שימוש ב-AI להגברת השקיפות והאבטחה בבנקאות פתוחה
אמ;לק
בנקאות פתוחה דורשת הסכמה מפורשת של לקוחות לשיתוף נתונים. סוכני AI יכולים להפוך את תהליך ניהול ההרשאות למאובטח ושקוף יותר, ובכך למנוע נטישת משתמשים.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: Powering Open Banking Consent with MongoDB and Agentic AI
>בנקאות פתוחה דורשת הסכמה מפורשת של לקוחות לשיתוף נתונים. סוכני AI יכולים להפוך את תהליך ניהול ההרשאות למאובטח ושקוף יותר, ובכך למנוע נטישת…
התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
Open Banking ו-Open Finance (OB&OF) יתרחבו רק אם לקוחות יוכלו להעניק ולחדש הסכמה בצורה שמרגישה בטוחה, שקופה וללא מאמץ. עם זאת, כיום חיכוך בתהליכי ההסכמה גורם ליותר ממחצית מהמשתמשים לנטוש חוויות דיגיטליות בעלות ערך גבוה. פוסט זה בבלוג מראה כיצד מוסדות פיננסיים יכולים להשתמש ב-MongoDB, ב-Agentic AI, ב-MongoDB Atlas Vector Search ובשרת MongoDB MCP כדי להפוך זרמי הסכמה מקוטעים למסע אחד וניתן לביקורת, המפחית נטישה ומאיץ צמיחה בתחום ה-Open Finance.
ככל שצרכנים מכירים בערך הנתונים שלהם, הם מוכנים יותר לשתף אותם כאשר החוויה ברורה ומהימנה. מחקר עדכני של Mastercard מראה ש-76% מהצרכנים יחליפו ספק כדי לקבל ניהול פיננסי דיגיטלי עדיף, ו-82% מוכנים לשתף נתונים כדי לפשט בקשות הלוואה או להבטיח ריביות טובות יותר.
לפי CGAP, המערכת האקולוגית של Open Finance בברזיל כבר מחברת יותר מ-41 מיליון חשבונות, ובארצות הברית, פסיקת Section 1033 של ה-CFPB ממסדת את זכויות הגישה של צרכנים לנתונים שלהם.
מבחינה היסטורית, מוסדות פיננסיים שלטו במידה רבה בנתונים הפיננסיים של הלקוחות. OB&OF משנה את המודל הזה על ידי העברת מאזן הכוחות לצרכנים, תוך חיזוק תפקיד המוסדות כשומרי מידע מהימנים. מבחינה מעשית, צרכנים מקבלים שליטה רבה יותר על אילו צדדים שלישיים יכולים לגשת לנתונים הפיננסיים שלהם, אילו נתונים ניתן לשתף ולמשך כמה זמן. בלב השינוי הזה עומדת הסכמה מפורשת ומודעת, המאפשרת לצרכנים לאשר ולנהל גישה למידע שלהם. השינוי הזה גם מחזק את המעבר ממודל ממוקד מוצר למודל ממוקד לקוח, שכן מוסדות פיננסיים מתחרים כיום על אמון הלקוחות, מעורבותם והרלוונטיות שלהם, במקום להסתמך בעיקר על שליטה בקשר עם הלקוח ובנתונים.
אתגר מרכזי ב-OB&OF הוא שמסעות ההסכמה לא עמדו בקצב ההתפתחות הטכנולוגית. שפה משפטית סבוכה, מחזורי אימות חוזרים של 90 יום והפניות מחדש (redirects) מנותקות חוסמים כיום את האימוץ יותר מאשר הרגולציה עצמה. ספקים כמו TrueLayer מדווחים על שיעורי נטישה של מעל 50% במהלך תהליכי ההסכמה, והניתוח של CGAP על השוק הברזילאי מדגיש את החיכוך במסע ההסכמה כגורם מרכזי המרתיע משתתפים מלהצטרף למערכת.
כדי לתקן זאת, מוסדות צריכים דרך ברורה יותר להגדיר מה מאושר, וחוויית משתמש טובה יותר עבור הענקת האישור. מסגרת ה-DPSD — היקף נתונים (Data scope), מטרה (Purpose), מקור (Source) ומשך זמן (Duration) — מספקת לכולם מודל משותף להסכמה. המשך פוסט זה בבלוג מראה כיצד טייס משנה המבוסס על Agentic AI, המגובה ב-MongoDB כשכבת ההסכמה והזיכרון המאוחדת, יכול ליישם את ה-DPSD מבלי להוסיף חיכוך נוסף.
כיצד המסגרת DPSD מארגנת הסכמה ב-OB&OF?
ניהול הסכמה יעיל ב-OB&OF מסתמך על המסגרת DPSD שמפרקת כל הסכמה לארבעה פרמטרים ברורים:
• היקף נתונים (Data scope): מגדיר את אשכולות הנתונים הספציפיים ואת רמות רגישות הגישה הנדרשות, החל מנתונים שניתן לשתף ועד לרשומות פרטיות ורגישות ביותר, אשר חייבות להיות מוגדרות רשמית ב-Terms & Conditions של השירות.
• מטרה: מגדיר את הסיבה המפורשת לאיסוף נתונים.
• מוסד מקור וזהות: מזהה את בעל הנתונים ואת הנמען.
• משך הגישה (Duration of access): מגדיר את מסגרת הזמן להרשאה עבור הנמען.
אילו OB&OF מקרי שימוש תלויים בהסכמה מפורשת של הצרכן?
כפי שמפורט בספר הלבן, Next Generation Open Finance עם MongoDB and Agentic AI, הצעות שונות בעלות ערך רב וממוקדות בלקוח אינן יכולות לפעול ללא מבנה ההרשאה הרשמי הזה, כגון:
• ניהול פיננסי אישי פרואקטיבי (PFM): מקבץ נתונים מחשבונות בנק מרובים, הלוואות ותיקי השקעות ללוח מחוונים אחד כדי לספק תובנות הוצאות בזמן אמת ואסטרטגיות לשיפור דירוג האשראי.
• Payment Initiation Services (PIS): מאפשר תשלומים מיידיים, העברות חוזרות ויישומי אשראי בין ספקים בתוך אפליקציות של צד שלישי, תוך עקיפת פורטלי המקור של הבנק.
• ניקוד אשראי חלופי (Alternative credit scoring): משתמש בהרגלי עסקאות, תשלומי חשבונות ושירותים ונתוני תזרים מזומנים כדי להפוך תהליכי חיתום דיגיטליים לאוטומטיים ולהאיץ אישורי אשראי עבור צרכנים עם היסטוריית אשראי דלה.
• ניידות אשראי והלוואות: אוסף נתוני ביצועים היסטוריים כדי להפוך השוואות ריבית והכנת מסמכים לאוטומטיים, ובכך מספק לצרכנים אפשרויות פיננסיות טובות יותר.
מדוע ההסכמה מופרת ב-OB&OF?
תהליך ההסכמה אינו יעיל מכיוון שה-UX, המורכבות המשפטית ותהליכי האימות מחדש של 90 יום גורמים לצרכנים לנטוש מקרי שימוש בעלי ערך. בעוד שמסגרת ה-DPSD נראית פשוטה על הנייר, היישום בעולם האמיתי טומן בחובו אתגרים השוחקים את אמון הצרכנים:
• מורכבות משפטית: לעתים קרובות צרכנים מוצפים בטרמינולוגיה משפטית צפופה במקום לקבל הסברים ברורים בשפה פשוטה על ההסכמים.
• עיצוב UX מניפולטיבי: דפוסי עיצוב לקויים יכולים להטעות משתמשים לשיתוף יתר של נתונים או ליצור מכשולים מיותרים בעת ניסיון לבטל גישה.
• חיכוך ממשק : צעדים מוגזמים וניווט מפורק בין אפליקציות צד שלישי ופורטלים בנקאיים פוגעים בחוויית המשתמש ומפחיתים את השקיפות.
• חששות אבטחה: חוסר היכרות עם ספקים חדשים מוביל לעתים קרובות לחרדת צרכנים בנוגע לפרטיות נתונים ופוטנציאל לשימוש לרעה.
היכן מתרחש חיכוך הסכמה במסע OB&OF?
כדי לזהות היכן Agentic AI יכול לספק את הערך הרב ביותר, עלינו לנתח את מסע ההסכמה הסטנדרטי בהתבסס על ה-FDX User Experience Guidelines.
איור 2. זרימת מתן הסכמה לשיתוף נתונים.
בזרימה זו, מתעוררות מספר נקודות חיכוך קריטיות שבהן המשתמשים מרגישים מוצפים או אבודים:
• הבהרת ערך: משתמשים רבים נוטשים את התהליך מוקדם מכיוון שהיתרונות של OB&OF אינם מנוסחים בצורה ברורה.
• משא ומתן על פרמטרים: ז'רגון מורכב מקשה על המשתמשים להבין את פרמטרי ה-DPSD או לנהל משא ומתן על גישה חלקית וסלקטיבית לנתונים.
• בלבול עקב ניתוב מחדש: מעבר בין אפליקציות לפורטלים מוסדיים יוצר לעיתים קרובות תחושת אובדן הקשר של התהליך.
• עייפות אימות: דרישת האימות החוזר של 90 יום יוצרת חיכוך משמעותי ותסכול משתמש.
• פערי שקיפות: מוסדות לעיתים קרובות אינם מספקים לוחות מחוונים מרכזיים המציגים בבירור הרשאות פעילות ומגבלות שיתוף נתונים.
כאשר מסע זה מגובה ב-MongoDB כשכבת הזיכרון התפעולית וה-AI המשותפת, טייס משנה (copilot) מבוסס סוכנים יכול להסביר את היתרונות והחסרונות בשפה פשוטה בכל שלב, במקום לאלץ משתמשים לעבור דרך הפניות מחדש אטומות וטפסים סטטיים.
כיצד יכול הסוכן AI לפעול כטייס משנה בהסכמה ב-OB&OF?
טייס משנה מסוג Agentic AI להסכמה מחליף טפסים סטטיים במדריך שיחתי שמסביר את המשמעויות בשפה פשוטה, מלווה את המשתמשים לאורך תהליכי הניתוב מחדש של הבנק ומבצע אוטומציה לאימות מחדש, תוך שמירה על עקיבות מלאה ואפשרות לביטול מיידי. הוא מייעל את החוויה על ידי:
• פישוט ז'רגון: תרגום מונחים משפטיים מורכבים של DPSD לשפה ברורה ושיחתית.
• ניווט מודרך: מתן הדרכה בזמן אמת, שלב אחר שלב במהלך הפניות מחדש של הבנק כדי להגדיר ציפיות ברורות של המשתמש.
• אוטומציה של אימות מחדש: ניהול מאובטח של מחזורי אימות מחדש של 90 יום באמצעות אישור ביומטרי פשוט מחליף תהליכי התחברות מסורבלים מרובי שלבים. באופן מכריע, תהליך זה פועל עם עקיבות מקצה לקצה ורישום ביקורת (audit logging) בלתי ניתן לשינוי, המעניק לצרכנים נראות מלאה ויכולת מיידית לבטל את ההסכמה בכל עת.
• הפעלת שליטה פרטנית : העצמת משתמשים לבחור בקלות שיתוף נתונים חלקי (למשל, שיתוף נתוני חשבון עו"ש תוך אי הכללת חיסכון).
איור 3. סוכן AI בתור טייס המשנה בהסכמה.
איור 4. סקירה כללית של ארכיטקטורה: שילוב סוכן AI ו-MongoDB כדי לאפשר את זרימת הענקת ההסכמה.
מדוע MongoDB הוא המאפשר של Agentic AI?
MongoDB מספקת את שכבת הנתונים המאוחדת ואת התשתית שסוכנים אלו צריכים — אחסון רשומות הסכמה ומצב הסוכן (agent state), הפעלת חיפוש וקטורי על תוכן ההצעות של מוסדות פיננסיים ומשפטיים, וחשיפת כלים מאובטחים באמצעות MCP, כך שסוכנים יוכלו לפעול בבטחה בשם הלקוח. עבור מובילי IT המתכננים את עתיד השירותים הפיננסיים, Agentic AI עובד בקנה מידה רחב רק כאשר יש לו שכבת נתונים מאוחדת להסכמה, למצב ולזיכרון — וזה בדיוק מה ש-MongoDB מספקת.
MongoDB ממוקמת באופן ייחודי כשכבת הנתונים הבסיסית לארכיטקטורה זו:
• פרופילים, יעדים וזרימות עבודה של סוכנים: Open Finance דורש ניהול מעברי מצב מרובי-שלבים לצד רמות הרשאה מפורטות, החל ממטא-נתונים של חשבונות ועד לרשומות פרטיות במיוחד. מודל המסמכים הגמיש של MongoDB מייעל מורכבות זו על ידי הטמעת מצבי סוכן דינמיים, יעדים משתנים והיקפי הרשאות מדורגים ישירות בתוך מסמך יחיד. זה מאפשר ליישומים לעדכן רמות הרשאה של הסכמות ולעקוב אחר התקדמות זרימת העבודה של הסוכן בזמן אמת, ללא צורך בשינויי סכימה נוקשים או בחיבורי טבלאות מורכבים ויקרים.
• היסטוריית הוראות : שמירה על נתיב ביקורת ניתן לאימות של הוראות AI והחלטות הסכמת משתמשים היא קריטית לציות. MongoDB מטפל ביעילות בהיסטוריה של הוראות עם חותמת זמן בנפח גבוה.
• זיכרון לטווח קצר ולטווח ארוך: כדי לתפקד כטייס משנה מותאם אישית באמת, סוכן AI זקוק לזיכרון. MongoDB מאחדת את הניהול של מצב השיחה לטווח קצר (המפגש הנוכחי) וזיכרון לטווח ארוך (העדפות היסטוריות ומחזורי אימות מחדש של 90 יום) בפלטפורמה אחת.
• חיפוש וקטור: MongoDB Atlas Vector Search מאחסן הטמעות וקטוריות לצד נתונים תפעוליים. זה מאפשר ל-AI לאחזר באופן מיידי הסברים מפושטים ורלוונטיים לז'רגון משפטי מורכב המבוסס על דמיון סמנטי.
• אינטגרציה של Voyage AI: על ידי שילוב מודלים מתקדמים של הטבעה ודירוג מחדש כמו Voyage AI עם MongoDB Atlas Vector Search, המערכת משיגה שליפה הקשרית מדויקת במיוחד, מה שמבטיח שהסוכן AI מספק פרשנויות מדויקות למונחים ולתקנות פיננסיות.
• שילוב שרת MCP: באמצעות ה-Model Context Protocol (MCP), MongoDB מחברת בצורה מאובטחת מודלי AI ישירות למקורות נתונים ארגוניים. זה מאפשר לסוכנים לקרוא פרופילי הסכמת משתמשים ונתוני עסקאות, ולבצע קריאות API בשם המשתמש תחת בקרות גישה קפדניות. שרת ה-MCP פועל כמתרגם, ומאפשר לסוכנים לתקשר ישירות עם פעולות מסד הנתונים.
איור 5. כיצד MongoDB מאפשר ומאיץ את AI הסוכן.
איור 6. גישת ארכיטקטורה פתוחה מאפשרת לצ'אטבוט המבוסס על סוכנים לענות על שאלות אד-הוק בנוגע לגישה שניתנה לנתונים, חשבונות לקוחות, עסקאות ומוצרים על ידי שאילתת MongoDB ישירות דרך שרת ה-MCP. עיצוב גמיש זה מאפשר למוסדות פיננסיים לשלב מודלי שפה (LLM) ארגוניים ומסגרות עבודה של AI לפי בחירתם.
סיכום
על ידי שילוב סוכן AI עם MongoDB, מוסדות פיננסיים יכולים להפוך הסכמה מצוואר בקבוק של ציות ליתרון תחרותי, לשפר את שביעות רצון הלקוחות, להוזיל עלויות תפעול ולחזק את יכולת הביקורת בכל המערכות האקולוגיות Open Finance שלהם.
• שביעות רצון לקוחות גבוהה יותר ו-NPS: בניית אמון באמצעות שקיפות בשפה פשוטה, הצטרפות ללא חיכוך וצמצום נטישת משתמשים.
• עלויות תפעול נמוכות יותר: אוטומציה של הסברים מורכבים על תנאי שימוש והדרכה, מה שמפחית משמעותית את העומס על מוקדים טלפוניים ותמיכה אנושית.
• Traceability and Auditability : מספק יומני ביקורת מלאים הניתנים לאימות עבור כל מתן הסכמה, שינוי ואירוע שיתוף נתונים.
כאשר MongoDB משמשת כבסיס ליכולות הזיכרון, המצב והווקטור של סוכני AI אלו, למוסדות פיננסיים יש את פלטפורמת המפתחים המאוחדת הדרושה כדי לספק חוויות OB&OF בטוחות, מדרגיות ומתוחכמות ללא מורכבות ארכיטקטונית.
גלה כיצד לנצל את פוטנציאל המונטיזציה של מימון פתוח עם MongoDB כשכבת הנתונים התפעוליים: Next Generation Open Finance עם MongoDB and Agentic AI .
קריאה וכלים קשורים
אבטחת MongoDB- MongoDB Atlas Security — בקרות רשת וזהויות, הצפנה וביקורת ב־Atlas; ביקורת זמינה רק בתוכניות מתאימות.
- NoSQLMap — כלי בדיקות NoSQL לשימוש מורשה בלבד; פעילות מאגר אומתה בפברואר 2026, אך המהדורה ישנה ונדרשת בדיקת התאמה.
- אבטחת נתוני תשלומים ב-MongoDB לפי תקן PCI DSS
- MongoDB מאפשרת זיכרון ארוך טווח לסוכני AI מבוססי Strands
- פרצה ב-MongoDB: תוקף ללא הרשאות יכול להפיל שרתים