”עשינו פיילוט AI. הוא אף פעם לא עלה לאוויר.”
מתחילים מתהליך אחד ומספר אחד לשפר. בונים על הנתונים האמיתיים, רואים דמו חי כל שבוע, ולא עוצרים עד שזה רץ אצל משתמשים אמיתיים.
מקרה בוחן:צ׳אט שירותי רווחה
עפיף מנסור · מהנדס AIAfif Mansour · AI Engineer
AI שעולה לאוויר.AI that runs in production.וכל המערכת שסביבו.And the whole system around it.
הצוות שלכם יכולSo your team can לקלוט חשבוניות בלי להקליד, לשאול את הנתונים ולקבל מספרים, לענות לכל פונה בשפה שלו, לבדוק כל כלל תוך דקות, להעלות גרסה חדשה כל שבועstop typing invoices by hand, ask the data and get real numbers, answer everyone in their own language, check every rule in minutes, ship a new version every week
אני בונה סוכני AI ואת כל המערכת שהם רצים עליה. המודל קורא, והקוד שלי מחשב ואוכף את הכללים, כך שאפשר לסמוך על התשובה.I build AI agents and the whole system they run on. The model reads; my code does the math and enforces the rules, so the answers hold up.
- 20פרויקטים בהובלה
- 8מהם באוויר
- 10+שנים של מערכות שרצות
- 93.9%דיוק בזיהוי פגמים, באוויר בקו ייצור
- 20projects led
- 8in production
- 10+years shipping software
- 93.9%defect-detection accuracy, live on a production line
פרויקטים עבורSystems built for רגולטור פיננסי חברת דיור לאומית ספק טלוויזיה וסטרימינג חברות תוכנה בארה״ב תעשייה, ביטחון ובריאותa financial regulator a national housing company a TV and streaming provider US software vendors manufacturing, security and healthcare
ריצת סוכןAgent runinvoice-0427.pdfדוגמהSampleקורא…Reading…בודק…Checking…מאומתVerified
#0427
4,000.00
720.00
4,720.00
ה־AI קוראThe model reads
- מס׳ חשבוניתInvoice no.
- 0427
- לפני מע״מNet
- 4,000.00
- מע״מVAT
- 720.00
- סה״כTotal
- 4,720.00
הקוד סופרThe code counts
4,000.00 + 720.00 = 4,720.00
מע״מ הוא 18% מהסכום לפני מע״מVAT is 18% of net
נבדק · מוכן לאישורChecked · ready for approval
−93%בכמות הטקסט שהמודל מקבל בכל קריאת דירוג, מכ־245 אלף לכ־17 אלף תווים
8קריאות תרגום למודל כשמעדכנים שאלה נפוצה אחת מתוך 50, במקום 400
93.9%דיוק בזיהוי פגמים, על תמונות שהמודל לא ראה
0דקות של תרגום ידני לכל פנייה, במקום כ־5
כ־10 שניותמשאלה ועד השירות הנכון, ב־5 שפות
0חישובים שהמודל ביצע ב־MVP לרגולטור. את כולם ביצע הקוד
14/21חשיפות שתאמו את המדידה של הרגולטור עצמו בטווח של 0.05 נק׳ האחוז, כבר בסבב הראשון של ה־MVP
0%בדיקות שנשארו ”לא ניתן לקבוע” בלי הסבר, במקום 38% בגרסה הראשונה שנשענה רק על המודל
−93%model context per ranking call, from ≈245K to ≈17K characters
8translation calls when 1 of 50 FAQs changes, instead of 400
93.9%defect-detection accuracy on images the model never saw
0minutes of manual translation per ticket, from about 5
about 10 secondsfrom question to the right service, in 5 languages
0sums done by the model in the regulator MVP. Code does every one
14/21exposures matched the regulator's own figures within 0.05 pp, first round of the MVP
0%checks left as an unexplained “cannot determine”, down from 38% in the all-LLM first version
חינםשיחת אבחון של 30 דקות, ללא התחייבות
כ־3 ימיםעד תוכנית כתובה והצעת מחיר סגורה
כל שבועדמו חי של מה שנבנה
100%מהקוד והנתונים שייכים לכם
Free30-minute scoping call, no commitmentabout 3 daysto a written plan and fixed quote
Weeklylive demo of working software
100%of the code and data is yours
נשמע מוכר?Sound familiar?
הדמו היה מרשים.The demo looked great.
הדמו היה מרשים.The demo looked great.
ביום ראשון שום דבר לא השתנה.Then nothing changed on Monday.
”ה־AI עונה בביטחון מלא, ולפעמים פשוט טועה.”
המודל קורא ומנסח, והקוד מחשב ובודק כל כלל. כשבנתונים אין מספיק כדי לענות, המערכת אומרת את זה במקום לנחש.
מקרה בוחן:בדיקות ציות לקרנות”הצ׳אטבוט שלנו לא יודע כלום על הלקוחות שלנו.”
הסוכן עובד מתוך ה־CRM, הרשומות וה־Teams שלכם, רואה רק את מה שמותר לו, ומפריד בין הנתונים של כל ארגון.
מקרה בוחן:סוכן תדריך מתנדבים”כל חשבונית מוקלדת ידנית ונבדקת בעין.”
המערכת קוראת כל חשבונית, מריצה 14 בדיקות ומעבירה לאדם רק את מה שבאמת דורש החלטה.
מקרה בוחן:קליטת חשבוניות”כל שאלה על הנתונים מחכה למתכנת.”
שואלים במילים פשוטות ומקבלים מספרים שאפשר לסמוך עליהם, ישר מהנתונים שלכם, יחד עם הערה על מה שהנתונים לא מכסים.
מקרה בוחן:סוכן נתוני צפייה”כל גרסה עולה ידנית, לאט ועם הרבה חשש.”
Pipeline עם בדיקות בכל מיזוג, תשתית כקוד וסביבות זהות. העלאת גרסה הופכת לאישור אחד אחרי המיזוג.
מקרה בוחן:חריגות בדיור הציבורי“We ran an AI pilot. It never went live.”
Start with one process and one number to beat. Build on your own data, demo it live every week, and keep going until real users rely on it.
Case study:Social-services chat“The AI sounds certain. Sometimes it's just wrong.”
The model reads and writes. Code does every sum and checks every rule, and when the data can't support an answer, the system says so instead of guessing.
Case study:Fund compliance“Our chatbot knows nothing about our customers.”
The agent works from your own CRM, records and Teams, sees only what it is allowed to see, and keeps every organization's data apart.
Case study:Volunteer-briefing agent“Every invoice is typed in and checked by eye.”
Software reads each one, runs 14 checks and sends a person only the invoices that need a decision.
Case study:Invoice intake“Every data question waits for an engineer.”
Your team asks in plain language and gets real numbers back, straight from your own data, with a note on what the data can't cover.
Case study:Streaming data agent“Every release is manual, slow and a little scary.”
A pipeline with tests on every merge, infrastructure as code and environments that match. A release becomes one approval after the merge.
Case study:Housing anomaliesשירותיםServices
ה־AI, וכל מה שהוא רץ עליו.The AI, and everything it runs on.
בלב העבודה: הנדסת AI. ומסביב לה: התוכנה, הנתונים והענן שבלעדיהם שום AI לא עולה לאוויר. חמישה שירותים ומהנדס אחד, מהשיחה הראשונה ועד ההשקה.AI engineering at the core, and around it the software, data and cloud no AI goes live without. Five services, one engineer from the first call to launch.
ההתמחות שלי
סוכני AI ומערכות LLM
סוכנים שקוראים, מחליטים ופועלים על הנתונים האמיתיים שלכם: RAG על המסמכים שלכם, מערכות מרובות סוכנים, כלים ו־MCP. כל סוכן עולה עם Evals, מנגנוני הגנה ותיעוד של כל ריצה, כך שרואים שהוא עובד, וגם למה.
מה כלול
- תשובות מתוך המידע שלכם, עם מקור לכל תשובה
- Evals על שאלות אמיתיות, שרצים בכל שינוי
- הגנות בקוד: הרשאות, בדיקת מזהים וחישובים מחוץ למודל
≈2–6 שבועותהערכה: עד סוכן ראשון שעובד על הנתונים שלכם
בפועל: סוכן נתוני צפייה · צ׳אט שירותי רווחה · בדיקות ציות לקרנות
להתחיל מזה: סוכני AI ומערכות LLMההתמחות שלי
סוכנים לארגון ב־Teams, ב־Copilot וב־WhatsApp
סוכן שהלקוחות או העובדים מדברים איתו ב־Teams, ב־Copilot, ב־WhatsApp או באתר: שירות לקוחות, ידע פנימי ותפעול שוטף. הוא רואה רק את מה שהרשיתם, פועל דרך המערכות שלכם ומעביר לנציג כשהוא לא בטוח.
מה כלול
- תשובות מתוך המסמכים והמערכות שלכם
- פעולות ב־CRM, ב־ERP או במערכת הפניות, עם הרשאות ברורות
- העברה לנציג, יחד עם כל השיחה
≈3–6 שבועותהערכה: עד סוכן ראשון שהצוות יכול לעבוד איתו, עם הרשאות
בפועל: סוכן תדריך מתנדבים · מוקד תמיכה לעובדים · סוכן עדכוני תורמים
להתחיל מזה: סוכנים לארגון ב־Teams, ב־Copilot וב־WhatsAppשילוב AI במערכות קיימות ו־Full Stack
AI בתוך המוצר או מערכת הניהול שכבר עובדים אצלכם, או מערכת חדשה שנבנית סביבו: אפליקציות ווב, APIs, אינטגרציות ושכבת הנתונים. .NET ו־C#, Angular, React ו־TypeScript, SQL ומיקרו־שירותים.
מה כלול
- AI שמחובר ל־ERP, ל־CRM, למסמכים ולתהליכים שלכם
- Backend, ממשק ואינטגרציות עם בדיקות, ששייכים לכם
- עברית מימין לשמאל וכמה שפות מהיום הראשון
≈4–12 שבועותהערכה: עד גרסה ראשונה באוויר, לפי ההיקף
בפועל: קליטת חשבוניות · סוכן תשובות לתורמים · מוקד אבטחה
להתחיל מזה: שילוב AI במערכות קיימות ו־Full StackDevOps, CI/CD וענן למערכות AI
מה שמחזיק את ה־AI אחרי ההשקה: Pipelines עם בדיקות בכל מיזוג, קונטיינרים ותשתית כקוד ב־Azure או ב־AWS, סודות מחוץ לקוד, ומעקב אחרי עלויות, זמני תגובה ותקלות.
מה כלול
- CI/CD עם בדיקות ו־Evals בכל מיזוג קוד
- Docker, Terraform וסביבות מסודרות
- תיעוד ריצות, התראות והחלפת מודל בהגדרה, בלי לשנות קוד
≈1–4 שבועותהערכה: עד Pipeline אוטומטי למערכת קיימת
בפועל: חריגות בדיור הציבורי · חיישני רחפנים · פלטפורמת חינוך
להתחיל מזה: DevOps, CI/CD וענן למערכות AIאסטרטגיית AI, ארכיטקטורה והובלה טכנית
הובלה טכנית בכירה בלי גיוס למשרה מלאה: איפה AI שווה את ההשקעה ואיפה לא, ארכיטקטורה לפני שבונים, סקירות קוד ו־CTO במשרה חלקית לצוות שלכם.
מה כלול
- סקירת AI וארכיטקטורה בכתב, עם מה כדאי לבנות קודם
- תוכנית למערכת חדשה, או לזו שאף אחד לא מעז לגעת בה
- הובלה צמודה של הצוות שלכם, בריטיינר חודשי או לפי שעה
≈1–2 שבועותהערכה: עד סקירה כתובה. הובלה שוטפת בריטיינר חודשי
בפועל: בדיקות ציות לקרנות · סימולטור כשלים
להתחיל מזה: אסטרטגיית AI, ארכיטקטורה והובלה טכניתCore expertise
AI agents & LLM systems
Agents that read, decide and act on your data: RAG over your documents, multi-agent flows, tools and MCP. Each one ships with evals, guardrails and tracing, so you can see that it works, and why.
What's included
- Answers from your own data, with a source for each
- Evals on real questions, run on every change
- Guardrails in code: permissions, checked IDs, math outside the model
≈2–6 weeksestimate: to a first agent working on your real data
In practice: Streaming data agent · Social-services chat · Fund compliance
Start with this: AI agents & LLM systemsCore expertise
Business agents in Teams, Copilot & WhatsApp
An agent your customers or staff talk to in Teams, Copilot, WhatsApp or on your site: customer service, internal knowledge and daily operations. It sees only what you allow, acts through your systems and hands over to a person when it isn't sure.
What's included
- Answers grounded in your own documents and systems
- Actions in your CRM, ERP or ticketing, with clear permissions
- A hand-off to a person, with the full conversation
≈3–6 weeksestimate: to a first agent your team can use, with permissions
In practice: Volunteer-briefing agent · Worker support desk · Donor-update agent
Start with this: Business agents in Teams, Copilot & WhatsAppAI integration & full-stack systems
AI inside the product or back office you already run, or a new system built around it: web apps, APIs, integrations and the data layer. .NET and C#, Angular, React and TypeScript, SQL and microservices.
What's included
- AI wired into your ERP, CRM, documents and workflows
- Backend, front end and integrations with tests, owned by you
- Hebrew RTL and multiple languages from day one
≈4–12 weeksestimate: to a first live release, depending on scope
In practice: Invoice intake · Donor-reply agent · Security control room
Start with this: AI integration & full-stack systemsDevOps, CI/CD & cloud for AI
What keeps AI running after launch: pipelines with tests on every merge, containers and infrastructure as code on Azure or AWS, secrets kept out of the code, and tracking of cost, latency and failures.
What's included
- CI/CD with tests and evals on every merge
- Docker, Terraform and clean environments
- Tracing, alerts and model swaps by configuration
≈1–4 weeksestimate: to an automated pipeline for an existing system
In practice: Housing anomalies · Drone sensor hub · Education platform
Start with this: DevOps, CI/CD & cloud for AIAI strategy, architecture & technical leadership
Senior technical leadership without a full-time hire: where AI pays off and where it doesn't, an architecture before you build, code reviews and a fractional CTO for your team.
What's included
- A written AI and architecture review, with what to build first
- A plan for a new system, or for the one nobody dares touch
- A hands-on lead for your team, monthly or by the hour
≈1–2 weeksestimate: to a written review. Ongoing lead on a monthly retainer
In practice: Fund compliance · Failure simulator
Start with this: AI strategy, architecture & technical leadershipבהרחבהFeatured
חמש מערכות, לעומקFive systems, in detail
חמש מערכות שרצות באוויר, כל אחת עם המספרים, הטכנולוגיות והסיפור המלא.Five systems in production, each with its numbers, its stack and the full story.
פרויקט 1 מתוך 5Project 1 of 5
רווחה · צ׳אט AISocial services · AI chatבאווירIn production
לסיפור המלא: תושבים מוצאים עזרה בשיחה אחתRead the full story: Residents find the right help in one conversation
- סוכנים
- AI
- ענן
- Agents
- AI
- Cloud
תושבים מוצאים עזרה בשיחה אחתResidents find the right help in one conversation
באזור משבר פעלו 354 שירותי סיוע, ותושבים לא ידעו לאן לפנות. היום צ׳אט AI מבין מה הם צריכים, ב־5 שפות, ומכוון אותם לשירות הנכון.In a crisis-hit region, 354 support services were running and residents didn't know which one to call. Now an AI chat understands what they need, in 5 languages, and points them to the right one.
כ־10 שניותמשאלה ועד השירות הנכון
354 עד עד 3שירותים שמצטמצמים להתאמות הטובות ביותר לכל שאלה
about 10 secondsfrom question to the right service
354 to up to 3services narrowed to the best matches for each question
תפקיד וטכנולוגיותRole and stack
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- הובלת צוות של 4, תכנון השיחה ולולאת הסוכן, כתיבת רוב הקוד והעלייה לאווירLed a team of 4, designed the chat flow and the agent loop, wrote most of the code and took it live
- טכנולוגיותStack
- Amazon Bedrock Claude .NET 8 PostgreSQL React
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- הובלת צוות של 4, תכנון השיחה ולולאת הסוכן, כתיבת רוב הקוד והעלייה לאווירLed a team of 4, designed the chat flow and the agent loop, wrote most of the code and took it live
- טכנולוגיותStack
- Amazon Bedrock Claude .NET 8 PostgreSQL React
פרויקט 2 מתוך 5Project 2 of 5
כוח אדם · תמיכה ב־AIWorkforce services · AI supportבאווירIn production
לסיפור המלא: מוקד תמיכה שמדבר בשפה של העובדיםRead the full story: A support desk that speaks your workers' language
- AI
- Full Stack
- AI
- Full-stack
מוקד תמיכה שמדבר בשפה של העובדיםA support desk that speaks your workers' language
חברה שמלווה עובדים זרים קיבלה פניות בשפות שהצוות לא דובר. היום כל פנייה מתורגמת אוטומטית בשני הכיוונים, וה־AI עונה על השאלות הנפוצות.A company supporting foreign workers got requests in languages its staff didn't speak. Now every ticket translates itself both ways, and AI answers the common questions.
כ־5 דקות עד 0תרגום ידני לכל פנייה
6 שפות + עבריתכל פנייה מתורגמת בשני הכיוונים
about 5 minutes to 0manual translation per ticket
6 + Hebrewlanguages, every ticket translated both ways
תפקיד וטכנולוגיותRole and stack
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- תכנון המערכת וכתיבת רוב הקוד, כולל התרגום האוטומטיDesigned the desk, the translation flow and the AI answers, and wrote most of the code
- טכנולוגיותStack
- Azure OpenAI AI Search Whisper .NET 8
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- תכנון המערכת וכתיבת רוב הקוד, כולל התרגום האוטומטיDesigned the desk, the translation flow and the AI answers, and wrote most of the code
- טכנולוגיותStack
- Azure OpenAI AI Search Whisper .NET 8
פרויקט 3 מתוך 5Project 3 of 5
דיור ציבורי · דאטה ו־AIPublic housing · Data and AIבאווירIn production
לסיפור המלא: חריגות בתיק נכסים ארצי, מדורגות כל בוקרRead the full story: Anomalies across a national portfolio, ranked every morning
- AI
- DevOps
- ענן
- AI
- DevOps
- Cloud
חריגות בתיק נכסים ארצי, מדורגות כל בוקרAnomalies across a national portfolio, ranked every morning
חברת דיור לאומית ניתחה חריגות מתוך ייצואי ERP וגיליונות. היום 4 מחלקות עובדות במערכת אחת שמתעדכנת כל לילה, עם דוח AI לכל נכס.A national housing company hunted for anomalies in ERP exports and spreadsheets. Now 4 departments share one system that refreshes every night, with an AI report for every asset.
כ־2 שעות עד דקותלהכנת דוח נכס
15תהליכי בקרה ב־4 מחלקות, במערכת אחת
about 2 hours to minutesto prepare an asset report
15review flows across 4 departments, in one system
תפקיד וטכנולוגיותRole and stack
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- הובלת הצוות והארכיטקטורה, ופיתוח לאורך כל המערכת: אבטחה, עלייה לאוויר ודוחות ה־AILed the team and the architecture, and built across the stack: security, releases and the AI reports
- טכנולוגיותStack
- Python Azure OpenAI Microsoft Fabric Next.js
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- הובלת הצוות והארכיטקטורה, ופיתוח לאורך כל המערכת: אבטחה, עלייה לאוויר ודוחות ה־AILed the team and the architecture, and built across the stack: security, releases and the AI reports
- טכנולוגיותStack
- Python Azure OpenAI Microsoft Fabric Next.js
פרויקט 4 מתוך 5Project 4 of 5
תעשייה · ראייה ממוחשבתManufacturing · Camera inspectionבאווירIn production
לסיפור המלא: פגם בקו הייצור? המכונה יודעת תוך שניות.Read the full story: A defect on the line? The machine knows in seconds.
- AI
- Full Stack
- AI
- Full-stack
פגם בקו הייצור? המכונה יודעת תוך שניות.A defect on the line? The machine knows in seconds.
מפעל פלסטיק גילה פגמים רק כשמפעיל שם לב במקרה. היום מצלמות בודקות את הקו כל שנייה, ותקלה מאומתת מגיעה למסך ולמכונה תוך שניות.A plastics factory caught defects only when an operator happened to notice. Now cameras check the line every second, and a confirmed fault reaches the screen and the machine within seconds.
בעין עד כל שנייהכל מצלמה נבדקת, במקום מפעיל ששם לב במקרה
93.9%דיוק בזיהוי פגמים
By eye to every 1 seach camera checked, instead of an operator noticing
93.9%defect detection accuracy
תפקיד וטכנולוגיותRole and stack
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- תכנון המערכת וכתיבת רוב הקוד, כולל החיבור למכונותDesigned the live link from camera to screen to machine, and wrote most of the code
- טכנולוגיותStack
- .NET 8 SignalR PostgreSQL React
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- תכנון המערכת וכתיבת רוב הקוד, כולל החיבור למכונותDesigned the live link from camera to screen to machine, and wrote most of the code
- טכנולוגיותStack
- .NET 8 SignalR PostgreSQL React
פרויקט 5 מתוך 5Project 5 of 5
אבטחה · זמן אמת · מוביילSecurity · Control room and mobileבאווירIn production
לסיפור המלא: מוקד אבטחה שנשאר מהיר גם בשיאRead the full story: A control room that stays fast at peak
- Full Stack
- DevOps
- ענן
- Full-stack
- DevOps
- Cloud
מוקד אבטחה שנשאר מהיר גם בשיאA control room that stays fast at peak
חברת אבטחה עם אתרים רבים חייבת לראות כל התראה מיד, גם בעומס. היום המסכים העמוסים מהירים יותר, ואפליקציית הכוננים נשארת מחוברת גם בקליטה חלשה.A multi-site security company has to see every alert the moment it fires, even under heavy load. The busiest screens got faster, and the responder app now stays connected in the field.
0התחברויות מחדש אחרי ניתוק רגעי
6 עד 0טבלאות שצריך לחבר כדי לטעון את רשימת ההתראות
0forced re-logins after a network blip
6 to 0joins to load the open-alerts list
תפקיד וטכנולוגיותRole and stack
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- הובלת הארכיטקטורה, האצת המסכים העמוסים ויציבות אפליקציית השטחLed the architecture, sped up the busiest screens and made the field app reliable
- טכנולוגיותStack
- .NET 8 SQL Server RabbitMQ React Flutter
- תפקידRole
- מהנדס AI · ראש צוות וארכיטקטAI Engineer · team lead and architect
- אחריותResponsibility
- הובלת הארכיטקטורה, האצת המסכים העמוסים ויציבות אפליקציית השטחLed the architecture, sped up the busiest screens and made the field app reliable
- טכנולוגיותStack
- .NET 8 SQL Server RabbitMQ React Flutter
עוד תוצאותMore results
עוד 15 פרויקטים. לכל אחד מספר.15 more projects. Each one has a number.
פלטפורמות, אפליקציות מובייל, מערכות זמן אמת, סוכני Copilot לחברות תוכנה בארה״ב ואבות טיפוס. לחצו על כרטיס לסיפור המלא.Platforms, mobile apps, real-time systems, Copilot agents for US software vendors and fast proofs of concept. Open any card for the story.
8 מתוך 20 המערכות כאן באוויר. ליד כל אחת כתוב איפה היא עומדת.8 of these 20 systems are in production. Each one says where it stands.
באווירביטחון אווירי · זמן אמת
כל חיישני הרחפנים במסך אחד, בזמן אמת
186 אלף עד 0אירועים שנתקעו בתור- Full Stack
- DevOps
- ענן
פלטפורמה לתוכניות חינוך
כ־7 שניםנשארת מודרנית, בלי לבנות מחדש- Full Stack
- DevOps
אפליקציית עזרה קהילתית
4 שפותהתראות מגיעות רק לשכנים הקרובים- Full Stack
סוכן Copilot לתשובות לתורמים
כ־יום עד כ־5 דקותלקליטת ארגון חדש- סוכנים
- AI
- ענן
סוכן Copilot לתדריך מתנדבים
כ־30 דקות עד פחות מדקהלהכנת תדריך על מתנדב- סוכנים
- AI
- ענן
בדיקת ציות לקרן: תוך דקות במקום שעות
14 / 21חשיפות שתאמו את מדידת הרגולטור בטווח של 0.05 נק׳ האחוז- AI
- Full Stack
- ענן
חשבוניות שנקלטות ונבדקות לבד
כ־6 דקות עד כ־1 דקהזמן ידני לכל חשבונית תקינה- AI
- Full Stack
- DevOps
רואים איך כשל מתגלגל, לפני שהוא קורה
24 שעות עד כ־1.6 דקותלהרצת יממה שלמה- Full Stack
מרקטפלייס לרוכשי דירות
10 עד כ־5 שבועותכל המודולים מוכנים לבדיקות בערך בחצי מהזמן שתוכנן- Full Stack
מאגר חלקות קרקע ו־GIS
כ־25 שעות עד כ־10 דקותלמילוי כתובות ל־1,000 חלקות- Full Stack
פורטל סדנאות לארגון בריאות
13 ימיםמאפס לממשק מלא של 5 מסכים- Full Stack
ערכת פתיחה למערכות ניהול לבית תוכנה
כ־3 שבועות עד כ־2 ימיםעד מסך ניהול מחובר על נתונים אמיתיים- Full Stack
שואלים את הנתונים במילים. מקבלים מספרים.
8 / 8שאלות התרחיש של הלקוח נענו מול הסוכן החי- סוכנים
- AI
- ענן
סוכן Teams לעדכון תורמים
כ־60 דקות עד פחות מדקהלכתיבת עדכון הוצאות לתורמים- סוכנים
- AI
- ענן
אב־טיפוס לדשבורד פנסיה
8 ימיםמהשורה הראשונה בקוד לאפליקציה מוכנה להצגה למשקיעים- Full Stack
הביאו תהליך אחד. קבלו תוכנית ומספר לשפר.
לשיחת אבחון חינםIn productionAirspace security · Live dataEvery drone sensor on one live screen
186k to 0events stuck in the queue- Full-stack
- DevOps
- Cloud
Education operations platform
about 7 yearskept modern without a rewrite- Full-stack
- DevOps
Community help app
4 languagesalerts reach only nearby neighbors- Full-stack
Donor-reply Copilot agent
about 1 day to about 5 minutesto onboard a new organization- Agents
- AI
- Cloud
Copilot agent that briefs staff on volunteers
about 30 minutes to under 1 minuteto prepare a volunteer briefing- Agents
- AI
- Cloud
Fund compliance checks: from about 2 hours to about 3 minutes
14 / 21exposures matched the regulator's own figures within 0.05 pp- AI
- Full-stack
- Cloud
Invoices that enter and check themselves
about 6 minutes to about 1 minutehands-on time per clean invoice- AI
- Full-stack
- DevOps
See how one failure spreads, before it happens
24 hours to about 1.6 minutesto simulate a full day- Full-stack
Homebuyer marketplace
10 to about 5 weeksall modules feature-complete in about half the planned time- Full-stack
Land-parcel registry and maps
about 25 hours to about 10 minutesto fill in addresses for 1,000 parcels- Full-stack
Workshop booking for a health fund's members
13 daysfrom zero to a UX-complete 5-screen front end- Full-stack
Admin-system starter kit for a software house
about 3 weeks to about 2 daysto a signed-in admin screen on real data- Full-stack
Ask the data a question. Get real numbers back.
8 / 8client scenario questions answered by the live agent- Agents
- AI
- Cloud
Donor-update agent in Teams
about 60 to under 1 minuteto write a donor spending update- Agents
- AI
- Cloud
Pension dashboard proof of concept
8 daysfrom first commit to a demo-ready app for investors- Full-stack
Bring one process. Leave with a plan and a number to beat.
Get a free scoping call
למה זה מחזיקWhy it works
כל מספר נבדק בקוד.Every number checked in code.
כל מספר נבדק בקוד.Every number checked in code.
ולכל תשובה יש מקור.Every answer traced to its source.
בלי מתווכים, ובלי שהפרויקט עובר לידיים אחרות באמצע. מי שמתכנן את המערכת גם בונה אותה ועומד מאחורי התוצאה. כשהפרויקט צריך צוות, אני מוביל אותו ונשאר בתוך הקוד.The person who designs your system builds it and stands behind the result. When a project needs a team, I lead it and stay in the code.
01
בלי ניחושים במספרים
ה־AI קורא ומנסח, והקוד מחשב ובודק את הכללים. ב־MVP לרגולטור המודל לא ביצע אף חישוב, הקוד ביצע את כולם, ו־14 מתוך 21 חשיפות תאמו את המדידה של הרגולטור כבר בסבב הראשון.
02
נבדק לפני ההשקה, נמדד אחריה
כל סוכן נבדק על שאלות אמיתיות לפני שהוא עולה לאוויר, וכל ריצה שלו מתועדת אחרי. בסוכן הנתונים של ספק הסטרימינג נענו כל 8 שאלות התרחיש של הלקוח, וכל תקלה שדווחה בשלושה סבבי בדיקה אותרה, תוקנה ואומתה באוויר.
03
הכול נשאר שלכם
בלי תלות בספק, במודל או במפתח אחד. המודל הוא הגדרה: ב־MVP לרגולטור הוחלפו 3 דורות של Claude בלי לשנות קוד. ה־AI מקבל גישה רק למה שהתהליך צריך.
04
ניסיון במקומות שבהם טעות עולה ביוקר
רגולציה פיננסית, תשתיות קריטיות, ביטחון אווירי ודיור ציבורי ארצי. שמות הלקוחות נשארים חסויים.
01
No guessed numbers
The model reads and writes. Code does the math and the rules. In the regulator MVP the model did 0 of the sums; code did all of them, and 14 of 21 exposures matched the regulator's own figures in the first round.
02
Tested before launch, traced after
Every agent is tested on real questions before it goes live and traced on every run after. On the streaming data agent, all 8 of the client's scenario questions were answered, and every issue reported in three test rounds was traced, fixed and verified live.
03
You own all of it
No lock-in to a vendor, a model or one developer. The model is a setting: the regulator MVP moved through 3 Claude generations without a code change. The AI gets access only to what the process needs.
04
Proven where mistakes are expensive
Financial regulation, critical infrastructure, airspace security and national public housing. Client names stay private.
אבחון
שיחה חינם של 30 דקות על תהליך או מערכת אחת. יוצאים עם תמונה ברורה: איפה AI יחזיר את ההשקעה, ואיפה עדיף בלעדיו.
אפיון
תוכנית כתובה: מה בונים, עד מתי, בכמה ומול איזה מספר מודדים. מחיר סגור, תוך כ־3 ימים.
בנייה
דמו חי על הנתונים שלכם כל שבוע, ואוסף שאלות בדיקה שגדל יחד עם המערכת.
הטמעה
השקה בתוך המערכות שכבר יש לכם, עם ניטור והעברה מסודרת לצוות.
מדידה
משווים לנקודת הפתיחה במספרים. אם זה משתלם, ממשיכים לתהליך הבא.
Discover
A free 30-minute call about one process or system. You leave knowing where AI will pay off, and where it won't.
Scope
A written plan and fixed quote within ≈3 days, with today's time or error rate as the number to beat.
Build
A live demo on your data every week, and a set of test questions that grows with the system.
Launch
The first phase goes live inside the systems you already run, with monitoring and a clean handover.
Measure
A before-and-after report in numbers. Then you decide what to automate next.
אודותAbout
עובדים ישירות עם המהנדס שבונה.You work with the engineer who builds it.
אני עפיף מנסור, מהנדס AI, ו־AfifAI הוא העסק שלי. אני בונה סוכני AI ואת המערכות שהם רצים בהן. בכל 20 הפרויקטים באתר הייתי ראש הצוות והארכיטקט, וכתבתי בעצמי יותר מ־80% מהקוד. מהשיחה הראשונה ועד העלייה לאוויר, אתם מדברים איתי.I'm Afif Mansour, an AI Engineer, and AfifAI is my practice. I build AI agents and the systems they run in. On all 20 projects on this page I was the team lead and architect, and I wrote 80%+ of the code. You talk to me from the first call to launch.
הגעתי ל־AI אחרי יותר מ־10 שנים של בניית מערכות שרצות אצל לקוחות, ממפתח Full Stack ועד ראש צוות פיתוח. לכן העבודה שלי לא נעצרת במודל: אני בונה גם את ה־Backend, את הנתונים, את האינטגרציות, את ה־Pipelines ואת הענן. .NET ו־C#, Python ו־TypeScript, Angular ו־React, Azure ו־AWS, ובצד ה־AI: OpenAI Agents SDK, Claude עם MCP, LangGraph ו־Semantic Kernel.I came to AI after 10+ years of building production software, from full-stack developer to development team lead. That's why my work doesn't stop at the model: I also build the backend, data, integrations, pipelines and cloud. .NET and C#, Python and TypeScript, Angular and React, Azure and AWS, and on the AI side the OpenAI Agents SDK, Claude with MCP, LangGraph and Semantic Kernel.
- 10+שנים של מערכות תוכנה שרצות אצל לקוחות
- 20פרויקטים באתר, בכולם ראש הצוות והארכיטקט
- 80%+מהקוד בפרויקטים האלה כתבתי בעצמי
- 10+years building software that runs for real clients
- 20projects on this page, team lead and architect on all of them
- 80%+of their code written by me
עובד עםWorks with Amazon Bedrock Claude + MCP OpenAI Agents SDK Azure OpenAI Semantic Kernel LangGraph Microsoft 365 Copilot .NET Python React Angular
AfifAI
עפיף מנסורAfif Mansourמהנדס AI · ראש צוות וארכיטקט
- מפתח Full Stack
- ראש צוות פיתוח
- מהנדס AI · AfifAI
- בסיס
- טירה, ישראל · עבודה מרחוק
- שפות
- עברית · אנגלית
- השכלה
- אוניברסיטת חיפה
AfifAI
Afif Mansourעפיף מנסורAI Engineer · team lead and architect
- Full-stack developer
- Development team lead
- AI Engineer · AfifAI
- Base
- Tira, Israel · Remote
- Languages
- English · Hebrew
- Education
- University of Haifa
שאלות נפוצותFAQ
השאלות שעולות בשיחה הראשונהQuestions before the call
עדיין מתלבטים? כתבו שתי שורות על התהליך או המערכת.Still unsure? Write two lines about the process or system.לשיחת אבחון חינםGet a free scoping call
מה בעצם עושה מהנדס AI בשבילנו?
אני לוקח תהליך שהצוות עושה ידנית, או שאלה שאין לאף אחד זמן לענות עליה, והופך אותם לתוכנה: מודל שפה איפה שהוא עוזר, וקוד רגיל איפה שחייבים דיוק. בפועל זה אומר לבחור מודל, לחבר אותו לנתונים שלכם (RAG, כלים, MCP), לבדוק אותו על מקרים אמיתיים (Evals), להוסיף הרשאות ומנגנוני הגנה, ולהריץ אותו באוויר עם ניטור. אני לא מאמן מודלים. אני בונה את המוצר שסביבם.
אתה בונה גם את החלקים שאין בהם AI?
כן, ובדרך כלל זה רוב העבודה. עשרה מ־20 הפרויקטים כאן הם מערכות AI. העשרה האחרים הם פלטפורמות, אפליקציות מובייל ומערכות זמן אמת, והם מוכיחים את החלק שרוב בוני ה־AI מדלגים עליו: Backend, אינטגרציות, נתונים, הזדהות ו־Pipeline לעלייה לאוויר.
עם אילו מודלים וכלים אתה עובד?
עם מה שמתאים למשימה ולענן שלכם: Claude, GPT ומודלים נוספים דרך Azure OpenAI או Amazon Bedrock, עם OpenAI Agents SDK, LangGraph, Semantic Kernel או MCP. המודל הוא הגדרה, כך שאפשר להחליף אותו בהמשך בלי לבנות מחדש.
כמה זה עולה?
תלוי בהיקף. אחרי שיחת האבחון מקבלים תוך כ־3 ימים תוכנית כתובה והצעה במחיר סגור. אפשר לעבוד לפי פרויקט, בריטיינר חודשי או בייעוץ לפי שעה.
תוך כמה זמן רואים תוצאה ראשונה?
דמו חי כל שבוע מתחילת העבודה. לדוגמה: אב־טיפוס מוכן להצגה למשקיעים תוך 8 ימים מהשורה הראשונה בקוד, ו־7 מתוך 8 אבני הדרך של שלב 1 במערכת חשבוניות, שנבדקו על חשבוניות אמיתיות של הלקוח, תוך 28 יום.
מה קורה עם הנתונים שלנו, ולמי שייך הקוד?
הקוד והנתונים שלכם, מהיום הראשון. מחליטים יחד איפה המידע יושב, לאיזה ספק מודלים מותר לו להגיע ומי רשאי לראות מה, וה־AI מקבל גישה רק למה שהתהליך צריך.
אפשר להוסיף AI למערכת שכבר יש לנו, או להעביר אליך אותה?
כן, את שניהם. שלושה סוכני Copilot ו־Teams נבנו על גבי פלטפורמות שהמשתמשים כבר עובדים בהן, ופלטפורמת חינוך אחת נשמרת עדכנית כבר כ־7 שנים בלי שכתוב. מתחילים בסקירת קוד וארכיטקטורה.
הנתונים שלנו מפוזרים באקסלים. זה עדיין אפשרי?
כן, ולעיתים קרובות זה השלב הראשון. חברת דיור לאומית עבדה מייצואי ERP וגיליונות, והיום 4 מחלקות משתמשות במערכת אחת שמתעדכנת כל לילה.
אפשר לעבוד מרחוק, גם מחו״ל?
כן. העבודה מתנהלת מרחוק, בעברית ובאנגלית, עם לקוחות בישראל ובעולם. בין הפרויקטים: 3 סוכני Microsoft 365 Copilot לחברות תוכנה בארה״ב.
למה לא מופיעים שמות של לקוחות?
כי הלקוחות עובדים תחת NDA, ולכן הם מתוארים לפי תחום. הסודיות שלכם תישמר באותה הקפדה, ואפשר לחתום על NDA לפני שמשתפים פרטים. מספר עם ≈ הוא הערכה.
What does an AI Engineer actually do for us?
I take a process your team does by hand, or a question nobody has time to answer, and turn it into software: a language model where it helps, plain code where it must be exact. In practice that means choosing the model, connecting it to your data (RAG, tools, MCP), testing it on real cases (evals), adding permissions and guardrails, and running it in production with monitoring. I don't train models. I build the product around them.
Do you also build the non-AI parts?
Yes, and usually that's most of the work. Ten of the 20 projects here are AI systems. The other ten are the platforms, mobile apps and real-time systems that prove the part most AI builders skip: backend, integrations, data, sign-in and a release pipeline.
Which models and tools do you use?
Whatever fits the task and your cloud: Claude, GPT and other models through Azure OpenAI or Amazon Bedrock, with the OpenAI Agents SDK, LangGraph, Semantic Kernel or MCP. The model is a setting, so you can switch later without a rebuild.
What does it cost?
After the free call you get a written plan and a fixed quote within ≈3 days. A defined project has a fixed price. Ongoing work runs on a monthly retainer, and hourly consulting is available too.
How fast will we see something working?
You see working software in a live demo every week. Past examples: a demo-ready proof of concept for investors 8 days after the first commit, and 7 of 8 phase-1 milestones of an invoice system, tested on the client's real invoices, in 28 days.
Who owns the code, and is our data safe?
You own the code and the data from day one. Together we decide where the data lives, which model provider it may reach and who can see what, and the AI gets only the access the process needs. An NDA before you share details is fine.
Can you add AI to a system we already have, or take it over?
Yes, both. Three Copilot and Teams agents were built on top of platforms their users already run, and one education platform has been kept modern for about 7 years without a rewrite. It starts with a code and architecture review.
Our data is a mess. Can AI still help?
Often that is the first job. A national housing company went from ERP exports and spreadsheets to one system that 4 departments share, refreshed every night.
Do you work with teams outside Israel?
Yes, remotely and in English. Recent work includes 3 Microsoft 365 Copilot and Teams agents for US software companies that serve nonprofits.
Why are there no client names?
Clients are under NDA, so each project is described by its industry. Your project gets the same care. Numbers marked ≈ are estimates. The rest come from the projects themselves.
שיחת אבחון חינם · 30 דקות · ללא התחייבותFree scoping call · 30 minutes · No commitment
הביאו תהליך אחד.Bring one process.
הביאו תהליך אחד.Bring one process.
קבלו תוכנית ומספר לשפר.Leave with a plan and a number to beat.
כתבו בכמה שורות: איזה תהליך או מערכת, מה כואב היום (זמן, טעויות, עלויות או פיילוט AI שנתקע) ומי עובד עם זה. אחרי שיחה קצרה מקבלים תוך כ־3 ימים תוכנית כתובה והצעת מחיר סגורה.Write a few lines: the process or system, what hurts today (time, errors, cost or an AI pilot that stalled) and who uses it. After a short call you get a written plan and a fixed quote within ≈3 days.
לשיחת אבחון חינםGet a free scoping call
afif.mansour@gmail.comנפתח מייל מוכן מראש · מענה תוך יום עסקיםOpens a pre-filled email · reply within one business day
ה־AI קורא. הקוד סופר.The model reads. The code counts.