הייטק

מהנדס/ת AI

מהנדס/ת AI בונה מוצרים מבוססי בינה מלאכותית גנרטיבית — מודלי שפה גדולים (LLMs), מערכות RAG, סוכנים והטמעת מודלים בתוך אפליקציות. זהו אחד התפקידים החמים ביותר בעידן ה-GenAI, ושונה ממהנדס/ת ML קלאסי/ת בדגש על שילוב מודלים קיימים. נסביר מה הוא כולל וכיצד נכנסים אליו.

עודכן:

מה עושה מהנדס/ת AI

  • שילוב מודלי שפה גדולים (LLMs) ומודלי GenAI בתוך מוצרים.
  • בניית מערכות RAG (Retrieval-Augmented Generation) ו-vector search.
  • הנדסת פרומפטים (prompt engineering) ושיפור איכות התשובות.
  • פיתוח סוכנים (agents) וצינורות AI מקצה לקצה.
  • הערכה, ניטור ואופטימיזציה של עלות, חביון (latency) ואיכות.

כישורים נדרשים

Python ועבודה עם ספריות AI (LangChain, LlamaIndex וכד')הבנה ב-LLMs, embeddings ו-vector databasesהנדסת פרומפטים ובניית מערכות RAGאינטגרציה מול APIs של ספקי מודלים (OpenAI, Gemini, Anthropic)יסודות MLOps והבנה הנדסית של מערכות בפרודקשן

טווחי שכר

כ-20,000–48,000 ₪ ברוטו לחודש, תלוי ניסיון, התמחות וחברה

לתשומת לבכם — הערכה בלבד: הטווח הוא הערכה כללית ורחבה בלבד. מהנדסי AI בכירים בתחום ה-GenAI נוטים לקצה הגבוה, בזכות הביקוש החם. השכר בפועל תלוי בוותק ובחברה.

איך נכנסים לתפקיד

  • רקע בפיתוח תוכנה או ב-ML עם העמקה ב-LLMs וב-GenAI.
  • בניית פרויקטים אמיתיים — צ'אטבוט, מערכת RAG או סוכן AI.
  • לימוד הנדסת פרומפטים, embeddings ו-vector search.
  • מעקב אחר התחום המתפתח במהירות והתנסות מעשית בכלים.

מצאו משרות מהנדס/ת AI שמתאימות לכם

העלו קובץ קורות חיים אחד, ו-JobLeap יסרוק אלפי משרות בישראל וידרג עבורכם את משרות מהנדס/ת AI המתאימות ביותר — לפי הכישורים והניסיון שלכם.

שאלות נפוצות

כמה מרוויח/ה מהנדס/ת AI בישראל?

כהערכה רחבה, הטווח נע מכ-20,000 ₪ ועד כ-48,000 ₪ ויותר לבכירים. הביקוש החם בתחום ה-GenAI דוחף את השכר כלפי מעלה. אלו הערכות בלבד ולא נתוני שוק מדויקים.

מה ההבדל בין מהנדס/ת AI למהנדס/ת ML?

מהנדס/ת ML לרוב בונה ומאמן/ת מודלים מאפס, בעוד מהנדס/ת AI מתמקד/ת בשילוב מודלים קיימים (בעיקר LLMs ו-GenAI) בתוך מוצרים — RAG, פרומפטים וסוכנים. הגבול לעיתים מטושטש.

האם צריך רקע מתמטי עמוק כדי להיות מהנדס/ת AI?

פחות מאשר במחקר ML קלאסי. הדגש הוא על הנדסת תוכנה, שילוב מערכות ויכולת לבנות מוצר אמין סביב מודלים קיימים. הבנה בסיסית ב-ML עדיין עוזרת מאוד.