אז ככה, האנליסט שלכם שולח לכם את הערות הביאור על סטיות חודשיות.

הן כתובות היטב ומלאות תובנות.

הן אפילו מזהות את הגורמים המרכזיים בצורה מושלמת. אתם מתרשמים.

עד שאתם בודקים את המספרים.

הסטייה בהכנסות? ה-AI אמר +12%. המספר האמיתי היה +8.4%.

ה"דפוס המדאיג" בהוצאות הנהלה וכלליות (SG&A)? הוא הומצא לחלוטין. הכתיבה הייתה מושלמת, אבל הניתוח היה שגוי.

עכשיו עומדות בפניכם שתי אפשרויות:

א) אתם יכולים לעבור על כל פלט של ה-AI שורה אחר שורה.

ב) אתם יכולים לאסור על שימוש בבינה מלאכותית לחלוטין ולאבד את כל שיפורי היעילות. אף אחת מהאפשרויות לא באמת עובדת.אימות נתונים

אז הנה דרך טובה יותר:

קודם תאמתו, אחר כך תסמכו. חשוב להבין שאי אפשר להתחבא מאחורי הבינה המלאכותית. האחריות על העבודה שאתם מייצרים היא שלכם בלבד.

אתם הבעלים של העבודה שאתם מייצרים. כשזה באמת טוב, אתם צריכים לקחת על זה בעלות ולהיות גאים מאוד. אבל כשזה גרוע, אתם גם צריכים לקחת אחריות ולוודא שאתם מתקנים את זה כדי שזה לא יקרה שוב.

חשוב מאוד להבין: בינה מלאכותית יוצרת (Generative AI) לא מחשבת. היא רק מייצרת מידע. אם אתם לא רואים קוד פייתון (Python) או קובץ אקסל עם נוסחאות, זה סימן אזהרה. אתם חייבים לוודא שהחישוב בוצע איפשהו.

שלב הראשון הוא תמיד לוודא את עקביות הנתונים. כי כמבקר, אם לא עשיתם את זה והתחלתם בבדיקות שלכם והסיכום לא תאם את הדוחות הכספיים או את מאזן הבוחן, זה אומר שעבדתם על הקובץ הלא נכון ולא הייתם צריכים בכלל להתחיל לעבוד. אותו היגיון חל על AI. אתם לא בודקים הכל. אתם בודקים את הדברים הנכונים בסדר הנכון.

אותו היגיון חל על AI. אתם לא בודקים הכל. אתם בודקים את הדברים הנכונים בסדר הנכון.

Verify first

תהליך ביקורת AI מהיר

שלב 1: בדקו קודם כל עקביות נתונים

ודאו שסכומי המקור שלכם תואמים לפני שה-AI מתחיל לנתח.
העלו את הקובץ ובקשו מה-AI:

"בדוק אם שורות הפירוט מסתכמות לסך הכל. סמן הבדלים כלשהם."

הבינה המלאכותית למעשה טובה מאוד בזה. היא תמצא חוסר התאמה בין לשוניות, תצביע על הפרשי עיגול ואפילו תשאל אתכם אם לעבוד לפי הפירוט או לפי הסכומים הכוללים. הנקודה היא: אתם תופסים את הבעיה לפני שהתחלתם, לא אחרי שבניתם ניתוח שלם על נתונים שגויים.

שלב 2: ראו את החישוב

בכל פעם שאתם משתמשים ב-AI לניתוח או חישובים, עליכם להשתמש במודלי חשיבה (reasoning models). כשמשתמשים במודל "חשיבה", ה-AI ישתמש בפייתון כדי לבצע את החישובים שלו.

כשאתם רואים קוד פייתון שאומר "group by country" ומציג סכומים עבור צרפת וארה"ב, אתם יודעים שזה חושב ולא סתם "נוצר" על ידי ה-AI.

אני מבקש מה-AI להראות לי את החישוב כדי שאוכל לבצע ביקורת מהירה.

שלב 3: תנו ל-AI לבקר את עצמו

חשבו על ה-AI כעל קולגה. לא הייתם מקבלים עבודה של קולגה בלי לבקש ממנו לתעד את הבדיקות שהוא עשה.

אותו דבר כאן. אתם לא צריכים מודל אחר, פשוט העתיקו את התוצאות לשיחה חדשה או בקשו ממנו באותה שיחה לבקר את עצמו ולראות איפה הוא יכול היה לטעות.

השתמשו בפקודה (Prompt):

**"אני צריך לבקר את הקוד הזה בתור סמנכ"ל כספים (CFO), הסבר לי אותו כאילו אני לא מבין פייתון: [הכנס קוד כאן]"**

ביקורת עצמית של ה-AI לרוב תופסת את ה"הזיות" (hallucinations) של עצמו.

שלב 4: סמכו על ה"ראדאר" שלכם

יש לכם המון ניסיון. אתם כנראה תזהו בעיות הרבה יותר מהר ממישהו שרק התחיל את קריירת הכספים שלו. בניתם ראדאר לדברים האלה. אתם יודעים איזה סוג ניתוח הוא הנכון. כשמשהו לא מרגיש נכון, תסמכו על האינסטינקט הזה ותבצעו בדיקה.

הדבר האחד שצריך לזכור

אל תסמכו על ה-AI בעיניים עצומות. הפלט הוא באחריותכם. השם שלכם עליו. בפעם הבאה שמישהו מהצוות שלכם (או אתם) משתמש ב-AI לניתוח, הוסיפו שלב אחד: בקשו מה-AI להראות את החישוב ולבקר את העבודה של עצמו. זה לוקח 30 שניות, ואתם תראו מיד אם מדובר בניתוח אמיתי או במשהו שהומצא בצורה משכנעת.

ה-AI הוא הכלי, אבל אתם הבעלים של התוצאה. זה ההבדל בין מתחיל ב-AI לפיננסים לבין מקצוען.

בברכה, מומחה ה-AI לפיננסים שלכם.

נ.ב. אם אתם רוצים לראות עוד ממה שקלוד יכול לעשות באקסל:

https://youtu.be/dicOIm4Tljg