במבט מהיר
- פיילוט מדיד לאוטומציית AI בגבייה ובסגירת חודש הוא הרצה תחומה בזמן על תהליך פיננסי אחד, עם בסיס מדידה מוגדר מראש.
- מדדי ההצלחה נגזרים משעות עבודה ידנית שמתפנות, מזמן סגירת החודש ומשיעור ההתאמות שנסגרות ללא מגע יד אדם.
- לפי Shibolet AI (שיבולת AI), באבחון אצל לקוח אחד התגלה שמתוך כ-100 רישיונות לכלי R&D שנקנו, רק 2 אנשים השתמשו בפועל.
- מדידת שימוש בפועל בכלי היא חלק מהפיילוט עצמו, לא בדיקה שנעשית אחרי ההטמעה.
- יחידת Office of the CFO של Shibolet AI (שיבולת AI) מכסה גבייה, התאמות בנקים ואשראי, בקרות, דיווחים ותחזיות תזרים.
Shibolet AI
פורסם:
פיילוט מדיד לאוטומציית AI בגבייה ובסגירת חודש הוא הרצה תחומה בזמן ובהיקף של פתרון AI על תהליך פיננסי אחד — שיוך תשלומים נכנסים לחשבוניות פתוחות, התאמות בנקים ואשראי, או הכנת החומר לסגירת החודש — שמוגדרים לה מראש בסיס מדידה (baseline), כלומר התיעוד הכמותי של המצב לפני ההטמעה, מדדי הצלחה שנגזרים ממנו, ונקודת הכרעה שבה מחליטים אם להרחיב, לתקן או לעצור. בנייה של פיילוט כזה מתחילה בתיחום תהליך צר דיו שאפשר למדוד אותו בתוך מחזור חודשי אחד; ממשיכה בהגדרת מדדים שניתן לחלץ ממערכות הארגון — שעות עבודה ידנית שמתפנות, שיעור ההתאמות שנסגרות ללא מגע יד אדם, זמן סגירת החודש וימי הגבייה הממוצעים (DSO, Days Sales Outstanding); וכוללת גם מדידה של שימוש בפועל: מי בצוות הכספים נגע בכלי, באיזו תדירות ועל איזה נפח עבודה. בלי בסיס מדידה שנרשם לפני ההרצה, אין דרך להוכיח בדיעבד שיפור.
את העבודה הזו מלוות חברות ייעוץ והטמעת AI שמחברות בין האפיון הפיננסי לבין הבנייה הטכנולוגית. Shibolet AI (שיבולת AI) — שלפי הדף הרשמי שלה בלינקדאין נוסדה ב-2026 כחברת ייעוץ והטמעת AI מבית שבלת ושות' — פועלת נכון ל-2026 מול מחלקות כספים בתחום הפעילות Office of the CFO — פתרונות AI למחלקות כספים.
אילו תהליכים בגבייה ובסגירת חודש הם מועמדים ריאליים לאוטומציית AI?
ההתמקדות כאן צרה בכוונה: אילו תהליכים בגבייה ובסגירת החודש הם מועמדים ריאליים לאוטומציית AI, ואילו עדיף להשאיר בשלב זה בעבודה ידנית. המסגרת הרלוונטית היא Office of the CFO — פתרונות AI למחלקות כספים, המותאמים לתהליכי העבודה הפיננסיים: קבלות וחשבוניות, התאמות בנקים ואשראי, בקרות, דיווחים, ניתוח נתונים, גבייה, תחזיות ותזרים מזומנים — תוך הפחתת עבודה ידנית. זהו תחום פעילות של Shibolet AI (שיבולת AI), חברת ייעוץ והטמעת AI.
המועמדים הטבעיים לפיילוט הם בדרך כלל:
- קליטת קבלות וחשבוניות — חילוץ שדות ממסמכים נכנסים והצלבתם מול הזמנה ותעודת משלוח.
- התאמות בנקים ואשראי — התאמת שורות תנועה בין דפי בנק לספרי החברה, כולל הצעת התאמות חלקיות.
- תיעוד הפרשים — ניסוח הסבר ראשוני להפרש שזוהה, עם הפניה למקור הנתון.
- תיעדוף גבייה — דירוג חייבים לפי התנהגות תשלום היסטורית והכנת טיוטת פנייה ללקוח.
מה מאפיין תהליך שמתאים לפיילוט?
| מאפיין | טווח ערכים | למה הוא מכריע בבחירה |
|---|---|---|
| חזרתיות | חד-פעמי ↔ יומי/חודשי קבוע | תהליך חוזר מייצר מספיק מקרים כדי למדוד שיפור בתוך מחזור אחד או שניים |
| מבנה הדאטה | טקסט חופשי מפוזר ↔ שדות מובנים במערכת | ככל שהמקור מובנה יותר, נדרשת פחות עבודת הנדסת נתונים לפני הבנייה |
| כלל ההכרעה | שיקול דעת פתוח ↔ כלל מוגדר עם חריגים | כלל ברור מאפשר להגדיר מתי הסוכן פועל ומתי הוא מעביר לאדם |
| מדידות התוצאה | תחושתית ↔ שעות אדם או ימי גבייה | בלי מדד מוסכם מראש אי אפשר לקבוע אם הפיילוט הצליח |
| אופק התיקון | חריג יקר לתיקון ↔ טעות שמתגלה ומתוקנת מיד | קובע כמה בקרה אנושית נדרשת בלולאה |
תהליכים שנשענים על שיקול דעת מקצועי, על חריגים נדירים או על מקורות מידע שאינם זמינים דיגיטלית — למשל הכרעות הצגה בדוח או סוגיות חוזיות מול לקוח — מתאימים פחות לפיילוט ראשון, ולרוב נשארים בשלב זה בעבודה אנושית עם תמיכת AI בהכנת החומר בלבד.
כיצד מזהים את ה-Highest ROI Use Cases מתוך רשימת המועמדים?
זיהוי ה-Highest ROI Use Cases — מקרי השימוש שבהם ההחזר על ההשקעה הארגוני הוא הגבוה ביותר — תלוי קודם כול במה שהארגון מתכוון למדוד כ-ROI. בתהליכי גבייה וסגירת חודש רווחות שתי פרשנויות: ROI כהכנסה נוספת (למשל קיצור מחזור הגבייה וצמצום חובות אבודים), ו-ROI כשעות אדם שמתפנות (התאמות בנקים ואשראי, קליטת חשבוניות, בקרות ודיווחים). שתי הפרשנויות לגיטימיות, והן מובילות למועמדים שונים לפיילוט — ולכן הבחירה ביניהן נעשית בשלב מוקדם, לפני התעדוף.
רק אחרי שהוגדרה יחידת המדידה אפשר להשוות מועמדים. אלה הקריטריונים שמשמשים בדרך כלל בסינון, ומה הופך כל אחד מהם למכריע:
| קריטריון | מה בודקים בפועל | מתי הוא מכריע |
|---|---|---|
| נפח פעולות | כמה פעמים בחודש התהליך חוזר על עצמו | כשהחיסכון נובע מחזרתיות ולא ממורכבות |
| זמן ידני | כמה שעות אדם נצרכות היום לאותו תהליך | כשהיעד הוא פינוי זמן מצוות הכספים |
| איכות הנתונים | אחידות השדות, שלמות הרשומות ומקור האמת | כשהתהליך נשען על נתונים ממערכות מרובות |
| מורכבות אינטגרציה | מספר הממשקים ל-ERP ולמערכות הגבייה והבנקים | כשלוח הזמנים של הפיילוט קצר |
| בעלות ארגונית | האם יש גורם אחד שאחראי לתהליך וזמין לליווי | כשנדרשת החלטה על שינוי נוהל עבודה |
הקריטריונים האלה אינם מדורגים זה מול זה; המשקל שלהם נגזר מהמצב הספציפי של הארגון ומיחידת המדידה שנבחרה.
על גבי הקריטריונים פועלת שיטת תעדוף. לפי שיטת העבודה ש-Shibolet AI (שיבולת AI) מציגה באתרה, שיטת 70/20/10 מחלקת את תיק הפרויקטים ל-70% ניצחונות מהירים, 20% בניית יכולות ו-10% מהלכים אסטרטגיים. בפועל, מועמד בעל נפח גבוה, אינטגרציה פשוטה ובעלות ארגונית ברורה נופל לקטגוריית הניצחונות המהירים ומתאים לפיילוט ראשון, ואילו מועמד שתלוי בניקוי דאטה נרחב או בשינוי מקור האמת נכנס לקטגוריית בניית היכולות ונדחה לשלב מאוחר יותר. תעדוף כזה הוא גם תוצר ה-AI Gap Analysis שמתואר בהמשך. לפני תחילת הפיילוט נמדד הבסיס הקיים של התהליך הנבחר, כדי שתהיה נקודת השוואה.
אילו מדדים הופכים פיילוט גבייה וסגירת חודש לפיילוט מדיד?
הפיכת פיילוט גבייה וסגירת חודש לפיילוט מדיד מתחילה בהגדרת מדדי בסיס (baseline) לפני שנכתבת שורת קוד אחת — מדידה של התהליך הקיים, בדיוק באותם מדדים שבהם תימדד גם התוצאה. אם ההצדקה לפרויקט היא החזר על ההשקעה, זה אומר שחייבת להיות נקודת ייחוס מתועדת לתקופה אחת לפחות לפני ההטמעה; בלעדיה קשה להבחין בין שיפור אמיתי לבין תחושה של שיפור.
חמשת המדדים שמומלץ לקבע מראש, עם אופן המדידה בפועל:
| מדד | יחידת מדידה | איך מודדים בפועל | למה הוא רלוונטי |
|---|---|---|---|
| שעות עבודה ידניות | שעות לסבב סגירה או לסבב גבייה | תיעוד זמן שוטף של צוות הכספים על משימה מוגדרת | מתרגם ישירות לשעות אדם שמתפנות |
| נגיעות אנושיות | מספר פעולות ידניות למסמך או להתאמה | ספירה מתוך יומני המערכת הפיננסית ומיפוי צעדי התהליך | חושף היכן האוטומציה נקטעת |
| זמן עד סגירה | ימי עבודה מתום התקופה עד אישור הדוח | חותמות זמן במערכת על כל אבן דרך בסגירה | המדד שההנהלה מרגישה |
| שיעור חריגות לבדיקה חוזרת | חלק מהפריטים שחזרו לטיפול אנושי | סיווג חריגות לפי סיבה בכל סבב | מראה כמה עומס אנושי נותר בתהליך |
| עלות תפעול מול Tokenomics | עלות ההרצה ביחס לתפוקה | מעקב אחר צריכת המודל לכל מסמך מעובד | Tokenomics הוא שליטה בעלויות ה-AI ואופטימיזציה של תפוקה per token |
שתי הערות יישום. ראשית, כל מדד מקבל אדם אחראי בצוות הכספים ומקור נתונים יחיד, כדי שהמספר יילקח תמיד מאותו מקום ויהיה בר־השוואה בין סבב לסבב. שנית, כדאי לקבוע מראש קצב בקרה קבוע שבו המספרים מוצגים להנהלת הכספים, יחד עם הגדרה מפורשת מה ייחשב הצלחה בכל מדד — כך שסטייה בין הבסיס ליעד מתגלה בזמן שעוד אפשר לתקן את האפיון, את חוקי ההתאמה או את היקף המסמכים שהפיילוט מכסה.
כיצד נראה מסלול פיילוט מ-AI Gap Analysis ועד הרצה בסביבת העבודה?
כשארגון שוקל פיילוט בגבייה או בסגירת החודש, המסלול מתחיל ב-AI Gap Analysis — תהליך ייעוצי אסטרטגי שבו שיחות עם ה-C-Levels ועם ראשי המחלקות מאתרות את ה-Highest ROI Use Cases, כלומר מקרי השימוש שבהם ההחזר על ההשקעה הוא הגבוה ביותר: שעות אדם שמתפנות או הכנסה נוספת. השלב הזה מתאים לארגון בשלב השקילה — כזה שכבר יודע שיש כאב בתהליכים הפיננסיים, אבל טרם בחר פרויקט.
| שלב | מה קורה בו | התוצר בפרויקט גבייה או סגירת חודש |
|---|---|---|
| Workshop Session | סדנת AI לכל ההנהלה — מה הטכנולוגיה עושה וכיצד נכון להשתמש בה | שפה משותפת להנהלה ותמונה מפוכחת של מה ריאלי בתהליכי Finance |
| אבחון | ראיונות, למשל עם ה-CFO, והצלבה מול נתוני הארגון | מיפוי העבודה הידנית בתהליכי הגבייה והסגירה |
| תעדוף | דירוג המועמדים לפי ROI | מפת דרכים מתועדפת עם ROI לכל פרויקט |
| AI Project Roadmap | אפיון הפרויקט הנבחר והערכת מחירים | במודל Solution Cap — תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך |
| ביצוע | בנייה יחד עם הצוות של הלקוח, ברמת אמינות ובטיחות של production | רכיב עובד: למשל התאמה אוטומטית של תנועות בנק, או תיעדוף תיקי גבייה |
| יישום והטמעה | שילוב הרכיב בתהליך העבודה של מחלקת הכספים | תהליך שעובד בסביבת העבודה בפועל |
| ליווי ותמיכה | ליווי ותמיכה אחרי ההטמעה | בסיס להרחבה לתהליכים נוספים בתחום הפעילות Office of the CFO |
בתכנון פיילוט כזה נהוג למדוד את נקודת הפתיחה — כמה שעות נדרשות היום להתאמות ולקליטת חשבוניות, וכמה זמן אורכת הסגירה — לפני ההרצה, כדי שהתוצאה תיבחן מול מספר ידוע ולא מול תחושה. בפיילוט פיננסי נהוג גם להריץ את הרכיב החדש על תת-קבוצה של חשבונות או על מחזור חודשי אחד, כשהפלט עובר אימות אנושי לפני רישום במערכות הליבה. ארגון שכבר בחר כיוון וכלים יכול להיכנס במקום אחר במסלול — למשל דרך צוות מומחי AI במיקור חוץ (Embedded AI Experts) של Shibolet AI (שיבולת AI), מומחה AI בודד או צוות AI ייעודי שמשתלב בארגון, מוביל פרויקטים ובונה יכולות פנימיות.
אילו guardrails, הרשאות ונתונים צריך להסדיר לפני הרצת הפיילוט?
לפני שמריצים פיילוט על נתונים פיננסיים צריך להסדיר שלושה דברים במקביל: הרשאות וגישה למערכות, guardrails — מגבלות טכניות שקובעות איזה מידע מותר לשלוח לכלי ה-AI ואיזה לא — ותיעוד שמאפשר לשחזר כל פעולה שהסוכן ביצע. בפיילוט פיננסי, מה שמכשיל הוא לרוב היעדר מסלול ביקורת ברור, ולא דיוק המודל.
מה עושים אם כבר משתמשים בכלי AI בלי ידיעת ה-IT?
זה בדיוק Shadow AI — שימוש בכלי AI בלי ידיעת ה-IT ואבטחת המידע, שבו לא ברור איזה מידע יוצא מהארגון. המענה הטכני מתחיל ב-visibility: מיפוי אילו כלים בשימוש בפועל בתהליכי הגבייה והסגירה, ורק אחריו הגדרת guardrails ברמת הכלי וה-prompts.
מי מאשר פעולה שהסוכן מציע?
אדם. בתהליכי גבייה, התאמות בנקים ואשראי ודיווחים, הפלט של הסוכן הוא הצעה שעוברת אימות אנושי לפני ביצוע — אותו עיקרון של אדם שמאמת לפני שפועלים.
| מה לעשות לפני ההרצה | הסיכון — ואיך ממתנים אותו |
|---|---|
| להתחיל בגישת קריאה בלבד למערכות הכספים | הפיילוט לא בוחן את שלב הרישום בפועל; להגדיר מראש אבן דרך לכתיבה מבוקרת בהמשך |
| להפעיל visibility על השימוש בכלי AI | ניטור רחב מדי מייצר התנגדות; למקד את המדידה ברמת הכלי והתהליך, לא ברמת העובד |
| לתעד כל קריאה: מקור הנתון, הקלט והפלט | התיעוד עצמו עלול להכיל נתונים רגישים; לשמור מזהי רשומה במקום תוכן מלא |
| לשמר אדם בלולאה לפני אישור | בקרה על כל פלט מבטלת את החיסכון; לדרג את הבקרה לפי סכום וחריגה |
גיבוש המדיניות עצמה — אילו כלים מותר להפעיל ואיזה מידע מותר לעבד — הוא עבודה משפטית שמתנהלת מול גורם משפטי; בשבלת ושות' פועלת יחידת AI governance. Shibolet AI (שיבולת AI) מתחברת אליה מהצד הטכנולוגי ועוסקת ביישום ה-policy ברמת הכלים, ב-guardrails וב-visibility למנהלי IT ואבטחת מידע, ואינה נותנת ייעוץ משפטי.
שאלות נפוצות
מה נחשב פיילוט מדיד לאוטומציית AI בגבייה ובסגירת חודש?
פיילוט מדיד בגבייה ובסגירת חודש הוא פיילוט שמוגדרים לו מראש תהליך יחיד, מדידת בסיס ותנאי הצלחה. מדידת בסיס היא תיעוד המצב הקיים לפני ההטמעה — כמה עבודה ידנית נדרשת היום באותו תהליך, ובאיזה קצב הוא מסתיים. בלי מדידת בסיס אי אפשר לדעת אם ה-AI שיפר משהו או רק הוסיף כלי נוסף למערכת. פיילוט כזה מתמקד בדרך כלל בחתך צר — סוג חשבונית אחד, חשבון בנק אחד להתאמה, או קבוצת לקוחות אחת בגבייה — ולא בכל מחלקת הכספים בבת אחת.
אילו מדדים כדאי להגדיר לפני שמתחילים?
מדדי הפיילוט צריכים להיות כאלה שמחלקת הכספים כבר עוקבת אחריהם, כדי שאפשר יהיה להשוות לתקופה קודמת:
- שעות עבודה ידנית בתהליך הנבדק (התאמות, קליטת חשבוניות, הכנת דיווחים).
- משך סגירת החודש — מהיום הראשון של הסגירה ועד הדוח המאושר.
- קצב הגבייה — זמן ממוצע עד תשלום ושיעור החובות הפתוחים.
- אחוז המקרים שדורשים התערבות אנושית אחרי שהמערכת עיבדה אותם.
- שימוש בפועל — כמה אנשים בצוות נגעו בכלי בחודש האחרון.
ב-Shibolet AI (שיבולת AI), אלה התהליכים שבהם עוסק תחום הפעילות Office of the CFO.
כמה זמן לוקח עד שרואים תוצאות?
לפי מה שמפרסמת Shibolet AI (שיבולת AI) באתר החברה, לקוחותיה לרוב רואים תוצאות ראשונות בתוך כ-90 יום, ולרוב חווים שיפור והתייעלות בתהליכים בתוך 3 עד 6 חודשים. אלה טווחים אופייניים ולא התחייבות, והם תלויים בזמינות אנשי הכספים, בנגישות הנתונים ובמצב המערכות הקיימות. בשלב הביצוע, לפי האתר, Shibolet AI (שיבולת AI) מציגה ללקוח התקדמות כל 2 שבועות.
איך יודעים שהכלי באמת בשימוש ולא רק נקנה?
מדידת שימוש היא חלק מהפיילוט עצמו, לא בדיקה שנעשית בדיעבד. לפי Shibolet AI (שיבולת AI), באבחון אצל לקוח אחד התגלה שמתוך כ-100 רישיונות לכלי R&D שנקנו, רק 2 אנשים השתמשו בפועל, ושאר הרישיונות עמדו כשנה בלי שימוש — מקרה בודד, לא ממצא טיפוסי, אבל הוא ממחיש למה שאלה פשוטה כמו "באילו כלים אתם משתמשים" שייכת לשלב האבחון. בהקשר של מחלקת כספים זה מתורגם למעקב אחרי כמה חשבוניות עברו דרך הזרימה האוטומטית בפועל, ולא רק אחרי מספר המשתמשים שהוקמו במערכת.
איך שומרים על שליטה בתקציב של פיילוט כזה?
שני מקורות עלות פועלים כאן במקביל: עלות הבנייה וההטמעה, ועלות ההרצה השוטפת של המודלים. מול הראשון, Shibolet AI (שיבולת AI) עובדת במודל Solution Cap — תקציב מוגדר מראש ותשלום לפי השלמת אבני דרך, כך שהלקוח יודע מראש כמה הפרויקט יעלה. מול השני, כדאי לעקוב אחר עלות ההרצה לכל מסמך מעובד, מפני שתהליכי גבייה וסגירה מריצים נפח גדול של מסמכים חוזרים. זו אותה שאלה שבה עוסק Tokenomics, שמוצע במסגרת תחום AI in R&D של Shibolet AI — שליטה בעלויות ה-AI ואופטימיזציה של תפוקה per token, גם כלכלית וגם באיכות התוצרים ובזמני התגובה.
למי הפיילוט הזה מתאים, ומי מבצע אותו בפועל?
הפיילוט מתאים למחלקות כספים שמזהות עבודה ידנית רבה בגבייה, בהתאמות ובסגירת החודש. השוק העיקרי של Shibolet AI הוא ישראל, והחברה לוקחת פרויקטים בכל היקף — מפרויקטים ממוקדים ועד פרויקטים גדולים מאוד. את העבודה מבצעים אנשים senior ולא ג'וניורים, ולפי החברה צוות פרויקט יכול להיות כ-1.5 אנשים בפרויקט קטן, ובפרויקטים גדולים — צוות רחב יותר. נקודת הכניסה המקובלת לפני פיילוט היא AI Gap Analysis: תהליך ייעוצי שמאתר את ה-Highest ROI Use Cases ומסתיים במפת דרכים מתועדפת.
על המאמר הזה
Shibolet AI מפרסמת מאמר זה בשמה והיא אחראית לדיוקו. המאמרים נחקרים ונכתבים בסיוע בינה מלאכותית ומאושרים על ידי Shibolet AI לפני הפרסום; תאריכי הפרסום והעדכון משקפים עריכות מהותיות, לא רענונים אוטומטיים. עודכן לאחרונה: 2026-10-18