במחקר חדש שנערך על ידי בתי ספר מובילים לניהול עסקים נמצא כי  מודלים של בינה מלאכותית הצליחו לעבור בהצלחה את מבחן CFA שלב 3, המחשב כאחד המבחנים הקשים והמורכבים ביותר בעולם הפיננסים. המחקר, שפורסם לאחרונה בדק 23 מודלים מובילים בהתמודדות עם גרסה מלאה של המבחן, כולל שאלות רב-ברירה וחיבורים פתוחים, תוך שימוש בשיטות בדיקה סטנדרטיות.

התוצאות מרשימות לא רק בגלל עצם המעבר את סף ההצלחה, אלא בעיקר בגלל הזמן הקצר שנדרש להשגתן - דקות ספורות בלבד, לעומת אלפי שעות לימוד שמשקיעים בני אדם בהכנה. הישג זה מדגיש כיצד הבינה המלאכותית לא רק מעבדת נתונים במהירות יוצאת דופן, אלא גם מסוגלת לשלב אותם להמלצות אסטרטגיות מורכבות ומותאמות.

התוצאות האלו מעלות שאלות עמוקות על עתיד המקצועיות בתחום הפיננסי. מצד אחד, מדובר בצעד משמעותי קדימה ביעילות ובנגישות של השירותים הפיננסיים. מצד שני, זה מאתגר באופן יסודי את המודל המסורתי של הכשרה אנושית, המתבסס על ניסיון מצטבר לאורך שנים וחניכה הדרגתית בסודות המקצוע.

מהו מבחן CFA ומדוע הוא כה משמעותי?

מבחני CFA (Chartered Financial Analyst) מהווים סטנדרט בינלאומי שמציב רף מקצועי גבוה לאנליסטים, יועצי השקעות, מנהלי תיקים ואנשי מקצוע בתחום הפיננסים. המבחן מורכב משלושה שלבים עוקבים, המכסים תחומים מקצועיים נרחבים כגון ניתוח דוחות כספיים, תמחור נכסים, ניהול השקעות, אתיקה מקצועית וניהול סיכונים.

השלב השלישי, שהוא המורכב והמאתגר ביותר, כולל ניתוח תיקי השקעות אינטגרטיביים, גיבוש המלצות אסטרטגיות והתמודדות עם תרחישים אתיים מורכבים. מבחן זה דורש לא רק ידע טכני מעמיק, אלא גם יכולת שילוב והסקה רב-שכבתית, המשקפת את האתגרים הייחודיים של עבודת מקצוענים בשוק הפיננסי.

באופן יומיומי, מקצוענים בתחום זה נדרשים לקבל החלטות מורכבות הלוקחות בחשבון גורמים כלכליים גלובליים, תנודות שוק, רגולציות משתנות ושיקולים אישיים של לקוחותיהם. לכן, ההצלחה במבחן CFA נתפסת כסמל אמיתי של מומחיות מקצועית מוכחת.

נתוני הצלחה מדהימים של המבחן

המבחן נחשב מאתגר במיוחד, כפי שמעידים אחוזי המעבר הנמוכים:

שלב ראשון (Level 1): אחוזי המעבר נעים בין 41%–45% בשנים האחרונות. במבחן מאי 2025 עמד שיעור ההצלחה על 45%, מה שמשקף את הקושי הרב בהבנת הבסיס הפיננסי הרחב ובעיבודו.

שלב שני (Level 2): ממוצע של כ-54% ב-2025. שלב זה מתמקד בניתוח מעמיק של נכסים ובהערכת סיכונים מתקדמת.

שלב שלישי (Level 3): השלב המורכב ביותר, הכולל שאלות חיבור פתוחות ואינטגרטיביות הדורשות ניתוח מעמיק, גיבוש המלצות השקעה מפורטות ושיקולים מורכבים של ניהול תיקים. שיעור המעבר בשלב זה עמד על כ-49% בממוצע בשנים האחרונות. 

נתון מדהים נוסף: לפי נתוני הגוף המנהל את המבחנים, רק כ-20%–25% מהנבחנים מסיימים את כל שלושת השלבים בהצלחה. כדי לגשת לשלב השלישי יש לעבור את שני השלבים הראשונים.

חשיבות ההסמכה בשוק העבודה

המבחן וההסמכה נדרשים וחשובים במקצועות כגון: אנליסטים פיננסיים, יועצי השקעות, מנהלי תיקים, מנהלי סיכונים, דירקטורים פיננסיים, אנשי מחקר בחברות ניהול נכסים, ולעיתים גם סוכני ביטוח פנסיוני המעוניינים להיכנס לעולמות ניהול השקעות.

במוסדות פיננסיים גלובליים רבים, ההסמכה מהווה תנאי סף או יתרון מכריע להתקדמות מקצועית. לדוגמה, בבנקים הגדולים ובחברות השקעות מובילות, CFA מהווה דרישה נפוצה לתפקידי אנליזה בכירים, שכן היא מבטיחה יכולת מוכחת להתמודד עם מורכבות השוק הפיננסי.

23 מודלים נבחנו מול גרסה מלאה של המבחן, כאשר הציונים נבדקו בקפדנות גם על ידי בודקים אנושיים מקצועיים וגם על ידי מודלים אחרים לאימות. רוב המודלים המתקדמים עברו בהצלחה את סף המעבר של 65 אחוז, תוך השגת ביצועים מרשימים:

מודל o1-mini של OpenAI השיג 79.1% - מודל המתמחה בחשיבה לוגית ממושכת, מה שמאפשר לו להתמודד ביעילות רבה עם תרחישים פיננסיים מורכבים כמו הערכת סיכונים ארוכי טווח ותכנון אסטרטגי.

מודל Gemini 1.5 Flash של גוגל השיג 77.3% - גרסה יעילה במיוחד מבחינת עלות וביצועים, המצטיינת בעיבוד נתונים גדולים בזמן אמת ובניתוח מגמות שוק מורכבות.

Claude 3 Opus של Anthropic השיג 74.9% - מודל חזק במיוחד בניתוח טקסטואלי מורכב, המאפשר פירוט מדויק ומפורט של המלצות השקעה ותרחישי סיכון.

מודלים נוספים כמו GPT-4o של OpenAI ו-Gemini 1.5 Pro השיגו גם הם ציונים גבוהים מעל 70%, אך חלק מהמודלים הפחות מתקדמים נכשלו, בעיקר בחלק החיבורים, הדורש ניסוח חופשי, יצירתי ומותאם אישית.

לפי החוקרים, לא בוצע אימון מוקדם או הכשרה ייעודית למבחן. כלומר, מדובר ביכולת "גולמית" של המודלים הקיימים, המבוססת על נתונים כלליים מהאינטרנט ועל שיפורים טכנולוגיים אחרונים. זה הופך את ההישג למרשים עוד יותר ומעלה שאלות על הפוטנציאל הטמון במודלים עתידיים.

בעוד שבני אדם נכשלים לעיתים קרובות בשל לחץ זמן, עייפות או חרדה, המודלים מציגים עקביות גבוהה מאוד. עם זאת, הם עלולים להיכשל בשאלות הדורשות הבנה תרבותית עמוקה או הקשרים גיאופוליטיים עדכניים, מה שמדגיש את הצורך הקיים בשילוב אנושי.

החוקרים זיהו שני שיפורים טכנולוגיים עיקריים שהובילו להישג: הראשון,. מודלים מוכווני חשיבה לוגית - שחרור של מודלים המיועדים במיוחד לחשיבה לוגית ולפירוק בעיות מתקדם, כמו o1-mini ו-Gemini 1.5 Pro. מודלים אלה משתמשים באלגוריתמים מתוחכמים המדמים תהליך חשיבה צעד אחר צעד, מה שמאפשר טיפול יעיל במשימות מורכבות כמו בניית תיקי השקעות מותאמים, תוך התחשבות במשתנים מרובים כמו אינפלציה, ריביות, מגמות שוק ויעדים אישיים. שיפור זה מייצג קפיצה מהותית מהמודלים הקודמים, שפעלו בעיקר על בסיס זכירה וחיקוי דפוסים, ומעביר את הדגש לפתרון בעיות אמיתי ולחשיבה יצירתית.

שיפור שני הוא שימוש בגישת Chain-of-thought prompting, כלומר יכולת המודל לפרק בעיות מורכבות שלב אחר שלב ולנמק מהלכים תוך כדי ביצוע, מה שמחדד משמעותית את הביצועים במטלות מורכבות. במחקר, שיטה זו שיפרה את הדיוק בחלק החיבורים ב-15 נקודות אחוז, על ידי אילוץ המודל להציג את התהליך הלוגי המלא, בדומה לכך שבני אדם כותבים טיוטה מסודרת לפני ניסוח סופי.

השיפורים הללו, בשילוב עם עלייה משמעותית בכוח החישוב הזמין, אפשרו ל-AI להתמודד ביעילות עם תרחישים אתיים מורכבים ועם הערכת סיכונים רב-שכבתית, שהיו בעבר חולשה מרכזית של מערכות אלו.

זה מצביע על מגמה כללית חדשה בתחום הבינה המלאכותית: מעבר ממערכות סגורות וספציפיות למודלים גמישים ואדפטיביים, המסוגלים להתאים את עצמם למגוון רחב של תחומים מקצועיים. פיתוח זה פותח אפשרויות ליישומים נוספים כמו סימולציות שוק בזמן אמת וניתוח סיכונים דינמי.

האם AI מחליף את יועצי ההשקעות והאנליסטים?

למרות ההישג המרשים, מומחי השוק מדגישים שהמשמעות המיידית היא בעיקר ביכולת לבצע ניתוחים בסיסיים ואמצע ברמה גבוהה, אך לא בהכרח להחליף את מרכיבי התקשורת האנושית, ההבנה הרגשית וההתאמה האישית שבין יועץ ולקוח. אחד השותפים המובילים במחקר ציין כי AI מצוין בניתוח נתונים ובביצוע חישובים מתקדמים, אך מתקשה עדיין להבין כוונות אישיות מורכבות או הקשרים רגשיים, כפי שנבדק בסקרים מקבילים שנערכו בקרב לקוחות.

קושי מרכזי במבחן עבור בני אדם הוא ניהול הזמן הקפדני, ודווקא בזה למודלים יש יתרון מובהק וחד-משמעי, שכן הם פועלים ללא הפסקות, עייפות או חרדת מבחן. יחד עם זאת, התעשייה כבר מתרחקת בהדרגה מביצוע ידני של ניתוחים בסיסיים ושגרתיים.

בחברות ניהול נכסים גדולות, AI כבר משמש כיום ככלי עזר מרכזי לניתוח סיכונים ולבניית תיקים, מה שמקצר זמני עבודה ב-30%–50% ומאפשר למקצוענים להתמקד באסטרטגיה ארוכת טווח ובקשרים עם לקוחות.

ככל הנראה, בעוד שתפקידים ברמה נמוכה עלולים להיות מאוישים חלקית או במלואם על ידי AI, תפקידים בכירים וניהוליים ידרשו שילוב מתוחכם של AI עם אינטואיציה אנושית, מה שייצור דרישה חדשה למיומנויות היברידיות ייחודיות.

ההשוואה הנפוצה של השימוש בבינה מלאכותית למחשבון מדגישה הן את הפוטנציאל והן את הסיכונים: אם כל תלמידי היסודי יקבלו מחשבונים לפני שלמדו באופן יסודי כפל וחילוק, הם לא יבינו מה לעשות כשיגיעו לרמות מתקדמות יותר כמו אלגברה וגיאומטריה. AI הוא סוג של "מחשבון מתקדם" ל-CFA, שמקל משמעותית על חישובים ועל ניתוחים מורכבים, אך עלול להחליש את ההבנה הבסיסית והעמוקה של התחום.

הצלחות AI גם במבחנים ברפואה

ההצלחה במבחן CFA שלב 3 אינה מקרה מבודד, אלא חלק ממגמה רחבה שבה מודלי בינה מלאכותית גדולים מציגים ביצועים מרשימים במבחנים מקצועיים מגוונים, מה שמעיד על התקדמות כללית מרשימה ביכולות הניתוח, ההסקה והיישום המעשי.

רפואה - במבחן הרפואה הכללי באנגליה, המיועד לרופאי משפחה ומכסה אבחון, טיפול וניהול מקרים קליניים מורכבים, מודלים מתקדמים כמו o3 השיגו 99% הצלחה בשאלות רב-ברירה, בעוד שמודלים אחרים הגיעו ל-95%, בהשוואה ל-73% בממוצע אצל רופאים מנוסים. זה מדגיש כיצד AI מצטיין בעיבוד מידע רפואי מורכב, כולל תמונות קליניות ונתוני מעבדה.

בתחום הרפואת שיניים, במבחן פרודונטולוגיה לשנה הסופית, מודלים השיגו ציונים של 78%–87%, גבוהים בהרבה מ-60% של סטודנטים, עם יתרון מובהק בניסוח תשובות מקיפות ומדויקות.

גם במבחן הסמכה לרנטגנאות, AI הוכח ככלי לימודי יעיל ומדויק, עם דיוק גבוה בשאלות טכניות, אך דורש בדיקה ביקורתית קבועה כדי למנוע שגיאות בהקשרים קליניים מורכבים. בתחום האורתופדיה, במבחן הכשרה מקצועית, מודלים התקרבו לביצועי סטונדנטים בשנה הרביעית, מה שמעלה דיון מעניין על שילוב AI בהכשרה רפואית כדי לשפר יעילות, אך גם חששות מפני אובדן מיומנויות בסיסיות.

ההיכולת של AI לעבור מבחן כמו CFA שלב 3 , מעידה על קפיצה משמעותית ביכולת של המודלים לא רק לעבד מידע בכמויות גדולות, אלא גם להסיק מסקנות מורכבות ורב-שכבתיות, באופן שמתחיל להתקרב ליכולות אנושיות מתקדמות, לפחות בתחום הטכני והאנליטי.

השלב הבא, כפי שמסמנים החוקרים, יהיה חיבור היכולות הללו להקשרים רחבים יותר, לרגש אנושי, לאינטראקציה מורכבת ולתחזיות בעולם אמיתי ומשתנה. במקביל ויחסית בקרוב,  צפויה עלייה דרמטית בשילוב AI בכלים כמו יועצים אוטומטיים לניהול נכסים, שכבר מנהלים נכסים בשווי של טריליוני דולרים