סקר Gartner: רק 36% ממנהלי הכספים סומכים על AI

אתם מכירים את הרגע הזה? מבקשים מ-AI הסבר על מספר – נניח, למה השוליים ירדו ברבעון האחרון – והוא עונה בביטחון מלא, עם נקודות ופורמט יפה. אבל אתם לא בטוחים אם אפשר לסמוך עליו. אז אתם בודקים ידנית, ובעצם מוסיפים עבודה במקום לחסוך אותה. זה הסיפור של הרבה יוזמות AI במחלקות הכספים, והוא מסביר למה האמון כל כך נמוך.

ההשקעה קיימת, התוצאות לא

ארגונים גדולים כבר השקיעו את הכסף: מערכות ERP מודרניות, פלטפורמות נתונים בענן, כלי תכנון. ועכשיו, יותר ויותר, גם AI – לתמיכה בתחזוקה, זיהוי חריגות, האצת סגירת ספרים ודיווח בקנה מידה גדול. מחקר מ-MIT מצא ש-95% מהארגונים לא רואים החזר מדיד על השקעות ה-GenAI שלהם. זה מספר מטורף, אבל הוא כללי מדי. Bain & Company בדקו את התמונה ספציפית בתחום הכספים ומצאו שההחזר המהיר ביותר על השקעות ב-AI מגיע משילובו בתהליכי העבודה הקיימים, לא מהרצת פיילוטים מבודדים. ההבחנה הזו חשובה, כי היא מסבירה למה כל כך הרבה מאמצים נתקעים אחרי הוכחת היתכנות.

למה AI נכשל בכספים?

AI יכול לעבד נתונים במהירות ולזהות דפוסים במאגרים גדולים. מה שהוא לא יכול לעשות זה להסיק את הלוגיקה העסקית שלכם מקלטים גולמיים. ה-ERP שלכם מצוין בלכידת עסקאות ואכיפת תקני חשבונאות, אבל הוא לא יודע איך הארגון שלכם מטפל בביטולים בין-חברתיים, או מה מתודולוגיית הקצאת העלויות של צוות ה-FP&A שלכם. הלוגיקה הזו – ספציפית, מתועדת, מוגדרת על ידי הארגון – חיה בגיליונות אלקטרוניים, לפעמים בראש של האנשים שבנו אותם.

כש-AI מפיק תשובות בלי ההקשר הזה, הן נשמעות בטוחות אבל אינן ניתנות להגנה. ובפונקציה שבה ביקורתיות היא דרישה בסיסית, הפער הזה הוא לא מגבלה שולית. הוא גורם למנהלי כספים לעשות את מה שכל איש כספים שפוי עושה: לבדוק הכול ידנית. כלומר, AI לא חסך את העבודה – הוא הוסיף שלב.

מה הבדיקות מראות?

סקר של Gartner בקרב למעלה מ-200 מנהלי כספים ראשיים (CFOs) מראה שרמת הביטחון של מנהלי הכספים ביכולתם לקדם את סדרי העדיפויות המובילים שלהם ל-2026 עומדת על כ-63%, אבל הביטחון בהנעת השפעת AI ארגונית צונח ל-36% בלבד. המנהלים לא חסרי ביטחון באופן כללי – הם בטוחים במשמעת עלויות ובהשקעות צמיחה. הירידה ספציפית ל-AI. זה מדד רחב יותר מכל מספר בודד, אבל הוא מצביע לאותו כיוון: AI הוא המקום היחיד שבו מנהלי הכספים עדיין לא מרגישים בטוחים כפי שהם בדרך כלל.

לפני שסומכים על מספר, בודקים ארבעה דברים: מאיפה הוא הגיע, אם אפשר להסביר אותו בפשטות, אם הוא יצא אותו דבר פעמיים, ואם אפשר לעקוב אחריו חזרה דרך הנתונים אם מישהו שואל. ראשי התיבות VURA – גלוי, מובן, ניתן לשחזור וניתן לביקורת – מתארים את מה שמנהיגים כבר בודקים אינסטינקטיבית. AI לא עובר אוטומטית את המבחן הזה. הוא יכול לייצר תשובה סבירה כמעט לכל דבר, כולל דברים שאין לו בסיס אמיתי לקבוע, והתשובה נראית אותו דבר בין אם הלוגיקה מוצקה ובין אם היא מומצאת.

אז מה הפתרון?

ה-playbook של ה-CFO לבניית נתוני כספים מוכנים ל-AI מתמקד בכמה עקרונות שאי אפשר לוותר עליהם. ראשית, נתונים מוכנים ל-AI צריכים להיות מותאמים למטרה – לא לכלול את כל הנתונים. אם בונים תחזית מזומנים, לא צריך כל שדה מכל טבלת חשבונות. שנית, הם חייבים להיות נקיים ומתוקננים – AI לא מתעלם בנימוס מקלטים רעים; הוא לרוב מגביר אותם. זה אומר שהנתונים צריכים להיות נקיים מכפילויות, מתוקננים בכל הנוגע לתאריכים, מטבעות ויחידות, וממופים להיררכיות עקביות.

שלישית, נתונים מוכנים ל-AI צריכים להיות משולבים ממקורות שונים, עם הקשר עסקי. עבודת הכספים חוצה מערכות מטבעה, ונתוני AI צריכים לשקף מציאות עסקית, ולא רק נתונים מבודדים ממערכות. ורביעית, הם חייבים להיות ניתנים למעקב ושקופים – זה המקום שבו מנהלי הכספים צריכים לדחוף חזק יותר מכולם. נתוני AI צריכים לכלול תיעוד של מקור הנתונים (lineage), כך שאפשר יהיה להסביר כל מספר.

במקביל, המודל שתופס תאוצה בתעשיית הבנקאות הוא לא AI שפועל באופן עצמאי, אלא AI עם מטרה מוגדרת ופיקוח. גישת Human-in-the-loop הופכת לסטנדרט ומשלבת את המהירות והקנה מידה של תובנות מונעות על ידי מכונה עם האחריות, השיפוט והבקרה שארגונים לא יכולים להרשות לעצמם לאבד. השינוי הזה תואם את האופן שבו רגולטורים ומסגרות תעשייתיות מעצבים אימוץ AI אחראי, ממסגרת ניהול הסיכונים של NIST AI ועד להנחיות המעודכנות של סוכנויות הבנקאות בארה״ב.

מה זה אומר עליכם?

אם אתם עובדים בצוותי כספים או בונים מוצרים עבורם, הלקח ברור: AI לא יעבוד על נתונים מבולגנים. לפני שמשקיעים במודל AI מתקדם, צריך להשקיע בנתונים – לנקות אותם, לתעד את הלוגיקה העסקית ולוודא שהם מותאמים לתהליך ספציפי. זה פחות זוהר מלהשיק צ׳אטבוט, אבל זה מה שיביא תוצאות אמיתיות. בסופו של דבר, AI לא יחליף את רואה החשבון – הוא פשוט יגרום לו לבדוק את העבודה פעמיים.