במהלך השנים האחרונות, תחום הבינה המלאכותית עובר שינוי – מהתמקדות בטכנולוגיות שפה, ראייה ממוחשבת או למידת מכונה, אל עבר מושג חדש יחסית שתופס תאוצה במהירות: סוכני בינה מלאכותית, או בקיצור AI Agents. אלה אינם רק חלק נוסף מהכלים הטכנולוגיים החדשים, אלא מסמנים שינוי בתפיסת האינטראקציה בין האדם למערכת – מתגובה לפעולה, ממערכת מונעת פקודות למערכת שפועלת מתוך מטרה.
סוכן בינה מלאכותית הוא מערכת מבוססת מודל שפה או בינה חישובית אחרת, שבניגוד למודלים פסיביים כמו GPT או Claude, אינה רק מגיבה לקלט – אלא מקבלת מטרה, בונה תוכנית פעולה עצמאית, פועלת לפי שלבים דינמיים, ולעיתים אף מבצעת הערכה מחודשת של תהליך הפעולה כדי לשפר תוצאה. זהו למעשה שילוב בין קבלת החלטות אוטונומית וביצוע פעולות מבוססות כלים ומקורות מידע חיצוניים.
המונח "סוכן" שאול מעולמות המחשוב והאוטומציה, ומתאר יישות ממוחשבת שפועלת בסביבה מסוימת, תוך השגת מטרות שהוגדרו לה מראש, באמצעות אינטראקציה עם סביבתה. בסביבת הבינה המלאכותית, המשמעות של סוכן כוללת את השילוב בין שלושה מרכיבים עיקריים: יכולת להבין מטרה, לבצע תכנון אסטרטגי של פעולות, ולהשתמש בכלים חיצוניים כדי להשיג את המטרה. כך לדוגמה, במקום לשאול את ChatGPT “מה מזג האוויר בתל אביב מחר?”, ניתן לבקש מסוכן: “תכנן לי יום טיול בתל אביב לפי התחזית ומספר המלצות קולינריות”.
בהקשר הזה, אחד המרכיבים המגדירים ביותר של סוכנים הוא היכולת לשלב בין מידע, לוגיקה וכלים. המערכת אינה פועלת רק על סמך המידע שנמצא בזיכרונה – אלא יודעת לגשת למקורות חיצוניים כמו אתרי אינטרנט, מסדי נתונים, ממשקי API, קבצים, ולפעמים גם מערכות פנימיות של המשתמש (כגון לוח שנה, תיקיות, מערכות CRM ועוד). בנוסף, סוכנים טובים יודעים להפעיל מודולים שונים של קוד או תוכנה – כך שהם לא רק “מבינים שפה”, אלא גם “מבצעים פעולות”.
ההבדל בין סוכן לבין תהליך אוטומציה רגיל (כמו ב-IFTTT או Make.com) הוא ברמת הדינמיות. תהליך אוטומציה מתבסס על תסריט שנכתב מראש – צעד אחר צעד, ללא אפשרות לחריגה. סוכן, לעומת זאת, מסוגל להתאים את רצף הפעולות למצב חדש, להגיב למידע שונה מהצפוי, לבחור באלטרנטיבה, ולשנות את מבנה הפעולה תוך כדי תנועה. זוהי מערכת שמתקרבת לרמת החשיבה האנושית הפונקציונלית.
בתוך כך, ישנם סוגים שונים של סוכנים, הנבדלים ביניהם לפי תחום הפעולה, רמת העצמאות, והארכיטקטורה הפנימית. חלק מהסוכנים מתמקדים בביצוע משימות טכניות (כגון הפעלת קוד או ניתוח מסמכים), אחרים עוסקים באינטראקציה עם משתמשים או לקוחות, ויש גם סוכנים הפועלים “מאחורי הקלעים” ומנהלים זרמי נתונים בין מערכות שונות. יש סוכנים שמוקמים במיוחד למשימה אחת, ויש כאלה הפועלים כתשתית קבועה, עם זיכרון, למידה חוזרת והתפתחות.
אחת הדוגמאות הבולטות היא סוכנים מבוססי מסגרת ReACT – קיצור ל-Reasoning + Acting. מודלים כאלה יודעים לחשוב על השאלה שנשאלו, להחליט אילו פעולות יש לבצע, לבצע אותן, ואז לחזור עם תשובה חדשה. לדוגמה, אם נבקש מהם לברר “איזה טלפון מתאים לאדם שמצלם הרבה סרטונים?”, הם יגשו לאתרים מקצועיים, ישוו מפרטים, ינתחו ביקורות ויחזרו עם המלצה מפורטת. כל זה נעשה תוך מספר שלבים, באמצעות קוד פנימי שלא נכתב על ידי המשתמש, אלא על ידי הסוכן עצמו – בזמן אמת.
מערכות סוכנים רבות בנויות כיום עם רכיבי תכנון פנימי (planner) שמקבלים מטרה ומפרקים אותה לתת-משימות, ולאחר מכן מפעילים מבצעים (executors) שמבצעים את כל שלב בנפרד. יש גם סוכני בקרה, שמבצעים הערכת תוצאה, סוכני ביקורת שמשווים בין חלופות, ולעיתים אף סוכן שמסכם את התוצאה לכלי תצוגה או דיווח.
השימושים של סוכנים רחבים ביותר – החל מהפקת מסמכים, ניתוחים עסקיים, בדיקת התאמה בין חוזים, ועד תכנון טיולים, ניהול יומנים או אפילו כתיבת קוד. בייחוד בעולמות שבהם נדרשת פעולה בין כמה מערכות – סוכן יכול לשמש כמתאם חכם, שמבצע את מה שבעבר דרש תיאום ידני בין כמה כלים.
יחד עם זאת, עדיין קיימים אתגרים משמעותיים. סוכנים זקוקים למידע מדויק ומעודכן – כלומר, כלים חיצוניים, חיבורים אמינים, והרשאות גישה. הם עלולים לטעות בתהליך קבלת החלטות מורכב, במיוחד כאשר אין מספיק מידע או כשיש הבדל דק בין חלופות. בנוסף, ככל שהמערכת מורכבת יותר, כך קשה יותר לאבחן תקלות או להבין מדוע הסוכן פעל בדרך מסוימת – דבר שמקשה על בדיקות איכות או על טיפול בחריגות.
Manis נחשבת לאחת הפלטפורמות המתקדמות ביותר בגישה זו. אחת התכונות הבולטות בה היא השקיפות: המשתמש יכול לראות מה הסוכנים עושים בכל שלב, לבדוק אילו כלים מופעלים, לעיין בקבצים שנשלפים, ולהחליף מרכיבים שונים בתהליך מבלי לפרק את כל המערכת. יכולת זו מקנה גמישות תפעולית וגם אמון במערכת – שני אלמנטים חשובים במיוחד כאשר מדובר בתהליכי עבודה קריטיים או רגישים.
היתרון הכלכלי של מערכות סוכנים בא לידי ביטוי בעלות נמוכה יחסית לכל משימה. לפי נתוני Manis, עלות ממוצעת של תהליך מלא עומדת על כשני דולרים – לעומת חלופות יקרות יותר של מערכות סגורות. יתרה מכך, הגמישות של Manis מאפשרת התאמה למודלים משתנים, שינוי כלים לפי צורך, והטמעה בעולמות עבודה שונים – מה שהופך אותה לפתרון יישומי במיוחד עבור עסקים קטנים, חברות טכנולוגיה, וגופים מוסדיים כאחד.
אחת ההצלחות המשמעותיות של Manis נמדדת במדד Gaia – מבחן למדידת ביצועי סוכני AI בתחום ההסקה, שימוש בכלים וניווט ברשת. בעוד OpenAI השיגה בציון הגבוה ביותר 74%, Manis הצליחה להגיע ל-86.5% – מרחק קטן בלבד מהביצועים הממוצעים של בני אדם במדד זה (92%).
למרות האתגרים הללו, ברור כי התחום נמצא בצמיחה מהירה. סוכנים מביאים איתם אפשרות לביצוע פעולות מורכבות אוטומטית, ברמה שלא הייתה זמינה בעבר גם למשתמשים ללא רקע טכני. מה שבעבר דרש צוות של אנליסטים, אנשי אוטומציה ומתכנתים – ניתן כיום לביצוע באמצעות סוכן יחיד שמחובר למערכת מבוססת שפה.
ככל שהמודלים משתפרים, והחיבור בין הבינה המלאכותית לעולם הכלים מתחדד, סביר שנראה סוכנים משולבים בכל שכבת שימוש טכנולוגית – מהמחשב האישי, דרך מערכות ארגוניות, ועד שירותים ציבוריים. תחום הסוכנים אינו רק שדרוג למה שכבר קיים – הוא אבן דרך בדרך אל מערכות עצמאיות שיודעות לפעול באופן כללי יותר, רחב יותר, ושימושי יותר.
