למה ה-AI טועה בניתוח פיננסי? הטעות שכולם עושים עם אקסל ב-ChatGPT
מעלים קובץ אקסל שלם ל-ChatGPT ומקבלים תשובות לא מדויקות? למדו את השיטה המעשית (5 שלבים) לניתוח הוצאות ודאטה פיננסי שמונעת טעויות ומביאה תוצאות אמינות להנהלה.
כמה אנחנו באמת מוציאים?
אם לוקח לכם שבועיים לקבל תשובה לשאלה כמו
“כמה אנחנו מוציאים?”,
יש פה בעיה. לא בעיית אקסל. לא בעיית דאטה. בעיית תהליך.
אני רואה את זה שוב ושוב אצל צוותי כספים:
3 ימים רק כדי לאסוף קבצים,
עשרות טאבים או קבצי אקסל שונים,
ישיבות הנהלה עם מספרים שכבר לא רלוונטיים לרגע שבו פתחו את המצגת.
והאמת? זה לא קורה כי צוות הכספים לא טוב.
זה קורה כי רוב הצוותים עדיין עובדים כאילו הדרך היחידה לייצר תשובות היא לאחד הכול ידנית, לנקות ידנית, לבדוק ידנית, ואז להסביר למה הדוח כבר התיישן.
פה AI יכול לשנות את המשחק.
לא בקטע של “קסם”.
לא בקטע של להחליף אנשי כספים.
אלא בקטע הכי פרקטי שיש: לקצר דרמטית את הזמן בין שאלה ניהולית לבין תשובה שאפשר לעבוד איתה.
אחת הטעויות הכי נפוצות שאני רואה היא שאנשים מעלים ל-ChatGPT קובץ אקסל שלם עם 14 טאבים, נוסחאות ישנות, עמודות שלא בשימוש, טאב מוסתר מ-2019, ומצפים שהתוצאה תהיה מדויקת.
תיאורטית זה יכול לעבוד.
בפועל, הרבה פעמים זה מייצר בדיוק את הבעיה המוכרת: תשובה שנראית מאוד משכנעת — אבל מבוססת על ההקשר הלא נכון.
וזה מסוכן.
כי בעולם הפיננסי, תשובה “די נכונה” היא לא נכונה.
אם קיבלתם ניתוח שונות על סעיף הוצאות שיווק לרבעון הראשון, אבל המודל בכלל נשען על טאב אחר או על מבנה נתונים שלא הבנתם, איבדתם אמינות מול ההנהלה הרבה לפני שתיקנתם את המספר.
כלל ה-80/20 של ניתוח פיננסי
כאן נכנס עיקרון פארטו.
אנחנו מכירים את זה מעולמות אחרים:
80% מהמכירות מגיעים מ-20% מהלקוחות.
80% מהתקלות נובעות מ-20% מהגורמים.
ובהרבה מאוד מקרים, גם 80% מהתובנה הפיננסית מגיעים מ-20% מהדאטה.
כלומר, לא צריך תמיד לתת ל-AI את כל הקובץ.
צריך לתת לו את החלק הנכון של הקובץ.
את ההקשר הנכון.
את השאלה הנכונה.
בדיוק כמו שלא תתנו לאנליסט חדש גישה לכל ה-Google Drive של החברה ותגידו לו “תמצא משהו מעניין”,
כך גם לא נכון לזרוק ל-AI חוברת עבודה שלמה ולקוות שהוא יבין לבד מה חשוב.
השיטה הפשוטה שעובדת טוב יותר
במקום להתחיל מהעלאה של כל הקובץ ולחכות לנס,
תתחילו מצילום מסך.
כן, צילום מסך.
זה נשמע פשוט מדי, אבל זו אחת הדרכים הכי אפקטיביות למקד את המודל.
למה זה עובד?
זה עוזר ל-AI להבין על מה לא להסתכל.
זה ממקד אותו בדיוק לאזור שמעניין אתכם.
זה מכריח גם אתכם לחדד מה השאלה האמיתית שאתם רוצים לפתור.
במילים אחרות:
במקום לבקש “תנתח לי את כל ההוצאות”,
אתם מראים טווח ספציפי, עם שמות העמודות, עם המספרים החשובים, ושואלים שאלה ממוקדת.
זו כבר רמה אחרת לגמרי של עבודה.
רוצים ללמוד עוד הרשמו לוובינר הקרוב:
איך לעבוד נכון עם AI על דאטה פיננסי
הנה workflow פשוט שאפשר ליישם כבר השבוע:
מעלים את קובץ האקסל או ה-workbook הרלוונטי.
פותחים את הגיליון הרלוונטי ומצלמים רק את הטווח שבאמת חשוב לניתוח.
מדביקים את צילום המסך יחד עם הקובץ.
מבקשים מהמודל:
“הנה קובץ העבודה שלי וצילום מסך של נתוני העלויות. מהם 10 הניתוחים הכי טובים שאפשר לבצע על הדאטה הזה? תכלול גם 3 ניתוחים יצירתיים ולא שגרתיים.”
בוחרים את הזווית החזקה ביותר, ורק אז מבקשים את הניתוח המלא.
למה אני אוהב את הגישה הזו?
כי במקום לקפוץ ישר ל-output, אתם קודם מקבלים “תפריט חשיבה”.
והרבה פעמים דווקא שם נמצאות התובנות הכי טובות — כאלה שלא הייתם מבקשים בעצמכם.
למשל:
רווחיות למטר מרובע ברשת קמעונאית.
עלות תוכנה פר עובד.
חשיפת ספקים לפי ריכוזיות וסיכון.
ניתוח aging על ספקים או חשבוניות תקועות מעל סף מסוים.
אלו לא רק ניתוחים יפים למצגת.
אלו ניתוחים שמחזקים את המעמד של הכספים בתוך הארגון, כי הם עונים על שאלות ניהוליות אמיתיות.
דוגמא נוספת :
לעבוד בתוך אקסל ומודלים קיימים:
רוצים ללמוד עוד הרשמו לוובינר הקרוב:
מה כדאי לזכור
הפואנטה כאן היא לא שאתם צריכים עוד כלי.
ברוב המקרים אתם פשוט צריכים לעבוד חכם יותר עם הכלים שכבר יש לכם.
הצוותים הכי חזקים לא בהכרח עובדים יותר קשה.
הם עובדים יותר ממוקד.
הם לא מנסים לגרום ל-AI להבין את כל העולם — הם נותנים לו את 20% מהמידע שממנו מגיעות 80% מהתוצאות.
אז בפעם הבאה שאתם רוצים להעלות workbook שלם ל-ChatGPT,
תעצרו רגע לפני. בחרו את הטווח הנכון. צלמו מסך. תנו הקשר. ותתחילו מהשאלה הנכונה.
יש סיכוי טוב שתקבלו תוך 5 דקות תוצאה טובה יותר ממה שניסיתם להפיק במשך שבועיים.
איך ממשיכים
רוצים גישה לעוד מדריכים פרקטיים, אוטומציות וספריית פרומפטים ייעודית לאנשי כספים?
הירשמו עכשיו לאתר ותקבלו את כל הכלים שיחסכו לכם שעות של עבודה שחורה:
