লাভ:
- স্বীকৃতি এবং যাচাই করার ক্ষমতা যে AI কাল্পনিক পরিসংখ্যান, উত্স এবং আইন তৈরি করতে পারে
- আর্থিক তথ্য গোপনীয়তা, KVKK এবং কর্পোরেট নীতির সীমার মধ্যে AI ব্যবহার পরিচালনা করার ক্ষমতা
- বোঝা যে নিরীক্ষা, নিয়ন্ত্রক সম্মতি এবং নীতিশাস্ত্রের চূড়ান্ত দায়িত্ব অর্থ পেশাদারের উপরই রয়ে গেছে
মডিউল পরীক্ষা
1. আর্থিক বিশ্লেষক হিসাবে একটি AI টুলের সাথে কাজ করার সময়, নিম্নলিখিতগুলির মধ্যে কোনটির জন্য চূড়ান্ত দায়িত্ব সর্বদা মানুষের কাছে থাকা উচিত?
- ক) ঋণ বরাদ্দের সিদ্ধান্তের চূড়ান্ত অনুমোদন এবং স্বাক্ষর ✔
- খ) একটি আয় বিবরণী সারাংশের প্রথম খসড়া তৈরি করা
- গ) একটি চার্টের শিরোনাম এবং অক্ষ লেবেল সম্পাদনা করা
- ঘ) একটি প্রতিবেদনের জন্য আর্থিক শর্তাবলীর একটি শব্দকোষ প্রস্তুত করা
বর্ণনা: এআই; এটি টেবিলের সংক্ষিপ্তকরণ, সূত্র তৈরি এবং প্রতিবেদনের খসড়া তৈরির মতো কাজগুলিকে ত্বরান্বিত করতে পারে। যাইহোক, একটি বিনিয়োগ, ঋণ বা অর্থায়নের সিদ্ধান্তের যথার্থতা এবং একটি স্বাক্ষর হিসাবে একটি অফিসিয়াল নথিতে এর প্রতিফলন অর্থ পেশাদারের দায়িত্ব; স্বাধীন যাচাই না করে এই সিদ্ধান্তটি AI কে অর্পণ করা যাবে না।
2. আপনার কাছে AI একটি কোম্পানির নগদ প্রবাহের বিবৃতি ব্যাখ্যা করেছে এবং এটি একটি 'বিনিয়োগ আয়' আইটেম উদ্ধৃত করেছে যা টেবিলে ছিল না। প্রথম সঠিক পদক্ষেপ কি নিতে হবে?
- ক) প্রতিবেদনে মন্তব্যটি যোগ করুন কারণ AI আত্মবিশ্বাসী বলে মনে হচ্ছে
- খ) প্রতিটি আইটেম যার উপর ভিত্তি করে মন্তব্যটি মূল টেবিলের সাথে তুলনা করুন এবং উৎসে নেই এমন আইটেমটিকে প্রত্যাখ্যান করুন ✔
- গ) সেই আইটেমটিকে পরে টেবিলে যুক্ত করা
- ঘ) শুধু আইটেমটির নাম পরিবর্তন করুন
ব্যাখ্যা: ভাষা মডেল বিশ্বাসযোগ্যভাবে এমন আইটেম এবং সংখ্যা তৈরি করতে পারে যা উৎসে বিদ্যমান নেই (হ্যালুসিনেশন)। প্রতিটি আইটেম যার উপর ভিত্তি করে ব্যাখ্যা করা হয়েছে তা মূল সারণীর সাথে তুলনা করা এবং উৎসে নেই এমন কোন সংখ্যা গ্রহণ না করা অপরিহার্য।
3. AI 'বর্তমান সম্পদ/মোট সম্পদ' হিসাবে একটি কোম্পানির জন্য বর্তমান অনুপাত গণনা করে। এই আউটপুট সঙ্গে প্রধান সমস্যা কি?
- ক) এটি অপ্রয়োজনীয় কারণ হার খুব বেশি হবে
- খ) বর্তমান অনুপাতের হর স্বল্পমেয়াদী বিদেশী সম্পদ হতে হবে, মোট সম্পদ নয়। ✔
- গ) বর্তমান অনুপাত শুধুমাত্র ব্যাঙ্কের জন্য গণনা করা হয়
- D) ফলাফলটি ভুল কারণ এটি শতাংশের পরিবর্তে দশমিক
ব্যাখ্যা: বর্তমান অনুপাত স্বল্পমেয়াদী স্বচ্ছলতা পরিমাপ করে এবং এর সংজ্ঞা হল 'বর্তমান সম্পদ/স্বল্পমেয়াদী দায়'। AI ডিনোমিনেটর ভুল পেয়েছে। অনুপাত বিশ্লেষণে, প্রতিটি অনুপাতের সংজ্ঞা যাচাই করা প্রথম এবং বাধ্যতামূলক পদক্ষেপ; ভুল হর একটি সম্পূর্ণ বিভ্রান্তিকর ফলাফল তৈরি করে।
4. একটি সাপ্তাহিক নগদ প্রবাহ অভিক্ষেপ সেট আপ করার সময় AI-চালিত প্রাথমিক সতর্কতা যুক্তির সবচেয়ে মূল্যবান আউটপুট কী?
- ক) এক লাইনে পূর্ববর্তী মাসের গড় খরচের সারসংক্ষেপ
- খ) যে সপ্তাহে নগদ ব্যালেন্স ক্রিটিক্যাল থ্রেশহোল্ডের নিচে নেমে যাবে সেই সপ্তাহে আগে থেকে চিহ্নিত করা ✔
- গ) টেবিলটিকে আরও রঙিনভাবে বিন্যাস করা
- ঘ) সমস্ত সংখ্যাকে শতাংশে রূপান্তর করা
ব্যাখ্যা: নগদ ব্যবস্থাপনার মূল উদ্দেশ্য হল সেই সপ্তাহের পূর্বাভাস দেওয়া যখন নগদ ব্যালেন্স ক্রিটিক্যাল থ্রেশহোল্ডের নিচে নেমে যাবে। এইভাবে, অর্থায়ন, সংগ্রহ ত্বরান্বিত বা অর্থ প্রদান স্থগিত করার মতো পদক্ষেপগুলি সময়মত নেওয়া হয়। এটি কেবল অতীতের সংক্ষিপ্তসারই নয়, ভবিষ্যতের বিষয়ে সতর্ক করার জন্যও মূল্যবান।
5. একটি আর্থিক মডেলে AI দ্বারা তৈরি সূত্রে একটি সার্কুলার রেফারেন্স সতর্কতা উপস্থিত হয়েছে৷ সবচেয়ে সঠিক পন্থা কোনটি?
- ক) সতর্কতা বন্ধ করুন এবং মডেলটি চালিয়ে যান
- খ) সূত্র শৃঙ্খল পর্যালোচনা করুন, লুপের উত্স সন্ধান করুন এবং যুক্তিটি পুনরায় স্থাপন করুন ✔
- গ) প্রাসঙ্গিক ঘরটি মুছুন এবং পরিবর্তে একটি ধ্রুবক সংখ্যা লিখুন
- ঘ) অন্য ফাইলে স্ক্র্যাচ থেকে সম্পূর্ণরূপে মডেল খোলা
ব্যাখ্যা: সার্কুলার রেফারেন্স হল একটি কোষের নিজের সাথে প্রত্যক্ষ বা পরোক্ষ সংযোগ এবং সাধারণত এমন আইটেমগুলিতে ঘটে যা একে অপরকে খাওয়ায়, যেমন সুদ এবং ঋণ। সমস্যাকে উপেক্ষা করলে ভুল ফল হয়; যুক্তি পর্যালোচনা করা এবং পুনরাবৃত্তি সেটিং সচেতনভাবে ব্যবহার করা বা সূত্র শৃঙ্খল পুনঃপ্রতিষ্ঠা করা প্রয়োজন।
6. AI এর সাথে DCF (ছাড়কৃত নগদ প্রবাহ) মূল্যায়ন করার সময় আপনি দেখতে চান যে ফলাফলটি সবচেয়ে সংবেদনশীল। আপনি কি করবেন?
- ক) ছাড়ের হার এবং পরিসরে টার্মিনাল বৃদ্ধি পরিবর্তন করা এবং একটি সংবেদনশীলতা সারণী স্থাপন করা ✔
- খ) একটি একক ডিসকাউন্ট হার সহ একটি একক ফলাফল তৈরি করুন এবং শেষ করুন
- গ) শুধুমাত্র পূর্ববর্তী বছরের মুনাফার গড়
- ঘ) সর্বোচ্চ অনুমান সহ ফলাফল রিপোর্ট করা
ব্যাখ্যা: ডিসিএফ ফলাফল ডিসকাউন্ট রেট এবং টার্মিনাল বৃদ্ধির হারের জন্য বিশেষভাবে সংবেদনশীল। একটি যুক্তিসঙ্গত পরিসরের মধ্যে এই অনুমানগুলি পরিবর্তন করা এবং একটি সংবেদনশীলতা সারণী স্থাপন করা যা দেখায় যে কীভাবে মূল্যায়ন ফলাফলের পরিবর্তনগুলি ফলাফলটি কতটা ভঙ্গুর তা প্রকাশ করে।
7. আপনি যখন AI কে একটি পোর্টফোলিও সম্পর্কে জিজ্ঞাসা করেন, তখন এটি একটি নির্দিষ্ট সুপারিশ তৈরি করে যা বলে 'আপনার এই স্টকটি কেনা উচিত'। কোনটি সঠিক মূল্যায়ন?
- ক) সুপারিশে বিশ্বাস করা কারণ AI-এর আপ-টু-ডেট ডেটা অ্যাক্সেস রয়েছে
- খ) নিশ্চিত ক্রয়/বিক্রয় পরামর্শকে অবিশ্বস্ত মনে করা এবং এটিকে শুধুমাত্র ডেটা এবং অনুমানের উপর ভিত্তি করে বিশ্লেষণ হিসাবে বিবেচনা করা ✔
- গ) সুপারিশ সরাসরি গ্রাহকের কাছে পৌঁছে দেওয়া
- ঘ) এই একক আউটপুটের উপর ভিত্তি করে সমগ্র পোর্টফোলিও পুনর্গঠন
প্রকাশ: এআই ব্যক্তিগতকৃত বিনিয়োগ পরামর্শ প্রদানকারী কোনো অনুমোদিত উপদেষ্টা নয়; এটি ভবিষ্যতের জন্য নির্দিষ্ট রিটার্নের প্রতিশ্রুতি দিতে পারে না এবং এটি যে দিকনির্দেশক বিবৃতি দেয় তা হল আউটপুট যা ডেটা এবং অনুমানের মধ্যে সীমাবদ্ধ এবং অডিট করা প্রয়োজন। নিশ্চিত ক্রয়/বিক্রয় পরামর্শ ঝুঁকি প্রোফাইল এবং আইনের পরিপ্রেক্ষিতে একটি অবিশ্বস্ত এবং দায়িত্বশীল ক্ষেত্র।
8. আপনি একটি ঝুঁকি প্রতিবেদনে এআই-জেনারেটেড ক্রেডিট ঝুঁকি স্কোরিং নিরীক্ষণ করেন। কোন নিয়ন্ত্রণ সবচেয়ে গুরুত্বপূর্ণ?
- ক) রিপোর্টের ফন্ট এবং রঙের সামঞ্জস্যতা পরীক্ষা করা হচ্ছে
- খ) স্কোর ব্যবহার করে ইনপুট, ডেটার গুণমান এবং অনুমান/পক্ষপাতগুলি যাচাই করুন ✔
- গ) স্কোর সামঞ্জস্য করে এটিকে উচ্চতর করতে
- ঘ) প্রতিবেদনটি মোটেও না পড়ে অনুমোদন করুন
ব্যাখ্যা: ঝুঁকি স্কোরিং সম্পূর্ণরূপে নির্ভর করে এটি যে ইনপুটগুলি ব্যবহার করে এবং এতে থাকা অনুমান/পক্ষপাতের উপর। কোন ভেরিয়েবলগুলি ব্যবহার করা হয়েছে, সেখানে অনুপস্থিত/ভুল ডেটা আছে কিনা এবং স্কোরের যুক্তি ব্যাখ্যাযোগ্য কিনা তা যাচাই করা একটি ন্যায্য এবং প্রতিরক্ষামূলক ঝুঁকির সিদ্ধান্তের জন্য অপরিহার্য।
9. আপনি AI দিয়ে বিক্রয় আয়ের পূর্বাভাস দিয়েছেন। অনুমানের যুক্তিসঙ্গততা পরীক্ষা করার জন্য সবচেয়ে উপযুক্ত পদ্ধতি কি?
- ক) বিগত সময়ের পূর্বাভাস প্রয়োগ করা এবং প্রকৃত ফলাফলের সাথে তুলনা করা (ব্যাকটেস্ট) ✔
- খ) প্রাক্কলন যেমন আছে তেমনটি গ্রহণ করুন এবং বার্ষিক বাজেটে লিখুন
- গ) সর্বোচ্চ বৃদ্ধির দৃশ্যকে একমাত্র বাস্তব সংখ্যা হিসাবে গ্রহণ করা
- ঘ) শুধু ভবিষ্যদ্বাণীর গ্রাফটিকে সুন্দর করুন
ব্যাখ্যা: ব্যাকটেস্টিং হল পূর্বাভাস পদ্ধতিকে পূর্ববর্তী সময়ের সাথে প্রয়োগ করা এবং প্রকৃত ফলাফলের সাথে তুলনা করা। ভবিষ্যত ভবিষ্যদ্বাণী কতটা নির্ভরযোগ্য হতে পারে তা বোঝার সবচেয়ে সুনির্দিষ্ট উপায় হল অতীতে পদ্ধতিটি কতটা সঠিক ছিল তা দেখা।
10. AI দ্বারা উত্পাদিত একটি খসড়া ব্যবস্থাপনা প্রতিবেদনে এমন পরিসংখ্যান রয়েছে যা তরল কিন্তু অনিশ্চিত উৎসের। সঠিক আচরণ কি?
- ক) প্রতিবেদনটি যেভাবে উপস্থাপন করা হয়েছে কারণ পাঠ্যটি সাবলীল
- খ) প্রতিটি চিত্রকে মূল তথ্য উৎসের সাথে মিলিয়ে নিন এবং অপ্রমাণিত ✔ অপসারণ করুন
- গ) সংখ্যার উপর বৃত্তাকার এবং গ্লসিং
- ঘ) শুধু এক্সিকিউটিভ সারাংশ পড়ুন এবং বাকিগুলি এড়িয়ে যান
বর্ণনা: প্রতিবেদনের প্রতিটি চিত্র অবশ্যই মূল ডেটা উত্সে (টেবিল, সিস্টেম, অ্যাকাউন্ট) সনাক্তযোগ্য হতে হবে। এমনকি যদি এটি একটি সাবলীল বাক্যে একটি সংখ্যা হয়, তবে এমন কোনও নম্বর যার উত্স যাচাই করা হয়নি পরিচালনার কাছে উপস্থাপন করা উচিত নয়; অন্যথায়, একটি কাল্পনিক সংখ্যা সিদ্ধান্তের ভিত্তিতে প্রবেশ করতে পারে।
11. একটি AI-জেনারেটেড এক্সেল সূত্র ব্যবহার করার আগে সর্বোত্তম পদক্ষেপ কী (যেমন নেস্টেড IF এবং VLOOKUP)?
- ক) সরাসরি সমগ্র লাইভ ডেটাসেটে সূত্রটি প্রয়োগ করা
- খ) পরিচিত ফলাফল সহ একটি ছোট পরীক্ষার ডেটাতে সূত্রটি চালান এবং প্রান্তের ক্ষেত্রে চেষ্টা করুন ✔
- গ) সংক্ষিপ্ত করতে সূত্রের অংশ মুছে ফেলা
- ঘ) শুধু সূত্রের দৈর্ঘ্য দেখছেন
ব্যাখ্যা: জটিল সূত্র সঠিক মনে হতে পারে কিন্তু ভুল ফলাফল দেয়। একটি ছোট পরীক্ষার ডেটাতে সূত্রটি চালানো যার ফলাফল আপনি ম্যানুয়ালি জানেন, এটি প্রত্যাশিত আউটপুটের সাথে তুলনা করে এবং নাল/শূন্য/অমিলের মতো প্রান্তের ক্ষেত্রে চেষ্টা করলে এটি লাইভ ডেটাতে বহন করার আগে ত্রুটিটি ধরা পড়বে।
12. আপনি একটি পাবলিক AI টুলে আপনার কোম্পানির অনিরীক্ষিত ত্রৈমাসিকের ফলাফল পেস্ট করতে চান এবং বিশ্লেষণের অনুরোধ করতে চান। সবচেয়ে সঠিক পন্থা কোনটি?
- ক) প্রাতিষ্ঠানিক নীতি পরীক্ষা করা এবং ডেটা বেনামী করা বা একটি সুরক্ষিত/প্রাতিষ্ঠানিক টুল ব্যবহার করা ✔
- খ) গতির জন্য ডেটা পেস্ট করা
- গ) শুধুমাত্র কোম্পানির নাম মুছে ফেলা এবং বাকি সব নম্বর শেয়ার করাই যথেষ্ট।
- ঘ) ডেটা শেয়ার করা এবং তারপরে AI কে মুছে ফেলতে বলা
বর্ণনা: সংবেদনশীল আর্থিক তথ্য যা সর্বজনীনভাবে প্রকাশ করা হয় না; এটি গোপনীয়তা, কেভিকেকে এবং অভ্যন্তরীণ ব্যবসায়ের ক্ষেত্রে ঝুঁকিপূর্ণ। ডেটা শেয়ার করার আগে, কর্পোরেট নীতি পরীক্ষা করা, সম্ভব হলে বেনামী করা বা কর্পোরেট/নন-ডেটা শেয়ারিং টুল ব্যবহার করা প্রয়োজন।
13. আইনের একটি নির্দিষ্ট অনুচ্ছেদের রেফারেন্স সহ AI কর আরোপের জন্য একটি সঠিক হার দিয়েছে। সঠিক ইঞ্জিনিয়ারিং/ফাইনান্স আচরণ কি?
- ক) এআই আপ টু ডেট হওয়ার কারণে সরাসরি হার প্রয়োগ করা
- খ) সরকারী, বর্তমান আইন উৎস থেকে হার এবং নিবন্ধ নম্বর যাচাই করা ✔
- গ) নিরাপদে থাকার জন্য এলোমেলোভাবে হার বৃদ্ধি করা
- ঘ) রিপোর্টে আইটেম নম্বরটি একেবারে পরীক্ষা না করেই যোগ করা
ব্যাখ্যা: ভাষার মডেল ভুল মনে রাখতে পারে বা আইন প্রবন্ধের সংখ্যা এবং অনুপাত তৈরি করতে পারে। কর এবং আইনের মতো বাধ্যতামূলক ক্ষেত্রগুলিতে, প্রতিটি মান অবশ্যই সরকারী এবং বর্তমান উত্স (আইনি পাঠ্য, প্রশাসনিক বিজ্ঞপ্তি, আর্থিক উপদেষ্টা) থেকে মৌখিকভাবে যাচাই করা উচিত; AI আউটপুট শুধুমাত্র কোথায় দেখতে হবে তা দেখায়।
14. বাজেট-থেকে-ভেরিয়েন্স বিশ্লেষণে AI থেকে সর্বাধিক সুবিধা পেতে কোন ইনপুট পদ্ধতিটি সঠিক?
- ক) শুধুমাত্র আদায়ের পরিসংখ্যান দেওয়া এবং বাজেট এড়িয়ে যাওয়া
- খ) শুধুমাত্র একটি লাইন হিসাবে মোট টার্নওভার দিন
- গ) সময়ের তথ্য সহ একটি আইটেমের ভিত্তিতে বাজেট এবং আদায় উপস্থাপন করা ✔
- ঘ) নম্বর না দিয়ে শুধুমাত্র বিচ্যুতি ব্যাখ্যা চাওয়া
ব্যাখ্যা: একটি অর্থপূর্ণ বিচ্যুতি বিশ্লেষণের জন্য, একটি আইটেমের ভিত্তিতে বাজেট এবং আদায়ের পরিসংখ্যান এবং সময়ের তথ্য সহ AI প্রদান করা প্রয়োজন। AI তারপরে বিচ্যুতিগুলি ক্যাপচার করে এবং সেগুলিকে শতাংশ হিসাবে গণনা করতে পারে এবং মূল্য, আয়তন এবং সময়ের মতো বিভাগগুলিতে বিভক্ত করতে পারে। অসম্পূর্ণ বা প্রাসঙ্গিক তথ্য ভাসা ভাসা ব্যাখ্যা তৈরি করে।