Keuntungan:
- Kemampuan untuk membedakan mana kecerdasan buatan menghemat waktu nyata dalam alur kerja perbankan (pra-penilaian, pendukung keputusan, operasi, pelaporan) dan mana keputusan yang diatur dan sangat penting (alokasi kredit, penipuan/penyediaan kepatuhan) diserahkan kepada manusia, sesuai dengan tingkat risiko tugas
- Kemampuan untuk menerapkan disiplin yang memverifikasi setiap keluaran AI melalui langkah-langkah menghubungkannya ke sumber, menghitung ulang, dan meneruskannya melalui penyaringan kebijakan/undang-undang.
- Menganonimkan data nasabah dan keuangan dalam lingkup KVKK, aturan rahasia nasabah dan kerahasiaan bank serta membiasakan memilih kendaraan yang aman
Hari seorang bankir dipenuhi dengan angka, keputusan, dan kepercayaan diri. Permohonan pinjaman dievaluasi, suatu transaksi diperiksa untuk melihat apakah itu penipuan, produk mana yang dianggap cocok untuk pelanggan, pemeriksaan kepatuhan dilakukan dan laporan ditandatangani pada akhir hari. Kesamaan dari pekerjaan-pekerjaan ini adalah bahwa semua pekerjaan tersebut membutuhkan pekerjaan yang cepat dan, jika dilakukan secara tidak benar, secara langsung merugikan uang, reputasi, atau status hukum bank seseorang. Di sinilah kecerdasan buatan terlibat dalam ketegangan ini. Bila digunakan dengan benar, ini mengurangi jam kerja menjadi beberapa menit; Jika digunakan secara tidak tepat, hal ini akan mempercepat kesalahan, menghasilkan diskriminasi, dan menghasilkan keputusan yang tidak terkendali.
Sepanjang modul ini kami akan memposisikan AI sebagai asisten, pra-penyaringan, dan pembuat draf. Kecerdasan buatan membantu membacakan file untuk Anda, menulis draf, mencari ketidakkonsistenan, dan merangkum. Tapi keputusan ada di tangan Anda. Apakah akan memberikan kredit, apakah akan menganggap suatu transaksi mencurigakan, apa yang harus dikatakan kepada pelanggan—semua ini adalah penilaian manusia yang berdaya. Dalam unit ini, kami akan secara mendasar menetapkan perbedaan ini, yaitu, di mana kecerdasan buatan menghemat waktu dan di mana keputusan diserahkan kepada manusia, disiplin verifikasi, dan aturan privasi.
Mengapa perbankan merupakan bidang yang 'kritis terhadap kepercayaan' dan 'teregulasi'
Jika alat desain permainan kata-kata tidak berfungsi dengan benar, tidak ada yang terluka. Namun model bank yang tidak berfungsi dengan baik dapat menghilangkan kredit yang layak diterima sebuah keluarga, menjadikan nasabah sah sebagai korban dengan melabelinya sebagai penipu, atau mengabaikan pencucian uang dan membuat bank terkena hukuman yang berat. Oleh karena itu, perbankan didefinisikan oleh dua fitur:
- Penting untuk dipercaya: Keputusan mempengaruhi uang dan masa depan masyarakat. Sekalipun kesalahannya bisa dibalik, kerusakannya nyata.
- Diatur: Perbankan; Dikelilingi oleh peraturan seperti BDDK (Badan Pengawasan dan Pengaturan Perbankan, otoritas publik yang mengawasi bank), MASAK (Badan Reserse Kejahatan Keuangan, lembaga yang memerangi pencucian uang) dan KVKK (UU Perlindungan Data Pribadi). Anda tidak dapat menjelaskan suatu keputusan dengan mengatakan "AI berkata demikian"; Anda harus bisa membenarkan keputusan tersebut.
Kedua fitur ini menetapkan aturan dasar penggunaan AI: Keluaran AI bukanlah pengganti persetujuan dari pakar yang kompeten. Keputusan ada di tangan orang tersebut. Kami akan mengulangi kalimat ini berkali-kali sepanjang modul ini, karena kesalahan paling mahal dalam perbankan terjadi ketika aturan ini dilupakan.
Perhatian: Mengatakan "model bekerja dengan sangat akurat" tidak berarti "kita dapat menyerahkan keputusan kepada model". Bahkan model yang 99 persen benar menyajikan kesalahan 1 persennya dengan keyakinan yang sama. Di perbankan, 1 persen itu adalah pinjaman seseorang atau denda bank.
Di manakah kegunaan kecerdasan buatan dalam perbankan?
Memikirkan bisnis perbankan dalam tiga lapisan memperjelas di mana harus menempatkan AI:
- Pra-evaluasi dan persiapan (risiko rendah, perolehan tinggi): Pembacaan dokumen, pengendalian dokumen yang hilang, ringkasan file, pemindaian konsistensi data. Di sini, meskipun kecerdasan buatan membuat kesalahan, risikonya dapat dikelola karena ada tinjauan manusia di baliknya; Keuntungannya besar.
- Pendukung keputusan (risiko menengah): Draf justifikasi kredit, ringkasan profil risiko, komentar keuangan, draft transaksi mencurigakan. Di sini, kecerdasan buatan menghasilkan saran, namun keputusan ada di tangan manusia. Verifikasi sangat penting.
- Keputusan dan penilaian akhir (risiko tinggi, manusia): Alokasi kredit, putusan penipuan, pelaporan transaksi mencurigakan, keputusan tercermin pada pelanggan. Ini adalah lapisan di mana kecerdasan buatan tidak dapat mengambil keputusan; menawarkan draft terbanyak.
Tabel berikut menyajikan tugas-tugas perbankan yang umum berdasarkan tingkat risiko:
Pencarian
lapisan
peran AI
Siapa yang memutuskan?
Pemeriksaan dokumen berkas kredit hilang
evaluasi awal
Pindai, ringkasan
Ulasan para ahli
Alasan penolakan/persetujuan kredit
pendukung keputusan
Draf pembenaran
ahli yang kompeten
Waspada anomali transaksi
pendukung keputusan
Sinyal pra-kualifikasi
analis penipuan
Pelaporan transaksi mencurigakan (STR)
penghakiman terakhir
draf
petugas kepatuhan
Keputusan alokasi kredit
penghakiman terakhir
draf/ringkasan
Otoritas/panitia
Draf korespondensi pelanggan
evaluasi awal
rancangan teks
Karyawan menyetujui
Disiplin validasi: filter tiga langkah
Ambil keluaran AI melalui tiga langkah ini setiap saat. Ini akan menjadi refleks dasar yang akan kita ulangi sepanjang modul ini:
- Hubungkan ke sumbernya. Dokumen apa, transaksi akun mana, dan aturan apa yang menjadi dasar setiap nomor, klaim, dan pembenaran dalam keluarannya? Output yang sumbernya tidak dapat dikutip adalah “klaim” sampai diverifikasi, bukan “informasi”.
- Hitung ulang/periksa. Jika odds, total, ringkasan skor diberikan, konfirmasikan sendiri. AI mungkin salah menggambarkan atau mengarang angka (ini disebut “halusinasi”: ketika model menghasilkan informasi palsu yang tampak nyata).
- Melewatinya melalui filter kebijakan dan perundang-undangan. Apakah outputnya sesuai dengan kebijakan internal bank Anda dan aturan hukum (larangan diskriminasi, kerahasiaan nasabah, KVKK)? Keluaran yang tidak sesuai akan ditolak, betapapun “cerdasnya” kelihatannya.
Tip: Tanyakan pada diri Anda pertanyaan ini pada setiap keluaran: "Dapatkah saya membela hal ini kepada auditor tanpa hanya mengatakan 'AI yang memproduksinya'?" Jika jawabannya tidak, maka outputnya belum siap digunakan.
Privasi: rahasia pelanggan dan KVKK
Di perbankan, data dilindungi dua kali lipat. Informasi rekening nasabah merupakan data pribadi (dalam lingkup KVKK) dan rahasia nasabah (dalam lingkup UU Perbankan; kewajiban bank untuk melindungi informasi yang diketahui tentang nasabahnya). Oleh karena itu, mengunggah data pelanggan ke alat AI apa pun bisa menjadi pelanggaran serius.
Aturan dasar:
- Anonimkan. Hapus informasi identitas seperti nama, nomor ID TR, nomor rekening/IBAN, telepon. Misalnya, alih-alih "Ahmet Yılmaz, TC 123..., akun 456..." tulislah "45 tahun, pelanggan segmen X".
- Data minimal. Bagikan jumlah data minimum yang benar-benar diperlukan untuk tugas tersebut. Bukan keseluruhan dump, tapi baris yang relevan.
- Gunakan kendaraan yang disetujui. Gunakan alat yang dikontrak dan aman yang disetujui oleh bank Anda. Jangan memasukkan data pelanggan ke alat publik jika tidak jelas kemana data tersebut akan dituju.
- Tinggalkan catatan. Anda harus dapat menunjukkan, bila diperlukan, data apa yang Anda gunakan, untuk tujuan apa, dan alat apa yang Anda gunakan (jejak audit).
Empat templat yang dapat disalin
1) Kerangka yang menentukan peran dan batasan:
Peran Anda: asisten perbankan. PENGAMBILAN KEPUTUSAN; Hanya menghasilkan draf, ringkasan, atau pemeriksaan konsistensi. Jangan gunakan informasi identifikasi (nama, TR ID, IBAN). Tandai setiap poin yang Anda tidak yakin sebagai "[konfirmasi diperlukan]". Saya akan mengambil keputusan akhir dan tanggung jawab. Tugas: [deskripsi pekerjaan]
2) Permintaan verifikasi tiga langkah:
Audit mandiri dan laporkan keluaran berikut dari tiga aspek: (1) Sumber/data apa yang menjadi dasar setiap klaim Anda? (2) Angka manakah yang perlu dihitung ulang? (3) Apakah terdapat aspek risiko dari kebijakan internal atau peraturan perundang-undangan (diskriminasi, rahasia pelanggan, KVKK)? Cantumkan ketidakpastian dengan jelas.
3) Kontrol anonimisasi:
Sebelum memberikan teks ini ke alat, identifikasi semua informasi yang membuat orang tersebut dapat diidentifikasi (nama, ID TR, IBAN, telepon, alamat, kombinasi fitur langka) dan sarankan cara menutupinya. Tentukan juga data minimum yang diperlukan untuk tugas tersebut. Teks: [data]
4) Asisten klasifikasi lapisan:
Tentukan di lapisan mana tugas berikut ini berada: evaluasi awal (dipercepat dengan kepercayaan) / pendukung keputusan (diverifikasi) / penilaian akhir (manusia). Tulis alasan Anda dan nyatakan batasan AI dalam tugas ini. Tugas: [tugas]
tiga kasus mini
Kasus 1 — Penggunaan yang benar. Seorang spesialis kredit akan memeriksa tumpukan 40 file untuk mencari dokumen yang hilang. Memberikan setiap file ke kecerdasan buatan dengan ringkasan anonim; Kecerdasan buatan menandai "Pada ringkasan nomor 3, tanggal sertifikat pendapatan lebih tua dari 6 bulan, dan pada nomor 7, tidak ada halaman tanda tangan." Pakar mengkonfirmasi tanda-tanda ini satu per satu di file. Pemindaian manual, yang memakan waktu 2 jam, dikurangi menjadi 25 menit dan setiap peringatan diverifikasi secara manusiawi.
Kasus 2 — Kegagalan kepercayaan bebas autentikasi. Pakar lain meneruskan alasan penolakan pinjaman yang dihasilkan oleh kecerdasan buatan kepada pelanggan tanpa membacanya. Dalam pembenarannya, kecerdasan buatan salah membaca pendapatan pelanggan dan mengatakan “pendapatan tidak mencukupi”; Namun, dokumen tersebut benar. Nasabah berkeberatan, arsip dibuka kembali, dan bank kehilangan waktu dan reputasi. Hikmahnya: data apa pun yang dijadikan dasar pembenaran harus diperiksa sumbernya.
Kasus 3 — Pelanggaran kerahasiaan. Untuk mempercepat, seorang karyawan menempelkan nama lengkap pelanggan dan laporan rekening ke dalam alat yang tidak disetujui dan tersedia untuk umum dan bertanya, "Apakah pelanggan ini berisiko?" Dengan tindakan tunggal ini, kerahasiaan pelanggan dan KVKK telah dilanggar; Bahkan kemana perginya data tersebut tidak jelas. Pelajaran: data terlebih dahulu dianonimkan, kemudian diproses hanya di alat yang disetujui.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Pernyataan akun Ahmet Yılmaz terlampir. Putuskan apakah kita harus memberikan penghargaan kepada pelanggan ini.
Permintaan ini mencakup informasi identitas pribadi (pelanggaran privasi), meminta AI untuk mengambil keputusan secara langsung (tidak menyerahkan keputusan kepada manusia), dan tidak menerapkan kerangka verifikasi.
Perintah yang kuat:
Peran Anda: asisten spesialis kredit yang memeriksa file PERSIAPAN dan KONSISTENSI.Pengambilan keputusan; Tandai saja poin-poin yang hilang/tidak konsisten dan nyatakan apa yang menjadi dasar Anda. Jangan gunakan informasi identifikasi.Pelanggan (anonim): 45 tahun, segmen Tandai "[konfirmasi diperlukan]" setiap poin yang tampaknya hilang atau bertentangan dengan informasi yang diberikan. Saya akan membuat keputusan kredit.
Kehendak yang kuat tidak mengandung jati diri, membatasi peran, menyerahkan wewenang pengambilan keputusan kepada orangnya, dan menandai setiap tuntutan dengan jelas untuk penegasannya.
Kesalahan umum
- Menyerahkan keputusan pada kecerdasan buatan. Membuat model mengatakan ketentuan seperti “memberi/tidak memberi kredit”, “penipuan/tidak”. Ini adalah keputusan manusia; model ini menawarkan draf paling banyak.
- Percaya tanpa verifikasi. Salah mengira teks yang lancar dan percaya diri sebagai "benar". Kefasihan bukanlah keakuratan.
- Berbagi kredensial. Memasuki kendaraan tanpa menganonimkan nama, TR ID, dan nomor rekening Anda.
- Melewati jejak audit. Kegagalan mendokumentasikan alasan keputusan dan data yang digunakan; Tidak mampu menjawab pertanyaan “mengapa keputusan ini diambil?”
- Mengemudi tanpa persetujuan. Memasukkan data pelanggan ke alat publik yang tidak jelas kemana data tersebut pergi.
Perhatian: Di perbankan, akibat dari suatu kesalahan sering kali tidak langsung terlihat; Keberatan, pemeriksaan atau hukuman datang beberapa bulan kemudian. Oleh karena itu, disiplin verifikasi dan pencatatan tidak dapat ditunda hanya karena “tidak diperlukan kecuali timbul masalah”; Itu harus menjadi kebiasaan sejak awal.
Singkatnya
Perbankan adalah bidang yang sangat penting bagi kepercayaan dan diatur; Jadi AI digunakan di sini sebagai asisten, pra-penyaringan, dan pembuat rancangan, bukan sebagai pengambil keputusan. Pikirkan pekerjaan dalam tiga lapisan: evaluasi awal (dipercepat dengan kepercayaan), pendukung keputusan (terverifikasi), dan penilaian akhir (manusia). Tautkan setiap keluaran ke sumbernya, hitung ulang, saring melalui kebijakan/perundang-undangan. Anonimkan data, bagikan secara minimal, gunakan alat yang disetujui, dan tinggalkan jejak audit. Dalam satu kalimat: AI menghasilkan draft; Orang yang kompeten mengambil keputusan dan tanggung jawab.
Tugas aplikasi
Pilih tiga tugas umum dari bisnis Anda (atau sebagai contoh): satu untuk evaluasi awal (misalnya pemeriksaan dokumen), satu untuk pendukung keputusan (misalnya draf pembenaran), satu lagi untuk penilaian akhir (misalnya keputusan kredit). Untuk masing-masingnya, (1) tulis peran AI dalam satu kalimat, (2) tunjukkan langkah verifikasi mana yang akan Anda terapkan, (3) catat data mana yang harus dianonimkan. Kemudian buat prompt untuk tugas "persiapan file" dengan templat prompt yang kuat di atas dan filter hasilnya dalam tiga langkah.
daftar periksa
- [ ] Saya menentukan lapisan tugas (evaluasi awal / pendukung keputusan / penilaian akhir).
- [ ] Saya memberikan tugas rancangan/kontrol pada kecerdasan buatan, bukan keputusan.
- [] Saya menghubungkan output ke sumber dan memeriksa ulang angka-angka penting.
- [ ] Outputnya saya saring dari segi kebijakan internal dan peraturan perundang-undangan (diskriminasi, rahasia pelanggan, KVKK).
- [ ] Saya menganonimkan data, membagikannya secara minimal, dan menggunakan alat yang disetujui.
- [ ] Saya telah mencatat keputusan tersebut dan alasannya; Saya mengambil tanggung jawab utama.