שירותים פיננסיים
מערכות בינה מלאכותית לבנקים, שוקי הון, מנהלי נכסים וחברות פינטק המפיקות את תוצרי סיכוני המודלים, DORA והלוואות הוגנות שהרגולטורים דורשים.
הרוכש בשירותים פיננסיים שנכנס לפרויקט AI ב-2026 אינו שואל האם לפרוס מודלי שפה גדולים (LLMs). חבילת JPMorgan LLM Suite כבר מגיעה לכ-230,000 to 250,000 עובדים בכ-450 מקרי שימוש בסביבת ייצור, עם יעד של 1,000 עד סוף השנה; Goldman Sachs, Morgan Stanley, BBVA, Citi, HSBC ומרבית בנקי tier-1 פיתחו פתרונות עצמאיים משלהם. השאלה האמיתית היא כיצד להעביר מערכת AI מבצעית אימות סיכוני מודלים, בדיקות הלוואות הוגנות, ביקורת צד שלישי לפי DORA ובחינת פיקוח של FINRA, ועדיין לשמור עליה שמישה ומבצעית בשטח.
מה שאנו בונים והתוצרים המסופקים עימו
הגישה שלנו היא לבנות מערכות AI מותאמות אישית לבנקים, דסקים של שוקי הון, מנהלי נכסים ועושר, תשתיות תשלומים ופינטק, ופונקציות הסיכון והגזברות הרוחביות שמעליהם — כאשר כל אחת מוגדרת כך שהתוצרים שהרגולטורים דורשים בפועל מופקים לצד המערכת, ולא מודבקים בדיעבד לאחר שדמו נדרש להצדיק את הניירת שלו:
- חבילות אימות מודלים שנבנו כדי לעמוד בדרישות "אתגר אפקטיבי" תחת SR 11-7 ו- OCC 2011-12 גם כאשר המודל מכיל 70 billion פרמטרים.
- צינורות שימור רשומות המתייחסים לפרומפטים ולפלטי LLM כתקשורת עסקית לפי FINRA SEA Rule 17a-4, עם ייצוא WORM לכל ארכיון ציות שהחברה כבר מפעילה.
- מסגרות בדיקת הלוואות הוגנות העומדות בהצלחה בביקורת של CFPB בנושא השפעה שונה (disparate impact) לפי ECOA (מפורט ב- המחקר שלנו על משבר האחריותיות בהלוואות הוגנות).
- יומני החלטות שביקורת ניהול שינויים לפי Reg SCI יכולה לקרוא באופן חד-משמעי וללא התחמקויות.
באילו תקנות AI חייבת מערכת פיננסית לעמוד בשנת 2026?
חמישה משטרי רגולציה חלים כיום במקביל על כל פריסה מבצעית. אנו מתכננים מול מערך מתפתח זה, ולא מול ספרי לימוד משנת 2021.
| משטר רגולטורי | תאריך תחולה | מה שהוא מחייב במערכת מבצעית |
|---|---|---|
| DORA | 17 January 2025 | מתייחס ל-Azure OpenAI, AWS Bedrock ו-Google Vertex כצדדים שלישיים קריטיים בתחום ה-ICT, עם חובת תוכנית יציאה. |
| NYDFS 23 NYCRR Part 500 | הנחיות שפורסמו ב-16 October 2024 | תיעוד איומי הנדסה חברתית מבוססי AI, סיכוני ספקים ובקרות גישה. |
| FinCEN Alert FIN-2024-Alert004 | November 2024 | הכללת דפוסי דיפ-פייק בדיווחי פעילות חשודה (SAR). |
| EU AI Act (הוראות למערכות בסיכון גבוה) | תחולה מלאה ב-2 August 2026 | סיווג דירוג אשראי וחיתום ביטוח כמערכות AI בסיכון גבוה. |
| כלל ניתוח הנתונים החיזוי של ה-SEC | בהצעה מחודשת | כבר הקפיא מספר השקות של כלי AI המיועדים ליועצים. |
כיצד מונעים מסמנכ"ל כספים מזויף בדיפ-פייק לאשר העברה בנקאית?
עובד Arup בהונג קונג העביר כ-US$25 million בפברואר 2024 בעקבות שיחת וידאו בדיפ-פייק שהתחזתה לסמנכ"ל הכספים ולבכירים נוספים. מערך מניעת ההונאות הקיים בגזברות, שהתבסס על חוקי NICE Actimize וזיהוי חיות (liveness) מודל 2022, לא זיהה זאת.
הגישה שלנו היא לבנות אימות אותנטיות וידאו וקול בזמן אמת המתחבר ישירות לתהליך העברות הגזברות, עם בקרה דטרמיניסטית על תנועות בעלות ערך גבוה — כך שסיכון הדיפ-פייק אינו תלוי באנליסט לחוץ המנסה לזהות פנים סינתטיות בשיחת Zoom (מפורט ב- המחקר שלנו על פריצת הדיפ-פייק ב-Arup).
האם ניתן לאמת מודל שפה של 70-Billion פרמטרים תחת SR 11-7?
"אתגר אפקטיבי" תחת SR 11-7 מניח כי מאמת מסוגל לחקור את המבנה הפנימי של המודל; מודל שפה של 70 billion פרמטרים מפריך הנחה זו מעצם מבנהו. בנקים מגיבים בשלוש דרכים בלתי תואמות, שאף אחת מהן אינה עוברת ביקורת רגולטורית באופן חלק:
- הם מגבילים את קצב הפריסה.
- הם מרחיבים את גיוס אנשי ניהול סיכוני מודלים (MRM) עבור מאמתים בעלי מומחיות בלמידת מכונה — שוק שאינו מסוגל לספק מענה בהיקף הנדרש.
- הם נסמכים בחשאי על הצהרות ספקים.
הגישה שלנו הופכת את שכבת האילוצים הדטרמיניסטית — הבנויה על גרף ידע תחומי מבוסס — לרכיב המאומת, ומייצרת נתיבי החלטה שמאמת יכול לבקר ישירות, מבלי לקרוא משקלי טנזורים.
המודל היוצר מוצב מאחורי שכבה זו כקלט מוגדר שאינו בעל סמכות מכרעת כשלעצמו — מוגבל בפעולותיו, מנוטר באופן רציף, ונבדק ברמת התוצאה מול מסגרת ההערכה — במקום להתייחס אליו כמודל מאומת בזכות עצמו. חבילת התיעוד (מצאי מודלים, מעקב מקורות נתונים, מסגרת הערכה, ניטור ביצועים) מופקת באותו פורמט שצוותי MRM כבר משתמשים בו עבור מודלים קלאסיים, כך שהראיות קריאות וברורות בבחינת האתגר האפקטיבי שמחיל מבדק רוחבי.
כל מגזר נשען על עמוד שדרה רגולטורי שונה
שוקי הון, ניהול נכסים ובנקאות קמעונאית חולקים את אותה בעיה ארכיטקטונית אך כל אחד מהם נשען על עמוד שדרה רגולטורי שונה, ולכן אנו בונים בהתאם לציר הספציפי, ולא לפי תבנית כללית של "AI לשירותים פיננסיים". אתרו את התחום שלכם ואת המחויבות שהמערכת חייבת לעמוד בה:
| פריסה / תחום יישום | משטר רגולטורי מפקח ודרישות החובה למערכת |
|---|---|
| סוכן סיכום מחקר (sell-side) | חייב לציית לכללי מחסומי המידע של MAR . |
| פריסת מסחר אלגוריתמי | חייב להוכיח ניהול שינויים לפי Reg SCI — ההפסד של Knight Capital בסך $440 million תוך 45 דקות ב-2012 עדיין מצוטט בכל דיון על ממשל אלגוריתמי. |
| טייס משנה ליועץ עושר | חייב לפעול במסגרת Reg BI והנחיות האתיקה של CFA Institute, תחת כלל ניתוח הנתונים החיזוי של ה-SEC המפקח על הכל. |
| סוכן AI הפועל בשם לקוח קמעונאי | Reg E : חבות וחשיפה לחובות נאמנות חייבות להיות מוגדרות לפני הפריסה, ולא לאחר קבלת תלונה. |
| מודל חיתום | חייב לעבור בדיקת השפעה שונה של CFPB לפי ECOA . |
| מערכת הכר את הלקוח (KYC) | חייבת לזהות מסמכי זיהוי שנוצרו על ידי GenAI בהיקפי קליטת לקוחות שוטפים. |
| מודרניזציה של מערכות ליבה בנקאיות | שכתוב לוגיקת COBOL בת ארבעים שנה אינו יכול לאבד את התנהגות הסליקה באצוות בהמרה — ראו הדגמה פעילה של מודרניזציית מערכות COBOL ישנות. |
| פריסה משמרת פרטיות | עשויה לדרוש למידה מבוזרת (federated learning), פרטיות דיפרנציאלית, או הצפנה הומומורפית במקום LLM גולמי בענן. |
| מערכת מניעת הונאות בזמן אמת | בזמני השהיה של תשתית תשלומים לפי ISO 20022 , נדרש דירוג דטרמיניסטי לפני כל אות של LLM. |
במה זה שונה מפלטפורמות, משרדי ה-Big 4 וספקי פתרונות נקודתיים
כל קטגוריית ספקים פותרת חלק מהבעיה; אף אחת מהן אינה מחברת את כל חלקי המערך הכולל. חיבור זה הוא העבודה שאנו מתמקדים בה — ההבדל בין מערכת המוגדרת לעבור אישור של ועדת סיכונים לבין כזו הנשארת תקועה בסביבת ניסוי (sandbox).
| סוג הספק | מה שהם מוכרים | הפער הקיים |
|---|---|---|
| ספקי פלטפורמות | טייס משנה רוחבי | לא נבנה בהתאם לעמוד השדרה הרגולטורי של אף תחום בשירותים פיננסיים |
| פירמות ה-Big 4 | מצגת מתודולוגיה ותגבור כוח אדם | תכנון ממשל תאגידי, ולא הנדסת מערכות דטרמיניסטית שהופכת מודל לבר-הגנה |
| ספקי AI מתמחים לשירותים פיננסיים (Kensho, NICE Actimize, Featurespace, ComplyAdvantage, Feedzai, Zest AI, Upstart) | תחום אחד שנפתר היטב | אף אחד מהם אינו מחבר את המערך המלא בין התחומים השונים |
המערך המלא כולל אונטולוגיה תחומית, אחזור מבוסס עם מקורות מתועדים, אכיפת אילוצים דטרמיניסטית, בקרה אנושית (human-in-the-loop) היכן שקיימים סיכוני נאמנות או הגנת הצרכן, יומני החלטות הניתנים להגנה מול הרגולטור, הערכה מתמדת, וארכיטקטורה מוגנת מריכוזיות צד שלישי.
תובנות מרכזיות
- שאלת האימוץ הוכרעה — השאלה הפתוחה היא מעבר של אימות מודלים לפי SR 11-7 , בדיקות הלוואות הוגנות, ביקורת DORA ופיקוח של FINRA, תוך שמירה על שמישות המערכת.
- כל פרויקט מוגדר לספק את התוצרים המיועדים לרגולטור — חבילות אימות לפי SR 11-7 / OCC 2011-12, שמירת רשומות WORM לפי FINRA 17a-4, מסגרות הלוואות הוגנות של CFPB ויומני החלטות לפי Reg SCI.
- שכבת האילוצים הדטרמיניסטית מעל גרף ידע תחומי היא הרכיב המאומת — היא תוחמת LLM של 70-billion פרמטרים כקלט מנוטר שאינו פוסק סופי, כך שהראיות שהמאמת בוחן אינן תלויות לעולם בקריאת משקלי טנזורים.
- הגישה שלנו היא לבנות בהתאם לעמוד השדרה הרגולטורי הספציפי של כל מגזר, תוך חיבור המערך המלא שפלטפורמות, פירמות Big 4 וספקים נקודתיים מותירים חלקי.
שירותים פיננסיים
צפייהבינה מלאכותית לציות במסחר אלגוריתמי | Veriprajna
הרגולטורים כבר לא מוכנים לקבל יומני הזמנות כראיית ביקורת. אחרי שמפולת הבזק של אוגוסט 2024 מחקה ערך של טריליון דולר ו-Citigroup שילמה 92 מיליון דולר בקנסות על כשל אלגוריתמי בודד, השאלה עברה מ-"האם יש לכם בקרות?" ל-"האם אתם יכולים לשחזר כל החלטה שהאלגוריתם שלכם קיבל?
צפייהאימות AI ארגוני לתעשיות מפוקחות | Veriprajna
Klarna החליפה 700 נציגי שירות לקוחות ב-AI. העלויות צנחו ב-40%. ואז שביעות הרצון קרסה, פניות חוזרות זינקו, ורבעון ראשון 2025 הסתיים בהפסד נקי של 99 מיליון דולר.
צפייהזיהוי דיפ-פייק ארגוני ומניעת הונאה בשיחות וידאו | Veriprajna
בפברואר 2024, תוקפים השתמשו בדיפ-פייק שנוצר באמצעות בינה מלאכותית של צוות הנהלה שלם כדי לגנוב 25.6 מיליון דולר מחברת Arup בשיחת וידאו אחת. מאז ינואר 2026, פוליסות ביטוח סייבר סטנדרטיות מחריגות במפורש הונאת דיפ-פייק.
צפייהאימות פורמלי לציות פיננסי עבור בנקים | Veriprajna
ל-Apple ול-Goldman Sachs היו אלפי מהנדסים, מיליארדים בהכנסות, ותהליך עבודה ליישוב מחלוקות שהשמיט בשקט עשרות אלפי הודעות תקפות על שגיאות חיוב אל תוך חלל טכני. ה-CFPB גילה זאת. הם שילמו 89 מיליון דולר.
צפייהמודרניזציה של COBOL מורשת באמצעות אינטליגנציה של גרף ידע | Veriprajna
70-80% מפרויקטי המודרניזציה של מיינפריים נכשלים. לא כי הטכנולוגיה שגויה, אלא כי הכלים מתייחסים לקוד כטקסט במקום כטופולוגיה. אנו בונים את מפת בסיס הקוד שלכם לפני שאנו נוגעים ולו בשורה אחת, כך שההגירה שלכם תצליח במקום שבו אחרים שרפו מיליונים ולא סיפקו דבר.
צפייהאימות AI לציות מס | Veriprajna
Thomson Reuters "Ready to Review" מכין אוטומטית טפסי 1040. CCH Axcess Expert AI מנסח תובנות ייעוץ בקרב 10,000 משרדים. Blue J עונה על שאלות מחקר מס עם שיעור אי-הסכמה של פחות מ-1 ל-700.
שאלות נפוצות
האם נוכל לפרוס LLM בתוך תהליך עבודה של חיתום או ניהול סיכונים מבלי להיכשל באימות מודלים של SR 11-7?
כן, אך יש לתכנן את חבילת האימות מראש. אנו עוטפים את ה-LLM בשכבת אילוצים דטרמיניסטית הנתמכת על ידי גרף ידע תחומי, מייצרים נתיבי החלטה שמאמת יכול לבקר מבלי לקרוא משקלי טנזורים, ומפיקים את ערכת התיעוד לפי SR 11-7 ו-OCC 2011-12 (מצאי מודלים, שושלת נתונים, מסגרת הערכה, ניטור ביצועים, ראיות לאתגר אפקטיבי) באותו פורמט שצוות ה-MRM שלכם כבר משתמש בו עבור מודלים קלאסיים. התאמה רטרואקטיבית של זה לאחר ביקורת רוחבית כמעט לעולם אינה מסתיימת בטוב.
מה המשמעות של DORA עבור בנק המשתמש ב-Azure OpenAI, AWS Bedrock או Google Vertex כמערך ה-AI העיקרי שלו?
תקנת DORA נכנסה לתוקף ב-17 January 2025 ומתייחסת לספקי בינה מלאכותית בענן כצדדים שלישיים קריטיים של ICT. הדבר מפעיל שלוש חובות: מרשם מידע המפרט את הספק, תוכנית יציאה קונקרטית שניתן לבצע ללא הפרעה עסקית מהותית, וניתוח ריכוזיות צד שלישי. אנו מתכננים ארכיטקטורות השומרות על שכבת ההיסק, שכבת האחזור ויומני ההחלטות ניידים בין שני ספקים לפחות, כך שתוכנית היציאה אינה מצגת שקפים אלא נוהל מבצעי בדוק.
כיצד אנו מזהים שיחות וידאו של סמנכ"ל כספים (CFO) בדיפ-פייק לפני שהעברת גזברות יוצאת לפועל?
העברת הדיפ-פייק בסך US$25 million בחברת Arup הונג קונג בפברואר 2024 הוכיחה כי זיהוי חיות (liveness) מודל 2022 ובקרות גזברות מסורתיות מבוססות כללים אינם מספיקים. אנו בונים אימות אותנטיות וידאו וקול בזמן אמת בתוך תהליך אישור ההעברות, בשילוב עם שערים דטרמיניסטיים לתנועות בעלות ערך גבוה: כל העברה מעל סף דינמי דורשת אימות מחוץ לערוץ (out-of-band) בערוץ שהתוקף אינו יכול לזייף. המטרה היא להסיר את החלטת זיהוי הדיפ-פייק מאנליסט לחוץ המתבונן ברשת של שיחת Zoom.
מה דורש בפועל המועד האחרון של חוק הבינה המלאכותית של האיחוד האירופי (EU AI Act) באוגוסט 2026 לדירוג אשראי וחיתום ביטוח?
החל מ-2 August 2026, מערכות דירוג אשראי ומערכות תמחור סיכוני ביטוח מסווגות כבינה מלאכותית בסיכון גבוה תחת החוק. ספקים ומטמיעים חייבים לתחזק מערכת ניהול איכות, תיעוד טכני, רישום ומעקב, פיקוח אנושי וניטור שלאחר שיווק. עבור בנקים, החובה המורכבת יותר היא ההשתלבות עם משטרי ECOA, GDPR ואשראי צרכני קיימים: מערכת אחת חייבת לעמוד בכולם במקביל. המערכות שלנו מייצרות עמוד שדרה תיעודי אחד משולב במקום ארבעה מקבילים.
כיצד אנו מטפלים בשמירת רשומות לפי כלל FINRA SEA Rule 17a-4 עבור פרומפטים ופלט של LLM בברוקר-דילר?
כל אינטראקציית LLM בברוקר-דילר מהווה תקשורת עסקית וחייבת להישמר בפורמט שאינו ניתן לשכתוב או מחיקה (WORM) עם ביקורת פיקוחית לפי כלל FINRA Rule 3110. מרבית ספקי SaaS LLM אינם מייצאים בפורמט מוכן ל-WORM כברירת מחדל. אנו בונים צינור שימור ופיקוח הלוכד פרומפט, הנחיית מערכת, הקשר אחזור, פלט מודל והחלטה, מייצא אותו ל-Smarsh, Global Relay או כל ארכיון שהחברה כבר משתמשת בו, ומייצר את תור הסקירה הפיקוחית שצוות הציות שלכם מצפה לקבל.
כיצד אנו מבצעים בדיקת השפעה שונה (disparate impact) להלוואות הוגנות ברמת CFPB על אות חיתום הנעזר ב-GenAI?
ה-CFPB וה-OCC מצפים שכל קלט להחלטה, כולל מאפיינים שנוצרו על ידי LLM, ייבדק להשפעה שונה לפי ECOA ו-FHA על פני קבוצות מוגנות. אנו בונים סביבת בדיקת הלוואות הוגנות המתייחסת לפלט ה-LLM כמשתנה, מריצה מבחני יחס השפעה שלילית ומבחני הבדל ממוצעים מתוקננים, בודקת משתני פרוקסי המתואמים עם מאפיינים מוגנים, ומפיקה הצדקה בכתב לכל פער שנצפה לצד אמצעי הפחתה. זו חייבת להיות בדיקה תקופתית חוזרת, ולא תוצר פריסה חד-פעמי.
במה זה שונה ממה שמוכרות Microsoft, Salesforce או פירמות ה-Big 4?
ספקי פלטפורמות מוכרים טייסי משנה רוחביים ותשתיות סוכנים; הם אינם מספקים תיעוד SR 11-7, ייצוא WORM לפי FINRA 17a-4, תבניות תוכנית יציאה של DORA, או סביבות בדיקת הלוואות הוגנות של CFPB. פירמות ה-Big 4 מוכרות מתודולוגיית ממשל ותגבור כוח אדם, חזקות במצגות ותכנון מודלים תפעוליים, אך חלשות יותר בהנדסת המערכות הדטרמיניסטית שהופכת מודל לבר-הגנה. ספקי AI מומחים לשירותים פיננסיים מכסים כל אחד תחום בודד בלבד — הונאות, מסחר או הלבנת הון. אנו מחברים את המערך המלא למערכת העוברת בהצלחה ועדת סיכונים במקום להישאר בסביבת ניסוי. אנו ניטרליים לגבי שכבת המודל הבסיסי ובעלי עמדה מוצקה לגבי כל מה שמסביבו.
בנו את ה-AI שלכם בביטחון.
שותפו עם צוות בעל ניסיון עמוק בבניית הדור הבא של AI ארגוני. אנו נסייע לכם לתכנן, לבנות ולהטמיע אסטרטגיית AI שתוכלו לסמוך עליה.
Veriprajna ייעוץ דיפ-טק מתמחה בבניית מערכות AI קריטיות לבטיחות עבור תחומי הבריאות, הפיננסים והרגולציה. הארכיטקטורות שלנו מאומתות מול פרוטוקולים מבוססים ומלוות בתיעוד ציות מקיף.