מהנדס AI (AI Engineer)

מאיפה בא השם: המאמר של swyx, יוני 2023

המונח "AI Engineer" הפך מוכר בעקבות המאמר "The Rise of the AI Engineer", שפרסם שון וואנג (הידוע בכינוי swyx) באתר Latent Space ב-30 ביוני 2023 — מאמר שמדגיש בעצמו שהוא מצביע על מגמה קיימת ולא ממציא אותה. טעינה המרכזית של המאמר: מהנדסי תוכנה שבונים מוצרים על גבי מודלי יסוד — דרך API או מודלים בקוד פתוח — יתמקצעו לתפקיד נפרד, בדיוק כפי שקרה בעבר עם SRE, DevOps והנדסת נתונים. swyx חוזה שהתפקיד הזה יהיה "עבודת ההנדסה המבוקשת ביותר של העשור", ומדגיש נקודה מרכזית: כדי להוציא מוצרי AI לשוק נדרשים מהנדסים, לא חוקרים. הוא אף מצטט את אנדריי קרפתי, שלפיו אפשר להצליח בתפקיד הזה בלי לאמן מודל אף פעם.

מהנדס AI מול מהנדס למידת מכונה

לפי ויקיפדיה, צ'יפ הוין מציעה בספרה "AI Engineering: Building Applications with Foundation Models" הבחנה ברורה: "הנדסת AI היא תהליך הבנייה של אפליקציות שמשתמשות במודלי יסוד", שמסופקים לרוב כשירות על ידי מעבדות מחקר מעטות; הנדסת למידת מכונה, לעומת זאת, כוללת בנייה ופריסה של מודלים שפותחו בתוך הארגון עצמו (ויקיפדיה מעירה שבפועל שני המונחים משמשים לא פעם יחד או לסירוגין). swyx מחדד את אותה חלוקה בשפה אחרת: מהנדסי למידת מכונה אחראים לנתונים בהיקף של אימון מקדים (pretraining) ולמבחני הערכה כלליים של המודל, ואילו מהנדסי AI אחראים לנתונים של המוצר עצמו ולהערכה שלו. הגבול בין שני התפקידים פרוץ: מהנדס AI יכול גם לבצע כוונון עדין (fine-tune) למודל או לארח אותו, ומהנדס מחקר יכול גם לבנות על API חיצוני.

מהנדס AI מול מדען נתונים ומול מהנדס פרומפטים

מדען נתונים מתמקד בניתוח המידע עצמו — סטטיסטיקה, אלגוריתמים ולמידת מכונה — כדי להפיק ממנו תובנות; מהנדס AI, לעומתו, לרוב לא מאמן מודל כלל, אלא משלב יכולות AI קיימות, בדרך כלל דרך API, בתוך מוצר פועל. מהנדס פרומפטים, תפקיד שזכה לתהודה ב-2023, מתמקד בניסוח ההוראות שמכוונות את תשובת המודל: התפוקה שלו היא בעיקר טקסט (הוראות, דוגמאות, הודעות מערכת), ואילו התפוקה של מהנדס AI היא מערכת פועלת. לפי דיווח ב-Fortune ממאי 2025, התואר הנפרד "מהנדס פרומפטים" לא המריא כפי שציפו: כלכלנית מאתר הדרושים Indeed אמרה שניסוח פרומפטים הוא מיומנות טובה, "אבל לא תואר שלם", והיכולת הזו הפכה למשהו שכל עובד צריך לשלוט בו.

למה התפקיד גדל כה מהר

swyx מצביע על פער בכוח אדם כמניע מרכזי לצמיחה: הוא מעריך שיש כ-5,000 חוקרי מודלי שפה בעולם, לעומת כ-50 מיליון מהנדסי תוכנה — ולכן שכבת ביניים של מהנדסי AI היא שיכולה לגשר על הפער ולהביא יכולות AI לכלל המוצרים. בנוסף, הוא מתאר שינוי בקצב העבודה עצמה: אפשר לבדוק רעיון למוצר בעזרת פרומפט למודל קיים, הרבה לפני שאוספים נתוני אימון — תהליך שהוא מכנה "אש, היכון, מטרה" (היפוך של הרצף המוכר), ומעריך שהוא מהיר פי 10 עד 100 מפיתוח למידת מכונה מסורתי. לפי נתוני Indeed שהמאמר מצטט מ-2023, היו אז פי 10 בערך יותר משרות "ML Engineer" ממשרות "AI Engineer" — אך מכיוון שהביקוש ל-AI צמח מהר יותר, swyx חזה שהיחס הזה יתהפך בתוך חמש שנים.

המספרים מהשטח: דוח LinkedIn, ינואר 2025

דיווח מ-9 בינואר 2025, המתבסס על דוח של לינקדאין, מצא כי "מהנדס בינה מלאכותית" (AI Engineer) הוא התפקיד בעל הצמיחה המהירה ביותר בארצות הברית מתוך רשימת 25 התפקידים הצומחים ביותר שהחברה בדקה, על בסיס משרות שנפתחו בין ינואר 2022 ליולי 2024; תפקיד "יועץ AI" תפס את המקום השני. לפי אותו דיווח, התפקיד דורש בדרך כלל 3 עד 4 שנות ניסיון, ו-35% מהמשרות מוצעות כעבודה מרחוק ו-27% נוספות כעבודה היברידית.

מה זה משנה להחלטה עסקית

ההבדל בין מהנדס AI למהנדס למידת מכונה משפיע ישירות על הזמן והכסף שעולה לחברה להוציא מוצר AI לשוק: חברה שרק רוצה לבנות מעל מודל קיים לא צריכה לגייס צוות מחקר שמאמן מודלים משלו — היא יכולה לגייס מהנדסי AI שמחברים API קיים למוצר. זה בדיוק השיקול שבבסיס ההחלטה "לבנות או לקנות", שחברות AI מתמודדות איתה היום. ההבדל הזה גם מסביר למה הביקוש למהנדסי AI גדל במהירות רבה כל כך: רוב החברות שרוצות AI במוצר שלהן לא צריכות לאמן מודל — הן צריכות מי שיידע לחבר אליו את המוצר.