החברה

מערכות AI ל-workflows שהעסק שלכם לא יכול להרשות לעצמו להפעיל ידנית.

Profitec AI מתכננת ומיישמת מערכות הפעלה מבוססות-AI על פני workflows, CRM, דיווח, ידע, ניהול לידים ותפעול פנימי — עם בקרות ברורות, תוצאות מדידות ואינטגרציה לכלים שהצוותים שלכם כבר עובדים איתם.

operating-architecture · referencelive

כך אנחנו מחווטים מערכת הפעלה סביב workflow: מערכות מקור עוברות ולידציה, שכבת החלטה מבוססת-AI פועלת, וכל תוצאה נכתבת בחזרה לכלים שלכם, מעדכנת dashboard חי, או מוסלמת לשער אישור אנושי.

בואו נדבר על צוואר בקבוק תפעולי המערכות שבנינו

מי אנחנו

אנחנו בונים מחדש את הליבה התפעולית של העסק — לא רק מצמידים אוטומציות.

אנחנו מתכננים מערכות הפעלה מבוססות-AI ל-workflows שבהם מידע מפוצל, החלטות איטיות וביצוע ידני יוצרים סיכון תפעולי מדיד.

Profitec AI היא חברת מערכות AI ואוטומציה ל-B2B הממוקמת בישראל. אנחנו משלבים הנדסה, עיצוב תהליכים עסקיים ויישום AI — כי אוטומציה ברת-קיימא אינה כלי שמתקינים, אלא קונטור תפעולי שמתכננים מחדש סביב המידע, התפקידים וההחלטות שעליהם העסק באמת פועל.

אנחנו עובדים על פני אוטומציית workflow, CRM, דיווח, ידע ו-RAG, ניהול לידים, עיבוד מסמכים ותפעול פנימי — עבור לקוחות בפיננסים, משפט, בריאות, שירותים מקצועיים ו-B2B עתיר-תפעול. הרקע שלנו במערכות החלטה מבוקרות מבוססות-AI: צינורות מידע, workflows מרובי-סוכנים, שערי סיכון, אישור אנושי, dashboards וניטור.

החברה

ישות משפטית: Profitec Israeli Innovation Center Ltd
שנת הקמה: 2020
מיקום: רמת גן, ישראל
שירות: ישראל · צפון אמריקה · אירופה · בריטניה
מיקוד: מערכות AI, אוטומציה, RAG והנדסת workflow לתפעול B2B
מגזרים: פיננסים · משפט · בריאות · שירותים מקצועיים · B2B עתיר-תפעול

מה מייחד את Profitec

ארבעה דברים שאנחנו עושים ורוב ספקי האוטומציה מדלגים עליהם.

אנחנו מוכרים את היכולת להנדס מחדש את אופן הפעולה של העסק — לא חבילה של אוטומציות מנותקות.

תהליך לפני כלים

אנחנו לא מתחילים מ-n8n, מ-Make או מ-LLM. אנחנו מתחילים מצוואר הבקבוק — המידע, התפקידים, החריגים והעלות האמיתית של התהליך הידני — ורק אז מחליטים מה לבנות.

הנדסה, לא תיאטרון צ׳אטבוטים

אינטגרציות, ולידציות, fallbacks, ניטור, הרשאות, audit trails ואישור אנושי בכל מקום שבו העסק זקוק לשליטה. דמו אינו מערכת.

מערכות שמשתלבות בתפעול הקיים

CRM, מסמכים, תיבות דואר, ERP, דיווח, APIs, מסדי נתונים פנימיים — האוטומציה נבנית סביב הכלים שאתם כבר מפעילים, בלי לאלץ את החברה לבנות את עצמה מחדש סביב AI.

תוצאות תפעוליות מדידות

אנחנו קושרים הצלחה למספרים שזזים: זמן עיבוד, מהירות תגובה, המרה, שיעור שגיאות, עלות למשימה, שיעור שחזור ואימוץ.

איך אנחנו עובדים

אנחנו מנהלים את האספקה כפרויקט הנדסי, לא כ״התקנת AI״.

חמישה שלבים, לכל אחד תוצר מוחשי — כדי שתוכלו לראות את המערכת מונדסת, לא רק מובטחת.

אבחון

תוצר

מפת workflow — התהליך, המידע, התפקידים, החריגים והעלות האמיתית של הגרסה הידנית.

תכנון

תוצר

ארכיטקטורת מערכת — מערכות מקור, ולידציה, שכבת ההחלטה מבוססת-AI, בקרות ונקודות האינטגרציה לכלים שלכם.

בנייה

תוצר

היישום — סוכנים, אינטגרציות וכתיבה-בחזרה ל-CRM, לתיבת הדואר ולמערכות שהצוותים שלכם כבר עובדים איתן.

ולידציה

תוצר

QA, בקרות וקריטריוני קבלה — fallbacks, הרשאות ושערי אישור אנושי נבדקים לפני שמשהו עולה לאוויר.

שיפור

תוצר

סקירת KPI ואופטימיזציה מתמשכת, נמדדת מול התוצאות שהסכמנו עליהן מראש.

הוכחה

מערכות שבנינו, מפורסמות מקצה לקצה.

בלי לוגואים מומצאים או מדדים שאולים — התקשרויות אמיתיות, לכל אחת הבעיה, המערכת וההשפעה התפעולית.

AI market intelligence

Market Intelligence Crew

הבעיה: אותות שוק מפוצלים וניתוח ידני איטי, בלי דרך מבוקרת להפוך קריאה להחלטה.
המערכת שנבנתה: מערכת CrewAI בת 8 סוכנים עם מוח ML של 200+ מאפיינים ושער סיכון בן 7 בדיקות — אורקסטרציה מרובת-סוכנים עם ולידציית מידע ובקרות סיכון.
השפעה תפעולית: צינור החלטה מבוקר שפורסם מקצה לקצה — כולל המקרים שבהם הפלט הנכון, המסונן בשער סיכון, היה ״לא״.

קראו את ה-case study

Document / operations workflow

AutoClaim

הבעיה: תביעות ביטוח רכב בנפח גבוה שעובדו ידנית, מקרה אחר מקרה, בלי ניתוב או בדיקה עקביים.
המערכת שנבנתה: שכבת תפעול בת 5 שלבים עם 7 סוכנים מומחים: קליטה, ניתוח מסמכים, ניתוב ותזכורות — וכלל קשיח אחד.
השפעה תפעולית: כל מקרה לא-ברור חוזר לאדם. תפוקה שגרתית עוברת אוטומציה; שיפוט ופעולות רגישות נשארים human-in-the-loop.

קראו את ה-case study

AI visibility / lead operations

Fershteyn Law

הבעיה: משרד תכנון עיזבונות בברוקלין היה למעשה בלתי-נראה בתשובות שנוצרות ב-AI, על פני המנועים שקונים שואלים בהם כיום.
המערכת שנבנתה: Schema markup, בהירות ישות, ראיות מובְנות שתואמות את העמוד וניטור ציטוטים ברמת ה-prompt.
השפעה תפעולית: שיעור הציטוט על פני Gemini, Perplexity ו-ChatGPT עלה מ-16.1% ל-62% תוך 8 שבועות — שיפור פי 3.9.

קראו את ה-case study

Regulated content automation

AI Avatar Content Engine

הבעיה: משרד עורכי דין מפוקח נזקק לנוכחות וידאו מותגי יומית שלא יכול היה לקיים בצילום — וכל אמירה פומבית היא משטח ציות.
המערכת שנבנתה: צינור self-hosted: כתיבת תסריט מבוססת-RAG, אישור בנגיעה אחת, יצירת אווטאר, פוסט-פרודקשן אוטומטי והפצה לתשע פלטפורמות.
השפעה תפעולית: כ-90 נכסים מפורסמים בחודש ממפגש הקלטה יחיד, עם ציות פרסומי שנאכף בקוד וזמן המייסד שצומצם לכ-5 דקות ביום.

קראו את ה-case study

כל מקרה מפורסם עם הארכיטקטורה, הבקרות והתוצאה הכנה שלו. ה-Market Intelligence Crew מוצג כדוגמה הנדסית לקבלת החלטות מבוקרת מבוססת-AI — לא כהבטחה פיננסית.

לכל ה-case studies

מי בונה את זה

האנשים שמתכננים את המערכת ובעלים על התוצאה.

אתם לא קונים ״AI״ — אתם קונים את שיקול הדעת של האנשים שמתכננים את זרימת המידע, מחליטים על הבקרות ועומדים מאחורי התוצאה: אסטרטגיה ותוצאות לקוח, ארכיטקטורת פתרון, אוטומציה ואינטגרציות, מערכות AI ומידע, ואספקה עם תמיכה שלאחר ההשקה.

Nisan Flekman

מנכ״ל ומייסד

מוביל עסקי המתמקד בייעוץ AI ובאסטרטגיית אוטומציה. בעל ניסיון בתחומי הפיננסים, הטכנולוגיה והבריאות, ומלווה חברות משלב התכנון ועד היישום.

Moshe Ben-Shimol

שותף-מייסד ומנהל פיתוח עסקי

עורך דין ויזם, מומחה במשפט מסחרי ואזרחי, ברגולציית AI ובפיתוח עסקי. מוביל שותפויות ויוזמות כניסה לשוק, עם ניסיון יזמי בתחומי הנדל״ן, הבריאות, הפינטק והפודטק.

Pazit Flekman

יועצת מחקר ופיתוח

מובילת הנדסה ומפתחת AI המתמקדת בפתרונות בקנה מידה גדול על פני פלטפורמות ענן. בונה צוותים בעלי ביצועים גבוהים מהרעיון ועד היישום המלא.

Jonathan Roumani

מפתח AI בכיר

מוביל הנדסת AI המתמחה בסוכני AI, ב-AI קולי, בפיתוח SaaS ובאוטומציית תהליכים עסקיים. Jonathan הופך תהליכי עבודה מורכבים למערכות AI מעשיות שמשפרות יעילות, מדרגיות וביצועים תפעוליים.

Julia Zhilin

יוצרת תוכן וידאו AI

יוצרת תוכן וידאו המתמקדת בסרטונים שנוצרים ב-AI לקידום עסקי ולמיתוג. הופכת רעיונות, שירותים ומסרים לתוכן ויזואלי מודרני שמושך תשומת לב.

Vladimir Zhemerov

מנהל מוצר בכיר ומומחה AIO/GEO

מנהל מוצר המתמקד בתרגום בעיות עסקיות למערכות AI פרוסות. אחראי על המסלול מגילוי הלקוח ועד תהליך עבודה חי — מחבר בין ההקשר של בעלי העניין לבין הבנייה הטכנית שמאחוריו.

אבטחה, בקרות וציות AI

הבקרות הן חלק מהתכנון, לא מחשבה שלאחר מעשה.

עבור פיננסים, משפט, בריאות ותפעול ארגוני, האופן שבו המערכת מבוקרת חשוב לא פחות ממה שהיא מבצעת אוטומטית.

אוטומציית AI לא צריכה ליצור שכבת החלטה בלתי-מבוקרת בתוך החברה.

גישה מבוססת-תפקיד

כל סוכן וכל אינטגרציה פועלים עם הרשאות תחומות — הגישה נגזרת מהתפקיד, לא מהנוחות.

מזעור מידע

המערכות קוראות ושומרות רק את המידע שהמשימה דורשת, לא יותר.

שערי אישור

פעולות רגישות או בסיכון גבוה ממתינות להחלטה אנושית לפני שהן מתבצעות.

Audit trails

מה שהמערכת עשתה, מתי ועל סמך איזה קלט — מתועד וניתן לסקירה.

ניטור

תצפית חיה על תפוקה, שגיאות וסחף — כך שכשל נתפס, לא מתגלה.

Fallbacks

כשהביטחון נמוך או ששירות נכשל, ה-workflow מתדרדר בבטחה במקום לנחש.

טיפול ב-API ובהרשאות

מפתחות וסודות תחומים, מאוחסנים ומוחלפים — לעולם לא מוטמעים במשטח ה-workflow.

Responsible AI

גישת ציות-AI לאמירות, לגילוי ולאחריותיות, בנויה לתוך אופן תכנון המערכת.

אבטחה ובקרות ציות AI

מתחילים כאן

ספרו לנו על צוואר בקבוק תפעולי אחד.

תארו תהליך חוזר אחד — הכלים שלו, הנפח והיכן הוא נשבר. נבדוק אם הוא מתאים למערכת הפעלה מבוססת-AI ונחזור עם צעד מעשי הבא.

בואו נדבר על צוואר בקבוק תפעולי לשירותים