יש כאן סיפור שמספר משהו עמוק על הפער בין הבטחה למימוש. הבנקים הגדולים בעולם משקיעים מיליארדי דולרים בבינה מלאכותית, מפטרים אלפי עובדים בשם הייעול, ומכריזים בכל הזדמנות על טרנספורמציית AI — ובכל זאת, רוב הבנקאים והאנליסטים בשטח לא ממש יודעים מה לעשות עם הכלים שהושמו על שולחנם.
לתוך הפער הזה נכנסו שני בנקאים לשעבר מ-SoftBank, פליפה סיניסטרה (30) ודייב וואנג (31), שהקימו ביולי 2025 חברה בשם Wall Street Prompt. המודל פשוט: סדנאות פרקטיות לאנשי השקעות, שמלמדות איך להפעיל צ'אט ג'יפיטי, קלוד וג'מיני על מטלות אמיתיות מהיומיום הפיננסי.
איך נראית סדנה כזו בפועל
קחו לדוגמה את הסדנה שאנשי קרן הון סיכון קיבלו. וואנג הדגים אפליקציה שמנתחת סרטוני פיץ' של מייסדי סטארטאפים. משקיע VC מקבל החלטה על מיליונים בעיקר לפי התרשמות מהמייסד — זו עבודה אינטואיטיבית שתלויה בניסיון של המשקיע, וגם מתפספסת הרבה. האפליקציה לוקחת את הסרטון, מתמללת אותו, ובמקביל מנתחת שפת גוף והבעות פנים בשיטות שמשמשות את ה-FBI. המטרה: לזהות פערים בין מה שהמייסד אומר במילים לבין מה שהוא מסגיר בלי כוונה. אם הוא מצהיר על ביטחון מוחלט בטכנולוגיה ובאותו רגע שפת הגוף מסגירה היסוס, ה-AI מסמן את זה כדגל אדום שראוי לבדוק.
חלקים אחרים בסדנה עוסקים בעבודה היומיומית של אנליסט מניות:
- ניתוח שיחות ועידה אחרי דו"חות — סריקה אוטומטית של תמלילים, חילוץ אמירות שישפיעו על השוק, ניתוח סנטימנט ותרגום דברי המנהלים למספרים בגיליונות לצורך חיזוי
- אוטומציה של בדיקת נאותות — חלקי המחקר שבעבר מילאו את היום של אנליסט ג'וניור שלם, נעשים עכשיו במהירות עם שילוב של כמה כלים יחד
וואנג וסיניסטרה לא מלמדים מה זהו צ'אט ג'יפיטי — כל בנקאי כבר יודע. הם מלמדים רמה אחרת של חשיבה: איך לקחת מטלה ספציפית מהיומיום ולשלב כמה כלים יחד בצורה שמייצרת ערך שאיש לבד לא היה מייצר. רוב העובדים שמקבלים גישה ל-AI חושבים עליו בצורה צרה — תסכם לי מסמך, נסח לי מייל — וזהו שימוש שטחי שלא משנה את איכות העבודה. ההבדל בין יש לי גישה לכלי לבין אני יודע לרתום אותו לערך עסקי הוא בדיוק מה שמצדיק 25 אלף דולר ליום.
למה זה עובד דווקא עכשיו
הבנקים הגדולים כבר השיקו פתרונות AI פנימיים — ג'יי.פי מורגן עם LLM Suite, גולדמן סאקס בשיתוף אנתרופיק, בנק אוף אמריקה שמדווח על עלייה של 20%-25% בפרודוקטיביות של 18 אלף המפתחים שלו. הכלים קיימים, ההשקעה בוצעה, התשתית במקום. הצוואר הוא לא הטכנולוגיה — הוא היכולת האנושית להשתמש בה.
"האתגר הגדול ביותר בבנק גדול הוא לא הטכנולוגיה — אלא האנשים. הטווח בין מתנגדי הטכנולוגיה לבין המאמצים הנלהבים רחב מאוד, ושני הקצוות צריכים מענה שונה לחלוטין."
אסיה כבר שם
המרוץ הזה לא קורה רק בניו יורק. סינגפור מדורגת ראשונה מתוך 174 מדינות במדד מוכנות ה-AI של קרן המטבע, ו-64% מהמוסדות הפיננסיים שלה כבר משלבים בינה מלאכותית בפונקציות עסקיות מרכזיות. שם הבקיאות ב-AI הפכה לתנאי סף לקריירה במגזר הפיננסי, לא ליתרון תחרותי. ולא במקרה — וואנג וסיניסטרה שוקלים להעביר את הפעילות לסינגפור כדי לנצל את הביקוש.
התחרות מתחממת
הם לא לבד בשוק. Multiverse, חברת ההכשרה הלונדונית שהקים בנו של טוני בלייר, התחייבה להכשיר 15 אלף מתמחי AI עבור לקוחות כמו סיטי בנק ומיקרוסופט. Rogo Technologies מניו יורק, שהוקמה על ידי בנקאים לשעבר מ-Lazard ומג'יי.פי מורגן, גייסה השנה 160 מיליון דולר לפי שווי של 2 מיליארד עבור תוכנה שמבצעת אוטומציה לעבודת אנליסטים.
יש כאן שיעור החורג ממקרה ספציפי של בנקאות. כשטכנולוגיה חדשה מגיעה לארגון, הפער האמיתי הוא לא בין מי שיש לו את הכלי למי שאין לו — הוא בין מי שיודע להפעיל אותו ביעילות לבין מי שלא. הבנקים הוציאו מיליארדים על תשתית, ועדיין מוכנים לשלם 25 אלף דולר ליום למישהו שיסביר לעובדים איך להשתמש בה. זהו דבר שאומר משהו על שלב הבשלות שבו אנחנו נמצאים, ועל ההזדמנות שעדיין פתוחה לכל מי שמסוגל לגשר על הפער הזה בצורה אמינה.