80/20 הוגן
מה AI עושה היטב
- אב-טיפוס, הדגמה, happy path
- Boilerplate - CRUD, טפסים, controllers
- תרגום מפרט ברור לקוד
- Test scaffolding, glue-code
- קוד תחת בקרה אנושית ישירה
זו עוצמה אמיתית של הכלי. אין על מה להתווכח.
איפה הוא נשבר
- מצבי כשל - מה כשהרשת נופלת על byte 12000?
- מקביליות - תחת 800 כתיבות בו-זמנית
- שלמות נתונים בקנה מידה
- התנהגות תחת עומס - locks, query plans, עלות
- אבטחה מעבר ל-OWASP top-10
- החלטות שרואים על 100,000 משתמשים, לא על 100
AI מגיב ל-prompt - לא למציאות הייצור.
מה אתם באמת קונים
AI מייצר קוד שנראה ארכיטקטונית-נכון - ונהיה קטלני אחרי חצי שנה. לתפוס את זה דורש הערכת פלט מול מודל הייצור שאין ל-AI: משתמשים סימולטניים, גידול נתונים, כשלים חלקיים, עקומות עלות.
לזה נדרש ארכיטקט בכיר. לא להקליד מהר - לשפוט. AI מגביר מומחיות. מומחה + AI מגיע למערכת תחזוקה מהר יותר מתמיד. חובב + AI מגיע להדגמה שמתפרקת על נתונים אמיתיים.
מי אחראי כשזה נופל בייצור
כשהמערכת נופלת ב-02:14, חייב להיות מישהו ששמו וחתימתו על הארכיטקטורה. AI לא יכול לחתום. ספק המודל לא יכול. שכרו את מי שמקבל את ההחלטות האלה בייצור עשרים שנה.
בסיס הוכחה
כ-20 שנה
ארכיטקטורת מערכות ארגוניות בתחומים רגולטוריים: בריאות, פיננסים, חינוך.
מערכת בקנה מידה גדול
שנים רבות בייצור רציף, ללא השבתות מהותיות.
רקע אקדמי
תארים מתקדמים במתמטיקה שימושית ומדעי המחשב.
פעילות בין-לאומית
מערכות ייצור בשווקים במספר מדינות.
שאלות נפוצות
האם AI לא זול יותר?
עד להדגמה - כן. לייצור בקנה מידה - לא. המחיר משולם באירועים, כתיבות מחדש והשבתות חודשים אחר כך.
למה בכיר כשזוטר + AI מספיקים?
זוטר + AI משיקים הדגמה ששורדת happy path. אין מודל למצבי כשל, מקביליות, שלמות נתונים.
מה קורה כשהמערכת גדלה?
קוד AI סביר על 100 משתמשים נופל בשקט על 100,000. לתפוס את זה לפני השקה זה שיפוט.
מי אחראי בייצור?
ספק עם חתימה, ניסיון מוכח ועשרים שנה בייצור. AI לא חותם.
הורדה חינם
צ'קליסט ביקורת לפני עלייה לייצור
22 דפוסי כשל ש-AI מייצר ומכניס לקוד ייצור, ב-7 קטגוריות - עם סימני זיהוי ופעולות התיקון של הארכיטקט.
שלחו לי את הצ'קליסט
לפני השקה, בדקו את הדיזיין
ביקורת ארכיטקטורה ממוקדת - לא מצגת מכר. 30 דקות, ללא שקפים.
לקבוע ביקורת