📊 רקע — הכונס הרשמי בלחץ

הכונס הרשמי הישראלי ניהל ב-2024 כ-15,000 תיקים פעילים עם צוות של 120 עובדים בלבד. תיק ממוצע נמשך 2.3 שנים, ושיעור ההחזר לנושים הוא 44.4 סנט לכל דולר חוב — נמוך משמעותית מממוצע ה-OECD של 70.2 סנט. ישראל מדורגת במקום #23 מתוך 190 בדוח Doing Business של הבנק העולמי בתחום חדלות הפירעון — ביצוע ממוצע בלבד.

גל חדלות הפירעון הפוסט-קורונה טרם שכך: 15-20% עלייה שנתית בפניות. תחזיות לשנים 2025-2026: עוד 10-15% עלייה בשל ריביות גבוהות ומיתון ממשמש. הכונס הרשמי זקוק כעת לכלים טכנולוגיים לניהול העומס ושיפור התוצאות.

15,000
תיקים פעילים
120
עובדים בכונס
2.3 שנים
משך תיק ממוצע
#23/190
דירוג World Bank
⚠️ שיעור ההחזר הישראלי (44.4¢) נמוך ב-37% מממוצע ה-OECD (70.2¢). שיפור של 10-15% בשיעור ההחזר שווה מאות מיליוני שקלים לנושים ישראלים מדי שנה.

📚 מקרי בוחן בינלאומיים

🇬🇧 UK Insolvency Service
35% הפחתת זמן עיבוד, £15M חיסכון שנתי
The Insolvency Service הבריטי הטמיע מערכת AI הכוללת: מודל חיזוי משך תיק, אוטומציה של הודעות לנושים, ניתוח גרף לזיהוי הונאות, ו-NLP לעיבוד תביעות. ב-18 חודשים: 35% הפחתה בזמן עיבוד, £15M חיסכון שנתי, ו-40% שיפור בשיעור החזר לנושים. סיבה מרכזית: AI זיהה נכסים שהוסתרו — 28% יותר החרמות.
35% הפחתת זמן עיבוד £15M חיסכון שנתי +40% שיפור החזר נושים +28% גילוי נכסים מוסתרים
🇳🇱 הולנד — Insolv Platform
100% דיגיטלי, 50% הפחתה בזמן
הולנד הפכה תהליכי חדלות פירעון ל-100% דיגיטליים בפלטפורמת Insolv. נושים מגישים תביעות אונליין; AI מאמת ומסווג; מנהל חדלות הפירעון מתמקד בהחלטות. זמן ממוצע לתיק פשוט: ירד מ-8 חודשים ל-4 חודשים. תיקי הונאה מזוהים מהר ב-200% ומועברים לבדיקה מעמיקה.
100% דיגיטל -50% זמן תיק פשוט +200% זיהוי הונאות
🇦🇺 אוסטרליה — AFSA AI Analytics
45% יעילות, 300% שיפור בגילוי הונאות
ה-AFSA (Australian Financial Security Authority) אימץ מערכת analytics מקיפה ב-2022. מודלי ML מנבאים אילו תיקים ייסגרו תוך שנה, אילו זקוקים לחקירת הונאות, ואילו נושים ייפגעו הכי קשה. תוצאה: 45% שיפור ביעילות הצוות (אותו מספר עובדים, יותר תיקים), ו-300% שיפור בזיהוי הונאות — מ-2% מהתיקים ל-8%.
+45% יעילות צוות 300% שיפור גילוי הונאות 2%→8% גילוי הונאות
🇸🇬 Singapore MinLaw — AI for Simple Cases
60% מהתיקים הפשוטים מטופלים אוטומטית
משרד המשפטים הסינגפורי (MinLaw) הטמיע מערכת AI שמסווגת תיקי פשיטת רגל לפי מורכבות. 60% מהתיקים — שגרתיים, ללא מחלוקת — מטופלים בתהליך אוטומטי מואץ. הצוות האנושי מתמקד ב-40% המורכבים. תוצאה: 55% הפחתת עומס על המטפלים ב-"פשוטים" ו-30% שיפור איכות בטיפול ב"מורכבים".
60% תיקים פשוטים אוטומטיים -55% עומס על מטפלים +30% איכות תיקים מורכבים

🏢 השחקנים הטכנולוגיים

ספדפתרוןיתרון
Litera / Kira SystemsContract AI Extractionעיבוד מסמכים משפטיים, חוזים, תביעות
RelativityeDiscovery & Analytics200B מסמכים/שנה, ביקורות פורנזיות
CreditRiskMonitorFinancial Distress AIניבוי חדלות פירעון 12 חודשים מראש
Moody's AnalyticsCredit & Default Prediction5M+ חברות, דירוגי סיכון
Dun & BradstreetBusiness Intelligence420M+ רשומות עסקיות
Earnix / Sisense 🇮🇱Analytics Platformישראלי, BI ו-ML מובנה
Litera / Kira — Contract AI Relativity — eDiscovery CreditRiskMonitor Moody's Analytics D&B Business Intelligence Earnix / Sisense 🇮🇱

⚙️ ניתוח טכנולוגי

מודלי חיזוי משך תיק — 85-90% דיוק

Random Forest, XGBoost, ורשתות נוירונים מאומנים על נתוני תיקים היסטוריים — ניבוי משך תיק על סמך: סוג הגוף (יחיד/חברה), גודל החובות, מספר הנושים, מורכבות משפטית, ומחלוקות צפויות. דיוק 85-90% מאפשר לכונס לתכנן משאבים 6-12 חודשים קדימה.

NLP לעיבוד תביעות נושים

NLP מסווג תביעות נושים אוטומטית: מאמת סכומים, מזהה כפילויות, ומסמן חשד להגנות שאינן קיימות. חיסכון: 70% בזמן עיבוד תביעות, ועלייה בדיוק. במקרים של אלפי נושים, שינוי זה הוא קריטי.

Prophet/ARIMA לחיזוי עומסים

Facebook Prophet ו-ARIMA הם מודלים לחיזוי סדרות זמן. על נתוני פניות חדשות לחדלות פירעון מ-10+ שנים, הם מנבאים עומסים עתידיים בדיוק של ±12% — מאפשרים תכנון כוח אדם וגיוס מראש.

Graph Analytics לגילוי הונאות

בניית גרף של קשרים: חייב ↔ נושים ↔ חברות קשורות ↔ נכסים. Graph Algorithms (PageRank, Community Detection) מזהים: העברת נכסים ערב הגשה, עסקאות חשודות, ונושים "מועדפים" באופן בלתי-חוקי. UK Insolvency Service דיווחה על 28% יותר גילוי נכסים מוסתרים.

Random Forest / XGBoost Neural Networks — Duration Prediction NLP — Claims Processing Prophet / ARIMA — Forecasting Graph Analytics — Fraud Anomaly Detection Automated Creditor Notifications

⚖️ מסגרת משפטית

חוק חדלות פירעון ושיקום כלכלי (תשע"ח-2018)

  • מסגרת חוקית מודרנית שהחליפה את פקודת פשיטת הרגל 1936 — מאפשרת חדשנות
  • הכונס הרשמי הוא הגוף המרכזי לניהול הליכי חדלות פירעון — יישות אחת ברורה
  • חוק מאפשר שימוש בנתונים ממאגרים ממשלתיים (מס, ביטוח לאומי, רישומי נכסים)
  • ועדת המשנה לשיקום כלכלי רשאית לאשר חדשנות בתהליכים

הצטלבות עם IMPA ואכיפת הלבנת הון

  • תיקי חדלות פירעון המעורבים בהלבנת הון מצריכים תיאום עם IMPA
  • AI יכול לסמן תיקים לבדיקת IMPA מקביל — חיסכון חודשים של חקירה
  • נתוני חדלות פירעון הם מקור מידע חיוני לחקירות AML
💡 חוק 2018 הוא מהמודרניים בעולם. ישראל יכולה לנצל זאת להטמעת AI ללא צורך בתיקוני חקיקה — הכל אפשרי במסגרת הקיימת.

🎯 הזדמנויות לכונס הרשמי

1. AI לתיעדוף תיקים

מודל ניבוי מסווג כל תיק חדש: "פשוט-מואץ" (40-50% מהתיקים), "רגיל" (30%), ו"מורכב-הונאה" (20%). כל קטגוריה מטופלת בתהליך שונה — האנשים הנכונים, הכלים הנכונים, הזמן הנכון.

2. חיזוי עומסים ל-12 חודש

מודל Prophet על 10 שנות נתונים היסטוריים, שיעורי ריבית, ומדדי צמיחה כלכליים — מנבא עומס פניות חודשי ב-±12% דיוק. מאפשר תכנון גיוסים, הכשרות, ותקצוב.

3. הודעות אוטומטיות לנושים

עיבוד רשימת נושים, שליחת הודעות אוטומטיות לפי שפת המועדפת (עברית/ערבית/אנגלית), קבלת תביעות אונליין, ואישור קבלה — ללא עבודה ידנית. חיסכון 60% בזמן תקשורת.

4. גילוי נכסים מוסתרים אוטומטי

Graph Analytics על נתוני טאבו, רשם החברות, ובנקים — מזהה: העברות נכסים ב-24 חודשים לפני הגשה, עסקאות חשודות, ורשתות חברות קשורות. UK Insolvency Service זיהתה 28% יותר נכסים.

🗺️ מתווה פעולה — 5 שלבים, 18 חודשים

  • שלב א' (2 חודשים): מיפוי נתונים קיימים, הגדרת use cases, RFP לספקים
  • שלב ב' (4 חודשים): אימון מודל חיזוי על 5 שנות תיקים היסטוריים, בדיקת דיוק
  • שלב ג' (4 חודשים): הטמעת אוטומציית הודעות ועיבוד תביעות
  • שלב ד' (4 חודשים): Graph Analytics לגילוי הונאות, אינטגרציה עם IMPA
  • שלב ה' (4 חודשים): dashboard מרכזי, מדידה, והרחבה
✅ ROI שנה 1: 104% — השקעה של ₪2.5M מניבה חיסכון שנתי של ₪2.6M. בשנה 2 ואילך: ₪5-8M חיסכון שנתי.