אמזון אולי מוכרת יותר ברחבי העולם בזכות המערך הלוגיסטי המשוכלל שלה, אך במקביל, גם בפינת העולם הפיננסי נרשם מהלך שאולי חשוב לא פחות: OpenAI השיקה פרויקט סודי-למחצה בשם Project Mercury, שמטרתו לא פחות מאשר להחליף את העבודות החוזרות של אנליסטים צעירים בבנקים באמצעות בינה מלאכותית. תחת הכותרת הזו מסתתר תהליך שבו החברה גייסה למעלה מ־100 יוצאי בנקאות השקעות ובוגרי MBA, ששכרם נאמד בכ־150 דולרים לשעה, כדי להדריך את המערכת כיצד לבנות מודלים פיננסיים במבנים המקובלים לתהליכים כמו מיזוגים, הנפקות ראשוניות וקווי אשראי.
המהלך הזה מהווה מעבר מ”עוזר טכנולוגי” פשוט ל”פעלת ליבה” של מערכות פיננסיות, במקום שהאנליסט הצעיר יקבל הוראות, יבנה גיליונות אקסל, יעדכן פרזנטציות ויידע על קודים וחיתוכים – המערכת של OpenAI שואפת לקחת תמונה מלאה של העבודה הזו, להטמיע אותה בבינה מלאכותית, ולהפוך אותה לחלק מהתשתית שעליה יפעל הבנק. כפי שמתאר עיתונאי ב־Bloomberg: “OpenAI מנסה להחליף את שעות העבודה הקשות שמבצעים אנליסטים צעירים בבנקים”.
מה עושה התכנית בפועל? גורמים המעורים בפרויקט מספרים כי גיוס העובדים נעשה כמעט כולו דרך בוט צ’אט בן 20 דקות, בדיקת מודלים פיננסיים, ובנייה שבועית של מודל Excel על פי מפרט תעשייתי מדויק – מיזוגים, IPOs, מבני חוב, ריבית, ריבופים, יחס חוב לעומד, תחזיות תזרימים. המשוב שמתקבל מהאנליסטים לשעבר משמש כחומר אימון חוזר למערכת.
למה זה חשוב? ראשית, כי זה מסמן שינוי פרדיגמה: העבודה החוזרת, המורכבת אך נחשבת “עבודת אנליסט צעיר", עשויה להיות כבר לא בהכרח אנושית. במקום להעסיק קבוצה גדולה של אנליסטים שבונים מודלים לימודיים, בנקים יבואו לשקול להפעיל מערכות שהוכנו מראש ואמן להן. שנית, מבחינה כלכלית התועלת מובנת: תשלום של 150 דולרים לשעה לאדם שמדריך את המערכת היא השקעה חד-פעמית יחסית ביחס לשעות העבודה האינסופיות של אנליסטים צעירים, ובהינתן אמירה שנתית של אלפי שעות עבודה – החיסכון הפוטנציאלי עצום.
אך לצד ההזדמנויות, מצויות גם שאלות קריטיות: מה יקרה לכישורים שיוצרת העבודה הזו? כיצד יראה מסלול הקריירה של אנליסט צעיר, אם חלק גדול מהעבודה “היא אז כבר אוטומטי”? האם התלמיד ילמד באמת את הניתוח, ההבנה והגמישות הדרושים לבנקאות השקעות, או שימצא עצמו “בגוף” שמפקח על אלגוריתם ולא בונה בעצמו? מפתחי המהלך מניחים שהאדם שנותר אחרי המודל יצטרך להתמקד ב־“החלק האחרון”, היחסי ערך הגבוה, אבל האם הוא יהיה מוכן לזה? כפי שנכתב ב־ProspectRock: “אם AI יבנה 95% מהמוצר, איך תפתח את ההבנה כשאתה רק מתקן את 5%?”
שלוש נקודות שראויות להתייחסות: הראשונה היא שהמהלך מעיד על כך שתהליכים שנחשבו פעם פנימיים, מורכבים ולב-ליבה של השוק, כמו בנקאות והשקעות, פתוחים היום לאוטומציה אינטנסיבית. הלקוח צריך להבין שלא מדובר רק ב”צ’אטבוטים שמבצעים שירותים” אלא ב”מערכת שמחליפה מבני תפעוליים שלמים”.
הנקודה השנייה היא שאלו הם שינויי במודל העסקי, לא רק חיסכון, אלא שינוי במהותו: מספר האנליסטים, מבנה הקריירה, הדרישות מהפרטיות. ייעוץ לשינוי כזה מחייב הבנת הכישורים המתקדמים (data science, ניתוח אלגוריתמים, פיקוח מקצה-אלקטרוני) ולא רק ייעוץ טכנולוגי קלאסי.
הנקודה השלישית: זהו רגע שבו חדשנות טכנולוגית והובלה אסטרטגית מתחברים עם אחריות, כלומר, לאחר שעלויות הליבה יורדו, המבחן הוא איך הרובד-האנושי נותר רלוונטי, כיצד מתבצע המעבר, ומה האחריות החברתית.
לסיכום, Project Mercury של OpenAI הוא יותר מאשר עוד כלי, הוא איתות לכך שבעידן החדש, גם “הלב הפועם” של התעשיות הפיננסיות עשוי לעבור עיבוד מחדש. לא רק מה יעשו האנליסטים, אלא מי יהיה האנליסט, איך ילמד, ואיך ייראו מסלולי הקריירה. עבור ארגונים בישראל, במיוחד אלה שפועלים בעולם השירותים הפיננסיים, הייעוץ או האסטרטגיה זו קריאה לפעולה: לא רק להתכונן לאוטומציה, אלא לתכנן איך ייראה תפקיד האדם לאחריה.
