מי באמת מקבל את ההחלטה? AI בפיננסים, בפנסיה ובביטוח

מאת שרון גילר

המאמר הוא ניתוח מקצועי כללי, ולא ייעוץ פיננסי, השקעות, פנסיוני, ביטוחי או משפטי אישי. הדוגמאות היפותטיות ואינן המלצה לבצע פעולה.

נניח שקיבלתם מסוכן AI תשובה קצרה: כדאי לשנות את מסלול החיסכון שלכם. אחריה מופיעים הסבר משכנע, כמה מספרים וכפתור להמשך. הכול נראה מסודר. עכשיו נסו לשאול שאלה פחות נוחה: איזה מידע, אם יתברר כשגוי, יגרום למערכת לחזור בה?

אם אין תשובה ברורה, בעיניי עוד לא הגענו להחלטה שאפשר לבחון. הגענו להצעה שנשמעת טוב.

זה ההבדל שמעניין אותי בשימוש בבינה מלאכותית בפיננסים, בפנסיה ובביטוח. לא האם המערכת מסוגלת לנסח המלצה, אלא האם היא עוזרת לאדם להבין על מה הוא עומד להסתמך. אני חושב שהמוצר החשוב כאן אינו עוד תשובה על המוצר הטוב ביותר. הוא דרך מסודרת לבדוק החלטה לפני שמתקדמים איתה, ולחזור אל הבדיקה גם לאחר מכן.

לפני התשובה, צריך להסכים מה מנסים להשיג

נמשיך בדוגמה היפותטית: אדם מבקש לבדוק אם כדאי לשנות מסלול בחיסכון ארוך הטווח שלו. זו נשמעת כמו שאלה אחת, אבל היא יכולה להסתיר כמה מטרות שונות. הוא עשוי לרצות להפחית עלויות, להבין את רמת הסיכון, להתכונן לשינוי בתעסוקה או פשוט לבדוק המלצה שקיבל במקום אחר.

מערכת שממהרת לדרג מסלולים עלולה לדלג על ההבחנה הזאת. עוד לפני הוויכוח על איכות המודל, צריך לברר אם הוא פותר את הבעיה הנכונה. תשובה מדויקת לשאלה הלא נכונה עדיין אינה מועילה למשתמש.

לכן הייתי מתחיל את התהליך בניסוח שאפשר לתקן: אנחנו בוחנים שינוי בגלל סיבה מסוימת, תחת אילוצים מסוימים, ובלי להניח שכל העדפה כבר ידועה. המשתמש צריך להיות מסוגל לומר: לא, זה לא מה שהתכוונתי. מבחינתי, היכולת לתקן את השאלה היא חלק מהמוצר, לא הקדמה מיותרת שאפשר לדלג עליה כדי להגיע מהר יותר לכפתור.

במקום המלצה בודדת: תיק החלטה שאפשר לבדוק

אני קורא לזה תיק החלטה. לא מסמך משפטי ולא דרישה רגולטורית שאני מציג כאן, אלא כלי עבודה מוצע: סיכום קצר שמפריד בין מה שיודעים, מה שמניחים ומה שעדיין חסר.

בדוגמה שלנו, הסיכום צריך לציין אילו מסמכים נבדקו ומתי, מה המשתמש מסר בעצמו, ומה המערכת הסיקה. אם אדם אמר שהוא מתכנן לעבוד עוד כמה שנים, זו אינה אותה עובדה כמו תאריך שמופיע במסמך. ואם המערכת הניחה שהכנסתו תישאר יציבה, צריך לראות שמדובר בהנחה, ולא במידע שנמסר לה.

כך יכול להיראות חלק מתיק החלטה היפותטי, בלי לקבוע איזה מסלול מתאים:

• השאלה שנבדקת: האם יש הצדקה לבחינה מקצועית של שינוי המסלול הקיים?

• המידע הזמין: דוח שנמסר, תאריך הדוח ותשובות המשתמש לשאלות ההבהרה.

• החסר המהותי: נתון עדכני או העדפה שטרם הובהרו, ושעשויים להשפיע על ההשוואה.

• החלופות לבדיקה: שינוי, הישארות במצב הקיים או השלמת מידע לפני החלטה.

• התנאי להמשך: בירור הנקודה החסרה ובדיקה מקצועית מתאימה לפני פעולה.

הרשימה עצמה אינה חכמה במיוחד. הערך הוא במשמעת שהיא כופה. קשה יותר להציג מסקנה סופית כשממש לצדה כתוב שהנתון שעליו היא נשענת עדיין לא אומת. היא גם נותנת למשתמש דרך ממוקדת לערער: לא להגיד שהמחשב טעה באופן כללי, אלא להצביע על ההנחה שדורשת תיקון.

המבחן החשוב: מה יכול להפוך את המסקנה?

אחת השאלות שהייתי רוצה לראות בכל מוצר כזה היא: מה יקרה אם נשנה הנחה מרכזית אחת?

בדוגמה ההיפותטית, אפשר לבדוק אם שינוי בתכנון העבודה, במטרת החיסכון או בהעדפה לגבי סיכון משנה את כיוון הניתוח. אין צורך להציג למשתמש עשרות תרחישים. צריך להתחיל בהנחות שעליהן המסקנה נשענת בצורה החזקה ביותר, ולהסביר מדוע הן חשובות.

אם שינוי קטן בתשובה לשאלת הבהרה הופך את ההמלצה, לא הייתי מסתיר זאת מאחורי משפט כללי על אי־ודאות. הייתי אומר בפשטות: המסקנה רגישה לנקודה הזאת, ולכן צריך לברר אותה לפני שממשיכים. זו תשובה פחות חלקה, אבל הרבה יותר שימושית לשיחה עם איש המקצוע שבוחן את המקרה.

גם מספר שמוצג כציון ביטחון דורש זהירות. לפני שמשתמשים בו בהחלטה, הייתי רוצה לדעת מה בדיוק נמדד: איכות חילוץ הנתונים, התאמה לכללי בדיקה או דבר אחר. לא הייתי מפרש ציון כזה כהסתברות שהבחירה תצליח, אלא אם יש בסיס מתאים ומוסבר לפרשנות הזאת.

גם לא לשנות דבר היא חלופה שראוי לבחון

יש פיתוי לבנות תהליך שבו כל שאלה מובילה להצעה חדשה. אבל מוצר שעוסק בהחלטות משמעותיות צריך, בעיניי, לדעת להציג גם מצב שבו עדיין אין בסיס לשינוי.

בדוגמה שלנו, ייתכן שהמידע הקיים מספיק כדי לנסח שאלות טובות, אך לא כדי להכריע ביניהן. התוצאה הנכונה של התהליך עשויה להיות רשימת מסמכים להשלמה או בירור ממוקד, לא מעבר למסלול אחר. חשוב להבחין בין החלטה מנומקת להמתין לבין תקלה שמותירה את המשתמש בלי הסבר ובלי דרך להמשיך.

ההבחנה הזאת רלוונטית גם לביטוח. במאמר על סוכני AI בהשוואת ביטוח עסקתי בהשוואה עצמה. כאן השאלה מגיעה שלב אחריה: האם הראיות שנאספו באמת מספיקות כדי להצדיק החלטה, או שהמערכת רק הצליחה לייצר דירוג?

בדיקה אנושית צריכה לאפשר התנגדות

הוספת אדם לתהליך אינה סוף הדיון. אם הוא מקבל רק שורה תחתונה ונדרש לאשר אותה במהירות, קשה לראות בכך בדיקה משמעותית. הייתי רוצה לתת לבודק גישה למידע הרלוונטי, לחלופות שנבחנו ולנקודות שבהן המערכת לא הצליחה להכריע.

הוא צריך להיות מסוגל לשנות את מסגרת השאלה, לדרוש מסמך נוסף או לדחות את ההצעה. כדאי גם לתעד את הסיבה: האם התגלה נתון שגוי, האם נשמטה חלופה, או האם הניתוח לא התאים למטרה שהמשתמש הגדיר? אלה בעיות שונות, והטיפול בהן אינו זהה.

אין פירוש הדבר שצריך לשמור כל פרט אישי או תמלול ללא הגבלה. בתכנון המוצר הייתי מגדיר איזה תיעוד נחוץ לבדיקת ההחלטה, מי רשאי לראות אותו ומתי יש למחוק אותו, בכפוף לדרישות החלות. תיק החלטה שימושי צריך לעזור לבקרה בלי להפוך לתירוץ לאיסוף מידע עודף.

גם כאן חשוב לא לבלבל בין בדיקה לבין הרשאה לבצע. את ההפרדה בין גישה למידע, ניתוח, המלצה וביצוע פירטתי במאמר על סוכן AI לניהול חשבון הבנק. אישור שהניתוח מוכן לבדיקה אינו, כשלעצמו, הוראה לבצע פעולה בחשבון.

ההקשר הישראלי: המלצות אינן חוק חדש

בדצמבר 2025 פורסם הדוח הסופי של הצוות הבין־משרדי לבחינת בינה מלאכותית בסקטור הפיננסי. לפי הודעת בנק ישראל, המלצותיו כוללות אסדרה לפי סיכון, אחריות של הגוף הפיננסי המפעיל את המערכת וכלים לבקרה ולניהול סיכונים. הדוח מבחין גם בין הסבר כללי על מערכת לבין הסבר להחלטה מסוימת, ואינו מציע חובה גורפת להסביר כל החלטה פרטנית. הודעת בנק ישראל על הדוח הסופי.

זהו תיאור של המלצות הדוח, לא קביעה שכל המלצה הפכה לחובה משפטית. גם תיק ההחלטה שאני מציע אינו הצגה של זכות משפטית כללית או של דרישת תיעוד אחידה לכל מוצר. את החובות וההרשאות צריך לבדוק לפי השירות והפעולה המסוימים; המאמר אינו מחליף את הבדיקה הזאת.

במאי 2026 פרסם בנק ישראל גם ממצאים על ממשל AI בבנקים בישראל, ובהם התקדמות בהגדרת מסגרות ובקרות ראשוניות לצד פערים ברמה הארגונית לקראת הרחבת השימוש. הפרסום מתייחס לבנקים, ואין להשליך ממנו אוטומטית על כל גוף פיננסי. פרסום בנק ישראל על שימושי AI וממשל בבנקים.

מה הייתי מודד לפני שמרחיבים את השימוש

בפיילוט כזה לא הייתי מסתפק במשך השיחה או במספר האנשים שהמשיכו לשלב הבא. הייתי בודק גם כמה פעמים נדרשה השלמת מידע, אילו הנחות תוקנו, ומתי בדיקה מקצועית שינתה את כיוון הניתוח.

יש כאן שאלה מסחרית אמיתית. אם מסך קצר מגדיל המשך פעולה אבל מסתיר אי־ודאות חשובה, האם באמת שיפרנו את המוצר? ואם בירור נוסף מעכב חלק מהמשתמשים אך מונע מהם להסתמך על נתון שגוי, כיצד נזהה את הערך שלו? בלי להגדיר זאת מראש, קל למדוד את מה שנוח ולא את מה שחשוב.

הייתי חוזר גם למקרים שבהם התקבלה החלטה להמתין. האם המשתמש הבין מה חסר? האם היה ברור מי יכול לעזור לו להשלים את הבדיקה? והאם לאחר ההשלמה נוצר ניתוח חדש, או שהמערכת פשוט הציגה שוב את אותה המלצה? בעיניי, אלה מבחנים טובים יותר להבנת איכות התהליך מאשר הדגמה בודדת שבה הכול עובד כמתוכנן.

השאלה מתחברת לדיון הרחב יותר שלי על העתיד של הביטוח הדיגיטלי בישראל: הטכנולוגיה היא חלק ממערכת מסחרית ושירותית, והאיכות שלה נבחנת גם במה שקורה כשאין תשובה פשוטה.

העתיד לא צריך למחוק את שיקול הדעת

אני לא חושב שההבטחה הגדולה היא שמשתמשים יפסיקו לשאול שאלות. להפך. הייתי רוצה שמערכת טובה תעזור להם להגיע לשאלות שבדרך כלל לא ידעו לנסח: מה חסר, מה הונח, איזו חלופה לא נבדקה, ומה יגרום לנו לשנות את דעתנו.

זה בעיניי הכיוון הרצוי ל-AI בפיננסים, בפנסיה ובביטוח. פחות מאמץ להציג תשובה מושלמת, ויותר יכולת להעמיד אותה לבדיקה. לפני שמבקשים מאדם לסמוך על ההמלצה, צריך לתת לו ולאיש המקצוע שבוחן אותה משהו ממשי לבדוק.

שרון גילר הוא מומחה לצמיחה בפינטק, אינשורטק ו-B2C ב-KSG Consulting. הוא מסייע לחברות טכנולוגיה להפוך מוצרים חזקים למנועי צמיחה עקביים באמצעות אסטרטגיית שוק, רכישת לקוחות, הפצה, שותפויות, ערוצי מכירה והתרחבות בינלאומית.