AI לסמנכ״לי כספים אינו מתחיל בבחירת כלי נוצץ. הוא מתחיל בשאלה פיננסית מוגדרת, במקור נתונים שניתן להסביר ובכלל החלטה שמבהיר מה המערכת רשאית להציע ומה נשאר באחריות האדם. מחלקת כספים יכולה להיעזר בבינה מלאכותית לסיכום חריגות, להכנת תרחישים, לבדיקת הנחות ולשיפור מהירות העבודה. עם זאת, תחזית מהירה שאינה ניתנת לשחזור עלולה להכניס שגיאה לדוח, לתקציב או להחלטת השקעה. לכן המעבר מאקסל לחיזוי מבוקר הוא תהליך ניהולי ולא רק טכנולוגי.
בחרו החלטה אחת שהארגון מקבל בתדירות קבועה: תחזית תזרים, זיהוי חריגות הוצאה, תכנון מלאי או הערכת השפעת מחיר. הגדירו את טווח הזמן, מי משתמש בתוצאה ומה נחשב שיפור. כאשר השאלה רחבה מדי, המערכת מייצרת תשובה משכנעת אך קשה לבדוק אותה. כאשר השאלה ממוקדת, אפשר להשוות אותה לתהליך הקיים ולבנות ניסוי אמיתי.לפני פיילוט מתעדים קו בסיס: כמה זמן נדרש היום, כמה תיקונים מבוצעים, אילו מקורות מוזנים ומתי תחזית מתעדכנת. סמנכ״ל הכספים אינו צריך להבטיח דיוק מושלם. הוא צריך להגדיר מהו טווח טעות סביר, באילו נסיבות עוצרים, ואיזה מידע חייב להופיע ליד כל המלצה כדי שמנהל יוכל לבחון אותה.
קובץ אקסל ארוך אינו בהכרח מאגר נתונים טוב. שמות שדות משתנים, שורות כפולות, חוסרים והגדרות שונות בין יחידות יוצרים תחזית לא יציבה. לפני חיבור AI בונים מילון נתונים קצר: מה משמעות כל שדה, מי בעליו, מה תדירות העדכון ואילו ערכים חריגים דורשים בדיקה. זהו צעד פחות מרשים מהדגמה, אך הוא קובע אם התוצר יהיה שימושי.הפרדה בין מידע ציבורי, פנימי ורגיש חיונית במיוחד בכספים. אין להזין נתוני שכר, מספרי חשבון או תחזיות לא מאושרות לכלי שאינו מורשה. עובדים צריכים לדעת איזו סביבת עבודה מאושרת, איך מצמצמים נתונים לדוגמה, וכיצד מוחקים פרטים שאינם נחוצים למשימה. בקרת גישה ושמירת תיעוד צריכות להיקבע לפני הרחבת השימוש.
תחזית טובה מציגה הנחות ולא רק תוצאה. במקום לבקש מספר יחיד, בונים תרחיש בסיס, תרחיש שמרני ותרחיש צמיחה. לכל תרחיש מצרפים את המשתנים שהשתנו, את מקור הנתון ואת הרגישות שלהם. כך הנהלה יכולה להבין אם ההמלצה נשענת על מכירות, על עלות מימון, על שער מטבע או על הנחה שקשה לאמת.גם כאשר נעשה שימוש במודל שפה, החישוב הקריטי צריך להישען על נוסחה או מנוע אנליטי שניתן לבדיקה. המודל יכול להסביר, לסכם ולזהות שאלות, אך אינו מחליף התאמה חשבונאית. תהליך נכון כולל בדיקת סכומים, השוואה לתקופה קודמת, איתור קפיצות חריגות ואישור אנושי לפני שהתחזית נכנסת למצגת הנהלה.
בנו נקודות עצירה ברורות: נתון חסר, סטייה מעל סף, מקור לא מזוהה או שינוי חריג בהנחה. בכל נקודה המערכת מסמנת צורך בבדיקה ואינה ממשיכה כאילו הכול תקין. כדאי לשמור גרסת קלט, גרסת תוצר והערות מאשר. תיעוד זה מאפשר להסביר מאוחר יותר מדוע החלטה התקבלה ומה השתנה.חלוקת תפקידים מונעת מצב שבו אותו אדם מגדיר את השאלה, משנה את הנתונים ומאשר את התוצאה. בעל התהליך הפיננסי מגדיר צורך, אנליסט בודק נתונים, גורם מוסמך מאשר והטכנולוגיה מתוחזקת בנפרד. בארגון קטן אפשר שאדם אחד יחזיק כמה תפקידים, אך עדיין צריך לתעד באיזה כובע פעל בכל שלב.
בשלושים הימים הראשונים בוחרים תהליך אחד ומדגם מצומצם. מריצים במקביל את השיטה הקיימת ואת התהליך החדש, משווים תוצאות ומתעדים תיקונים. מפגש שבועי קצר עוסק בחריגות ולא רק בהצלחות. בסוף החודש מחליטים אם לשפר, לעצור או להרחיב. החלטה לעצור פיילוט חלש היא סימן לממשל טוב, לא לכישלון.עד יום תשעים מוסיפים משתמשים רק לאחר שהגדרות הנתונים, הבקרות והאחריות יציבות. בונים תבנית עבודה, מדריכים מנהלים ומגדירים מי מטפל בתקלה. ההרחבה צריכה להישען על תוצאה: זמן שנחסך לאחר תיקונים, איכות התחזית, מהירות זיהוי חריגה והיכולת להסביר המלצה. מספר פרומפטים או כניסות למערכת אינו מדד פיננסי מספק.
לוח מדדים יעיל משלב ארבעה סוגים: איכות נתונים, ביצועי תהליך, איכות החלטה וסיכון. לדוגמה, שיעור רשומות חסרות, זמן להכנת תרחיש, פער בין תחזית לתוצאה ומספר מקרים שנעצרו לבדיקה. לצד המדד מציינים בעלים, תדירות וסף פעולה. כך הנתונים מובילים לשיחה ולא נשארים מצגת.הדיווח להנהלה צריך להיות קצר וישיר: מה ניסינו, מה השתפר, מה לא השתפר, אילו סיכונים נותרו ומה נדרש להמשך. מומלץ להציג גם דוגמה שבה בקרה אנושית תיקנה תוצר. היא מלמדת שהמערכת אינה קופסה שמחליפה שיקול דעת, אלא רכיב בתהליך פיננסי שמחייב אחריות מקצועית.
מסגרת NIST AI Risk Management Framework מדגישה מיפוי, מדידה, ניהול וממשל לאורך מחזור החיים. גם עקרונות ה־AI של OECD מדגישים שקיפות, אחריות וחוסן. עבור מחלקת כספים המשמעות היא לחבר כל שימוש לנתון, לבקרה ולבעל החלטה, ולא להסתפק בדיוק שנראה טוב במדגם יחיד.
לא באופן אוטומטי. AI יכול לסייע בהכנת תרחישים, הסברים ובדיקות, אך המודל הפיננסי, מקורות הנתונים והאישור המקצועי צריכים להישאר ניתנים לשחזור ולבקרה.
תהליך חוזר, מוגדר ובעל נתונים זמינים, שבו טעות ניתנת לזיהוי לפני החלטה. לדוגמה סיכום חריגות או הכנת תרחיש, ולא פעולה בלתי הפיכה.
משווים לקו בסיס את זמן העבודה לאחר תיקונים, איכות התחזית, מספר החריגות שאותרו ועלויות כלי, הדרכה ובקרה. ערך ללא עלות וסיכון הוא תמונה חלקית.
סדנה מעשית מחברת בין הכלי לשאלות פיננסיות, להרשאות, לבדיקות ולכללי עצירה. היא מאפשרת לצוות לתרגל על מקרה דומה לעבודה לפני שימוש בנתונים אמיתיים.
רוצים לבחון שימוש ב־AI במחלקת הכספים בלי לפגוע בבקרה? צוות THE IMPACT יכול למפות תהליך, לבחור פיילוט ולבנות סדנת AI לארגונים המותאמת לאנליסטים ולמנהלים. צרו קשר לתיאום שיחת היכרות, ונגדיר יחד נתונים, תרחישים, נקודות אישור ומדדי הצלחה. בשיחה נבחן גם את איכות קובצי המקור, את תדירות התחזית ואת רמת האישור הדרושה לפני שמספר עובר מדוח עבודה לדיון הנהלה.