ફાઇનાન્સમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને વેરિફિકેશન ડિસિપ્લિનનો પરિચય

નફો:

• ફાઇનાન્સ વર્કફ્લોમાં AI વાસ્તવિક સમયની ક્યાં બચત કરે છે અને જ્યાં નિર્ણયો અને જવાબદારી માનવીઓ સાથે રહેવી જોઈએ તે પારખવાની ક્ષમતા
• ત્રણ-સ્તરવાળી શિસ્ત લાગુ કરવાની ક્ષમતા જે દરેક નાણાકીય પરિણામની તીવ્રતા, સ્વતંત્ર પ્રજનન અને સ્ત્રોત નિયંત્રણના ક્રમ દ્વારા ચકાસણી કરે છે
• સંવેદનશીલ નાણાકીય ડેટા શેર કર્યા વિના AI નો લાભ લેવા માટે સંદર્ભ અનામી રાખવાની અને પ્રોમ્પ્ટ્સને સંપાદિત કરવાની ટેવ પાડો

જ્યારે તમે ફાઇનાન્સ પ્રોફેશનલના દિવસને જુઓ છો, ત્યારે મોટાભાગની ટીમોમાં ચિત્ર સમાન હોય છે: લાંબી સ્પ્રેડશીટ્સ વાંચવી, ગુણોત્તરની ગણતરી કરવી, બજેટ-થી-વાસ્તવિક તફાવતની તપાસ કરવી, Excel માં ફોર્મ્યુલા બનાવવી, મેનેજમેન્ટ, ઇમેઇલ અને મીટિંગ્સ માટે પ્રસ્તુતિઓ તૈયાર કરવી. તેથી વાસ્તવિક "ફાઇનાન્સ જજમેન્ટ" ભાગ માટે સમર્પિત સમય, એટલે કે, સંખ્યાનો અર્થ શું છે અને તેના માટે કયા નિર્ણયની જરૂર છે, પુનરાવર્તિત કાર્યથી ભરાઈ જાય છે. આ તે છે જ્યાં કૃત્રિમ બુદ્ધિ (ટૂંકમાં AI; સોફ્ટવેર કે જે મોટા ભાષા મોડેલ સાથે ટેક્સ્ટ અને સંખ્યાઓ પર કામ કરે છે) અમલમાં આવે છે. AI તમારા માટે નિર્ણય લેતું નથી; તે તમને નિર્ણય માટે તૈયાર કરે છે, ડ્રાફ્ટ બનાવે છે, ગણતરીને ઝડપી બનાવે છે અને પ્રોસેસ્ડ માહિતી તમારી સામે મૂકે છે. આ સમગ્ર મોડ્યુલ દરમિયાન, અમે AI ને "ઓટોમેટિક વિશ્લેષક" તરીકે નહીં પરંતુ એક શિસ્તબદ્ધ સહાયક તરીકે સ્થાન આપીશું જેનું આઉટપુટ દરેક વખતે ચકાસવામાં આવે છે.

આ પ્રથમ એકમમાં, અમે ત્રણ બાબતોની સ્પષ્ટતા કરીએ છીએ: ફાઇનાન્સ વર્કફ્લોના કયા તબક્કામાં AI વાસ્તવિક મૂલ્ય ઉમેરે છે, કયા નિર્ણયો સખત માનવીય હોવા જોઈએ અને આવું કરતી વખતે તમારે કઈ ચકાસણી અને ગોપનીયતા શિસ્તનું પાલન કરવું જોઈએ. આ છતને યોગ્ય રીતે સ્થાપિત કર્યા વિના, અનુગામી એકમો પરની તકનીકો જોખમી બની શકે છે; કારણ કે ફાઇનાન્સ એક એવું ક્ષેત્ર છે જ્યાં ભૂલો પૈસામાં માપવામાં આવે છે.

વિભાવનાઓ: આભાસ: AI ની કોઈ સંખ્યા, સ્ત્રોત અથવા વસ્તુ કે જે વાસ્તવમાં અસ્તિત્વમાં નથી તેની ખાતરી કરાવે છે. સંદર્ભ: તમે AI ને જે ઇનપુટ આપો છો (કોષ્ટક, ધારણા, પ્રશ્ન). ચકાસણી: સ્વતંત્ર રીતે આઉટપુટ તપાસી રહ્યું છે. આ ત્રણ વિભાવનાઓ સમગ્ર મોડ્યુલની કરોડરજ્જુ છે.

કયા વ્યવસાયોમાં એઆઈ એક્સિલરેટર છે, કયા વ્યવસાયોમાં તે જોખમી છે?

નાણાકીય બાબતો તેમના પરિણામોના સંદર્ભમાં બે-પાંખવાળા સ્પેક્ટ્રમ પર પડે છે. એક છેડે ઉલટાવી શકાય તેવું, ઓછા જોખમવાળા પ્રેપ વર્ક છે; બીજા છેડે, ત્યાં બદલી ન શકાય તેવા નિર્ણયો છે જે પૈસા, પ્રતિષ્ઠા અને કાનૂની જવાબદારીમાં પરિણમે છે. તમે આ સ્પેક્ટ્રમ પર ક્યાં ઊભા છો તેના આધારે AI નું મૂલ્ય બદલાય છે.

વ્યવસાય પ્રકાર

AI યોગદાન

વ્યાવસાયિકની ભૂમિકા

કોષ્ટક/રિપોર્ટ સારાંશ

લાંબા ટેબલમાંથી નિષ્કર્ષણ

સ્રોત સાથે વસ્તુઓની તુલના કરો

રેશિયો/એકાઉન્ટ પ્રારંભિક અભ્યાસ

ફોર્મ્યુલા સેટિંગ, પ્રથમ નંબર

વ્યાખ્યા, એકમ અને ઓર્ડર નિયંત્રણ

એક્સેલ ફોર્મ્યુલા / મેક્રો

સ્કેલેટન અને લોજિક જનરેશન

પરીક્ષણ ડેટા સાથે માન્યતા

રિપોર્ટ/પ્રેઝન્ટેશન ડ્રાફ્ટ

વર્ણન અને માળખું પ્રસ્તાવિત કરો

દરેક આકૃતિને સ્ત્રોત સાથે લિંક કરવી

દૃશ્ય/અનુમાન સાહિત્ય

એક અનુમાનિત માળખું પ્રસ્તાવિત કરવું

વ્યાજબીતા અને બેકટેસ્ટ

રોકાણ/ક્રેડિટનો નિર્ણય

વિશ્લેષણ સામગ્રી

અંતિમ નિર્ણય અને સહી

નિયમ સરળ છે: AI આઉટપુટનું જોખમ જો તે આઉટપુટમાં ભૂલ થાય તો તેને થનાર નુકસાનની બરાબર છે. ચાર્ટના શીર્ષકની ખોટી જોડણી હાનિકારક છે; ક્રેડિટ લિમિટની ખોટી ગણતરી કરવાથી લાખોનું નુકસાન થઈ શકે છે. તેથી આઉટપુટનો ઉપયોગ કરતા પહેલા પૂછવા માટેનો પ્રથમ પ્રશ્ન છે: "જો આ ખોટું છે તો શું થશે અને કોણ જાણ કરશે?"

ધ્યાન આપો: AI અસ્ખલિત અને આત્મવિશ્વાસપૂર્ણ ટેક્સ્ટ બનાવે છે. પ્રવાહિતા ચોકસાઈની કોઈ ગેરંટી નથી. ભાષા મોડલ તેની પાસે કોઈ વાસ્તવિક ડેટા ન હોવા છતાં પણ ખાતરી આપતા આંકડાઓ, આઇટમના નામો અને કાયદાઓ "બનાવી" શકે છે. નાણામાં, આ કાગળ પર રહેતું નથી; તે ખોટા નિર્ણય અને પૈસામાં ફેરવાય છે.

નિર્ણયો કે જે લોકો સાથે રહેવા જોઈએ

કેટલાક નિર્ણયો ક્યારેય સંપૂર્ણ સ્વચાલિત ન હોવા જોઈએ; તકનીકી, કાનૂની અને નૈતિક જોખમો વહન કરે છે:

• નિર્ણયો અને મંજૂરીઓ: રોકાણ, લોન ફાળવણી, ધિરાણ, ડિવિડન્ડ અને કિંમત નિર્ધારણના નિર્ણયોની અંતિમ મંજૂરી.
• ઘોષણા અને હસ્તાક્ષર: "આ કોષ્ટકો સાચા છે" અથવા "આ રકમ કાયદાનું પાલન કરે છે" જેવા નિવેદનો માટે માનવ હસ્તાક્ષર જરૂરી છે.
• ગ્રાહકને સલાહ: વ્યક્તિગત રોકાણ સલાહ એ કાયદાને આધીન ક્ષેત્ર છે જેમાં સત્તા અને જવાબદારીની જરૂર હોય છે.
• ગોપનીય ડેટા સાથેનો નિર્ણય: પરિણામો અને વ્યક્તિગત ડેટા સાથે કરવામાં આવેલ વ્યવહારો જે જાહેરમાં જાહેર કરવામાં આવ્યા નથી.

ચેતવણી: જો AI "45 મિલિયન TL ક્રેડિટ મર્યાદા યોગ્ય છે" જેવા પરિણામ ઉત્પન્ન કરે તો પણ, કોઈ નિષ્ણાત તેને કોલેટરલ, રોકડ પ્રવાહ અને જોખમ પ્રોફાઇલ સાથે માન્ય કર્યા વિના તેને લાગુ કરવું અસ્વીકાર્ય છે. કોઈપણ આઉટપુટ જે નિર્ણય તરફ દોરી જાય છે તે અમલમાં મૂકતા પહેલા સક્ષમ વ્યક્તિ દ્વારા સ્વતંત્ર રીતે ચકાસાયેલ અને મંજૂર કરવું આવશ્યક છે.

ચકાસણી શિસ્ત: થ્રી-લેયર કંટ્રોલ

AI આઉટપુટનો ઉપયોગ આંખે આંખે કરવાને બદલે સંપાદક અને ઓડિટરની આંખો સાથે કરવા માટે થ્રી-લેયર કંટ્રોલ લાગુ કરો. આ મૂળભૂત રીફ્લેક્સ છે જે આપણે સમગ્ર મોડ્યુલમાં પુનરાવર્તન કરીશું.

1. એકમ અને ક્રમ (સેનિટી ચેક): શું પરિણામનું એકમ સાચું છે? શું કદ વાજબી છે? જો 40 મિલિયન ટર્નઓવર ધરાવતી કંપની 900 મિલિયનનો ચોખ્ખો નફો કરે છે, તો ક્યાંક ભૂલ છે.
2. સ્વતંત્ર પુનઃઉત્પાદન: ગણતરીને મેન્યુઅલી પુનઃઉત્પાદન કરો, કેલ્ક્યુલેટર સાથે અથવા ટૂંકા એક્સેલ/પાયથોન રન સાથે. જો બે અલગ અલગ પદ્ધતિઓ એક જ પરિણામ આપે છે, તો વિશ્વાસ વધે છે.
3. સોર્સ વેરિફિકેશન: દરેક આઇટમ, રેટ ડેફિનેશન, લેજિસ્લેટિવ આર્ટીકલ અને માર્કેટ ડેટા AI દ્વારા પ્રદાન કરવામાં આવે છે તે અધિકૃત સ્રોતમાંથી શબ્દશઃ ચકાસાયેલ હોવું આવશ્યક છે.

વેરિફિકેશન પ્રોમ્પ્ટ (આઉટપુટનું ઓડિટ કરવાનું સરળ બનાવે છે): "તમે નીચેના વિશ્લેષણ કરવા માટે ઉપયોગમાં લીધેલા તમામ ધારણાઓ, સૂત્રો અને ઇનપુટ આંકડાઓને સ્પષ્ટપણે સૂચિબદ્ધ કરો. દરેક મધ્યવર્તી પગલાને એક અલગ લાઇન પર બતાવો. તમે 'સ્રોત આવશ્યક' લેબલ સાથે પ્રદાન કરો છો તે દરેક બજાર/નિયમનકારી મૂલ્યને ચિહ્નિત કરો. જો તમે ખાતરી માટે જાણતા ન હોવ તો કોઈ પણ નંબરો બનાવશો નહીં."

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા: "આ કંપનીની નાણાકીય બાબતોનું અર્થઘટન કરો." (પરિણામ: કોઈ સંદર્ભ નથી, સામાન્ય વાક્યો; તે સ્પષ્ટ નથી કે કયો આંકડો, કયો સમયગાળો, કયો સરખામણીનો આધાર.) STRONG: "નીચેની 2023 અને 2024 આવક નિવેદન આઇટમ્સનું અર્થઘટન કરો. ટકાવારી તરીકે ટર્નઓવર, ગ્રોસ માર્જિન અને ઓપરેટિંગ નફામાં ફેરફારની ગણતરી કરો, બે વર્ષની સરખામણી કરો અને યાદી 3 ની સરખામણી કરો. જો હું ડેટા ચૂકી ગયો હોય, તો માત્ર ડેટાનો ઉપયોગ કરો; 'કોઈ ડેટા નથી' [પેન્સિલો અહીં]"

તફાવત સંદર્ભમાં છે. શક્તિશાળી પ્રોમ્પ્ટ; તેમાં સમયગાળો, સરખામણીનો આધાર, ઇચ્છિત મેટ્રિક અને "માત્ર આપેલ ડેટાનો ઉપયોગ કરો" મર્યાદાનો સમાવેશ થાય છે. આ એક-વાક્યની શિસ્ત આભાસના જોખમને મોટા પ્રમાણમાં ઘટાડે છે.

મીની કેસો

કેસ 1 - નકલી વૃદ્ધિ દર. એક વિશ્લેષકે એઆઈને પૂછ્યું કે "ઉદ્યોગની સરેરાશ વૃદ્ધિ શું છે?" તે પૂછે છે. AI નિશ્ચિતપણે "14.3%" કહે છે. વિશ્લેષક અહેવાલમાં મૂકતા પહેલા સ્ત્રોત માટે પૂછે છે; AI સ્પષ્ટ સ્ત્રોત આપી શકતું નથી. સંક્ષિપ્ત સંશોધન દર્શાવે છે કે વાસ્તવિક ઉદ્યોગ વૃદ્ધિ 6% આસપાસ છે. વેરિફિકેશન બદલ આભાર, રિપોર્ટ દાખલ કરે તે પહેલા જ આભાસ પકડાઈ ગયો.

કેસ 2 - ઓર્ડર ભૂલ. જ્યારે AI 12 મિલિયન TL ની EBITDA (વ્યાજ, કર અને અવમૂલ્યન પહેલાની કમાણી) માટે ગણતરી કરે છે, તે પરિણામ "1.2 બિલિયન" તરીકે દર્શાવે છે. રેન્ક ચેક સાથે, વિશ્લેષક જુએ છે કે આ ટર્નઓવર 100 ગણા વટાવે છે; એકમ (હજાર TL / TL મૂંઝવણ) ભૂલ મળી અને સુધારેલ છે.

કેસ 3 - ગોપનીયતા ભંગનું જોખમ. એક નિષ્ણાત જાહેર ટૂલમાં હજુ સુધી પ્રકાશિત થનારા ત્રિમાસિક પરિણામો પેસ્ટ કરવાના છે. તે કોર્પોરેટ પોલિસીને યાદ રાખે છે, ડેટાને અનામી બનાવે છે (કંપનીનું નામ "કંપની એ" બનાવે છે, રકમ પ્રો રેટા આપે છે) અને કોર્પોરેટ ટૂલનો ઉપયોગ કરે છે. આ રીતે, વિશ્લેષણ કરવામાં આવે છે, પરંતુ સંવેદનશીલ ડેટા બહાર આવતો નથી.

સંવેદનશીલ નાણાકીય ડેટા સાથે કામ કરવાનો સિદ્ધાંત

ફાઇનાન્સનું સૌથી સંવેદનશીલ પાસું ડેટા છે. બિન-જાહેર પરિણામો, ગ્રાહક માહિતી અને વ્યક્તિગત ડેટા; તે ગોપનીયતા, KVKK અને આંતરિક વેપારના સંદર્ભમાં જોખમો ધરાવે છે. મૂળભૂત સિદ્ધાંત: શેર કરતા પહેલા ડેટાને અનામી રાખો, જો શક્ય હોય તો જ બંધારણ માટે પૂછો.

અનામી પ્રોમ્પ્ટ પેટર્ન: "હું રિટેલ કંપનીના આવક નિવેદનનું અર્થઘટન કરવા માંગુ છું. વાસ્તવિક સંખ્યાઓને બદલે, હું પ્રમાણ આપું છું: ધારીએ કે ટર્નઓવર 100 છે, માલસામાનની કિંમત 62 છે, સંચાલન ખર્ચ 24 છે, ચોખ્ખો નફો 8 છે. ઉદ્યોગ માટે વ્યાજબી છૂટક માર્જિન સાથે આ માળખાની તુલના કરો અને મને કહો."

સામાન્ય ભૂલો

• આઉટપુટને માન્ય કર્યા વિના તેનો ઉપયોગ કરવો. "એઆઈએ કહ્યું" એ વાજબીપણું નથી; દરેક મુદ્દાને સ્વતંત્ર નિયંત્રણની જરૂર છે.
• સંદર્ભ વિના પ્રશ્નો પૂછવા. જ્યારે સમયગાળો, એકમ અને સરખામણીનો આધાર આપવામાં આવતો નથી, ત્યારે અર્થઘટન સામાન્ય અને ભ્રામક બની જાય છે.
• વિચાર્યા વિના ગોપનીય ડેટા શેર કરવો. અપ્રગટ નાણાકીય ડેટા, વ્યક્તિગત ડેટા અને ગ્રાહકની માહિતી અનામી વિના પ્રકાશિત થવી જોઈએ નહીં.
• ચોકસાઈ સાથે ચોક્કસ ભાષાને ગૂંચવણમાં મૂકે છે. AI જેટલી વધુ આત્મવિશ્વાસથી બોલે છે, તમારે વધુ સાવચેત રહેવું જોઈએ; આત્મવિશ્વાસનો સ્વર એ પુરાવા નથી.
• AI ને નિર્ણય સોંપી રહ્યા છીએ. રોકાણ, લોન અને કિંમતના નિર્ણયો વ્યક્તિ પાસે રહે છે; AI માત્ર સામગ્રી ઉત્પન્ન કરે છે.

સારાંશમાં

AI નાણાંકીય કાર્યના પુનરાવર્તિત અને સમય માંગી લેનારા ભાગોને ઝડપી બનાવે છે: સારાંશ, એકાઉન્ટિંગ, ફોર્મ્યુલેટિંગ, ડ્રાફ્ટિંગ. જો કે, નિર્ણય અને જવાબદારી વ્યક્તિની રહે છે. દરેક આઉટપુટે નિયંત્રણના ત્રણ સ્તરો (રેન્ક, સ્વતંત્ર પ્રજનન, સ્ત્રોત) પસાર કરવા આવશ્યક છે. સંદર્ભ સાથે સંકેતો લખવા અને સંવેદનશીલ ડેટાને અનામી રાખવો એ બે મુખ્ય આદતો છે જેને આપણે આ મોડ્યુલના દરેક એકમમાં પુનરાવર્તન કરીશું. જ્યારે તમે શિસ્ત સાથે એઆઈનો ઉપયોગ કરો છો, ત્યારે તમે ઝડપ મેળવો છો, જ્યારે તમે શિસ્ત વિના તેનો ઉપયોગ કરો છો, ત્યારે તમે પૈસા ગુમાવો છો.

એપ્લિકેશન કાર્ય

તમારા પોતાના વ્યવસાય અથવા કાલ્પનિક કંપનીમાંથી નાણાકીય કાર્ય પસંદ કરો (દા.ત., બે વાર્ષિક આવક નિવેદન અર્થઘટન). પ્રથમ નબળા પ્રોમ્પ્ટ લખો અને આઉટપુટ મેળવો. પછી આ એકમમાંથી શક્તિશાળી પ્રોમ્પ્ટ પેટર્ન લાગુ કરો: સમયગાળો, મેટ્રિક, સરખામણીનો આધાર અને "માત્ર આપેલ ડેટાનો ઉપયોગ કરો" અવરોધ ઉમેરો. બે પ્રિન્ટઆઉટને બાજુમાં મૂકો અને તફાવત લખો. પછી મજબૂત પ્રિન્ટઆઉટ (હેન્ડ એકાઉન્ટ અથવા સ્ત્રોત) માં ઓછામાં ઓછા બે આંકડાઓ સ્વતંત્ર રીતે ચકાસો અને નોંધ કરો કે કઈ ચકાસણીમાં તમને શું મળ્યું.

ચેકલિસ્ટ

• [ ] મેં મારા પ્રોમ્પ્ટમાં સમયગાળો, એકમ અને સરખામણીનો આધાર ઉમેર્યો છે.
• [ ] મેં "ફક્ત આપેલ ડેટાનો ઉપયોગ કરો, તેને બનાવશો નહીં" મર્યાદા લખી છે.
• [ ] મેં આઉટપુટના ઓછામાં ઓછા બે અંકોનો ક્રમ તપાસ્યો.
• [ ] મેં ઓછામાં ઓછી એક આકૃતિ સ્વતંત્ર રીતે પુનઃઉત્પાદિત કરી છે.
• [ ] મેં કાયદા/માર્કેટ મૂલ્યોને "સંસાધન જરૂરી" તરીકે ચિહ્નિત કર્યું છે.
• જો ત્યાં સંવેદનશીલ ડેટા હતો, તો મેં તેને અનામી રાખ્યો અથવા એન્ટરપ્રાઇઝ ટૂલનો ઉપયોગ કર્યો.
• [ ] મેં પુષ્ટિ કરી કે અંતિમ નિર્ણય વ્યક્તિ પાસે રહે છે.