כמה מרוויח/ה ML / AI Engineer בישראל? טווחי שכר לפי ותק

אין בשוק הישראלי תפקיד שבו שני אנשים עם אותו מספר שנות ניסיון יכולים לקבל הצעות כל כך שונות. הסיבה פשוטה: תחת השם ML Engineer מסתתרים שלושה מקצועות נפרדים. בלוח HiTakeJob פתוחות כרגע 365 משרות שמזכירות פייתון, ו-13 מהן מזכירות במפורש PyTorch.

למה פיזור השכר בתפקיד הזה הוא הרחב בשוק

בתפקידי פיתוח קלאסיים אפשר להעריך שכר בקירוב סביר לפי ותק וסוג החברה. כאן זה לא עובד, ושלוש סיבות מצטברות מסבירות למה.

הראשונה היא שהשם לא אומר מה עושים. מועמד אחד מאמן מודלים מאפס מול מאמר אקדמי, השני לוקח מודל קיים ובונה סביבו מערכת שרצה בייצור, והשלישי מחבר ממשק למודל שפה של ספק חיצוני ובונה עליו מוצר. שלושתם ייקראו בהודעת המשרה בדיוק אותו דבר.

השנייה היא היעדר ותק בשוק. התחום התרחב מהר מכדי שייווצר בו ריבוד ותק מסודר, ולכן אין מוסכמה יציבה על מה נחשב סניור. חברות מתמחרות לפי מה שהאדם מסוגל להוכיח, ובשוק בלי עוגן התמחור מתפזר.

השלישית היא תחרות ישירה מול חברות בינלאומיות. בתחום הזה, יותר מבאחרים, חברות זרות מגייסות מישראל ומתמחרות לפי סקאלה גלובלית. די בכמה מעסיקים כאלה בשוק קטן כדי למתוח את הקצה העליון ולהרחיב את כל הפיזור.

שלושה תפקידים שונים תחת שם אחד

לפני שמסתכלים על מספר כלשהו, צריך לדעת באיזו עמודה בטבלה הזו המשרה שמולך יושבת. זו השאלה הראשונה שאנחנו ממליצים לשאול בשיחת המיון.

הווריאציה	מה עושים ביומיום	מה בודקים בראיון	מיקום על סולם הערכת השוק
מחקר ואלגוריתמיקה	ניסוח בעיה, אימון מודלים, ניסויים	עומק מתמטי, מאמרים, פרסומים	קצה עליון, פיזור פנימי גדול
Applied ML בייצור	הסקה בזמן אמת, ניטור, ניהול מחזור חיי מודל	הנדסת תוכנה, מערכות מבוזרות	אמצע גבוה ויציב יחסית
הנדסת GenAI אפליקטיבית	אינטגרציה למודלי שפה, אחזור, כלים, הערכה	תכנון מערכת, עלות, אמינות פלט	רחב מאוד, תלוי בבשלות המוצר

העמודה השלישית היא זו שמפילה מועמדים. אדם שהתכונן לראיון אלגוריתמי ומגיע לתפקיד יישומי יגלה שבודקים אותו על תכנון מערכת, ולהפך. ההתאמה בין סוג ההכנה לסוג המשרה משנה את סיכויי הקבלה יותר מאשר הוותק.

שתי הווריאציות הראשונות מתוארות בהרחבה במסלול הקריירה של ML Engineer, והשלישית במדריך ה-AI Engineer שלנו.

טווחי שכר לפי ותק: הערכת שוק

נאמר בלי לטשטש: במאגר שלנו אין שדה שכר, והטווחים שלהלן הם הערכת שוק שנבנתה מפרסומים גלויים. בתפקיד הזה הם רחבים במיוחד, וזה חלק מהתשובה ולא פגם בה.

רמה	הערכת שוק, ברוטו לחודש	למה הטווח כל כך רחב
כניסה, עד שנתיים	18,000 - 28,000 ש"ח	תלוי אם הרקע אקדמי או הנדסי
שלוש עד חמש שנים	28,000 - 45,000 ש"ח	תלוי אם המודל הגיע לייצור או נשאר במחקר
שש שנים ומעלה	45,000 - 65,000 ש"ח	תלוי בגודל המעסיק ובתמחור גלובלי
מומחה מוביל או ראש צוות	65,000 ש"ח ומעלה	נקבע פרטנית, לעיתים עם מניות משמעותיות

השורה האחרונה דורשת הסתייגות כנה: היא מתארת מספר קטן של תפקידים בשוק, ולא מצב שאפשר לתכנן אליו. הערכת שוק בקצה כזה מבוססת על מעט מאוד נקודות, ולכן היא פחות אמינה מהשורות שמעליה.

נקודה נוספת שנוגעת דווקא לקצה העליון: חלק ניכר מהתגמול שם אינו בשכר החודשי אלא בהקצאת מניות, ולכן השוואה בין הצעות לפי הברוטו בלבד עלולה להטעות. את המנגנון של רכיב זה פירטנו במדריך האופציות לעובדי הייטק.

כמה תואר מתקדם באמת מוסיף לתלוש?

זו השאלה הכי נפוצה שמגיעה אלינו בתחום הזה, ויש לה תשובה מדויקת יותר מכן או לא. התואר משנה בשלוש נקודות ולא משנה בשתי אחרות.

הוא משנה בכניסה לתפקידי מחקר. עבודה שבה מנסחים בעיה מאפס ומאמנים ארכיטקטורה חדשה דורשת שרירים שנבנים בעיקר במחקר מונחה, ובלי תואר שני או שלישי הדלת לרוב סגורה. הוא משנה גם בקבוצות שמפרסמות מאמרים, ובחלק מהתפקידים בחברות בינלאומיות שמגדירות דרישת סף פורמלית.

הוא אינו משנה כמעט בכלל בשני מקומות: בהנדסת GenAI אפליקטיבית, שבה מה שנבדק הוא תכנון מערכת ובניית מוצר, ובתפקידי Applied ML בחברות בינוניות, שבהן מחפשים מישהו שידע להעביר מודל לייצור בלי להפיל את המערכת. באלה, שנתיים של ניסיון מוכח מתמחרות גבוה יותר מתואר נוסף.

יש גם השפעה עקיפה שקשה להתעלם ממנה: תואר מתקדם מקנה רשת קשרים אקדמית, ובתחום שבו חלק מהמשרות מאוישות דרך המלצות ולא דרך מודעות, הרשת הזו שווה לא מעט. זו אינה תוספת שמופיעה בטבלת שכר, אבל היא מסבירה למה בוגרי אותן קבוצות מחקר נוטים להגיע לאותן חברות.

ההשלכה המעשית: הבחירה אם ללכת לתואר צריכה להיגזר מהווריאציה שרוצים לעבוד בה, ולא מהנחה כללית שתואר מעלה שכר. מי שיודע שהוא רוצה לבנות מוצרים ולא לפרסם מאמרים ירוויח יותר מהשקעת אותה שנתיים בפרויקטים אמיתיים.

מה קובע באיזה קצה של הטווח תיפול/י

• האם מודל שעבדת עליו הגיע למשתמשים אמיתיים, או שנעצר בשלב המחקר. זהו המבדיל החזק ביותר.
• רמת ההנדסה: מי שיודע לארוז, לפרוס, לנטר ולתחזק מודל מתומחר מעל מי שיודע רק לאמן אותו.
• תחום התוכן: ראייה ממוחשבת, עיבוד שפה, מערכות המלצה ואבטחה מתומחרים אחרת זה מזה בהתאם לביקוש.
• מודעות לעלות: בעידן מודלי השפה, מי שיודע להוזיל הסקה בלי לפגוע באיכות מייצר ערך שקל להצביע עליו.
• סוג המעסיק: קבוצת מחקר בחברה בינלאומית, סטארט-אפ מוקדם וארגון מסורתי מתמחרים בשלוש סקאלות שונות.

לצד החמישה, קיים גורם שקשה לכמת אך משפיע מאוד: בהירות התקשורת. תחום שבו התוצאה הסתברותית מחייב את מי שעובד בו להסביר להנהלה מה בדיוק המערכת מבטיחה ומה לא, ולעשות זאת בלי להבטיח יותר מדי ובלי להישמע מתחמק. מי שיודע לעשות את זה נכנס לשיחות שבהן נקבע התקציב, וזה משפיע על התמחור שלו יותר מאשר עוד שנה של ניסיון.

הפריט הראשון שווה הדגשה. בראיונות בתחום הזה, סיפור מלא על מערכת אחת שרצה בייצור, כולל מה נשבר בה ואיך זוהה, מייצר רושם חזק יותר מרשימה ארוכה של מודלים שאומנו במחברת. זו גם הסיבה שאנחנו ממליצים למועמדים לתעד את שלב הייצור ולא רק את שלב הניסוי.

מה שינה עידן מודלי השפה בשוק העבודה

השינוי הגדול של השנים האחרונות לא היה עליית שכר רוחבית אלא פיצול של הביקוש. עד לפני כמה שנים, כמעט כל מי שרצה לעסוק בלמידת מכונה נדרש לדעת לאמן מודל. היום קיים מסלול שלם שבו לא מאמנים כמעט כלום.

המסלול הזה עוסק בחיבור מודל קיים למערכת אמיתית: תכנון אחזור מידע מתוך מאגרים ארגוניים, חיבור כלים חיצוניים שהמודל יכול להפעיל, בניית שכבת הערכה שמודדת את איכות הפלט, וניהול עלות הקריאות. מבחינת מיומנויות זו הנדסת תוכנה עם שכבת שיפוט סטטיסטי מעליה.

ההשלכה הראשונה על השכר היא שנפתחה דלת רחבה יותר. מפתחים מנוסים שלא היה להם רקע אקדמי בתחום יכולים כיום להיכנס ולהתומחר היטב, וזה מסביר חלק גדול מהרחבת הפיזור שתוארה למעלה.

ההשלכה השנייה זהירה יותר: השוק עדיין לא ייצב את התמחור של המסלול הזה. ארגון שרואה בו הנדסת מוצר מתמחר אותו כמו פיתוח בכיר, וארגון שרואה בו חוד חנית מתמחר גבוה משמעותית. הפער בין שתי התפיסות האלה, על אותו תפקיד בדיוק, הוא אחד מגורמי הפיזור החזקים ביותר בשוק כרגע.

עצה מעשית לגבי שני המסלולים: כשמראיינים אותך לתפקיד בשם הזה, שאלה על היחס בין אחוז הזמן שמוקדש לאימון לבין אחוז הזמן שמוקדש לאינטגרציה תגלה לך מיד באיזו עמודה של הטבלה למעלה אתה נמצא, ולפי מה כדאי לעגן את הציפייה הכספית.

מה מרכיב את החבילה מלבד הברוטו

בתפקידים האלה, יותר מברוב ההייטק, שני מועמדים יכולים לקבל ברוטו זהה ולהגיע לשווי שנתי שונה מאוד. ארבעה רכיבים אחראים לכך.

הרכיב הראשון הוא הקצאת מניות או יחידות, שנפוצה במיוחד בקבוצות מחקר ובחברות בינלאומיות. שווי הרכיב תלוי בשאלות שצריך לשאול מראש: מה לוח ההבשלה, מה קורה בעזיבה, והאם מדובר בחברה נסחרת או פרטית.

הרכיב השני הוא בונוס שנתי שקשור ליעדים, שנוטה להיות משמעותי בארגונים גדולים ולהיות סמלי או לא קיים בסטארט-אפ מוקדם.

הרכיב השלישי אינו כספי אך שווה הרבה בתחום הזה: תקציב חישוב. גישה חופשית למשאבי אימון משמעותם שאפשר לנסות רעיונות בפועל, ולא רק להציע אותם. קבוצה שמוגבלת בתקציב מקצה למהנדס פחות אפשרויות ללמוד, וזה משפיע על השווי שלו בשוק כעבור שנתיים.

הרכיב הרביעי הוא זכות פרסום. אפשרות לפרסם מאמר, להציג בכנס או לתרום לקוד פתוח משפיעה ישירות על הנראות המקצועית, ובתחום שבו ההצעות מגיעות דרך מוניטין זהו נכס מדיד בפני עצמו.

כשמשווים בין שתי הצעות, ההמלצה שלנו היא לפרק כל אחת מהן לארבעת הרכיבים ולהעריך אותם בנפרד. השוואה של מספר ראשי מול מספר ראשי כמעט תמיד מטעה כאן. הרחבנו על אופן ההשוואה במדריך הבחירה בין הצעות עבודה.

מה פתוח עכשיו בלוח

שלושה עמודים להתחיל מהם: 365 משרות פייתון, 27 משרות שמזכירות PyTorch ו377 משרות בקטגוריית מחקר ופיתוח. מספר המשרות שמזכירות PyTorch קטן, וזה נתון מלמד: רוב המשרות בתחום אינן מפרטות ספריית אימון בדרישות, אלא מבקשות ניסיון כללי ומשאירות את הכלים פתוחים.

שאלות נפוצות

האם המספרים במאמר נלקחו מהמשרות שבאתר?

לא. הלוח שלנו שומר משרות ולא שכר, ולכן כל סכום בשקלים כאן הוא הערכת שוק. הנתונים החיים בעמוד הם אך ורק ספירות המשרות שמופיעות ליד הקישורים.

מה ההבדל בין ML Engineer ל-AI Engineer בפועל?

בשוק הישראלי השמות מתערבבים, אבל הנטייה היא ש-ML Engineer מתעסק במודלים שהארגון מאמן בעצמו, ואילו AI Engineer בונה מוצרים מעל מודלים קיימים. לכן גם שאלות הראיון שונות לחלוטין.

אפשר להיכנס לתחום ממסלול פיתוח תוכנה?

כן, וזה אחד המסלולים הנפוצים ביותר כיום, במיוחד לכיוון היישומי. מה שנדרש להוסיף הוא הבנה של הערכת איכות, ניהול נתונים והתנהגות מודלים, ולא בהכרח אימון מאפס.

כמה משרות רלוונטיות פתוחות כרגע?

בלוח פתוחות 365 משרות שמזכירות פייתון ו-365 משרות בקטגוריית מחקר ופיתוח, אך רק חלק מהן הן משרות למידת מכונה. הסינון האמיתי נעשה בקריאת הדרישות עצמן.

האם עבודה מרחוק משפיעה על ההצעה בתחום הזה?

בחברות בינלאומיות שמגייסות מישראל היא לעיתים מגיעה עם סקאלת תמחור אחרת, לטובה או לרעה, בהתאם למדיניות החברה. זהו פרט שכדאי לברר מפורשות ולא להסיק ממנו הנחות.

מה שווה יותר בקורות חיים: פרויקטים אישיים או תואר?

תלוי בווריאציה. לתפקידי מחקר התואר כמעט הכרחי, ולתפקידים יישומיים תיק פרויקטים שרצים בפועל, עם קוד פתוח ותיעוד של החלטות, משכנע יותר מכל תעודה.