הכותרות צועקות את זה כבר תקופה: גוגל ו-Anthropic טוענות שבעתיד הקרוב, 90% מהקוד יכתב על ידי בינה מלאכותית. התעשייה כולה נמצאת בתזוזה טקטונית לעבר פיתוח מונחה AI. אבל בין ההבטחות הגדולות לבין היומיום ב-R&D, יש פער. ב-Evinced החלטנו לא לחכות לעתיד, אלא להנדס אותו. יצאנו למסע הטמעה של כלי AI בכל תהליכי הפיתוח והמוצר שלנו. לא מדובר רק על השלמת קוד אוטומטית, אלא על שינוי פרדיגמה מוחלט, במעבר מכתיבת קוד לניהול קוד.
כך עשינו את זה, אלו הכלים שבחרנו, וזו האמת על עקומת הלימוד שצריך לצלוח בדרך.

הסוף ל-Vibe Coding: הכירו את מודל ה-Senior-Junior

הטעות הכי גדולה שאפשר לעשות עם AI היא מה שאנחנו מכנים Vibe Coding- מצב "YOLO" שבו אתה זורק הנחיה ל-AI, לא בודק את התוצאה, ואם זה עובד, זה עובד. הגישה הזו אולי נחמדה לפרויקטי צד, אבל היא לא מחזיקה מים בפרויקטים גדולים וקוד Production. קשה לקחת בעלות על תוצר כזה. במקום גישה זאת, אימצנו את מודל ה-Senior-Junior. תחשבו על ה-LLM (המודל) כעל מפתח ג'וניור מוכשר בטירוף, מהיר ויצירתי, אבל כזה שצריך הכוונה מדויקת. אם תתנו לו משימות מופשטות ללא הגדרת Done ברורה, הוא ילך לאיבוד ויבצע הזיות (Hallucinations).

כחלק מכך התפקיד של המפתח האנושי משתנה. הוא הופך ממבצע לדירקטור. וכיאה למנהל, עלינו לפרק את המשימות שאנחנו מעניקים לעובדים שלנו, במקרה הזה,מודלים, Agents או כלי AI, לחלקים קטנים ומוגדרים היטב, לתכנן לפני שמממשים, ולבצע Code Review קפדני לכל שורה שה-AI מייצר.

ארגז הכלים שלנו: למה בחרנו ב-Cursor?

בחנו שלושה מתחרים עיקריים: VSCode עם CoPilot, הכלי Windsurf ו-Cursor . את CoPilot סיננו מהר יחסית כי התוצאות לא היו מספקות. עם Windsurf הסיפור היה שונה: הכלי תפקד היטב, אך הדיווחים על כך שהוא עומד להירכש על ידי OpenAI יצרו אצלנו חוסר ודאות עסקית לגבי עתיד המוצר, והעדפנו שלא להסתמך על כלי שנמצא בערפל.

Cursor, לעומת זאת, ניצח בנוק-אאוט. הוא סיפק את השילוב המדויק שחיפשנו: מצד אחד, חוויית משתמש (UX) מעולה ועבודה אינטואיטיבית במצב Agent . מצד שני, והכי קריטי לארגון שמגן על ה-IP שלו, הוא הציע פתרון אבטחה ברור. ה-"Privacy Mode" של Cursor הבטיח לנו טכנית שהקוד וה-Prompts שלנו לא נשמרים ולא משמשים לאימון המודלים, דבר שאפשר לנו לאמץ את הכלי בלב שקט.

עקומת הלימוד: הירידה לצורך עלייה

צריך לשים את הדברים על השולחן: המעבר ל-Agentic IDE הוא שינוי משמעותי שיוצר חיכוך. ישנה תקופת הסתגלות טבעית המלווה בחוסר נוחות ראשוני. יותר מזה, בהתחלה ראינו ירידה בפרודוקטיביות (Velocity Dip). זהו שלב האטה קצר אך הכרחי, שמוביל בסופו של דבר לעלייה דרמטית במהירות הפיתוח.

כדי לצלוח את השלב הזה, בנינו תוכנית הטמעה מסודרת:

1. פיילוט: התחלנו עם צוות אחד, למדנו את הכלי וכתבנו קבצי חוקים (Rules files) מותאמים לצוות .
2. סדנאות: יצרנו סדנת Onboarding לצוותים האחרים, ושיתפנו את הלקחים וה-Do's and Don'ts מהפיילוט .
3. תוכנית Champions: מינינו מובילי AI בתוך הצוותים.

מעבר לקוד: ארצ'י, דייב ומהפכת ה-MCP

הכוח האמיתי התגלה כשיצאנו מגבולות ה-IDE. השתמשנו ב-MCP כדי לחבר את ה-AI לכלים ארגוניים כמו JIRA, Confluence ו-Figma . הנה דוגמה ששינתה לנו את תהליך הפרוטוטייפינג: יצרנו צוות של שני Agents מבוססי Cursor: ארצ'י (Archie): ארכיטקט תוכנה מומחה בבניית תוכניות פיתוח. ודייב (Dave): מפתח פרונט-אנד מומחה בבניית UI.

הזנו לארצ'י את ה-PRD וביקשנו תוכנית פיתוח. לאחר מכן, חיברנו את Cursor ל-Figma באמצעות MCP, ודייב קיבל את העיצובים וההנחיות. דייב חילץ צבעים, CSS וסגנונות ישירות מהתמונה , ומימש את התוכנית של ארצ'י צעד אחר צעד. התוצאה? פרוטוטייפ עובד מלא, כמעט Pixel Perfect, בזמן שיא.

לא רק למתכנתים: AI בניהול מוצר

המהפכה לא פסחה על מנהלי המוצר שלנו.

• Gemini Gems: יצרנו את דיוויד, סוכן לכתיבת דוקומנטציה טכנית. הזנו לו לוגים של שינויים ב-SDK (שבירת תאימות), והוא ניסח Release Notes מושלמים ללקוחות, תוך שמירה על ה-Tone & Style של החברה.
• NotebookLM לניתוח דאטה: במקום לנחש מה לקוחות רוצים, הזנו הקלטות של פגישות לקוחות ל-NotebookLM וביקשנו ממנו לסכם את הכאבים המרכזיים ולהשוות אותם ל-PRD של פיצ'ר מתוכנן .

כמעט אפשר להגיד שהעתיד כבר כאן

תהליכי הפיתוח שלנו לא השתנו בבסיסם, אבל המיקוד השתנה. ב-Sprint Planning אנחנו מזהים מראש משימות שמתאימות ל-AI , ומשקיעים יותר בתיאור טכני מדויק של כרטיסי JIRA כדי שמכונה תוכל לצרוך אותם. אנחנו הופכים להיות יותר Reviewers ופחות Coders , אבל הבעלות על הקוד נשארת שלנו. ה-AI הוא מנוע שמאיץ אותנו, אבל ההגה והאחריות, עדיין בידיים שלנו.

על הכותב: בן הוא CTO ב-Evinced,המפתחת כלים טכנולוגיים להטמעת נגישות דיגיטלית באפליקציות ווב ומובייל. מנהל טכנולוגי בעל רקע עשיר בפיתוח Hands-on והובלת צוותי R&D. מגיע מרקע טכני עמוק בארכיטקטורה ופיתוח תוכנה, וכיום מוביל את אסטרטגיית ה-AI בחברה תוך התמקדות בבניית מודלים היברידיים של עבודת צוות-מכונה, הטמעת סוכנים חכמים ואוטומציה לייעול תהליכי הפיתוח והמוצר.