איך מעריכים פתרונות AI לפיננסים

בשנה האחרונה יצא לי להיות בהרבה שיחות דמו עם חברות שמפתחות מערכות או פתרונות למחלקות כספים, לצד שיחות עומק עם קולגות בתחום.

בכל שיחה מציגים משהו אחר, פלטפורמה ל FP&A, כלי לאוטומציה של תהליכים כמו הפרשות או סגירת חודש, או פתרון לניטור עלויות ענן. ואז מגיע תמיד החלק על AI.

ובאיזשהו שלב מצאתי את עצמי עוצרת ושואלת כמה שאלות. אחת התובנות שעלו לי: לא מעט מהפתרונות האלה, במיוחד כשמדובר בסטארטאפים קטנים, הם לא בהכרח מורכבים כמו שהם נשמעים. עם דאטה טוב, חשיבה נכונה וקצת יכולות פנימיות - ארגונים יכולים לבנות לעצמם חלק מהפתרונות האלה.

נושא נוסף שמעסיק אותי הוא ROI. מדברים עליו הרבה, אבל כשמנסים לרדת לרמת מדידה בפועל, התמונה פחות ברורה. קל מאוד להדגים AI. הרבה יותר קשה להוכיח ערך.

ועוד משהו שעלה לי תוך כדי: בינה מלאכותית תלויה לחלוטין בדאטה שעליו היא יושבת. בלי תשתית נתונים מסודרת, נקייה ומחוברת, אין באמת מה להפעיל.

יש גם כלים שבאמת משנים את צורת העבודה. למשל, Claude Code שאני רואה אותו עובד מעולה במשימות נקודתיות ואנליזות אד הוק.

אבל במקביל, מערכות מידע שמנהלות תחזיות, אינטגרציות ו־source of truth ארגוני עדיין דורשות שכבה יציבה, מבוקרת ומובנית.

והכיוון שמעניין אותי במיוחד: סוכנים (agents) שמבצעים חלקים מהעבודה במשימות רפטטיביות. אני כבר רואה היתכנות אמיתית: איסוף נתונים, ניתוח ראשוני, ניסוח תובנות. זה עדיין לא מוצר “סגור”, אבל זה בהחלט משהו שמתקרב לשימוש יומיומי.

אז אם אני מסכמת את כל זה, ההשפעה של AI תלויה מאוד ברמת הבשלות של הדאטה והתהליכים בארגון. הכיוון ברור, והיישום עוד מתגבש.