Nyereség:
- Képes megérteni, hogy min alapul az adatok kreditpontozása, és hogy a mesterséges intelligencia nem a pontszámot adja, hanem a pontszám egyértelmű összefoglalását és felgyorsítja a hiányzó dokumentumok ellenőrzését
- Használjon mesterséges intelligenciát, hogy konzisztencia-ellenőrzést és határozattervezetet készítsen a kölcsönügylethez, és képes legyen meghozni a végső elosztási döntést felhatalmazott szakértőként
- Képes megérteni, hogy a modell kimenetét magyarázható, indokolható és megkülönböztetéstől mentes módon dokumentálni kell, és be kell tartani a piros vonalakat
A hitelkérelem beérkezésekor egy egyszerű kérdés húzódik meg a háttérben: "Ez az ügyfél vissza tudja fizetni ezt a hitelt, és milyen kockázatot ró a bank fizetésére?" A kérdésre a válasz a hitelszakértő napjának nagy részét lefoglaló feladatok sorában oszlik el: az eredménykimutatás elolvasása, az adósság/jövedelem arány kiszámítása, a hiteltörténet értelmezése (KKB - Hitelnyilvántartó Iroda megjegyzése), a fedezetek értékelése, összehasonlítása a belső szabályzattal, végül indokolt döntés megírása. A mesterséges intelligencia komoly időt takarít meg ezeknek a feladatoknak az olvasása, összegzése és konzisztencia-ellenőrzése során. De légy óvatos: az AI nem generálja a pontszámot, segít megérteni, mit jelent a pontszám, és hol inkonzisztens a fájl. A hitelfelosztási határozatot az indoklással együtt a felhatalmazott szakértő írja alá.
Ebben az egységben lépésről lépésre látni fogjuk, hogy az adatok kreditpontozása mi alapján történik, mikor használhatod biztonságosan a mesterséges intelligenciát, hogyan ellenőrizheted a kimenetét, és mely piros vonalakat soha ne lépd át.
Mi alapján történik a hitelbírálat?
A hitelpontszám olyan becslés, amely számértékre csökkenti az ügyfél törlesztési valószínűségét. A tipikus bejegyzések a következők:
- Jövedelem és foglalkoztatás: Havi rendszeres jövedelem, munkaidő, bevételi forrás folytonossága.
- Jelenlegi eladósodottság: Meglévő hitelek, hitelkártya-tartozás, adósság-jövedelem arány (a havi adósságfizetés és a jövedelem aránya).
- Hiteltörténet: Múltbeli fizetési mód, késések, jogi nyomon követési nyilvántartások (a KKB pontszáma ezt foglalja össze).
- Fedezet: A kölcsön ellenében nyújtott eszköz (ház, jármű, letét) és annak értéke.
- Keresleti jellemzők: Hitelösszeg, futamidő, terméktípus.
Tipp: A pontszám „valószínűségi becslés”, nem „tény”. Lehet, hogy két ügyfél azonos pontszámmal rendelkezik, de történeteik teljesen eltérőek lehetnek. Ha úgy döntesz, hogy nem látod a kotta mögött meghúzódó indoklást, akkor a borító alapján ítéled meg a könyvet.
Hol tart ebben a folyamatban a mesterséges intelligencia?
Egyértelmű, hogy a mesterséges intelligencia hol használható biztonságosan, és hol nem:
Quest
AI szerepe
Kié a döntés/jóváhagyás?
Foglalja össze az összegeket egy bevételi bizonylatban
Olvasás, összefoglaló
Szakértői forrás megerősítése
Adósság/jövedelem arány számítási tervezet
számlatervezet
A szakértő újraszámol
Fájlkonzisztencia ellenőrzése (ellentmondások keresése)
szkennelés
A szakértő megerősíti
Elutasítási/jóváhagyási indoklás tervezete
szövegtervezet
Felhatalmazott szakértő szerző/jóváhagyások
Magyarázd meg a kotta jelentését!
Leíró szöveg
Szakértői vélemények
Hitelkiosztási döntés
(csak vázlat)
A hatóság/bizottság dönt
Mint látható, a mesterséges intelligencia minden vonalon vázlatokat és ellenőrzéseket készít; nem "dönt" egyetlen sorban sem. Ennek a megkülönböztetésnek a fenntartása ennek az egységnek a lényege.
Lépésről lépésre: egy fájl elkészítése mesterséges intelligencia támogatással
- Anonimizálás. Név, TR azonosító, számlaszám eltávolítása; Az ügyfél leírása: „42 éves, közalkalmazott, X szegmens”.
- Kérjen tervezetet. A mesterséges intelligencia készítsen összefoglalókat, konzisztencia-ellenőrzéseket és indoklástervezeteket – ne döntéseket.
- Csatlakoztassa a forráshoz. Jelölje be, hogy a nyomtatott számok melyik dokumentumból származnak.
- Számolja újra. Ellenőrizze saját maga a kritikus számokat, például az adósság/jövedelem arányt, a fedezeti arányt stb.
- Irányelvszűrő. Ellenőrizze, hogy megfelel-e belső hitelpolitikájának és diszkriminációmentességi politikájának.
- Határozat és aláírás. Ön meghozza a döntést, megírja az indoklást, elhagyja az ellenőrzési nyomot.
Négy másolható sablon
1) Fájlkonzisztencia ellenőrzése:
Az Ön szerepe: hitelfájl konzisztencia-ellenőrző. Döntéshozatal. Ügyfél (névtelen): 42 éves, közalkalmazott, havi nettó jövedelem 55 000 TL, aktuális havi kölcsön törlesztőrészlet 12 000 TL, igény 250 000 TL / 48 hónap. Feladat: Vannak-e matematikai vagy logikai ellentmondások, hiányzó dokumentumok vagy nem konzisztens dátumok a megadott információkban? Sorolja fel az egyes megállapításokat „[megerősítés szükséges]” címkével, és adja meg, hogy milyen információkon alapul. A döntés az enyém.
2) Adósság/jövedelem arány számítási ellenőrzés:
Számítsa ki lépésről lépésre az adósság/jövedelem arányt a következő adatokkal, és mutassa meg a képletet.Csak végezze el a számítást, ne hozzon jogosultsági döntést.Havi nettó jövedelem: 55 000 TLCJelenlegi havi adósságtörlesztés: 12 000 TLEAz új hitel becsült havi törlesztőrészlete: 6 500 TLDKívánt intermedia lépések: új hitel kamatláb és kamatláb.
3) Elutasítási/jóváhagyási indoklás tervezete (magyarázható):
Az Ön szerepe: asszisztens, aki a kölcsön döntésének indoklását TERVEZTE. Az ellenőrzött megállapítások ALAPJÁN adok önnek inputot, új információkkal kiegészítve. Megállapítások: [adósság/jövedelem arány 34%, fedezetek aránya megfelelő, 1 késedelembejegyzés] Feladat: Írjon ezek alapján az indoklás tervezetét, amely magyarázható és nem tartalmaz diszkriminatív nyelvezetet. Nincs utalás védett tulajdonságokra (életkor, nem, származás, környék). Hozzáteszem a végleges határozatot és az aláírást.
4) A pontszám egyszerű magyarázata:
Magyarázza el az ügyfélnek, mit jelent a hitelpontszám 4 mondatban, nem vádaskodó nyelvezeten és szakzsargon nélkül. Ne használjon fel személyes adatokat, ne tegyen határozott ígéreteket. Ezt a szöveget ellenőrizni fogom, mielőtt továbbítom az ügyfélnek.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Adjunk hitelt ennek az ügyfélnek? Döntse el a pontszáma alapján, és írja le az okát.
Ez a kérés a döntést a modellre bízza, nem hivatkozik a forrásra, és nem akadályozza meg, hogy az indoklás diszkriminatívnak tűnjön.
Erőteljes felszólítás:
Az Ön szerepe: döntéstámogató asszisztens, nem döntéshozó. Írjon egy indoklás TERVEZETET az általam közölt ellenőrzött megállapítások alapján. Zárójelben mutasd be az egyes mondatok alapjául szolgáló megállapítást! Ne hivatkozzon védett tulajdonságokra. A nem egyértelmű pontokat jelölje meg „[megerősítés szükséges]”-ként. Én fogom meghozni a végső hitelezési döntést és a felelősséget.
Az erős akarat korlátozza a szerepet, minden igényt a forráshoz köt, megakadályozza a diszkriminációt és a döntést az emberben tartja.
három mini tok
1. eset – Időmegtakarítás. Egy szakértő konzisztencia-ellenőrzést végez egy 30 fájlból álló portfólión. A mesterséges intelligencia 5 eltérést jelez, például: „A 8-as számmal bejelentett jövedelem 60 000, de a bérjegyzék 42 000-et mutat.” A szakértő mindezt a forrásnál megerősíti; Ebből 3 valódi, 2 pedig a mesterséges intelligencia hamis leolvasása. A kézi 3 órás munka 40 percre csökken, és ellenőrzés nélkül nem használnak figyelmeztetéseket.
2. eset – Az újraszámítás észleli a hibát. Az AI az adósság/jövedelem arányt „28%-ban” összegzi. A szakember ismét lefutja a képletet: a meglévő adósság nincs benne, a reálráta 41%, ami meghaladja a belpolitikai küszöböt. Ellenőrzés nélkül hamis megerősítés történhet.
3. eset – Diszkriminatív alapelv. A mesterséges intelligencia megalkotja a „kockázatos terület, ahol a kérelmező él” kifejezést az elutasító tervezetben. A szakértő ezt tagadja; Ez a kijelentés magában hordozza a körzeten alapuló közvetett diszkrimináció (proxy változó) kockázatát. Az indoklást csak olyan legitim kritériumokkal írják át, mint például az adósság/jövedelem arány és a bûnözési nyilvántartás.
A pontszámon túl: kontextus és "borderline" fájlok
A hiteldöntések legnehezebb része nem a nyílt elfogadás vagy nyílt elutasítás, hanem a „borderline” fájlok. Ha a pontszám túl közel van a belpolitikai küszöbhöz, a döntést nem lehet egyetlen szám kegyére bízni; kontextus jön szóba. Az AI itt állíthat be csapdát: minden határfájlt ugyanazzal a mechanikai logikával értékel ki, és figyelmen kívül hagyja az árnyalatokat. A szakértő az, aki hozzáteszi az árnyalatot.
Példák a kontextusra, amelyben a szakértő egy határfájlt néz meg:
- A késés története: Átmeneti egészségügyi probléma vagy tartós fizetésképtelenség volt az egyetlen késés? Ugyanaz az „1 késleltetési rekord” két különböző történetet mesélhet el.
- Jövedelem jellege: Két ügyfélnek lehet egyenlő jövedelme, de lehet, hogy az egyik rendszeres, a másik pedig változó szabadúszó jövedelemmel rendelkezik; A kockázati profil más.
- Bankkal való kapcsolat: A hosszú ideje zökkenőmentesen dolgozó ügyfél aktáját másképp olvassuk, mint egy új ügyfeleét.
A mesterséges intelligencia segíthet összefoglalni ezeket az összefüggéseket, de a szakértő mérlegelése és döntése – különösen határesetekben.
Tipp: Azokban az esetekben, amikor a pontszám közel van a küszöbhöz, a „mit mondott az ügyfél története” kérdésre összpontosítson a „mit mondott a modell?” kérdésre. A határfájlok azok, ahol a szakértői megítélés világít, nem az automatizálás.
Gyakori hibák
- A pontozás a döntés. A pontszám előrejelzés; Ez nem maga a döntés. Indoklás és kontextus nélkül helytelen a pontszám alapján ítélkezni.
- Nem számolják újra a számot. A mesterséges intelligencia által megadott arányok és összegek használata azok megerősítése nélkül; Itt jön be a hallucináció vagy a félreolvasás.
- Nem veszi észre a diszkriminatív indoklást. Jóváhagyja azokat az indoklásokat, amelyek védett jellemzőket vagy helyettesítő változókat tartalmaznak, mint például a környék, életkor, nem; komoly jogi kockázat.
- Az ellenőrzési nyomvonal megkerülése. a határozat alapjául szolgáló igazolt megállapítások dokumentálásának elmulasztása; későbbi kifogással vagy ellenőrzéssel nem védhető.
- Hitelesítési adatok megosztása. Belépés az eszközbe a fájl anonimizálása nélkül.
Figyelem: A hiteldöntés elutasítása esetén az ügyfélnek joga van megismerni az okot és kifogást emelni. Ezért az indoklásnak helyesnek, magyarázhatónak és megkülönböztetéstől mentesnek kell lennie. "A modell így pontozta" nem indoklás.
Összefoglalva
A hitelbírálat a valószínűség becslése, amely olyan adatokon alapul, mint például a jövedelem, az eladósodottság, a hiteltörténet és a fedezet. Ebben a folyamatban az AI dokumentumolvasást, konzisztencia-ellenőrzést, számlatervezetet és indoklási tervezetet készít; De ez nem változtat a pontszámon vagy a döntésen. Számítsa ki újra az egyes számokat, rendeljen minden indoklást a forráshoz, és engedje át a diszkrimináció szűrőjén. A hitelfelosztási határozatot a felhatalmazott szakértő írja alá, az indokolással együtt. Egy mondatban: Mesterséges intelligencia készíti elő az aktát; A hitelezési döntést hozzáértő személy hozza meg.
Pályázati feladat
Határozzon meg egy minta hitelfájlt (anonim: életkor, foglalkozás, jövedelem, aktuális tartozás, követelés, lejárat). A fenti 1. és 2. sablonnal először ellenőrizze a konzisztenciát, majd számítsa ki az adósság/jövedelem arányt. Számítsa ki manuálisan és hasonlítsa össze a mesterséges intelligencia által megadott arányt. Ezután generáljon egy igazoló vázlatot a 3. sablonnal, és ellenőrizze, hogy van-e benne védett tulajdonság vagy helyettesítő változó; Írja át jogos kritériumokkal, ha vannak ilyenek.
ellenőrző lista
- [ ] anonimizáltam a fájlt; Nem osztottam meg semmilyen azonosítási információt.
- [ ] A mesterséges intelligenciának tervezetet/ellenőrzési feladatot adtam, nem döntést.
- [ ] Az adósság/jövedelem arányt és a kritikus számokat kézzel számoltam újra.
- [ ] Az indoklást az ellenőrzött megállapításoknak tulajdonítottam, és megjelöltem a forrást.
- [ ] Ellenőriztem, hogy nincs-e védett tulajdonság/proxy változó az argumentumban.
- [ ] A határozatot és annak indoklását rögzítettem; Vállaltam a végső felelősséget.