30 במרץ 2026
בינה מלאכותית נמצאת בכל מקום כרגע. הכותרות חוגגות פריצות דרך. ההדגמות מרשימות. ההבטחה מרגישה בלתי מוגבלת. אך עבור בנקים וחברות תשלומים, האתגר האמיתי מתחיל לאחר ההכרזות — כאשר בינה מלאכותית (AI) חייבת לפעול בתוך מערכות שעליהן נשענות כלכלות שלמות.
כאשר AI מיידע החלטות אישור תשלום, זיהוי הונאות, זהות או סיכון, אין מקום ל'זוז מהר ותקן אחר כך'. מודלים לא נכשלים בשקט. החלטות לא נסוגות. ואמון, ברגע שאבד, קשה להחזיר. במהלך השנה האחרונה, התמקדנו לא במרדף אחר חדשנות מהירה באופן מבודד; אלא ביישום מודיעין בקנה מידה רחב – על פני אזורים גאוגרפיים, סביבות רגולטוריות ונופי איומים.
עבור ארגונים המתמודדים עם אתגרים דומים, הלקח פשוט אך תובעני. בגרות בינה מלאכותית אינה מוכרזת. היא נרכשת באמצעות ההחלטות שכולנו מקבלים כשהסיכונים גבוהים.
הפעלת בינה מלאכותית (AI) בפועל מחייבת איזון — בין מהירות ומשמעת, התנסות ואחריות, שאפתנות וזהירות. עבור חברות המעוניינות לבנות את יכולות הבינה המלאכותית שלהן, ארבעה תחומים חשובים ביותר, לא כעקרונות מופשטים, אלא כהחלטות תפעוליות.
בינה מלאכותית לא אמורה להיות באחריות צוות אחד בלבד אם היא צפויה להניע את כל תחומי הפעילות של ארגון מורכב. בחברה שלנו, הבינה מפוזרת ברחבי הארגון, קרוב לבעיות שהיא פותרת אך נתמכת על ידי סטנדרטים משותפים, ממשל תאגידי, כלים ושיטות עבודה מומלצות.
מבנה זה מאפשר לצוותים לחדש תוך שמירה על אחריותיות. זה גם מבטיח שמודלים יתנהגו כראוי, גם כשהם נפרסים בהקשרים שונים. מניסיוננו, ביזור ללא סטנדרטים יוצר סיכון, וריכוזיות ללא קרבה מאטה את ההשפעה. האיזון חשוב.
במידה שווה של חשיבות, בשלות ה-AI תלויה בהשקעה באנשים — לא רק בחוקרים ובמדעני נתונים, אלא גם במהנדסים, מפתחים, מובילי מוצר ומפעילי מערכות שמבינים כיצד מודלים מתנהגים בעולם האמיתי. כאשר צוותים בוטחים במערכות שהם בונים ומשתמשים בהן, האימוץ מגיע בעקבות זאת. כשהם לא, אפילו הטכנולוגיה המתוחכמת ביותר קופאת על שמריה.
ההשקעות האחרונות של Mastercard בתחום ה-AI התמקדו ביצירת יכולות חדשות עבור לקוחותינו, המתבססות על עשרות שנות המומחיות שלנו בתחום הנתונים, ה-AI והתשלומים, ובכלים חדשים עבור עובדינו שיכולים להיות בעלי ההשפעה הרחבה ביותר.
עבור הלקוחות שלנו, הכוללים אלפי בנקים וקמעונאים, העבודה הזו התמקדה בפיתוח טכנולוגיות של agentic commerce כדי לאפשר לצרכן לבצע רכישות ישירות בצ'אט של AI, כלי פרסונליזציה כדי לאפשר להם ליהנות מהחוויה הטובה ביותר האפשרית, ופתרונות הונאה המבוססים על יותר נתונים מאי פעם. עבור העובדים, זה כולל פריסה של עוזרי AI עבור היועצים שלנו כדי לאפשר להם לגשת למסמכים שהם צריכים במהירות האפשרית, אספקת קו-פיילוטים לכתיבת קוד עבור מפתחי התוכנה שלנו, ויצירת כלי מבוסס gen-AI שיעזור לצוותי תמיכת הלקוחות שלנו לענות על שאלות בנוגע לקליטה ולהטמעה.
רבות מההשקעות שלנו התמקדו בהוספת עוד בינה מלאכותית וקבלת החלטות בזמן אמת ליכולות הליבה שלנו. אלה אינם ניסויי מעבדה. אלה מערכות ברמת ייצור שחייבות לתפקד בקנה מידה רחב, להסתגל ברציפות ולעמוד הן בפני מתקפות סייבר פליליות והן בפני פיקוח רגולטורי.
עבור מוסדות פיננסיים, הדבר מצריך שינוי תפישתי. חדשנות אינה נמדדת במהירות שבה ניתן להשיק משהו חדש, אלא במידת חיוניותה לעבודתכם ובאמינותה לאחר שהיא מוטמעת בפעילות הליבה. ניסויים חשובים, אך רק אם הם מבוצעים באופן ממושמע, תכליתי ונועדו להחזיק מעמד.
מנהיגות בתחום הבינה המלאכותית נוגעת באותה מידה למה שאתה לא מבטיח כמו למה שאתה כן. במערכות אקולוגיות מורכבות, הבטחות יתר יוצרות סיכון הן פנימית והן חיצונית.
היינו מכוונים באופן שבו אנו מדברים על מה בינה מלאכותית יכולה ולא יכולה לעשות בתשלומים. בהירות זו מנחה החלטות השקעה, לוחות זמני פריסה וכיצד יכולות חדשות מוצגות ללקוחות ולשותפים. זה גם מניע קונצנזוס ברחבי הארגון, ומבטיח שצוותים פותרים בעיות אמיתיות במקום לרדוף אחרי אפשרויות מופשטות.
התחילו עם צרכי הלקוחות ועבדו אחורה אל הטכנולוגיה. בינה מלאכותית אינה משנה דיסציפלינה זו. אם כבר, היא מחזקת זאת.
בשירותים פיננסיים, אמון אינו ניתן למשא ומתן. כל מודל חייב להיות ניתן להסבר, מנוהל ומנוטר באופן רציף מכיוון שהמערכת תלויה בו.
במהלך השנה האחרונה, המשכנו לחזק את האופן שבו מערכות AI נבדקות, מתועדות ונמדדות. העבודה הזו היא בסיסית. ממשל אינו מה שמוסיפים בסוף הפריסה – הוא מה שמאפשר ל-AI לפעול באחריות בקנה מידה גדול. רבים אולי ירגישו שזה מאט את הדברים; הניסיון שלנו מראה את ההפך. עם ממשל מבוסס, אנשים יכולים להתמקד בחדשנות ובפתרון צרכי הלקוחות.
רבות מההחלטות המעצבות את בשלות הבינה המלאכותית דורשות ראייה ארוכת טווח של הכיוון שאליו הטכנולוגיה הולכת, ומה נדרש מארגונים כדי שיוכלו לפרוס אותה. הם כוללים בניית ממשל ומגבלות, שילוב יכולות חדשות במערכות קיימות במקום השקת מערכות מקבילות, ותעדוף אמינות על פני מהירות. הבחירות הללו מצטברות לאורך זמן.
החברה שלנו זכתה לאחרונה בהכרה כ מובילה בבינה מלאכותית יישומית על ידי Fast Company, וכאחד הארגונים המובילים ב מדד ה-AI החדש של Evident Payment, תקן תעשייתי חדש המעריך את פיתוח ה-AI של ספקי תשלומים. אנו גאים בהכרה, אך חשוב גם לראות בהערכות חיצוניות אלה אינדיקטורים מפגרים. דירוג זה שיקף שנים של ביצוע עקבי — השקעה מוקדמת ב-AI, התמקדות ארוכת שנים בהונאה ואמון, וממשל שתוכנן לקנה מידה רחב. ההכרה לא הייתה המטרה, אך היא חיזקה את הגישה שלנו כי בניית בסיס איתן של AI ונתונים אפשרה לנו לחדש במהירות ובאמינות.
התשתית הזו היא שמאפשרת לנו כעת להתקדם באחריות – בין אם באמצעות הצגת מודל הבינה המלאכותית הבסיסי החדש שלנו והרחבת היכולות של Mastercard Agent Suite, יחד עם Virtual C-Suite, שמביא את הבינה המלאכותית לקבלת החלטות בדרכים מעשיות ומפוקחות. רגעים אלה עשויים להיראות שוליים מבחוץ, אך הם תוצאה של בחירות מכוונות שנעשו זמן רב לפני שהזרקור הופנה אליהם.
הלקח הרחב יותר הוא זה: בינה מלאכותית בקנה מידה גדול עוסקת פחות בפריצות דרך ויותר בסטנדרטים תפעוליים גבוהים באופן עקבי. מודלים ישתפרו. היכולות יתרחבו. מה שחשוב הוא אם המערכות שאנו בונים ממשיכות לזכות באמון – עסקה אחר עסקה, החלטה אחר החלטה. זו העבודה. וזה מתמשך.