הורדתם את הדוח השנתי של חברה אמריקאית ופתחתם אותו. מולכם מאה וארבעים עמודים של טקסט משפטי, והדוחות הכספיים עצמם תופסים אולי עשרים מהם. כל השאר הוא גורמי סיכון, דיון ההנהלה וביאורים. אחרי שעה אתם בעמוד שלושים, והחברה השנייה ברשימה עוד לא נפתחה. כאן נכנס ניתוח דוחות עם AI, ולא בתור קיצור דרך אלא בתור חלוקת עבודה אחרת.
רוב האנשים עושים את זה הפוך. הם מעלים קובץ, מבקשים סיכום, ומקבלים פסקה חלקה שנשמעת נכונה. אי אפשר לבדוק אותה מול שום דבר, וזה המקום שבו מספר שגוי נכנס לתיק בלי שאף אחד שם לב.
כאן אנחנו בונים ניתוח דוחות עם AI כתהליך אחד עמוק בארבעה שלבים, במקום רשימת פרומפטים. מביאים את הדוח מהמקור הראשוני, מחלצים נתונים מובנים, סורקים דגלים אדומים, ואז מבקשים מהמודל לתקוף את המסקנה שהוא עצמו ניסח. כל מה שכתוב כאן הוא מידע כללי ואינו ייעוץ השקעות.
ניתוח דוחות עם AI במספרים
לפני ההסברים, הנתונים היבשים. את שתי שורות ה-EDGAR הרצנו בעצמנו במנוע החיפוש של הרשות האמריקאית לניירות ערך ב-20 בספטמבר 2026.
| הנתון | הערך | המקור |
|---|---|---|
| כמה אחורה מגיע החיפוש בטקסט המלא של EDGAR | כל ההגשות האלקטרוניות מאז 2001 | sec.gov, עמוד השאלות הנפוצות של החיפוש, 20/09/2026 |
| חיפוש בשפה חופשית באותו מנוע | אינו נתמך. רק מילים, ציטוט מדויק ואופרטורים | אותו עמוד, 20/09/2026 |
| דוחות 10-K שהכילו “material weakness”, מ-01/01/2026 עד 19/09/2026 | 3,833 הגשות | שאילתה שהרצנו ב-EDGAR ב-20/09/2026 |
| דוחות 10-K שהכילו את המשפט על ספק ביכולת להמשיך לפעול, באותה תקופה | 594 הגשות | שאילתה שהרצנו ב-EDGAR ב-20/09/2026 |
| במה מודלי שפה מתקשים לפי המחקר | הסקה מספרית מטקסט רגיל, ונטייה להתאמת יתר לערכים אחרונים | arXiv 2502.17967, 20/09/2026 |
| מה שיפר את הביצועים באותו מחקר | הגשה מבוססת תרשימים, ובנוסף מודול רפלקציה | arXiv 2502.17967, 20/09/2026 |
| מה נשאר ביד שלכם בכל מקרה | כל חישוב של יחס פיננסי | הכלל המרכזי של המאמר |
שימו לב לשורה על 3,833 ההגשות. המספר לא מעיד על משבר אלא על היקף. אדם אחד לא יעבור על אלפי דוחות, ובזה ניתוח דוחות עם AI חזק: המכונה מחזירה רשימה שאפשר לקרוא.
המאמר הזה מניח שאתם כבר יודעים לקרוא דוח
כדי שלא יישאר ספק: ניתוח דוחות עם AI כאן מתאים למי שכבר פתח דוח בעצמו, יודע איפה יושבת שורת ההכנסות ומבין למה תזרים ורווח אינם אותו דבר. מי שלא שם עדיין, יתחיל מאיך קוראים דוח שנתי ומהמדריך המעשי לניתוח דוח כספי, ורק אחר כך יחזור לכאן.
הסיבה פשוטה. מודל שפה מייצר טקסט משכנע גם כשהוא טועה, ולכן הבודק חייב לדעת איך נראית תשובה נכונה. בלעדי זה התהליך הופך לאמון עיוור.
שלושת המסמכים שצריך להכיר מראש הם דוח רווח והפסד, המאזן ודוח תזרים המזומנים. כל מספר בהמשך מגיע מהם.
ניתוח דוחות עם AI מתחיל בכלל אחד: המודל לא מחשב
זה הכלל שקובע אם התהליך שווה משהו. אל תיתנו למודל לחשב. תנו לו לחלץ מספר ולצטט מאיפה לקח אותו, ואת החישוב עשו אתם.
הכלל אינו טעם אישי. מחקר בשם Agent Trading Arena, שבדק סוכני מודלי שפה בשוק מניות וירטואלי, מצא שמודלי שפה מתקשים בהסקה מספרית כשהנתונים מגיעים אליהם כטקסט רגיל, ושהם נוטים להתאמת יתר לדפוסים מקומיים ולערכים האחרונים שראו. משכנו ואימתנו את התקציר ב-20 בספטמבר 2026.
תרגמו את הממצא לדוח כספי. דוח כספי הוא בדיוק טקסט רגיל עם מספרים בתוכו. מי שמבקש מהמודל לחשב שיעור צמיחה מפעיל אותו בנקודה החלשה שלו, ומקבל מספר שנראה סביר ואינו נכון.
החלופה זולה. בקשו את ההכנסות של השנה, של השנה שעברה, ואת שם הסעיף שממנו שתיהן מגיעות, וחלקו במחשבון. התוצאה נכונה, ואפשר להצביע על המקור חודש אחרי כן.
שלב ראשון בניתוח דוחות עם AI: להביא את הדוח מהמקור
השלב נשמע טכני, והוא שקובע הכול. אם הקלט אינו הדוח המקורי, כל השאר חסר ערך.
מה זה EDGAR ומה זה דוח 10-K
EDGAR הוא מאגר ההגשות הציבורי של רשות ניירות ערך האמריקאית, שאליו כל חברה ציבורית בארה”ב מגישה את מסמכיה, והוא פתוח לכל אדם בחינם. דוח 10-K הוא הדוח השנתי המלא שם, והגרסה המחייבת והמפורטת ביותר של המספרים.
שתי כתובות מספיקות. מנוע החיפוש בטקסט המלא של EDGAR מחפש בתוך הגוף של כל ההגשות, ועמוד החברה ב-EDGAR מציג את ההגשות של מנפיק אחד לפי סוג טופס. הקישור השני מסונן לדוחות 10-K של אפל, ומי שמחליף את מספר הזיהוי בכתובת מקבל את אותו מסך לכל חברה. שתיהן החזירו תשובה תקינה בבדיקה חיה שלנו ב-20 בספטמבר 2026.
לפי עמוד השאלות הנפוצות של המנוע, שקראנו באותו יום, החיפוש מכסה את כל ההגשות האלקטרוניות מאז 2001, כולל נספחים. המנוע אינו מקבל שפה חופשית. לכן כותבים ביטוי מדויק במירכאות, מסננים לפי סוג טופס וטווח תאריכים, ומוסיפים מינוס לפני מילה שמוציאים.
כך הגענו לשני המספרים בטבלה. הקלדנו את הצירוף “material weakness”, סיננו לטופס 10-K ולטווח מתחילת 2026 ועד 19 בספטמבר, וקיבלנו 3,833 הגשות. אותה שאילתה עם המשפט על ספק ממשי בהמשך הפעילות החזירה 594.
למה כלי AI שמושך את הדוח לבד נכשל בשקט
הרשות האמריקאית דורשת שכל פנייה אוטומטית לאתר שלה תזהה את עצמה בפרטי קשר. בדקנו ב-20 בספטמבר 2026: אותה כתובת החזירה 200 כשהצהרנו על עצמנו, ו-403, כלומר סירוב, כשהתחזינו לדפדפן.
זו מלכודת אמיתית בכל ניתוח דוחות עם AI. כלי שמושך את הדוח בשבילכם עלול לקבל סירוב ולא לומר זאת. במקרה הטוב יכתוב שלא מצא, ובמקרה הגרוע ימלא את החסר מהזיכרון ויחזיר מספרים של שנה אחרת בביטחון מלא.
לכן הורידו את הקובץ בעצמכם מהדפדפן והדביקו אותו. ואם כבר נתתם לכלי לצאת לאינטרנט, בקשו ממנו לצטט משפט מהמסמך. כשאין לו את המסמך, הוא לא יצליח לצטט.
למה ניתוח דוחות עם AI נשבר כשהמקור אינו הדוח עצמו
להדביק קישור לכתבה ולהדביק את הדוח הם שני דברים שונים. הכתבה כבר בחרה מה חשוב, השמיטה סעיפים ולעיתים עיגלה מספרים. המודל יעבוד בנאמנות על מה שנתתם לו, ויחזיר ניתוח מדויק של מקור לא מדויק.
זה נכון סביב יום הפרסום. מניות מתרסקות בוול סטריט לא בגלל השורה הראשונה בכותרת אלא בגלל פרטים שיושבים עמוק בדוח ובשיחת המשקיעים, ואותם פרטים כמעט אף פעם לא נכנסים לכתבה קצרה.
הכלל המעשי: הקלט הוא המסמך שהחברה הגישה, בלי מתווכים. אם הקובץ גדול מדי, חתכו לפי פרקים והזינו פרק אחר פרק. חובת ההוכחה בדוחות יושבת על ההנהלה, שבוחרת את הניסוח בקפידה. מי שקורא פרפרזה מפספס בדיוק את מה שהוא בא לחפש.
שלב שני בניתוח דוחות עם AI: חילוץ מובנה
הדוח נמצא אצל המודל. הטעות הנפוצה היא לבקש סיכום. במקום זה בקשו טבלה עם שדות קבועים, שבה כל שורה מחזירה ערך אחד, יחידת מידה ומיקום בדוח. המבנה זהה לכל חברה, וזה הערך שלו.
| השדה | מה המודל מחזיר | מה אתם עושים עם זה |
|---|---|---|
| הכנסות, השנה והשנה הקודמת | שני ערכים במטבע הדוח, עם שם הסעיף | מחשבים שיעור צמיחה בעצמכם |
| רווח תפעולי, השנה והשנה הקודמת | שני ערכים, עם שם הסעיף | מחשבים רווחיות תפעולית |
| רווח נקי ורווח למניה מדולל | שני ערכים, עם שם הסעיף | בודקים אם הפער ביניהם גדל |
| תזרים מפעילות והשקעות ברכוש קבוע | שני ערכים נפרדים | מחשבים תזרים חופשי בעצמכם |
| מזומן, חוב לזמן קצר וחוב לזמן ארוך | שלושה ערכים מהמאזן | מחשבים חוב נטו |
| מספר המניות המדולל הממוצע | ערך אחד | משווים לשנה שעברה ובודקים דילול |
| מלאי ויתרת לקוחות | שני ערכים מהמאזן | משווים לקצב שינוי ההכנסות |
| שם הסעיף והעמוד לכל שורה | ציטוט קצר ומספר עמוד | מאמתים מדגמית בדוח המקורי |
למה ניתוח דוחות עם AI דורש ציטוט לכל מספר
עמודת הציטוט אינה קישוט. היא הופכת את הפלט לבר בדיקה תוך דקה. אתם לא מאמתים שמונה שורות, אתם דוגמים שתיים ופותחים את הדוח באותו מקום.
יש לזה תופעת לוואי. כשהמודל יודע שהוא חייב להצביע על מקור, הוא מדווח בתדירות גבוהה יותר שהנתון אינו מופיע. שורה ריקה עדיפה על שורה יפה שאינה נכונה.
הוסיפו הוראה אחת: סמנו “לא נמצא” בכל שדה שאינו מופיע בטקסט שהדבקתם, ואסור להשלים אותו ממידע חיצוני. ההוראה קצרה, ואת רוב הנזק היא מונעת מראש.
החישוב נשאר אצלכם: מה לחשב ביד אחרי ניתוח דוחות עם AI
קיבלתם שמונה שורות של מספרים גולמיים עם מקורות. עכשיו אתם מחשבים. חמישה חישובים, וכולם נכנסים לגיליון אלקטרוני פשוט.
| מה מחשבים | מתוך אילו שדות | למה זה מעניין |
|---|---|---|
| שיעור צמיחה בהכנסות | הכנסות השנה מול השנה הקודמת | הקצב חשוב יותר מהרמה |
| רווחיות תפעולית | רווח תפעולי חלקי הכנסות | מראה אם הצמיחה נקנתה בהנחות |
| תזרים חופשי | תזרים מפעילות פחות השקעות ברכוש קבוע | זה המזומן שנשאר בסוף |
| חוב נטו | חוב קצר ועוד חוב ארוך פחות מזומן | שקוף יותר מהחוב הברוטו |
| פער בין רווח לתזרים | רווח נקי מול תזרים מפעילות | פער שמתרחב שנתיים ברצף מחייב בדיקה |
משם ליחסים המוכרים. מכפיל רווח דורש את הרווח למניה, התשואה על ההון דורשת את ההון העצמי, וכל הנוסחאות מרוכזות בדף היחסים הפיננסיים.
אף אחד מהיחסים לא יצא מהמודל. הוא הביא חומרי גלם ואמר מאיפה, ואת המשמעות אתם מייצרים. זה ההבדל בין כלי לאורקל.
שלב שלישי: סריקת דגלים אדומים על הדוח כולו
כאן ניתוח דוחות עם AI עושה משהו שאדם עושה גרוע. המכונה קוראת את מאה וארבעים העמודים ברצף, בלי להתעייף בעמוד ארבעים, ומחזירה רשימת מקומות שדורשים מבט שני. דגל אדום אינו ממצא, הוא כתובת.
שמונה דגלים אדומים שמבקשים במפורש
- שינוי במדיניות הכרה בהכנסה, או בהגדרת מדד שאינו לפי כללי חשבונאות מקובלים.
- מלאי או יתרת לקוחות שגדלים מהר יותר מההכנסות.
- תזרים מפעילות שוטפת שנחלש בזמן שהרווח הנקי עולה.
- ריכוזיות לקוחות, כלומר לקוח בודד שהוא נתח גדול מההכנסות.
- חוב עם מועד פירעון קרוב, וסעיפי התניה פיננסית צמודים.
- גידול במספר המניות המדולל, כלומר דילול הבעלים הקיימים.
- ניסוח חדש בפרק גורמי הסיכון שלא הופיע בדוח הקודם.
- אזכור של ליקוי מהותי בבקרה הפנימית, או של ספק ביכולת להמשיך לפעול.
שני הפריטים האחרונים הם מה שחיפשנו ב-EDGAR. הצירוף “material weakness” הופיע ב-3,833 דוחות 10-K מתחילת 2026 ועד 19 בספטמבר, והמשפט על ספק בהמשך הפעילות ב-594. הם נפוצים, ולכן הם נקודת פתיחה ולא גזר דין.
הדגל השלישי הוא הקלאסי. חברה יכולה להיראות רווחית ולהתרסק מבפנים בדיוק כשהרווח עולה והמזומן נעלם, וזה נראה בדוח הרבה לפני שזה נראה במחיר.
שלב רביעי: המודל תוקף את המסקנה של עצמו
זה השלב שרוב האנשים מדלגים עליו, והוא הזול מבין הארבעה. אחרי שהמודל ניסח מסקנה, בקשו ממנו להפיל אותה. גם לזה יש בסיס באותו מחקר, שמדווח כי הוספת מודול רפלקציה, שלב שבו המערכת בוחנת את עצמה, שיפרה את הביצועים.
איך מבקשים מהמודל להפריך את עצמו
הניסוח קובע. אל תשאלו “האם אתה בטוח”, כי זו שאלה שמזמינה הסכמה. בקשו משימה הפוכה: לבנות את הטענה הנגדית החזקה ביותר מאותו מסמך בלבד. קח את המסקנה שכתבת, מצא בדוח שלוש עובדות שסותרות אותה, צטט כל אחת, וכתוב מה היה משנה אותה.
התשובה שחוזרת בדרך כלל אינה הפוכה למסקנה, היא ממתנת אותה, וזה הערך. כשאין עובדות נגדיות בכלל, גם זה סימן: או שהמסקנה חזקה, או שהיא כוללנית מדי.
השלב עונה גם על הנטייה לערכים אחרונים שהמחקר תיאר. כששואלים על הרבעון האחרון המודל נצמד אליו, וכשמבקשים סתירה מהמסמך כולו הוא חוזר אחורה.
מה ניתוח דוחות עם AI עושה טוב יותר מכם, ומה לא
כל התהליך בטבלה אחת.
| מה מוסרים למכונה | מה נשאר אצלכם |
|---|---|
| לקרוא מאה וארבעים עמודים ברצף | להחליט אילו ממצאים באמת משנים |
| לאתר ביטוי מדויק בכל ההגשות מאז 2001 | לנסח מה בכלל שווה לחפש |
| להשוות ניסוח בין שני דוחות עוקבים | לפרש מה השינוי מרמז |
| להחזיר שדות קבועים באותו פורמט לכל חברה | לחשב את היחסים מהשדות האלה |
| לבנות את הטענה הנגדית מתוך אותו מסמך | להכריע בין הטענה לנגדית |
| לתרגם ניסוח חשבונאי כבד לעברית פשוטה | לאמת את התרגום מול המקור |
העמודה השנייה אינה מתכווצת ככל שהמודלים משתפרים, כי היא שיפוט ולא עיבוד. לכן ניתוח דוחות עם AI מתחיל ביכולת שלכם לקרוא דוח לבד.
ארבע טעויות שהורסות ניתוח דוחות עם AI
הראשונה היא בקשת סיכום. סיכום אינו בר בדיקה, ולכן אי אפשר לדעת אם הוא נכון. בקשו שדות ולא פסקאות.
השנייה היא לתת למודל לחשב. כל חישוב שלו אתם בודקים בכל מקרה, אז מהר יותר לחשב מלכתחילה.
השלישית היא שאלה בלי הקשר. “האם המניה הזו טובה” היא שאלה בלי תשובה, כל עוד אין אופק זמן וקריטריונים. עשרת הפרומפטים לניתוח מניות מראה איך נראית שאלה ממוקדת, והמאמר הזה מוסיף מעליה את שכבת האימות.
הרביעית היא ערבוב מקורות בשיחה אחת. כשמדביקים גם דוח, גם כתבה וגם תחזית אנליסט, אי אפשר לדעת מאיפה הגיעה כל שורה. לכל שיחה מקור אחד בלבד. מי שמתלבט באיזה כלי לפתוח ימצא סדר במדריך בחירת כלי ה-AI.
כמה זמן לוקח ניתוח דוחות עם AI על דוח אחד
הערכות הזמן כאן הן שלנו, מהרצת התהליך, ולא נתון מדוד. איתור הדוח והורדתו מ-EDGAR לוקחים דקות ספורות, והחילוץ המובנה דקות ספורות נוספות. את תבנית החילוץ שומרים, וזה החלק שהכי משתלם בכל ניתוח דוחות עם AI.
סריקת הדגלים היא הארוכה, לא בגלל המודל אלא בגלל שאתם פותחים את הדוח בכל מקום שהוא סימן. ההפרכה העצמית קצרה ומחזירה את התשואה הגבוהה ביותר ביחס לזמן.
הסך הכול ארוך משעה. מי שחשב שקיצרנו ניתוח מניה לחמש דקות טעה, ומי שרוצה את התמונה המלאה של ניתוח עומק יראה שהדוח הוא רק חלק ממנה. כלים חינמיים שעוזרים בשלב הראשון מרוכזים במאמר הגיטהאב למשקיעים.
שאלות נפוצות
האם ניתוח דוחות עם AI מחליף קריאה של הדוח?
לא. הוא מקצר את הדרך לעמודים הנכונים ומייצר טבלה שאפשר לבדוק, ואת העמודים אתם פותחים בעצמכם. בלי היכולת לזהות תשובה שגויה, ניתוח דוחות עם AI מאבד את שכבת ההגנה היחידה שלו.
למה אסור לתת למודל לחשב יחסים פיננסיים?
כי זו נקודת החולשה המתועדת שלו. מחקר Agent Trading Arena מצא שמודלי שפה מתקשים בהסקה מספרית כשהנתונים מגיעים כטקסט רגיל, ונוטים להתאמת יתר לערכים אחרונים. דוח כספי הוא טקסט כזה, והחילוק במחשבון לוקח חמש שניות.
האם EDGAR בחינם, ומה אפשר למצוא שם?
כן, המאגר פתוח לכל אדם בלי תשלום ובלי הרשמה. החיפוש בטקסט המלא מכסה את ההגשות האלקטרוניות מאז 2001, כולל נספחים, לפי עמוד השאלות הנפוצות שקראנו ב-20 בספטמבר 2026. אפשר לסנן לפי סוג טופס, חברה וטווח תאריכים.
מה עושים כשהדוח ארוך מדי בשביל המודל?
מפצלים לפי פרקים ומזינים פרק אחר פרק, ומבקשים את אותם שדות בכל פעם. אל תחליפו את הדוח בסיכום של מישהו אחר: פיצול שומר על המקור, וסיכום חיצוני מאבד אותו.
האם ניתוח דוחות עם AI עובד גם על חברות ישראליות?
העיקרון זהה והמקור שונה, כי הבורסה בתל אביב מפרסמת את הדיווחים במערכת נפרדת ובעברית. שני הבדלים: המודלים חזקים יותר באנגלית, והעתקת טקסט עברי מקובץ PDF משתבשת לעיתים קרובות. בדקו את הטקסט שהדבקתם לפני שאתם מסתמכים עליו.
שורה תחתונה
ניתוח דוחות עם AI הוא ארבעה שלבים, לא רשימת פרומפטים. מביאים את הדוח מ-EDGAR ולא מכתבה, מחלצים שדות קבועים עם ציטוט ולא סיכום, סורקים דגלים אדומים על המסמך כולו, ומבקשים מהמודל להפיל את המסקנה של עצמו.
הכלל שמחזיק את הבניין הוא שהמודל מאתר ואתם מחשבים. הוא נשען על ממצא מחקרי ולא על העדפה, והוא מפריד בין תהליך שאפשר לסמוך עליו לפסקה חלקה שאי אפשר לבדוק.
והערה על ציפיות. התהליך לוקח יותר משעה לדוח אחד, והוא לא מנבא דבר על המחיר. הוא מביא אתכם למצב שבו אתם יודעים מה כתוב בדוח, ומאיפה אתם יודעים את זה.
הפרומפט המלא לניתוח דוחות עם AI
הנה התהליך כולו כפרומפט אחד, בארבעה חלקים. העתיקו, הדביקו מתחתיו את הפרק הרלוונטי מהדוח, והחליפו את שם החברה. אין כאן תשובה לדוגמה, כי הפלט משתנה בין מודל למודל.
חלק א, תפקיד. אתה עוזר חילוץ נתונים מדוחות כספיים. אתה מחלץ ומצטט בלבד. אינך מחשב יחסים, אינך מעריך שווי ואינך ממליץ. אם ערך אינו מופיע בטקסט שסופק לך, כתוב “לא נמצא” ואל תשלים אותו ממקור אחר.
חלק ב, מקור. המקור היחיד שלך הוא הטקסט שמופיע מתחת לפרומפט הזה, והוא לקוח מדוח שהחברה הגישה. אל תשתמש בידע כללי, בזיכרון או בנתוני שוק. לכל ערך שתחזיר, ציין את שם הסעיף ואת מספר העמוד שבו מצאת אותו.
חלק ג, משימה. ראשית, החזר את השדות הבאים לשנה הנוכחית ולשנה הקודמת: הכנסות, רווח תפעולי, רווח נקי, רווח למניה מדולל, תזרים מפעילות שוטפת, השקעות ברכוש קבוע, מזומן, חוב לזמן קצר, חוב לזמן ארוך, מספר מניות מדולל ממוצע, מלאי ויתרת לקוחות. שנית, סרוק את המסמך כולו והחזר רשימת מקומות החשודים כדגל אדום, כולל שינוי במדיניות הכרה בהכנסה, ריכוזיות לקוחות, חוב לפירעון קרוב, דילול, ניסוח חדש בגורמי הסיכון, ליקוי בבקרה הפנימית וספק בהמשך הפעילות. שלישית, נסח מסקנה אחת בשלושה משפטים. רביעית, תקוף את המסקנה שכתבת: מצא באותו מסמך עד שלוש עובדות שסותרות אותה, צטט כל אחת, וכתוב מה היה משנה אותה.
חלק ד, פורמט פלט. החזר טבלה אחת לשדות, עם ארבע עמודות: שם השדה, הערך, יחידת המידה ומיקום בדוח. אחריה רשימה ממוספרת לדגלים האדומים, שורה אחת לכל דגל עם ציטוט קצר. אחריה פסקת המסקנה, ואחריה רשימת הסתירות. בלי הקדמה, בלי סיכום ובלי המלצה.
החלק הקשה אינו ההעתקה אלא מה שבא אחריו: לקרוא את הטבלה, לפתוח את הדוח בשתיים מהשורות ולבדוק, ואז לחשב את היחסים ולהבין מה הם אומרים.
מה צריך לדעת לפני שמפעילים את הפרומפט הזה
מי שרוצה לעבור על ניתוח דוחות עם AI שלב אחר שלב עם מישהו שעושה את זה, יכול לקבוע שיעור פרטי בזום על קריאת דוח וחילוץ נתונים. השיעור מלמד את השיטה: איפה יושב כל שדה, איך בודקים ציטוט של המודל מול המקור, ומה מחשבים ביד. הוא אינו עובר על החזקות ואינו ייעוץ, וההחלטות נשארות אצלכם. מי שחסר לו הבסיס החשבונאי ימצא אותו לפי הסדר בקורס שוק ההון, ורק אחר כך יחזור לפרומפט.
גילוי נאות: המאמר הוא מידע כללי בלבד ואינו ייעוץ השקעות, שיווק השקעות או ייעוץ מס. כתובות EDGAR והנתונים שנמשכו מהן נבדקו בבדיקה חיה ב-20 בספטמבר 2026 והחזירו תשובה תקינה, והם עשויים להשתנות. הממצא המחקרי מגיע מתקציר arXiv 2502.17967 מאותו תאריך.
