פרצת אבטחת סייבר משמעותית חשפה את הנתונים האישיים של 8.8 מיליון אנשים בדנמרק. ההאקרים פרצו למאגר רישום האוכלוסייה הלאומי של המדינה והשיגו גישה למידע האישי של אותם מיליונים. כריסטינה אגלונד, שרת המדע, ההשכלה הגבוהה והדיגיטל של דנמרק, הודיעה הבוקר (ב') על הפרצה והתקרית, וכינתה אותן "אירוע חמור ביותר". לדבריה, "אנשים לא מורשים קיבלו גישה בלתי חוקית לשמות, לכתובות, מספרי ביטוח לאומי ולרשומות פרטיות, כולל של אנשים שמתו או היגרו". לפי אגלונד, "יחד עם כל הרשויות הרלוונטיות, אנחנו בתהליך של מיפוי מלא ומקיף של האירוע". אוכלוסיית דנמרק מונה כשישה מיליון איש, אך הרישום הלאומי מכיל מידע על 11 מיליון. לא ידוע מי פרצו הרשויות בדנמרק מסרו כי אין להן מידע על זהות מי שביצע, או ביצעו, את הפריצה. למרכז הרישום נודע על "התנהגות חריגה" של המערכת ביום ו' האחרון. לפי הממשלה בקופנהגן, ההאקרים פרצו למאגר הרישום הלאומי דרך פריצה מצד ג': הם תקפו בהצלחה חברה דנית שהייתה לה גישה למאגר באופן חוקי. הרשויות לא פירטו כיצד בדיוק ההאקרים השיגו את הגישה הראשונית. מה שכן, הן חסמו את גישת החברה למאגר והביאו מומחים למיפוי האירוע. החוקרים החלו לבדוק כיצד הגישה המותרת של החברה מצד ג' נוצלה לרעה בהיקפי ענק שכאלה, ומה עוד לא ידוע. המשטרה חוקרת את המקרה יחד עם רשויות רלוונטיות נוספות, לרבות הרשות להגנת המידע של דנמרק, אך החקירה נמצאת עדיין בשלבים מוקדמים. השרה אגלונד עדכנה את ועדת העסקים והדיגיטציה של הפרלמנט הדני וביקשה בדיקה ביטחונית מקיפה של האירוע. סיכוי גדול למתקפות פישינג מומחים ציינו כי האירוע מגדיל את הסיכוי למתקפות פישינג על אנשים שהמידע שלהם נחשף: "שמות, כתובות ומספרי זיהוי לאומיים עלולים לגרום למשלוח של הודעות קוליות וטקסטואליות מזויפות, שייראו משכנעות". הרשויות בדמנרק הזהירו את התושבים שלא לשתף סיסמאות או מידע חסוי אחר בשיחות או במיילים בלתי צפויים, גם כאשר השולח מציג לקורבן את שמו, כתובתו ונתונים נוספים. "ידיעת חלק מהפרטים האלה אינה מוכיחה שהמתקשר מייצג ארגון מהימן", הסבירו.

מאת: הילל יוסף "ארגונים צריכים להקדים את הדיון בתשתיות, בנתונים ובממשל לבחירת מודל הבינה המלאכותית. ככל שה-AI הופכת לחלק מהפעילות השוטפת, ההחלטות בנוגע למקום שבו יעובדו הנתונים ובקשר למידת השליטה בהם הופכות להחלטות עסקיות ולא רק טכנולוגיות. ארגונים רבים מתחילים את התהליך דווקא מהשאלה הלא נכונה. בחירת המודל היא כמובן חשובה, אבל היא אינה יכולה להיות נקודת המוצא היחידה. השאלה החשובה היא לא רק באיזה מודל לבחור, אלא היכן הוא יפעל", כך הסביר שימי מנשירוב, מומחה טרום-מכירות לבינה מלאכותית (AI Presales Specialist) ב-דל טכנולוגיות (Dell Technologies) ישראל. מנשירוב דיבר לקראת כנס Dell Technologies Forum השנתי. הכנס, בהפקת אנשים ומחשבים, ייערך ב-13.10 ב-אקספו תל אביב. לדבריו, "הארגון צריך להבין עם אילו נתונים המערכת תעבוד, היכן הם נמצאים, מי רשאי לגשת אליהם, באיזו סביבה יעובדו וכיצד ניתן יהיה לשמור על שליטה בהם לאורך זמן. ללא תשובות לשאלות האלה, גם המודל המתקדם ביותר עלול להישאר מוגבל ביכולת שלו להשתלב בפעילות הארגונית". "הבינה המלאכותית משנה את מקומן של התשתיות בשיח הארגוני: ממרכיב טכני שפועל מאחורי הקלעים, ליסוד שמכריע אם ניתן להרחיב שימושים חדשים, לעמוד בדרישות אבטחה ורגולציה, ולתפעל עומסי עבודה תובעניים", אמר מנשירוב. הוא הוסיף כי "יש פער בין הרצון להרחיב את השימוש ב-AI לבין המוכנות. מחקר שערכנו העלה ש-64% ממנהלי ה-IT ב-EMEA (אירופה, המזרח התיכון ואפריקה) אומרים שהתשתיות בארגוניהם אינן מוכנות באופן מלא לתמיכה בעומסי AI ואנליטיקה בסביבת ייצור. המשמעות: השימושים מתקדמים מהר יותר מהסביבות שאמורות לתמוך בהם. ככל שה-AI מקבלת תפקיד משמעותי יותר, הארגון צריך לבחון אם התשתית שלה מסוגלת לספק את הביצועים, הזמינות והיכולת להתרחב שהיישומים החדשים דורשים". לא כל עומס AI צריך לפעול באותו מקום "אחת ההחלטות המשמעותיות ביותר בתכנון סביבת AI היא היכן יפעל כל עומס עבודה", אמר מנשירוב. "אין תשובה אחת שמתאימה לכלל הארגונים או מקרי השימוש. יש להביא בחשבון את סוג הנתונים, רמת רגישותם, צורכי הביצועים, דרישות הממשל והרגולציה והיקף הפעילות הצפוי. אין לבחור סביבה לפי מגמה כללית, אלא להתאים את הארכיטקטורה לצורך העסקי ולמאפייני הנתונים". לדבריו, "הנושא מתחבר גם לדיון סביב בינה מלאכותית ריבונית (Sovereign AI). ארגונים ומדינות מבקשים לשמור על שליטה רבה יותר בנתונים, בתשתיות, בממשל ובאופן שבו מופעלות מערכות AI. זה הופך את שאלת מיקום הנתונים והפיקוח על השימוש בהם לאסטרטגית. המחקר מצא כי כמחצית ממנהלי ה-IT ב-EMEA מודאגים מעמידה בדרישות רגולטוריות בשימוש בנתונים ל-AI. יש לדעת מה קורה למידע בדרך". "איכותה של מערכת AI נקבעת לא רק לפי יכולת המודל, אלא גם לפי הנתונים שהארגון מספק והאופן שבו הם מנוהלים. צריך לדעת אילו נתונים רלוונטיים, כמה הם אמינים, מי אחראי עליהם וכיצד להשתמש בהם מבלי לפגוע באבטחה, בפרטיות ובדרישות הרגולטוריות". לפי מנשירוב, "המחקר מצא ש-55% מהמנהלים ב-EMEA אומרים שחששות הנוגעים לאבטחה ולעמידה בדרישות רגולטוריות כבר האטו או עיכבו יוזמות AI. לכן, אין לדחות את הנושאים האלה לשלבים מאוחרים. כשמטמיעים אותם בארכיטקטורה כבר בתחילת הדרך, הארגון יכול לפעול בצורה מסודרת ובטוחה יותר". AI הופכת להחלטה ארוכת טווח "ככל שהבינה המלאכותית משתלבת בפעילות העסקית, ההחלטות המתקבלות סביבה צפויות להשפיע על הארגון לאורך שנים: בחירת התשתית, מיקום הנתונים, מנגנוני הממשל והיכולת לתמוך בעומסים עתידיים", סיכם מנשירוב. "ארגון לא צריך לדעת מראש כיצד ייראה כל שימוש עתידי ב-AI – אבל הוא כן צריך לבנות סביבה שתאפשר לו להתפתח מבלי לאבד שליטה על הנתונים ומבלי להיתקל בכל פעם מחדש במגבלות תשתית, אבטחה או רגולציה. היסודות שעליהם פועלת הבינה המלאכותית הם אלה שיקבעו עד כמה הארגון יוכל להמשיך ולהתקדם". לפרטים נוספים והרשמה לכנס – לחצו כאן

שרשרת הליקויים שהולכת ונחשפת בפרשת טיסת פליי דובאי, שכמעט הסתיימה באסון תעופתי, פיגוע מהגדולים שידעו ישראל והעולם כולו, מעלה את השאלה: האם מערכות המבוססות על בינה מלאכותית היו יכולות לזהות מראש את הטייס המחבל, חמאם אל-חמאמי, ולהתריע בפני הגורמים האחראיים על הביטחון התעופתי במדינה? ייאמר שעל פי הפרסומים, הגורמים הללו כבר משתמשים בכלי עיבוד נתונים ורכיבי אלגוריתמיקה מתקדמים. אלא שלפי טענות שהם העלו, גם למערכות האלה אין כיום יכולת מלאה לנטר את זהותם של הטייסים המגיעים לישראל. זאת, על אף שמידע על צוותי הטיסה מועבר מראש, וכך היה גם כאן: לפי חשיפות של הארץ וחדשות 12, פליי דובאי העבירה לישראל את שמו של אל-חמאמי. מה שכן, עלו טענות שלא היה בידי ישראל את המידע על העובדה שעומאן אייר, שבה הוא היה טייס בעבר, העבירה אותו לתפקיד אדמיניסטרטיבי משום שהוא הביע דעות קיצוניות ברשתות החברתיות. השאלה המתבקשת היא: מה הגופים הישראליים עשו עם המידע שכן היה בידיהם? האם הם בדקו את המערכות? בעידן הבינה המלאכותית, אין צורך להיות איש שב"כ או בוגר 8200 כדי לבצע את הבדיקות הללו. ניתן להשתמש בכלי AI מתקדמים, ככל הנראה מתקדמים יותר מאלה שאותם גופים שכשלו משתמשים בהם כיום, על מנת לקבל רשימות, להצליב אותן עם מאגרי מידע מורשים ומקורות מידע פתוחים, לזהות אי התאמות או חריגים ולהתריע בפני הגורם האנושי. המערכת לא צריכה לקבוע שאדם מסוים הוא איום, ולא צריכה להחליף את שיקול הדעת של אנשי הביטחון. תפקידה הוא להדליק נורה אדומה ולומר: את הטייס הזה כדאי לבדוק לעומק. הטייס המחבל, חמאם אל-חמאמי. צילום: הרשתות החברתיות שלו (שימוש לפי סעיף 27 א') כדי שמערכת כזו תעבוד, צריך להגדיר מי רשאי לקבל את המידע, מי רשאי להצליב אותו, אילו מאגרי מידע ניתן לחבר, מי מקבל את ההתראה ומי אחראי לפעול בעקבותיה. ומעל לכל – צריך שמישהו במערכת הציבורית יזהה את הבעיה ויגיד: יש כאן אתגר שניתן לפתור אותו באמצעות טכנולוגיה. בואו נחפש פתרונות בשוק, או נבנה את הפתרון בעצמנו. אומת הסטארט-אפ יכולה לתת פתרון ישראל היא אחת המדינות הבולטות בעולם בפיתוח טכנולוגיות AI, כולל למגזר התעופה. על פי נתוני סטארט-אפ ניישן סנטרל, בארץ פועלות מעל 2,000 חברות בינה מלאכותית. העולם מכיר בישראל כאחת המדינות המובילות בתחום, ולראייה, חברות ה-AI זכו ב-35% מההשקעות בסטארט-אפים ישראליים בשנה שעברה. מרבית ההשקעות באקו-סיסטם הישראלי מגיעות מחו"ל. אמנם, לא ידוע על חברה ישראלית ספציפית שמפתחת פתרונות לניטור טייסים וצוותי אוויר, אבל סביר להניח שיזמים ישראליים זריזים כבר עובדים על פתרונות כאלה. מה שכן, יש חברות שמציעות פתרונות קרובים, למשל לזיהוי של נוסעים שמגיעים למדינה מסוימת. הבינה המלאכותית לא יכולה להבטיח שלעולם לא יהיה טייס מסוכן. היא גם לא צריכה להחליף את שיקול הדעת של אנשי הביטחון. אולם, היא יכולה להיות חיישן מאפשר ומכריע לזיהוי של אותו טייס דוגמה נוספת לפער בין הטכנולוגיה ליישומה בממשלה פרשת פליי דובאי היא דוגמה נוספת לפער שקיים בין קצב ההתפתחות של הטכנולוגיה לבין קצב היישום שלה במגזר הציבורי, כולל החיבור בין המערכות השונות. מערכות ממשלתיות מחזיקות כמויות עצומות של מידע, ולעתים כל אחת מהן יודעת הרבה מאוד על התחום שבאחריותה. הבעיה מתחילה ביישום, וכן בצורך לחבר מידע ממספר מערכות, לנתח אותו ולהפיק ממנו תמונה אחת. וזה בדיוק המקום שבו הבינה המלאכותית יכולה להיות משמעותית. בכל תהליך של הטמעת חדשנות יש שני צדדים – הטכנולוגי והאנושי, והאתגר הוא ליצור את המנגנון הארגוני שיזהה את הצורך, יגדיר את הבעיה, יחבר את הגופים הרלוונטיים וידרוש פתרון. זה נכון לצרכים רבים, כולל לזיהוי טייסים שעלולים ליצור בעיות, ויותר מזה. לא מספיק להקים גופי חדשנות בשנים האחרונות הוקמו בממשלה גופים שנועדו לקדם את השימוש בחדשנות, אוטומציה ובינה מלאכותית במשרדיה, ובהם המטה הלאומי לבינה מלאכותית ומערך הדיגיטל הלאומי. אבל, עצם הקמתם של גופים כאלה אינה מספיקה. כדי שהמהפכה הדיגיטלית תגיע לכל משרד ממשלתי ולכל שירות ציבורי, ותסייע למנוע מקרים כמו ניסיון הריסוק של טיסת פליי דובאי, מנהלים צריכים להימדד גם על היכולת שלהם לאמץ טכנולוגיות חדשות ולשפר באמצעותן תהליכים. הצהרות על חשיבות הבינה המלאכותית, תקציבים ותוכניות עבודה הם דברים חשובים. אבל, בסופו של דבר, האזרח צריך לראות את התוצאה בשטח. אולם, כדי שזה יקרה, צריך מישהו שיבין שיש בעיה ויש פתרונות, ויפנה לאחד מהגופים הקיימים או לתעשייה. הוא היה מקבל סיוע בחפץ לב. השורה התחתונה: הבינה המלאכותית לא יכולה להבטיח שלעולם לא יהיה טייס מסוכן. היא גם לא צריכה להחליף את שיקול הדעת של אנשי הביטחון. אולם, היא יכולה להיות חיישן מאפשר ומכריע לזיהוי של אותו טייס. מדובר בעוד זוג "עיניים" – כזה שלא מתעייף. שימוש בכלי בינה מלאכותית מתקדמים יותר היה מאפשר לשב"כ ולמשרד התחבורה לזהות את אל-חמאמי, ולמנוע את המקרה, שבגלל תושייה של הקברניט, הטייסים שהיו על המטוס כנוסעים והנוסעים הישראליים לא הפך לקטסטרופה.

מתברר שיש היבטים לעליית ה-AI שאף אחד, כנראה, לא היה יכול לחשוב עליהם. אחד האחרונים שבהם הוא החלטה של גוגל להשבית, לפחות עד לסוף הרבעון הראשון של 2027, את תוכנית הפרסים שהיא נותנת למי שמזהים באגים בתוכניות הקוד הפתוח שלה. ונכון, ההחלטה התקבלה בגלל הבינה המלאכותית. לפי דיווחים מהימים האחרונים, ההחלטה של גוגל נובעת מכך שהמהנדסים של החברה, ואלה שמסייעים בתחזוקה של מקורות הקוד הפתוח שלה, הוכרעו על ידי כמות אדירה של פניות לבאגים, שהתבססו על בינה מלאכותית, ושרובן המכריע התברר כלא נכון, שלא לומר הזיות AI. מדובר באלפים רבים של דו"חות שהוגשו בתצורה גרועה, שבהם נטען שנמצאו באגים שלא היו קיימים בפועל. בגוגל אומרים כי "ההחלטה להשהות את התוכנית נובעת מעלייה משמעותית בהגשות אוטומטיות, שרובן המכריע אינן תקפות". גוגל הבטיחה כי היא תספק עדכון לגבי התוכנית והאם היא תשוב במהלך שלושת החודשים הראשונים של 2027. החברה ציינה כי ההשהיה של התוכנית המסוימת הזו לא פוגעת בתוכניות הפרסים האחרות של החברה עבור חושפי שגיאות, ובמיוחד לא בתוכניות שנועדו לתגמל חושפי פגיעויות.

גילויים מתוך תשקיף ההנפקה הראשונית לציבור (IPO) החסוי של חברת אנת'רופיק (Anthropic) חושפים כי מעבדת הבינה המלאכותית חתמה על הסכמים להזרמת עד 84.5 מיליארד דולר ל-SpaceX עבור משאבי מחשוב עד שנת 2029.  חשיפה זו, המגיעה במסגרת היערכותה של אנת'רופיק להנפקה עתידית, מציגה תפנית מרתקת במערכת היחסים בין הצדדים: בפברואר 2026 תקף אילון מאסק, מייסד SpaceX, את אנת'רופיק ברשת החברתית וכינה אותה "מרושעת" (evil). מאסק הגיב אז לפרסום על שוויה של אנת'רופיק והוסיף כי להערכתו לא ניתן להתחמק מהאירוניה המתרחשת, שבה אנת'רופיק תהפוך בסופו של דבר ל"מיזנתרופית". אולם, הצורך החיוני של אנת'רופיק בכוח מחשוב מחד, והרצון להרחיב את הכנסות SpaceX מאידך – כפי שצוין בדיווח של אקסיוס בעקבות חשיפת ההבנות הראשוניות במסמכי ההנפקה של SpaceX מוקדם יותר השנה – הובילו לעסקת ענק שממנה שני הצדדים יוצאים נשכרים. BREAKING: Anthropic discloses $84.5 billion SpaceX Compute Agreements through 2029. Anthropic has agreements to pay SpaceX up to $84.5 billion to use its NVIDIA-based computing capacity. https://t.co/bFLftFft0D — DogeDesigner (@cb_doge) September 29, 2026 יכולות מחשוב על ומנגנון ביטול ייחודי הנתונים שנחשפו בתשקיף אנת'רופיק מציגים התרחבות ניכרת לעומת ההבנות הראשוניות ממאי 2026, אשר כללו תשלום חודשי של 1.25 מיליארד דולר למשך שלוש שנים (בסך כולל של כ-45 מיליארד דולר). במסגרת ההסכם המעודכן, התשלומים החודשיים יגדלו בהדרגה, עד שיגיעו לקצב של כ-15 מיליארד דולר בשנה לקראת מאי 2029.  העסקה מעניקה לאנת'רופיק גישה לכ-325,000 מעבדי אנבידיה (Nvidia) ולחוות השרתים Colossus 1 של xAI – חברת ה-AI שהקים מאסק ומוזגה לתוך SpaceX כחברה-בת בפברואר 2026 ואשר פועלת בהספק של מעל 300 מגה-וואט.  היבט יוצא דופן בחוזה שנחשף הוא גמישותו: מרבית ההתחייבות ניתנת לביטול בהודעה מוקדמת של 90 יום בלבד. בנוסף, התשקיף מציין כי שתי החברות מנהלות שיחות גישוש ראשוניות בנוגע לאפשרות לפריסת תשתיות מחשוב בינה מלאכותית בהספק של מולטי-גיגה-וואט במסלול סביב כדור הארץ. קונה עוד כוח מחשוב מעוד חברה. אנת'רופיק והמנכ"ל שלה, דריו אמודאי. צילום: Thrive Studios ID, Shutterstock חלק ממהלך תשתיות של חצי טריליון דולר ההסכם מול SpaceX הוא רק נדבך אחד מתוך תוכנית עבודה רחבת היקף של אנת'רופיק, בניהולו של דריו אמודאי, המנכ"ל, המתכננת להוציא לפחות 518 מיליארד דולר על תשתיות בינה מלאכותית במהלך העשור הקרוב. שאר ההתחייבויות של אנת'רופיק כוללות חוזים בסך 111.1 מיליארד דולר מול גוגל; 110 מיליארד דולר מול אמזון; 31.4 מיליארד דולר מול מיקרוסופט; וציוד בחכירה מחברת ברודקום (Broadcom) בהיקף של 161.2 מיליארד דולר. בניגוד לעסקה מול SpaceX, כ-80% מהתחייבויות התשתית האחרות של החברה הן קשיחות ואינן ניתנות לביטול. יצוין כי אנת'רופיק, אשר הגישה בקשה חסויה להנפקה ראשונה לציבור בארה"ב ומכוונת לשווי של עד 2 טריליון דולר, רשמה בשנת 2025 הכנסות של כ-4.6 מיליארד דולר, לצד הפסדים תפעוליים כבדים, כשהיא מחזיקה בכ-20.28 מיליארד דולר במזומן ושווי מזומנים. זווית שוק ההון והשפעה על אנליסטים בוול סטריט מעריכים כי הספקת משאבי מחשוב עשויה להפוך למנוע הצמיחה המרכזי של SpaceX. ג'ון בלקלדג', אנליסט מבנק ההשקעות טי-די קוון (TD Cowen), החל לסקור את מניית SpaceX בהמלצת "קנייה" עם מחיר יעד של 200 דולר. בלקלדג' ציין כי "המניע הקרוב הגדול ביותר להכנסות SpaceX הוא החכרת קיבולת מחשוב AI קרקעית למעבדות חזית ולחברות נוספות", והעריך כי תחום זה עשוי להוות כ-60% מהכנסות החברה כבר בשנה הבאה, בעקבות הפער החד בין הביקוש הגבוה להיצע המוגבל בשוק.

כתב: גלי דוליצקי, מהנדס פתרונות בכיר בנטסקופ. סוכני AI הם כבר לא כלי של מפתחים בלבד – הם רצים על התחנות ובתוך הרשת, דרך פרוטוקול MCP, בלי שאף אחד אישר להם. נטסקופ מציגה שלוש שכבות שמחזירות את השליטה: גילוי הסוכנים על התחנה, שליטה בתעבורת ה-MCP ברמת הפעולה ואכיפה לפי כוונת הסוכן – ומזמינה אתכם לראות את זה בלייב בכנס AI in the Fast Lane, שיתקיים בתל אביב. מפתח בארגון שלכם מבקש מסוכן ה-AI שלו לסדר את סביבת הפיתוח לפני סוף הרבעון. הסוכן מתחבר דרך MCP למערכות, עובר עליהן ומוצא במסד הנתונים טבלאות שאף אחד לא נגע בהן חודשים. הוא מוחק אותן. אף אחד לא כתב שורת קוד, אף אחד לא לחץ "שלח למודל", ולמערכות האבטחה זה נראה כמו תעבורת API רגילה – כי הסוכן פעל בזהות של המפתח, בהרשאות שאתם נתתם לו. הסוכן פעל בהרשאות שלכם. לכן, שום דבר לא נחסם. זה לא קורה רק בפיתוח: מנהלת משאבי אנוש שמעדכנת תוכנית עבודה בכלי AI ואיש דיגיטל שמסנכרן קמפיינים – גם הם מפעילים סוכנים שמתחברים לבד למערכות הארגון. ואלה רק דוגמאות. אין מה לחסום, אין למי להתריע MCP הפך לתקן שמחבר מודלי שפה לכלים, למסדי נתונים ולמערכות ארגוניות, ופתח ערוץ שלא היה קיים קודם: תעבורת Agent-to-Tool (מהסוכן לכלי). הסוכנים פועלים בו כזהויות לא אנושיות עם הרשאות נרחבות. חסימת אתרים לא עוזרת במקרה זה, משום שהסוכן לא גולש לשום מקום. בקרת הגישה לא נדלקת, כי הוא פועל בהרשאות מאושרות. לפי גרטנר, עד 2028, כ-25% מהפריצות בארגונים ייוחסו לניצול לרעה של סוכני AI – גם מבחוץ וגם מבפנים. הפתרון שנטסקופ מציעה לכך בנוי משלוש שכבות: מה רץ על התחנה, מה עובר ברשת ומה הסוכן מנסה לעשות. שכבה 1 – על התחנה: Client AI Discovery הסוכן המסוכן ביותר הוא זה שלא מייצר תעבורה בכלל. עובד שמריץ מודל שפה מקומי על המחשב שלו ומחבר אליו שרת MCP מקומי שנוגע בקבצי הארגון לא שולח דבר החוצה. מבחינת הרשת, לא קרה כלום. Netskope Client AI Discovery סורק את התחנה עצמה בסריקה תקופתית מבוססת חתימות, ומזהה חמישה סוגי נכסים: סוכני AI מותקנים, מודלי שפה שרצים מקומית, תוספי AI בסביבות פיתוח, תוספי AI בדפדפן ושרתי MCP מקומיים. לכל ממצא נאספים נתיב ההתקנה, הגרסה והתהליך – ועבור מודלים מקומיים גם שם המודל, המשפחה, הפורמט ומספר הפרמטרים. הכול מוצג בקונסולת AI Command Center. הפתרון מביא לכך שסוף סוף יש רשימה של מה באמת רץ בארגון – במקום הערכה. שכבה 2 – ברשת: Skylight Agentic Broker Netskope Skylight Agentic Broker מפענח את תעבורת ה-MCP ורואה אותה ברמת האקטיביטי – לא רק לאיזה שרת הסוכן פנה, אלא איזו פעולה הוא ביקש לבצע: אתחול הסשן, הבקשה לכלי הספציפי, הפרמטרים שנשלחו והתשובה שחזרה. ברגע שרואים את הדברים ברזולוציה הזו, אפשר גם לאכוף בה: הארגון יכול לתת לסוכן הרשאת קריאה בלבד מול מערכת מסוימת ולחסום ממנו כתיבה; לאשר שרת MCP אחד ולפסול אחר; או להגביל כלי מסוים בתוך שרת מאושר. המדיניות נקבעת לפי שרת, לפי קטגוריה או על כלל תעבורת ה-MCP. מעל זה יושב ה-Cloud Confidence Index, שהורחב לעולם ה-MCP: כל שרת ציבורי מנותח לפי גרסת פרוטוקול, סוג הצפנה ושיטת אימות, ומקבל ציון סיכון – כך שאפשר לפסול שרת לפני שמישהו מחבר אליו סוכן. בנוסף, מנגנוני ה-DLP וה-AI Guardrails חלים ישירות על תעבורת ה-MCP ומונעים מסיסמאות, מפתחות וקניין רוחני לזלוג החוצה – וכל אירוע נרשם לצורך תחקור. שכבה 3 – בפעולה: Agent Action Control שכבה 2 שולטת במי ואיפה – איזה שרת ואיזה כלי. Agent Action Control שואל שאלה אחרת: מה הפעולה הזו עושה בפועל? זה שינוי תפיסתי. במקום לשאול לאן הסוכן פונה – שאלה שאיבדה משמעות, כי היעד תמיד לגיטימי, המנגנון פועל ברמת ה-Inline על רשת ה-SASE, מנתח את קריאת הכלי עצמה ומסווג את כוונת הסוכן לתשע קטגוריות: שני ממדים קובעים את התגובה. הראשון הוא אופי הגישה: פעולת Intrusive משנה מצב במערכת, מוחקת נתונים או מחוללת שינוי בפרודקשן, ו-Non-Intrusive היא קריאה ותצפית בלבד. השני הוא רמת הסיכון – מ-Low ועד Critical, והוא שמכריע אם התגובה תהיה התרעה, חסימה או Coaching שמסביר למשתמש למה הפעולה נעצרה. בחזרה לתרחיש הפתיחה: הסוכן שסידר את סביבת הפיתוח ביצע פעולה שמסווגת כ-Data Destruction, בגישת Intrusive, ברמת סיכון Critical. באותו רגע המדיניות עוצרת אותו, על אף שההרשאות של המפתח היו תקינות ועל אף שהיעד היה מערכת מאושרת. לראות את זה בלייב: כנס AI in the Fast Lane בתל אביב ב-22 באוקטובר תקיים נטסקופ כנס ב-East תל אביב, שבו יציגו אנשי החברה הדגמות חיות של גילוי סוכנים על התחנה, ניתוח פרוטוקול MCP ואכיפה על סוכנים אוטונומיים בזמן אמת. מתעניינים בפתרונות? רוצים לשמוע עוד? לפרטים מלאים ולהרשמה לכנס לחצו כאן.

האדם הסביר בא לקחת משכנתא, ואף שמדובר בפעולה דרמטית בחייו – היא נראית פשוטה: הוא פונה ליועץ, שמחפש עבורו פתרון ומעביר את הבקשה לגוף המממן. אבל מאחורי התהליך הזה מסתתרת שרשרת ארוכה של פעולות: איסוף מסמכים, הזנת נתונים, בדיקת הכנסות, השלמת מידע חסר, בירור תנאים והעברת הבקשה בין מערכות ובין אנשים. וכמו בתהליכים עסקיים רבים אחרים, גם לתהליך הזה נכנסים סוכני AI. לא עוד כלי שמחכה להוראה אז למה סוכני AI משנים כל כך? הרי כולנו משתמשים ב-ChatGPT או ב-Claude ויודעים אילו יכולות יש לכלים האלה. אבל בעולם האשראי, ההבדל בין מערכת AI מסורתית לבין סוכן AI משמעותי במיוחד. מערכת AI יכולה לקרוא מסמך, לחלץ ממנו נתונים או לענות על שאלה. סוכן AI, לעומתה, יכול לקבל מטרה, לבצע רצף פעולות כדי להגיע אליה ולערב את המשתמש כאשר נדרשת פעולה אנושית. במשכנתאות, המשמעות היא שה-AI יכולה לעבור מתפקיד של כלי עזר לתפקיד של גורם פעיל בתהליך. היועץ והחתם נשארים בתמונה, אבל הסוכן מטפל בחלק מהעבודה שמתרחשת ביניהם. השיחה עם ה-AI היא רק שכבה אחת; הערך האמיתי נוצר כשהמערכת יודעת לפעול בתוך מערכות הארגון ולשמור על רצף העבודה. הכיוון הזה כבר מקבל ביטוי מעשי בישראל, וגם בחו"ל: בארצות הברית, חברות טכנולוגיה בתחום ההלוואות מפעילות סוכני AI לבדיקות מקדימות לחיתום, לקריאת מסמכים ולניהול חלקים מתהליך מתן האשראי. בחלק מהמקרים מדובר במערכות שפועלות על הלוואות אמיתיות ולא רק בניסויי מעבדה, והנתונים מצביעים על פוטנציאל לקיצור זמני טיפול והפחתת העבודה הידנית. גם בבריטניה מתפתחים פתרונות AI סביב עולם המשכנתאות, בעיקר בצד של היועצים והמתווכים. השינוי האמיתי (ולמה הלקוח לא רואה אותו) החלק המעניין בהתפתחות הזו הוא החיבור של הסוכן למערכות שעליהן מתבסס תהליך האשראי. סוכן AI שמקבל הרשאה מבוקרת למערכות הארגון, מפעיל תהליכים ובודק נתונים כבר הופך לחלק מהתשתית התפעולית. כאן מתחילה להיווצר ארכיטקטורה חדשה. במקום שהעובד יעבור בין מערכות ויבצע סדרה של פעולות ידניות, הסוכן יכול לתזמר את התהליך: לזהות שהתקבל מסמך, להפעיל את הבדיקה המתאימה, להשוות את התוצאה לנתונים שכבר קיימים במערכת ולהתקדם בהתאם לכללים שהוגדרו לו. סוכן AI יכול להיות מורכב מאוסף של יכולות, או Skills, שכל אחת מהן מאפשרת לו לבצע תחום פעולה מוגדר. בתחום החיתום, למשל, הסוכן יכול להשוות בין נתוני ההכנסה במסמכים לבין הנתונים שהוזנו בבקשה, לזהות פערים או חריגות ולהכין את התיק להמשך בדיקה של החתם. יכולת מכירות יכולה לנתח פנייה, לזהות הזדמנות ולסייע ליועץ להתקדם עם הלקוח. לצד אלה אפשר לשלב יכולות לטיפול במסמכים ובדיקות ציות. הארגון לא בהכרח צריך לבנות סוכן נפרד לכל מחלקה. אפשר לחשוב על סוכן מרכזי שמקבל משימה ומשתמש ב-Skills שונים לפי ההרשאות ולפי שלב העבודה. תיק משכנתא שמגיע מהיועץ יכול לעבור מקליטת מסמכים לבדיקת חיתום ובדיקת ציות, ואז לחזור ליועץ עם הפעולה הנדרשת. היועץ לא נעלם – העבודה שלו משתנה בחברת אשראי חוץ-בנקאי שעובדת עם יועצי משכנתאות, ההתפתחות הזו מעניינת במיוחד. היועץ הוא ערוץ ההפצה, אבל חלק משמעותי מהעבודה שלו מול הגוף המממן הוא תפעולי. סוכן AI יכול לקבל את הבקשה, לקרוא את המסמכים ולזהות חוסרים, בעוד שהיועץ מקדיש יותר זמן לעבודה המקצועית מול הלקוח. כך עשוי להיווצר מודל עבודה חדש: הלקוח עובד מול היועץ, היועץ עובד מול סוכן ה-AI, והסוכן מחובר למערכות החברה. מבחינה עסקית, השינוי עשוי לאפשר לחברה לשרת יותר יועצים ויותר תיקים בלי להגדיל באותו קצב את המערך התפעולי. היועץ יכול לקבל תשובות מהר יותר, וחלק מהבקשות עשויות להתקדם גם מחוץ לשעות הפעילות. עבור היועץ, השינוי מורגש דווקא בפעולות הקטנות שמצטברות לאורך היום. במקום לבדוק אם מסמך התקבל, לשלוח תזכורת או להמתין לעדכון, הוא יכול לקבל תמונת מצב ברורה ולהתמקד במקומות שבהם נדרשת החלטה מקצועית. איפה ואיך שמים גבולות לסוכן סוכן שפועל בתוך מערכת אשראי זקוק לגבולות ברורים. בתחום האשראי אי-אפשר להעניק לסוכן AI חופש פעולה בלתי מוגבל. החלטה על אשראי היא פעולה בעלת משמעות ללקוח ולחברה, ולכן השאלה המרכזית היא מה מותר לסוכן לעשות ובאיזה שלב נדרשת התערבות אנושית. כדי שסוכן כזה יעבוד באמת, מערכות המידע צריכות לאפשר לו גישה מבוקרת דרך ממשקים מתאימים. לצד הגבולות, נדרשים גם תיעוד ובקרה: החברה צריכה לדעת אילו פעולות ביצע הסוכן ומדוע העביר תיק לבדיקה. כאשר מידע במערכות אינו תואם, צריך להגדיר מראש כיצד הסוכן מתמודד עם הסתירה ומתי הוא עוצר. אלה שאלות של ארכיטקטורה, הרשאות, בקרה ותהליכי עבודה, שמחייבות להגדיר מראש את תחומי האחריות של הסוכן ואת הגבול שבין פעולה אוטומטית לבין החלטה אנושית. לכן, האתגר של חברות האשראי אינו רק להטמיע כלי AI, אלא להכין את כלל המערכות לעבודה עם סוכנים. מערכות האשראי, ה-CRM, המסמכים, התמחור והחיתום יצטרכו להיות נגישים לסוכן בצורה מבוקרת, וכל פעולה משמעותית תצטרך להיות ניתנת למעקב ולביקורת. השלב הבא של ה-AI במשכנתאות יהיה מערכת שמבינה מה צריך לקרות בתיק ומסוגלת לבצע חלק מהעבודה בעצמה. וכמו בתהליכים עסקיים רבים אחרים, גם מבחינת חברת אשראי שעובדת עם יועצים, השאלה היא איזה חלק מהתהליך להעביר לסוכן – ובאיזה שלב להשאיר את ההחלטה בידי אדם.

קידום לאלי רוזנס: דל טכנולוגיות הודיעה היום (ב') כי הוא מונה לתפקיד גלובלי חדש בחברה, כמוביל האקו-סיסטם הטכנולוגי (Tech Ecosystem Lead) ביחידת סמנכ"ל הטכנולוגיות שלה. זאת, לאחר ששימש כמנהל טכנולוגי בכיר בגוף הפיתוח של דל בישראל. בתפקידו החדש יוביל רוזנס את פעילות האקו-סיסטם הטכנולוגי של דל ברחבי העולם, ויחבר בין החברה לסטארט-אפים, לקוחות וקהילות שעוסקות בטכנולוגיות מתפתחות. הוא יתמקד בזיהוי טכנולוגיות פורצות דרך, יצירת שיתופי פעולה עם סטארט-אפים וחברות מובילות, והאצת שילובם בפתרונות ובמוצרים של דל, לטובת הלקוחות ובמטרה להאיץ חדשנות באקו-סיסטם של דל. במסגרת פעילותו הוא צפוי לפעול גם לחיזוק הקשרים בין דל לתעשיית ההיי-טק והחדשנות הישראלית. לרוזנס ניסיון של יותר משני עשורים בחברות סטארט-אפ ובארגונים גלובליים. לאורך השנים הוא הוביל פיתוח של שלל פתרונות תוכנה כשירות (SaaS), ענן, אוטומציה ובינה מלאכותית. במהלך שנותיו ב-דל ניהל רוזנס קבוצות פיתוח והנדסה גלובליות, וכיהן בתפקידי ניהול בכירים בתחומי הענן, האוטומציה והבינה המלאכותית. קודם לכן הוא מילא תפקידי ניהול טכנולוגיים בחברות Surecomp ו-Equatel. כמו כן, רוזנס רשום כממציא בעשרות פטנטים בתחומי התוכנה, ה-DevOps, אבטחת המידע, הבריאות הדיגיטלית, התקשורת וטכנולוגיות המובייל. רוזנס אמר כי "השילוב בין סטארט-אפים, לקוחות וטכנולוגיות מתפתחות יאפשר לנו ליצור פתרונות חדשים, להביא ערך משמעותי ללקוחות דל ברחבי העולם, ולהאיץ את הדרך שבה חדשנות הופכת לטכנולוגיה ולפתרונות אמיתיים".