דרושים AI משרות בינה מלאכותית ו-Machine Learning בישראל.
מחפשים את הצעד הבא בתחום הכי מדובר בהייטק? ריכזנו בעמוד אחד משרות AI ו-Machine Learning שנפתחות אצלנו, הערכות שכר, מיפוי של סוגי התפקידים וטיפים מהמגייסים. רכזי ההשמה שלנו איתכם מהפנייה הראשונה ועד היום הראשון בעבודה.
- חטיבת ההשמה של קבוצת תיגבור
- ליווי אישי עד קליטה בחברה
- ללא תשלום למועמדים
בינה מלאכותית כבר מזמן לא גרה רק במעבדות מחקר של ענקיות טכנולוגיה. בנקים מריצים מודלים לזיהוי הונאות, קופות חולים מנתחות נתונים קליניים עם ML, וגופים ציבוריים מטמיעים מערכות מבוססות שפה. השינוי הזה מורגש היטב גם אצלנו: בלוח המשרות של TCMcareer מופיעות כרגע כ-30 משרות שנוגעות לתחום, וחלק ניכר מהן מגיע דווקא מארגונים שאף אחד לא היה מגדיר סטארטאפ.
לפני שצוללים לחיפוש, כדאי להכיר את ההבחנה המרכזית בתחום: תפקידי מחקר מול תפקידי הנדסה ויישום. במחקר, שבו מפתחים אלגוריתמים ומודלים חדשים, רוב המעסיקים עדיין מצפים לתואר שני או שלישי. בהנדסה וביישום התמונה שונה לגמרי: ניסיון בפיתוח, למידה עצמית ופרויקטים מעשיים שוקלים יותר מכל תעודה. הגל של GenAI רק חיזק את המגמה, ופתח את הדלת גם למפתחים שמעולם לא למדו ML באוניברסיטה.
מה תמצאו בעמוד? לוח משרות שנטען ישירות מהמערכת שלנו, מיפוי של ששת התפקידים המרכזיים, הטכנולוגיות שחוזרות בדרישות, הערכות שכר ותשובות לשאלות שאנחנו שומעים ממועמדים כל שבוע. ומכיוון ש-AI כבר נכנס גם לתהליכי הגיוס עצמם, צירפנו כמה מאמרים מהמגזין שלנו ששווה לקרוא לפני הראיון הבא.
משרות AI פתוחות עכשיו
לוח חי, מתעדכן בזמן אמת
טוען משרות מהלוח...
משהו השתבש בטעינת המשרות, קורה גם לזה. את כל משרות ה-AI תמצאו בעמוד חיפוש המשרות באתר, כולל סינון לפי תחום, אזור וסוג משרה.
לכל משרות ה-AI באתרלאילו תפקידי AI מגייסים היום?
מאחורי המילה AI מסתתרים תפקידים שונים מאוד זה מזה, בדרישות, בשגרה היומית ובשכר. הנה המפה, כדי שתדעו לאן בדיוק אתם שולחים קורות חיים.
ML Engineer
התפקיד שמחבר בין מדע הנתונים לעולם האמיתי: לקחת מודל שעובד במחברת מחקר ולהפוך אותו לשירות יציב בפרודקשן, כולל אימון, פריסה וניטור לאורך זמן. נדרשים Python ברמה גבוהה, היכרות עם תשתיות ענן וחשיבה הנדסית. רוב צוותי ה-AI נבנים סביב התפקיד הזה.
Data Scientist
עבודה שמתחילה בשאלה עסקית ונגמרת במודל: ניתוח דאטה, בניית מודלים סטטיסטיים, הרצת ניסויים והצגת מסקנות להנהלה. בתפקידי מחקר טהורים מצפים לרוב לתואר מתקדם, אבל בהרבה ארגונים הדגש הוא דווקא על הבנה עסקית, SQL חזק ויכולת לספר סיפור עם נתונים.
AI Engineer / GenAI
בניית מוצרים מעל מודלים קיימים: חיבור ל-LLM APIs, מערכות RAG שמחברות מודל לידע ארגוני, אינטגרציות ואוטומציה של תהליכים שלמים. זו יותר הנדסת תוכנה מאשר מתמטיקה, ולכן מפתחים עם ניסיון בבניית מערכות נכנסים מכאן לתחום גם בלי רקע אקדמי ב-ML.
MLOps
מה ש-DevOps עשה לקוד, MLOps עושה למודלים: תהליכי CI/CD לאימון ולפריסה, ניהול גרסאות של דאטה ומודלים, וניטור התנהגות בפרודקשן. מבוקש בארגונים שכבר הריצו כמה מודלים והבינו שבלי תשתית מסודרת הכול מתפרק. רקע ב-DevOps הוא יתרון משמעותי כאן.
מפתח/ת עם AI
יותר ויותר משרות פיתוח רגילות מבקשות היום ניסיון בשילוב AI במוצר: צ'אטבוטים, עוזרים חכמים, פיצ'רים שמבוססים על מודלים. בבסיסן אלה משרות Backend או Full Stack לכל דבר, והן דרך מצוינת לצבור ניסיון מעשי בתחום בלי לעזוב את עולם הפיתוח שאתם מכירים.
AI בגופים ממשלתיים וביטחוניים
המגזר הציבורי מטמיע AI בקצב שמפתיע רבים, ואנחנו מגייסים לתפקידי דאטה ובינה מלאכותית במשרדי ממשלה, גופי ביטחון ומוסדות ציבוריים. פרויקטים בקנה מידה לאומי, יציבות תעסוקתית ותנאים שקשה למצוא בשוק הפרטי. חלק מהמשרות דורשות סיווג ביטחוני, ואנחנו מלווים גם בשלב הזה.
ומאיפה מגיעים לתחום? המסלולים שאנחנו פוגשים הכי הרבה: מפתחים שנכנסים דרך משרות GenAI ואינטגרציות, אנליסטים ואנשי BI שגדלים לכיוון Data Science, ואנשי DevOps שעוברים ל-MLOps. מי שכבר בפנים מתקדמים בדרך כלל מתפקיד יישומי לתפקיד ליבה, או להובלת צוות. והנקודה המעודדת: כמעט אף אחד מהמועמדים שלנו בתחום לא התחיל בו.
טכנולוגיות וכלים לתפקידי AI
אף משרה לא דורשת את כל הרשימה. לתפקידי GenAI מספיקים ברוב המקרים Python, עבודה עם LLM APIs ופריימוורק אחד כמו LangChain. במשרות ML קלאסיות המרכז הוא PyTorch או TensorFlow לצד SQL חזק. העצה שלנו: במקום לאסוף עשרה כלים ברמת היכרות, העמיקו בשלושה ובנו איתם פרויקט אחד שאפשר להראות בראיון.
כמה מרוויחים בתפקידי AI בישראל?
שקיפות מלאה: לתפקידי AI עדיין אין נתונים בטבלת השכר שבאתר שלנו, ולכן הטווחים כאן הם הערכת שוק כללית שגיבשנו מהגיוסים שעוברים אצלנו, לא נתוני הלוח. השורה התחתונה: התחום יושב ברף הגבוה של שכר ההייטק בישראל, מעל DevOps ומתחת לתפקידי ניהול מוצר בכירים.
| תפקיד | Junior | Mid-Level | Senior |
|---|---|---|---|
| מהנדס/ת ML (הערכת שוק) | ₪18,000-27,000 | ₪28,000-42,000 | ₪42,000-55,000 |
| Data Scientist (הערכת שוק) | ₪17,000-25,000 | ₪25,000-38,000 | ₪38,000-50,000 |
מה קובע איפה תיפלו בתוך הטווח? קודם כול עומק הידע: מי שמבינים איך מודל עובד מבפנים מתומחרים אחרת ממי שרק קוראים ל-API. אחר כך הדומיין: פינטק, ביטחון ורפואה משלמים לרוב יותר. תואר מתקדם עדיין מזיז את המספרים בתפקידי מחקר, אבל בתפקידי הנדסה ניסיון מעשי מוכח סוגר את הפער כמעט לגמרי.
נדגיש שוב: המספרים בטבלה הם הערכת שוק כללית לפי מה שאנחנו רואים בשטח, לא נתוני לוח המשרות שלנו ולא התחייבות. השכר בפועל תלוי בארגון, באזור ובניסיון הספציפי שלכם. לפני המשא ומתן הבא, מומלץ לקרוא איך להשתמש בטבלת שכר בצורה חכמה.
איך נראה התהליך אצלנו ב-TCMcareer?
אנחנו פועלים משנת 2000, ובנינו תהליך שמכוון להתאמה מדויקת ולא להצפת קורות חיים. מאחורי כל משרה בלוח עומד רכז או רכזת השמה שמכירים את המעסיק מקרוב.
-
הבנת הצורך
יושבים עם החברה המגייסת ומבררים מה באמת נדרש: איזה מודלים רצים אצלה, מה הסטאק, ואיזה סוג אדם ישתלב בצוות הקיים.
-
איתור מועמדים
סורקים את מאגר הכישרונות שלנו ומפעילים ערוצי איתור נוספים, בחיפוש אחר התאמה אמיתית ולא רק חפיפה של מילות מפתח.
-
סינון מקצועי
בודקים רקע, פרויקטים ויכולות מול דרישות התפקיד, כדי שתגיעו רק לתהליכים שיש בהם היגיון מבחינתכם.
-
ראיון עומק
שיחה אישית שבה מבררים גם מה אתם רוצים: סוג ארגון, מודל עבודה, ציפיות שכר והכיוון המקצועי שאליו אתם שואפים.
-
חוות דעת מקצועית
מנסחים למעסיק תמונה מלאה ומדויקת שלכם, כזו שמדגישה את הניסיון ואת החוזקות הרלוונטיים בדיוק למשרה הזו.
-
ליווי עד קליטה
נשארים בתמונה גם אחרי החתימה: תיאום ציפיות מול המעסיק, עדכונים שוטפים וזמינות לכל שאלה עד שאתם מרגישים בבית בתפקיד.
ולמי שמחפשים בשקט: קורות החיים שלכם לא יוצאים מאיתנו לאף מעסיק בלי אישור מפורש שלכם, והשירות כולו ניתן למועמדים בחינם. גם אם אתם מועסקים היום במקום אחר, החיפוש נשאר בינינו.
איך מגדילים את הסיכוי להתקבל למשרת AI?
בקורות החיים
- פרטו פרויקטים, לא רק כלים. קישור לריפו ב-GitHub עם מודל עובד או אפליקציית GenAI שווה יותר מכל רשימת מילות באזז.
- כתבו תוצאות במספרים: דיוק המודל, חיסכון בזמן עבודה, היקף הנתונים. מגייסים בתחום רגילים לחשוב במדדים.
- הפרידו בין ניסיון פרודקשן ללימודים. פרויקט גמר מקורס הוא דבר מצוין, כל עוד הוא לא מוצג כניסיון תעסוקתי.
- ציינו את הרמה האמיתית שלכם בכל כלי. שאלה אחת לעומק על משהו שרשמתם בקורות החיים תחשוף כל הגזמה.
בראיון העבודה
- הכינו סיפור שלם על מודל או מערכת שבניתם: הבעיה, הנתונים, מה נכשל בדרך ומה הייתם עושים אחרת היום.
- רעננו את הבסיס גם אם אתם מכוונים ל-GenAI: overfitting, מדדי הערכה ובחירה בין מודלים עולים כמעט בכל ראיון.
- צפו לשאלה איך מודדים איכות של פלט LLM. אין תשובה אחת נכונה, אבל מצפים מכם להגיע עם גישה מסודרת.
- זכרו שחלק מהמעסיקים כבר משתמשים בעצמם ב-AI בגיוס, ממיון קורות חיים ועד ראיונות מוקלטים. המאמרים כאן למטה יכינו אתכם בדיוק לזה.
שאלות נפוצות על משרות AI
איך נכנסים לתחום ה-AI בלי ניסיון קודם בו?
הדרך הנפוצה היום עוברת דרך הצד ההנדסי. מפתחים עם ניסיון בבניית מערכות משתלבים במשרות GenAI ואינטגרציות של LLM, ולומדים את התחום תוך כדי עבודה. אנליסטים ואנשי דאטה מתקדמים לכיוון Data Science. בכל מסלול תצטרכו להראות משהו מעשי: פרויקט צד עם מודל אמיתי, אפליקציה עם RAG או תרומה לקוד פתוח. ולמי שבלי רקע טכני בכלל, שווה להתחיל מעמוד דרושים הייטק ללא ניסיון ולבנות בסיס קודם.
חייבים תואר שני כדי לעבוד ב-ML?
תלוי לאן מכוונים. בתפקידי מחקר, שבהם מפתחים מודלים ואלגוריתמים חדשים, תואר מתקדם הוא כמעט תמיד דרישת סף. בתפקידי הנדסה ויישום, שהם רוב המשרות בשוק, מה שקובע הוא ניסיון פיתוח, הבנה מעשית של מודלים ופרויקטים שאפשר להראות. הגל של GenAI חיזק את זה: ארגונים מחפשים אנשים שבונים, ומתעכבים פחות על תארים. אצל חלק מהמעסיקים הגדולים תואר עדיין נותן יתרון בסינון הראשוני.
מה ההבדל בין Data Scientist ל-ML Engineer?
בגדול: מדען הנתונים שואל את השאלות, מהנדס ה-ML דואג שהתשובות ירוצו בפרודקשן. Data Scientist מנתח נתונים, בונה מודלים ובודק השערות, עם דגש על סטטיסטיקה והבנה עסקית. ML Engineer לוקח את המודלים האלה והופך אותם לשירות אמיתי: קוד יציב, פריסה, ניטור וביצועים. בארגונים קטנים אדם אחד עושה את שני הדברים, ובמשרות כאלה כדאי לשאול בראיון איך מתחלק הזמן בפועל.
מה זה בכלל תפקידי GenAI ו-LLM?
אלה תפקידים שבונים מוצרים מעל מודלי שפה קיימים, במקום לאמן מודלים מאפס: חיבור ל-API של מודלים מסחריים, בניית מערכות RAG שמעשירות את המודל בידע ארגוני, כתיבת פרומפטים מובנים ואוטומציה של תהליכים. העבודה קרובה יותר להנדסת תוכנה מאשר למתמטיקה, ולכן זו נקודת הכניסה המהירה ביותר לתחום עבור מפתחים. אצלנו בלוח הביקוש לתפקידים האלה רק הולך וגדל.
כמה מרוויחים בתפקידי AI בישראל?
לפי הערכת השוק שלנו, מהנדס ML מתחיל סביב 18,000 עד 27,000 שקל בחודש, ובכיר יכול להגיע ל-55,000. אצל Data Scientists הטווח מעט נמוך יותר: מ-17,000 בתחילת הדרך ועד 50,000 לבכירים. נזכיר שאלה הערכות כלליות ולא נתונים מהלוח שלנו, והשכר בפועל תלוי בארגון, בדומיין ובעומק הידע. הטבלה המלאה מופיעה למעלה בעמוד.
איך מגישים מועמדות דרך TCMcareer, וכמה זה עולה?
פשוט מאוד: בוחרים משרה מהלוח שבעמוד הזה או בעמוד חיפוש המשרות, ומגישים מועמדות עם קובץ קורות חיים בעמוד המשרה עצמו. ההגשה נקלטת ישירות במערכת הגיוס שלנו ומגיעה לרכז או לרכזת שמטפלים במשרה. המועמדות לא כרוכה בתשלום, אף פעם: את השירות מממנים המעסיקים. וכלל שאנחנו לא מתפשרים עליו, קורות החיים שלכם לא מועברים לשום ארגון בלי אישור מפורש שלכם.
ה-AI מחליף מפתחים או פותח משרות?
שתי התשובות נכונות. כלי AI מייעלים חלקים מעבודת הפיתוח, ובמקביל נוצרים תפקידים שלא היו קיימים לפני שלוש שנים: מהנדסי GenAI, אנשי MLOps ומפתחים שמשלבים מודלים במוצר. מה שאנחנו רואים בלוח שלנו: הביקוש למי שיודעים לעבוד עם הכלים האלה עולה, והדרישה ליכולות AI מחלחלת גם למשרות פיתוח רגילות. העצה הפרקטית: אל תתחרו בכלים, תלמדו להפעיל אותם טוב יותר מאחרים.
מחפשים תחום אחר?
מצאתם משרת AI שמתאימה לכם?
מגישים מועמדות עם קובץ קורות חיים ישירות בעמוד המשרה, וההגשה מגיעה לרכזי ההשמה שמכירים את התחום מקרוב. אם יש התאמה, רכז או רכזת מהצוות יחזרו אליכם, בדיסקרטיות מלאה וללא תשלום.
יש שאלה לפני שמגישים? אפשר לפנות אלינו דרך עמוד יצירת הקשר באתר.