כמה פעמים קראת מחדש את אותה מצגת לדירקטוריון? אני יודע את התשובה, כי גם אני הייתי שם. עשרים ואחת שנה ישבתי בתפקידי כספים, והסצנה הזאת חוזרת על עצמה בכל רבעון. המספרים מתעדכנים בבוקר ההגשה, השותפים משנים את השקפים שלהם במקביל, ואתה קורא את הכל מההתחלה בפעם הרביעית רק כדי לוודא שהמשפט בשקף 4 עדיין מתיישב עם הנתון בשקף 17. שעות שלמות הולכות על בדיקה, לא על חשיבה.
בשבועות האחרונים ראיתי וובינר של Anthropic בשם "How finance teams use Claude Cowork", שבו צוות הכספים שלהם מראה איך הם עובדים בפועל. מה שתפס אותי זה לא ההדגמה היפה. מה שתפס אותי זה מספר אחד: אנליסטית בצוות מספרת שהיא החזירה לעצמה בין 10 ל-20 שעות עבודה בשבוע. לא בזכות תבנית חדשה באקסל. בזכות שינוי בסיסי בדרך שבה העבודה הכספית נעשית.
אני רוצה לפרק לך פה בדיוק מה הם עושים, איך זה עובד, איפה זה מועיל ואיפה לא, ומה כדאי לך לקחת מזה אם אתה CFO, בקר או אנליסט FP&A בישראל. הכל מבוסס על מה שפורסם על ידי Anthropic ועל הניתוחים המקצועיים שיצאו סביב הוובינר. בלי הבטחות שיווק, עם הסתכלות מקצועית ישרה.
קודם כל, מה זה Claude Cowork ולמה זה לא עוד צ'אט
בוא נסדר את המושג, כי פה רוב האנשים מתבלבלים. המערכת Claude Cowork היא לא חלון צ'אט שבו אתה שואל שאלה ומקבל תשובה. זאת מערכת agentic, כלומר מערכת שמבצעת משימה רב-שלבית מההתחלה ועד הסוף, על המחשב שלך. אתה מגדיר את היעד, והמערכת מתכננת את הדרך אליו בעצמה.
ההבדל הזה הוא לב העניין. בצ'אט רגיל המערכת עונה לך אבל לא נוגעת בקבצים שלך. ב-Cowork נותנים לה הרשאה לקרוא, לערוך וליצור קבצים בתיקיות שאתה מגדיר. כך היא לא מסבירה לך איך לעשות את המשימה, אלא עושה אותה. זה רץ על אפליקציית הדסקטופ של Claude, בלי טרמינל ובלי קוד, ובעצם מביא את הארכיטקטורה של Claude Code לעבודת ידע רגילה, כזאת שאנשי כספים עושים כל יום.
למה זה רלוונטי דווקא לכספים? כי עבודת כספים בנויה מהרבה משימות שדורשות זמן אבל לא דורשות מוח. התאמות, סבבי בדיקה, ניסוח טיוטה ראשונה של פרשנות לסטיות, הרכבה של חבילת דירקטוריון מתוך עשרה קבצים. כל אלה אוכלים את הימים שלך, ובסוף נשאר לך מעט מאוד זמן לדבר היחיד שבאמת מצדיק את התפקיד שלך: השיפוט המקצועי.
הכאב האמיתי שאף אחד לא מודד
תן לי לתאר את העבודה של אנליסטית בצוות הכספים והאסטרטגיה של Anthropic, כי היא תיארה אותה בצורה מדויקת. היא אחראית על המצגת הרבעונית לדירקטוריון, זאת שעוברת ל-CFO. בדרך כלל, עד שהמצגת יוצאת, היא תיקנה אותה כמה וכמה פעמים. המספרים מתרעננים עד בוקר ההגשה, ובכל רענון צריך לבדוק שכל פרשנות עדיין תואמת את הנתונים האחרונים.
זאת בעיה מוכרת לכל בקר. אתה לא בודק פעם אחת, אתה בודק בכל פעם שמשהו זז. ומשהו תמיד זז. מישהו הוסיף מדד בלי להגדיר אותו, מישהו עדכן שקף בלי לראות שהשינוי סותר טבלה אחרת. הסיפור צריך להישאר עקבי בזמן שכל הבסיס מתחתיו משתנה. זה לא עניין של רשלנות. זה פשוט אופי העבודה.
ופה נכנס השינוי. במקום שהיא תקרא את כל המצגת בעצמה בכל פעם, היא מעבירה את הקובץ ל-Cowork ומבקשת שיוודא שכל מספר וכל טענה מתיישבים עם מקור אמת אחד. היא גם מבקשת ממנו לקרוא את הנרטיב כמו שחבר דירקטוריון היה קורא אותו, ולסמן איפה הוא סותר את עצמו או מניח הקשר שהקורא לא מכיר. והדבר החשוב: זה קורה בכל פעם שהמספרים זזים, לא רק פעם אחת.
תחשוב על זה רגע במונחים שלך. שכבת הבדיקה, השכבה המייגעת שגוזלת את הזמן, עוברת למערכת. השכבה שדורשת שיפוט, הנרטיב שלמעלה, נשארת אצל בן אדם. זה לא מחליף אותך. זה מוריד ממך את החלק שתמיד שנאת.
איך זה עובד בפועל: חמשת השלבים
בוובינר הציגו מודל של חמישה שלבים שלפיו Cowork מריץ משימה. אני אוהב את המודל הזה כי הוא ישר ולא מתחכם, והוא עוזר להבין למה זה לא קסם אלא תהליך.
שלב 1: הבנת הבקשה. המערכת קודם מבינה מה בדיוק ביקשת. לא מילולית, אלא מה התוצאה שאתה רוצה לראות בסוף.
שלב 2: תכנון השלבים. היא בונה תכנית פעולה. מה לקרוא קודם, מה לחשב, באיזה סדר. בעבודות מרובות שלבים היא מציגה לך את התכנית לפני שהיא מבצעת, ואתה מאשר.
שלב 3: ביצוע. היא עוברת בין הקבצים והכלים ומבצעת. קוראת את האקסל, מוציאה את הנתון, מנסחת את הפרשנות, מעדכנת את השקף.
שלב 4: אימות פנימי. המערכת בודקת את הפלט של עצמה לפני שהיא מגישה. וזה השלב הכי חשוב להבין אותו: האימות חזק בדיוק כמו שכבת הבדיקה שבנית לתוך המשימה. אם לא הגדרת מה צריך להיבדק, היא לא תמציא לך בקרה.
שלב 5: הגשה. היא מוסרת לך את התוצר הגמור.
מי שעובד באקסל שנים מבין מיד את העוצמה של שלב 4. כל מי שבנה אי פעם גיליון יודע שבקרה טובה היא ההבדל בין מודל אמין למודל מסוכן. כאן זה אותו הדבר בדיוק. אם תבקש דוח סטיות בלי לבקש שיסמן שורות שלא מתאזנות, תקבל דוח יפה ולא בטוח. אם תבנה לתוך הבקשה דרישה לסמן חריגים, תקבל כלי שאתה יכול לסמוך עליו.
שלושה תהליכים אמיתיים מתוך צוות הכספים
בוא נרד לקרקע. הנה שלושה דברים שהאנליסטית עושה בפועל, ושאתה יכול לדמיין על העבודה שלך.
המצגת לדירקטוריון, רבעוני. היא מעבירה את הקובץ ל-Cowork ומבקשת התאמה של כל מספר למקור אמת אחד, ובדיקת עקביות של הנרטיב לאורך כל השקפים. במקום קריאה רביעית של בן אדם עייף, יש שכבת בדיקה שרצה מחדש בכל עדכון.
הסקירה הכספית החודשית. זה מסמך Google Doc עם לשונית לכל חודש, בנוי כניתוח סטיות מול התחזית. כשהיא מוכנה לכתוב חודש, היא מכניסה את הטבלה הרלוונטית מהמודל, מקשרת את ההקשר התומך, ומבקשת מ-Cowork לכתוב טיוטה ראשונה בקול שהצוות כבר משתמש בו. הניסוח קבוע ומקצועי: ההכנסה הייתה A מול B, סטייה של C אחוז, מונעת על ידי D. משם היא עורכת. ופה יש נקודה שאני אוהב במיוחד: היא מפנה את המערכת למסמך של החודש הקודם, וכך הקול נשאר עקבי מחודש לחודש. עקביות הקול חשובה לא פחות מהמספרים, וזה בדיוק מה שקשה לשמר ידנית.
עבודה על המודל הכספי. כאן היא משתמשת ב-Claude for Excel, לא ב-Cowork. ההבדל פשוט: Cowork עוזר בכתיבה ובסינתזה במסמך או במצגת, ו-Claude for Excel עורך איתה ישירות בתוך המודל. היא תיארה שיפור שכל בקר ייאנח כשיקרא אותו: בעבר הכלי לא ידע לעקוב אחרי הפניות בין לשוניות, והיום הוא יודע לעקוב אחרי מאזן שלא מתאזן דרך כמה לשוניות עד שהוא מוצא את שורש הבעיה. כשהיא פותחת מודל שלא ראתה קודם, היא מבקשת סיכום של המנועים המרכזיים וסימון של בעיות מבניות לפני שהיא משקיעה בו זמן.
שלושת אלה ביחד, פלוס עוד כמה תהליכים, הם מה שמחזיר לה בין 10 ל-20 שעות בשבוע. שעות שהולכות עכשיו לשאלות תרחיש, למסגור, ולניתוח צופה פני עתיד. כלומר לדברים שבאמת דורשים בן אדם.
מהמודל לשקף, בלי העתק-הדבק
יש פה דבר אחד שאני חייב להדגיש לקהל של אנשי אקסל, כי זה בדיוק הכאב שכולנו מכירים. כמה זמן בזבזת בחיים על העתקת מספר ממודל לאקסל, הדבקה אותו במצגת, וגילוי שבוע אחר כך שהמספר השתנה במקור ושכחת לעדכן את השקף? זה הסיוט השקט של כל בקר.
מה שהשתנה הוא שהמערכת מעבירה הקשר בין אקסל לבין PowerPoint. שינוי במודל זורם פנימה לניתוח הכתוב, ומשם לשקפים, בלי שתעשה את ההעתקה ידנית. אתה מפנה את המערכת לגיליון, נותן הוראה, והיא יוצרת או מרעננת את השקפים על בסיס המספרים המעודכנים. זה מה שקוראים לו זרימת data-to-deck, מהנתון ועד למצגת המוכנה.
ופה נכנסות הבקרות שדיברנו עליהן, רק בלבוש אחר. אפשר לנעול טווחים בגיליון כדי שלא ישתנו, אפשר לדרוש אישור לפני כל פעולה, ואפשר לבקש הסבר לכל צעד שהמערכת עשתה. כך נשמר נתיב ביקורת. וזאת בדיוק התשובה לשאלה הראשונה שכל מבקר ישאל אותך: איך אני יודע מאיפה הגיע המספר הזה.
תחשוב מה זה אומר על סבב סגירה. הצוות שלי בעבר היה מבלה ימים שלמים בהרכבה של חבילה לדירקטוריון מתוך עשרה קבצים שונים, ובכל שינוי של מספר אחד הכל היה צריך לעבור התאמה מחדש. כאן השכבה הטכנית של ההרכבה והעדכון עוברת למערכת, והזמן שלך מתפנה להחלטה מה בכלל להציג ואיך למסגר אותו. זה לא חיסכון של דקות. בסבב סגירה זה חיסכון של ימים.
זה לא אדם אחד. זה כל הארגון הכספי
קל לחשוב שזה סיפור של אנליסטית מוכשרת אחת. אבל מה שמעניין הוא שכל הארגון הכספי ב-Anthropic עובד ככה, וכל תת-צוות מצא את השימוש שלו.
בצוות הכספים והאסטרטגיה האנליסטים בונים בעצמם דשבורדים אינטראקטיביים לתחזיות ולניתוח קבוצות, מתוך פרומפט, בלי SQL ובלי מעורבות של מהנדסים. דייג'סט יומי של הכנסות ומדדים נוחת ב-Slack של ההנהלה בשבע בבוקר.
בהנהלת החשבונות מריצים התאמות בין ספר ראשי לספר עזר והתאמות בנק, כשהפערים מסווגים והערות הבודק מנוסחות כטיוטה ראשונה. ניתוח תנודות רץ על שלושת הדוחות הכספיים. וכל אחד בצוות יכול לשאול את Claude שאלה ב-Slack ולקבל תשובה עם מקור.
בפיתוח עסקי ויחסי משקיעים מפיקים דוחות סינון על שלושה עד ארבעה יעדי רכישה ביום, בנויים מתוך הערות ונתונים ציבוריים, ומגלגלים אותם לתזכירים תוך דקות. הצוות מבלה את הזמן שלו על שיפוט ועל ההחלטה עצמה, לא על הטיוטה הראשונה.
במס וגזברות עונים על שאלות תמחור פנים-קבוצתי, זיכוי מחקר ופיתוח, וחבות מס, עם ציטוטים ממקור ראשוני. וההתאמות שם רצות על אותה תבנית כמו בהנהלת החשבונות.
שים לב למה שחוזר בכל הדוגמאות האלה. בכל מקום המערכת עושה את הטיוטה הראשונה, את העבודה החוזרת, את הבדיקה הראשונית. ובכל מקום בן אדם עושה את ההחלטה. זה הקו המנחה, וכדאי לאמץ אותו גם אם אתה מתחיל לבד עם אקסל אחד.
התוסף לכספים: שש מיומנויות שמחכות לך בחינם
עכשיו לחלק הטכני, כי אני יודע שזה מה שמעניין בקרים. Anthropic פרסמה תוסף כספים והנהלת חשבונות בקוד פתוח, חינם להתקנה, שעובד ב-Cowork וגם ב-Claude Code. הוא נמצא במאגר knowledge-work-plugins ב-GitHub.
התוסף נותן שש מיומנויות, כל אחת עם פקודה ייעודית. הכנת פקודות יומן, התאמות, ניהול סגירה, הפקת דוחות כספיים, ניתוח סטיות, ותמיכה בביקורת. בפועל זה אומר שאתה יכול להפעיל פקודה כמו variance-analysis ולפרק סטייה לגורמים בניתוח מפל, או income-statement כדי להפיק דוח רווח והפסד עם השוואה תקופתית, או reconciliation כדי להשוות יתרות ספר ראשי לספר עזר ולזהות פריטים מתאמים.
איך הנתונים מגיעים פנימה? אפשר לחבר ERP, מחסן נתונים וכלי גיליונות דרך פרוטוקול MCP לגישה ישירה, או פשוט להעלות קבצים. בארגונים גדולים מחברים מקורות כמו Snowflake, Databricks, BigQuery, Slack ו-Microsoft 365.
ויש פה נקודה חשובה שכתובה במפורש בתוך התוסף, ואני מצטט את הרוח שלה: התוסף מסייע בתהליכי כספים והנהלת חשבונות אבל אינו מספק ייעוץ כספי, מס או ביקורת, וכל פלט צריך לעבור בדיקה של איש מקצוע מוסמך לפני שימוש בדיווח כספי, בהגשות רגולטוריות או בתיעוד ביקורת. תזכור את המשפט הזה. הוא ההבדל בין שימוש אחראי לבין צרה.
ספריית מיומנויות שלמה, ולמה שתי הבקרות האלה קריטיות
מעבר לתוסף הבודד, צוות הכספים של Anthropic בנה לעצמו ספרייה של עשרות מיומנויות. הן מתחלקות לשני סוגים, וההבחנה הזאת חכמה.
הסוג הראשון הוא מיומנויות תשתית: איך מתשאלים טבלה מסוימת במחסן הנתונים, מה המשמעות של שמות העמודות, איך בנוי הספר הראשי. אלה קיימות כדי שאיש כספים שלא יודע SQL יוכל להריץ שאילתה מורכבת פשוט על ידי תיאור במילים. הסוג השני הוא מיומנויות תהליך: הצעדים המדויקים של משימה חוזרת. למשל התאמת חייבים, שבה המיומנות מקודדת בדיוק את מה שרואה חשבון היה עושה ידנית: טעינת שני הקבצים, התאמה לפי מספר חשבונית, סיווג הפערים, בניית גשר סטיות, וכתיבת סיכום חריגים.
ועכשיו לשתי הבקרות שאני מבקש ממך לזכור, כי בלעדיהן הכל מתפרק.
הבקרה הראשונה: דרישת סימון חריגים. כל מיומנות שמפיקה פלט כספי צריכה לזהות במפורש שורות שבהן המקור לא ניתן למעקב, שבהן הסכומים לא תואמים, או שבהן חסרים נתונים. אל תשאיר את זיהוי החריגים לבודק. תכריח את המערכת לסמן אותם בעצמה.
הבקרה השנייה: דרישת שכבת התאמה. לכל מיומנות שמפיקה פקודות יומן או גשר סטיות, תכניס לשונית בדיקה שמוודאת שהחובה שווה לזכות, ומסמנת כל שורה ששוברת את האיזון.
אם יש משהו אחד שאני רוצה שתיקח מהמאמר הזה ברמה הטכנית, אלה שתי הבקרות. הן בדיוק מה שמפריד בין כלי שמייצר עבודה יפה לכלי שאתה מוכן להגיש על בסיסו לדירקטוריון.
ואם אין מיומנות מוכנה? תבנה אחת בעצמך
עכשיו לחלק שאני הכי מתלהב ממנו, כי הוא מחבר בדיוק לעבודה שאני עושה עם הלקוחות שלי. נניח שיש לך תהליך ייחודי לחברה שלך, משהו שאף תוסף מוכן לא מכסה. למשל התאמה ספציפית מול ספק מסוים, או דוח מרכזי עלות שבנוי בדיוק לפי מבנה הארגון שלך. אתה לא צריך מתכנת בשביל זה.
צוות הכספים של Anthropic משתמש במה שנקרא מיומנות בונה מיומנויות. במקום לכתוב קוד, אתה הולך לצ'אט הרגיל ומתאר במילים פשוטות מה התהליך עושה: טען את שני הקבצים האלה, התאם לפי מספר חשבונית, סווג את הפערים, ובנה גשר סטיות. המערכת לוקחת את התיאור שלך ומפיקה מיומנות מובנית כהלכה, מוכנה לשימוש חוזר.
החשיבות של זה עצומה ברגע שמבינים אותה. מיומנות היא לא פרומפט חד-פעמי. היא קידוד של הידע המקצועי שלך, של הדרך שבה אתה דורש שדברים ייעשו. ברגע שבנית מיומנות להתאמת חייבים, היא נשארת זמינה לכל הצוות. כשעובד חדש מצטרף, הספרייה כולה זמינה לו מהיום הראשון, והמיומנויות מופיעות אוטומטית גם ב-Cowork וגם ב-Claude.ai, בלי התקנה ידנית לכל משתמש.
תחשוב על זה כמו על ההבדל בין לפתור תרגיל לבין ללמד מישהו את השיטה. כשאתה בונה מיומנות, אתה לא פותר את הסגירה של החודש הזה. אתה מלמד את המערכת איך אתה סוגר חודש, פעם אחת, וזה עובד בכל חודש מכאן והלאה. וזאת בדיוק הסיבה שאני מאמין שתפקיד הבקר לא נעלם אלא משתנה. הערך שלך עובר מהביצוע החוזר אל הגדרת השיטה והבקרה עליה.
יש פה גם נקודה ארגונית שכדאי להפנים. ספריית מיומנויות משותפת היא נכס. היא הופכת את הידע השבטי, זה שנמצא בראש של הבקר הוותיק ביותר, לנכס ארגוני שאפשר להעביר, לבדוק ולשפר. בארגון ישראלי טיפוסי, שבו ידע קריטי תלוי לעיתים באדם אחד, זאת אולי התובנה החשובה ביותר מכל המאמר.
החלק הישר: איפה זה לא מתאים, ומה IT והבקר שלך ישאלו
אני מסרב לכתוב מאמר שמוכר לך חלום. אז בוא נדבר על המגבלות, כי הן אמיתיות ובוובינר עצמו הקדישו לזה זמן.
קודם כל, Cowork רץ רק כל עוד אפליקציית Claude Desktop פתוחה על המחשב שלך. זה אומר שהוא לא מתאים למשימות שצריכות לרוץ בלילה על שרת, כמו התאמות אצווה כבדות או סגירה אוטומטית לחלוטין בלי בן אדם. אוטומציה כספית בייצור רצה בענן או בצד שרת, לא על מחשב נייד של מישהו. זאת הבחנה שחשוב לעשות לפני שמבטיחים להנהלה דברים.
שנית, המערכת היא כללית. היא לא מבינה לעומק את מבנה חשבונות הספר הראשי שלך, לוגיקת התאמה תלת-כיוונית, או כללי הכרה בהכנסה, אלא אם בנית לתוך המיומנות את הידע הזה. כשאתה מבקש ממנה התאמת בנק, היא מיישמת התאמת תבניות כללית, לא לוגיקה חשבונאית מובנית. וזאת בדיוק הסיבה שספריית המיומנויות שדיברנו עליה כל כך חשובה. הידע המקצועי הוא מה שאתה מזין פנימה.
שלישית, בכל תהליך רב-שלבי המערכת דורשת אישור אנושי של התכנית לפני הביצוע. זה לא באג, זאת תכונה. אתה רואה מה היא מתכוונת לעשות, ואתה מאשר.
ולסיום, נקודת הבקרה הכי חשובה: חתימה אנושית לפני שכל פלט נוגע בספר. בנה פונקציות בדיקה, לשוניות התאמה וציטוט מקורות לתוך כל פרומפט. דרוש סימון חריגים כחלק ממבנה הפלט. ואל תיתן לשום פלט להגיע לספר בלי שאדם חתם עליו. לגבי נתונים רגישים, מנוי Enterprise אינו מתאמן על הנתונים שלך, אבל עדיין כדאי לערב את הצוות המשפטי לפני שיתוף מידע חסוי, ולהשתמש בנתונים אנונימיים בשלב הבדיקה.
המגבלות האלה הן לא סיבה לא להתחיל. הן בדיוק הרשימה שתצטרך כדי לענות לבקר ולמנהל ה-IT שלך כשהם ישאלו. ואני מבטיח לך שהם ישאלו.
קנה מידה וביקורת: השאלות שעלו ב-Q&A
בחלק השאלות והתשובות של הוובינר עלו בדיוק הנושאים שמדאיגים ארגון רציני: מה קורה כשהנתונים גדולים, ואיך שומרים על נתיב ביקורת. אני אתן לך את הקו המנחה כמו שאני מבין אותו, כי זה מה שיקבע אם הפיילוט שלך מצליח או נתקע.
לגבי קנה מידה, ברגע שאתה עובר מקובץ בודד לכמויות נתונים אמיתיות, החיבור הנכון הוא דרך מקורות מסודרים. מחברים מחסן נתונים או מסד נתונים כמו Snowflake, Databricks או BigQuery, או מערכת ה-ERP, דרך פרוטוקול MCP. כך המערכת ניגשת לנתון במקור ולא מסתמכת על קובץ שמישהו ייצא ידנית לפני שבועיים. זה גם מה שהופך את הדייג'סט היומי האוטומטי לאפשרי, כי הנתונים זורמים מהמקור בכל בוקר מחדש.
לגבי ביקורת, הכלל פשוט וברזל. כל פלט שנוגע בכספים צריך מקור שאפשר להתחקות אחריו, סימון חריגים מובנה, וחתימה אנושית לפני שהוא מגיע לדיווח. אל תתפתה לדלג על זה כי המערכת נראית בטוחה בעצמה. דווקא כשהפלט נראה מושלם, החובה שלך לבדוק גוברת. תבנה את הבקרה לתוך התהליך מההתחלה, לא כתוספת בסוף. ככה תוכל להגיש את התהליך הזה למבקר הפנימי בלי להסמיק.
ועוד נקודה לישראלים. כשאתה עובד עם נתונים רגישים של לקוחות או ספקים, ברירת המחדל צריכה להיות נתונים אנונימיים בשלב הניסוי, וערוב של הצוות המשפטי לפני שיתוף מידע חסוי. מנוי הארגון לא מתאמן על הנתונים שלך, אבל אחריות הנתונים נשארת אצלך, וכדאי לסגור את זה מראש.
איך מתחילים, בלי לבנות מגדל
אם הגעת עד לפה, כנראה אתה כבר חושב איפה זה נכנס אצלך. אז הנה העצה הכי טובה שיצאה מהוובינר, והיא פשוטה עד כדי הקלה: תתחיל קטן.
תבקש מהמערכת לקרוא מסמך אחד ולסכם אותו. זהו. משם תרחיב את הגבולות לאט. הערך הכי גדול הוא דווקא בתהליכים שחוזרים על עצמם, כמו סבב הדירקטוריון או הסקירה החודשית, כי שם העקביות מצטברת וזיכרון הפרויקט מתעשר בכל מחזור.
עוד נקודה מעשית: השתמש בזיכרון פרויקט, ותפריד פרויקטים לפי קהל. פרויקט אחד לסקירה החודשית, פרויקט אחר למצגת הדירקטוריון. הטון והמוסכמות שונים, ולכן גם הזיכרון צריך להיות שונה. וכשמסמך חשוב מגיע, שמור אותו בזיכרון הפרויקט כדי שהמערכת תראה את אותו ההקשר שאתה רואה.
ואם אתה לא בטוח באיזה כלי להשתמש, Cowork או Claude for Excel, פשוט תשאל את Claude. זה אולי נשמע מצחיק, אבל זאת באמת הדרך המהירה ביותר להבין מה מתאים למשימה שלפניך.
אני אוסיף משהו מהשטח שלי. במשך 35 שנה אני מלמד אקסל ו-Power BI, וב-21 השנים שעבדתי בכספים ראיתי כל גל טכנולוגי מבטיח לחסל את עבודת הבקר. אף אחד מהם לא חיסל אותה. מה שהם עשו זה להזיז את קו הגבול בין מה שמכונה עושה למה שבן אדם עושה. הגל הזה לא שונה, רק שהפעם הקו זז הרבה יותר. החלק המייגע עובר למערכת. השיפוט נשאר אצלך. וזה דווקא חדשות טובות, כי השיפוט הוא מה שהופך אותך ליקר ערך מלכתחילה.
אם אתה CFO, בקר או אנליסט FP&A, אני ממליץ לך לבחור תהליך אחד שחוזר אצלך כל חודש, ולנסות עליו את הגישה הזאת שבוע אחד. לא יותר. תבדוק כמה זמן זה החזיר לך, ותחשוב מה היית עושה עם השעות האלה. אני די בטוח שהמספר יפתיע אותך, בדיוק כמו שהוא הפתיע אותי כשראיתי את הוובינר.
מקורות
- How finance teams use Claude Cowork, וובינר של Anthropic: https://www.anthropic.com/webinars/how-finance-teams-use-claude-cowork
- How Anthropic's finance team uses Claude to shape the narrative behind the numbers, בלוג Claude: https://claude.com/blog/how-anthropics-finance-team-uses-claude-to-shape-the-narrative-behind-the-numbers
- Claude Cowork, עמוד המוצר: https://claude.com/product/cowork
- Finance plugin, knowledge-work-plugins ב-GitHub: https://github.com/anthropics/knowledge-work-plugins
- How Anthropic's Finance Team Uses Claude Skills to Scale AI Workflows, CFO Connect: https://www.cfoconnect.eu/resources/finance-insights/anthropic-finance-team-claude-skills/
אם אתם רוצים לקחת את זה לארגון שלכם בצורה מסודרת, לא רק “לשחק עם AI”, אלא להבין איך משלבים אותו באמת בעבודה עם אקסל, Power BI, דוחות, נתונים ותהליכים עסקיים, זה בדיוק הזמן להתחיל.
בהדרכות פנים ארגוניות אפשר ללמוד איך לעבוד נכון עם כלי AI, איך לכתוב בקשות מדויקות, איך לבדוק תשובות, איך לשלב אותן עם אקסל ו-Power BI, ואיך להרוויח מהמהירות בלי לוותר על המקצועיות.
לפרטים על הדרכות פנים ארגוניות באקסל, Power BI וכלי AI לארגונים:
א
ני שלומי פוסטלניק, Microsoft MVP, מומחה Excel ו-Power BI, עם יותר מ-35 שנות ניסיון בעבודה עם אקסל ובהדרכות לארגונים.
להדרכות פנים ארגוניות, פתרונות אקסל, Power BI או מידע נוסף על ערכת UNIQUE:
