headings. Use appropriate Hebrew terms: AI = בינה מלאכותית (AI), investment = השקעה, return = החזר, etc. Also keep numbers and percentages. Meta description: "KPMG finds only 7% of business leaders can prove AI returns. The gap between perceived value and hard ROI signals a need for better cost tracking." -> Hebrew: "KPMG מוצא שרק 7% מהמנהיגים העסקיים יכולים להוכיח החזר על בינה מלאכותית. הפער בין הערך הנתפס להחזר מוכח מאותת על צורך במעקב עלויות טוב יותר." Now translate the article content. We'll do paragraph by paragraph. Original:
A new KPMG report finds that just 7% of business leaders can demonstrate a return on their artificial intelligence investments. The rest are pouring money into AI without being able to show it actually pays off.
Translation:דוח חדש של KPMG מוצא שרק 7% מהמנהיגים העסקיים יכולים להדגים החזר על השקעותיהם בבינה מלאכותית. השאר מזרימים כסף לבינה מלאכותית מבלי שיוכלו להראות שהיא אכן משתלמת.
Next:The gap between belief and proof
->הפער בין אמונה להוכחה
Then:The report paints a stark picture: most executives are convinced AI is creating value, but they can't back that conviction with numbers. That disconnect is more than an accounting problem. It's a strategic one. If a company can't measure what an AI system returns, it can't decide where to double down, where to cut, or even whether the whole effort is worth it.
Translation:הדוח מצייר תמונה עגומה: רוב המנהלים משוכנעים שבינה מלאכותית יוצרת ערך, אך הם לא יכולים לגבות את האמונה הזו במספרים. הניתוק הזה הוא יותר מבעיה חשבונאית. הוא אסטרטגי. אם חברה לא יכולה למדוד מה מערכת בינה מלאכותית מחזירה, היא לא יכולה להחליט היכן להשקיע יותר, היכן לקצץ, או אפילו אם כל המאמץ שווה את זה.
Next:KPMG's finding suggests the perceived value of AI is running far ahead of the hard evidence. Executives may be hearing success stories from peers, seeing flashy demos, and feeling pressure to keep up. But when asked to show the actual return on a specific AI project, most come up empty.
Translation:ממצאי KPMG מצביעים על כך שהערך הנתפס של בינה מלאכותית רץ הרבה לפני הראיות המוצקות. מנהלים עשויים לשמוע סיפורי הצלחה מעמיתים, לראות הדגמות מרשימות, ולהרגיש לחץ לעמוד בקצב. אבל כשמבקשים מהם להראות החזר בפועל על פרויקט בינה מלאכותית ספציפי, רובם נשארים בידיים ריקות.
Next:Why cost tracking falls short
->מדוע מעקב עלויות אינו מספק
Then:Part of the issue is that AI costs are often scattered. There's the obvious spend on software and cloud compute, but also the hidden outlays: data cleaning, integration work, retraining staff, and the time engineers spend tweaking models. Many finance teams don't have a clear line on those expenses, so they can't match them against the benefits AI is supposed to generate.
Translation:חלק מהבעיה הוא שעלויות הבינה המלאכותית מפוזרות לעיתים קרובות. יש הוצאה ברורה על תוכנה ומחשוב ענן, אבל גם הוצאות נסתרות: ניקוי נתונים, עבודת אינטגרציה, הכשרת צוות מחדש, והזמן שמהנדסים מקדישים לכיוונון מודלים. צוותי פיננסים רבים אין להם תמונה ברורה של ההוצאות הללו, ולכן הם לא יכולים להתאים אותן לתועלות שבינה מלאכותית אמורה לייצר.
Next:Without that tracking, accountability gets fuzzy. If an AI system doesn't deliver, who's responsible? The team that built it? The vendor that sold it? The executives who approved it? The report implies that the lack of rigorous cost tracking makes it nearly impossible to assign responsibility or learn from failures.
Translation:ללא מעקב כזה, האחריות הופכת מטושטשת. אם מערכת בינה מלאכותית לא מספקת את הסחורה, מי אחראי? הצוות שבנה אותה? הספק שמכר אותה? המנהלים שאישרו אותה? הדוח מרמז שהיעדר מעקב עלויות קפדני מקשה כמעט בלתי אפשרי להטיל אחריות או ללמוד מכישלונות.
Next:What the report signals
->מה הדוח מאותת
Then:The KPMG report doesn't offer a magic formula, but it does point to a clear need: better measurement and more disciplined oversight of AI spending. That means building cost-tracking systems that can follow a dollar from the initial investment to the eventual outcome, and then asking hard questions about whether the outcome was worth it.
Translation:הדוח של KPMG אינו מציע נוסחת קסם, אבל הוא מצביע על צורך ברור: מדידה טובה יותר ופיקוח ממושמע יותר על הוצאות בינה מלאכותית. זה אומר בניית מערכות מעקב עלויות שיכולות לעקוב אחר כל שקל מההשקעה הראשונית ועד לתוצאה הסופית, ואז לשאול שאלות קשות על האם התוצאה הייתה שווה את זה.
Note: "dollar" -> we can say "שקל" or keep "דולר"? Since it's a general statement, we can say "כל יחידת כסף" or just "כל שקל" but better to use "כל דולר" since it's an American context. But we can say "כל שקל" to localize. I'll use "כל דולר" to keep the original meaning. Actually, the original says "follow a dollar" so we can say "לעקוב אחר כל דולר" - that's fine. Next:It also suggests that companies should treat AI like any other capital investment. You wouldn't buy a factory without knowing its expected output. AI projects deserve the same scrutiny. The 7% figure is a warning that most organizations are flying blind on some of their most expensive bets.
Translation:זה גם מציע שחברות צריכות להתייחס לבינה מלאכותית כמו לכל השקעת הון אחרת. לא הייתם קונים מפעל בלי לדעת את התפוקה הצפויה שלו. פרויקטים של בינה מלאכותית ראויים לאותה בדיקה. נתון ה-7% הוא אזהרה שרוב הארגונים טסים בעיוורון על חלק מההימורים היקרים ביותר שלהם.
Next:The question now is whether finance chiefs will take that warning seriously. The report makes one thing plain: the gap between perceived value and proven return won't close on its own. It will take deliberate work on cost tracking and accountability.
Translation:השאלה כעת היא האם מנהלי הכספים ייקחו את האזהרה הזו ברצינות. הדוח מבהיר דבר אחד: הפער בין ערך נתפס להחזר מוכח לא ייסגר מעצמו. זה ידרוש עבודה מכוונת על מעקב עלויות ואחריות.
Now we need to assemble the content HTML. We'll wrap in
