בעשור האחרון ארגונים השקיעו מיליונים באינטגרציות בין ERP, CRM, מערכות לגאסי, בסיסי נתונים וסביבות ענן היברידיות.
עם כניסת ה-AI הגנרטיבי, עלתה הציפייה לחבר מודלים ישירות לכל המערכות ולהפיק אוטומציות חכמות שמבינות הקשר עסקי.
המציאות מורכבת יותר: חומות דאטה, מגבלות הרשאות, רגולציה, סקייל, אבטחה - ובדרך כלל גם מחסור בזמן או ביכולות קידוד אצל המשתמשים.
אחת הגישות שצוברת תאוצה היא שימוש ב-Agentic Layer: שכבת תיווך שמחברת בין מודל השפה לבין המערכות הארגוניות, תוך ניהול הקשר (Context), ההרשאות, והכלים בצורה מבוקרת.
MCP - עקרונות ויתרונות
Model Context Protocol (MCP) הוא דוגמה לגישה סטנדרטית להעשרת מודלי שפה בהקשרים חיצוניים בצורה מודולרית וניטרלית למודל. הוא מאפשר למערכות חיצוניות “לדבר” עם מודלים מבלי להינעל לספק יחיד, ומקל על הרחבה הדרגתית של היכולות.
אנחנו בפרויקטים שונים מצאנו שהעקרונות האלו - הפרדת שכבות, מודולריות והימנעות מ-Vendor Lock-in - קריטיים במיוחד בסביבות בהן מערכי דאטה ומדיניות אבטחה משתנים לאורך זמן.
מה זה באמת “ללא קוד” כשמדובר באנטרפרייז?
עולם ה-No/Low-Code הוכיח את עצמו בשירותי SaaS פשוטים, אבל בארגונים גדולים נכנסים אתגרים ייחודיים: הרשאות מרובות שכבות, VPN, רשתות מבודדות, סכמות משתנות.
הפתרון: לקחת את הפשטות של Drag-and-Drop ולשלב אותה עם יכולות Enterprise - מודלי אבטחה מרובי-רולים, ניהול הרשאות דינמי, תמיכה ב-On-Prem ובעננים מעורבים, והתאמה למדיניות ארגונית.
Chat/Prompt-to-Workflow - מגישה לשגרה
הממשק השיחתי הפך לכלי עבודה עיקרי, אבל בצד השני של הפרומפט נדרשות פעולות אמיתיות: קריאות API, סינכרון נתונים, לוגים ובקרה.
גישת ה-Chat-to-Builder מאפשרת למשתמשים לנסח צורך בשפה חופשית, לקבל וורקפלואו מוצע, ולערוך אותו בצורה ויזואלית - שילוב שמקצר את הדרך מהגדרה ליישום.
שכבת Agent Core
כל סוכן AI צריך שלושה מרכיבים: מודל (LLM), זיכרון (Context / DB), וכלים (Connectors / Actions).
היכולת לבחור ולהרכיב את המרכיבים האלו באופן מודולרי מאפשרת התאמה לצרכים שונים - למשל, בחירה במודל ספציפי מסיבות אבטחה, או הגבלת כלים בהתאם להרשאות.
אבטחה ואמון
בסביבות אנטרפרייז, שקיפות ובקרה הן תנאי סף: לוג Audit, ניהול הרשאות, עמידה בתקני SOC2/ISO.
Agentic Layer שלא מטפל בזה - לא ישרוד בסביבה אמיתית.
מסקנה: הגישה המודולרית ב-Agentic AI לא רק פותרת בעיות טכניות - היא מאפשרת גמישות עסקית, שליטה באבטחה, והפחתת עלויות.
השאלה הפתוחה לכל מי שבונה או מטמיע סוכני AI: איפה נכון למקם את שכבת האינטגרציה, ואיך מאזנים בין מהירות ליישום לבין עמידה במדיניות הארגון?
האזנה לפרק 
קריאת הבלוג 
צפייה בוידאו 
שאלות / פידבק
