חברות לפיתוח סוכני AI בישראל: וונדרפול והחלופות
את החברות לפיתוח סוכני AI בישראל אפשר לחלק לארבעה סוגים. יש פלטפורמות שמגיעות עם צוות הטמעה משלהן, כמו וונדרפול ו-Notch, ויש אינטגרטורים גדולים. יש משרדים שמוכרים בוטים ואוטומציות לעסקים קטנים, ויש צוותי הנדסה שבונים את הסוכן על המערכות שכבר יש לכם, כמו DataWise. מה מתאים לכם תלוי בגודל, במערכות, בעברית ובשאלה של מי הקוד בסוף.
עדכון אחרון: 20 באוקטובר 2026. אנחנו מעדכנים את המדריך כשהשוק משתנה. כל עובדה על חברה אחרת מקושרת למקור שלה, ורשימת המקורות, עם התאריך שבו קראנו כל אחד, נמצאת בסוף העמוד.
אם קראתם בחודשים האחרונים על וונדרפול (Wonderful), סביר שעלו לכם שתי שאלות: צריך גם אצלנו סוכני AI, ומי בונה אותם בישראל לחברה בגודל שלנו? המדריך הזה עונה על השאלה השנייה, ומתחיל בוונדרפול עצמה.
וונדרפול בונה סוכני AI לארגונים גדולים, ומוכרת אותם יחד עם המהנדסים שמטמיעים אותם אצל הלקוח. 400 מתוך 650 העובדים שלה יושבים אצל לקוחות (כלכליסט, 6 בספטמבר 2026). החברה הוקמה בתחילת 2025, וב-2 בספטמבר 2026 גייסה 550 מיליון דולר לפי שווי של 5 מיליארד דולר (כלכליסט, 2 בספטמבר 2026 והודעת החברה).
הלקוחות שלה גדולים ומפוקחים, וזה ניכר באתר שלה. בעמוד הבית כתוב “Applied AI for the enterprise” (wonderful.ai), ועמודי הענפים עוסקים בבנקאות, ביטוח, בריאות, תקשורת, קמעונאות ותשתיות (למשל בנקאות). שלושת סיפורי הלקוח באתר באים מבנק, מקופת חולים ומחברת תקשורת בישראל (שירותים פיננסיים, בריאות, תקשורת).
ואם אתם חברה בינונית, עם פריוריטי או SAP ועם תהליכים שמתנהלים בעברית? אז הבחירה שלכם אחרת: פלטפורמה כמו וונדרפול, או צוות שבונה את הסוכן על המערכות שכבר יש לכם. בזה עוסק המשך המדריך.
ארבעה סוגים של חברות סוכני AI
מי שמוכר סוכני AI בישראל נמצא, פחות או יותר, באחת מארבע קבוצות. מה שמבדיל ביניהן הוא מי בונה את הסוכן, לאיזה גודל של לקוח, ומי מחזיק בו אחרי שהוא עובד.
פלטפורמה עם צוות הטמעה משלה
הספק מוכר תוכנה לבנייה ולהפעלה של סוכנים, ושולח אליכם מהנדסים שמטמיעים אותה. כך עובדת וונדרפול. המהנדסים שלה, Forward Deployed Engineers, בונים את הסוכנים, את השילובים ואת תהליכי העבודה בתוך המערכות של הלקוח, ועובדים אצל הלקוח עצמו. לצידם עובדים Deployment Strategists, שמגדירים עם הלקוח את תרחישי השימוש ואת המדדים (עמוד ההטמעה של וונדרפול). מעבר לשירות לקוחות, עמודי הענפים שלה מתארים גם עבודה תפעולית, כמו KYC, התאמות וניהול תיקים (בנקאות).
וונדרפול לא לבד במודל הזה. Sierra מציעה לעבוד עם צוות מומחים לפיתוח סוכנים, שליווה כבר מאות הטמעות (Sierra). Decagon מזכירה תמיכה של Forward-Deployed Engineering בסיפור הלקוח שלה על Rippling (Decagon). Notch, חברה ישראלית (גלובס, 25 במרץ 2026) שבונה סוכנים לתפעול בחברות ביטוח (Notch), כותבת שצוות הטמעה ייעודי מטפל בהגדרות, בשילובים ובבדיקות (Notch). אצל כולן התוכנה מגיעה עם האנשים שמטמיעים אותה.
אינטגרטורים וחברות ייעוץ גדולות
חברות ייעוץ גדולות ואינטגרטורים מנהלים תוכניות לכל הארגון: ניהול שינוי, מסגרות רכש, PMO. הם עובדים גם יחד עם הפלטפורמות. בעמוד העיתונות של וונדרפול רשומה שותפות עם McKinsey, מ-6 באפריל 2026 (עמוד העיתונות). לפריסה על פני אלפי עובדים, כאן המקום. לבעיה תפעולית אחת בחברה בינונית יש כאן בדרך כלל יותר מבנה ממה שצריך. את הדרך הזאת פירטנו בשלוש דרכים לקנות AI.
בוטים ואוטומציות לעסקים קטנים
סוכנויות ויועצים מוכרים לעסקים קטנים בוטים לוואטסאפ ולאתר, ואוטומציות בין מערכות. הם מתאימים למשימה סגורה שטעות בה לא עולה הרבה: לענות על שאלות שחוזרות, לקבוע תורים, לאסוף לידים. גם Meta נכנסה לתחום בעצמה. ב-3 ביוני 2026 היא פתחה לכל העולם את סוכן ה-AI שלה ל-WhatsApp Business. הסוכן עונה על שאלות, קובע תורים, מסנן לידים ומעביר את השיחה לנציג (TechCrunch, 3 ביוני 2026). הקושי מתחיל כשהסוכן צריך לקרוא ולכתוב ב-ERP שלכם, או לבצע פעולה שיש בה כסף, כמו הזמנה או תשלום.
צוות הנדסה שבונה על המערכות שלכם
צוות בכיר קטן לוקח בעיה תפעולית אחת, בונה את הסוכן על המערכות שכבר יש לכם ומוסר אותו לכם. כאן אנחנו נמצאים. מי שמאפיין את הבעיה הוא מי שבונה את הפתרון ומטמיע אותו אצלכם (איך אנחנו עובדים). אפיינו ובנינו מול סביבות פריוריטי, SAP, monday.com וחשבשבת (מוכנות נתונים ל-AI). סוכן התפעול שפיתחנו עבד בוואטסאפ, וקיבל הודעות קוליות בעברית וגם הודעות טקסט (סוכני AI לעסקים). המודלים, הקוד ותשתית הנתונים נשארים שלכם, ואין מונה של פלטפורמה.
סוכנים הם אחד הדברים שאנחנו בונים, לצד תחזית ביקושים, ניתוח תמונה ו-AI ברשת סגורה. והגבול ברור: צוות קטן לא יפעיל מוקד שירות למיליוני לקוחות ולא יוביל תוכנית לכל הארגון, וגם לא צריך להעמיד פנים שכן.
מתי נכון ללכת לפלטפורמה כמו וונדרפול
פלטפורמה עם צוות הטמעה משלה מתאימה לכם אם אחד או יותר מאלה נכון:
- שיחות עם לקוחות בהיקף ארצי. סיפורי הלקוח של וונדרפול עוסקים בשירות לקוחות קולי בארגונים גדולים: קביעת תורים בבנק ובקופת חולים, ותיאום טכנאים בחברת תקשורת (שירותים פיננסיים, בריאות, תקשורת).
- מהלך לכל הארגון, עם הנהלה שעומדת מאחוריו. המאמרים של וונדרפול פונים להנהלה הבכירה, ובאחד מהם הם כותבים שמהלך כזה צריך חסות ברמת המנכ״ל (וונדרפול).
- המהנדסים שלכם ימשיכו לבנות סוכנים בעצמם. בסיפור של בנק הפועלים באתר של וונדרפול, מהנדס נתונים בבנק העלה לאוויר סוכן חדש בתוך שלושה שבועות. לא היה לו ניסיון קודם בבניית סוכנים, והוא השתמש ב-15 כלים שהמהנדסים של וונדרפול כבר בנו (וונדרפול).
- הרכש דורש תקנים והסמכות מהספק. וונדרפול מציינת SOC 2 Type II, ISO 27001:2022, GDPR ו-PCI DSS (עמוד ה-AI OS).
אם כמה מאלה מתארים אתכם, התחילו מהפלטפורמות. אם אתם חברה בינונית עם בעיה תפעולית אחת, חומר בעברית ו-ERP כמו פריוריטי, הטבלה הבאה תעזור להחליט.
פלטפורמה או צוות: טבלה להחלטה
שני המודלים זה מול זה, ובכל שורה השאלה ששווה לשאול כל אחד מהם.
| נושא | פלטפורמה עם צוות הטמעה | צוות הנדסה שבונה אצלכם | מה לשאול כל אחד מהם |
|---|---|---|---|
| גודל הארגון | גדול ומפוקח. בעמוד הבית של וונדרפול כתוב “Applied AI for the enterprise” ו-“Deep in regulated, mission-critical industries” (wonderful.ai). | קטן ובינוני. אנחנו בנויים לעסקים קטנים ובינוניים בישראל, לא לתוכניות ענק של מאות משתמשים (טרנספורמציה עסקית). | אילו מהלקוחות שלכם בגודל שלנו? |
| מערכות: פריוריטי, SAP, monday | וונדרפול בנויה להתחבר למערכות שבהן העבודה נעשית (סוכנים), וסוכני ה-computer use שלה עובדים גם במערכות legacy (computer use). | אפיינו ובנינו מול פריוריטי, SAP, monday.com וחשבשבת (שאלות נפוצות). | לאילו מהמערכות שלנו כבר התחברתם? בשמות. |
| עברית | סוכנים בשפות מקומיות. בסיפור של מכבי מופיעות עברית, אנגלית, ערבית, רוסית וצרפתית (מכבי). | סוכן התפעול שפיתחנו בוואטסאפ קיבל הודעות קוליות בעברית וגם טקסט (סוכני AI לעסקים). | אפשר לראות אותו עובד על החומר שלנו בעברית, כולל הודעות קוליות? |
| רשת סגורה ומיקום הנתונים | יש. וונדרפול מציעה פריסה multi-tenant, single-tenant, בענן של הלקוח (bring your own cloud) או on-premise ברשת סגורה (הטמעה). | יש. מודלי שפה self-hosted, חיפוש במסמכים פנימיים וניתוח תמונה, הכול בתוך הרשת, ושום דבר לא יוצא ממנה (AI מאובטח וברשת סגורה). | איפה רצים הנתונים והמודל, ומה יוצא מהרשת שלנו? |
| של מי הקוד | לפי עמוד ההטמעה, הבעלות עוברת ללקוח: “from Wonderful-led to full client ownership” (הטמעה). וונדרפול מתארת את מה שהיא מביאה כפלטפורמה, צוותי הטמעה ושותפות אסטרטגית (wonderful.ai). | המודלים, הקוד ותשתית הנתונים שלכם. אין מונה של פלטפורמה ואין תלות בנו (איך אנחנו עובדים). | מה ממשיך לעבוד אם ניפרד בעוד שנה? |
| איך בנוי המחיר | לא מפורסם. באתר של וונדרפול הפנייה היא “Set a meeting with our team” (צור קשר), ו-Sierra מתארת תמחור לפי תוצאה בלי לפרסם מחירים (Sierra). | ייעוץ שעתי, מחיר קבוע לכל שלב, ואחר כך ריטיינר חודשי. את מחיר האפיון אנחנו קובעים אחרי שיחה קצרה (מחיר האפיון). | כמה עולה השלב הראשון, ומה נשאר אצלנו אם נעצור שם? |
| מי בונה ומי מפעיל | המהנדסים של הספק בונים אצל הלקוח, ואסטרטג קובע איתו את תרחישי השימוש ואת המדדים (הטמעה). | מי שמאפיין הוא מי שבונה. אחרי המסירה הצוות שלכם מפעיל, או שריטיינר חודשי מכסה את ההפעלה (מחיר האפיון). | מי שיאפיין את הפרויקט הוא גם מי שיבנה אותו? |
אותה מפה, על כל AI ולא רק על סוכנים, נמצאת בשלוש דרכים לקנות AI. את השאלות ששווה לשאול כל ספק, גם אותנו, ריכזנו בשאלות ששווה לשאול לפני שבוחרים יועץ AI.
איך אנחנו מטמיעים
מי שמאפיין את הבעיה בונה את הפתרון ומטמיע אותו במערכות שלכם. העבודה מתחלקת לשלושה שלבים, עם נקודת יציאה אחרי כל אחד: אפיון, הוכחת היתכנות על נתוני אמת שלכם, והטמעה ומסירה (איך אנחנו עובדים). אנחנו מגיעים אליכם כשהעבודה דורשת את זה: לפגישת הפתיחה, לדגימה שעושים בשלב האפיון ולעלייה לאוויר. שאר הזמן עובדים מרחוק. מה הסוכן עושה לבד ומה מחכה לאישור שלכם נכתב כבר באפיון (גבולות והרשאות). מה קובע את המחיר, ולמה מספר שניתן לפני אפיון הוא ניחוש, פירטנו בעמוד התמחור.
לאן להמשיך, לפי הבעיה שלכם
- ניירת בכספים ובתפעול: חשבוניות ספקים וסגירת חודש, הזמנות מוואטסאפ וממייל, ישר לפריוריטי, סריקת חשבוניות עם בדיקת מספר הקצאה.
- סוכן שעונה מתוך המסמכים שלכם: סוכן ידע ארגוני ועיבוד מסמכים וסוכן ידע בפגישות ובשטח.
- נתונים שאסור להם לצאת מהרשת: AI מאובטח וברשת סגורה.
- מצלמות ווידאו: סוכני AI למערך המצלמות.
- כמה להזמין, ואיזה לקוח מתחיל להתרחק: על אלה עונה מודל חיזוי ולא סוכן. תחזית ביקושים ומכירות וזיהוי סיכוני לקוחות.
- תפעול שלם שמתנהל באקסלים ובקבוצות וואטסאפ: טרנספורמציה עסקית מבוססת AI.
- עוד לא החלטתם איך לקנות: כמה עולה סוכן AI, ואם מדובר בעבודה משרדית, גם כמה באמת עולה מנהל/ת משרד למעסיק.
מקורות
את המקורות קראנו ב-19 באוקטובר 2026, ואת שתי הכתבות של כלכליסט ב-20 באוקטובר 2026. תאריך פרסום מופיע ליד כל מקור שמציין אותו.
- כלכליסט, על הגיוס של וונדרפול לפי שווי של 5 מיליארד דולר, 2 בספטמבר 2026: calcalist.co.il
- כלכליסט, על מודל העבודה של וונדרפול ועל העובדים שיושבים אצל לקוחות, 6 בספטמבר 2026: calcalist.co.il
- וונדרפול, הודעה על גיוס סבב C, 2 בספטמבר 2026: wonderful.ai
- וונדרפול, עמוד הבית ועמודי ההטמעה, הסוכנים, ה-AI OS, יצירת הקשר והעיתונות: עמוד הבית, הטמעה, סוכנים, AI OS, צור קשר, עיתונות
- וונדרפול, עמוד ענף וסיפורי לקוח: בנקאות, שירותים פיננסיים, בריאות, תקשורת
- וונדרפול, בלוג: מכבי (18 באוגוסט 2026), בנק הפועלים, computer use, המאמר על המבנה הארגוני
- Sierra, עמוד המוצר: sierra.ai
- Decagon, סיפור הלקוח של Rippling: decagon.ai
- Notch, עמוד המוצר ועמוד התפעול בביטוח: מוצר, תפעול בביטוח. גלובס (באנגלית) על גיוס סבב A של Notch, 25 במרץ 2026: globes.co.il
- TechCrunch, “Meta’s AI agent for WhatsApp Business is now available globally”, 3 ביוני 2026: techcrunch.com
מה עושה וונדרפול (Wonderful)?
וונדרפול בונה סוכני AI לארגונים גדולים ומוכרת אותם יחד עם המהנדסים שמטמיעים אותם אצל הלקוח. הסוכנים שלה עובדים בקול, בצ׳אט ובמייל, בעיקר בשירות לקוחות, ועמודי הענפים שלה מתארים גם עבודה תפעולית בבנקאות, ביטוח, בריאות, תקשורת, קמעונאות ותשתיות. כל עובדה בעמוד הזה מקושרת למקור שלה ולתאריך שבו קראנו אותו.
אילו חברות דומות לוונדרפול בונות סוכני AI בישראל?
ספקי סוכני AI בישראל מתחלקים לארבעה סוגים. יש פלטפורמות שמגיעות עם צוות הטמעה משלהן, כמו וונדרפול ו-Notch, ויש אינטגרטורים וחברות ייעוץ גדולות. יש משרדים שמוכרים בוטים ואוטומציות לעסקים קטנים, ויש צוותי הנדסה קטנים שבונים את הסוכן על המערכות שכבר יש לכם. הבחירה תלויה בגודל החברה, במערכות, בעברית, במקום שבו הנתונים צריכים לשבת ובשאלה של מי התוצר בסוף.