ד"ר נעמי אונקלוס-שפיגל

מרכזת פרויקטי גמר המחלקה להנדסת תוכנה, המכללה האקדמית להנדסה בראודה בכרמיאל 

נעמי אונקלוס-שפיגל היא מרצה במחלקה להנדסת תוכנה במכללה האקדמית להנדסה בראודה מאז 2015. היא בעלת PhD במערכות מידע מאוניברסיטת חיפה (2023), שם חקרה משחוק בהנדסת דרישות, תואר שני בהצטיינות יתרה ותואר ראשון בהצטיינות מהטכניון.  

נעמי פרסמה מעל 30 מאמרים בכנסים בינלאומיים מובילים ובכתבי עת מובילים. היא משמשת כבוחנת בכתבי עת מרכזיים וחברת ועדת תוכנית בכנסים בינלאומיים.  

כמנחת פרויקטים, נעמי הובילה עשרות יוזמות מחקריות ויישומיות. בין הפרויקטים המרכזיים: יישומי מציאות רבודה לאתרי מורשת תרבותית ותיירות, מערכות IIoT לתעשייה 4.0, פתרונות חקלאות חכמה, ותכשיטים טיפוליים חכמים. בהוראה, נעמי לימדה מגוון רחב של קורסים, פיתחה קורסים חדשניים, וזכתה בפרס מצטיינות בהוראה ארבע שנים ברציפות (2020-2024). 

בשנים האחרונות היא מובילה מחקרים בתחום המציאות הרבודה בשילוב בינה מלאכותית יוצרת למטרות חינוכיות ותעשייתיות, ובתחום האינטרנט של הדברים התעשייתי, תוך שיתוף פעולה בינלאומי עם אוניברסיטאות באירופה. 

תקציר הסדנה

רוב הארגונים יושבים על מאגרי ידע עצומים שמודלי השפה המובילים בעולם פשוט אינם מכירים. מסמכים פנימיים, היסטוריית לקוחות, נהלים, החלטות, מחקרים. כל זה נשאר נעול בתיקיות בזמן שהצוות ממשיך לחפש, לשאול ולאבד זמן על מידע שכבר קיים.
– RAG (Retrieval-Augmented Generation) היא הגישה שפותרת את הפער הזה. במקום לסמוך על מה שהמודל למד באימון, מחברים אותו למידע שלכם בזמן אמת, ומאפשרים לו לשלוף, לנתח ולנסח תשובות על בסיס הדטא הארגוני שלכם .
סוכן RAG לוקח את זה צעד קדימה: הסוכן אינו מחכה לשאלה אלא פועל באוטונומיה, מתכנן שלבים, מצליב מקורות ומקבל החלטות לגבי הצעד הבא, בדיוק כפי שעובד בכיר היה מנהל תהליך מורכב.
הסדנה מתמקדת בהבנה מושגית ואסטרטגית של שתי הגישות. ננתח מתי כל אחת מתאימה, אילו שאלות עסקיות ומוצריות חייבים לשאול לפני כל פיתוח, וכיצד אנשים שאינם מתכנתים יכולים להוביל ולעצב מערכות מסוג זה מתחילתן.

תוצרי הסדנה
מפת הארכיטקטורה. הבנה ברורה של מה קורה מרגע שמשתמש שואל שאלה ועד שהמערכת מנסחת תשובה, כולל הרכיבים המרכזיים, נקודות הכשל הנפוצות, וההחלטות שמי שמחזיק את הדומיין העסקי חייב לקבל.
מטריצת התאמה לצורך. כלי חשיבה להבחנה בין מצבים שבהם RAG רגיל מספיק לבין מצבים שמצדיקים ארכיטקטורה סוכנית, עם דגש על עלות המורכבות מול הערך העסקי.
זרימת עבודה ותבנית לסוכן AI. מסגרת מעשית לתכנון סוכן מאפס, החל מהגדרת המטרה והמקורות שהסוכן יגש אליהם, דרך מיפוי שלבי ההחלטה שהוא אמור לנהל באוטונומיה, ועד לנקודות שבהן נדרש אישור אנושי. התבנית מאפשרת לאנשי עסקים ומוצר לתאר סוכן בצורה מספיק מדויקת כדי שצוות פיתוח יוכל לממש אותו, מבלי שהם עצמם יכתבו שורת קוד אחת.
שאלות הבקרה הנכונות. מתודולוגיה לבחינה ביקורתית של מוצרי RAG מנקודת מבט של מנהל, אנליסט או אנשי מוצר, כולל כיצד להעריך איכות, אמינות ומגבלות לפני שמפרסמים מערכת לשימוש.

קהל יעד ורמת ידע נדרשת
קהל היעד הוא אנשי מוצר, מנהלים, אנליסטים ואנשי עסקים בתעשיית ההייטק המעורבים בהחלטות על מוצרים ותהליכים מבוססי בינה מלאכותית.
רמת הידע המוקדם דורשת היכרות עם מודלי שפה ברמת שימוש יומיומי בלבד, ללא כל צורך בידע תכנותי.
הנחת העבודה היא שהמשתתפים נחשפים לטכנולוגיה ומבינים את הפוטנציאל שלה, אך חסרה להם השפה המושגית להשתתף בצורה מלאה בשיחות תכנון, לשאול את השאלות הנכונות ולהוביל החלטות ארכיטקטוניות מנקודת מבט עסקית.

מנחי השולחן העגול:

אורן הרפז

מנכ"ל קוליברי ספינדלים בע"מ

תואר ראשון במנהל עסקים עם התמחות ביזמות BABSON COLLEGE , BOSTON , USA
יזם טכנולוגי בתחום החינוך והכשרה מעשית בגליל, דירקטור במונא, דירקטור בפראונאופר ישראל – תיאום במחקר מעשי בגרמניה עבור פרויקטי מחקר ישראלים.

ד"ר אלעד דננברג

ראש התמחות תעשיה 4.0 בהנדסת מכונות, המכללה להנדסה בראודה בכרמיאל

אלעד הוא מהנדס מכונות שקיבל את התואר השלישי שלו מהטכניון לאחר השלמת פוסט-דוקטורט במכללת קינגס קולג' בלונדון, הוא משמש כיום כמרצה במכללה האקדמית להנדסה בראודה, שם הוא מוביל את תחום התעשייה 4.0 במחלקה להנדסת מכונות. מחקרו מתמקד באופטימיזציה ויישומיה בחלל ובתעשייה.

העוגן המעשי – מחקר מעודכן המשמר תעשיה תחרותית

משתתפי השולחן העגול יחלקו מספר אסטרטגיות לביסוס תעשיה תחרותית המבוססת על ידע מעשי מקומי .
יוצגו דוגמאות לעוגן מרכזי המאפשר תעסוקת הדורות הבאים בגליל, שילוב מחקר מעשי עם האקדמיה מקומית גם בעזרת כלי AI .

מטרות השולחן – המלצות להמשך חיזוק שיתוף הפעולה.
1. הגדרת מטרות הנמדדות בתעשייה ובאקדמיה בצורה רבעונית .
2. יעדי עבודה עם משרדי ממשלה בצורה שנתית .
3. מטרות ליישום בתעשייה מחקר המשלב הרכבת מוצרים מבוססי ידע אקדמי מעשי, בעלי תחרותיות ש AI לא יכול להחליף.