এন্ড-টু-এন্ড ওয়ার্কফ্লো, মডেল গভর্নেন্স এবং সেলফ-অডিট

লাভ:

• 'এআই তৈরি করে → বিশেষজ্ঞ যাচাই করে → অনুমোদিত সিদ্ধান্ত' চক্রের সাথে একটি ব্যাঙ্কিং টাস্ক এন্ড-টু-এন্ড নিরাপদভাবে পরিচালনা করার ক্ষমতা
• মডেল গভর্নেন্স, বৈধতা, পর্যবেক্ষণ এবং ক্রমাগত উন্নতির কাঠামোর মধ্যে কৃত্রিম বুদ্ধিমত্তাকে নিরাপদে এম্বেড করার ক্ষমতা
• পাঁচটি মূল প্রশ্ন (প্রমাণিকরণ, উত্স, গোপনীয়তা, ন্যায্যতা, অনুমোদন) সহ তাদের আউটপুট স্ব-পরীক্ষা করে চূড়ান্ত দায়িত্ব নেওয়ার ক্ষমতা

এই মডিউল জুড়ে, আমরা AI কে একটি সহকারী এবং ব্লুপ্রিন্ট জেনারেটর হিসাবে ব্যাঙ্কিং-এর প্রতিটি কোণায় অবস্থান করি—ক্রেডিট, জালিয়াতি, বিভাজন, গ্রাহক পরিষেবা, সম্মতি, রিপোর্টিং, আর্থিক বিশ্লেষণ। এই চূড়ান্ত ইউনিটে, আমরা টুকরোগুলি একসাথে রাখি: আপনি কীভাবে একটি ব্যাঙ্কিং কাজ শুরু থেকে শেষ পর্যন্ত একটি সুরক্ষিত লুপে চালাবেন, কীভাবে মডেল গভর্নেন্স ফ্রেমগুলিকে লুপ করে এবং প্রতিটি আউটপুট নিয়ে আপনি কোন পাঁচটি প্রশ্ন স্ব-অডিট করেন? লক্ষ্য হল আপনি যা শিখেছেন তা একটি একক প্রতিচ্ছবি তৈরি করা: AI তৈরি করে → বিশেষজ্ঞ যাচাই করে → বিশেষজ্ঞ সিদ্ধান্ত নেন। এই চক্রটি একই সাথে গতি এবং নিরাপত্তা বজায় রাখার উপায়।

এন্ড-টু-এন্ড লুপ: তিনটি রিং

প্রতিটি ব্যাঙ্কিং কাজকে তিন-লিঙ্ক চেইন হিসাবে ভাবুন:

1. এআই তৈরি করে (খসড়া রিং): বেনামী, ন্যূনতম ডেটা সহ, এআইকে খসড়া/চেক টাস্ক দেওয়া হয় — সারাংশ, খসড়া ন্যায্যতা, সতর্কতা, খসড়া অ্যাকাউন্ট। এখানে কোন সিদ্ধান্ত নেই, শুধুমাত্র উপাদান.
2. বিশেষজ্ঞ যাচাই করে (ফিল্টার রিং): আউটপুট উত্সের সাথে লিঙ্ক করা হয়, সংখ্যাগুলি পুনরায় গণনা করা হয়, নীতি/আইন এবং ন্যায্যতার মাধ্যমে ফিল্টার করা হয়। হ্যালুসিনেশন, বৈষম্য এবং গোপনীয়তার আক্রমণ এখানে দূর করা হয়।
3. কর্তৃপক্ষ সিদ্ধান্ত নেয় (স্বাক্ষর রিং): চূড়ান্ত রায় — ক্রেডিট, STR, জালিয়াতির সিদ্ধান্ত, রিপোর্ট স্বাক্ষর — অনুমোদিত ব্যক্তি/কমিটি দ্বারা করা হয়; ন্যায্যতা এবং অডিট ট্রেইল রেকর্ড করা হয়.

কোয়েস্ট

এআই উত্পাদন করে

বিশেষজ্ঞ নিশ্চিত করেন

উপযুক্ত সিদ্ধান্ত

ক্রেডিট

খসড়া ন্যায্যতা

অনুপাত/উৎস/ন্যায্যতা

বরাদ্দের সিদ্ধান্ত

জালিয়াতি

অসঙ্গতি সতর্কতা

প্রসঙ্গ/গ্রাহক নিশ্চিতকরণ

ব্লক/মুক্ত শাসন

এএমএল

প্যাটার্ন/মিল

অমিল চেক

STR সিদ্ধান্ত

রিপোর্ট

পাঠ্য/সংখ্যার খসড়া

সংখ্যাগত যাচাই

স্বাক্ষর

বিশ্লেষণ

রেট/মন্তব্যের খসড়া

পুনঃগণনা/অনুমান

বিনিয়োগ/ক্রেডিট মতামত

টিপ: লুপে সবচেয়ে ঘন ঘন এড়িয়ে যাওয়া লিঙ্কটি হল মধ্যম "যাচাইকরণ"৷ চাপের মুখে মানুষ খসড়া থেকে সিদ্ধান্তে ঝাঁপিয়ে পড়ে। যাইহোক, এটি ঠিক সেই মধ্যম রিং যা মান এবং ঝুঁকি উভয়ই নির্ধারণ করে। যাচাইকরণ এড়িয়ে যাওয়া চক্রটি ভাঙছে।

মডেল গভর্নেন্স: যে সিস্টেম লুপ ফ্রেম করে

ব্যক্তিগত কাজের বাইরে, ব্যাঙ্ককে অবশ্যই তার মডেলগুলি সামগ্রিকভাবে পরিচালনা করতে হবে। মডেল গভর্নেন্স নিম্নলিখিত উপাদানগুলি নিয়ে গঠিত:

• বৈধতা: মডেলটি ব্যবহার করার আগে স্বাধীনভাবে পরীক্ষা করা হয়; এর যথার্থতা, ন্যায়বিচার এবং সীমা পরিমাপ করা হয়।
• মনিটরিং: সময়ের সাথে সাথে মডেলের অবনতি হতে পারে (ডেটা ড্রিফ্ট — ইনপুট বন্টন পরিবর্তন হলে কর্মক্ষমতা হ্রাস পায়)। এটি প্রতিনিয়ত পর্যবেক্ষণ করা হয়।
• ডকুমেন্টেশন: মডেলটি কী করে, কী ডেটা দিয়ে প্রশিক্ষিত হয়, এর সীমা এবং দায়ী ব্যক্তিরা নথিভুক্ত করা হয়।
• ভূমিকা এবং দায়িত্ব: কে উত্পাদন করে, কে যাচাই করে, কে সিদ্ধান্ত নেয় তা স্পষ্টভাবে সংজ্ঞায়িত।
• পর্যালোচনা এবং উন্নতি: ত্রুটিগুলি রেকর্ড করা হয়, মডেলটি পর্যায়ক্রমে পুনরায় মূল্যায়ন করা হয়।

সতর্কতা: একটি মডেল যা ভাল কাজ করে তা চিরকাল ভাল কাজ করবে না। অর্থনৈতিক অবস্থা, গ্রাহকের আচরণ এবং জালিয়াতির কৌশল পরিবর্তন; যদি মডেলটি এইগুলির সাথে তাল মিলিয়ে চলতে না পারে তবে এটি নীরবে মিথ্যা বলা শুরু করে। পর্যবেক্ষণ ছাড়া, এই অবক্ষয় অলক্ষিত হয়.

পাঁচ-প্রশ্ন স্ব-পরীক্ষা

প্রতিটি AI আউটপুট ব্যবহার করার আগে, নিজেকে এই পাঁচটি প্রশ্ন জিজ্ঞাসা করুন:

1. যাচাইকরণ: আমি কি এই আউটপুটটিকে উত্সের সাথে সংযুক্ত করেছি এবং গুরুত্বপূর্ণ সংখ্যাগুলি পুনরায় গণনা করেছি?
2. উত্স: প্রতিটি দাবি একটি বাস্তব নথি/ডেটা/নিয়মের উপর ভিত্তি করে, নাকি এটি বানোয়াট হতে পারে?
3. গোপনীয়তা: পরিচয় ডেটা বেনামী, ন্যূনতম ডেটা এবং অনুমোদিত সরঞ্জাম ব্যবহার করা হয়?
4. ন্যায্যতা: আউটপুট কি সুরক্ষিত সম্পত্তি বা সারোগেট পরিবর্তনশীল দ্বারা বৈষম্য ধারণ করে?
5. অনুমোদন: অনুমোদিত ব্যক্তির দ্বারা চূড়ান্ত সিদ্ধান্ত নেওয়া হয়েছিল, যৌক্তিকতা এবং অডিট ট্রেল রেকর্ড করা হয়েছিল?

এমনকি যদি পাঁচটির মধ্যে একটিও "না" হয়, আউটপুটটি ব্যবহারের জন্য প্রস্তুত নয়৷

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) শেষ থেকে শেষ মিশন পরিকল্পনা:

আপনার ভূমিকা: সহকারী যিনি আমাকে নিরাপদ লুপে একটি ব্যাঙ্কিং কাজের পরিকল্পনা করতে সাহায্য করেন৷ টাস্ক: [টাস্ক]৷ এই তিনটি রিং দিয়ে আমাকে পূরণ করুন: (1) এআই কী খসড়া তৈরি করবে, (2) বিশেষজ্ঞরা কী যাচাইকরণের পদক্ষেপগুলি করবেন, (3) কর্মকর্তা কী সিদ্ধান্ত নেবেন এবং রেকর্ড করবেন? একটি সিদ্ধান্ত প্রস্তাব; প্রক্রিয়া কঙ্কাল প্রদর্শিত হবে.

2) পাঁচটি প্রশ্ন সহ আত্ম-নিয়ন্ত্রণ অ্যাপ্লিকেশন:

পাঁচটি প্রশ্ন সহ নিম্নলিখিত AI আউটপুটটি পরীক্ষা করুন: যাচাইকরণ, উত্স, গোপনীয়তা, ন্যায্যতা, অনুমোদন। প্রতিটি প্রশ্নের জন্য, "ঠিক আছে/অসম্পূর্ণ/ঝুঁকিপূর্ণ" মূল্যায়ন করুন এবং ঘাটতিগুলি কীভাবে ঠিক করবেন তা লিখুন। আউটপুট: [পাঠ্য]

3) মডেল ট্র্যাকিং চেক নোট:

আপনার ভূমিকা: মডেল গভর্নেন্স সহকারী। আমরা ব্যবহার করি এমন একটি সিদ্ধান্ত সমর্থন মডেলের জন্য, যে সূচকগুলিকে নিয়মিত পর্যবেক্ষণ করা প্রয়োজন (কর্মক্ষমতা, আন্তঃগ্রুপ ন্যায্যতা, ডেটা ড্রিফ্ট সিগন্যাল, ত্রুটি রেকর্ড) একটি চেকলিস্টে পরিণত করুন৷ সিদ্ধান্ত গ্রহণ; পর্যবেক্ষণ কাঠামোর পরামর্শ দিন।

4) কেস ক্লোজার এবং অডিট ট্রেইল:

একটি ব্যস্ততার শেষে অডিট ট্রেইলের জন্য একটি সমাপনী নোট খসড়া করুন: কী খসড়া তৈরি করা হয়েছিল, কী যাচাইকরণ করা হয়েছিল, কার দ্বারা কী সিদ্ধান্ত নেওয়া হয়েছিল, কী যুক্তি দিয়ে৷ শুধুমাত্র আমার দেওয়া যাচাইকৃত তথ্য ব্যবহার করুন। ইনপুট: [তথ্য]

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

আপনি শুরু থেকে শেষ পর্যন্ত এই কাজটি পরিচালনা করুন এবং আমাকে একটি প্রস্তুত সিদ্ধান্ত হিসাবে ফলাফল দিন, তাই আমি বিস্তারিত নিয়ে বিরক্ত করব না।

এটি একটি একক ধাপে তিনটি রিং কমিয়ে দেয়, যাচাইকরণ এবং মানুষের বিচারকে বাইপাস করে এবং দায়িত্বকে অস্পষ্ট করে।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: প্রক্রিয়া সহকারী, সিদ্ধান্ত গ্রহণকারী নয়। প্রথমে কাজের জন্য রূপরেখা তৈরি করুন, তারপর আমার যাচাই করার জন্য যে পয়েন্টগুলি প্রয়োজন তা তালিকাভুক্ত করুন এবং শেষে আমাকে মনে করিয়ে দিন যে সিদ্ধান্ত এবং অডিট ট্রেল আমার। আউটপুটে পাঁচটি স্ব-চেক প্রশ্ন (প্রমাণিকরণ, উৎস, গোপনীয়তা, ন্যায্যতা, অনুমোদন) যোগ করুন।

দৃঢ় ইচ্ছা তিনটি রিং রক্ষা করে, যাচাইকরণের প্রয়োজন হয় এবং সিদ্ধান্তটি ব্যক্তির উপর ছেড়ে দেয়।

তিনটি মিনি কেস

কেস 1 - চক্রটি সম্পূর্ণভাবে চলে। একটি ঋণ আবেদনে, AI একটি খসড়া ন্যায্যতা তৈরি করে (রিং 1); বিশেষজ্ঞ হার পুনরায় গণনা করে, ন্যায্যতার জন্য ন্যায্যতা পরীক্ষা করে, একটি সারোগেট পরিবর্তনশীল অভিব্যক্তি পরিষ্কার করে (রিং 2); কর্মকর্তা বরাদ্দের সিদ্ধান্ত নেন এবং অডিট ট্রেইল রেকর্ড করেন (রিং 3)। 20 মিনিটের মধ্যে, একটি নিরাপদ এবং রক্ষাযোগ্য সিদ্ধান্ত আবির্ভূত হয়।

কেস 2 — মনিটরিং ক্যাপচার অবক্ষয়। যদিও একটি জালিয়াতির ধরণ কয়েক মাস ধরে ভাল কাজ করে, একটি নতুন জালিয়াতির কৌশলের কারণে ধরা পড়ার হার শান্তভাবে কমে যায়। মডেল গভর্নেন্সের অধীনে পর্যবেক্ষণ এই পতন লক্ষ্য করে; মডেল আপডেট করা হয়. মনিটরিং ছাড়া লোকসান বাড়তে থাকবে।

কেস 3 — আত্ম-নিয়ন্ত্রণ লঙ্ঘন প্রতিরোধ করে। একজন বিশ্লেষক একটি দ্রুত প্রতিবেদনের জন্য সরাসরি এআই আউটপুট পাঠাতে চলেছেন। তিনি পাঁচটি প্রশ্ন প্রয়োগ করেন: তিনি লক্ষ্য করেন যে "উৎস" প্রশ্নে লাভের অঙ্ক নিশ্চিত করা হয়নি। উৎস থেকে নিয়ন্ত্রণ; সংখ্যাটি ভুল। ত্রিশ সেকেন্ডের স্ব-পরীক্ষা একটি মিথ্যা ছবি পরিচালনায় পাঠানো থেকে বাধা দেয়।

ভূমিকার স্বচ্ছতা: কে তৈরি করে, কে যাচাই করে, কে সিদ্ধান্ত নেয়

থ্রি-রিং সাইকেল তখনই নিরাপদ যখন ভূমিকাগুলো পরিষ্কার হয়। সবচেয়ে সাধারণ সমস্যা হল অস্পষ্ট এলাকা যেখানে "সবাই দায়ী কিন্তু কেউ দায়ী নয়": খসড়াটি AI দ্বারা উত্পাদিত হয়েছিল, কেউ এটি সম্পূর্ণরূপে যাচাই করেনি, এবং সিদ্ধান্তটি উপেক্ষিত থেকে যায় কারণ এটি "সিস্টেম ছেড়ে গেছে"। এই ফাঁক যেখানে ভুল সবচেয়ে সহজে প্রবেশ করে।

একটি সুস্থ কল্পকাহিনীতে, প্রতিটি রিংয়ের একটি মালিক রয়েছে:

• জেনারেটর (সহকারী + ব্যবহারকারী): বেনামী, ব্যক্তি যিনি খসড়ার জন্য অনুরোধ করেন এবং ন্যূনতম ডেটা সহ এন্ট্রি প্রস্তুত করেন।
• যাচাইকারী (বিশেষজ্ঞ): কেউ যিনি আউটপুটটিকে উত্সের সাথে লিঙ্ক করেন, সংখ্যাগুলি পুনরায় গণনা করেন এবং ন্যায্যতা এবং গোপনীয়তার জন্য এটি ফিল্টার করেন৷ এই ভূমিকা কখনই এড়িয়ে যায় না।
• সিদ্ধান্ত গ্রহণকারী (কর্তৃপক্ষ/কমিটি): যে কর্তৃপক্ষ চূড়ান্ত সিদ্ধান্ত নেয় এবং ন্যায্যতা এবং অডিট ট্রেইলে স্বাক্ষর করে।

কখনও কখনও একই ব্যক্তি একাধিক ভূমিকা গ্রহণ করে; এটি একটি সমস্যা নয়, যতক্ষণ না আপনি নিশ্চিত হন যে প্রতিটি লিঙ্ক সচেতনভাবে তৈরি এবং রেকর্ড করা হয়েছে। সমস্যা হল যে একটি রিং ফাঁকা রাখা হয়েছে এই অনুমানে যে "কেউ এটা করেছে"।

টিপ: একটি সিদ্ধান্ত নেওয়ার পরে, নিজেকে জিজ্ঞাসা করুন "এই সিদ্ধান্তের একমাত্র মালিক কে?" জিজ্ঞাসা যদি উত্তরটি একটি স্পষ্ট নাম না হয়, তাহলে এর মানে দায়িত্বের শৃঙ্খল ভেঙে গেছে; লুপটি পুনরায় চালু করুন।

সাধারণ ভুল

• মাঝের রিং এড়িয়ে যাওয়া। খসড়া থেকে সিদ্ধান্তে সরাসরি যাওয়া এবং যাচাইকরণ এড়িয়ে যাওয়া।
• মডেলের উপর দায়িত্ব চাপানো। "এআই এটি পরিচালনা করবে" বলে এবং চূড়ান্ত সিদ্ধান্ত এবং স্বাক্ষরের মালিক নয়।
• মডেল সেট করার কথা ভাবছেন এবং ভুলে গেছেন। যে মডেলটি একবার অনুসরণ না করে ভাল কাজ করেছিল তা ছেড়ে দেওয়া; ডাটা ড্রিফ্ট দেখছি না।
• একটি অডিট লেজ ছেড়ে না. কে কী সিদ্ধান্ত নিয়েছে এবং কেন তা রেকর্ড করছে না।
• আত্মনিয়ন্ত্রণকে বাইপাস করা। পাঁচটি প্রশ্ন না করে আউটপুট ব্যবহার করা।

পরামর্শ: পাঁচ-প্রশ্ন স্ব-পরীক্ষাকে একটি অভ্যাস করুন; এটি সময়ের সাথে স্বয়ংক্রিয় হয়ে ওঠে এবং সেকেন্ড সময় নেয়। এই কয়েক সেকেন্ডের নিয়ন্ত্রণ মিস হয়ে গেলে অনেক বড় ভুল হয়ে যায়।

সংক্ষেপে

ব্যাঙ্কিংয়ে নিরাপদ কৃত্রিম বুদ্ধিমত্তার ব্যবহার একটি তিন-রিং চক্র: এআই তৈরি করে, বিশেষজ্ঞ যাচাই করে, কর্তৃপক্ষ সিদ্ধান্ত নেয়। মডেল গভর্নেন্স (বৈধতা, পর্যবেক্ষণ, ডকুমেন্টেশন, জবাবদিহিতা, উন্নতি) এই চক্রকে ফ্রেম করে। পাঁচটি প্রশ্ন সহ প্রতিটি আউটপুট স্ব-চেক করুন — প্রমাণীকরণ, উত্স, গোপনীয়তা, ন্যায্যতা, অনুমোদন; এমনকি যদি একটি অনুপস্থিত হয়, আউটপুট প্রস্তুত নয়. মডেল ভেঙ্গে যেতে পারে; পর্যবেক্ষণ অপরিহার্য। দায়িত্ব সর্বদা ব্যক্তির উপর নিহিত। এক বাক্যে: কৃত্রিম বুদ্ধিমত্তা চক্রের প্রথম লিঙ্ক; যাচাইকরণ এবং চূড়ান্ত সিদ্ধান্ত হল একজন যোগ্য ব্যক্তির রিং যারা একটি হিসাব দিতে পারে।

আবেদন টাস্ক

আপনার নিজের ব্যবসা থেকে একটি টাস্ক বেছে নিন এবং টেমপ্লেট 1 সহ একটি তিন-রিং এন্ড-টু-এন্ড প্ল্যান তৈরি করুন: AI কী তৈরি করবে, বিশেষজ্ঞ কী যাচাই করবে, কর্তৃপক্ষ কী রেকর্ড করবে এবং সিদ্ধান্ত নেবে। তারপর সেই কাজের জন্য একটি নমুনা AI আউটপুট লিখুন, ২য় টেমপ্লেটের সাথে পাঁচ-প্রশ্নের স্ব-চেক প্রয়োগ করুন এবং ঘাটতিগুলি সংশোধন করুন। অবশেষে, আপনি যে সিদ্ধান্ত সমর্থন টুল ব্যবহার করেন তার জন্য টেমপ্লেট 3 সহ একটি মনিটরিং চেকলিস্ট তৈরি করুন।

চেকলিস্ট

• [ ] আমি কাজটিকে একটি তিন-রিং লুপে গঠন করেছি (জেনারেট / যাচাই / সিদ্ধান্ত)।
• [ ] আমি মাঝের লিঙ্কটি এড়িয়ে যাইনি (যাচাই); আমি উৎস এবং সংখ্যা চেক.
• [ ] আমি পাঁচটি স্ব-নিয়ন্ত্রণ প্রশ্ন পরিচালনা করেছি; কিছু অনুপস্থিত থাকলে আমি যেতাম।
• [ ] আমি গোপনীয়তা এবং ন্যায্যতা ফিল্টার পাস করেছি৷
• আমি মডেল ট্র্যাকিং এবং দুর্নীতির ঝুঁকি বিবেচনা করেছি।
• [ ] আমি চূড়ান্ত সিদ্ধান্ত, এর ন্যায্যতা এবং অডিট ট্রেইল রেকর্ড করে দায়িত্ব নিয়েছি।

মডিউল পরীক্ষা

1. একজন ক্রেডিট বিশেষজ্ঞ কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পন্ন ঋণ প্রত্যাখ্যানের কারণটি পরীক্ষা না করেই গ্রাহকের কাছে প্রেরণ করেন। এই পদ্ধতির মৌলিক ভুল কি?

• ক) কৃত্রিম বুদ্ধিমত্তা আউটপুট যাচাই ছাড়া ব্যবহার করা যাবে না; খসড়া সিদ্ধান্তের ন্যায্যতা অবশ্যই অনুমোদিত বিশেষজ্ঞ দ্বারা পর্যালোচনা এবং অনুমোদিত হতে হবে ✔
• খ) কৃত্রিম বুদ্ধিমত্তা সব সময় ঋণকে নেতিবাচক বলে যুক্তি দেয়
• গ) কারণের পরিবর্তে গ্রাহককে শুধুমাত্র স্কোর বলতে হবে
• ঘ) ন্যায্যতা ই-মেইলের পরিবর্তে ফোনের মাধ্যমে গ্রাহককে জানানো উচিত ছিল।

ব্যাখ্যা: যদিও কৃত্রিম বুদ্ধিমত্তা একটি সামঞ্জস্যপূর্ণ ন্যায্যতা তৈরি করতে পারে, এটি ভুল তথ্য বা ভুল অনুমানের উপর ভিত্তি করে একই আত্মবিশ্বাসের সাথে একটি ভুল এবং এমনকি বৈষম্যমূলক ন্যায্যতাও তৈরি করতে পারে। ব্যাংকিং একটি নিয়ন্ত্রিত, আস্থা-গুরুত্বপূর্ণ এলাকা; প্রতিটি আউটপুট অবশ্যই একজন বিশেষজ্ঞ দ্বারা যাচাই করা উচিত, এবং ক্রেডিট বরাদ্দের সিদ্ধান্ত এবং চূড়ান্ত ন্যায্যতা অবশ্যই অনুমোদিত ব্যক্তির অন্তর্গত।

2. একটি কৃত্রিম বুদ্ধিমত্তা টুলে গ্রাহকের ব্যাঙ্ক অ্যাকাউন্টের লেনদেন স্থানান্তর করার সময় গোপনীয়তার (KVKK এবং গ্রাহক গোপনীয়তা) ক্ষেত্রে সর্বোত্তম আচরণ কী?

• ক) গ্রাহকের পুরো নাম এবং অ্যাকাউন্ট স্টেটমেন্ট গতির জন্য আপলোড করা উচিত।
• খ) ব্যক্তিগতভাবে শনাক্তকরণযোগ্য তথ্য মুছে ফেলার মাধ্যমে এবং তথ্য গোপন করে, শুধুমাত্র ন্যূনতম প্রয়োজনীয় তথ্য একটি অনুমোদিত সুরক্ষিত টুলে শেয়ার করা উচিত ✔
• গ) ডেটা এনক্রিপ্ট করা থাকলে নাম ও অ্যাকাউন্ট নম্বরও যেকোনো গাড়িতে পাঠানো যাবে
• ঘ) উদ্দেশ্য ভালো হওয়ায় গ্রাহককে না জিজ্ঞেস করেই সম্পূর্ণ ট্রান্সক্রিপ্ট শেয়ার করা যেতে পারে

ব্যাখ্যা: ব্যাঙ্কিং আইনের আওতায় গ্রাহকের আর্থিক ডেটা ব্যক্তিগত ডেটা এবং গ্রাহকের গোপনীয়তা উভয়ই। শনাক্তকরণ তথ্য যেমন নাম, টিআর আইডি, অ্যাকাউন্ট নম্বর মুছে ফেলা উচিত এবং ডেটা বেনামী করা উচিত; কাজের জন্য প্রয়োজনীয় ন্যূনতম ডেটা ভাগ করা উচিত এবং শুধুমাত্র প্রতিষ্ঠান দ্বারা অনুমোদিত সুরক্ষিত সরঞ্জামগুলি ব্যবহার করা উচিত।

3. কৃত্রিম বুদ্ধিমত্তা একটি ক্রেডিট স্কোরিং মডেলের সিদ্ধান্তের জন্য একটি ন্যায্যতা তৈরি করে, যেমন 'প্রত্যাখ্যান কারণ আশেপাশের যেখানে আবেদনকারী থাকেন ঝুঁকিপূর্ণ'। বিশেষজ্ঞের কি করা উচিত?

• ক) যৌক্তিক ব্যবহার করা হয় কারণ মডেলটি পরিসংখ্যানের উপর ভিত্তি করে
• খ) জেলার তথ্য আরও ওজন করা হয় এবং সিদ্ধান্তকে শক্তিশালী করা হয়।
• গ) এটি একটি প্রক্সি ভেরিয়েবলের মাধ্যমে পরোক্ষ বৈষম্য হতে পারে; ন্যায্যতা প্রত্যাখ্যান করতে হবে এবং সিদ্ধান্ত অবশ্যই বৈধ এবং ব্যাখ্যাযোগ্য মানদণ্ডের উপর ভিত্তি করে হতে হবে ✔
• ঘ) কারণটি গ্রাহককে বলা হয়নি, এটি কেবল ফাইলে রাখা হয়েছে, কোনও সমস্যা হবে না।

ব্যাখ্যা: বসবাসের জেলা একটি প্রক্সি পরিবর্তনশীল হতে পারে যা জাতিগত বা অনুরূপ সুরক্ষিত বৈশিষ্ট্যের সাথে দৃঢ়ভাবে সম্পর্কিত, পরোক্ষ বৈষম্য সৃষ্টি করে। এই ধরনের ন্যায্যতা আইনগত এবং নৈতিকভাবে অগ্রহণযোগ্য; সিদ্ধান্তটি অবশ্যই বৈধ, ব্যাখ্যাযোগ্য এবং অ-বৈষম্যমূলক মানদণ্ডের উপর ভিত্তি করে হতে হবে এবং এই ন্যায্যতাকে অবশ্যই প্রত্যাখ্যান করতে হবে।

4. একটি জালিয়াতি সনাক্তকরণ সিস্টেমে, কৃত্রিম বুদ্ধিমত্তা একটি লেনদেনকে 'উচ্চ ঝুঁকি' হিসাবে চিহ্নিত করে। সর্বোত্তম পন্থা কি?

• ক) সতর্কতা একটি প্রাক-স্ক্রিনিং সংকেত; প্রকৃত জালিয়াতি এবং মিথ্যা শঙ্কা বিশেষজ্ঞ পরীক্ষার দ্বারা আলাদা করা উচিত এবং চূড়ান্ত রায় মানবিকভাবে করা উচিত ✔
• খ) লেনদেন স্বয়ংক্রিয়ভাবে এবং স্থায়ীভাবে অবরুদ্ধ, পর্যালোচনা অপ্রয়োজনীয়
• গ) সতর্কতা উপেক্ষা করা হয় কারণ অধিকাংশ সতর্কবার্তাই মিথ্যা
• ঘ) গ্রাহককে ডেকে সরাসরি দোষারোপ করা হয়

ব্যাখ্যা: এআই সতর্কতা একটি প্রাথমিক স্ক্রীনিং এবং সম্ভাব্যতা সংকেত, একটি নির্দিষ্ট রায় নয়। প্রকৃত জালিয়াতি এবং মিথ্যা ইতিবাচকের মধ্যে পার্থক্য করা, গ্রাহককে শিকার না করে তদন্ত করা এবং চূড়ান্ত সিদ্ধান্ত নেওয়া বিশেষজ্ঞের উপর নির্ভর করে; সতর্কতা স্বয়ংক্রিয়ভাবে অ্যাকাউন্ট স্থায়ীভাবে ব্লক করা উচিত নয়।

5. জালিয়াতি সনাক্তকরণে বিপুল সংখ্যক মিথ্যা ইতিবাচক সতর্কতার মূল্য কত?

• ক) একটি মিথ্যা ইতিবাচক কোন মূল্য নেই, যত বেশি সতর্কতা তত ভাল
• খ) গ্রাহকের কষ্ট এবং অ্যালার্ম ক্লান্তি তৈরি করে; আসল জালিয়াতি অলক্ষিত হওয়ার ঝুঁকি বাড়ায় ✔
• গ) এটি শুধুমাত্র সিস্টেমের বিদ্যুৎ খরচ বাড়ায়
• ঘ) মিথ্যা ইতিবাচক শুধুমাত্র রাতের ব্যবসায় ঘটে

ব্যাখ্যা: মিথ্যা ইতিবাচক অপ্রয়োজনীয়ভাবে বৈধ গ্রাহকদের লেনদেন বাধাগ্রস্ত করে অসুবিধা এবং অসন্তোষ সৃষ্টি করে; এটি বিশ্লেষকদের মধ্যে সতর্কতা অবসাদ তৈরি করে, প্রকৃত জালিয়াতি উপেক্ষা করার ঝুঁকি বাড়ায়। অতএব, থ্রেশহোল্ড এবং নিয়মগুলি ভারসাম্যপূর্ণ হওয়া উচিত এবং সতর্কতাগুলিকে অগ্রাধিকার দেওয়া উচিত।

6. গ্রাহক বিভাজন এবং ব্যক্তিগতকৃত প্রচারাভিযান ডিজাইন করার সময় সবচেয়ে নৈতিকভাবে গুরুত্বপূর্ণ সীমানা কী?

• ক) অংশগুলি যত সংকীর্ণ হবে তত ভাল, অন্য কোনও সীমা নেই৷
• খ) ব্যক্তিগতকরণ শুধুমাত্র একটি প্রযুক্তিগত সমস্যা, এটি নৈতিক সীমার প্রয়োজন হয় না
• গ) যোগ্যতা, সম্মতি এবং অ-বৈষম্য রক্ষা করতে হবে; দুর্বল গ্রাহকের শোষণ ও কারসাজি রোধ করতে হবে ✔
• ঘ) প্রচারণা সকলের কাছে একইভাবে পাঠানো হলে, কোন নৈতিক সমস্যা থাকবে না।

ব্যাখ্যা: যদিও বিভাজন গ্রাহকের সুবিধার জন্য ব্যবহার করা যেতে পারে (উপযুক্ত পণ্যের সুপারিশ), এটি দুর্বলতাকে কাজে লাগানোর জন্যও অপব্যবহার করা যেতে পারে (যেমন অতিরিক্ত ঋণগ্রস্ত গ্রাহককে বিপণন করা)। উপযুক্ততা, সম্মতি এবং অ-বৈষম্যের নীতিগুলি অবশ্যই রক্ষা করতে হবে; ব্যক্তিগতকরণ ম্যানিপুলেশন পরিণত করা উচিত নয়.

7. একটি গ্রাহক পরিষেবা চ্যাটবটের জন্য সেরা নিরাপত্তা নীতি কি?

• ক) চ্যাটবট সমস্ত ধরণের লেনদেন এবং আর্থিক পরামর্শ নিজেরাই শেষ করতে সক্ষম হওয়া উচিত
• খ) রুটিন তথ্য ত্বরান্বিত করে; অভিযোগ, সংবেদনশীল পরামর্শ এবং অনুমোদিত লেনদেন মানুষের কাছে অর্পণ করা উচিত, যাচাইকৃত তথ্য প্রদান করা উচিত নয় ✔
• গ) চ্যাটবট গ্রাহকের পরিচয় যাচাই না করেই অ্যাকাউন্টের সমস্ত তথ্য শেয়ার করতে পারে
• ঘ) মানুষের হস্তান্তর বিকল্পটি সরানো উচিত কারণ এটি চ্যাটবটকে ধীর করে দেয়।

বর্ণনা: চ্যাটবট নিরাপদে ঘন ঘন জিজ্ঞাসিত তথ্য এবং রুটিন লেনদেন ত্বরান্বিত করে, তবে অভিযোগ, সংবেদনশীল আর্থিক পরামর্শ, অ্যাকাউন্টে অনুমোদিত লেনদেন এবং অস্পষ্ট পরিস্থিতি অনুমোদিত কর্মচারীর কাছে অর্পণ করা উচিত। উপরন্তু, চ্যাটবট গ্রাহকের গোপনীয়তা প্রকাশ করবে না বা যাচাইকৃত তথ্য প্রদান করবে না।

8. AML/KYC প্রক্রিয়ায়, কৃত্রিম বুদ্ধিমত্তা একটি লেনদেনকে সন্দেহজনক হিসাবে চিহ্নিত করে। সন্দেহজনক লেনদেন রিপোর্টিং (STR) এর ক্ষেত্রে সঠিক পদ্ধতি কি?

• ক) মডেলটি চিহ্নিত থাকলে, বিজ্ঞপ্তি স্বয়ংক্রিয়ভাবে তৈরি করা উচিত, কমপ্লায়েন্স অফিসার অপ্রয়োজনীয়
• খ) সতর্কতা উপেক্ষা করা হয়েছে কারণ অধিকাংশ লেনদেন বৈধ
• গ) লেনদেন অবিলম্বে গ্রাহককে জানানো হয় কারণ 'লন্ডারিং সন্দেহ আছে'
• ঘ) মডেল আউটপুট একটি প্রাথমিক স্ক্রীনিং এবং খসড়া; ন্যায্যতা এবং অডিট ট্রেল সংরক্ষণ করে, অনুমোদিত সম্মতি অফিসার দ্বারা STR সিদ্ধান্ত নেওয়া হয় ✔

বর্ণনা: কৃত্রিম বুদ্ধিমত্তা লেনদেন পর্যবেক্ষণ এবং স্ক্যানিং সম্ভাব্য সন্দেহজনক নিদর্শনগুলিকে দ্রুত পতাকাঙ্কিত করে, কিন্তু সন্দেহজনক লেনদেন রিপোর্টিং (STR/SAR) হল আইনি পরিণতি সহ একটি সিদ্ধান্ত এবং অনুমোদিত সম্মতি অফিসারের রায়ের সাথে করা হয়৷ মডেল আউটপুট একটি প্রাথমিক এবং খসড়া; অডিট ট্রেইল এবং ন্যায্যতা সংরক্ষণ করা আবশ্যক.

9. নিষেধাজ্ঞা তালিকা / PEP (রাজনৈতিকভাবে উন্মুক্ত ব্যক্তি) স্ক্রীনিং-এ, কৃত্রিম বুদ্ধিমত্তা একটি নামের সাথে মেলে, তবে এটি একটি মিথ্যা ম্যাচ হতে পারে। সঠিক পন্থা কি?

• ক) অতিরিক্ত শনাক্তকারীর সাথে মিল নিশ্চিত করতে হবে (জন্ম তারিখ, জাতীয়তা); সিদ্ধান্ত অবশ্যই কমপ্লায়েন্স অফিসারকে নিতে হবে ✔
• খ) নামের মিল যথেষ্ট, গ্রাহককে অবিলম্বে অনুমোদিত ঘোষণা করা হয়
• গ) সমস্ত ম্যাচ মিথ্যা বলে বিবেচিত এবং উপেক্ষা করা হয়
• ঘ) সিদ্ধান্তটি চ্যাটবটের উপর ছেড়ে দেওয়া হয়

ব্যাখ্যা: নাম স্ক্যান অনুরূপ নামের কারণে মিথ্যা ইতিবাচক উত্পাদন করতে পারে। কমপ্লায়েন্স অফিসারকে অবশ্যই জন্মতারিখ, জাতীয়তা এবং অন্যান্য শনাক্তকারীর সাথে মিল নিশ্চিত করতে হবে; ভুলবশত একজন গ্রাহককে মঞ্জুরিপ্রাপ্ত ঘোষণা করা বা সত্যিকারের ম্যাচ মিস করা উভয়েরই গুরুতর পরিণতি রয়েছে। সিদ্ধান্ত মানুষেরই।

10. আপনি কৃত্রিম বুদ্ধিমত্তা সহ একটি খসড়া ব্যবস্থাপনা প্রতিবেদন তৈরি করেছেন; প্রতিবেদনে ত্রৈমাসিক লাভের পরিসংখ্যান অন্তর্ভুক্ত রয়েছে। স্বাক্ষর করার আগে সবচেয়ে গুরুত্বপূর্ণ পদক্ষেপ কি?

• ক) প্রতিবেদনের সমস্ত গুরুত্বপূর্ণ সংখ্যাগুলিকে উত্স ডেটার বিপরীতে পুনরায় যাচাই করা উচিত; চূড়ান্ত স্বাক্ষরের দায়িত্ব মানুষের উপর বর্তায় ✔
• খ) কৃত্রিম বুদ্ধিমত্তা ত্রুটি ছাড়াই নম্বর দেয়, যাচাই করা সময়ের অপচয়
• গ) রিপোর্টটিকে আরও সুন্দর দেখানোর জন্য শুধুমাত্র ফরম্যাট চেক করা হয়েছে।
• ঘ) রিপোর্ট সরাসরি সিনিয়র ম্যানেজমেন্টে পাঠানো হয়, পরে নিয়ন্ত্রণ করা হয়

ব্যাখ্যা: কৃত্রিম বুদ্ধিমত্তা সাংখ্যিক মানগুলিকে ভুলভাবে উপস্থাপন করতে পারে, সেগুলি তৈরি করতে পারে বা উত্স ডেটার সাথে অসঙ্গতিপূর্ণভাবে সংক্ষিপ্ত করতে পারে৷ প্রতিবেদনে স্বাক্ষর করার আগে সমস্ত গুরুত্বপূর্ণ নম্বরগুলি উত্স ডেটার বিরুদ্ধে পুনরায় যাচাই করা উচিত; যদিও স্বয়ংক্রিয়তা গতি প্রদান করে, তবে চূড়ান্ত স্বাক্ষরের দায়িত্ব মানুষের উপর।

11. কৃত্রিম বুদ্ধিমত্তা একটি কোম্পানির আর্থিক বিবৃতি বিশ্লেষণ করে এবং বলে যে 'কোম্পানিটি খুব শক্ত, ঋণ অবশ্যই দেওয়া উচিত'। আর্থিক বিশ্লেষকের দায়িত্ব কি?

• ক) টেক্সটটি যেমন আছে তেমন গ্রহণ করা, কারণ কৃত্রিম বুদ্ধিমত্তা ত্রুটি ছাড়াই অর্থ জানে
• খ) উৎস সারণী থেকে অনুপাত পুনঃগণনা করা এবং অনুমান প্রশ্ন করা; একজন মানুষ হিসাবে চূড়ান্ত সিদ্ধান্ত নেওয়া, অনিশ্চয়তা প্রকাশ করা ✔
• গ) 'এআই অনুমোদিত' হিসাবে সরাসরি কমিটির কাছে সিদ্ধান্ত উপস্থাপন করা
• ঘ) মোটেও বিশ্লেষণ না পড়ে ঋণ প্রত্যাখ্যান করা

ব্যাখ্যা: আর্থিক বিশ্লেষণ অনুমান এবং ইনপুট সঠিকতার উপর নির্ভর করে; AI হারের ভুল গণনা করতে পারে, অনুপস্থিত ডেটা উপেক্ষা করতে পারে বা অতিরিক্ত সুনির্দিষ্ট ভাষা ব্যবহার করতে পারে। বিশ্লেষককে অবশ্যই উৎস টেবিল, প্রশ্ন অনুমান থেকে হার পুনঃগণনা করতে হবে এবং অনিশ্চয়তা উল্লেখ করে মানবিকভাবে চূড়ান্ত ক্রেডিট সিদ্ধান্ত নিতে হবে।

12. যদিও একটি ক্রেডিট মডেল সরাসরি লিঙ্গ বা জাতিগততার মতো সুরক্ষিত বৈশিষ্ট্য ব্যবহার নাও করতে পারে, এটি পোস্টকোড এবং শপিং ডেটার মাধ্যমে পরোক্ষভাবে তাদের প্রতিফলিত করতে পারে। এই পরিস্থিতিকে কী বলা হয় এবং কেন এটি ঝুঁকিপূর্ণ?

• ক) এটিকে বলা হয় ওভারলার্নিং এবং শুধুমাত্র সঠিকতা হ্রাস করবে
• খ) এটিকে ডেটা লিক বলা হয় এবং এটি কেবল একটি গতির সমস্যা
• গ) একে প্রক্সি ভেরিয়েবলের মাধ্যমে পরোক্ষ বৈষম্য বলা হয়; বেআইনি এবং ন্যায্যতার পরীক্ষা দ্বারা পরীক্ষা করা আবশ্যক ✔
• ঘ) একে স্বাভাবিকীকরণ বলা হয় এবং এটি সম্পূর্ণ নিরীহ

ব্যাখ্যা: একটি সুরক্ষিত সম্পত্তির সাথে দৃঢ়ভাবে যুক্ত ভেরিয়েবলকে প্রক্সি ভেরিয়েবল বলে। এমনকি মডেলটি সুরক্ষিত বৈশিষ্ট্যটি সরাসরি ব্যবহার না করলেও, এটি প্রক্সির মাধ্যমে পরোক্ষভাবে বৈষম্য করতে পারে। এটি অবৈধ এবং অনৈতিক উভয়ই; ন্যায্যতা মেট্রিক্সের সাথে মডেলগুলি পরীক্ষা করা উচিত এবং প্রক্সি ঝুঁকি নিয়ন্ত্রণ করা উচিত।

13. একটি ব্যাংক ক্রেডিট সিদ্ধান্তে একটি কৃত্রিম বুদ্ধিমত্তা মডেল ব্যবহার করে। আইন প্রণয়ন এবং নিরীক্ষাযোগ্যতার ক্ষেত্রে সবচেয়ে মৌলিক প্রয়োজনীয়তাগুলির মধ্যে একটি কী?

• ক) মডেলটি যত জটিল এবং বোধগম্য, তত নিরাপদ
• খ) রেকর্ড রাখা অপ্রয়োজনীয়, সিদ্ধান্ত মৌখিকভাবে ব্যাখ্যা করা যেতে পারে
• গ) গ্রাহকের আপত্তি করার অধিকার সরিয়ে দেওয়া উচিত কারণ এটি প্রক্রিয়াটিকে ধীর করে দেয়
• ঘ) মডেলটি ব্যাখ্যাযোগ্য হওয়া উচিত, সিদ্ধান্তের ন্যায্যতা এবং অডিট ট্রেইল রাখা উচিত, গ্রাহককে বস্তু/মানব পর্যালোচনা করার অধিকার দেওয়া উচিত ✔

ব্যাখ্যা: নিয়ন্ত্রিত সিদ্ধান্ত প্রক্রিয়ায়, মডেলটি অবশ্যই ব্যাখ্যাযোগ্য হতে হবে, সিদ্ধান্তের যৌক্তিকতা অবশ্যই নথিভুক্ত হতে হবে, একটি রেকর্ড (অডিট ট্রেইল) রাখতে হবে এবং গ্রাহককে অবশ্যই মানবিক পর্যালোচনার অবজেক্ট/অনুরোধ করার অধিকার দিতে হবে। একটি 'ব্ল্যাক বক্স' মডেলের অযৌক্তিক সিদ্ধান্ত নিরীক্ষা করা যায় না এবং এটি আইন মেনে চলে না।

14. পুরো মডিউল জুড়ে যে মূল নীতির উপর জোর দেওয়া হয়েছে তা কীভাবে ব্যাঙ্কিংয়ে কৃত্রিম বুদ্ধিমত্তার ভূমিকা বর্ণনা করে?

• ক) কৃত্রিম বুদ্ধিমত্তা অভিজ্ঞ ব্যাঙ্কারদের প্রতিস্থাপন করতে পারে এবং নিজে থেকেই ঋণ এবং বিজ্ঞপ্তি চূড়ান্ত করতে পারে
• খ) কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র বিপণনের জন্য ব্যবহার করা হয়, সিদ্ধান্ত নেওয়ার জন্য নয়
• গ) কৃত্রিম বুদ্ধিমত্তার আউটপুট যাচাই না করেও নিরাপদ কারণ এটি পরিসংখ্যানের উপর ভিত্তি করে
• ঘ) কৃত্রিম বুদ্ধিমত্তা একটি সহকারী এবং খসড়া জেনারেটর; ক্রেডিট বরাদ্দ, জালিয়াতি/সম্মতির রায় এবং চূড়ান্ত সিদ্ধান্ত অনুমোদিত ব্যক্তির সাথে থাকে ✔

বর্ণনা: AI একজন সহকারী, প্রি-স্ক্রিনার এবং ড্রাফ্ট জেনারেটর হিসাবে পুনরাবৃত্তিমূলক কাজগুলিকে গতি দেয়; কিন্তু যেহেতু আমরা একটি নিয়ন্ত্রিত, আস্থা-সমালোচনামূলক এলাকায় কাজ করি, তাই ক্রেডিট বরাদ্দ, জালিয়াতি/সম্মতির বিধান এবং গ্রাহক সম্পর্কিত চূড়ান্ত সিদ্ধান্ত অনুমোদিত ব্যক্তির (অনুমোদিত ব্যাঙ্কার এবং সিদ্ধান্ত কমিটি)। যাচাইকৃত আউটপুট একটি স্বাক্ষরবিহীন খসড়া সিদ্ধান্ত।