חזרה לפיד
articlesמקור: MongoDB Official Blog (general)30.9.2026

שילוב סוכני AI בארגון: הגישה של MongoDB

אמ;לק

הכרזה על Atlas Agent Engine, כלי חדש שנועד לעזור לחברות להפעיל סוכני AI (תוכנות שמבצעות פעולות אוטונומיות) תוך ניהול הסיכונים הכרוכים בכך. זהו כלי שמאפשר למנהלי מערכות לשלב טכנולוגיות AI מתקדמות באפליקציות מבלי לאבד שליטה על הנתונים.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: How Atlas Agent Engine Powers MongoDB’s Internal AI Strategy

שילוב סוכני AI בארגון: הגישה של MongoDB

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

עבדתי למעלה מ-25 שנה בתחום הטכנולוגי, מה שאומר שלעתים נדירות אני מופתע מטכנולוגיה חדשה – לרוב אני רואה אותה מקרוב עוד לפני שהציבור נחשף אליה. כמוביל IT, אני לעולם לא מעריך יכולת חדשה במנותק מהקשרה; היא תמיד נשקלת מול מקרי בוחן ארגוניים אמיתיים ומול הסיכונים הנלווים להם. בימים אלה אני אומר לאנשים שלהיות CIO בעידן ה-AI פירושו למלא שני תפקידים בו-זמנית: המהנדס שמחזק את הסכר, והמפעיל שנדרש לפתוח את שערי ההצפה בכל מקרה.

השבוע הכריזה MongoDB על תצוגה מקדימה ציבורית ל-Atlas Agent Engine, ואני לא יכול להיות נרגש יותר ממה שהיא מבטיחה ללקוחות. Atlas Agent Engine מציע דרך מאובטחת לבנות, לפרוס ולנהל סוכני AI בסביבות ייצור (production). בזכות זיכרון ואחזור מובנים, Atlas Agent Engine מבצע אינדוקס לנתונים ארגוניים היכן שהם נמצאים ומספק הקשר מדויק בזמן אמת, דבר המשפר את הדיוק תוך הפחתת עלויות טוקנים. הפלטפורמה גם פתוחה וגמישה מטבעה, מה שאומר שצוותים יכולים לבנות באמצעות ה-LLM והמסגרת (framework) המועדפים עליהם (ובקרוב גם בכל סביבה שיבחרו).

לקוחות כבר נרגשים מההבטחה ש-Atlas Agent Engine טומן בחובו עבור העסקים שלהם. לדוגמה, Paysafe משתמשת ב-MongoDB Atlas כדי להפעיל מערכת סוכנים לשאילתות משפה טבעית ל-SQL על נתוני טרנזקציות – הראשונה בסדרה של צינורות עבודה (workflow pipelines) הניתנים לשימוש חוזר, ש-Paysafe מתכננת לבנות כתבניות למקרי בוחן עתידיים.

כיום, הגדרת ה-Snowflake MCP של החברה מעניקה ללקוחות API הבנה מוגבלת בלבד של סכימת הנתונים הבסיסית. ארכיטקטורת המסמכים הגמישה של MongoDB Atlas ויכולות ה-scale האמינות שלה תומכות בסוכן שנועד להחליף הגדרה זו בצינור עבודה רב-יכולתי וניתן לשימוש חוזר, שלקוחות API יכולים לשאול ישירות בשפה טבעית.

"חקירת פעילות חריגה ברשת התשלומים שלנו דורשת כיום מהאנליסטים שלנו לחבר נתונים ממספר מערכות באופן ידני, לעתים קרובות תחת לחץ זמן", אמרה Jana Janarthanan, סגנית נשיא להנדסת תשלומים ב-Paysafe. "אנחנו נרגשים מהפוטנציאל של סוכן אינטליגנטי, הבנוי על גבי Atlas Agent Engine של MongoDB, לצמצם את הזמן שחולף מרגע הופעת בעיה ועד שהצוות שלנו פועל לפתרונה, ובכך להעניק לאנליסטים שלנו יותר זמן להתמקד בהחלטות החשובות ביותר."

כשהצוות של MongoDB הראה לי לראשונה את Atlas Agent Engine, הביטוי "מאובטח ומנוהל על פי תכנון" (secure and governed by design) משך את תשומת לבי המיידית. כי אם יש משהו שלא נותן לי לישון בלילה, זו המחשבה על סוכנים שמשתוללים ללא בקרה במערכות של MongoDB (או במערכות של הלקוחות שלנו).

ממשל סוכנים (agent governance) הוא לא רק הדאגה שלי. זה נושא שמדובר בחדשות, וזה משהו ש-CIOs ברחבי התעשייה מתמודדים איתו. כל שיחה שאני מנהל עם עמיתיי מחזקת את אותה נקודה: הביקוש לסוכנים ברחבי הארגון ממשיך לצמוח, אך מובילי IT זקוקים לדרך לפרוס אותם בצורה בטוחה ומאובטחת – לא רק במהירות.

בבסיסו, מדובר בסיפור של ריכוזיות מול ביזור. מפתחים רוצים אוטונומיה כדי להשיק סוכנים במהירות ובמינימום חיכוך; מובילי IT רוצים מנופי שליטה מרכזיים, נראות ואופטימיזציה של עלויות על אופן הפעולה של הסוכנים בקנה מידה גדול. הארגונים שיעשו זאת נכון יבנו ארכיטקטורה שמספקת את שני העולמות.

התוכנה הופכת יותר ויותר לנטולת ממשק ישיר (headless) ומונחית-סוכנים, ו-CIOs זקוקים לפתרונות כעת. במילים אחרות, העתיד כבר כאן, והתפקיד שלנו הוא לעצב אותו באחריות.

לקוח מספר אפס: אסטרטגיית ה-AI הפנימית שלנו בפעולה

אחת הדרכים שבהן אנו עושים זאת ב-MongoDB היא על ידי פעולה כ"לקוח מספר אפס" (customer zero) עבור המוצרים שלנו. בתעשייה יש לזה שמות רבים – "dogfooding" או "שתיית השמפניה של עצמך" הם שניים מהם – אך המשמעות זהה. לפני שחרור מוצר, אנו משמשים כלקוחות של עצמנו כדי לבדוק את התוכנה בסביבת ייצור, תוך שימוש במקרים ובמצבים מהעולם האמיתי.

לדוגמה, כשהחברה שחררה את MongoDB 8.0 בשנת 2024, עמיתי Jim Scharf כתב פוסט בבלוג על כך שגרסה 8.0 שיפרה משמעותית את ביצועי הצוות.

עם Atlas Agent Engine, הניסוי שלנו לבש את צורתה של Holly: מרחב עבודה סוכן מאוחד שמעניק לאנשי המכירות של MongoDB תחנה אחת לכל מה שהם צריכים, במקום שבע. לפני Holly, הכנת חשבון בודד דרשה דילוג בין שבעה כלים מנותקים, שאף אחד מהם לא שיתף הקשר עם האחר – מה שגרם ל-4 עד 6 שעות של עבודה סיזיפית ומיותרת על כל חשבון בכל מחזור עסקה. Holly מסיימת את זה. שבעה כלים הופכים לחוויה סוכנת אחת, והנציגים מקבלים את הזמן הזה בחזרה כדי להשקיע אותו היכן שחשוב באמת: עם הלקוחות.

הולי: קיצור שעות עבודה לדקות

צוותי ה-GTM (Go-To-Market) של MongoDB עוקבים אחר מתודולוגיה סטנדרטית, שלב אחר שלב, להבנת המצב הנוכחי של הלקוח, מטרותיו ומה יידרש כדי להגיע ליעד. הנציגים קוראים לזה "spoke", וזה לא תהליך מהיר; מנהל חשבונות אסטרטגיים ב-MongoDB, Jack Bunkenburg, אומר שהתהליכים האלה גוזלים יום או יומיים מהשבוע שלו, בכל שבוע.

הבעיה הייתה כלי העבודה, לא התהליך. הנציגים היו זקוקים לכלי אחד שמבין את כל מאגר הנתונים שממנו הם שואבים, וכזה שנושא זיכרון בין מערכות שמעולם לא תקשרו ביניהן קודם לכן.

ללא כלי כזה, עבודה על חשבון תוך שימוש בשבעה כלים שונים היא מעט כמו לראות שבעה מומחים עבור בעיה רפואית אחת – כשאיש מהם לא מסוגל לראות מה האחרים מצאו. כל ביקור מתחיל מחדש: אתה מסביר שוב את הסימפטומים, את ההיסטוריה שלך ומה הרופא הקודם כבר למד. כל מומחה עשוי להיות מצוין, אבל המערכת עדיין נכשלת כי ההקשר לא עובר איתך. רק אתה עובר.

לפני בניית כל דבר, הצוות צפה בדרך שבה העבודה התרחשה בפועל – והמציאות בשטח הייתה, במילותיו של Bunkenburg, "קצת יותר מבולגנת" מהתהליך על הנייר. מחקר חשבונות בלבד דרש להטוט בין כלים מרובים מבוססי AI (כמו ChatGPT, Claude, Gemini) שאינם חולקים הקשר זה עם זה או עם המערכות של MongoDB, ומחזירים תשובות גנריות שמתאימות לכולם. מציאת נקודות הוכחה הייתה ידנית באותה מידה, וכך גם סינון התוצאות למה שחשוב באמת.

Holly היא התיקון – היא מספקת את ההקשר המשותף שמעולם לא היה לכלים האחרים. ממשק אחד, אפס החלפת כלים, שמאגד את כל מה שאיש מכירות צריך כדי לחקור, להתכונן ולבצע. מאחורי הקלעים, Atlas Agent Engine עושה את העבודה הקשה – זמן ריצה, אבטחה, זהות, תזמור, ניהול מצב (state), יכולות תצפית (observability) וניהול מחזור חיים – כך שהסוכנים של Holly פועלים בסביבת ייצור, ולא רק בדמו.

בפועל, המשמעות היא ש-Holly מאצרת ומסכמת תמלולי פגישות, מנסחת תקצירים, מעלה שאלות שנציג טרם ענה עליהן ומסייעת בכתיבת תכתובות. התוצאה: נציגים המשתמשים ב-Holly קיצצו בכ-95% את הזמן הנדרש למחקר ובניית רשימות פנייה יזומה, והכנה שנמשכה בעבר שעות – נמשכת כעת דקות. המשמעות היא שנציגים נכנסים לכל שיחה מוכנים יותר, ולא רק מהר יותר.

"לפני Holly, השתמשתי בתריסר כלים שונים כדי לבצע מחקר ופנייה יזומה, כך שריכוז הכל בממשק יחיד היווה ערך מוסף אמיתי", אמר Bunkenburg. "כלים רבים לא מבינים את העסק של MongoDB או בדיוק מה אנחנו מנסים להשיג, אבל Holly מבינה."

פלטפורמת הנתונים החכמה לעידן ה-AI

מבט קדימה: החזון הוא ש-Holly תהפוך לשכבת אינטליגנציה משולבת במלואה, שמבינה לעומק את MongoDB, את הלקוחות שלנו ואת החשבונות הספציפיים – ועוזרת לכל ארגון ה-GTM לבצע תהליכי עבודה מקצה לקצה בצורה יעילה יותר.

החלק שמרגש אותי ביותר הוא מה שנמצא מתחת ל-Holly עצמה. Holly פועלת כיום על כ-30 סוכנים, כולם בנויים על אותה ארכיטקטורת Atlas Agent Engine. הארכיטקטורה הזו לא הופכת לבלתי יציבה ככל שמוסיפים לה סוכנים; היא תוכננה לעמוד בעומס בין אם מריצים 30 או 3,000 סוכנים. לא רק בנינו כלי לצוות ה-GTM שלנו, אלא הוכחנו מודל עבודה (blueprint) – כזה שמתרחב בבטחה עם כל סוכן חדש שארגון מוסיף, במקום לצבור סיכונים עם כל סוכן נוסף.

זה השינוי ש-Atlas Agent Engine מייצג: מעבר מסוכנים חד-פעמיים לעבר פלטפורמה מנוהלת וניתנת לשימוש חוזר, שאינה קשורה לענן, מודל או מסגרת בודדים. זה ההבדל בין לקוות שהסוכנים שלך יתנהגו כראוי לבין הידיעה שהם יתנהגו כך, ללא קשר לכמות הסוכנים שאתה מריץ.

ההשקה של Atlas Agent Engine היא אחת משלוש הודעות מרכזיות של MongoDB השבוע, לצד MongoDB 9.0 ו-Atlas Infinite. ההשקות מתבססות זו על זו: MongoDB 9.0 מחזקת את הבסיס שעליו כל לקוח MongoDB כבר פועל, Atlas Infinite מסירה את המגבלות על האופן שבו בסיס זה יכול להתרחב, ו-Atlas Agent Engine מעמידה סוכני AI לפעולה על גבי שניהם, כשהם מנוהלים ומבוססים על נתונים בזמן אמת.

מפתחים תמיד בחרו ב-MongoDB כיוון שמודל המסמכים שלה מתאים לצורה הטבעית של נתוני אפליקציות ולאופן שבו מערכות AI מייצגות ומחליפות מידע. זה הופך אפליקציות למהירות יותר לבנייה וקלות יותר להתאמה. חברות בוחרות יותר ויותר ב-MongoDB כיוון שהיא משלבת את ההתאמה הטבעית הזו עם נתונים תפעוליים חיים, יכולת גדילה (elastic scale), החופש לרוץ בכל מקום – וכעת, פלטפורמה שנבנתה במיוחד לעידן הסוכנים.

פלטפורמה אחת. כל מספר של סוכנים. בנה, פרוס והפעל אותם במקום שבו הנתונים שלך כבר נמצאים – עם פלטפורמת הנתונים החכמה של MongoDB.

למידע נוסף על האופן שבו Atlas Agent Engine יכול לעזור לך לבנות, לפרוס ולנהל סוכנים בסביבת ייצור, עיין בהכרזה הרשמית שלנו או בדף Atlas Agent Engine.

התחל לעבוד עם היכולות החדשות עוד היום ב-mongodb.com/atlas. וכדי לבנות את הכישורים הנדרשים להעברת סוכני AI מאב-טיפוס לייצור, חקור את ה-Skill Badges החדשים של MongoDB בנושאי ממשל (governance), יכולת צפייה (observability) והערכת פלטפורמות סוכנים.

#mongodb#ai-agents#enterprise-ai
קרא במקור

קריאה וכלים קשורים

אבטחת MongoDBמונחי אבטחה והסברים בעברית