Κέρδη:
- Δυνατότητα διάκρισης όπου η τεχνητή νοημοσύνη εξοικονομεί πραγματικό χρόνο στη ροή εργασιών των τραπεζών (προ-αξιολόγηση, υποστήριξη αποφάσεων, λειτουργία, αναφορά) και όπου οι ρυθμιζόμενες και κρίσιμες για την εμπιστοσύνη αποφάσεις (κατανομή πίστωσης, απάτη/παροχή συμμόρφωσης) αφήνονται στους ανθρώπους, ανάλογα με το επίπεδο κινδύνου εργασίας
- Δυνατότητα εφαρμογής μιας πειθαρχίας που επαληθεύει κάθε έξοδο τεχνητής νοημοσύνης μέσω των βημάτων της σύνδεσής της με την πηγή, του εκ νέου υπολογισμού της και της διέλευσης από το φιλτράρισμα πολιτικής/νομοθεσίας.
- Ανωνυμοποίηση δεδομένων πελατών και οικονομικών δεδομένων εντός του πεδίου εφαρμογής του KVKK, του απορρήτου πελατών και των κανόνων τραπεζικού απορρήτου και απόκτηση της συνήθειας της επιλογής ασφαλών οχημάτων
Η μέρα ενός τραπεζίτη είναι γεμάτη με αριθμούς, αποφάσεις και αυτοπεποίθηση. Αξιολογείται μια αίτηση δανείου, εξετάζεται μια συναλλαγή για να διαπιστωθεί αν πρόκειται για απάτη, ποιο προϊόν θεωρείται κατάλληλο για πελάτη, γίνεται έλεγχος συμμόρφωσης και υπογράφεται έκθεση στο τέλος της ημέρας. Το κοινό χαρακτηριστικό αυτών των εργασιών είναι ότι όλες απαιτούν γρήγορη δουλειά και, όταν γίνονται λανθασμένα, βλάπτουν άμεσα τα χρήματα, τη φήμη ενός ατόμου ή το νομικό καθεστώς της τράπεζας. Εδώ ακριβώς βρίσκεται η τεχνητή νοημοσύνη σε αυτή την ένταση. Όταν χρησιμοποιείται σωστά, μειώνει τις ώρες εργασίας σε λεπτά. Όταν χρησιμοποιείται λανθασμένα, επιταχύνει το σφάλμα, προκαλεί διακρίσεις και οδηγεί σε ανεξέλεγκτες αποφάσεις.
Σε όλη αυτή την ενότητα θα τοποθετήσουμε την τεχνητή νοημοσύνη ως βοηθό, προπαρασκευαστή και γεννήτρια ρεύματος. Η τεχνητή νοημοσύνη βοηθά στην ανάγνωση του αρχείου για εσάς, γράφει προσχέδια, αναζητά ασυνέπειες και συνοψίζει. Αλλά η απόφαση είναι δική σας. Είτε θα χορηγήσετε πίστωση, είτε θα θεωρήσετε μια συναλλαγή ύποπτη, τι να πείτε σε έναν πελάτη - όλα αυτά είναι οι κρίσεις ενός εξουσιοδοτημένου ανθρώπου. Σε αυτήν την ενότητα, θα καθιερώσουμε θεμελιωδώς αυτήν τη διάκριση, δηλαδή, όπου η τεχνητή νοημοσύνη εξοικονομεί χρόνο και όπου η απόφαση επαφίεται στους ανθρώπους, την πειθαρχία επαλήθευσης και τους κανόνες απορρήτου.
Γιατί ο τραπεζικός τομέας είναι ένας «κρίσιμος για την εμπιστοσύνη» και «ρυθμιζόμενος» τομέας
Εάν ένα εργαλείο σχεδίασης λογοπαίγνιο λειτουργεί λανθασμένα, κανείς δεν τραυματίζεται. Όμως, ένα δυσλειτουργικό μοντέλο σε μια τράπεζα μπορεί να στερήσει από μια οικογένεια την πίστωση που της αξίζει, να θυματοποιήσει έναν νόμιμο πελάτη χαρακτηρίζοντάς τον απατεώνα ή να παραβλέψει το ξέπλυμα χρήματος και να εκθέσει την τράπεζα σε βαριές κυρώσεις. Επομένως, η τραπεζική ορίζεται από δύο χαρακτηριστικά:
- Η εμπιστοσύνη είναι κρίσιμη: Οι αποφάσεις επηρεάζουν τα χρήματα και το μέλλον των ανθρώπων. Ακόμα κι αν το λάθος είναι αναστρέψιμο, η ζημιά είναι πραγματική.
- Ρυθμίζονται: Τραπεζικές εργασίες; Περιβάλλεται από κανονισμούς όπως το BDDK (Οργανισμός Τραπεζικού Κανονισμού και Εποπτείας, η δημόσια αρχή που εποπτεύει τις τράπεζες), το MASAK (Συμβούλιο Ερευνών Οικονομικών Εγκλημάτων, το ίδρυμα που καταπολεμά το ξέπλυμα χρήματος) και το KVKK (Νόμος για την Προστασία Δεδομένων Προσωπικού Χαρακτήρα). Δεν μπορείτε να εξηγήσετε μια απόφαση λέγοντας "το είπε το AI". Πρέπει να είστε σε θέση να αιτιολογήσετε την απόφαση.
Αυτά τα δύο χαρακτηριστικά καθορίζουν τον βασικό κανόνα χρήσης της τεχνητής νοημοσύνης: Η έξοδος AI δεν υποκαθιστά την έγκριση από έναν αρμόδιο εμπειρογνώμονα. Η απόφαση εξαρτάται από το άτομο. Θα επαναλάβουμε αυτήν την πρόταση πολλές φορές σε όλη την ενότητα, επειδή τα πιο ακριβά λάθη στον τραπεζικό τομέα συμβαίνουν όταν αυτός ο κανόνας ξεχαστεί.
Προσοχή: Το να λέμε «το μοντέλο λειτουργεί με μεγάλη ακρίβεια» δεν σημαίνει ότι «μπορούμε να αφήσουμε την απόφαση στο μοντέλο». Ακόμη και ένα μοντέλο που είναι 99 τοις εκατό σωστό παρουσιάζει το σφάλμα του 1 τοις εκατό με την ίδια σιγουριά. Στον τραπεζικό τομέα, αυτό το 1 τοις εκατό είναι δάνειο ενός ατόμου ή ποινή τράπεζας.
Πού είναι χρήσιμη η τεχνητή νοημοσύνη στον τραπεζικό τομέα;
Η σκέψη της τραπεζικής δραστηριότητας σε τρία επίπεδα καθιστά σαφές πού να τοποθετήσετε την τεχνητή νοημοσύνη:
- Προαξιολόγηση και προετοιμασία (χαμηλός κίνδυνος, υψηλό κέρδος): Ανάγνωση εγγράφου, έλεγχος εγγράφων που λείπει, σύνοψη αρχείων, σάρωση συνέπειας δεδομένων. Εδώ, ακόμα κι αν η τεχνητή νοημοσύνη κάνει λάθος, ο κίνδυνος μπορεί να αντιμετωπιστεί επειδή υπάρχει ανθρώπινη αναθεώρηση πίσω από αυτό. Το κέρδος είναι μεγάλο.
- Υποστήριξη αποφάσεων (μεσαίου κινδύνου): Σχέδιο πιστωτικής αιτιολόγησης, περίληψη προφίλ κινδύνου, οικονομικός σχολιασμός, σχέδιο ύποπτης συναλλαγής. Εδώ, η τεχνητή νοημοσύνη παράγει προτάσεις, αλλά η απόφαση ανήκει στον άνθρωπο. Η επαλήθευση είναι απαραίτητη.
- Τελική απόφαση και κρίση (υψηλού κινδύνου, ανθρώπινος): Κατανομή πιστώσεων, ετυμηγορία απάτης, αναφορά ύποπτων συναλλαγών, απόφαση που αντανακλάται στον πελάτη. Αυτό είναι το επίπεδο όπου η τεχνητή νοημοσύνη δεν μπορεί να λάβει αποφάσεις. προσφέρει τα περισσότερα προσχέδια.
Ο παρακάτω πίνακας τοποθετεί τυπικές τραπεζικές εργασίες ανά επίπεδο κινδύνου:
Αναζήτηση
στρώμα
ρόλος AI
Ποιος αποφασίζει;
Έλεγχος εγγράφου που λείπει από το πιστωτικό αρχείο
προκαταρκτική αξιολόγηση
Σάρωση, περίληψη
Κριτικές ειδικών
Λόγος απόρριψης/έγκρισης πίστωσης
υποστήριξη αποφάσεων
Σχέδιο αιτιολόγησης
αρμόδιος εμπειρογνώμονας
Ειδοποίηση ανωμαλίας συναλλαγών
υποστήριξη αποφάσεων
Σήμα προεπιλογής
αναλυτής απάτης
Αναφορά ύποπτων συναλλαγών (STR)
τελική κρίση
προσχέδιο
υπεύθυνος συμμόρφωσης
Απόφαση χορήγησης πίστωσης
τελική κρίση
προσχέδιο/περίληψη
Αρχή/Επιτροπή
Σχέδιο αλληλογραφίας πελατών
προκαταρκτική αξιολόγηση
προσχέδιο κειμένου
Ο υπάλληλος εγκρίνει
Πειθαρχία επικύρωσης: φίλτρο τριών βημάτων
Πραγματοποιήστε την έξοδο AI μέσα από αυτά τα τρία βήματα κάθε φορά. Αυτό θα είναι το βασικό αντανακλαστικό που θα επαναλάβουμε σε όλη την ενότητα:
- Συνδέστε το στην πηγή. Σε ποιο έγγραφο, σε ποια συναλλαγή λογαριασμού και σε ποιον κανόνα βασίζεται κάθε αριθμός, αξίωση και αιτιολόγηση στην έξοδο; Ένα προϊόν του οποίου η πηγή δεν μπορεί να αναφερθεί είναι "αξίωση" μέχρι να επαληθευτεί, όχι "πληροφορίες".
- Επανυπολογισμός/έλεγχος. Εάν δίνεται μια απόδοση, ένα σύνολο, μια σύνοψη βαθμολογίας, επιβεβαιώστε το μόνοι σας. Η τεχνητή νοημοσύνη μπορεί να παραποιήσει ή να δημιουργήσει αριθμούς (αυτό ονομάζεται "ψευδαίσθηση": όταν το μοντέλο παράγει ψευδείς πληροφορίες που φαίνονται αληθινές).
- Περάστε το από το φίλτρο της πολιτικής και της νομοθεσίας. Το προϊόν συμμορφώνεται με τις εσωτερικές πολιτικές και τους νομικούς κανόνες της τράπεζάς σας (απαγόρευση των διακρίσεων, εμπιστευτικότητα πελατών, KVKK); Μια έξοδος που δεν ταιριάζει θα απορριφθεί, όσο «έξυπνο» κι αν φαίνεται.
Συμβουλή: Κάντε στον εαυτό σας την εξής ερώτηση με κάθε έξοδο: "Μπορώ να το υπερασπιστώ αυτό σε έναν ελεγκτή χωρίς απλώς να πω "Το AI το παρήγαγε"; Εάν η απάντηση είναι όχι, η έξοδος δεν είναι ακόμη έτοιμη για χρήση.
Απόρρητο: μυστικό πελάτη και KVKK
Στον τραπεζικό τομέα, τα δεδομένα προστατεύονται διπλά. Οι πληροφορίες λογαριασμού ενός πελάτη είναι τόσο προσωπικά δεδομένα (εντός του πεδίου εφαρμογής του KVKK) όσο και απόρρητο πελάτη (εντός του πεδίου εφαρμογής του Τραπεζικού Νόμου· υποχρέωση της τράπεζας να προστατεύει τις πληροφορίες που έχει μάθει για τον πελάτη της). Επομένως, η μεταφόρτωση δεδομένων πελατών σε οποιοδήποτε εργαλείο τεχνητής νοημοσύνης θα μπορούσε να είναι μια σοβαρή παραβίαση.
Βασικοί κανόνες:
- Ανωνυμοποίηση. Αφαιρέστε στοιχεία αναγνώρισης όπως όνομα, αριθμός TR ID, αριθμός λογαριασμού/IBAN, τηλέφωνο. Για παράδειγμα, αντί για "Ahmet Yılmaz, TC 123..., account 456..." γράψτε "45 ετών, πελάτης τμήματος X".
- Ελάχιστα δεδομένα. Μοιραστείτε τον ελάχιστο όγκο δεδομένων που είναι πραγματικά απαραίτητος για την εργασία. Όχι ολόκληρη η χωματερή, αλλά οι σχετικές γραμμές.
- Χρησιμοποιήστε ένα εγκεκριμένο όχημα. Χρησιμοποιήστε συμβόλαια και ασφαλή εργαλεία εγκεκριμένα από την τράπεζά σας. Μην εισάγετε δεδομένα πελατών σε ένα δημόσιο εργαλείο εάν δεν είναι σαφές πού πηγαίνουν τα δεδομένα.
- Αφήστε ένα αρχείο. Πρέπει να μπορείτε να δείξετε, όταν είναι απαραίτητο, ποια δεδομένα χρησιμοποιήσατε, για ποιο σκοπό και ποιο εργαλείο χρησιμοποιήσατε (ίχνος ελέγχου).
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Πλαίσιο που καθορίζει ρόλους και όρια:
Ο ρόλος σας: τραπεζικός βοηθός. ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ; Δημιουργήστε μόνο προσχέδια, περιλήψεις ή ελέγχους συνέπειας. Μη χρησιμοποιείτε στοιχεία αναγνώρισης (όνομα, TR ID, IBAN). Σημειώστε κάθε σημείο για το οποίο δεν είστε σίγουροι ως "[απαιτείται επιβεβαίωση]". Θα πάρω την τελική απόφαση και την ευθύνη. Εργασία: [περιγραφή εργασίας]
2) Αίτημα επαλήθευσης σε τρία βήματα:
Κάντε αυτοέλεγχο και αναφέρετε τα ακόλουθα αποτελέσματα από τρεις πτυχές: (1) Σε ποια πηγή/δεδομένα βασίζεται κάθε ένας από τους ισχυρισμούς σας; (2) Ποιοι αριθμοί πρέπει να επανυπολογιστούν; (3) Υπάρχει κάποια επικίνδυνη πτυχή όσον αφορά την εσωτερική πολιτική ή τη νομοθεσία (διακρίσεις, μυστικό πελάτη, KVKK); Καταγράψτε με σαφήνεια τις αβεβαιότητες.
3) Έλεγχος ανωνυμοποίησης:
Πριν δώσετε αυτό το κείμενο σε ένα εργαλείο, προσδιορίστε όλες τις πληροφορίες που κάνουν το άτομο αναγνωρίσιμο (όνομα, TR ID, IBAN, τηλέφωνο, διεύθυνση, συνδυασμός σπάνιων χαρακτηριστικών) και προτείνετε πώς να το κρύψετε. Καθορίστε επίσης τα ελάχιστα δεδομένα που απαιτούνται για την εργασία.Κείμενο: [δεδομένα]
4) Βοηθός ταξινόμησης επιπέδων:
Προσδιορίστε σε ποιο επίπεδο εμπίπτει η ακόλουθη εργασία: προκαταρκτική αξιολόγηση (επιταχυνόμενη από εμπιστοσύνη) / υποστήριξη απόφασης (επαληθευμένη) / τελική κρίση (ανθρώπινη). Γράψτε το σκεπτικό σας και δηλώστε ποιο είναι το όριο της τεχνητής νοημοσύνης σε αυτήν την εργασία. Εργασία: [εργασία]
τρεις μίνι θήκες
Περίπτωση 1 — Σωστή χρήση. Ένας ειδικός πιστώσεων θα ελέγξει μια στοίβα 40 αρχείων για έγγραφα που λείπουν. Δίνει κάθε αρχείο στην τεχνητή νοημοσύνη με μια ανώνυμη περίληψη. Η τεχνητή νοημοσύνη επισημαίνει "Στη σύνοψη με τον αριθμό 3, η ημερομηνία του πιστοποιητικού εισοδήματος είναι μεγαλύτερη από 6 μήνες και στον αριθμό 7, δεν υπάρχει σελίδα υπογραφής". Ο ειδικός επιβεβαιώνει αυτά τα σημάδια ένα προς ένα στο φάκελο. Η χειροκίνητη σάρωση, η οποία διαρκεί 2 ώρες, μειώνεται στα 25 λεπτά και κάθε ειδοποίηση επαληθεύεται ανθρώπινα.
Περίπτωση 2 — Αποτυχία εμπιστοσύνης χωρίς έλεγχο ταυτότητας. Ένας άλλος ειδικός προωθεί έναν λόγο απόρριψης δανείου που δημιουργείται από τεχνητή νοημοσύνη στον πελάτη χωρίς να τον διαβάσει. Στην αιτιολόγηση, η τεχνητή νοημοσύνη παρερμήνευσε το εισόδημα του πελάτη και είπε "το εισόδημα είναι ανεπαρκές". Ωστόσο, το έγγραφο είναι σωστό. Ο πελάτης αντιτίθεται, το αρχείο ανοίγει ξανά και η τράπεζα χάνει χρόνο και φήμη. Μάθημα: οποιαδήποτε δεδομένα στα οποία βασιζόταν η αιτιολόγηση έπρεπε να ελεγχθούν στην πηγή.
Περίπτωση 3 — Παραβίαση του απορρήτου. Για ταχύτητα, ένας υπάλληλος επικολλά το πλήρες όνομα και την κατάσταση λογαριασμού ενός πελάτη σε ένα μη εγκεκριμένο, δημοσίως διαθέσιμο εργαλείο και ρωτά: "Είναι αυτός ο πελάτης σε κίνδυνο;" Με αυτήν την ενιαία ενέργεια, το απόρρητο των πελατών και το KVKK έχουν παραβιαστεί. Ακόμα και πού πηγαίνουν τα δεδομένα είναι ασαφές. Μάθημα: τα δεδομένα πρώτα ανωνυμοποιούνται και στη συνέχεια υποβάλλονται σε επεξεργασία μόνο στο εγκεκριμένο εργαλείο.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Επισυνάπτεται η δήλωση λογαριασμού του Ahmet Yılmaz. Αποφασίστε εάν πρέπει να δώσουμε πίστωση σε αυτόν τον πελάτη.
Αυτό το αίτημα περιλαμβάνει στοιχεία προσωπικής ταυτοποίησης (παραβίαση του απορρήτου), ζητά από την τεχνητή νοημοσύνη να λάβει μια απόφαση απευθείας (δεν αφήνει την απόφαση στον άνθρωπο) και δεν θέτει σε εφαρμογή πλαίσιο επαλήθευσης.
Ισχυρή προτροπή:
Ο ρόλος σας: βοηθός του ειδικού πιστώσεων που ελέγχει το αρχείο ΠΡΟΕΤΟΙΜΑΣΙΑ και ΣΥΝΕΠΕΙΑ. Λήψη αποφάσεων. Απλώς σημειώστε τα σημεία που λείπουν/ασυνεπή και δηλώστε σε τι βασίζεστε. Μην χρησιμοποιείτε στοιχεία αναγνώρισης. Πελάτης (ανώνυμος): 45 ετών, τμηματοποιήστε Σημειώστε "[απαιτείται επιβεβαίωση]" τυχόν σημεία που φαίνεται να λείπουν ή να είναι αντιφατικά στις παρεχόμενες πληροφορίες. Θα πάρω την απόφαση για την πίστωση.
Η ισχυρή βούληση δεν περιέχει ταυτότητα, περιορίζει τον ρόλο, αφήνει την εξουσία λήψης αποφάσεων στο άτομο και επισημαίνει κάθε αξίωση με σαφήνεια για επιβεβαίωση.
Συνήθη λάθη
- Αφήνοντας την απόφαση στην τεχνητή νοημοσύνη. Κάνοντας το μοντέλο να λέει διατάξεις όπως «δώστε / δεν δίνετε πίστωση», «απάτη / όχι». Αυτές είναι ανθρώπινες αποφάσεις. το μοντέλο προσφέρει τα περισσότερα προσχέδια.
- Εμπιστοσύνη χωρίς επαλήθευση. Παρεξήγηση ενός ρευστού και σίγουρου κειμένου ως «σωστό». Η ευχέρεια δεν είναι ακρίβεια.
- Κοινή χρήση διαπιστευτηρίων. Εισαγωγή στο όχημα χωρίς ανωνυμοποίηση του ονόματος, του TR ID και του αριθμού λογαριασμού.
- Παράκαμψη της διαδρομής ελέγχου. Αποτυχία τεκμηρίωσης του σκεπτικού της απόφασης και των δεδομένων που χρησιμοποιήθηκαν· Μη μπορώντας να απαντήσει στο ερώτημα «γιατί πάρθηκε αυτή η απόφαση;».
- Οδήγηση χωρίς έγκριση. Εισαγωγή δεδομένων πελατών σε δημόσια εργαλεία όπου δεν είναι σαφές πού πηγαίνουν τα δεδομένα.
Προσοχή: Στον τραπεζικό τομέα, το κόστος ενός λάθους συχνά δεν είναι άμεσα ορατό. Η ένσταση, η επιθεώρηση ή η τιμωρία έρχονται μήνες αργότερα. Επομένως, η πειθαρχία της επαλήθευσης και της καταγραφής δεν μπορεί να αναβληθεί μόνο και μόνο επειδή "δεν υπάρχει ανάγκη εκτός εάν προκύψουν προβλήματα". Πρέπει να είναι συνήθεια από την αρχή.
Συνοπτικά
Ο τραπεζικός τομέας είναι ένας κρίσιμος για την εμπιστοσύνη και ρυθμιζόμενος τομέας. Έτσι, η τεχνητή νοημοσύνη χρησιμοποιείται εδώ ως βοηθός, προπαρασκευαστής και δημιουργία σχεδίων, όχι ως υπεύθυνος λήψης αποφάσεων. Σκεφτείτε την εργασία σε τρία επίπεδα: προκαταρκτική αξιολόγηση (επιταχυνόμενη από εμπιστοσύνη), υποστήριξη απόφασης (επαληθευμένη) και τελική κρίση (ανθρώπινη). Συνδέστε κάθε έξοδο με την πηγή, υπολογίστε εκ νέου, φιλτράρετε μέσω πολιτικής/νομοθεσίας. Ανωνυμοποιήστε δεδομένα, κοινοποιήστε ελάχιστα, χρησιμοποιήστε εγκεκριμένα εργαλεία και αφήστε ένα ίχνος ελέγχου. Με μια φράση: Η τεχνητή νοημοσύνη παράγει προσχέδια. Οι ικανοί άνθρωποι παίρνουν την απόφαση και την ευθύνη.
Εργασία εφαρμογής
Επιλέξτε τρεις τυπικές εργασίες από τη δική σας επιχείρηση (ή ως παράδειγμα): μία για προκαταρκτική αξιολόγηση (π.χ. έλεγχος εγγράφων), μία για υποστήριξη αποφάσεων (π.χ. σχέδιο αιτιολόγησης), μία για τελική κρίση (π.χ. απόφαση πίστωσης). Για καθένα, (1) γράψτε τον ρόλο της τεχνητής νοημοσύνης σε μία πρόταση, (2) υποδείξτε ποιο βήμα επαλήθευσης θα εφαρμόσετε, (3) σημειώστε ποια δεδομένα πρέπει να είναι ανώνυμα. Στη συνέχεια, δημιουργήστε μια προτροπή για την εργασία "προετοιμασία αρχείου" με το ισχυρό πρότυπο προτροπής παραπάνω και φιλτράρετε την έξοδο σε τρία βήματα.
λίστα ελέγχου
- [ ] Καθόρισα το επίπεδο της εργασίας (προκαταρκτική αξιολόγηση / υποστήριξη απόφασης / τελική κρίση).
- [ ] Έδωσα στην τεχνητή νοημοσύνη ένα έργο προσχέδιο/ελέγχου, όχι μια απόφαση.
- [ ] Συνέδεσα την έξοδο στην πηγή και έλεγξα ξανά τους κρίσιμους αριθμούς.
- [ ] Φιλτράρισα το αποτέλεσμα όσον αφορά την εσωτερική πολιτική και τη νομοθεσία (διακρίσεις, μυστικό πελάτη, KVKK).
- [ ] Ανωνυμοποίησα τα δεδομένα, τα κοινοποίησα ελάχιστα και χρησιμοποίησα εγκεκριμένα εργαλεία.
- [ ] Έχω καταγράψει την απόφαση και την αιτιολόγησή της. Ανέλαβα την τελική ευθύνη.