חדשנות עם MongoDB: סיפורי הצלחה של לקוחות מפברואר 2026

מי אמר שבחורף העניינים מאטים? MongoDB התחילה שנה עמוסה, עם זרם קבוע של הכרזות ותכונות מוצר – הכל על רקע תעשייה שנעה במהירות שיא. זו הייתה תקופה עמוסה ומרגשת מאוד!

לדוגמה, האנרגיה ב-MongoDB.local San Francisco של ינואר – שבו הכרזנו על יכולות לעזור לצוותים להעלות יישומי AI לייצור מהר יותר – הייתה מדבקת. MongoDB לא רק מתחילה פרק חדש ב-AI; אנחנו משכתבים את הספר בזמן אמת.

הדור הבא של חברות AI לא מחפש רק מקום זמני לאחסון נתונים; הן מחפשות לבנות על פלטפורמת נתונים מודרנית ודורית. ואכן, המייסדים החדשניים ביותר עוזבים מערכות מיושנות ונוקשות ומאמצים בסיס נתונים אחד וגמיש שיכול לצמוח יחד איתם.

ב-MongoDB.local SF, המסר שלנו היה ברור: בחרו את פלטפורמת הנתונים שלכם באופן אסטרטגי כדי להשיק מוצרים מהר יותר. מהדגמים החדשים של Voyage 4 ועד לזמינות הכללית של Intelligent Assistant, אנחנו אובססיביים לניבוי הצרכים הבאים של מפתחים. העוזר הזה משפיע במיוחד מכיוון שהוא מטמיע מומחיות ספציפית ל-MongoDB ישירות בתוך Compass ו-MongoDB Atlas, ומאפשר למפתחים לפתור בעיות ביצועים ללא "החלפת הקשר" שמעכבת אותם באופן מסורתי.

בגיליון זה, אני נרגש להציג ארבעה סטארטאפים שבונים את העתיד על הבסיס הנכון. תראו כיצד Modelence ו-Thesys משתמשות במודל המסמכים הגמיש שלנו כדי לבטל 'עיכוב תפעולי', מה שמאפשר להן לבצע איטרציות על זרימות עבודה של AI-native בזמן אמת. בנוסף, Heidi ו-Emergent Labs מוכיחות שכאשר מפשטים את בסיס הקוד עם פלטפורמה מאוחדת, ניתן להפוך תוכנית לקוד חי במהירות שיא.

הדגשתי את מסעותיהם למטה כדי שתוכלו לראות בדיוק איך המנהיגים האלה קובעים קצב חדש ומשנים את מסלולם עם ⁦MongoDB⁩.

דוגמנות

Modelence שואפת למודרניזציה של תשתית ה-backend לעידן הפיתוח הנתמך ב-AI (AI-assisted). מסדי נתונים יחסיים מסורתיים ומערכות ידניות יוצרים עיכוב תפעולי משמעותי, כיוון שהסכימות הנוקשות ותהליכי המיגרציה הכבדים שלהם אינם יכולים לעמוד בקצב של זרימות עבודה מבוססות סוכנים. מערכות מיושנות אלו מתקשות לעמוד בדרישות המהירות של סוכני קידוד חכמים, שחייבים לבצע איטרציות על מבני נתונים בזמן אמת מבלי לגרום להשבתת המערכת.

כדי לבנות בסיס יציב לאוטומציה, Modelence שילבה את MongoDB Atlas כשכבת הנתונים המרכזית שלה. הפלטפורמה משתמשת במודל המסמכים הגמיש כדי להתאים את עצמה לאופן שבו מערכות חכמות חושבות, ומאפשרת למפרטים ולאירועי זמן ריצה להתקיים במקביל. התאמה זו מאפשרת בידוד לכל דייר וניהול הרשאות, ומבטיחה שהשינויים האוטומטיים יישארו בטוחים וניתנים למעקב ללא הסבך של relational joins.

סטנדרטיזציה על ⁦MongoDB Atlas⁩ עזרה ל⁦Modelence⁩ לגייס 3 מיליון דולר בסבב ה⁦Seed⁩ שלו. החברה עוברת כעת מתכנון להפעלת תכונות תוך דקות, ומשיגה לולאות איטרציה מהירות יותר ופחות רגרסיות.

תזיס

Thesys שואפת להעצים מפתחים על ידי הפיכת ממשקי משתמש גנרטיביים – רכיבים אדפטיביים הפועלים בזמן אמת – לנגישים לכולם. בעבר, מפתחים התמודדו עם החיכוך של בועות צ'אט סטטיות ולוחות מחוונים מקודדים שלא הצליחו לייצג חזותית פלטים מורכבים של AI. ממשקים מסורתיים אלו אילצו צוותים לבנות מחדש שכבות UI עבור כל מקרה שימוש, דבר הפוגע במעורבות המשתמשים.

כדי לפתור את אתגרי התזמור הללו, ⁦Thesys⁩ שילב את ⁦MongoDB Atlas⁩ כעמוד השדרה התפעולי עבור תוכנת ה-⁦C1⁩ ⁦API⁩ שלו. הפלטפורמה משתמשת במודל המסמכים לניהול ישויות מורכבות בתוך שכבת נתונים אחת בעלת ביצועים גבוהים. על ידי הסרת החיכוך של מיפוי פלטים לא מובנים ⁦LLM⁩ לסכמות נוקשות, צוותי הנדסה יכולים כעת לשלוח עדכונים מדי שבוע.

באמצעות התוכנית ⁦MongoDB for Startups⁩, ⁦Thesys⁩ האצה בהצלחה את ציר הזמן שלו לשוק. על ידי הורדת הניהול התפעולי ל-⁦MongoDB Atlas⁩, ⁦Thesys⁩ שומרת כעת על הזריזות לפתח את שכבת הנתונים שלה לצד מגמות ⁦AI⁩ מתפתחות, ומבטיחה שהממשקים החכמים שלה יישארו בעלי ביצועים גבוהים כשהם מתרחבים ברחבי העולם.

⁦Emergent Labs⁩

Emergent Labs ביקשה לעשות דמוקרטיזציה של פיתוח תוכנה באמצעות "vibe coding", פלטפורמה שבה סוכני AI בונים יישומים מתוך הנחיות בשפה טבעית. השימוש הראשוני של החברה ב-PostgreSQL גרם לחיכוכים משמעותיים, כיוון שסוכני ה-AI נכשלו לעיתים קרובות במהלך מיגרציית סכימות כאשר משתמשים לא טכניים שינו באופן איטרטיבי את דרישות האפליקציה שלהם.

על ידי המעבר ל-MongoDB Atlas, סיפקה Emergent Labs לסוכנים שלה ארכיטקטורה גמישה מבוססת מסמכים התואמת לנתוני ה-JSON שהם מייצרים באופן טבעי. זה ביטל את לולאות המיגרציה של PostgreSQL, ואפשר לסוכנים לשנות מבני נתונים תוך כדי תנועה ולפרוס מסדי נתונים מבודדים ומוכנים לייצור תוך דקות.

המעבר הניע את יצירתם של כמעט 2 מיליון יישומים ב-180 מדינות תוך ארבעה חודשים בלבד. עם ⁦MongoDB Atlas⁩, הפלטפורמה תומכת כעת בבנייה מורכבת של עד 300,000 שורות קוד, מכפילה את שיעורי הפריסה ומאפשרת ליזמים לא טכניים להשיק כלים מתוחכמים ללא משאבים הנדסיים מסורתיים.

היידי

Heidi שואפת להחזיר לרופאים זמן על ידי אוטומציה של משימות אדמיניסטרטיביות. בעבר, רופאים בילו 40% מהמשמרות שלהם על ניירת, מה שהפחית את הזמן המוקדש לטיפול בחולים. כדי לנהל זאת בהיקף נרחב, Heidi השתמשה בתחילה ב-Amazon DocumentDB, אך נתקלה במגבלות קריטיות, כולל צורך בזמן השבתה לצורך גדילה (scaling), שיהוי גבוה והיעדר פונקציות חיפוש מובנות החיוניות לעומסי עבודה מורכבים של AI.

כדי לבטל צווארי בקבוק אלו, עברה Heidi ל-MongoDB Atlas בזכות הסכימה הגמישה ויכולות ה-AI המובנות שלה. שילוב MongoDB Vector Search מאפשר ל-Heidi לבצע RAG ללא צורך במסדי נתונים חיצוניים, תוך ייעול חיפוש וקטורי וסמנטי תחת API יחיד. התאמה טכנית זו מאפשרת למפתחים לאחד נתונים רפואיים מגוונים תוך עמידה בדרישות אבטחה ורגולציה מחמירות של עולם הבריאות.

מאז ההגירה, ⁦Heidi⁩ תמכה ב-81 מיליון התייעצויות, והחזירה 18 מיליון שעות לקו החזית. על ידי הורדת ניהול ל-⁦MongoDB Atlas⁩, ⁦Heidi⁩ מבטיח שהפלטפורמה שלה תישאר בעלת ביצועים גבוהים תוך העצמת מתרגלים להתמקד במשימתם העיקרית: מתן טיפול חמלה לחולים.

⁦Video Spotlight⁩

לפני שתמשיכו, צפו ב-Sudheesh Nair, מייסד שותף ומנכ"ל TinyFish, מסביר כיצד "סוכני ננו" משנים את המחקר מבוסס האינטרנט.

רוצים לקבל השראה מעמיתיכם ולגלות את כל הדרכים שבהן אנו מעצימים עסקים לחדש למען העתיד? בקרו במרכז סיפורי ההצלחה של לקוחותינו (Customer Success Stories) כדי לראות מדוע לקוחות אלו, ורבים אחרים, בונים יישומים מודרניים עם MongoDB.