מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה

בינה מלאכותית סוכנותית בבנקאות חצתה את הגבול מניסוי לתשתית תפעולית. השאלה בשנת 2026 כבר אינה האם להטמיע אותה — 52% מהמוסדות הפיננסיים כבר עשו זאת — אלא האם הענף מסוגל למדוד את שבנה באותה קפדנות שהוא מיישם על הון, אשראי ונזילות. מדד זה הוא מסגרת המדידה הזו (Cambridge CCAF, 2026).

תקציר מנהלים / נקודות מפתח

• אוטונומיה היא הלימות ההון החדשה. כשם ש-Basel קבעה תקנים מדידים לחוסן פיננסי, הענף זקוק כעת לתקן מדיד לקבלת החלטות אוטונומית. מדד זה הוא המסגרת הבין-ממדית הראשונה המדרגת מוכנות לבינה מלאכותית סוכנותית על פני ממשל, ארכיטקטורה טכנית, ראיות רגולטוריות, תשואה כלכלית ובשלות ארגונית כמודל תפעולי יחיד.
• ‏52% אימוץ מסווים שיעור טרנספורמציה של 14%. סקר Cambridge CCAF לשנת 2026, שכלל 628 ארגונים ב-151 תחומי שיפוט, מוצא שבעוד ארבעה מכל חמישה מוסדות פיננסיים מטמיעים בינה מלאכותית, רק 14% מתארים אותה כמשנה את מעמדם התחרותי. הפער הוא בממשל, לא בטכנולוגיה.
• OSWorld ב-66.3% הוא תקרת האמינות, לא הרצפה. מדד הביצועים של Stanford HAI לשנת 2026 מראה שסוכני בינה מלאכותית משלימים 66.3% ממשימות ארגוניות מובְנות (Stanford HAI, 2026). שלוש קריאות לכלי משורשרות בשיעור זה מצטברות לשיעור הצלחה מקצה-לקצה של 29%. הרצה לא מפוקחת מול מערכות תשלום חיות אינה ניתנת להגנה ברמת אמינות זו.
• FSB אמרה את דברה. ב-10 ביוני 2026, מועצת היציבות הפיננסית (FSB) פרסמה את מסגרת התפעול הראשונה שלה לממשל בינה מלאכותית סוכנותית בשירותים פיננסיים (FSB, 2026) — 12 נהלים מומלצים המכסים אחריות דירקטוריון, ניהול מחזור חיים וארכיטקטורות של בינה-מלאכותית-מנטרת-בינה-מלאכותית. ההערות נסגרות ב-22 ביולי 2026.
• שעון האכיפה של EU AI Act מתקתק. חובות מערכות בינה מלאכותית בסיכון גבוה לפי נספח III נכנסות לתוקף ב-2 באוגוסט 2026 (הנחיות EU AI Act, 2026). מוסדות פיננסיים המפעילים בינה מלאכותית סוכנותית באיחוד האירופי ללא זהות ביומן ביקורת לכל סוכן, נהלי ביטול מתועדים וראיות ברמת דירקטוריון נמצאים בפיגור.
• JP Morgan נקבה בשנה. דרק וולדרון, מנהל האנליטיקה הראשי, אישר ל-CNBC ב-9 ביוני 2026 שהבנק יטמיע סוכנים אוטונומיים ארוכי-טווח (CNBC, 2026) — המסוגלים לפעול באופן עצמאי למשך שעה עד שעתיים — במהלך 2026. גילוי זה משנה את המסגרת התחרותית לכל מוסד המודד את עצמו אל מולו.
• המדד מדרג שישה ממדים. רמת אוטונומיה, ארכיטקטורת ממשל, ראיות רגולטוריות, אחריותיות כלכלית, מוכנות ארגונית והתאמה רגולטורית גלובלית. יחד הם הופכים תוכנית בינה מלאכותית מתיק יוזמות ליכולת מדידה.

מדוע מדד זה קיים

מדד Evident AI מדרג 50 בנקים גלובליים על פני כישרון (Talent), חדשנות (Innovation), מנהיגות (Leadership) ושקיפות (Transparency) באמצעות מיליוני נקודות נתונים זמינות לציבור. זהו אמת-המידה החיצונית האמינה ביותר לבשלות בינה מלאכותית בשירותים פיננסיים. מה שהוא אינו עושה — מתוך כוונה — הוא לדרג את ארכיטקטורת ההנדסה והממשל הספציפית שהופכת בינה מלאכותית סוכנותית לבטוחה להטמעה מול ממשקי API בנקאיים חיים. מדד Stanford AI עוקב אחר תפוקת מחקר, ביצועים טכניים והשפעה חברתית. מה שהוא אינו עושה הוא לתרגם אחוזי השלמת משימות של OSWorld למערכת הוראות תפעולית עבור גזבר, מנהל סיכונים ראשי או צוות אימות מודלים.

מדד זה ממלא את הפער הזה. הוא נוטל את משמעת המדידות ממסגרת Stanford, את ההקשר התחרותי ממדד Evident, ואת הספציפיות הרגולטורית של SR 11-7, SS1/23, EU AI Act, הנהלים המומלצים של FSB ומסגרת Model AI Governance Framework for Agentic AI של IMDA בסינגפור — וממיר אותם למודל דירוג שש-ממדי שדירקטוריון יכול לפעול לפיו.

הטריגר המעשי הוא שבינה מלאכותית סוכנותית עברה משיחת תכנון לשאלת ביקורת. כאשר מנהל האנליטיקה הראשי של JP Morgan מכריז על הטמעה באותה שנה של סוכנים אוטונומיים ארוכי-טווח, כאשר DBS בונה מישורי בקרה של סוכנים לתוך הכנת תזכירי אשראי ושירות לקוחות, כאשר FSB מנחה שסוכנים המבצעים עסקאות פיננסיות מחייבים "אישור אנושי או הרשאה כפולה מעל ערך סף, גישת סוכן מוגבלת למערכות תשלום, וכן עקבות ביקורת לכל עסקת סוכן" — המוסד שאינו מסוגל לדרג את עמדתו שלו ימצא רגולטור שמדרג אותה במקומו.

נוף בשלות הבינה המלאכותית הסוכנותית בשנת 2026

מה הנתונים מראים

דוח Cambridge CCAF לשנת 2026 — המחקר הגלובלי הגדול ביותר על בינה מלאכותית בשירותים פיננסיים, המכסה 628 ארגונים על פני 151 תחומי שיפוט בשיתוף BIS, IMF, WEF והבנק העולמי — מספק את הבסיס הסטטיסטי למדד זה.

מספרים אלה מגדירים את הבעיה במדויק: האימוץ מקדים את הממשל, רווחי הפריון נראים לעין, הטרנספורמציה נדירה, ופער המדידה רחב ביותר היכן שהמשמעות הרגולטורית גבוהה ביותר — מוסדות פיננסיים גדולים.

היכן מתחרים משרטטים את הקווים

מדד Evident AI לשנת 2025 הציב את JP Morgan Chase במקום הראשון (ציון: 79), ואחריה Capital One ‏(78.1), RBC ‏(58.4), CommBank Australia ‏(53.9) ו-Morgan Stanley ‏(52.2). המדד מודד ארבעה עמודי תווך של יכולת — כישרון, חדשנות, מנהיגות, שקיפות — ולא ארכיטקטורת סוכן תפעולית. זה יוצר פער מבני: בנק יכול לקבל ציון גבוה בגילוי חדשנות בעודו מטמיע סוכנים ללא מתג חירום, ללא יומן ביקורת WORM וללא שער מדיניות OPA. מדד זה תוכנן להפוך את הפער הזה לגלוי.

דוח Tech Trends של Deloitte לשנת 2026 מדווח שרק 11% מהארגונים מפעילים בינה מלאכותית סוכנותית בייצור. McKinsey מוצאת שרק כשליש מהארגונים מגיעים לרמת בשלות ממשל של שלוש ומעלה בבקרות בינה מלאכותית סוכנותית, אף שהיכולות הטכניות מתקדמות במהירות. נתוני הסקר של CCG Catalyst מראים ש-93% מההוצאה הקשורה לבינה מלאכותית מופנים לתשתית טכנולוגית ורק 7% לאנשים, כישרון, הכשרה, ניהול שינוי וממשל — יחס שהופך את ההרחבה לבלתי-אפשרית מבחינה מבנית.

מעקב Evident Venture Tracker לרבעון הראשון של 2026 מזהה את Anthropic כספק המוזכר ביותר, עם זנב ארוך של שחקנים מתמחים המהווים 68% מכלל ההטמעות, המכוונים בעיקר לתרחישי שימוש ספציפיים לתהליך באשראי, מניעת הלבנת הון ואוצר. צד ההיצע בשל. צד הממשל אינו בשל.

ארכיטקטורת המדד בשישה ממדים

מדד זה מדרג מוכנות לבינה מלאכותית סוכנותית על פני שישה ממדים. לכל ממד סולם בשלות בן ארבע רמות. ציון המדד של בנק הוא מכפלת ציוניו הממדיים משוקללים לפי מהותיות רגולטורית. מסגרת השקלול מכוילת ל-SR 11-7, ל-SS1/23, לחובות נספח III של EU AI Act ולקטגוריות הנהלים המומלצים של FSB.

ממד 1: כיסוי רמות אוטונומיה

מה הוא מודד: האם כל תהליך עבודה סוכנותי בייצור מסווג על סולם אוטונומיה מוגדר, ללא תהליך עבודה הפועל מעל הרמה המותרת לו ללא חריגה מתועדת — והאם הקצאת הרמה מגדירה לא רק גבולות משימה אלא גם גבולות אחריות משפטית.

סולם האוטונומיה נותר המבנה הבסיסי. חמש הרמות — מרמה 0 (תצפית וקריאה-בלבד) ועד רמה 4 (תזמור רב-כלי עם נקודות בקרה מחויבות) — מגדירות את גבול ההרשאות של הסוכן, לא את תחכום המודל. אותו מודל שפה (LLM) בסיסי יכול לשבת בכל רמה; העטיפה היא הנבדלת. רמה 5 — הרצה מתזמרת-עצמית ללא נקודות בקרה — לא אמורה להתקיים בבנקאות ייצור ב-2026. OSWorld ב-66.3% השלמת משימות מצטבר: שלוש קריאות משורשרות ב-66% כל אחת מפיקות שיעור הצלחה מקצה-לקצה של 29%. חמש קריאות מפיקות 13%.

מסגרת Model AI Governance Framework for Agentic AI של IMDA בסינגפור, שפורסמה בדאבוס ב-22 בינואר 2026 כמסגרת הממשל הראשונה בעולם המתייחסת במפורש לסוכנים אוטונומיים (IMDA, 2026), מגדירה ארבעה מושגים מקבילים: היררכיית מַרשֶׁה (מי רשאי להורות לסוכן), גבול משימה (מה הסוכן מורשה לעשות), טביעת רגל מינימלית (הסוכן לא אמור לצבור הרשאות מעבר לצורך המיידי) וניתנות להסבר (נתיבי הנמקה חייבים להיות ניתנים למעקב). ארבעה אלה ממופים ישירות על מודל רמות האוטונומיה.

בעיית המַרשֶׁה-סוכן וייחוס משפטי של כוונה. מסגרת IMDA מציגה ממד שמפרטים הנדסיים גרידא ממעיטים בערכו: כאשר סוכן בינה מלאכותית פועל כשלוח של ישות תאגידית — מבצע תשלום, מאשר התאמת מסגרת אשראי, מגיש דיווח רגולטורי — הוא יוצר בעיה משפטית של ייחוס כוונה. תחת סמכותו של מי פעל הסוכן? מי נושא באחריות כאשר הסוכן סוטה מאילוצי ההנחיה שלו? כוונתו של מי מיוחסת כאשר הסוכן בוחר בין שני פירושים תקפים-אך-שונים של הוראה דו-משמעית?

עבור תהליכי עבודה ברמה 3 וברמה 4 — שבהם הסוכן מבצע פעולות מהותיות באופן אוטונומי בתוך פרמטרים מוגדרים — הגדרת הרמה חייבת לפרט לא רק את גבול המשימה הטכני אלא גם את גבול האחריות המשפטית: מַרשֶׁה אנושי נקוב בשם שהרשה את תהליך העבודה, מסמך האצלה מתועד (החלטת דירקטוריון, האצלת סמכות או ייפוי כוח חתום), התנאים שבהם פעולות הסוכן מחייבות את המוסד, והתנאים שבהם סטייה מאילוצי ההנחיה מפעילה ביטול אוטומטי, הסלמה ורישום אירוע. בלעדי זאת, סיווג רמת האוטונומיה הוא תוצר הנדסי שלא ישרוד תביעה משפטית, בחינה רגולטורית או מחלוקת עם צד נגדי שכספיו נעו משום שסוכן פירש לא נכון הוראה מותנית.

ממד 2: ארכיטקטורת ממשל

מה הוא מודד: האם מישור הבקרה בן חמשת הרכיבים של הסוכן מהונדס במלואו ותפעולי בייצור — ולא מתואר במסמך מדיניות.

ההתייעצות של FSB מיוני 2026 קובעת במפורש שמסגרות הממשל הקיימות לא תוכננו עבור מערכות ש"מתכננות, נוקטות פעולות רב-שלביות, ומקיימות אינטראקציה עם מערכות חיצוניות ללא פיקוח אנושי שלב-אחר-שלב". מישור הבקרה בן חמשת הרכיבים מתרגם תצפית זו לרשימת תיוג הנדסית:

רכיב 1: זהות והרשאות. כל סוכן ממופה לבדיוק חשבון שירות אחד עם אסימוני OAuth מסוג client_credentials המתוחמים למשטח ה-API המינימלי. אסימון הסוכן להקפאת כרטיס יכול לקרוא ל-POST /accounts/{id}/freeze עם תקרת סכום; הוא אינו יכול לקרוא לדבר במשמורת, באוצר או במסחר. סודות חשבון השירות מתחלפים במחזור מוגדר. אישורים ארוכי-חיים הם כשל מישור-הבקרה הנפוץ ביותר בהטמעות ייצור. FSB ממליצה במפורש על "הרשאה מזערית (least privilege) לסוכנים ולתת-הסוכנים שלהם, וניהול זהות וגישה דינמי המעניק, משנה או מבטל הרשאות בזמן אמת בהתבסס על התנהגות והקשר, במקום הפרופילים הסטטיים המשמשים משתמשים אנושיים".

רכיב 2: מעקפי בטיחות דטרמיניסטיים. כל קריאה לכלי של LLM עוברת דרך נתב סמנטי (NeMo Guardrails, ‏LangChain Guardrails או שווה-ערך) בטרם תגיע ל-API הייצור. הנתב מסווג כוונה אל מול רשימת-היתר סופית ודוחה קריאות מחוץ לרשימה זו. מאמת JSON-schema בודק לאחר מכן את המטען. ‏pacs.008 עם amount: 0 הוא כשל מודל, לא עסקה לגיטימית. כך גם העברה למדינה שלא אושרה מראש לפלח הלקוחות של המקור.

רכיב 3: מדיניות-כקוד. Open Policy Agent (או שווה-ערך) יושב בין המאמת ל-API. המדיניות מנוהלת בגרסאות ב-Git; החלטות דחייה נרשמות; אותו מנוע מדיניות השומר על קריאות בין-שירותיות (microservice-to-microservice) בפלטפורמה הקיימת שומר על קריאות הכלי של הסוכן. הנחיית משרד הבינה המלאכותית של האיחוד האירופי (EU AI Office) ממאי 2026 בנוגע ל-Article 12 audit logging דורשת שרשומות יומן עבור מערכות בינה מלאכותית בסיכון גבוה ייחסו פעולות למופע סוכן ספציפי, ולא רק להטמעה או לאישור API. הטמעות רב-סוכן החולקות אישור אחד נכשלות במבחן זה.

רכיב 4: שלמות ביקורת. אחסון WORM בלתי-משתנה — S3 Object Lock, ‏Azure Blob immutability, או מסד נתונים מנוהל-ספר (ledgered). כל הפעלה לוכדת: חותמת זמן, מזהה סוכן, מזהה חשבון-שירות, גיבוב הנחיית-מערכת, הקשר שאוחזר, ספק ה-LLM בתוספת מודל ובתוספת גרסה, פלט LLM גולמי, קריאה לכלי שעברה ניתוח, החלטת OPA, תגובת API, השפעה במורד הזרם, ומזהה משתמש (UID) של המאשר היכן שרלוונטי. הרשומות חתומות קריפטוגרפית בעת הכתיבה. הבהרת Article 12 של EU AI Act שפורסמה במאי 2026 מציינת זהות-לכל-סוכן כפער ספציפי; מוסדות המפעילים מופעי סוכן מרובים החולקים אישור אחד אינם תואמים במפורש.

רכיב 5: מתג חירום ובינה-מלאכותית-מנטרת-בינה-מלאכותית. API של כפתור-אדום נבדק שמבטל את כל הפעלות הסוכן שבטיסה בתוך מחלקת הרשאה בפחות מ-60 שניות. המילה נבדק נושאת משקל. מתג חירום שאינו נבדק הוא שאיפת מדיניות.

מעבר למתג החירום, ממד 2 ברמת הבשלות הגבוהה ביותר חייב לחייב ארכיטקטורת בינה-מלאכותית-מנטרת-בינה-מלאכותית (AMI) — והסיבה היא אריתמטית. נתוני IBM מעמידים את אוכלוסיית הסוכנים הארגונית הממוצעת על 1,661 עד 2027 (IBM, 2026). FSB מקבלת במפורש שניטור אנושי רציף של החלטות סוכן בודדות הופך בלתי-אפשרי פיזית בקנה מידה, וממליצה להשלים פיקוח אנושי במערכות בינה מלאכותית המתריעות לבני אדם כאשר מדדי ביצוע מופרים או התנהגות סוכן נסחפת. קצין ציות אנושי אינו יכול לנטר 1,661 סוכנים מקבילים המבצעים החלטות במהירות מכונה. מודל הבקרה המניח שהוא יכול ייכשל בפעם הראשונה שאוכלוסיית סוכנים עוברת תזוזה התנהגותית מתואמת — עדכון מודל המשנה בשקט התפלגויות פלט על פני עשרות תהליכי עבודה בו-זמנית.

שכבת ה-AMI אינה תחליף לפיקוח אנושי; היא מנגנון הגילוי ההופך פיקוח אנושי לבר-פעולה בקנה מידה. שלוש פונקציותיה המחויבות הן: גילוי היסחפות (ניטור סטטיסטי של התפלגות הפלט על פני סוכנים מאותה רמה וסוג, סימון סטיות מעבר לסף סיגמא מוגדר בטרם אדם יוכל להבחין בהן); התרעת מתאם בין-סוכני (זיהוי כאשר סוכנים מרובים מתחילים לבצע בתבנית עקבית כיוונית שלא הייתה קיימת אתמול — האות המוקדם של דינמיקת העדריות המתוארת בממד 6); והסלמה מקדימה של חריגות (יצירת התרעה מובְנית, עם הקשר והערכת הפיכוּת, למקבל החלטות אנושי בטרם מתג החירום הוא האפשרות היחידה שנותרה). FSB ממליצה במפורש על ארכיטקטורות AMI ב-Sound Practice 9. מוסד המגיע לרמת בשלות 4 בממד 2 ללא שכבת AMI תפעולית אינו ברמה 4.

ממד 3: שלמות הראיות הרגולטוריות

מה הוא מודד: האם המוסד יכול להפיק חבילת ראיות רגולטוריות מלאה, לכל תהליך עבודה, לפי דרישה עבור SR 11-7, ‏SS1/23, ‏EU AI Act, ‏DORA, ‏FSB והמסגרות הלאומיות החלות.

הבנק הפדרלי (Federal Reserve) הבהיר שוב ושוב ש-SR 11-7 חל על כל מערכת קבלת החלטות מקלט-לפלט, ללא קשר אם המוסד מסווג את ה-LLM הבסיסי כמודל. ‏SS1/23 של PRA רחב עוד יותר. סיווג הסיכון הגבוה בנספח III של EU AI Act מכסה את רוב תרחישי השימוש של LLM בשירותים פיננסיים — דירוג אשראי, גילוי הונאות, התאמת לקוחות, תמחור ביטוח. ציות מלא למערכות בתחום האיחוד האירופי נדרש עד 2 באוגוסט 2026, כאשר גרמניה, צרפת והולנד מאושרות לסקירות פיקוחיות ברבעון השלישי של 2026. ערכת הכלים הפיקוחית של IOSCO לשימוש בבינה מלאכותית בשוקי ההון (IOSCO Supervisory Toolkit for AI Use in Capital Markets), שהושלמה ב-25 במאי 2026, מכסה את מחזור החיים המלא של הבינה המלאכותית ממידול מכונה מסורתי דרך GenAI ועד בינה מלאכותית סוכנותית — ומזהה במפורש שיכולות תכנון, זיכרון ארוך-טווח וגישה לכלים חיצוניים יוצרים סיכונים של התנהגות מתהווה וכשלים מתפשטים על פני מערכות מקושרות.

מודל שלושת קווי-ההגנה, מיושם על סוכנים:

• קו ראשון (בעל המודל): מתעד שימוש מיועד, ייחוס נתוני אימון והערכה (lineage), סכמת הנחיית-מערכת, רשימת-היתר של קריאות לכלי, תוצאות בדיקת מתג-חירום. אחראי על ניטור היסחפות בייצור. אחראי על מערך ההערכה המופרש (held-out) הספציפי לבנק — העבודה שרוב המוסדות משקיעים בה פחות מדי.
• קו שני (צוות MRM): מאמת את הסוכן לפני הייצור. דוח האימות מכסה ציוני הערכת ספק (MMLU, ‏HumanEval — מועילים אך לא מספיקים), ציוני הערכה ספציפיים לבנק, תוצאות red-team להזרקת הנחיות (prompt-injection), ניתוח הטיה והוגנות, והצהרת סיכון-שיורי כמותית.
• קו שלישי (ביקורת פנים): בודק את שערי מישור-הבקרה ואת שלמות יומן-הביקורת אל מול מדגם של החלטות ייצור. מחזור הביקורת של 2027 ייראה שונה מהותית מ-2025; תקצבו בהתאם.

מסגרת Model AI Governance Framework for Agentic AI ‏(MGF) של סינגפור דורשת ממוסדות פיננסיים להעריך סוכנים על פני ארבעה ממדים: תיחום אוטונומיית הסוכן והגישה שלו, ביסוס אחריות אנושית בנקודות בקרה מוגדרות, יישום בקרות טכניות לרבות בדיקות בסיס, ואפשור אחריות משתמש-קצה באמצעות שקיפות. ערכת הכלים לניהול סיכוני בינה מלאכותית של MAS ממרץ 2026 — שפותחה תחת Project MindForge עם 24 מוסדות — מייצגת את ההנחיה הלאומית המפורטת ביותר תפעולית הזמינה כיום.

ממד 4: אחריותיות כלכלית

מה הוא מודד: האם המוסד מודד תשואה מבינה מלאכותית סוכנותית באמצעות כלכלת-יחידה ברמת תהליך עבודה במקום טענות פריון ברמת תוכנית.

ניתוח McKinsey מזהה שבינה מלאכותית סוכנותית עשויה להפחית עלויות תפעוליות בבנקים ב-15–20% (McKinsey, 2026) — שווה-ערך ל-9–15% מהרווחים התפעוליים — אך שרוב רווחים אלה יישחקו בתחרות. היתרון התחרותי בר-הקיימא יותר הוא במוסדות הבונים את תשתית המדידה לפעול מהר ממתחרים כאשר שיפורי מודל ותהליך עבודה הופכים זמינים. ממצא Cambridge CCAF ש-76% מהמוסדות הפיננסיים הגדולים אינם יכולים למדוד את ערך הטמעת הבינה המלאכותית אינו בעיית איכות-נתונים. זוהי בעיית ארכיטקטורת-אחריותיות: תוכניות מתוקצבות ומדווחות ברמת התיק, מה שהופך בלתי-אפשרי לעקוב אחר ערך או כשל לתהליכי עבודה בודדים.

ארבעת מדדי כלכלת-היחידה ששורדים שיחה עם מנהל כספים (CFO):

עלות לכל החלטה שהושלמה, כולל עלות הביטול והתיקון של החלטות שכשלו. סוכן עורך-SAR שמקצץ 40% מזמן קצין ה-BSA אך מייצר 12% הגשות חיוביות-שווא הרס ערך, לא יצר אותו. זהו המדד שממצא Deloitte — ש-93% מהוצאת הבינה המלאכותית מופנים לתשתית ורק 7% לאנשים ולממשל — הופך לבלתי-מדיד: מוסדות אינם יכולים לחשב את עלות הביטול של כשל ממשל שלא הוכשרו לגלות.

מגעים ידניים שנמנעו, נספרים בנטו מול מגעים חדשים שנוצרו על ידי פיקוח מישור-הבקרה וטיפול בחריגות. הנקודה אינה למזער קשב אנושי; היא להפנותו להחלטות בעלות מנוף גבוה יותר.

שיעור ביטול — אחוז הפעולות שביצע הסוכן ושבוטלו בתוך 24 שעות. תהליך עבודה ברמה 3 עם שיעור ביטול מעל 2% הוא בעיית אמינות. מעל 5% הוא בעיית מישור-בקרה. מספר זה צריך להיות נעקב לכל תהליך עבודה, לא לכל תוכנית. ממוצע תיק מסתיר את החריג שייצר את ממצא הביקורת הבא.

שלמות עקבות-ביקורת — אחוז ההחלטות עם מקור (provenance) מלא הניתן לשחזור מיומן ה-WORM. צריך להיות 100% בתהליכי עבודה ברמה 3 וברמה 4. כל פחות מכך הוא כשל מדיניות.

שוק הבינה המלאכותית הסוכנותית בבנקאות צומח בקצב ההופך את תשתית המדידה הזו לדחופה. דוח Banking Trends של Newgen לשנת 2026 חוזה את שוק הבינה המלאכותית הסוכנותית צומח מ-$2.1 מיליארד ל-$81 מיליארד עד 2034. מידול התרחישים של McKinsey מציין שהתוצאה הסבירה ביותר — תרחיש בסבירות 30% — כרוכה בסוכני בינה מלאכותית המשיגים יחס סוכן-לאדם של כ-20:1 ומייצרים הפחתת עלות של 15–20%. חלוצים יכולים לפתוח פער של 4 נקודות אחוז ב-ROTE יחסית למאחרים. שוליים אלה ממשיים, אך הם מדידים ובני-הגנה רק אם כלכלת-היחידה נעקבת ברמת תהליך העבודה.

ממד 5: מוכנות ארגונית

מה הוא מודד: האם למוסד יש הכישרון, הממשל החוצה-תפקודי, הדיווח ברמת דירקטוריון והתרבות להטמיע ולקיים בינה מלאכותית סוכנותית בקנה מידה — לא רק להריץ פיילוט.

ממצא Cambridge CCAF מדויק: מוכנות כוח-האדם מנבאת רווחיות בינה מלאכותית פי ארבעה יותר מרכש טכנולוגיה. חברות שבהן כוח-האדם מוכן מאוד מדווחות על רווחיות בינה מלאכותית של 23%; חברות שבהן הוא אינו מוכן מדווחות על 6%. רק 10% מכלל החברות מתארות את כוח-האדם שלהן כמוכן. פינטקים מגיעים לשלב הטרנספורמציה פי שלושה יותר ממוסדות פיננסיים מסורתיים — 19% מול 6% — אף שרבים מהם מוציאים פחות מ-$10,000 בשנה על בינה מלאכותית. הארכיטקטורה היא המבדל, לא התקציב.

McKinsey מתארת שלוש עמדות אסטרטגיות לבנקים הניצבים מול בינה מלאכותית סוכנותית: לחכות ולראות, להסתגל בכך שהופכים לספק מוצר מאחורי ממשקי סוכן, או להתחרות על בעלות הקשר הישיר עם הלקוח. רוב הבנקים נוקטים כברירת מחדל בעמדה הראשונה בעודם מציגים עצמם כרודפים אחר השלישית. השיחה האסטרטגית חייבת להיות מפורשת, והדירקטוריון הוא היכן שהיא חייבת לנחות.

‏Sound Practice 1 של FSB מתייחס ישירות לאחריות הדירקטוריון: דירקטוריונים נושאים באחריות הסופית לממשל בינה מלאכותית, קביעת תאבון הסיכון, והבטחה שמבני האחריות ברורים. אכיפת Article 5 של EU AI Act והוראות אחריות-הדירקטוריון של Article 5 ב-DORA מתרגמות עיקרון זה לאחריות אישית. ערכת הכלים הפיקוחית של IOSCO ממאי 2026 קובעת ש"מערכות בינה מלאכותית אינן עוד פרויקטים מבודדים. הן תשתית תפעולית מרכזית המחייבת אימות רציף, ממשל ברמת דירקטוריון, וראיות פיקוחיות מוכנות לבדיקה".

מסגרת הדיווח לדירקטוריון עבור בינה מלאכותית סוכנותית צריכה לכסות ארבעה מספרים לכל תהליך עבודה: רמת אוטונומיה, שלמות עקבות-ביקורת, שיעור ביטול ועלות נטו להחלטה. בתוספת רשימת חמשת הסיכונים השיוריים המובילים. מצגות של מסמכי מדיניות אינן תחליף.

ממד 6: התאמה רגולטורית גלובלית

מה הוא מודד: האם המודל התפעולי של הבינה המלאכותית הסוכנותית במוסד מותאם לארבע המסגרות הרגולטוריות העיקריות החלות בתחומי השיפוט העיקריים שלו — והאם ההתאמה הזו מגובה בראיות, לא נטענת בלבד.

הנוף הרגולטורי לבינה מלאכותית סוכנותית התגבש במחצית הראשונה של 2026. ארבע מסגרות הן כעת מהותיות תפעולית:

ארצות הברית (SR 11-7 / OCC Bulletin 2025-26). הנחיית ניהול סיכוני המודלים של הבנק הפדרלי חלה על כל תהליך עבודה של קבלת החלטות מבוסס-LLM. ה-OCC פרסם הנחיית ניהול סיכוני מודלים ספציפית לבנקים קהילתיים המדגישה מידתיות — "מידתי אין פירושו נעדר". מודל שלושת קווי-ההגנה חל במלואו.

הממלכה המאוחדת (PRA SS1/23 / FCA). עקרונות ניהול סיכוני המודלים של SS1/23 מטעם PRA רחבים דיים ללכוד את כל הסוכנים מבוססי-LLM. הרשות הפיקוחית בבריטניה מפתחת ציפיות ספציפיות לבינה מלאכותית סוכנותית. ה-FCA הוא בין הרשויות הלאומיות המנפיקות הנחיות משלימות לממשל בינה מלאכותית בשירותים פיננסיים.

האיחוד האירופי (EU AI Act / DORA). חובות מערכות בינה מלאכותית בסיכון גבוה בנספח III בתוקף החל מ-2 באוגוסט 2026. הדרישות כוללות ניהול סיכונים מובְנה (Article 9), ממשל נתונים (Article 10), שקיפות (Article 13), פיקוח אנושי (Article 14), ויומן ביקורת לכל סוכן (Article 12). הוראות אחריות-הדירקטוריון של Article 5 ב-DORA חלות על חוסן תפעולי לרבות בינה מלאכותית סוכנותית. הנחיית משרד הבינה המלאכותית של האיחוד האירופי ממאי 2026 מחייבת זהות קריפטוגרפית לכל סוכן ביומני ביקורת. אי-ציות גורר קנסות עד EUR 35 מיליון או 7% מהמחזור הגלובלי.

אסיה-פסיפיק (MAS / IMDA / רגולטורים אזוריים). ‏IMDA בסינגפור פרסמה את מסגרת Model AI Governance Framework for Agentic AI הראשונה בעולם בדאבוס ב-22 בינואר 2026. ‏MAS פרסמה את ערכת הכלים לניהול סיכוני בינה מלאכותית שלה במרץ 2026 תחת Project MindForge, שפותחה עם 24 מוסדות פיננסיים. המסגרת מכסה היקף ופיקוח בינה מלאכותית, ניהול סיכוני בינה מלאכותית, ניהול מחזור חיים של בינה מלאכותית ומאפשרים ארגוניים. ההנחיות הפורמליות המוצעות של MAS לניהול סיכוני בינה מלאכותית צפויות להסתיים ב-2026, ולעבור מעקרונות FEAT וולונטריים לציפיות פיקוחיות בעלות השלכות ציות. ה-ASIC באוסטרליה הוציא מכתב פתוח במאי 2026 הדורש שדרוג סייבר בתגובה לאיומי בינה מלאכותית חזיתית.

FSB (גלובלי, חוצה-תחומי-שיפוט). ההתייעצות של FSB מיוני 2026 — המסגרת הגלובלית הראשונה המתייחסת לבינה מלאכותית סוכנותית כשונה תפעולית — מזהה שישה מודלי פיקוח למערכות סוכנותיות וממליצה על אדם-בפיקוד (human-in-command) לתהליכי עבודה בעלי אוטונומיה גבוהה, ניטור בינה-מלאכותית-בלולאה ככל שאוכלוסיות הסוכנים גדלות, ואישור אנושי או הרשאה כפולה לסוכנים המבצעים עסקאות פיננסיות מעל ערכי סף. ההערות נסגרות ב-22 ביולי 2026; הדוח הסופי לשרי האוצר של G20 באוקטובר 2026.

ציון המדד המורכב

ששת הציונים הממדיים מתחברים למדד מורכב באמצעות שקלול מהותיות-רגולטורית הבא:

ציון מורכב מתחת ל-50 פירושו שהמוסד אינו יכול להגן על עמדת הבינה המלאכותית הסוכנותית הנוכחית שלו בפני בוחן SR 11-7, סקירת PRA במקום, או הערכה פיקוחית של EU AI Act. ציון של 50–74 פירושו שבקרות קיימות אך טרם רציפות או מוכנות-לראיות. ציון של 75–100 פירושו שהממשל הוא נכס תחרותי, לא עלות ציות.

אותות עכשוויים למעקב

מה זה אומר לפי סוג מוסד

בנקים חשובים מערכתית גלובלית (G-SIBs)

‏G-SIBs ניצבים בפני אתגר הממשל הקשה ביותר — לא משום שהטכנולוגיה מורכבת יותר, אלא משום שקנה המידה ותחום השיפוט מצרפים כל פער. ל-G-SIB עם 200 סוכני ייצור על פני 30 קווי עסקים ב-15 תחומי שיפוט רגולטוריים יש 200 ממצאי SR 11-7 פוטנציאליים, 200 כשלי יומן-ביקורת פוטנציאליים של EU AI Act, ו-200 פערי Sound Practice פוטנציאליים של FSB — בו-זמנית. עדיפות ההשקעה אינה עוד פיילוט. היא מישור הבקרה המרכזי, תשתית יומן-הביקורת המאוחדת, ומערך MRM המסוגל לאמת 50 ומעלה סוכנים ברבעון.

הכרזת JP Morgan על סוכנים אוטונומיים ארוכי-טווח ב-2026 — מישורי הבקרה של DBS בהכנת תזכירי אשראי ובשירות לקוחות — עמידת BNP Paribas ביעדי הבינה המלאכותית שלה ל-2025 והתחלת דיווח ROI רבעוני — אלה נקודות הנתונים התחרותיות שאל מולן כל דירקטוריון G-SIB צריך למדוד את עצמו. השאלה המוסדית אינה האם להטמיע; היא האם מישור הבקרה יכול לגדול באותו קצב כמו אוכלוסיית הסוכנים.

‏FSB מזהירה במפורש מפני סיכון ריכוז הנובע מהסתמכות על מעט ספקי ענן, חומרה ומודלי-יסוד — ומציינת שמודלים ונתונים משותפים עלולים לדחוף מוסדות להתנהגות מתואמת המגבירה עדריות ומחזוריות-יתר (procyclicality) במיתון. ‏G-SIBs המספקים 80% מתשתית הבינה המלאכותית הסוכנותית שלהם משני ספקי מודלי-יסוד בונים מתאם מערכתי שיצטרכו להסביר הן לצוותי הסיכון שלהם והן למפקחים עליהם.

עדריות מערכתית ומחזוריות-יתר: הסיכון הארכיטקטוני שאף בנק בודד אינו יכול לפתור לבדו. מעקב תרחישי השימוש של Evident Insights לרבעון הראשון של 2026 מזהה ש-68% מההטמעות הסוכנותיות בבנקים משתמשות כעת בזנב ארוך של ספקים מתמחים — שרובם בנויים על מודלי-יסוד חזיתיים זהים, בעיקר Claude של Anthropic. זה יוצר פגיעוּת עדריות מבנית השונה מהותית מסיכוני הריכוז שבנקים כבר מנהלים בתשתית ענן או במסילות תשלום.

המנגנון הוא כדלקמן. סוכן המסחר, סוכן הנזילות וסוכן הידוק-האשראי של בנק בנויים על פלטפורמות ספק שונות. יש להם הנחיות-מערכת שונות, סכמות שונות של קריאות לכלי, שערי מדיניות OPA שונים. אך הם חולקים מודל בסיסי זהה — אותם משקלים, אותה התפלגות אימון, אותן תבניות התנהגות מתהוות תחת לחץ התפלגותי. כאשר מתרחש אירוע שוק משמעותי — אירוע אשראי ריבוני, תקשורת של ה-Fed השונה מהקונצנזוס, כשל של בנק גדול — כל סוכן הבנוי על אותו מודל בסיסי יעבד את האירוע דרך אותם שקלולי-מאפיינים מובלעים. אם שקלולים אלה מפיקים הטיה כיוונית להתנהגות נמנעת-סיכון (risk-off), סוכני המסחר, הנזילות והאשראי של בנקים מרובים עשויים לבצע מכירות מסיביות מתואמות, מחזורי הידוק-אשראי או משיכות נזילות בו-זמנית — לא משום שסוכן של בנק בודד כלשהו מתפקד לקוי, אלא משום שכולם מתפקדים נכון על גבי אותו מודל.

‏IOSCO נקבה בדינמיקה זו במפורש בערכת הכלים הפיקוחית ממאי 2026, בהזהירה שיכולות תכנון, זיכרון ארוך-טווח וגישה לכלים חיצוניים יוצרים סיכונים של התנהגויות מתהוות וכשלים מתפשטים על פני מערכות מקושרות. ההתייעצות של FSB מיוני 2026 מתייחסת למחזוריות-יתר ישירות — בציינה שאם סוכני בינה מלאכותית מאומנים על אותם נתונים ומשתמשים במודלים דומים, התנהגותם צפויה להיות מתואמת, מה שעלול להגביר תנועות שוק.

דירוג חוסן עדריות מערכתי בממד 6 דורש שלושה גילויים ובקרה ארכיטקטונית אחת. הגילויים: מהו מודל-היסוד הבסיסי לכל תהליך עבודה סוכנותי בייצור; מהי מפת תלות הספקים על פני תיק הסוכנים; ומהי הערכת המוסד את תרומתו להתנהגות מתואמת בין-מוסדית תחת תרחיש לחץ מוגדר. הבקרה הארכיטקטונית: לפחות אחד מהסוכנים העיקריים במחלקות נכסים בסיכון גבוה (מסחר, ניהול נזילות, אשראי) חייב להשתמש במודל בסיסי שונה או בגרסה מכווננת (fine-tuned) שונה משמעותית, כך שתגובת ההתפלגות של מודל יחיד לאירוע לחץ לא תוכל להפיק תוצאה מתואמת לחלוטין על פני כל תהליכי העבודה הסוכנותיים בו-זמנית. זוהי גיוון מודלים כניהול סיכון מערכתי — המקבילה הסוכנותית לגיוון צדדים נגדיים.

בנקי עסקאות ובנקים עסקיים

תהליכי העבודה הסוכנותיים בעלי ה-ROI הגבוה ביותר הם תיקון תשלומים, חילוץ מסמכי KYC, שירותי אוצר, פערי התאמות (reconciliation breaks) והסטת שאלות נפוצות של לקוחות עסקיים. כולם רמה 2 או רמה 3 מתוחמת בסולם האוטונומיה. הלקוח העסקי אינו מתעניין בכך שסוכן ביצע את תיקון התשלום; הוא מתעניין בכך שה-SLA השתפר ושיעור המחלוקות נותר יציב. הובילו עם ארבעת מדדי כלכלת-היחידה, לא עם טענות יכולת טכנולוגית.

מסגרת האוצר האוטונומי — תצפית ← גילוי ← חיזוי ← הכנה ← בקשת אישור אנושי ← הגשת מטען חתום — היא הארכיטקטורה הנכונה לסוכני אוצר עסקיים ב-2026. מטען ה-pain.001 שהכין הסוכן עובר דרך אותם מאמתי סכמה, דירוג הונאות ומנועי סנקציות כמו הגשת ERP עסקית. שכבת המותנוּת (סף, כשירות בטוחה, רצפת חיץ) שולטת על האם ה-pain.001 נשלח, לא על איזו צורה הוא לובש. פלטפורמות אוצר הממציאות מטענים מותאמים-אישית כדי לבטא תנאים ייפלו מהנתיב הצריך-בנק.

בנקים אזוריים ובנקים קהילתיים

ניתוח התרחישים של McKinsey מזהה שלוש עמדות בנות-קיימא: לחכות ולראות, להסתגל כספק מוצר מאחורי ממשקי סוכן, או להתחרות על הקשר הישיר עם הלקוח. בנקים אזוריים שנכשלים בעשיית בחירה זו במפורש ייסחפו לעמדת חכה-וראה כברירת מחדל — וימצאו שחוב הממשל שנצבר במהלך הסחיפה הזו הוא המכשול העיקרי כשלחץ תחרותי יכפה פעולה.

עקרון המידתיות של ה-OCC — "מידתי אין פירושו נעדר" — הוא המסגרת התפעולית לממשל אזורי. בנק אזורי אינו צריך לאמת 50 סוכנים ברבעון. הוא צריך קצין סיכוני מודלים אחד שמבין את סולם האוטונומיה, יישום אחד של פלטפורמת סוכן של ספק המגיעה עם תיחום OAuth, אינטגרציית OPA ויומן ביקורת WORM מהקופסה, ותבנית דיווח אחת לדירקטוריון המכסה את ארבעת מדדי כלכלת-היחידה. ההשקעה היא בעיצוב תהליך העבודה ובחוויית-משתמש למפעיל, לא בהנדסת מישור-בקרה מותאמת-אישית.

סקר Banking Priorities של CSI לשנת 2026 מצא ש-85% מהמשיבים מהבנקאות הקהילתית מאמינים שאימוץ בינה מלאכותית יספק יתרון תחרותי משמעותי ו-50% נקבו בה כמגמת הטכנולוגיה המובילה ל-2026. תשתית הממשל היא המבדילה בין 85% המאמינים לבין החלק הקטן שילכוד את הערך.

פינטקים, ספקי שירותי תשלום (PSPs) וספקי תשתית

שאלת המוצר עבור ספקי בינה מלאכותית סוכנותית ב-2026 אינה "האם הפלטפורמה שלכם מבצעת טוב מבני אדם?". היא "האם הפלטפורמה שלכם מפיקה עקבות ביקורת תואמי SR 11-7, יומן לכל סוכן תואם Article 12 של EU AI Act, ומודל פיקוח תואם Sound Practice 10 של FSB — מהקופסה?". ספקים שיכולים לענות על כך ב'כן' מתועד ובר-בדיקה יסגרו עסקאות ארגוניות. ספקים שאינם יכולים יסתובבו בלולאות הוכחת-היתכנות בעוד צוותי MRM של בנקים מוצאים סיבות להכשיל אימות.

‏Oracle השיקה פלטפורמת בינה מלאכותית סוכנותית ארגונית לבנקאות בפברואר 2026. ‏FIS חברה ל-Mastercard ו-Visa כדי לאפשר מסחר ביוזמת סוכן. ‏Microsoft פרסמה תוכנית אב ספציפית לבנקאות לחוויית לקוח סוכנותית. ‏Accenture שרטטה את השלכות כוח-האדם על פני החזית והעורף. צד ההיצע ערוך. המבדל הוא בראיות רגולטוריות כתכונת מוצר, לא בתוספת ציות בדיעבד.

דינמיקת ספק הזנב-הארוך שזיהתה Evident — 68% מהטמעות הבינה המלאכותית הסוכנותית בבנקים משתמשות כעת בספקים מתמחים מעבר להיפר-סקיילרים — פירושה שסיכון ספק בינה מלאכותית של צד שלישי מואץ מהר ממה שרוב מסגרות הרכש של הבנקים יכולות להעריך. ‏DORA דורשת בדיקת נאותות מתועדת על כל ספק ICT צד שלישי. ‏EU AI Act מוסיף שכבת דרישות נוספות לספקים שמערכותיהם משמשות בקטגוריות סיכון גבוה. בנקים שמיקור-החוץ את הממשל שלהם לספק שלהם ממקרים-חוץ אחריות — והרשומה הפיקוחית תשקף זאת.

עסקים ארגוניים ועסקים קטנים ובינוניים (SME) (שירותים פיננסיים שאינם בנקאיים)

נטל הממשל מידתי למהותיות הסיכון של השימוש בבינה מלאכותית סוכנותית, אך מסגרת המדידה חלה אוניברסלית. ארגון המטמיע סוכנים בחשבונות לתשלום (accounts payable), אופטימיזציית הון חוזר, או תכנון וניתוח פיננסי זקוק לאותה מסגרת אחריותיות כלכלית — עלות לכל החלטה שהושלמה, שיעור ביטול, שלמות עקבות-ביקורת — גם אם החובות הרגולטוריות קלות יותר מאלה החלות על בנק חשוב מערכתית. הנהלים המומלצים של FSB ממוסגרים כהנחיה לא-מחייבת החלה על מוסדות פיננסיים מכל הסוגים והגדלים. ממצא IBM שארגונים סופגים בממוצע 54 אירועי סוכן בינה מלאכותית בשנה, לרבות פריצות נתונים וכשלי מערכת מתפשטים, חל על פני נוף הארגונים כולו.

עבור עסקים קטנים ובינוניים הניגשים לשירותים בנקאיים דרך ממשקים סוכנותיים — התרחיש ש-McKinsey מתארת כצרכנים המשתמשים בסוכני בינה מלאכותית כערוץ בנקאי חדש — חובת הממשל נופלת במעלה הזרם על הבנק או ה-PSP המספק את השכבה הסוכנותית. אך הנתונים והשלמות התפעולית של העסק הקטן והבינוני תלויים בכך שהממשל הזה יהיה ממשי. הבנת ציון המדד של המוסדות המנהלים את תהליכי העבודה הפיננסיים שלכם הופכת במהירות לקריטריון בבחירת ספק.

כרטיס הניקוד ברמת הדירקטוריון

כרטיס ניקוד שימושי לדירקטוריון עבור בינה מלאכותית סוכנותית צריך לעקוב אחר שישה מדדים — הסט המינימלי המבדיל תוכנית מנוהלת מתוכנית לא-מנוהלת:

1. התפלגות רמות אוטונומיה: מספר תהליכי העבודה בייצור לפי רמה (רמה 0–4), מעודכן רבעונית. כל תהליך עבודה ברמה 5 הוא ממצא בר-דיווח.
2. שלמות מישור-הבקרה: אחוז תהליכי העבודה בייצור עם כל חמשת רכיבי מישור-הבקרה תפעוליים (זהות, מעקפי בטיחות, מדיניות-כקוד, יומן WORM, מתג חירום).
3. שלמות עקבות-ביקורת: אחוז הפעלות תהליכי העבודה ברמה 3 ומעלה עם מקור מלא הניתן לשחזור מהיומן הבלתי-משתנה. יעד: 100%.
4. שיעור ביטול לפי תהליך עבודה: אחוז הפעולות שביצע הסוכן ושבוטלו בתוך 24 שעות, נעקב לכל תהליך עבודה. סף התרעה: 2%. סף הסלמה: 5%.
5. עלות נטו להחלטה: עלות-יחידה ברמת תהליך עבודה כולל עלויות ביטול ותיקון, בהשוואה לבסיס הידני. נעקבת אל מול מקרה הכלכלה של התוכנית.
6. עדכניות הראיות הרגולטוריות: תאריך עדכון הראיות הרגולטוריות האחרון לכל תהליך עבודה על פני המסגרות החלות (SR 11-7, ‏SS1/23, ‏EU AI Act, ‏MAS MGF). כל תהליך עבודה שחורג ביותר מ-90 ימים ממחזוריות הראיות הוא ממצא סיכון.

שישה מספרים אלה הופכים בינה מלאכותית סוכנותית ממצגת שקופיות למודל תפעולי. הם גם המספרים שבוחן SR 11-7, סוקר PRA במקום, או רשות פיקוח אירופית ידרשו תחילה.

הפערים שמדד זה מטפל בהם

שלושה פערים מבניים מבדילים מדד זה ממסגרות קיימות:

פער 1: מדדים קיימים מודדים בשלות בינה מלאכותית, לא ממשל ספציפי לבינה מלאכותית סוכנותית. מדד Evident AI מודד כישרון, חדשנות, מנהיגות ושקיפות על פני 50 בנקים באמצעות נתונים זמינים לציבור. הוא אינו — ואינו מתוכנן — להעריך האם לתהליכי העבודה הסוכנותיים בייצור של בנק יש מתגי חירום תפעוליים, יומני ביקורת WORM לכל סוכן, או שערי מדיניות OPA. בנק יכול לדורג ראשון במדד Evident בעודו נכשל בביקורת Article 12 של EU AI Act.

פער 2: מסגרות רגולטוריות קיימות מתייחסות למה שנדרש, לא כיצד לדרג מוכנות. ‏SR 11-7, ‏SS1/23, ‏EU AI Act, הנהלים המומלצים של FSB ו-MGF סינגפור מגדירים כל אחד חובות ממשל. אף אחד אינו מספק מסגרת דירוג בין-ממדית המאפשרת למוסד למדוד את עמדתו אל מול עמיתים או למדוד שיפור לאורך זמן. מדד זה מספק את מסגרת הדירוג הזו, תוך שימוש במסגרות הרגולטוריות הקיימות כבסיס הראיות.

פער 3: כלכלה ברמת תוכנית מסווה כשל ברמת תהליך עבודה. התקן הענפי של דיווח ערך בינה מלאכותית ברמת התוכנית — "בינה מלאכותית חסכה X שעות עבודת ציות" — הופך בלתי-אפשרי מבחינה מבנית לעקוב אחר ביטול, הגשת SAR חיובית-שווא, או פעולת סוכן לא-מוסברת לתהליך העבודה שייצר אותה. ממד כלכלת-היחידה של מדד זה דורש אחריותיות ברמת תהליך עבודה. זוהי ארכיטקטורת המדידה ההופכת שיחה עם CFO לברת-הגנה ושיחת ביקורת לברת-שרידה.

סיכום

בינה מלאכותית סוכנותית בבנקים ב-2026 היא בעיה הנדסית הלבושה בבגדי שיחת אסטרטגיה. המודל בר-החלפה. מישור הבקרה — תיחום OAuth, ניתוב סמנטי דטרמיניסטי, שערי מדיניות OPA, יומני ביקורת WORM בלתי-משתנים ומתג חירום נבדק — אינו. ארכיטקטורת הממשל — אימות שלושת קווי-ההגנה, מערכי הערכה רציפים ספציפיים לבנק, דיווח כלכלת-יחידה ברמת דירקטוריון — אינה. חבילת הראיות הרגולטוריות — כרטיסי מודל SR 11-7 לכל תהליך עבודה, יומני Article 12 לכל סוכן של EU AI Act, מיפויי Sound Practice של FSB — אינה.

המוסדות שיהיו אמינים בעיני רגולטורים ב-2027 הם אלה המדורגים מעל 75 בכל ששת ממדי המדד היום: מסווגים כל סוכן ייצור בסולם האוטונומיה, מהנדסים את מישור הבקרה המלא בן חמשת הרכיבים, מפיקים ראיות רגולטוריות רציפות, עוקבים אחר כלכלת-יחידה ברמת תהליך עבודה, משקיעים במוכנות ארגונית, ומעורבים באופן פרואקטיבי בהתייעצויות של FSB, IOSCO ורגולטורים לאומיים המעצבות את התקנים המחייבים של 2028.

OSWorld ב-66.3% הוא תקרת האמינות. שלוש קריאות לכלי משורשרות בשיעור זה מפיקות שיעור הצלחה מקצה-לקצה של 29%. תכננו בהתאם. המוסדות המודדים סוכנים כפי שהם מודדים כל סיכון תפעולי אחר — לפי ראיות, לא לפי שאיפה — ימצאו שהממשל אינו האילוץ על בינה מלאכותית סוכנותית. הוא הדבר היחיד שהופך בינה מלאכותית סוכנותית לתחרותית.

שאלות נפוצות

מה ההבדל בין מדד זה למדד Evident AI? מדד Evident AI מודד בשלות בינה מלאכותית על פני 50 בנקים גלובליים באמצעות נתונים זמינים לציבור על פני כישרון, חדשנות, מנהיגות ושקיפות. מדד זה מדרג את ארכיטקטורת ההנדסה והממשל הספציפית — מישור הבקרה, יומן הביקורת, סיווג רמות האוטונומיה, חבילת הראיות הרגולטוריות — ההופכת בינה מלאכותית סוכנותית לבטוחה להטמעה מול ממשקי API בנקאיים חיים. שני המדדים משלימים: Evident מודד את העמדה האסטרטגית; מדד זה מודד מוכנות תפעולית.

מי צריך להשתמש במדד זה? מנהלי תפעול ראשיים, מנהלי סיכונים ראשיים, מנהלי בינה מלאכותית ראשיים, ראשי ניהול סיכוני מודלים וועדות סיכון בדירקטוריון בבנקים גלובליים, בנקים אזוריים, ישויות בנקאות עסקית, ומוסדות פיננסיים המטמיעים בינה מלאכותית סוכנותית. רלוונטי גם לפינטקים, ל-PSPs ולספקי תשתית המוכרים לתהליכי רכש בנקאיים שבהם ראיות רגולטוריות הן קריטריון בחירה.

מהי עמדת הממשל המינימלית בת-הקיימא ל-2026? מישור בקרה מלא בן חמשת הרכיבים תפעולי בייצור; כל תהליכי העבודה בייצור מסווגים רמה 0–4; תהליכי עבודה ברמה 5 אסורים חוזית; יומני ביקורת WORM מלאים לתהליכי עבודה ברמה 3 ומעלה; Article 12 per-agent logging של EU AI Act במקום לפני 2 באוגוסט 2026; Sound Practices 1–4 של FSB ממופים למבני אחריות הדירקטוריון; מערך הערכה ספציפי לבנק רץ ברציפות.

מה משמעות הכרזת JP Morgan למוסד שלי? פירושה שלאמת-המידה התחרותית להטמעת סוכנים אוטונומיים יש לוח זמנים נקוב ב-2026 מבנק חשוב מערכתית. אין פירושה שכל מוסד צריך להשתוות ללוח הזמנים הזה. פירושה שכל מוסד צריך לדעת את ציון המדד הנוכחי שלו, לדעת את הפער בין ציון זה לבין עמדת ההטמעה ש-JP Morgan מתארת, ולהחזיק בתפיסה מאושרת-דירקטוריון של השקעת הממשל הנדרשת לסגירת הפער הזה בבטחה.

כיצד יש לדווח על סיכון בינה מלאכותית סוכנותית לדירקטוריון? שישה מדדים לכל תהליך עבודה: רמת אוטונומיה, שלמות מישור-הבקרה, שלמות עקבות-ביקורת, שיעור ביטול, עלות נטו להחלטה, ועדכניות ראיות רגולטוריות. בתוספת רשימת חמשת הסיכונים השיוריים המובילים. דלגו על מצגות כרטיסי-המודל ועל סיכומי הפריון ברמת התוכנית.

האם ההתייעצות של FSB יוצרת חובות מחייבות כעת? לא. ‏FSB קובעת במפורש ש-12 הנהלים המומלצים אינם תקנים מחייבים. עם זאת, ההתייעצות נסגרת ב-22 ביולי 2026 והדוח הסופי מגיע לשרי האוצר של G20 באוקטובר 2026. רגולטורים לאומיים — ה-Fed, ‏PRA, ‏BaFin, ‏DNB, ‏ACPR, ‏MAS — חופשיים לשלב את הנהלים המומלצים בציפיות פיקוחיות מחייבות בלוחות הזמנים שלהם. המוסדות המגיבים להתייעצות כעת הם אלה המעצבים כיצד ייראה ה'מחייב'.

הפניות

1. Cambridge Centre for Alternative
2. Report finds uneven AI adoption in financial services - News & insight
3. The 2026 AI Index Report
4. FSB Issues Consultation on Sound Practices for Responsible AI ...
5. Sound Practices for Responsible Adoption of Artificial Intelligence (AI)
6. Kakunin Compliance Angle
7. The EU AI Act Compliance Deadline Is août 2026: What Financial Services Firms Need to Do Now
8. JPMorgan Chase plans to deploy more powerful AI agents this year
9. JPMorgan Chase to deploy long-running autonomous AI ...
10. Evident AI Index
11. McKinsey's latest report on agentic AI in banking found that
12. Singapore Launches New Model AI Governance Framework for ...
13. Singapore's Agentic AI Framework: The Most Forward-Looking AI ...
14. Financial Stability Board points banks towards AI monitoring AI as ...
15. [PDF] The 2026 Global AI in Financial Services Report
16. CCAF AI-Monica Jasuja - LinkedIn
17. Key findings from the 2026 Global AI in Financial Services Report by the University of Cambridge
18. AI Use Case Trends in Banking
19. AI governance gap widens as enterprises race to deploy agentic AI ...
20. Agentic AI will shake up banking, shrinking global profit pools
21. Precision, Not Hype, Will Shape Banks' Use Of AI In 2026 - Forbes
22. 2025 Evident AI Banking Index: Who's Leading in AI? - Teradata
23. Agentic AI Banking Strategy: A C-Suite Planning Guide
24. Agentic AI: Banking's Next Frontier Beyond the Chatbot - CCG Catalyst
25. Singapore Introduces New Model AI Governance Framework for ...
26. IOSCO sets out supervisory framework for AI use in capital markets
27. Publication of IOSCO AI Supervisory Toolkit and Industry Practices ...
28. Best Practices for AI Governance and Risk Management Published ...
29. Banking’s agentic AI opportunity
30. IOSCO Publishes AI Supervisory Toolkit for Capital Markets - LinkedIn
31. Agentic AI Governance in Banking: Closing the Gap in 2026
32. EU AI Act Compliance for Financial Services: Complete 2026 Guide
33. MAS and AI in Singapore Financial Services - AIRiskAware
34. MAS Releases AI Governance Framework Version 2 for Singapore Financial Services — AIMenta
35. De Autonome Treasury-Index in 2026: agentische treasury en programmeerbare liquiditeit — Sebastien Rousseau

נסקר לאחרונה 2026-06-30.

נסקר לאחרונה 2026-06-29.

# מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/](https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/)

מדד בן שישה ממדים המדרג מוכנות לבינה מלאכותית סוכנותית בבנקים: רמות אוטונומיה, ממשל, ראיות רגולטוריות, כלכלה, מוכנות והתאמה גלובלית.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/

מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau

מדד בן שישה ממדים המדרג מוכנות לבינה מלאכותית סוכנותית בבנקים: רמות אוטונומיה, ממשל, ראיות רגולטוריות, כלכלה, מוכנות והתאמה גלובלית.

https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/

מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau

מדד בן שישה ממדים המדרג מוכנות לבינה מלאכותית סוכנותית בבנקים: רמות אוטונומיה, ממשל, ראיות רגולטוריות, כלכלה, מוכנות והתאמה גלובלית.

להלן עיקרי הנקודות האסטרטגיות:

- מדוע מדד זה קיים. מדד Evident AI מדרג 50 בנקים גלובליים על פני כישרון (Talent), חדשנות (Innovation), מנהיגות (Leadership) ושקיפות (Transparency) באמצעות מיליוני נקודות נתונים זמינות לציבור.
- נוף בשלות הבינה המלאכותית הסוכנותית בשנת 2026. דוח Cambridge CCAF לשנת 2026 — המחקר הגלובלי הגדול ביותר על בינה מלאכותית בשירותים פיננסיים, המכסה 628 ארגונים על פני 151 תחומי שיפוט בשיתוף BIS, IMF, WEF והבנק העולמי — מספק את הבסיס הסטטיסטי למדד זה.
- ארכיטקטורת המדד בשישה ממדים. מדד זה מדרג מוכנות לבינה מלאכותית סוכנותית על פני שישה ממדים.
- ציון המדד המורכב. ששת הציונים הממדיים מתחברים למדד מורכב באמצעות שקלול מהותיות-רגולטורית הבא:.

כיצד מתמודד הארגון שלכם עם האתגרים המתוארים במאמר זה?

→ https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/

#AgenticAi #בנקאותבינהמלאכותיתסוכנותית #ממשלבינהמלאכותית #רמותאוטונומיה #ניהולסיכונימודלים

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026מדד,
  author  = {Rousseau, Sebastien},
  title   = {{מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/
ER  -

Rousseau S. מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau. sebastienrousseau.com. 2026 Jun 30. Available from: https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/

Rousseau, Sebastien. "מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau." sebastienrousseau.com. June 30, 2026. https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/.

Rousseau, S. (2026, June 30). מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/

מדד הבינה המלאכותית הסוכנותית לבנקים בשנת 2026: מדידת אוטונומיה — Sebastien Rousseau

מדד בן שישה ממדים המדרג מוכנות לבינה מלאכותית סוכנותית בבנקים: רמות אוטונומיה, ממשל, ראיות רגולטוריות, כלכלה, מוכנות והתאמה גלובלית.

Originally published at https://sebastienrousseau.com/he/2026-06-30-agentic-ai-index-banks-measuring-autonomy-2026/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER