כל ספק ישלוף לכם מספר: 40%, 50%, אפילו 75% קיצוץ בזמן מחזור התקציב. נשמע מדהים. אז למה בפועל רוב אנשי הכספים שאני מדברת איתם עדיין יושבים עד שעות הלילה בתקופת התקציב, בדיוק כמו לפני שלוש שנים?
כל ספק כלי FP&A / AI agent for finance ישלוף לכם מספר: 40%, 50%, אפילו 75% קיצוץ במשך זמן הכנת התקציב. נשמע מדהים. אז למה בפועל רוב אנשי הכספים שאני מדברת איתם עדיין יושבים עד שעות הלילה בתקופת התקציב, בדיוק כמו לפני שלוש שנים?
יש כאן פער בין מה שנמכר למה שקורה בפועל, וכדאי להבין למה.
חברות תוכנה ל-FP&A מדווחות על שיפורים דרמטיים: קיצוץ של כ-46% בזמן מחזור התקציב, ותחזיות חודשיות שמתעדכנות מהר יותר ב-60-70%. יש אפילו דיווחים מוקדמים על פריסות AI אגנטיות עם עד 75% קיצוץ בזמן, ו-80% פחות עבודת נתונים ידנית. אלה מספרים אמיתיים – הם פשוט מגיעים מהמקום הכי טוב שכל ספק בוחר להראות.
כאן זה מעניין. סקר ה-AFP (איגוד אנשי הכספים המקצועי) ל-2026 – סקר גלובלי בקרב 332 אנשי כספים מארגונים בגדלים ותעשיות שונות, שנערך בין אוגוסט לספטמבר 2025 – מצא שזמן הכנת התקציב הממוצע עומד על 8.7 שבועות. ללא שינוי לעומת 3 שנים קודם, למרות השקעות משמעותיות שארגונים עשו בטכנולוגיות תכנון באותה תקופה.
כלומר: הכלים השתפרו דרמטית. הזמן בפועל – כמעט לא זז.
אותו סקר של ( AFP ( The Association for Financial Professionals חושף נקודה מרתקת נוספת: צוותים שמשתמשים בתכנון תרחישים מובנה (לא רק "what if " חד-פעמי, אלא עבודה שיטתית של בחינת כמה תרחישים במקביל) מצליחים משמעותית יותר – בגמישות, באליינמנט ארגוני וביעילות מהצוותים שלא עושים זאת.
אז מה הבעיה? רק 38% מהצוותים בפועל עובדים כך – כל השאר עדיין נשענים בעיקר על רשימות סיכונים (90%) ותכנון מגירה בסיסי (89%), שהם הצעד הבסיסי יותר.
וכאן אני חושבת מתחבר החלק הכי חשוב: סקר AFP קודם, שבדק ספציפית טכנולוגיה ונתונים ב-FP&A, מצא ש-61% מאנשי הכספים ציינו חוסר אמינות בנתונים כאתגר המרכזי שלהם, ו-60% ציינו חוסר נגישות לנתונים – לא חוסר בכישורים, לא חוסר בכלים. נתונים גרועים או לא זמינים זוהו כמכשול העיקרי להצלחה.
עכשיו שימו את שלושת הנתונים האלה זה לצד זה: הכלים משתפרים, זמן ההכנה לא זז, והבעיה המרכזית שאנשי כספים עצמם מדווחים עליה היא נתונים לא אמינים ולא נגישים. זה לא צירוף מקרים.
AI מצוין בלנתח, לזהות דפוסים, ולנסח. אבל אם הוא צריך לחכות שמישהו יוציא קובץ מה-ERP, יתקן ידנית עמודה שהשתבשה, ויאחד אותו עם אקסל שמנהל המחלקה שלח לפני שבועיים – הוא פשוט מצטרף לתור. הוא לא מקצר את התור, הוא רק עומד בו מהר יותר.
AI טוב כמו המידע שהוא ניזון ממנו. הארגונים שכן רואים קיצוץ דרמטי בזמן בכנת התקציב וזמן הכנת הדוחות הם כנראה אלה שהתחילו מאיחוד ואמינות הנתונים – לא רק הוסיפו כלי AI מעל בלגן קיים.
חשוב לדייק כאן, כי זה לא המסר. גם אם מערכת FP&A ייעודית לא הופכת את זמן ההכנה פי 2 מהר יותר במטה של קסם, היא כן נותנת דברים שאי אפשר לקבל מקבצי אקסל שרצים במיילים:
מקום אחד שבו כולם עובדים – במקום 12 קבצי אקסל עם שמות כמו "תקציב_גרסה_סופית_V4_באמת_סופי", כל מנהלי המחלקות מזינים לאותה מערכת, ורואים את אותם מספרים בזמן אמת
ניהול הרשאות אמיתי – כל מנהל רואה ועורך רק את התחום שלו, בלי לגעת (בטעות או בכוונה) בנתונים של מחלקה אחרת
מעקב שינויים (Audit Trail) – כשה-CFO שואל "למה השורה הזו השתנתה מ-50 ל-70 אלף", יש תשובה מתועדת, לא "אני חושב שרונן שינה את זה, אבל תבדקו איתו"
גרסאות מסונכרנות – כולם עובדים על אותה גרסה עדכנית, לא שולחים קבצים במייל ומקווים שהאחרון שנשמר הוא הנכון
תהליכי אישור מובנים – בקשה עוברת מהמחלקה למנהל הכספים ולהנהלה בתהליך ברור, לא בשרשור מיילים אינסופי
אלה לא יתרונות של "מהירות" – הם יתרונות של שליטה, שקיפות ובריאות של תהליך. ולפעמים זה בדיוק מה שחסר, יותר משעה או שבוע בזמן ההכנה.
הבעיה מתחילה כשמצפים שהמערכת עצמה, בלי תשתית נתונים מסודרת מתחתיה, תפתור גם את בעיית איסוף הנתונים. זו משימה אחרת, שדורשת עבודה אחרת.
אם אתם שוקלים AI או מערכת FP&A לתהליך התקציב, השאלה הראשונה היא לא "איזה כלי". השאלה היא: כמה מהזמן שלכם היום הולך על ריצה אחרי נתונים ותיקון שלהם, לעומת חשיבה עליהם? ובנפרד – האם יש לכם היום בעיה של שליטה ושקיפות (מי ערך מה, מי אחראי על מה), גם אם הנתונים עצמם היו מושלמים?
אלה שתי בעיות שונות, עם שני פתרונות שונים. וכלי אחד לא בהכרח פותר את שתיהן.
רוצים לבדוק איפה בדיוק הפער אצלכם? זו בדיוק הבדיקה הראשונה שאנחנו עושים .
שיחת ייעוץ של חצי שעה -ללא התחייבות. לפני שאתם מתחילים עוד סבב תקציב בדיוק באותה צורה שעשיתם את זה -כמו שנה שעברה