מכינים את הדף בשבילך
איך אגף כספים בארגון מוסדר מנצל AI לניקוי אקסלים, המרות PDF, התאמות וטיוטות דוחות, בלי לסכן מידע רגיש.
מודל AI לא יודע לחשב סכומים בעצמו במדויק, אבל הוא כן יודע לכתוב לכם נוסחת אקסל שתעשה את זה. לכן בכספים עדיף לבקש נוסחה או קוד, לא תשובה מספרית ישירה.
AI חוסך לאגף הכספים את שעות ההכנה הידניות: ניקוי וניתוח אקסלים, המרת PDF לאקסל, סיווג הוצאות וטיוטות דוחות, בזמן של דקות במקום שעות. העיקרון החשוב: לא מבקשים מהמודל לחשב מספרים בעצמו (הוא עלול לטעות), אלא נותנים לו הוראה מדויקת להכין נוסחה, טבלה או טיוטה שאיש הכספים בודק ומאשר. וכמו בכל גוף מוסדר, מפרידים בין מה שמותר להזין לכלי לבין מה שנשאר מחוץ לו.
אגף הכספים הוא אחד המקומות שבהם AI מחזיר את ההשקעה הכי מהר, מסיבה פשוטה: רוב העבודה שם היא עבודת הכנה חוזרת. מישהו מקבל קובץ, מנקה אותו, מסדר עמודות, ממיר פורמט, משווה מול חודש שעבר, וכותב סיכום. כל אלה משימות שיש בהן מבנה ברור, ולכן קל להסביר אותן למודל.
חשוב להבחין בין שני סוגי עבודה בכספים. יש עבודה שדורשת שיקול דעת מקצועי ואחריות: אישור התאמה, סיווג עסקה שנויה במחלוקת, החלטה חשבונאית. שם AI הוא עוזר, לא מחליף. ויש עבודת מכינה מכנית וחוזרת: להעביר נתונים מפורמט אחד לשני, לנקות רווחים, לאחד קבצים. שם AI חוסך את מרבית הזמן. המדריך הזה מתמקד בעיקר בשכבה השנייה, כי משם מגיע הרווח המהיר והבטוח.
בכספים ההבדל בין לשאול שאלה לבין לתת הוראה הוא קריטי. אם תשאלו את המודל "מה סך ההוצאות ברבעון?" הוא עלול להמציא מספר. אם תעלו את הקובץ ותיתנו הוראה "כתוב לי נוסחת SUMIFS שתסכם את עמודת הסכום לפי עמודת הרבעון", תקבלו כלי מדויק שאתם מריצים ובודקים בעצמכם. זה המעבר התודעתי המרכזי, ופירטנו אותו בנפרד במדריך על לתת הוראות ל-AI במקום לשאול שאלות.
הוראה טובה בכספים בנויה מארבעה חלקים:
ככל שהקלט והפלט מוגדרים יותר, התוצאה יציבה יותר, וזה בדיוק מה שצריך כדי להריץ את אותה הוראה כל חודש מחדש.
זה הלחם והחמאה. קבצים שמגיעים ממערכות שונות עם עמודות מבולגנות, תאריכים בפורמטים שונים, רווחים מיותרים, שורות ריקות. במקום לנקות ידנית, מתארים למודל מה לא תקין ומבקשים נוסחה או שלבים לתיקון. אפשר גם לבקש ניתוח: "אילו שלוש קטגוריות הוצאה גדלו הכי הרבה לעומת החודש הקודם".
חשבוניות, דפי בנק, דוחות ספקים שמגיעים כ-PDF ולא כטבלה. מעלים את הקובץ, נותנים הוראה עם העמודות הרצויות, ומקבלים טבלה מסודרת להדבקה לאקסל.
משווים בין רשימת תנועות בבנק לבין הרישום בהנהלת החשבונות, מסמנים תנועות שאין להן התאמה. חשוב: לא נותנים למודל "לאשר" את ההתאמה, אלא לסמן חשודות לבדיקה אנושית.
מגדירים כללי סיווג ("כל תשלום שכולל את המילה חשמל הולך לקטגוריה תשתיות") ומבקשים מהמודל להוסיף עמודת סיווג לפי הכללים. אתם בודקים מדגם ומתקנים את הכללים.
לוקחים את הנתונים המסוכמים (בלי פרטים מזהים) ומבקשים טיוטת סיכום מנהלים: מגמות, חריגות, נקודות לתשומת לב. זו טיוטה שאתם עורכים, לא דוח סופי.
כשמישהו יורש אקסל מורכב עם נוסחאות שלא ברורות, אפשר להדביק את הנוסחה ולבקש הסבר בעברית פשוטה, או לבנות תבנית חדשה מאפס. זה מקצר את התלות באדם אחד שמכיר את הקובץ, ומוריד סיכון תפעולי כשהוא לא זמין.
הרעיונות האלה משתלבים היטב עם מתכוני האוטומציה המשרדית שריכזנו באוטומציות AI מעשיות למשרד, שם רבים מהם רלוונטיים גם לכספים.
לכל אחת מהמשימות האלה יש מכנה משותף: יש בהן קלט ברור, כלל ברור ופלט ברור. זה בדיוק מה שמודל AI עושה טוב. משימות שאין בהן כלל ברור, כמו החלטה אם לאשר חריגה תקציבית, נשארות אצל האדם. הבחנה זו היא המפתח לבחירת המשימות הנכונות להתחלה.
הנה שלוש הוראות שאפשר להעתיק ולהתאים. שימו לב שכולן מגדירות קלט, פעולה ופלט, ואף אחת מהן לא מבקשת מהמודל "לחשב" מספר סופי בעצמו.
דוגמה 1: המרת דף בנק מ-PDF לטבלה
אני עובד באגף כספים. מצורף קובץ PDF של דף תנועות בנק. חלץ ממנו טבלה עם העמודות הבאות בלבד: תאריך (בפורמט DD/MM/YYYY), תיאור התנועה, סכום חובה, סכום זכות, יתרה. אל תמציא שורות. אם שורה לא ברורה, סמן אותה בעמודה נפרדת "לבדיקה". החזר את התוצאה כטבלה שאפשר להדביק לאקסל.
דוגמה 2: נוסחת התאמה בין שני קבצים
יש לי שני גיליונות אקסל: "בנק" ו"הנהלת חשבונות", בשניהם עמודת אסמכתא (A) ועמודת סכום (B). כתוב לי נוסחת אקסל שאשים בגיליון הבנק, שתסמן ליד כל שורה אם קיימת שורה תואמת בהנהלת החשבונות עם אותה אסמכתא ואותו סכום. הסבר לי איפה בדיוק להדביק את הנוסחה. אל תחשב אתה את ההתאמות, רק תן את הנוסחה.
דוגמה 3: סיווג הוצאות לפי כללים
מצורפת טבלת הוצאות עם עמודת "תיאור" ועמודת "סכום". הוסף עמודה בשם "קטגוריה" לפי הכללים הבאים: תיאור שכולל "חשמל" או "מים" הוא תשתיות; תיאור שכולל "ספק" או "רכש" הוא רכש; תיאור שכולל "נסיעה" או "דלק" הוא רכב ונסיעות; כל השאר "אחר". החזר טבלה מלאה, וסמן בסוף כמה שורות נכנסו לכל קטגוריה כדי שאבדוק.
בכל שלוש הדוגמאות אתם מקבלים תוצר שקל לבדוק, ואתם שומרים על השליטה בחישוב עצמו. שימו לב גם לפרט קטן אך חשוב: כל הוראה מבקשת מהמודל לסמן שורות "לבדיקה" או להחזיר ספירה לפי קטגוריה. זה נותן לכם וו לבדיקה מהירה, במקום לסרוק את כל הקובץ מחדש. ככל שתבנו לעצמכם וו בקרה בתוך ההוראה עצמה, כך הבדיקה שלכם תהיה מהירה ובטוחה יותר.
טיפ מעשי נוסף: שמרו כל הוראה שעבדה טוב כתבנית. בפעם הבאה שתגיע חשבונית או דוח מאותו מקור, פשוט תעלו את הקובץ החדש ותדביקו את אותה הוראה. כך ניקוי שגזל בעבר שעה הופך לפעולה של דקה, והתוצאה עקבית מחודש לחודש.
זה החלק שחשוב ביותר לגוף ציבורי או לארגון מוסדר. מידע פיננסי הוא מהרגיש שיש, וחלקו כפוף לרגולציית פרטיות. הכלל הבסיסי הוא מזעור מידע: מזינים לכלי רק את מה שבאמת נחוץ למשימה, ומשאירים בחוץ כל פרט מזהה שאפשר.
| סוג מידע | ברירת מחדל | הערה |
|---|---|---|
| מבנה נתונים, שמות עמודות | מותר | אין בו מידע רגיש |
| סכומים תפעוליים בלי שיוך אישי | לרוב מותר | תלוי בכלי ובהסכם |
| שמות עובדים לצד שכר | להימנע / לאנונימיזציה | מידע אישי רגיש |
| מספרי חשבון בנק, כרטיסי אשראי, ת.ז | לא | פרט מזהה רגיש |
| נתוני לקוחות מזוהים | לא בלי בסיס חוקי | כפוף לרגולציה |
שתי דרכי מפלט מעשיות: אנונימיזציה (מחליפים שם עובד ב"עובד 1", מספר חשבון ב"חשבון א") לפני ההזנה, או עבודה על מבנה בלבד (נותנים למודל את שמות העמודות ומבקשים נוסחה, בלי להעלות את הנתונים האמיתיים בכלל). הדרך השנייה חזקה במיוחד: מכיוון שהנוסחה או הקוד עובדים על כל טבלה עם אותו מבנה, אתם יכולים לפתח אותם על קובץ ריק או על דוגמה מומצאת, ואז להריץ אותם על הנתונים האמיתיים בתוך הארגון, בלי שהמידע הרגיש יצא החוצה כלל.
לגרסאות עסקיות עם הסכם עיבוד נתונים יש הגנה חזקה יותר, אבל גם שם עדיף למזער. שימו לב גם להגדרות: בכלים עסקיים אפשר לרוב לכבות שמירת שיחות ואימון על הנתונים שלכם, ומומלץ לוודא שזה מוגדר לפני שמתחילים לעבוד. אין באמור ייעוץ משפטי; התייעצו עם ממונה הגנת הפרטיות או עם עורך דין לגבי מדיניות ההזנה בארגון שלכם.
באגף כספים של רשות או ארגון מוסדר, ההצלחה לא נמדדת בכלי מרשים אלא באימוץ בפועל. כמה עקרונות שעובדים:
השילוב הזה של כלים פרקטיים, כללי הרשאה וליווי הוא לב ההטמעה בגופים ציבוריים, ופירטנו אותו במדריך המרכזי, הטמעת AI בגוף ציבורי. מי שרוצה לראות את התמונה הרחבה של אימוץ AI בארגון ימצא אותה במדריך להטמעת AI בארגונים.
אגף הכספים הוא נקודת פתיחה מצוינת ל-AI כי העבודה שם חוזרת, מובנית וגוזלת זמן. הרווח מגיע כשמפסיקים לשאול שאלות ומתחילים לתת הוראות מדויקות, כשבונים ספר פרומפטים קבוע, וכשמקפידים על קו אדום ברור לגבי מה שמותר להזין. הכלי מכין, איש הכספים בודק ומאשר.
הדרך הכי מהירה להתחיל היא הכשרה מעשית של הצוות על הקבצים והדוחות האמיתיים שלכם. הצטרפו לסדנת AI מעשית לצוותים ותצאו ממנה עם הוראות מוכנות לעבודה על אגף הכספים שלכם, או קראו עוד על שירותי הטמעת AI לארגון.
מרצה AI מוביל בישראל, מטמיע בינה מלאכותית בארגונים מ-2021. מייסד LazySEO AI ומכללת צדק אקדמי, מוביל קהילות עם מעל 100,000 חברים. שותף רשמי של Meta, Google, Canva ו-TikTok.
עוד עליי ←