תכירו: Gen AI Engineer- התפקיד שמגדיר מחדש את עולם ההייטק

מכאן, ש- Gen AI Engineer לוקח מודלים קיימים כמו GPT למשל ומשלב את הידע של החברה במערכת באמצעות טכניקות כמו RAG או Prompt Engineering, או אינטגרציה למקורות פנימיים דרך ה- Backend. הוא בונה סביבם אפליקציות שיודעות לענות באופן חכם על שאילתות. המערכת עצמה לא "לומדת לבד" אלא משתפרת לאורך זמן כאשר המהנדס מעדכן מידע, לוגיקה ו-Prompts על בסיס פידבק ונתוני שימוש. כלומר התמחותו היא בנייה ושילוב של טכנולוגיות Generative AI במוצר.

בימים אלה קמות המון חברות חדשות שמתבוססות על AI, ולצידן חברות שהיו קיימות כבר ומתחילות להטמיע את ה-AI במוצרים הקיימים שלהן, מה שמגדיל את הביקוש לעובדים עם התמחות וניסון בתפקיד הזה, לכן עמודי  Gen AI Engineer jobs הופכים ליותר ויותר נפוצים בהייטק הישראלי.

עד היום עולמות הבינה המלאכותית נחשבו להתמחות של תפקידים ספציפיים- חוקרים, Data Scientist, ו- ML Engineers. אבל מודלים ג'נרטיביים הפכו נגישים יותר ליישום דרך שירותי API ותשתית הנדסית קיימת, בלי הצורך להקים תשתית מחקרית ולפתח מודלים מאפס, ואיתם גדל גם הצורך באנשי מקצוע שידעו לקחת מודלים קיימים, להתאים אותם לעולם התוכן של ארגון או חברה ואז לבנות סביבם מוצר אמיתי שעובד ונותן ערך אמיתי.

אז מה הם תחומי האחראיות של Gen AI Engineer, ואיך נראה היום יום שלו?
תחילה, המהנדס צריך להחליט האם יש צורך בשימוש ב-API  של מודלים קיימים כמו GPT או Gemini, והאם יש צורך ב-  Fine Tuning על מודל קיים, או שבכלל נדרש אימון מודל פרטי וחדש מאפס (תרחיש לא נפוץ שדורש משאבים רבים ומתבצע בעיקר בחברות שיש להם תשתית מחקרית רחבה ומשאבים גבוהים במיוחד). לאחר מכן, יש לבנות RAG, כלומר לאנדקס מסמכים, ליצור embedding ולחבר אותם ל- vector store ול-Retriever שמחזיר תוכן רלוונטי למודל בזמן הריצה. בנוסף, כחלק מהתפקיד יש לכתוב קוד Backend לבנייה של pipelines שיקבלו input מהמשתמש ויחזירו לו output מדויק ככל הניתן.
Gen AI Engineer ישתמש בכלי Orchestration כמו LangChain, LangGraph, LlamaIndex, Haystack ויבנה שכבת אינטגרציה שמחברת את יכולות ה-AI למערכות הקיימות באמצעות API או Backend.
גם תכנון של Prompt Engineering הוא חלק מתחום האחראיות של Gen AI Engineer שכן עליו ליצור הנחיות מדויקות למודל על מנת לקבל תוצאות יציבות, עקביות ומתאימות להקשר.  בנוסף, הוא בונה מנגנוני אימות מידע, כללי בטיחות והגבלות תוכן במקרה הצורך.

לצד כל אלו המהנדס צריך גם לבנות את מערכת הניטור שתבדוק כל הזמן מדדי איכות שנקבעו מראש, את היציבות, העלויות ושגיאות בזמן ריצה. ועוד, עליו לבצע A/B Testing בין מודלים או תצורות שונות ולנתח לוגים. לצד האופטימיזציה של התוכן יש לעשות גם אופטימיזציה של עלויות- בין שימוש במודלים מסחריים בענן לבין מודלים בקוד פתוח בתשתית פרטית , ולוודא את חוזק אבטחת המידע וההגנה על הפרטיות.

מה שהופך את עבודתו של Gen AI Engineer למעניינת ומגוונת במיוחד הוא שיתוף הפעולה שלו עם מחלקות אחרות בארגון שנובעת מכך שהטמעת AI קשורה לאספקטים שונים בארגון ובמוצר:

• שיתוף פעולה עם צוות הפיתוח - כדי להטמיע את המודל בקוד, לבנות APIs, לנהל תשתית, deployment, סקיילינג ושרתים
• שיתוף פעולה עם מחלקת המוצר - כדי להבין את הדרישות העסקיות ומה הצרכים של המשתמש וכדי להבין איך בדיוק ה-AI ישתלב במוצר.
• שיתוף פעולה עם מחלקת הדאטה – כדי לקבל דאטה נקייה, מאורגנת ורלוונטית, ביצירה של embedding, בהכנת מסמכים ל-RAG ולהגדרת מדדי איכות..
• שיתוף פעולה עם מחלקת ה- Security\IT - כדי לוודא שלא ידלוף למודל מידע רגיל ושמהערכת עומדת כל התקנים הנדרשים.
• שיתוף פעולה עם מחלקת ה-UX וה- Design – כדי לבחור את ממשק המשתמש המתאים.
• שיתוף פעולה עם מחלקת שירות הלקוחות וה- Customer Success- כדי שיעבירו למהנדס פידבק של המשתמשים אודות השימוש במודל כדי שיכול לשפר את ביצועיו כל הזמן.

Gen AI Engineer vs AI Engineer
אז מה ההבדלים בין Gen AI Engineer vs AI Engineer? אם גם אתם מבולבלים אתם לא לבד, ואנחנו כאן כדי לעשות לכם סדר.  לכל אחד מהתפקידים הללו יש דגש שונה. AI Engineer מתמקד לרוב במודלים קלאסיים של Machine Learning, כלומר בבניית מודלים לחיזוי, סיווג או ניתוח data, עבודה עם אלגוריתמים סטטיסטיים או מודלי Deep Learning  ופריסה של מודלים ל-Production. בעוד שבתפקיד Gen AI Engineer הדגש הוא על מערכות שיודעות לייצר תוכן חדש עבור המשתמשים.

איזה ניסיון נדרש כדי להתקבל לתפקיד Gen AI Engineer בשנת 2025?
הדרישות הנפוצות ביותר לתפקיד זה שתמצאו ברוב המשרות המופיעות בעמודי דרושים AI הן:

1. ניסיון קודם בפיתוח backend, שכן מרבית העבודה בתפקיד היא בבניית שירותי AI סביב המודל והיא כוללת כתיבה ב- python, java, Nodejs, עבודה עם API's, בנייה של פייפליינים ופריסה של השירותים בענן כולל ניטור, Scaling ו-Logging.
2. היכרות וניסיון בעבודה עם מודלים של Gen AI כמו GPT, Claude, Gemini, llama וכו', לרוב דרך API כי העבודה לא בהכרח תתמקד בפיתוח של מודל חדש אלא בשימוש והטמעה של כלים קיימים
3. ניסיון בשליחת פרומפטים והגדרתם ובשימוש בפיצ'רים כמו Function Calling / Tools במודלים שתומכים בכך.
4. נדרש ניסיון עם RAG ועם Embeddings כדי שהתשובות של המודל יהיה מבוססת על דאטה אמיתית של החברה ולא על המצאות. לשם כך צריך לדעת לאנדקס מסמכים, ספריות, PDFs ומאגרי ידע, ליצור Embeddings, לשמור אותם ב-Vector store (Pinecone, Weaviate, FAISS, Chroma), וכן לשלב Retriever שמחזיר מידע רלוונטי בזמן אמת.
5. חשוב להיות בעלי ניסיון עם כלי Orchestration כאשר הכלים הנפוצים ביותר הם LangChain, LangGraph, LlamaIndex ו-Haystack.
6. חברות נותנות יתרון למי שיש לנו ניסיון קודם ב-prompt engineering - כלומר ניסוח הנחיות ברורות למודל, קביעת מבנה תשובה, תפקידים וכללים, הפחתה של טעויות בתשובות המתקבלות מהמודל ושיפור הרלוונטיות והעקביות של התוצאות, וכן יצHרה של פרומפטים שיכולים לרוץ במערכת באופן יציב ולא חד פעמי.
7. ניסיון בעבודה עם cloud ותשתיות גם הוא חשוב שכן הוא מאפשר למוצרי AI לרוץ בסקייל ולא רק במחשב מקומי, להתמודד עם עומסים, לנהל משאבים ולשמור על זמינות גבוהה, והוא כולל פריסה של שירותי AI בענן, עבודה עם Kubernetes, docker או serverless.
8. מבחינת אבטחת מידע ופרטיות חשוב להיות בעלי הבנה לגבי מניעת זליגה של מידע רגיש למודלים חיצוניים, ועמידה בכל התקנים והרגולציות הרלוונטיות כדי להימנע מסיכון עסקי ומשפטי. בנוסף, נדרש ידע בפתרונות כמו בקרת גישה, הצפנה או Data Masking.
9. חשוב שתהיה גם הכרות בסיסית עם data engineering - ביצוע עיבוד מקדים לדאטה ולהמרתו לטקסט שהמודל יודע לקלוט ועיבוד של מסמכים וקבצים שונים כי בסופו של דבר איכות התשובה תהיה תלויה תמיד באיכות המידע שהוזרם למודל.
10. ניסיון בבדיקות איכות ורלוונטיות של תשובות, איתור של טעויות וחוסר עקביות, וביצוע A\B טסטינג בין מודלים ופרומפטים.

הביקוש בשוק לתפקיד Gen AI Engineer
אנחנו רואים עלייה משמעותית בהיצע המשרות לתפקידי AI בכלל ולתפקיד Gen AI Engineer בפרט, כאשר רק במחצית האשונה של 2025 נפתחו פי 2 משרות בעולמות ה-AI בהשוואה לשנת 2024. חיפוש מהיר של הביטוי Gen AI Engineer salary בגוגל יגלה שהדבר מתבטא גם בשכר, כאשר בשנת 2025 השכר הממוצע בתחום עומד על 46,755 ₪.
החברות שבעיקר מגייסות לתפקידים הללו הן חברות טכנולוגיה גדולות שמובילות פיתוח של מודלים ג'נרטיביים או שירותי AI ליבה (כלומר חברות בהן AI הוא המוצר המרכזי). בנוסף, הביקוש לתפקידים הללו גבוה במיוחד בקרב חברות שמפתחות יישומי AI או שירותים חכמים בתחומים שונים, וכן בסטרטאפים שמתבססים על GEN AI או מציעים פתרונות שקשורים ל-LLMs ומחפשים מהנדסים שיטמיעו מודלים קיימים ויהפכו אותם למוצר אמיתי מהר. בנוסף אליהם יש את החברות הקיימות שיש להן מוצר שאינו מבוסס AI ומתחילות להטמיע בו יכולות GEN AI.

נקודות חשובות לסיכום ואיך Gotfriends יכולה לעזור
הביקוש למהנדסי AI Engineer בעלי ניסיון בהטמעה של מודלים גנרטיביים נמצא במגמת עלייה ברורה ולא עומד בהיצע המועמדים המתאימים בשוק. ועדיין טאלנטים רבים בתחום מתקשים לאתר את המשרות הפתוחות או להחליט מה המשרה המתאימה עבורם. כדי לא לפספס אף הזדמנות אנחנו מזמינים אתכם להיעזר בצוותי הגיוס המנוסים שלנו במחלקת GOT AI, מחלקה ייעודית של גוטפרנדס (חברת השמה להייטק הגדולה בישראל) שמתמחה בהשמה למקצועות ה-AI לתפקידים כמו AI Engineer, LLM Engineer בדיוק רב. המחלקה מתמקדת בין ביתר בגיוס למשרות שדורשות ניסיון פרקטי בעבודה עם מודלים גנרטיביים, שימוש ב-API של מודלים מובילים, בניית RAG Pipelines, Orchestration, Prompt Engineering, עבודה ב-cloud, אופטימיזציה עלויות וניטור מערכות.

צוות הגיוס שלנו כאן כדי לחבר אתכם למשרות שנמצאות מתחת לרדאר בחברות גדולות ובסטרטאפים בתחילת דרכם, לבצע עבורכם סינון מקצועי ומעמיק כדי שתמשיכו רק עם חברות רלוונטיות, לייעץ לכם בשלב המו"מ בזכות המידע העדכני והפנימי שיש לנו על החברות ומצב השוק, וללוות אתכם עד החתימה על החוזה.

אם אתם מהנדסים ומהנדסות שמחפשים את התפקיד הבא בעולם ה-AI, או חברות הייטק שמחפשות מועמדים לתפקידי AI Engineer, אנחנו כאן בשבילכם, שלחו לנו הודעה ובוא נתחיל.

משרות חמות בתחום:

• GenAI Research Engineer בסטארט-אפ בתחום Identity Management
• AI Engineer בחברת Software Supply Chain Security
• LLM Engineer בחברת סטארט-אפ בתחום ה-AI וה-Digital Health
• AI Engineer בחברת סטארט-אפ אשר מפתחת מוצר Cyber בתחום ה- Identity בתחום ה- LLM ו- Security