בנק Customers Bank האמריקאי, המנהל נכסים בהיקף של יותר מ-27 מיליארד דולר, מדווח על תוצאות בעקבות שילוב טכנולוגיות בינה מלאכותית בתהליכי הליבה שלו. ניסוי שביצע הבנק במערכת חיתום מבוססת בינה מלאכותית הצליח לקצר את משך סגירת ההלוואות המסחריות מטווח נורמטיבי של 30 עד 60 ימים לשבעה ימים בלבד. מדובר בקיצור של כ-85% בזמן הנדרש להגעה למוכנות לסגירת עסקה, הישג שהוביל את הנהלת הבנק להרחיב את פריסת המערכת לכלל פעילותו.
השינוי התפעולי אינו מתבטא רק במהירות, אלא גם בחיסכון משמעותי במשאבים. בסקר שנערך בקרב עובדי הבנק, דיווחו העובדים על חיסכון מצטבר של כ-76,000 שעות עבודה - קפיצה של כמעט 65% בהשוואה לרבעון השני של השנה. לצד זאת, בבנק מעריכים כי הפעילות מייצרת חיסכון תפוקתי בחישוב שנתי של יותר מ-15 מיליון דולר, הנובע בין היתר מצמצום הצורך באיוש משרות פתוחות ומחיסכון בהוצאות שכר והטבות.
סוכני AI בלב תהליך החיתום
בנק Customers Bank, הממוקם בפנסילבניה, וחברת האם שלו Customers Bancorp, הציגו את תוכניותיהם לעבודה עם חברת OpenAI עוד בחודש אפריל. בעת ההכרזה ציין מנכ"ל הבנק, סאם סידהו (Sam Sidhu), כי המטרה היא לאפשר לבנקאים להקדיש חלק גדול יותר מזמנם לעבודה שמייצרת ערך ממשי. כדי להגשים יעד זה, הקים סידהו צוות ייעודי של 40 עובדים - המהווים כ-5% מכוח האדם בבנק - המרוכז כולו בטרנספורמציה של תהליכי העבודה באמצעות בינה מלאכותית.
מהנדסי הבנק פיתחו מערכת מרובת סוכנים (Multi-Agent) המיועדת לתהליכי חיתום אשראי. המערכת הופעלה בפיילוט במהלך הרבעון השני של השנה עבור הלוואות מסחריות ותעשייתיות, וכן הלוואות לנדל"ן מסחרי.
תהליך פיתוח הכלים התבסס על מחזור עבודה הדוק:
צמודים לבנקאים: מהנדסי התוכנה הצטרפו לעובדים המנהלים את הפעילות השוטפת, וצפו מקרוב בזרימת העבודה הממשית.
בנייה על בסיס מידע פנימי: סוכני הבינה המלאכותית נבנו ואומנו ישירות על גבי הנתונים והמערכות הייחודיות של הבנק.
שיתוף פעולה עם OpenAI: מהנדסים מטעם OpenAI ישבו לצד צוותי הבנק כדי לסייע בפיתוח כלים קנייניים המותאמים אישית לתהליכים הפנימיים.
מדידה לפני הטמעה: כל כלי נבחן ונמדד בקפידה בטרם שולב בפעילות המבצעית השוטפת.
סידהו ציין כי הטכנולוגיה הבסיסית שעליה נשענות המערכות הללו היא בת כשישה חודשים בלבד. בעוד שפיתוחים גדולים יותר במערכת הבנקאית עדיין נמשכים מספר רבעונים, הפיילוט הנוכחי הסתיים רבעון אחד עד שני רבעונים מוקדם מהמתוכנן. ברבעון השלישי של השנה הכפיל הבנק את מספר סוכני הבינה המלאכותית הפעילים בשורותיו, הכוללים מודלי GPT מותאמים וכלים דומים.
חיסכון של עשרות אלפי שעות ומיליוני דולרים
המעבר לעבודה עם סוכני AI הניב תוצאות מהירות. בעוד שזמן ההמתנה המקובל בענף לסגירת הלוואות מסחריות נע בין 30 ל-60 ימים, המערכת של הבנק הצליחה לקצר את משך הזמן עד למוכנות לסגירת הלוואה ב-85%, והשלימה את התהליך בתוך שבעה ימים בלבד.
לצד קיצור לוחות הזמנים, הבנק רואה תרומה ישירה בשורת העלויות והמשאבים:
חיסכון בשעות עבודה: בסקר פנימי שנערך בקרב עובדי הבנק, דווח על חיסכון מצטבר של כ-76,000 שעות עבודה - עלייה של כמעט 65% לעומת הנתונים שנרשמו ברבעון השני.
הגדלת התפוקה והחיסכון הכספי: הנהלת הבנק מעריכה כי התהליך מייצר חיסכון תפוקתי בחישוב שנתי של יותר מ-15 מיליון דולר. חיסכון זה נגזר בעיקר מצמצום הצורך באיוש משרות פתוחות ומחיסכון בעלויות שכר והטבות עבור משרות שלא אויישו מחדש במהלך השנה.
מגמה עולמית: המוסדות הפיננסיים מחשבים את תשואת ה-AI
התוצאות של Customers Bank מדגישות מגמה רחבה יותר בתעשייה הפיננסית הגלובלית, שבה מוסדות בנקאיים שואפים לתרגם את השקעות הבינה המלאכותית למדדים כספיים ברורים ולשיפור יחסי יעילות. עם זאת, השגת החזר השקעה מלא מכלים אלו עדיין נחשבת למשימה מורכבת.
סקר שנערך בקרב 60 מנהלי טכנולוגיה בכירים בחברות בעלות הכנסות של מיליארד דולר ומעלה בתחומי הפיננסים, הבריאות והמדיה, הראה כי בעוד שבין 90% ל-100% מהחברות מדווחות על החזר מסוים מהשקעות ה-AI שלהן, רק 5% עד 10% מדווחות על החזר השקעה מלא.
למרות המורכבות, בנקים גלובליים גדולים מציגים נתונים מספריים על הערך שיוצרת הטכנולוגיה:
TD Bank: הבנק הקנדי הניב ערך מוערך של כ-195 מיליון דולר קנדי (כ-141 מיליון דולר אמריקאי) מבינה מלאכותית בשלושת הרבעונים הראשונים של שנת הכספים שלו, לקראת יעד שנתי של 200 מיליון דולר קנדי.
Bank of America: מנהל הכספים הראשי אלסטייר בורת'וויק (Alastair Borthwick) ציין כי יכולות ה-AI תרמו להגעת יחס היעילות (Efficiency ratio) של הבנק ל-59% - שיפור של כ-360 נקודות בסיס בהשוואה לתקופה המקבילה אשתקד.
Lloyds Banking Group: המוסד הבריטי מפעיל יותר מ-800 מודלים פעילים של בינה מלאכותית, ומכוון ליחס עלות להכנסות (Cost-to-income ratio) נמוך מ-45% עד שנת 2030.
הדוגמה של Customers Bank ממחישה כיצד שילוב ישיר של הנדסת תוכנה וסוכני AI לצד בנקאים בשטח יכול לשנות תהליכים מורכבים כמו חיתום אשראי, ולהפוך תהליך שארך חודשים לפעולה של ימים ספורים.
למה זה חשוב לך
מהירות וחיסכון בעלויות בתהליכי חיתום הלוואות עשויים להוביל בסופו של דבר להוזלת אשראי ולשירות מהיר יותר גם ללקוחות עסקיים בישראל, ככל שבנקים מקומיים יאמצו טכנולוגיות דומות. המגמה מראה שבינה מלאכותית כבר אינה כלי ניסיוני אלא גורם משנה משחק בתעשייה הפיננסית העולמית, מה שעשוי להשפיע על תחרותיות הבנקים הישראלים מול מוסדות זרים. בנוסף, הדוגמאות ממחישות לעובדי הייטק ופיננסים בארץ את סוג התפקידים והכישורים שיידרשו בעתיד בתחום שילוב ה-AI בארגונים גדולים.
התוכן בכתבה זו נועד לספק סקירה כללית בלבד ואינו מהווה תחליף לייעוץ מקצועי פרטני. המערכת אינה אחראית לכל נזק או הפסד שייגרם כתוצאה מהסתמכות על המידע המוצג.
קראו גם: חלופה מוזלת לאנבידיה: סטארטאפ סיני מציג מחשב AI בצריכת 40 ואט · בגלל אירועי פריצה: OpenAI מנתקת את מודלי ה-AI המתקדמים מהאינטרנט
