סקר: רק 21% ממנהלי הכספים רואים ROI ברור מ-AI
מנהלי כספים רבים מכניסים AI לתחום הפיננסים, אך סקר של Deloitte מראה שרק 21% רואים ROI ברור. הפתרון טמון בלוגיקה עסקית שקופה, שמוצגת באופן ויזואלי, כמו שכבת Alteryx, שתהפוך תהליכי AI לגלויים, ניתנים לשחזור ולביקורת — ותמנע תחושת ביטחון כוזבת.
אתם מכירים את הסיטואציה: מנהל ב-5:57 שולח הודעה דחופה — ״צריך דוח פיוס מס תוך שעה״. עד לפני שנתיים, זה היה אומר שעות של נבירה בגיליונות אקסל, מיילים וצ׳אטים. היום? מזינים את הגיליון הענק ל-Claude או למודל AI דומה, ומקבלים תוך 4 שניות 1,700 שורות קוד פייתון. נשמע מושלם? אז זהו, שברגע שה-CFO רוצה להבין את הלוגיקה, או שהמבקר מגיע מחר — העניינים מתחילים להסתבך.
הבעיה: מהירות כן, אמון לא
המקור השני מתאר מציאות שבה ה-AI מייצר דוחות במהירות מטורפת, אבל אף אחד לא באמת יכול לאמת אותם. זה מה שנקרא בעגה המקצועית ״vibe-coded report״ — דוח שמרגיש נכון, אבל קשה להתחקות אחרי ההיגיון שלו. וזה לא תיאורטי: סקר של Deloitte מ-2026, שכלל למעלה מ-1,300 מנהלי כספים, מצא ש-63% כבר הטמיעו AI במחלקות שלהם, אבל רק 21% מדווחים על ROI מדיד וברור. הפער הזה מסביר הכול — כולם רצים לאמץ, אבל מי בודק שהכול עובד נכון?
מה זה בכלל ״AI אמין״?
כאן נכנס לתמונה מבחן ה-VURA — ראשי תיבות של Visible, Understandable, Repeatable, Auditable. בתרגום חופשי: תוכלו לראות מאיפה המספרים הגיעו? האם אתם מבינים את ההיגיון, או רק את המשפט המתאר אותו? הפקודה תחזיר את אותן תוצאות אם תזינו את אותן תשומות? והאם מבקר חיצוני יוכל לשחזר את התהליך?
כל שאלה כזו מסמנת אופן אחר שבו הסבר של AI יכול להיכשל, גם אם הוא נשמע משכנע. כפי שמסבירים במאמרים, בפיוס מס, למשל, ה-AI עשוי לקבוע שמדובר ב״הפרש זמנים״ — אבל אם לא הוגדר מראש היכן הלוגיקה שמאחורי ההגדרה הזו נמצאת, וה-AI לא יכול להצביע עליה, זה פשוט ניחוש מחופש לשפה בוטחת.
איך פותרים את זה? שכבת לוגיקה עסקית ויזואלית
הפתרון, כפי שמציעה חברת Alteryx, הוא לא לזנוח את ה-AI, אלא לרתום אותו נכון. במקום לבקש מ-Claude קוד פייתון, אפשר לבקש תהליך עבודה ויזואלי ב-Alteryx. התוצאה: קנבס גרפי שמראה את כל תהליך הפיוס — קלט, טרנספורמציות והיגיון עסקי — ופתוח לביקורת. כך, אנליסטים, מומחי דומיין ואפילו ה-CFO יכולים לראות מה קרה בכל שלב. זה הופך את תהליך ה-AI ל-Visible, Understandable, Repeatable, and Auditable.
העניין הוא שהלוגיקה העסקית הייתה קיימת תמיד, והיא נמצאת לרוב בגיליון אקסל ישן שכולם סומכים עליו אבל אף אחד לא זוכר במדויק איך הוא עובד. ה-AI מגדיל את העומס על ההגדרות האלה, ולכן הן צריכות להיות מוצקות ועקביות.
מה הלאה?
העתיד של AI בדוחות פיננסיים לא טמון בהפקת יותר דוחות, אלא בדוחות מהימנים. עסקים לא יכולים להרשות לעצמם ״מלכודת פרודוקטיביות״ — כמו שנאמר במאמר, הבאה של 400 מצגות PowerPoint לפגישת מכירות לא תסגור עסקה. ככה גם אלפי שורות קוד לא יפיגו את חששו של רגולטור.
אז בפעם הבאה שאתם מזמנים מודל AI להכין דוח קריטי, תשאלו: האם הלוגיקה גלויה? האם מישהו אחר יכול לשחזר את התהליך? אם התשובה היא ״אולי״ — אולי כדאי לעצור ולחשב מסלול מחדש. אחרי הכול, בתחום הפיננסים, ״נשמע נכון״ אף פעם לא מספיק.