ক্রেডিট রিস্ক অ্যাসেসমেন্ট এবং স্কোরিং সাপোর্ট: এআই ড্রাফ্ট যাচাই করা

লাভ:

• ডেটা ক্রেডিট স্কোরিং কিসের উপর ভিত্তি করে তা বোঝার ক্ষমতা এবং কৃত্রিম বুদ্ধিমত্তা স্কোর প্রদান করে না, তবে স্কোরের একটি স্পষ্ট সারাংশ এবং অনুপস্থিত নথি পরীক্ষাকে ত্বরান্বিত করে
• ঋণ ফাইলের জন্য একটি ধারাবাহিকতা যাচাই এবং খসড়া সিদ্ধান্তের ন্যায্যতা তৈরি করতে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করুন এবং অনুমোদিত বিশেষজ্ঞ হিসাবে চূড়ান্ত বরাদ্দের সিদ্ধান্ত নিতে সক্ষম হন
• মডেল আউটপুট একটি ব্যাখ্যাযোগ্য, ন্যায়সঙ্গত এবং অ-বৈষম্যমূলক পদ্ধতিতে নথিভুক্ত করা আবশ্যক এবং লাল লাইন বজায় রাখার ক্ষমতা

যখন একটি ঋণের আবেদন আসে, তখন পটভূমিতে একটি সহজ প্রশ্ন থাকে: "এই গ্রাহক কি এই ঋণ পরিশোধ করতে পারেন এবং তিনি ব্যাংককে পরিশোধ করার ক্ষেত্রে কী ঝুঁকি রাখেন?" এই প্রশ্নের উত্তরটি ক্রেডিট বিশেষজ্ঞের দিনের বেশিরভাগ কাজের একটি সিরিজে ছড়িয়ে দেওয়া হয়েছে: আয় বিবরণী পড়া, ঋণ/আয় অনুপাত গণনা করা, ক্রেডিট ইতিহাসের ব্যাখ্যা করা (KKB - ক্রেডিট রেজিস্ট্রি ব্যুরো নোট), সমান্তরাল মূল্যায়ন করা, অভ্যন্তরীণ নীতির সাথে তুলনা করা এবং অবশেষে একটি যুক্তিযুক্ত সিদ্ধান্ত লেখা। কৃত্রিম বুদ্ধিমত্তা এই কাজের অংশগুলি পড়া, সংক্ষিপ্তকরণ এবং ধারাবাহিকতা পরীক্ষা করার ক্ষেত্রে গুরুতর সময় বাঁচায়। তবে সতর্ক থাকুন: AI স্কোর তৈরি করে না, এটি আপনাকে বুঝতে সাহায্য করে যে স্কোরের অর্থ কী এবং ফাইলটি কোথায় অসামঞ্জস্যপূর্ণ। ক্রেডিট বরাদ্দের সিদ্ধান্ত, এর ন্যায্যতা সহ, অনুমোদিত বিশেষজ্ঞ দ্বারা স্বাক্ষরিত হয়।

এই ইউনিটে, আমরা ধাপে ধাপে দেখব যে ডেটা ক্রেডিট স্কোরিং কিসের উপর ভিত্তি করে, কোন সময়ে আপনি নিরাপদে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে পারেন, কীভাবে এর আউটপুট যাচাই করতে হয় এবং কোন লাল রেখাটি আপনার কখনই অতিক্রম করা উচিত নয়।

ক্রেডিট স্কোরিং কিসের উপর ভিত্তি করে?

একটি ক্রেডিট স্কোর হল একটি অনুমান যা একটি গ্রাহকের ঋণ পরিশোধের সম্ভাবনাকে একটি সংখ্যাসূচক মান পর্যন্ত হ্রাস করে। সাধারণ এন্ট্রিগুলি হল:

• আয় ও চাকরি: মাসিক নিয়মিত আয়, কাজের সময়, আয়ের উৎসের ধারাবাহিকতা।
• বর্তমান ঋণ: বিদ্যমান ঋণ, ক্রেডিট কার্ড ঋণ, ঋণ থেকে আয় অনুপাত (আয় থেকে মাসিক ঋণ পরিশোধের অনুপাত)।
• ক্রেডিট ইতিহাস: অতীতের অর্থপ্রদানের ধরণ, বিলম্ব, আইনি ফলো-আপ রেকর্ড (KKB স্কোর এটিকে সংক্ষিপ্ত করে)।
• জামানত: ঋণের বিপরীতে প্রদত্ত সম্পদ (বাড়ি, যানবাহন, আমানত) এবং এর মূল্য।
• চাহিদার বৈশিষ্ট্য: ঋণের পরিমাণ, পরিপক্কতা, পণ্যের ধরন।

টিপ: স্কোর একটি "সম্ভাব্যতা অনুমান", "তথ্য" নয়। দুই গ্রাহকের একই স্কোর থাকতে পারে, কিন্তু তাদের গল্প সম্পূর্ণ ভিন্ন হতে পারে। স্কোরের পিছনে যুক্তি না দেখে সিদ্ধান্ত নেওয়া হল বইটিকে এর প্রচ্ছদ দ্বারা বিচার করা।

এই প্রক্রিয়ায় কৃত্রিম বুদ্ধিমত্তা কোথায় দাঁড়ায়?

এটা পরিষ্কার যে কোথায় কৃত্রিম বুদ্ধিমত্তা নিরাপদে ব্যবহার করা যেতে পারে এবং কোথায় পারে না:

কোয়েস্ট

এআই ভূমিকা

কার সিদ্ধান্ত/অনুমোদন আছে?

একটি আয় নথিতে পরিমাণ সংক্ষিপ্ত করুন

পড়া, সারাংশ

বিশেষজ্ঞ উত্স থেকে নিশ্চিতকরণ

ঋণ/আয় অনুপাত গণনার খসড়া

অ্যাকাউন্টের খসড়া

বিশেষজ্ঞ পুনরায় গণনা করে

ফাইলের সামঞ্জস্যতা পরীক্ষা (দ্বন্দ্ব খোঁজা)

স্ক্যান

বিশেষজ্ঞ নিশ্চিত করেন

খসড়া প্রত্যাখ্যান/অনুমোদন ন্যায্যতা

পাঠ্য খসড়া

অনুমোদিত বিশেষজ্ঞ লেখক/অনুমোদন

স্কোরের অর্থ ব্যাখ্যা কর

বর্ণনা পাঠ্য

বিশেষজ্ঞ পর্যালোচনা

ক্রেডিট বরাদ্দের সিদ্ধান্ত

(শুধুমাত্র খসড়া)

কর্তৃপক্ষ/কমিটি সিদ্ধান্ত নেয়

দেখা যায়, কৃত্রিম বুদ্ধিমত্তা প্রতিটি লাইনে খসড়া এবং চেক তৈরি করে; কোন লাইনে "সিদ্ধান্ত" করে না। এই পার্থক্য বজায় রাখা এই ইউনিটের সারাংশ।

ধাপে ধাপে: কৃত্রিম বুদ্ধিমত্তা সমর্থন সহ একটি ফাইল প্রস্তুত করা

1. বেনামী. নাম, টিআর আইডি, অ্যাকাউন্ট নম্বর সরান; গ্রাহককে "42 বছর বয়সী, পাবলিক কর্মচারী, X সেগমেন্ট" হিসাবে বর্ণনা করুন।
2. একটি খসড়া অনুরোধ. AI ফাইলের সারাংশ, সামঞ্জস্যতা পরীক্ষা এবং খসড়া ন্যায্যতা - সিদ্ধান্ত নয়।
3. উৎসের সাথে এটি সংযুক্ত করুন। প্রিন্টআউটের প্রতিটি নম্বর কোন নথি থেকে এসেছে তা চিহ্নিত করুন।
4. পুনরায় গণনা করুন। ক্রিটিক্যাল নম্বরগুলি নিজেই যাচাই করুন, যেমন ঋণ থেকে আয়ের অনুপাত, সমান্তরাল অনুপাত ইত্যাদি।
5. নীতি ফিল্টার। আপনার অভ্যন্তরীণ ক্রেডিট নীতি এবং অ-বৈষম্য নীতির সাথে সম্মতি পরীক্ষা করুন।
6. সিদ্ধান্ত এবং স্বাক্ষর। আপনি সিদ্ধান্ত নিন, যুক্তি লিখুন, অডিট ট্রেইল ছেড়ে দিন।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) ফাইলের সামঞ্জস্য পরীক্ষা:

আপনার ভূমিকা: ক্রেডিট ফাইলের ধারাবাহিকতা পরীক্ষক। সিদ্ধান্ত গ্রহণ। ক্লায়েন্ট (বেনামী): 42 বছর বয়সী, সরকারী কর্মচারী, মাসিক নেট আয় 55,000 TL, বর্তমান মাসিক লোন পেমেন্ট 12,000 TL, চাহিদা 250,000 TL / 48 মাস। টাস্ক: প্রদত্ত তথ্যে কোন গাণিতিক বা যৌক্তিক দ্বন্দ্ব, অনুপস্থিত নথি, বা অসঙ্গত তারিখ আছে? "[নিশ্চিতকরণ প্রয়োজনীয়]" লেবেল সহ প্রতিটি অনুসন্ধানের তালিকা করুন এবং এটি কোন তথ্যের উপর ভিত্তি করে তা উল্লেখ করুন। সিদ্ধান্ত আমার।

2) ঋণ/আয় অনুপাত গণনা নিয়ন্ত্রণ:

নিম্নলিখিত ডেটা সহ ধাপে ধাপে ঋণ/আয় অনুপাত গণনা করুন এবং সূত্রটি দেখান। শুধু গণনা করুন, যোগ্যতার সিদ্ধান্ত নেবেন না। মাসিক নিট আয়: 55,000 TLC বর্তমান মাসিক ঋণ পরিশোধ: 12,000 TLE নতুন ঋণের আনুমানিক মাসিক কিস্তি: 6,500 টি ঋণের হার, বর্তমান ঋণের হার এবং বর্তমান ঋণের হার সহ মধ্যবর্তী পদক্ষেপ।

3) খসড়া প্রত্যাখ্যান/অনুমোদন ন্যায্যতা (ব্যাখ্যাযোগ্য):

আপনার ভূমিকা: সহকারী যিনি ঋণের সিদ্ধান্তের যৌক্তিকতা তৈরি করেন। যাচাইকৃত ফলাফলের উপর ভিত্তি করে আমি আপনাকে ইনপুট হিসাবে দিচ্ছি, নতুন তথ্য যোগ করছি। ফলাফল: [ঋণ/আয় অনুপাত 34%, সমান্তরাল অনুপাত পর্যাপ্ত, অপরাধের 1 রেকর্ড] টাস্ক: এই ফলাফলগুলির উপর ভিত্তি করে একটি খসড়া যুক্তি লিখুন যা ব্যাখ্যাযোগ্য এবং এতে বৈষম্যমূলক ভাষা নেই। সুরক্ষিত বৈশিষ্ট্যের কোন উল্লেখ নেই (বয়স, লিঙ্গ, উত্স, প্রতিবেশী)। আমি চূড়ান্ত সিদ্ধান্ত এবং স্বাক্ষর যোগ করব।

4) স্কোরের সহজ ব্যাখ্যা:

4টি বাক্যে ক্রেডিট স্কোর বলতে কী বোঝায় তা একজন গ্রাহককে ব্যাখ্যা করুন, অ-অভিযোগমূলক ভাষা ব্যবহার করে এবং প্রযুক্তিগত শব্দার্থ ব্যবহার না করে। ব্যক্তিগত ডেটা ব্যবহার করবেন না, নির্দিষ্ট প্রতিশ্রুতি দেবেন না। গ্রাহকের কাছে ফরওয়ার্ড করার আগে আমি এই পাঠ্যটি পরীক্ষা করব।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

আমরা কি এই গ্রাহককে ক্রেডিট দিতে হবে? আপনার স্কোরের উপর ভিত্তি করে সিদ্ধান্ত নিন এবং আপনার কারণ লিখুন।

এই অনুরোধটি সিদ্ধান্তটি মডেলের উপর ছেড়ে দেয়, উত্সের সাথে লিঙ্ক করে না এবং বৈষম্যমূলক প্রদর্শিত হওয়া থেকে ন্যায্যতাকে বাধা দেয় না।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: সিদ্ধান্ত সমর্থন সহকারী, সিদ্ধান্ত গ্রহণকারী নয়। আমি আপনাকে দেওয়া যাচাইকৃত ফলাফলের উপর ভিত্তি করে একটি খসড়া যুক্তি লিখুন। প্রতিটি বাক্য বন্ধনীর উপর ভিত্তি করে প্রাপ্ত ফলাফল দেখান। সুরক্ষিত বৈশিষ্ট্য উল্লেখ করবেন না। কোনো অস্পষ্ট পয়েন্ট "[নিশ্চিতকরণ আবশ্যক]" হিসেবে চিহ্নিত করুন। আমি চূড়ান্ত ক্রেডিট সিদ্ধান্ত এবং দায়িত্ব নেব.

শক্তিশালী ইচ্ছা ভূমিকাকে সীমিত করে, প্রতিটি দাবিকে উৎসের সাথে সংযুক্ত করে, বৈষম্য প্রতিরোধ করে এবং সিদ্ধান্তকে ব্যক্তির মধ্যে রাখে।

তিনটি মিনি কেস

কেস 1 - সময় সঞ্চয়. একজন বিশেষজ্ঞ 30টি ফাইলের একটি পোর্টফোলিওতে ধারাবাহিকতা পরীক্ষা করেন। AI 5 টি অসঙ্গতিকে ফ্ল্যাগ করে যেমন "আয় 8 নম্বরে ঘোষণা করা হয়েছে 60,000 কিন্তু বেতন 42,000 দেখায়।" বিশেষজ্ঞ উৎস থেকে এটি নিশ্চিত করে; তাদের মধ্যে 3টি আসল, তাদের মধ্যে 2টি কৃত্রিম বুদ্ধিমত্তার মিথ্যা রিডিং। একটি ম্যানুয়াল 3-ঘন্টা কাজ 40 মিনিটে হ্রাস করা হয় এবং যাচাই ছাড়াই কোনও সতর্কতা ব্যবহার করা হয় না।

কেস 2 — পুনঃগণনা ত্রুটি ধরা দেয়। AI ঋণ-থেকে-আয় অনুপাতকে "28%" হিসাবে সংক্ষিপ্ত করে। বিশেষজ্ঞ আবার সূত্র চালায়: বিদ্যমান ঋণ অন্তর্ভুক্ত করা হয় না, প্রকৃত হার 41%, যা গার্হস্থ্য নীতির থ্রেশহোল্ড অতিক্রম করে। যাচাইকরণ ছাড়া, একটি মিথ্যা নিশ্চিতকরণ ঘটতে পারে।

কেস 3 - বৈষম্যমূলক স্থল অস্বীকার। কৃত্রিম বুদ্ধিমত্তা একটি প্রত্যাখ্যানের খসড়াতে "আবেদনকারীর বসবাস ঝুঁকিপূর্ণ" শব্দটি তৈরি করে। বিশেষজ্ঞ এটি অস্বীকার করেন; এই বিবৃতিটি জেলার উপর ভিত্তি করে পরোক্ষ বৈষম্যের (প্রক্সি পরিবর্তনশীল) ঝুঁকি বহন করে। ন্যায্যতা শুধুমাত্র বৈধ মানদণ্ড যেমন ঋণ থেকে আয় অনুপাত এবং অপরাধ রেকর্ডের সাথে পুনরায় লেখা হয়।

স্কোরের বাইরে: প্রসঙ্গ এবং "সীমানা" ফাইল

ক্রেডিট সিদ্ধান্তের সবচেয়ে কঠিন অংশটি উন্মুক্ত গ্রহণযোগ্যতা বা খোলা প্রত্যাখ্যান নয়, কিন্তু "সীমান্ত" ফাইলগুলি। স্কোর ঘরোয়া রাজনীতির দোরগোড়ার খুব কাছাকাছি হলে, সিদ্ধান্তকে একক সংখ্যার করুণায় ছেড়ে দেওয়া যাবে না; প্রসঙ্গ খেলার মধ্যে আসে। এখানেই AI একটি ফাঁদ সেট করতে পারে: এটি একই যান্ত্রিক যুক্তি দিয়ে প্রতিটি সীমানা ফাইলের মূল্যায়ন করে এবং সূক্ষ্মতা মিস করে। এটা বিশেষজ্ঞ যারা nuance যোগ.

প্রেক্ষাপটের উদাহরণ যেখানে একজন বিশেষজ্ঞ একটি বর্ডার ফাইল দেখেন:

• বিলম্বের গল্প: অস্থায়ী স্বাস্থ্য সমস্যা বা অর্থ প্রদানে ক্রমাগত অক্ষমতার কারণে কি একক বিলম্ব হয়েছিল? একই "1 বিলম্বের রেকর্ড" দুটি ভিন্ন গল্প বলতে পারে।
• আয়ের প্রকৃতি: দুই ক্লায়েন্টের সমান আয় থাকতে পারে, তবে একজন নিয়মিত বেতন উপার্জনকারী এবং অন্যটি পরিবর্তনশীল ফ্রিল্যান্স আয় হতে পারে; ঝুঁকি প্রোফাইল ভিন্ন।
• ব্যাংকের সাথে সম্পর্ক: একজন গ্রাহক যিনি দীর্ঘদিন ধরে সুষ্ঠুভাবে কাজ করছেন তাদের ফাইল নতুন গ্রাহকের চেয়ে আলাদাভাবে পড়া হয়।

AI আপনাকে এই প্রসঙ্গগুলিকে সংক্ষিপ্ত করতে সাহায্য করতে পারে, তবে এটি বিশেষজ্ঞের উপর নির্ভর করে ওজন করা এবং সিদ্ধান্ত নেওয়া — বিশেষ করে সীমারেখার ক্ষেত্রে।

টিপ: যে ক্ষেত্রে স্কোর থ্রেশহোল্ডের কাছাকাছি, সেখানে "মডেলটি কী বলেছে?" এর পরিবর্তে "এই গ্রাহকের গল্পটি কী বলে" প্রশ্নের উপর ফোকাস করুন। সীমানা ফাইল যেখানে বিশেষজ্ঞের রায়, অটোমেশন নয়, উজ্জ্বল হয়।

সাধারণ ভুল

• স্কোর চিন্তা করেই সিদ্ধান্ত। স্কোর একটি ভবিষ্যদ্বাণী; এটা নিজেই সিদ্ধান্ত নয়। ন্যায্যতা এবং প্রসঙ্গ ছাড়া স্কোরের ভিত্তিতে বিচার করা ভুল।
• সংখ্যা পুনরায় গণনা করা হচ্ছে না। তাদের নিশ্চিত না করে কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রদত্ত হার এবং মোট ব্যবহার করা; এখানেই হ্যালুসিনেশন বা ভুল পড়া আসে।
• বৈষম্যমূলক ন্যায্যতা লক্ষ্য না করা. সংরক্ষিত বৈশিষ্ট্য বা সারোগেট ভেরিয়েবল যেমন প্রতিবেশী, বয়স, লিঙ্গ অন্তর্ভুক্ত ন্যায্যতা অনুমোদন; গুরুতর আইনি ঝুঁকি।
• অডিট লেজ বাইপাস. নথিতে ব্যর্থতা যার উপর ভিত্তি করে সিদ্ধান্তটি যাচাই করা হয়েছে; পরবর্তী আপত্তি বা নিরীক্ষায় রক্ষা করা যাবে না।
• শংসাপত্র শেয়ার করা. ফাইল বেনামী ছাড়া টুল প্রবেশ করান.

মনোযোগ: যখন একটি ক্রেডিট সিদ্ধান্ত প্রত্যাখ্যান করা হয়, গ্রাহকের কারণ জানতে এবং আপত্তি করার অধিকার আছে। অতএব, ন্যায্যতা অবশ্যই সঠিক, ব্যাখ্যাযোগ্য এবং বৈষম্যমুক্ত হতে হবে। "মডেলটি সেভাবে স্কোর করেছে" একটি ন্যায্যতা নয়।

সংক্ষেপে

ক্রেডিট স্কোরিং হল আয়, ঋণ, ক্রেডিট ইতিহাস এবং জামানতের মতো ডেটার উপর ভিত্তি করে সম্ভাব্যতার একটি অনুমান। এই প্রক্রিয়ায়, এআই ডকুমেন্ট রিডিং, কনসিস্টেন্সি চেকিং, অ্যাকাউন্ট ড্রাফ্ট এবং ন্যাস্টিফিকেশন ড্রাফ্ট তৈরি করে; কিন্তু এটি আপনার জন্য স্কোর বা সিদ্ধান্ত পরিবর্তন করে না। প্রতিটি সংখ্যার পুনঃগণনা করুন, প্রতিটি ন্যায্যতাকে উৎসের জন্য দায়ী করুন এবং বৈষম্যের ফিল্টারের মাধ্যমে এটি পাস করুন। ক্রেডিট বরাদ্দের সিদ্ধান্তটি ব্যাখ্যাযোগ্য যুক্তি সহ অনুমোদিত বিশেষজ্ঞ দ্বারা স্বাক্ষরিত হয়। এক বাক্যে: কৃত্রিম বুদ্ধিমত্তা ফাইল প্রস্তুত করে; একজন দক্ষ ব্যক্তি ক্রেডিট সিদ্ধান্ত নেয়।

আবেদন টাস্ক

একটি নমুনা ক্রেডিট ফাইল সংজ্ঞায়িত করুন (বেনামী: বয়স, পেশা, আয়, বর্তমান ঋণ, দাবি, পরিপক্কতা)। উপরের 1 এবং 2 টেমপ্লেটগুলির সাথে, প্রথমে একটি ধারাবাহিকতা পরীক্ষা করুন এবং তারপর ঋণ/আয় অনুপাত গণনা করুন। কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রদত্ত হার ম্যানুয়ালি পুনরায় গণনা করুন এবং তুলনা করুন। তারপরে 3য় টেমপ্লেটের সাথে একটি ন্যায্যতা খসড়া তৈরি করুন এবং এটিতে একটি সুরক্ষিত সম্পত্তি বা সারোগেট পরিবর্তনশীল আছে কিনা তা পরীক্ষা করুন; বৈধ মানদণ্ড সহ এটি পুনরায় লিখুন, যদি থাকে।

চেকলিস্ট

• আমি ফাইলটি বেনামী করেছি; আমি কোনো পরিচয়ের তথ্য শেয়ার করিনি।
• আমি কৃত্রিম বুদ্ধিমত্তাকে একটি খসড়া/নিয়ন্ত্রণ কাজ দিয়েছি, সিদ্ধান্ত নয়।
• [ ] আমি ঋণ/আয় অনুপাত এবং ক্রিটিক্যাল সংখ্যা হাতে কলমে পুনঃগণনা করেছি।
• [ ] আমি যৌক্তিকতাকে যাচাইকৃত ফলাফলের জন্য দায়ী করেছি এবং উত্সটি উদ্ধৃত করেছি।
• [ ] আমি চেক করেছি যে আর্গুমেন্টে কোনো সুরক্ষিত সম্পত্তি/প্রক্সি ভেরিয়েবল নেই।
• আমি সিদ্ধান্ত এবং এর ন্যায্যতা লিপিবদ্ধ করেছি; আমি চূড়ান্ত দায়িত্ব নিলাম।