AI בפיננסים ובמשפט נפגש בנקודות הרגישות ביותר של הארגון: חוזים, תחזיות, תמחור, חובות, תביעות, בדיקות נאותות והחלטות בעלות משמעות כספית. המערכת יכולה לקצר חיפוש ולייצר טיוטה, אך אינה נושאת באחריות לתוצאה. האתגר הוא לבנות תהליך שבו המהירות אינה באה על חשבון סודיות, דיוק, עקיבות ושיקול דעת מקצועי.
מחלקה פיננסית מסתכלת על מספרים, תרחישים וסיכון עסקי; מחלקה משפטית בוחנת זכויות, התחייבויות ופרשנות. מודל גנרטיבי עלול להציג מספר ללא הנחה גלויה או סעיף חוזי ללא ההקשר המלא. אם כל יחידה מגדירה כללים בנפרד, נוצרים פערים: מידע עובר לכלי לא מאושר, אותה תשובה נבדקת פעמיים או החלטה מתקבלת בלי תיעוד. צוות משותף יכול להגדיר קטגוריות שימוש, רמות סיכון ומסלול אישור אחיד.
המערכת יכולה לאתר תאריכים, התחייבויות, חריגות ונוסחים חסרים. יש להגדיר גרסה מוסמכת של המסמך, שפה משפטית רלוונטית ורשימת סעיפים שחייבים לעבור בדיקת עורך דין. אין להסתמך על סיכום בלבד כאשר סעיף אחד משנה את המשמעות. בדיקה מדגמית אינה מספיקה במקרים מהותיים; נדרש אישור אנושי לכל תוצר המשמש החלטה או התקשרות.
מודל יכול להציע כיווני חיפוש, אך אסור לקבל מקור שאינו ניתן לאימות. כל פסק דין, תקן, הוראה או נתון חייבים להיפתח במקור הרשמי ולשאת תאריך. כדאי לדרוש מהמערכת להפריד בין עובדה, פרשנות והנחה. כללים אלה מצמצמים “אסמכתאות” מומצאות ומונעים ערבוב בין דין בישראל לבין שיטות משפט אחרות.
בניתוח פיננסי חשוב להציג את ההנחות: טווח זמן, מטבע, שיעור היוון, רגישות ונתונים חסרים. המערכת יכולה לעזור לנסח תרחישים, אך בעל התפקיד צריך לאשר את המודל הכלכלי. רצוי להשוות את התחזית לקו בסיס פשוט ולבחון האם ה-AI מוסיף ערך מעבר לכלל עסקי או גיליון חישוב קיים.
לכל סיכון מצמידים בקרה: כלי מאושר, צמצום מידע, מקור רשמי, אימות כפול, הרשאות, שמירת גרסה ואישור בעל מקצוע. NIST AI RMF מספק מבנה למיפוי ולמדידה, ו-ISO/IEC 42001 מציע מערכת ניהול לבינה מלאכותית. הערך שלהם נוצר כאשר העקרונות הופכים לנוהל קצר שהעובד יכול לבצע.
ראשית בוחרים מסמך או משימה חוזרת בעלי השפעה מוגבלת. שנית מכינים ערכת בדיקה עם מקרים רגילים וחריגים. שלישית משווים תוצאה, זמן ותיקונים מול עבודה ללא AI. רביעית מתעדים כל כשל ומעדכנים את ההנחיות, המקורות וההרשאות. הרחבה מאושרת רק אם הדיוק יציב, החיסכון נשמר גם לאחר זמן הבקרה והצוות יודע מתי להסלים.
בודקים דיוק עובדתי, שלמות, שיעור אסמכתאות תקינות, מספר תיקונים מהותיים, אירועי פרטיות והיכולת לשחזר את התהליך. מדד נוסף הוא זמן עד החלטה מאושרת. טיוטה מהירה שאחריה בדיקה ארוכה אינה שיפור. ההנהלה צריכה לראות גם את עלות הכלי, ההדרכה והבקרה האנושית.
הכשרה טובה מתחילה במסמכים ותהליכים אמיתיים לאחר הסרת מידע רגיש. המשתתפים מתרגלים הבחנה בין עובדה להנחה, אימות מקור, כתיבת הנחיה, ביקורת תשובה ותיעוד. סדנת בינה מלאכותית לארגונים מאפשרת לבנות תרגול בין-מחלקתי, והדרכת AI לארגונים מסייעת להטמיע כללים לאורך זמן.
הערך של מודל גדל כאשר הוא מחובר לאוסף מקורות מוגדר ולא לתיקייה בלתי מבוקרת. יש למנות בעל ידע, לקבוע אילו מסמכים נכנסים, מי מעדכן אותם ומה תוקף כל מקור. מסמך שבוטל צריך לצאת מן המאגר, אחרת המערכת עלולה להחזיר תשובה ישנה בביטחון גבוה. מומלץ להציג למשתמש את שם המקור והקטע שעליו נשענה התשובה. כך הבדיקה מהירה יותר, והארגון יכול לזהות אם הבעיה נמצאת במודל, במסמך או בתהליך.
נוהל אירוע צריך להגדיר עצירה, תיעוד, תיקון והודעה. מתעדים את הקלט, הפלט, גרסת הכלי, המקורות והאדם שאישר. בודקים האם הטעות הועברה ללקוח, להסכם, לדוח או למערכת אחרת. לאחר התיקון מעדכנים את ערכת הבדיקה כדי שהמקרה יחזור בכל בדיקת גרסה. הגישה הזו הופכת כשל נקודתי ללמידה ארגונית ומונעת הישנות. אין למחוק את עקבות האירוע רק מפני שהפלט תוקן.
לא ללא בדיקת הרשאות, תנאי שימוש ומדיניות הארגון. גם אז יש לצמצם מידע ולהעדיף סביבה ארגונית מאושרת.
פותחים את המקור הרשמי, בודקים תאריך, סעיף והקשר. אין להסתפק בקישור או בציטוט שהמערכת יצרה.
פרשנות מהותית, החלטה המשפיעה על זכויות או כסף, אישור התקשרות וקביעה המחייבת את הארגון.
בעל התהליך, משתמש מקצועי, מערכות מידע, פרטיות ואבטחת מידע, ולפי הצורך משפטי, כספים וביקורת.
אחת לרבעון או לאחר שינוי משמעותי בוחנים שוב את התרחיש: איכות, הרשאות, מקורות, תלונות ועלויות. אם הערך נשחק או הסיכון גדל, מצמצמים שימוש או עוצרים. ביקורת קצרה ומתועדת עדיפה על הנחה שמערכת שאושרה בעבר תישאר מתאימה תמיד.
צוות THE IMPACT מסייע למפות משימות רגישות, לתכנן פיילוט, להגדיר בקרות ולהכשיר בעלי תפקידים. צרו קשר לתיאום שיחת היכרות או קראו על שיטת THE IMPACT. כך אפשר לקצר עבודה בפיננסים ובמשפט בלי לוותר על אחריות מקצועית.