איך הבנקים הגדולים משתמשים ב-AI כדי לייצר יתרון שכמעט אי אפשר לסגור
ההשקעות האדירות של בנקים ענקיים כמו Bank of America ו-JPMorgan ב-AI יוצרות חיסכון, יעילות והפחתת הונאות – אך גם מחזקות פערים תחרותיים. ה-AI דורש תשתיות נתונים יקרות, בדיקות קפדניות ואפס טעויות, מה שמותיר יתרון מובנה לשחקנים הגדולים ומעלה שאלות רגולטוריות הרלוונטיות גם לשוק הישראלי.
AI בבנקים: לא רק צ'אטבוטים, אלא אסטרטגיית כוח
הטרנספורמציה הדיגיטלית במערכת הבנקאית העולמית נכנסת לשלב חדש: אינטליגנציה מלאכותית (AI) כבר לא גימיק שיווקי, אלא מנוע לייעול אגרסיבי, להפחתת הונאות וליצירת יתרון תחרותי שמאיים להיות בלתי ניתן לסגירה. אבל מאחורי סיפורי ההצלחה מסתתרת מציאות יקרה, איטית ומרוכזת מאוד בידי המעטים הגדולים.
הסיפור של Bank of America, JPMorgan ושחקניות ענק נוספות ממחיש היטב: מי שיש לו מיליארדים להשקיע ב-AI ובתשתיות נתונים – בונה חומת מגן תחרותית שקשה מאוד לטפס מעליה.
Erica: הפנים הידידותיות של השקעה של 120 מיליארד דולר
ב-2016 השיק Bank of America את Erica – צ'אטבוט מבוסס AI לניהול קשרי לקוחות. מאז, המערכת הפכה לפלטפורמה מרכזית בחוויית הלקוח של הבנק:
- כ-2 מיליון אינטראקציות ביום.
- נפח שירות שמקביל לעבודת כ-11,000 עובדים אנושיים.
מאחורי המספרים עומד מחיר:
- כ-120 מיליארד דולר הושקעו בטכנולוגיה בעשור האחרון.
- ב-2024 תקציב הטכנולוגיה עמד על כ-12 מיליארד דולר:
- 8 מיליארד דולר לתחזוקת מערכות קיימות.
- 4 מיליארד דולר לפיתוח – כולל שדרוג Erica ואפליקציות חדשות.
Erica היא לא "עוד בוט" – היא תוצר של השקעה כבדה בתשתיות, אבטחה, דאטה ו-AI מותאם אישית. ההשפעה ניכרת גם במספרים התפעוליים.
פחות בנקאים, יותר קוד: איפה ה-AI כבר מספק תשואה
Bank of America מדווח על שינוי מבני עמוק בעשור האחרון:
- ירידה בכוח האדם בחטיבה הקמעונאית מ-101 אלף עובדים ב-2011 ל-55 אלף בלבד.
- הבנק מייחס את הקיצוץ כולו לשיפור טכנולוגי.
- מאז 2018 – הפחתה של כ-50% בהפסדי הונאה בכל הבנק.
במקביל, JPMorgan מדווח על:
- השקעה של כ-2 מיליארד דולר בשנה בפרויקטי AI.
- חיסכון שנתי כמעט זהה – קרוב ל-2 מיליארד דולר, בעיקר בזיהוי ומניעת הונאות.
כלומר, יש כבר חיסכון תפעולי מדיד. אבל חשוב לדייק: החיסכון לא משקף בהכרח "תשואה נקייה על AI". הוא מגיע אחרי שנים של השקעות קודמות בדאטה, ענן, סייבר ומערכות ליבה – תנאי סף לכך שה-AI בכלל יעבוד.
למה אין עדיין "ROI קסום" על AI בבנקים
למרות הכותרות הנלהבות, כשמסתכלים על המספרים מאחורי הקלעים, התמונה מורכבת הרבה יותר.
סקר של Boston Consulting Group בקרב 280 מנהלים פיננסיים מצא:
- פחות ממחצית הצליחו בכלל למדוד תשואה על השקעות AI.
- מבין מי שכן מדד:
- כשליש דיווחו על תשואה של פחות מ-5%.
- כרבע על תשואה בין 5% ל-10%.
הסיבות המרכזיות:
- אין פתרון מדף אמיתי: בניגוד ל-Excel, GenAI לבנקים דורש התאמה עמוקה: אינטגרציה עם מערכות ליבה, תהליכי ציות (compliance), ניהול סיכונים, הסברים רגולטוריים, אבטחת מידע ועוד.
- העלות האמיתית היא הדאטה: לפני שמפעילים LLM או צ'אטבוט חכם, צריך:
- לנקות, לתייג ולארגן מאגרי נתונים עצומים.
- לוודא עקביות, איכות ועמידה ברגולציה.
- לבנות פלטפורמות דאטה מאובטחות ומסונכרנות.
Bank of America, לדוגמה, השקיע בין 2014 ל-2019 כ-3 מיליארד דולר רק בלגרום לדאטה שלו להיות ראוי לעבודה עם AI.
Morgan Stanley, שבחר לשתף פעולה עם OpenAI, נאלץ להשקיע שנים בסידור וארגון הדאטה עוד לפני שהמודלים נכנסו לפעולה.
כלומר, החברות שמדווחות היום על "חיסכון בזכות AI" נהנות מהשקעות עבר מסיביות שהניחו את התשתית. מי שלא התחיל בזמן – משלם עכשיו גם את מחיר הכניסה וגם את מחיר ההאצה.
בנק בונה AI בבית: קפיטל של קוד ופטנטים
Bank of America בחר באסטרטגיה: לבנות כמעט הכול in-house, במקום להישען על ספקי טק חיצוניים.
התוצאה:
- יחד עם Capital One, הוא מחזיק בכ-65% מהפטנטים הקשורים ל-AI שבבעלות בנקים, על פי ניתוח של Wells Fargo.
- שליטה בקוד, ב-IP ובארכיטקטורה מאפשרת גמישות – אבל זו גם אסטרטגיה שרק בנקים עם כיסים עמוקים יכולים להרשות לעצמם.
עבור סטארטאפים פינטקיים או בנקים אזוריים – זה כמעט משחק בליגה אחרת.
"זה חייב להיות מושלם": העלות האימתנית של טעויות
אחד המסרים החזקים מהנהלת Bank of America הוא לא על כמה AI מרשים, אלא על כמה הוא מסוכן אם עושים אותו רע.
מנכ"ל הבנק, Brian Moynihan, מסביר זאת בפשטות:
אם הלקוחות יאבדו אמון בתשובות של Erica, מחר בבוקר נצטרך להחזיר 11,000 עובדים לטלפון ולסניפים.
במילים אחרות:
- צ'אטבוט בנקאי לא יכול "להמציא" תשובה.
- טעות רגולטורית, ייעוץ פיננסי שגוי או הטעיית לקוח – עלולים לעלות לבנק מיליארדים בנזקי אמון, קנסות ותביעות.
- לכן, לפני השקה, המערכות האלה עוברות בדיקות אינטנסיביות עד קצה היכולת.
אותו עיקרון נכון גם מחוץ לבנקאות: כל חברה שמאמצת GenAI לתקשורת עם לקוחות, לסגמנטציה, לאוטומציה של החלטות – חייבת להשקיע הון בבקרה, ניטור והקשחה. ההבטחה ליעילות היא עצומה, אבל גם מחייבת השקעות מראש, בלי הבטחה לתוצאה.
כשה-AI משרת את הגדולים: בעיית תחרות בהתהוות
הנקודה האסטרטגית שמדאיגה יותר מכל: ה-AI מאיץ פערים קיימים.
מספרים אחדים ממחישים זאת:
- תקציב הטכנולוגיה השנתי של Bank of America גדול מהעלות התפעולית הכוללת של יותר ממחצית הבנקים במדד KBW.
- תקציב הטכנולוגיה של JPMorgan (כ-18 מיליארד דולר בשנה) גבוה מסך ההוצאות של כל בנק – למעט חמישה בנקים בלבד באותו מדד.
ככל שה-AI מוכיח את עצמו ב:
- ייעול שירות לקוחות,
- צמצום סניפים וכוח אדם,
- הפחתת הונאות,
- התאמת מוצרים ללקוח באופן אוטומטי,
כך נוצר מצב שבו:
- הבנקים הגדולים נעשים יעילים ורווחיים יותר – ומסוגלים להשקיע עוד יותר בטכנולוגיה.
- הבנקים הקטנים והבינוניים מתקשים להדביק את הפער, כי עלות הכניסה לעולם AI איכותי הופכת כמעט בלתי ריאלית בלי סקייל.
- הסיכון התחרותי: שוק שבו מספר מצומצם של ענקיות שולט לא רק בכסף, אלא גם ב-AI, בנתונים ובמערכות שמייצרות עוד כוח.
זו איננה רק בעיה תיאורטית. אם AI הופך לתנאי בסיסי לשירות יעיל, בטוח וזול – אז היעדר יכולת להשקיע ב-AI הופך לחסרון מבני שעלול לדחוק שחקנים חלשים החוצה. כאן נכנסים לתמונה רגולטורים ופוליטיקאים, שיצטרכו לשאול:
- האם יש צורך בעידוד שיתוף תשתיות טכנולוגיות?
- האם יש מקום לרגולציה על שימוש ב-AI כדי למנוע חסימות שוק?
- כיצד מוודאים שמודלים חזקים לא נשארים נחלתם הבלעדית של מספר מוסדות ענק?
מה זה אומר לנו בישראל
למרות שהנתונים שבכתבה עוסקים בבנקים אמריקאיים, המגמה רלוונטית ישירות גם לשוק הישראלי:
- הבנקים הגדולים בישראל כבר משקיעים ב-AI: צ'אטבוטים, זיהוי הונאות, אוטומציה בתהליכי אשראי.
- שחקני פינטק ושירותים בנקאיים דיגיטליים נאלצים להישען על ספקי AI חיצוניים, ענן ציבורי ותשתיות מדף.
עבור קהילת הטק המקומית זה פותח שני כיוונים ברורים:
- הזדמנות – פיתוח פתרונות AI ייעודיים לבנקים קטנים, לפינטקים ולגופים מפוקחים שזקוקים ליכולות מתקדמות בלי להקים חטיבת מחקר פנימית של מיליארדים.
- אזהרה – ככל שהענקיות הבינלאומיות יבססו יתרון טכנולוגי, יידרשו בישראל שילוב של חדשנות רגולטורית ופתרונות מקומיים חכמים כדי לא להישאר תלויה לחלוטין בכמה שחקנים גלובליים.
הגל הנוכחי של AI בבנקאות הוא לא טרנד – הוא תשתית. השאלה איננה האם הוא ישנה את מאזן הכוחות, אלא כמה מהר ועד כמה יישאר בו מקום למתחרים קטנים ולחדשנות אמיתית.