![]() |
, , . Language: he Genres: Technology Contact email: Get it Feed URL: Get it iTunes ID: Get it |
Listen Now...
522 - Company brain with Shmulik from Lusha
Episode 522
Tuesday, 10 November, 2026
בפרק 522 של רברס עם פלטפורמה, רן ואורי מארחים את שמוליק וילינגר, ה-Chief Architect של חברת Lusha, לשיחה מרתקת על בניית "מוח ארגוני" (Company Brain). נדבר על למה בכלל צריך את זה בעידן ה-AI, מה גרם להם לבחור לבנות את המערכת בעצמם (Build vs. Buy), ואיך גורמים לסוכנים אוטומטיים להכיר את כל ההקשרים והסודות של החברה בלי לשבור מנגנוני הרשאות. [01:51] קצת על לושה והרקע של שמוליק שמוליק התחיל את הקריירה לפני כ-20 שנה, עבר בסטארט-אפים וחברות גדולות, והיום מוביל את הארכיטקטורה ושילוב ה-AI בלושה. Lusha היא חברת Business Intelligence שבונה פרופילים מדויקים של חברות ואנשי מקצוע (טלפונים, סיגנלים, אינטגרציות למיילים ול-CRM). בין הלקוחות של החברה אפשר למצוא ענקיות כמו Spotify, Google, ו-Palo Alto Networks. החברה משלבת המון כלי AI וסוכנים (Agents) גם כחלק מהמוצר ללקוחות הקצה (למשל עבור SDRs שמחפשים לידים) וגם בתהליכי הפיתוח הפנימיים. [04:12] איך נולד הצורך במוח ארגוני? (הטריגר) הצורך התחדד כשראו את ההשפעה של כלי ה-AI על פיתוח. המפתחים הואצו (10x), אבל צוואר הבקבוק עבר לאנשים עצמם. במקום שהקוד יהיה החסם, החסם הפך להיות ההקשר (Context): הבנת הדרישות, האילוצים העסקיים והשלכות של שינויים רוחביים. סוכנים יכולים לכתוב מסמכי PRD או קוד במהירות, אבל בלי קונטקסט של "למה הוחלט ככה?" או "מי הלקוחות שמושפעים מזה?" הם עוצרים או גרוע מכך - ממציאים (הזיות). ידע ארגוני נמצא אצל מהנדסים ואנשי מוצר ותיקים. במקום ש-Agent "ידפוק לאנשים על הכתף" לשאול שאלות, צריך להנגיש לו את התורה שבעל-פה. [09:10] Buy vs. Build: למה לבנות לבד? החברה בחנה את השוק ושוחחה עם כ-18 ספקים שונים שהציעו פתרונות למוח ארגוני. חלק מהפתרונות היו מורכבים מדי או יצרו סכנה אמיתית של Vendor Lock-in. ההחלטה ללכת על פיתוח עצמי (Build) נבעה גם מההבנה שהשוק עוד בהתהוות. ההנחה היא שחברות כמו OpenAI ו-Anthropic יוציאו בקרוב פתרונות מובנים משלהן למוח ארגוני, ולכן עדיף לבנות תשתית גמישה פנימית עכשיו שיהיה אפשר לנתב החוצה בעתיד בקלות. הגישה: להתחיל בקטן וללמוד תוך כדי תנועה מה עובד ומה לא. [11:14] מי משתמש במוח ואיך מכניסים אליו דאטה (Data Ingestion) קהל היעד הוא כל הארגון, אבל התחילו ממיפוי של מחזור חיי הפיתוח (SDLC) כדי להבין מי הפרסונות. המקורות: GitHub (מעל 960 Repositories), טיקטים ב-Jira, מסמכים ב-Confluence, ערוצי Slack, ואפילו תמלולים וסיכומים אוטומטיים של פגישות וידאו מתוך החברה. המימוש הראשוני: תיקייה עם אלפי קבצי Markdown (MD) מסודרים בהיררכיה עם קובץ קטלוג שמשמש כתוכן עניינים למודל. [13:43] מוחות נפרדים, אבטחה והרשאות (Access Management) הגישה למסמכים מתבצעת על ידי הרצת Skill מקומי או דרך שרת MCP (Model Context Protocol) ייעודי. תובנה מרכזית: לא מספיק "מוח אחד" לכולם. לארגון ה-Delivery יש צרכים שונים מאשר לארגון ה-Sales. מוח ה-Sales יתחבר למערכות כמו Salesforce או HubSpot ויהיה המומחה לתמחור ומתחרים. מוח ה-Delivery יתחבר לקוד ולארכיטקטורה. הפרדת רשויות: בעלות על ידע מופרדת מהרשאות. מפתח לא צריך לראות נתוני תשלום של לקוחות, ואיש מכירות לא צריך גישה לקוד. אם מוח אחד צריך מידע מדומיין אחר, המוחות מתקשרים ביניהם (אנקפסולציה) מבלי לחשוף את מערכות המקור למשתמש הקצה. [19:31] מה לא עבד? המעבר משכבת Markdown לאונטולוגיה אוסף של קבצי MD התגלה כפתרון חסר. המודל התקשה לעשות חיבורים היסטוריים וסמנטיים. דוגמה: פיצ'ר שהיה קרוי בעבר "List", שונה ל-"Uno" והיום נקרא… להמשך הערות הפרק באתר










