"כל פעם שאני ניגש לנתח חברה חדשה, אני קודם מבקש מה-AI סקירה רחבה"

ספר קצת על עצמך:

עליתי לישראל בשנת 2022 מרוסיה. לפני כן עבדתי כמעט עשר שנים כאנליסט מאקרו ושווקים פיננסיים. במהלך התקופה הזו צברתי ניסיון בעבודה בבנק המרכזי של רוסיה וגם בבנקים המסחריים הגדולים, הן בצד ה-Buy Side והן בצד ה-Sell Side.
מאז 2024 אני עובד בבית ההשקעות אלטשולר שחם. התחלתי כאנליסט אג"ח, ולפני כחצי שנה הצטרפתי לצוות ניהול תיק מניות החו"ל של חברת הגמל והפנסיה. היום אני עוסק במחקר מניות ובעזרה בניהול תיק המניות הזרות, עם דגש על חברות גלובליות גדולות ומובילות.

איך ה-AI משפיע על המקצוע שלך ועל הענף?

אני רואה שלושה מישורים מרכזיים שבהם ה- AI  משפיע היום על העולם הפיננסי. המישור הראשון, שפחות רלוונטי לעבודה היומיומית שלי, הוא תחום ההשקעות הכמותיות.  AI  מאפשר לגופים שמתמחים במסחר אלגוריתמי לפתח אסטרטגיות מתקדמות ומורכבות יותר, כמו ניתוח סנטימנט בזמן אמת של נאומי הנהלות ופרסומים שונים.
המישור השני, שהוא גם זה שמדובר עליו הכי הרבה, הוא החלפה מלאה או חלקית של תפקידים בסיסיים - שירות לקוחות, תפקידי תפעול כמו הנהלת חשבונות ושכר, ביצוע עסקאות ועוד.
המישור השלישי, והרלוונטי ביותר לעיסוק שלי, הוא שיפור דרמטי במהירות וביעילות של הניתוח הפיננסי המסורתי. זה קורה בזכות אוטומציה של משימות שגרתיות וגישה מהירה בהרבה למידע מסוכם, ממוקד ורלוונטי, שמגיע ממספר רב של מקורות. דוגמה מצוינת לכך היא תמצות והצפת הנקודות המרכזיות מתמלילי שיחות הועידה הרבעוניות שמפרסמות החברות הציבוריות, משימה אשר הייתה גוזלת ימים רבים אם לא שבועות בעבר.

במה ה-AI תורם לעבודה היומיומית?

את התרומה של ה- AI  אפשר לחלק לשני תחומים עיקריים. הראשון הוא היכולת לרכז כמויות עצומות של מידע לסיכומים תמציתיים - במהירות שלא הייתה קיימת בעבר. כשבוחנים חברה כהשקעה פוטנציאלית, זה לא רק עניין של דוחות כספיים שאפשר לראות בבלומברג או במערכות דומות. צריך להבין את המודל העסקי, את תנאי השוק, את הסיכונים המרכזיים ואת ההקשר הרחב שבו החברה פועלת.
ברור שאי אפשר להיות מומחה בכל תחום, אבל כן נדרשת הבנה בסיסית בהרבה מאוד עולמות. יום אחד צריך להבין מאפיינים של מחלה מסוימת כדי להעריך את פוטנציאל השוק של תרופה חדשה; ביום אחר להבין תהליכי ייצור של מתכת כדי להעריך פתיחה של מכרה בדרום אמריקה; ובמקרה אחר לבדוק איזה חלק מעלות של טורבינה תעשייתית קשור לרכיבים שמייצרת חברה מסוימת.
כדי להשקיע בצורה מקצועית, חייבים לעבד כמויות אדירות של מידע בפרק זמן קצר יחסית - השוק לא מחכה חודשים עד שמסיימים מחקר על כל חברה בתיק. כאן ה- AI  הפך לכלי עבודה קריטי. בכל פעם שאני ניגש לסקטור חדש או לחברה חדשה, הדבר הראשון שאני עושה הוא לבקש מה- AI  סקירה רחבה על התחום או על פעילות החברה. משם אפשר להעמיק. תהליך המחקר כולו התקצר משמעותית: מה שבעבר דרש שעות של קריאת מאמרים, נעשה היום בדקות.
התחום השני הוא טכני יותר. מעבר לניתוח איכותני, אנחנו עובדים הרבה עם נתונים כמותיים - לא רק ברמת החברה הבודדת, אלא ברמת התיק כולו: חלוקה סקטוריאלית, חשיפה גיאוגרפית, וביצועים מול מדדי ייחוס. הכלים הקיימים לא תמיד מספיק גמישים לצרכים שלנו, ולכן בניתי עבור הצוות סביבת עבודה מבוססת קוד.
מדובר במערכת של קבצי אקסל שמרכזים את הנתונים שאנחנו בוחנים ביום-יום, ומשולבים עם מערכות הבק-אופיס הפנימיות ועם ספקי מידע חיצוניים כמו בלומברג. מאחורי הקלעים פועלות מאות שורות קוד, שמאפשרות בלחיצת כפתור לעדכן נתונים ולקבל טבלאות מסכמות. אני לא מפתח תוכנה, וללא  AI  כתיבת קוד כזה הייתה לוקחת שבועות ואף חודשים. בעזרת  AI  עשיתי את זה תוך ימים ספורים, והיום הצוות והקולגות מקבלים תמונה הרבה יותר ברורה של הפוזיציות והתוצאות.

איפה ה-AI נכשל?

הדבר הכי חשוב להבין לגבי  AI  הוא שאי אפשר לקחת את התשובות שלו כמובן מאליו ולהעתיק אותן ישירות למסמכים מקצועיים. נכון שהוא מאיץ מאוד את תהליך המחקר, אבל תמיד צריך לאמת את המידע - במיוחד כשמדובר בנתונים נקודתיים או בטענות שיש להן תשובה חד-משמעית.
לדוגמה, כשמבקשים נתון ספציפי שלא נגיש בקלות, כמו שיעור הצמיחה בהכנסות של חברה ברבעון האחרון, יש סיכוי לא קטן שה- AI  יספק מידע שגוי, מיושן או פשוט “ימציא” מספר. לכן חשוב לנסח פרומפטים מדויקים, לבקש מקורות, ולבדוק את המידע מול אותם מקורות. לא פחות חשוב לדעת מתי עוצרים את השימוש ב- AI  ועוברים למחקר מסורתי - קריאה ישירה של מקורות ראשוניים.
שיטה נוספת שעוזרת לי היא אימות צולב: לשאול שתי מערכות  AI  שונות את אותה שאלה, להציג לכל אחת את התשובה של השנייה, ולבקש מהן להשוות ולגבש נוסח מדויק יותר.
בסופו של דבר, האחריות על המידע שאני מציג להנהלה ולעמיתים, ועל ביצועי תיק ההשקעות היא שלי בלבד. אי אפשר לגלגל אחריות על כלי  AI  כזה או אחר. תהליך האימות דורש זמן, אבל עדיין מדובר בחיסכון משמעותי לעומת עבודה בלי הכלים האלו בכלל.

באילו כלים אתה משתמש בעבודה?

הכלי המרכזי שאני משתמש בו הוא  ChatGPT . באלטשולר שחם מאפשרים שימוש בגרסה הארגונית שלו, עם גישה לקבצים ולמערכות הפנימיות, וזה שדרוג משמעותי במיוחד בכל מה שקשור לעבודה עם קוד. היום הכול מתבצע במקום אחד, בצורה הרבה יותר נוחה ויעילה.
כלי נוסף שאני משתמש בו לא מעט הוא הצ’אט הפנימי של פלטפורמה ייעודית מבוססת  LLM  לניתוח שיחות ועידה ודוחות כספיים. הפלטפורמה מרכזת דוחות כספיים והקלטות של שיחות אנליסטים. ה- AI  שם פועל ישירות על בסיס הנתונים של הפלטפורמה ולכן מספק תשובות מדויקות מאוד לגבי נתוני חברות ודברי הנהלה.
כאשר מדובר במחקר שלא מבוסס על מידע פנימי, אני משתמש גם ב- ChatGPT  וגם ב- Gemini  בעיקר כדי להצליב תשובות, ולעיתים גם כי כל כלי נותן מענה טוב יותר לנושאים שונים.

האם היית רוצה להחזיר את הגלגל אחורה?

אני חובב גדול של קידמה טכנולוגית ושל כל מה שהופך את החיים לקלים יותר ואת תהליכי העבודה ליעילים ופחות שגרתיים, ולכן אין לי שום רצון “להחזיר את הגלגל לאחור”. ל- AI  יש גם חסרונות, אבל בעיניי היתרונות עולים עליהם בצורה ברורה.
אני גם לא חושש שה- AI  יחליף אותנו. המשפט הכי מדויק ששמעתי בנושא הוא: "זה לא ה- AI  שיחליף אותך - אלא אנשים שיודעים להשתמש ב- AI  טוב יותר ממך".
מבחינתי, מדובר בעוד כלי עבודה, חזק במיוחד, שמאפשר לנו לעשות את העבודה טוב יותר, ובסופו של דבר לייצר יותר ערך ללקוחות שלנו. עד עכשיו, זה עובד לטובת כולם.