מפתח טוב, ורק אחר כך מומחה למודלים.

מפתח, מהנדס או חוקר: איפה עובר הקו

שלושת התפקידים נשמעים דומים במודעות, אבל הם עונים על צרכים שונים. החוקר שואל אם אפשר לפתור בעיה בכלל, ובודק רעיונות חדשים. המהנדס משפר את המודל עצמו, מכוונן אותו ודואג לתשתית שמריצה אותו. המפתח לוקח את מה שכבר עובד והופך אותו לחוויה יציבה מול משתמש.

בין הקצוות יש גם מהנדס מחקר שיושב בין המחקר לקוד, ובחברות צעירות הגבולות מטשטשים. לכן לפני שכותבים דרישות, כדאי לשאול שאלה פשוטה: מה הצוות צריך שיקרה בעוד חצי שנה? מוצר באוויר, מודל טוב יותר או הוכחה שהכיוון אפשרי? התשובה קובעת את מי מחפשים.

טעות נפוצה היא לכתוב מודעה שדורשת את שלושתם יחד. מודעה כזו מושכת בעיקר מועמדים שמציגים רשימה ארוכה של כלים, ומרחיקה דווקא את המפתחים החזקים שיודעים בדיוק במה הם טובים ובמה לא.

מוצר אמיתי מול הדגמה מרשימה

הפער הגדול ביותר בתחום הוא בין הדגמה לבין מוצר. הדגמה עובדת על עשר שאלות שנבחרו מראש. מוצר צריך לעבוד מול משתמש שמנסח בצורה עקומה, מבקש דבר שאינו קיים במסמכים או מנסה לגרום למודל לחשוף מידע שאסור לו לראות.

מפתח שעבר את הדרך הזו יודע לדבר על דברים לא נוצצים: מנגנון שמזהה תשובה חלשה ומעביר אותה לאדם, שמירה על הרשאות כך שכל משתמש רואה רק את מה שמותר לו, מעקב אחרי העלות של כל קריאה למודל, וזמני תגובה שהמשתמש מוכן לסבול.

כשמועמד מתאר רק את הרגע שבו המערכת עבדה בפעם הראשונה, זה סימן שהוא עוד לא פגש משתמשים אמיתיים. כשהוא מספר מה נשבר בשבוע שאחרי ההשקה, כנראה שהוא היה שם.

מה לחפש בתיק העבודות

תיק עבודות טוב בתחום הזה אינו אוסף של פרויקטים קטנים מאותו מדריך מקוון. מחפשים מוצר אחד או שניים שהמועמד הוביל מקצה לקצה, עם הסבר מה היה הקושי, מה הוא ניסה ומה זנח. כדאי לבקש ממנו להראות איך בדק שהתשובות השתפרו אחרי כל שינוי, ולא רק להגיד שהן השתפרו.

שאלה נוספת שכדאי לשאול היא מתי הוא החליט לא להשתמש במודל. מפתח מנוסה יודע שחלק מהבעיות נפתרות טוב יותר בקוד רגיל, בחיפוש פשוט או בטופס. היכולת לוותר על המודל כשהוא מיותר היא סימן לשיקול דעת, ולא לחוסר ניסיון.

גם השפה שבה הוא מתאר את העבודה חשובה. מי שמדבר על “הנדסת הקשר” ועל בדיקה שיטתית של תשובות, ולא רק על ניסוח של הנחיות, נמצא כבר בשלב שאחרי מה שקרה לתפקיד של כותבי ההנחיות.

איך בונים תהליך גיוס שבודק עבודה אמיתית

מתחילים בהגדרה כתובה של המוצר: מי המשתמשים, אילו נתונים המודל יראה, מה המחיר של טעות ומי יקבל את ההתראה כשהיא קורית. ההגדרה הזו חוסכת ראיונות עם מועמדים מצוינים לתפקיד אחר.

בשלב המקצועי עדיף תרגיל קצר שמבוסס על בעיה מהעולם שלכם על פני חידות אלגוריתמיות. אפשר לתת למועמד סט של תשובות אמיתיות של מודל ולבקש ממנו להציע איך היה מודד אותן ומשפר אותן. השיחה על התרגיל, בשיחת וידאו עם מי שינהל אותו, מלמדת יותר מהקוד עצמו.

בבדיקת הממליצים כדאי לשאול שאלות ממוקדות: האם המוצר שהוא בנה עדיין בשימוש, מה קרה כשהייתה תקלה, ואיך עבד מול אנשי מוצר ומול לקוחות. אלה התשובות שמבדילות בין מי שבנה לבין מי שהיה בחדר.

למה לגייס מפתחי AI עם AI האנטרס

ב-AI האנטרס אנחנו מכירים את ההבדל בין מי שבנה הדגמה לבין מי שהחזיק מוצר בעולם האמיתי, ושואלים את השאלות שחושפות אותו כבר בשיחה הראשונה. אנחנו מגיעים גם לאנשים שאינם מחפשים עבודה באופן פעיל, ומציגים לכם רק מועמדים שעברו שיחה מקצועית מעמיקה.

ההיכרות עם הצוות שלכם נעשית בשיחת וידאו, ובדיקת הרקע בשיחות עם ממליצים. אם אתם בונים מוצר סביב מודל ומחפשים את מי שיחזיק אותו, ספרו לנו מה אתם בונים ונתחיל משם.