במבחן התוצאה – GenAI במגזר הפיננסי

במגזר הפיננסי כולם כבר מדברים בינה מלאכותית שוטפת. אבל בזמן שמוסדות פיננסיים מובילים כבר מציגים תוצאות עסקיות מוכחות, רבים ממשיכים להיתקע בפיילוטים והוכחות היתכנות. מה מעכב את ההטמעה הרחבה, ואיך המודרניזציה יכולה לשנות את התמונה?

פתרונות בינה מלאכותית הפכו למיינסטרים במגזר הפיננסי. מגוון היישומים רחב ומתרחב: מניהול סיכונים, דרך איתור הונאות, שיפור חוויית הלקוח ועד לניהול משאבים וייעול תהליכים תפעוליים. ארגונים וגופים פיננסיים כבר אינם מסתפקים בפיילוטים ובחזון טכנולוגי; הם מצפים לתועלת עסקית מדידה. אך האם הם באמת מוכנים לבצע הטמעה רחבה, שתשנה את ליבת העשייה ותוביל ליתרון תחרותי ארוך טווח? לא בטוח.

סקר BCG: רק 25% מהמוסדות הפיננסים שילבו את יכולות הבינה המלאכותית בתכנית האסטרטגית

"על מנת ליהנות מכל היתרונות ש-AI יכולה להעניק, ולממש את הפוטנציאל העסקי האדיר שגלום בטכנולוגיה, צריך להטמיע אותה באופן מחושב, ורצוי לרוחב הארגון כולו", אומר עידן בר, מנהל מרכז התמחות AI במטריקס ו- AI CTO במטריקס דיפנס, אבל מהלך כזה עדיין לא מיושם על ידי ארגונים רבים. על פי סקר BCG שפורסם השנה רק 25% מהמוסדות הפיננסיים שילבו את יכולות הבינה המלאכותית בתוכניות האסטרטגיות שלהם. 75% הנותרים עדיין בשלב של פיילוטים מבודדים והוכחות היתכנות, ובכך מסתכנים באובדן רלוונטיות ככל שיריבים שמאיצים טכנולוגית ממשיכים להוביל."

פרודוקטיביות, חיסכון וחדשנות: המובילים כבר נהנים מהתוצאות

הארגונים המאיצים כבר קוצרים את פירות ה-AI. סקר של Bain & Company שבחן 109 מוסדות פיננסיים בארה״ב, מצא כי השימוש ב‑Generative AI  העלה את הפרודוקטיביות בכ־20% בתחומים כגון פיתוח תוכנה, שירות לקוחות ותפעול, נתון שמעיד על מעבר ברור משלב ההבטחה לשלב המימוש. גם הפורום הכלכלי העולמי מחזק מגמה זו, ומצביע על חיסכון תפעולי, האצה של תהליכים ושיפור חוויית הלקוח כתועלות מהותיות שכבר מתממשות בשטח.

דוגמאות מהשטח: איך ארגונים פיננסיים עושים את זה בפועל

ויש גם דוגמאות מהשטח להצלחות של יישומים ספציפיים. בתחום זיהוי ההונאות, למשל,Mastercard דיווחה כי שילבה טכנולוגיית GenAI, אשר הכפילה את קצב זיהוי הכרטיסים שנפגעו, הקטינה ב‑50% את שיעור ההתראות השגויות (false positive) והאיצה פי 3 את זיהוי בתי העסק בסיכון.

בתחום ניהול סיכוני אשראי, יותר ויותר בנקים מאמצים כלים מבוססי בינה מלאכותית על מנת לחשוף תבניות מורכבות שלא ניתן לאתר באמצעות כלים מסורתיים או עין אנושית. בנק BNP Paribas מדווח כי נכון לשנת 2024, הוא פרס כבר יותר מ־800 user cases מבוססי AI בסביבת ייצור (production) בכל רחבי הארגון. אלה כוללים, בין היתר, דירוגי סיכון חכמים, תהליכי גבייה אוטומטיים ואפילו סוכנים וירטואליים, המסייעים ללקוחות בהתמודדות עם בעיות אשראי. על פי דוח הבנק, בזכות פרויקטים אלו צפויה קבוצת BNP ליצור ערך שנתי של כ־750 מיליון אירו עד שנת 2026, בעיקר הודות לייעול תהליכים, שיפור קבלת ההחלטות, והפחתת סיכונים תפעוליים ופיננסיים.

בנק BNP Paribas לא לבד. בנקים כבר אינם מסתפקים בשימוש נקודתי בבינה מלאכותית. למשל,   Goldman Sachs שילבה בארגון אתGS AI Assistant , עוזר מבוסס בינה מלאכותית שתומך בעובדים במשימות כמו סיכום מסמכים, ניסוח תוכן וניתוח נתונים. מדובר ביישום רחב היקף ולא בפיילוט נקודתי.

עליית מדרגה? גם האתגרים עולים

"אני מעריך שזאת מגמה שרק תלך ותצבור תאוצה", אומר עידן בר, "ויותר ויותר ארגונים פיננסיים יעשו את המעבר מהוכחות היתכנות לפרויקטים בפריסה מלאה. כבר היום, יותר בנקים משלבים Agentic AI, יישומים שאינם מסתפקים במענה נקודתי, אלא מבצעים רצפים שלמים של משימות: מקבלת מסמך, דרך ניתוח והבנת ההקשר, ועד לאישור או ביצוע פעולה, תוך שמירה על תיעוד, ציות ובקרה."

אלא שככל שהשימוש מתרחב, כך גם האתגרים נעשים מורכבים יותר. "הטמעה של AI במגזר הפיננסי מציבה אתגרים מיוחדים", ממשיך עידן בר, "הרגולציה, למשל, היא אחת המרכזיות שבהם. בנק ישראל הוא רגולטור חזק שמשנה את הנהלים שלו לעיתים תכופות, ומערכות ה-AI חייבות להיבנות כך שיוכלו להתאים עצמן לקצב השינויים ולסטנדרטים המתפתחים. המשמעות היא תכנון מראש של מערכות דינמיות וגמישות. לצד זה, קיימים אתגרים נוספים כמו שמירה על פרטיות, ניתוח דאטה מורכב שמשלב טקסט חופשי עם מידע טבלאי ומספרי, ובמיוחד, ההתמודדות עם החוב הטכנולוגי הארגוני, שמעכב לא מעט גופים ביישום מלא של הפוטנציאל שמציעה הבינה המלאכותית".

הדרך למיצוי הפוטנציאל: מודרניזציה של תשתיות

על מנת לרתום את יכולות ה-AI  לקפיצת מדרגה עסקית, נדרש קודם כל לטפל בתשתית עצמה, ולעבור תהליך יסודי של מודרניזציה. "כולם מדברים על חדשנות, חולמים ורצים קדימה. אבל כשמתחילים לתכנן וליישם, מזהים את האתגרים", אומר אורן יוסף, SVP פתרונות אינטגרציה, מודרניזציה ודיגיטל פיננסי במטריקס.

"לכל ארגון, בוודאי לארגונים פיננסיים, יש בדרך כלל בסיס של מערכות מחשוב שמשרתות אותו כבר שנים. המערכות הללו מכילות בתוכן מידע רב של תהליכים, חישובים וחוקה עסקית, ולצד זה שהן משמרות את ליבת העשייה של הארגון, הן גם מבוססות על טכנולוגיות ישנות. כאשר ארגון מחליט לשלב יכולות בינה מלאכותית, בין אם ביוזמה נקודתית ובין אם בהטמעה רחבת היקף, הוא נדרש להישען על הידע והמידע העסקי הטמון במערכות הקיימות. אלא שבמהלך תכנון הפרויקט, ארגונים רבים מגלים שהמערכות הוותיקות לא רק מקשות על השילוב, אלא לעיתים אף חוסמות את האפשרות ליישם חדשנות, והופכות לצוואר בקבוק עסקי וטכנולוגי.

לכן, עבור ארגונים רבים במגזר הפיננסי, מודרניזציה איננה מותרות אלא תנאי סף למימוש מלא של טרנספורמציה דיגיטלית בעידן ה-AI. יש מגוון גישות למודרניזציה, מדובר במטרייה רחבה, ביניהן: פיתוח מחדש של מערכות ליבה (Rebuild), החלפת בפתרונות מדף מודרניים (Replace), המרת קוד לקוד עדכני (Refractor), או העברה לסביבות ענן (Replatform). הבחירה בגישה המתאימה תלויה בפרמטרים כגון רמת המורכבות של המערכת, מידת התיעוד הקיים, סיכוני השינוי והחזר ההשקעה."

GenAI מאיצה גם את המודרניזציה

לדברי אורן יוסף, "אם בעבר פרויקטי מודרניזציה נחשבו לתהליכים ארוכים ומורכבים שדורשים משאבים רבים, הרי שכיום מהפכת הבינה המלאכותית משפיעה גם על התחום הזה. כניסה של כלים מבוססי AI ישירות אל תוך תהליכי המודרניזציה עצמם, הובילה להאצה משמעותית. כלים אלה מסייעים בזיהוי קשרים ותלויות, בניתוח קוד, ביצירת תיעוד אוטומטי, ובהצעת חלופות המבוססות על למידת מכונה. על פי הערכות של גרטנר, עד שנת 2027 צפויים כלי GenAI להפחית את עלויות המודרניזציה בכ-70%! נוסף על כך, קיימים כיום מנועי חוקה חדשניים, שמאפשרים פירוק והרכבה של שפות תכנות והגירה כמעט מכל שפה לכל שפה אחרת. שילוב של כלים אלה עם יכולות הבינה המלאכותית הקיימות עוזרים לנו לקצר זמנים, להפחית עלויות ולהגיע לתוצרים איכותיים יותר מאשר בעבר. במילים אחרות, הדרך למימוש הפוטנציאל העצום של הבינה המלאכותית מתחילה בשימוש באותה טכנולוגיה בדיוק – כמנוע שמאיץ את ההתחדשות עצמה."