תעופה, חלל וביטחון
אימות AI, היסק קצה וארכיטקטורת מערכות אוטונומיות עבור תוכניות ביטחון ופעילות תעופה מסחרית.
משרד ההגנה האמריקאי הפך את הבינה המלאכותית לעדיפות מתוקצבת, אך מנגנון הרכש הביטחוני מעולם לא נבנה כדי לרכוש, לבדוק או לפרוס מערכות AI במהירות שבה הטכנולוגיה מתפתחת. עבודתנו מתמקדת בנקודת המפגש שבה ה-AI פוגש דרישות מבצעיות של מנהלות תוכניות ביטחוניות וארגוני תעופה וחלל — לא מצגות אסטרטגיה, לא מסגרות ממשל בפורמט שקופיות, אלא המשמעת ההנדסית של אימות, פריסה והבטחת תאימות של מערכות AI בסביבות שבהן לכישלון יש השלכות שיישומים מסחריים אינם מתמודדים עמן לעולם.
תקציב ה-AI לשנת הכספים 2026 אמיתי; היכולת לממש אותו — אינה קיימת
הפנטגון הקצה 13.4 מיליארד דולר בבקשת התקציב לשנת הכספים 2026 עבור AI ואוטונומיה — שורת התקציב הייעודית הראשונה ליכולות אלו. הקונגרס אישר 9.8 מיליארד דולר עבור מערכות אוטונומיות ולא מאוישות. הצי לבדו הוסיף 308 מיליון דולר בהוצאות AI, זינוק של 22.7% משנה לשנה. התקציב אמיתי. הבעיה היא שהרכש הביטחוני לא נבנה כדי לרכוש, לבדוק או לפרוס מערכות AI בקצב שבו הטכנולוגיה נעה.
אלו תוכניות ייצור מבצעיות, לא פיילוטים:
- הצבא העניק במרץ 2026 ל- Anduril חוזה ל-10 שנים בהיקף של עד 20 מיליארד דולר עבור פלטפורמת Lattice AI שלה, תוך איחוד של למעלה מ- 120 פעולות רכש נפרדות.
- Palantir סיפקה את שתי תחנות הקרקע הראשונות לרכישת מטרות מבוססות AI מדגם TITAN לכוח המשימה הרב-ממדי הראשון, כאשר החלטה על ייצור בקצב מלא צפויה בשנת כספים זו.
- Shield AIתוכנת האוטונומיה Hivemind הטיסה עד כה 26 סוגי כלי טיס שונים.
- חיל האוויר בוחן חבילות אוטונומיית משימה על אבות-טיפוס של CCA עם מימון משולב של 804.4 מיליון דולר בשנת הכספים 26.
אך מנהלות תוכניות המשלבות AI במערכותיהן מתמודדות עם מציאות שונה: מסגרות בדיקה והערכה של CDAO שאינן משתלבות היטב במבני TEMP מסורתיים, דרישות AI אחראי שנשמעות ברורות במסמכי מדיניות אך הופכות מעורפלות בבואן ליישום באלגוריתם היתוך חיישנים ספציפי, ומחסור חמור בכוח אדם מורשה סיווג בתחומי AI/ML בהיקף הנדרש.
ל-AI ביטחוני יש בעיית בדיקות ש-T&E מסורתי אינו מסוגל לפתור
בדיקה והערכה מסורתיות מניחות התנהגות דטרמיניסטית: אותם קלטים מפיקים אותם פלטים. מערכות מבוססות ML הן הסתברותיות. מודל ראייה ממוחשבת המסווג כלי רכב ברמת דיוק של 97% בשדה הניסויים עלול לסבול מהידרדרות בלתי צפויה כאשר השפעות לוחמה אלקטרונית משנות את התפלגות הקלט (ראו את המחקר הטכני שלנו על הנדסת חוסן AI מפני התקפות יריב).
סביבת המדיניות עדיין מנסה להדביק את הפער. CDAO פרסם מסגרות אסטרטגיית T&E, וסגנית השר פיינברג הכפיפה מחדש את CDAO תחת USD(R&E) באוגוסט 2025 כדי להאיץ את ההטמעה. אולם, ביקורת GAO מאפריל 2026 מצאה כי אף אחת מארבע הסוכנויות המרכזיות שנבדקו לא אספה לקחים מרכש AI. אסטרטגיית ה-AI של משרד ההגנה שפורסמה ב- ינואר 2026 מדגישה מהירות, בעוד שקהילת הבטיחות מזהירה כי AI צבאי סוכני (Agentic AI) יוצר "אשליה של שליטה" שבה מערכות מתנגדות להערכות בדרכים שהמפעילים אינם יכולים להבחין בהן.
הגישה שלנו היא בניית מתודולוגיית T&E ל-AI המיועדת להפיק את הראיות המאמתות שמנהלי תוכניות זקוקים להן להחלטות אבני דרך: ניסויים מבצעיים בתנאי יריב מציאותיים, ותיעוד מצבי כשל וגבולות ביצועים בשפה שנועדה לספק הן את קהילת הבדיקות והן את המפעילים המבצעיים. עבור מערכות אוטונומיות בסביבות חסומות GPS או נתונות ללוחמה אלקטרונית, אנו מתכננים תיקוף לחוסן היתוך חיישנים וקבלת החלטות אוטונומית כנגד פרופילי איום ספציפיים ולא בתנאי מבחן אידיאליים — גישה המוצגת ב- הדגמה מבצעית של אוטונומיית רחפנים ללא GPS.
היסק קצה על חומרת הגנה הוא אתגר הנדסי
מודל שנאי (Transformer) הפועל על גבי A100 במרכז נתונים חסר תועלת על גבי מטען ייעודי של כטב"ם המוגבל בממדי גודל, משקל והספק (SWaP). תקציב המחשוב על Jetson Orin או Qualcomm RB5 נמדד ב-TOPS חד-ספרתי. ניהול תרמי הוא כעת מגבלה מרכזית: חום הנוצר מהיסק מפחית את הביצועים בחצי בפלטפורמות סגורות.
המעבר ממודל ענן למודל קצה מבצעי מחייב:
- כימות (Quantization) — INT8, INT4 ופשריות ה-GPTQ / AWQ המכריעות הן לדיוק והן לזמן אחזור;
- גיזום (Pruning) וזיקוק ידע;
- תיקוף תחת תנאי סביבה לפי MIL-STD-810H .
מגבלות אבטחה על כלי קוד פתוח ברשתות מסווגות מעמיקות את הבעיה: תהליך ה-MLOps הפועל בענן המסחרי אינו פועל על SIPR או JWICS. אנו מתכננים תהליכי היסק קצה המביאים בחשבון אילוצים אלה כבר מההתחלה — אופטימיזציית מודלים לחומרה ספציפית, בדיקות ביצועי היסק תחת מגבלות תרמיות וחשמליות, ותהליכי עבודה המיועדים לסביבות רשת מסווגות (SIPR או JWICS) (מפורט בנייר העמדה הטכני שלנו על ניווט נטול GPS לרחפנים אוטונומיים).
CMMC 2.0 כולל כעת AI, ו-220,000 קבלנים אינם מוכנים
עמידה בדרישות CMMC 2.0 כבר הייתה האתגר המרכזי עבור קבלני ביטחון המטפלים במידע CUI. בשנת 2026, הדבר הפך למורכב אף יותר. ה- FY2026 NDAA הטיל מסגרת אבטחת AI על קבלני ביטחון, והוסיף ארבע קטגוריות של בקרות אבטחה ייעודיות ל-AI:
- אימות וסינון קלט נתונים למניעת מתקפות הזרקת הנחיות (Prompt Injection);
- בקרות גישה למודלים באמצעות אימות רב-שלבי;
- ניטור ורישום יומנים מקיף של פלטי AI;
- אמצעי מניעה והגנה מפני מתקפות יריב.
משרד ההגנה חייב לדווח על ההתקדמות לקונגרס עד 16 ביוני 2026. האתגר מחריף מכיוון שרוב שירותי ה-AI המסחריים פועלים בסביבות ענן רגילות שאינן עומדות בדרישות עיבוד CUI — ביצוע היסק דרך API מסחרי שולח מידע מפוקח לתשתית שאינכם שולטים בה. Shadow AI (AI בלתי מורשה) הוא הממצא המרכזי בביקורות: שימוש לא מתועד בכלי AI על ידי אנשי צוות מורשים ברשתות המחוברות ל-CUI.
במקביל, ITAR מייצר בעיית תאימות מקבילה שרוב התוכניות טרם התעמתו עמה. ה- DDTC במחלקת המדינה וה- BIS במחלקת המסחר לא פרסמו הנחיות מחייבות בשאלה האם נתונים טכניים שנוצרו על ידי AI מהווים ייצוא מפוקח תחת ה- USML. מהנדס המשתמש ב-LLM כדי לנסח מפרטים עבור פריט ביטחוני עלול לבצע ייצוא רעיוני (deemed export) מבלי משים.
הגישה שלנו היא לתכנן ארכיטקטורות תאימות המתייחסות לבקרות ה-AI של CMMC 2.0, לטיפול בנתונים טכניים תחת ITAR ולדרישות אבטחת הסייבר של DFARS 252.204-7012 כמערכת הנדסית אחת משולבת במקום שלוש משימות נפרדות. המטרה היא ארכיטקטורה המאפשרת לצוותי ההנדסה להשתמש ב-AI ביעילות תוך שמירה על מוכנות מלאה להערכת C3PAO ולביקורת DDTC.
התעופה המסחרית מתמודדת עם אותם אתגרים טכנולוגיים
בצד המסחרי, חברות תעופה וספקי MRO משקיעים ב-AI לתחזוקה חזויה, ניהול ציים ושלמות שרשרת האספקה. הביקוש העולמי ל-MRO צומח בקצב של 3.2% CAGR עד 2035, כאשר מנועים מהווים את המניע העיקרי. תחזוקה מבוססת מצב (CBM) מבטיחה לחזות כשלים, לצמצם השבתות בלתי מתוכננות ולהאריך חיי נכסים. הפער נעוץ בשילוב 30 שנה של נתוני חיישנים הטרוגניים על פני ציים מעורבים למודלים המפיקים המלצות תחזוקה מעשיות במקום רעש.
שלמות שרשרת האספקה הפכה לעניין דחוף. במרץ 2026, בית משפט בלונדון גזר את דינו של ספק בגין הפצת רכיבים אלקטרוניים מזויפים במערכות אוויוניקה ובקרה קריטיות. ה- 2026 NDAA מורה לשר ההגנה לגבש מסגרת לטיפול בסיכוני רכיבים מזויפים והרעלת נתונים בשרשראות אספקה של AI. תאומים דיגיטליים הופכים מכלי הדמיה למערכות קבלת החלטות, אך בניית תאום המפחית השבתות מחייבת אינטגרציית חיישנים רציפה, מודלים פיזיקליים מאומתים וממשק שצוותי הקרקע בוטחים בו.
אנו מביאים לתעופה המסחרית את אותה קפדנות אימות הנדרשת בתוכניות ביטחוניות: מודלים של תחזוקה חזויה המאומתים מול נתוני אמת של תקלות היסטוריות, תהליכי בדיקת שרשרת אספקה לאיתור רכיבים חריגים בטרם התקנה, וארכיטקטורות תאומים דיגיטליים המפיקות סימולציות מהימנות לתכנון ציים.
מדוע קבלנים ראשיים, ספקי פלטפורמות וחברות ייעוץ משאירים פערים
שלוש קטגוריות של ספקים משאירות כל אחת פער אחר — ועבודה זו דורשת הן עומק הנדסי ב-ML והן הבנה מובהקת של התחום הביטחוני, שילוב שכל אחד מהם חסר בדרכו.
| קטגוריית ספק | דוגמאות | הפער שהם משאירים |
|---|---|---|
| קבלנים ביטחוניים ראשיים (Primes) | Lockheed Martin, Northrop Grumman, Boeing | מפתחים יכולות AI פנימיות, אך הם ארגונים ממוקדי חומרה. ניהול מחזור חיי ML ומתודולוגיות T&E אינם יכולות ליבה בתרבות של מערכות מכניות וחשמליות — ותחרות ה-CCA דורשת תוכנת טיסה אוטונומית שבעבר נמסרה למיקור חוץ. |
| ספקי פלטפורמות | Anduril, Shield AI, Palantir, Skydio | בונים מוצרים אוטונומיים מעולים, אך מנהלת תוכנית הרוכשת את Lattice מקבלת את הארכיטקטורה הקניינית של Anduril — ללא הערכה בלתי תלויה האם הפלטפורמה מתאימה למשימה או עומדת בדרישות CDAO ל-AI אחראי. |
| חברות ייעוץ | Accenture, Deloitte, Booz Allen | הפנטגון ביטל באפריל 2025 חוזי ייעוץ בהיקף של 5.1 מיליארד דולר עמן. חברת BCG מצאה כי 70% מחברות התעופה והביטחון מציינות גיוס עובדי AI כאתגר מרכזי — חברות הייעוץ הגדולות מתמודדות עם אותו פער כישורים שהן נשכרות לפתור. |
מרחב הפעילות שלנו נמצא בין קטגוריות אלו: הערכה טכנית ניטרלית של פלטפורמות AI, מתודולוגיית T&E בשירות מנהלת התוכנית, הנדסת היסק קצה להעברת מודלי ענן לחומרה טקטית, וארכיטקטורת תאימות המשלבת CMMC, ITAR ו-RAI כאילוצים הנדסיים מובנים.
נקודות מפתח
- התקציבים ל-AI ביטחוני משמעותיים כעת (13.4 מיליארד דולר ל-AI ואוטונומיה, 9.8 מיליארד דולר למערכות לא מאוישות), אך הרכש, ה-T&E וכוח האדם המסווג עדיין מפגרים.
- מערכות ML הן הסתברותיות, ולכן T&E דטרמיניסטי מסורתי אינו יכול לאמתן — מעבר אבני דרך מחייב מתודולוגיות ספציפיות שנבדקו בתנאי יריב ובסביבות נטולות GPS.
- פריסה בקצה על חומרה מוגבלת SWaP (כגון Jetson Orin ו-Qualcomm RB5) היא אתגר הנדסי: כימות, גיזום, זיקוק, ניתוח תרמי ותיקוף MIL-STD-810H לרשתות SIPR/JWICS.
- יש לנהל את CMMC 2.0, בקרות ה-AI של FY2026 NDAA (דיווח לקונגרס עד 16 ביוני 2026), סוגיות ITAR/USML ותקן DFARS 252.204-7012 כמערך תאימות אינטגרלי אחד.
- התעופה המסחרית שותפה לאותם אתגרים — תחזוקה חזויה, שלמות שרשרת האספקה ותאומים דיגיטליים דורשים כולם הנדסה קפדנית המבוססת על ראיות ואימות מוחלט.
תעופה, חלל וביטחון
צפייהאוטונומיית רחפנים בסביבת GPS חסום: VIO, בינה מלאכותית בקצה ואינטגרציית Blue UAS | Veriprajna
מערכות שיבוש רוסיות מסוג R-330Zh יוצרות אזורי חסימת GPS ברוחב של קילומטרים רבים לאורך קווי החזית האוקראיניים. ה-FCC חסם הרשאות חדשות לכל רחפן מתוצרת זרה בדצמבר 2025. הצבא רכש זה עתה 2,500 יחידות Skydio X10D בתוך 72 שעות, מפני ששום דבר אחר במלאי המאושר לא יכול היה להתמודד עם סביבה אלקטרומגנטית מאותגרת.
שאלות נפוצות
כיצד להעביר מערכת מבוססת AI אבן דרך של משרד ההגנה כשמסגרות CDAO אינן תואמות ל-TEMP שלנו?
הפער המערכתי ברור: מסגרות CDAO תוכננו להערכת AI, בעוד שמסמכי TEMP רגילים מניחים התנהגות דטרמיניסטית. מערכות ML הן הסתברותיות ותלויות בהתפלגות הנתונים. אנו מגשרים על כך על ידי בניית תוכניות בדיקה ייעודיות ל-AI המשתלבות במבני ה-TEMP הקיימים, הגדרת מעטפות ביצועים מבצעיות וגיבוש ראיות מדעיות המקובלות על גורמי הבדיקה ועל מקבלי ההחלטות.
מה דורשת מסגרת אבטחת ה-AI של CMMC 2.0 מקבלני ביטחון?
ה-FY2026 NDAA הטיל בקרות אבטחה ייעודיות מעבר לרף הבסיסי של CMMC 2.0 בארבעה צירים: סינון קלט מפני הזרקת הנחיות, בקרת גישה עם אימות רב-שלבי, ניטור פלטים מקיף המשולב ב-SIEM והגנה מפני מתקפות יריב. אנו מתכננים ארכיטקטורות המאפשרות שימוש ב-AI מאושר בגבולות CMMC ומצמצמות סיכוני Shadow AI.
כיצד לפרוס מודלי ML שאומנו בענן על גבי פלטפורמות טקטיות מוגבלות SWaP?
התהליך כולל ארבעה שלבים: אופטימיזציה באמצעות כימות מ-FP32 ל-INT8 או INT4 בשיטות GPTQ/AWQ המותאמות לשבבים דוגמת Jetson Orin או Qualcomm RB5, גיזום ארכיטקטורה וזיקוק ידע, ניתוח עומס תרמי וצריכת חשמל למניעת נפילת ביצועים במארזים סגורים, ותיקוף עמידות בתנאי סביבה לפי MIL-STD-810H בסביבות רשת מסווגות.
האם פלטי מודלי AI נחשבים לנתונים טכניים המפוקחים על ידי ITAR?
זוהי סוגיה משפטית מרכזית בתחום ה-AI הביטחוני. הגדרת נתונים טכניים ב-ITAR כוללת מידע הנדרש לתכנון או ייצור פריטי לחימה, ללא תלות באמצעי שבו נוצר. בהיעדר הנחיות רשמיות של DDTC או BIS, הגישה המחמירה רואה בפלטים אלה מידע מפוקח. אנו בונים תהליכי פיתוח תואמי ITAR השומרים את המידע בסביבות מקומיות סגורות או GovCloud עם בקרות ייצוא קפדניות.
כיצד לאמת ניווט רחפנים אוטונומי בסביבות לחימה נטולות GPS?
חסימת GPS היא הנחת היסוד המבצעית בזירות עימות מודרניות. אימות אמיתי אינו מסתכם בכיבוי ה-GPS בשדה הניסויים, אלא מחייב חשיפה לאותות שיבוש (jamming) והטעיה (spoofing) תואמי זירה, כדי לוודא שחוסן היתוך החיישנים וההחלטות האוטונומיות נשמרים בתוך גבולות המשימה.
מהו ההבדל המהותי בין Anduril Lattice ל-Palantir AIP עבור תוכניות ביטחוניות?
המערכות עונות על צרכים נבדלים: Palantir AIP ו-TITAN מתמקדות בהיתוך נתונים וסיוע להחלטות תקיפה של גורמי אנוש, בעוד ש-Anduril Lattice מנהלת ומפעילה אוטונומיה שיתופית של ציי כלים לא מאוישים מרובי ממדים. אנו מספקים הערכה הנדסית ניטרלית לבחירת המערכת התואמת את דרישות המשימה.
כיצד לבנות מערך תחזוקה חזויה מבוסס AI עבור צי מטוסים מסחרי מעורב?
האתגר המרכזי הוא השונות בנתוני מערכות אוויוניקה מדורות שונים. מודל לכלל הצי דורש שכבת נרמול לנתוני החיישנים, אפיון דפוסי שחיקה ספציפיים לכל דגם מטוס ושילוב מודלים פיזיקליים של יצרני הציוד. תיקוף מול נתוני אמת היסטוריים הכרחי למניעת התרעות שווא הפוגעות באמון המכונאים.
כיצד לבחון AI סוכני לסיוע בהחלטות צבאיות מבלי ליצור אמון עיוור?
בהתאמה לחזון משרד ההגנה לרשתות סוכנים, אנו בוחנים את תפקוד המערכות בתנאי מידע משובש, מודדים את נכונות המפעילים לדחות המלצות שגויות של המערכת ומוודאים שרשראות ההסקה שקופות כדי למנוע את 'אשליית השליטה' המסוכנת ב-AI צבאי.
בנו את ה-AI שלכם בביטחון.
שותפו עם צוות בעל ניסיון עמוק בבניית הדור הבא של AI ארגוני. אנו נסייע לכם לתכנן, לבנות ולהטמיע אסטרטגיית AI שתוכלו לסמוך עליה.
Veriprajna ייעוץ דיפ-טק מתמחה בבניית מערכות AI קריטיות לבטיחות עבור תחומי הבריאות, הפיננסים והרגולציה. הארכיטקטורות שלנו מאומתות מול פרוטוקולים מבוססים ומלוות בתיעוד ציות מקיף.