ಲಾಭಗಳು:
- ಡೇಟಾ ಕ್ರೆಡಿಟ್ ಸ್ಕೋರಿಂಗ್ ಏನು ಆಧರಿಸಿದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸ್ಕೋರ್ ಅನ್ನು ಒದಗಿಸುವುದಿಲ್ಲ, ಆದರೆ ಸ್ಕೋರ್ನ ಸ್ಪಷ್ಟ ಸಾರಾಂಶ ಮತ್ತು ಕಾಣೆಯಾದ ದಾಖಲೆ ಪರಿಶೀಲನೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ
- ಸಾಲದ ಫೈಲ್ಗಾಗಿ ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆ ಮತ್ತು ಕರಡು ನಿರ್ಧಾರ ಸಮರ್ಥನೆಯನ್ನು ತಯಾರಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸಿ ಮತ್ತು ಅಧಿಕೃತ ತಜ್ಞರಾಗಿ ಅಂತಿಮ ಹಂಚಿಕೆ ನಿರ್ಧಾರವನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ
- ಮಾದರಿಯ ಔಟ್ಪುಟ್ ಅನ್ನು ವಿವರಿಸಬಹುದಾದ, ಸಮರ್ಥನೀಯ ಮತ್ತು ತಾರತಮ್ಯವಿಲ್ಲದ ರೀತಿಯಲ್ಲಿ ದಾಖಲಿಸಬೇಕು ಮತ್ತು ಕೆಂಪು ಗೆರೆಗಳನ್ನು ನಿರ್ವಹಿಸಬೇಕು ಎಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ
ಸಾಲದ ಅರ್ಜಿ ಬಂದಾಗ, ಹಿನ್ನಲೆಯಲ್ಲಿ ಒಂದು ಸರಳವಾದ ಪ್ರಶ್ನೆಯಿದೆ: "ಈ ಗ್ರಾಹಕರು ಈ ಸಾಲವನ್ನು ಮರುಪಾವತಿಸಬಹುದೇ ಮತ್ತು ಅವರು ಬ್ಯಾಂಕ್ ಅನ್ನು ಪಾವತಿಸಲು ಯಾವ ಅಪಾಯವನ್ನುಂಟುಮಾಡುತ್ತಾರೆ?" ಈ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರವು ಹೆಚ್ಚಿನ ಕ್ರೆಡಿಟ್ ತಜ್ಞರ ದಿನವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಕಾರ್ಯಗಳ ಸರಣಿಯಲ್ಲಿ ಹರಡಿದೆ: ಆದಾಯದ ಹೇಳಿಕೆಯನ್ನು ಓದುವುದು, ಸಾಲ / ಆದಾಯದ ಅನುಪಾತವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು, ಕ್ರೆಡಿಟ್ ಇತಿಹಾಸವನ್ನು ಅರ್ಥೈಸುವುದು (ಕೆಕೆಬಿ - ಕ್ರೆಡಿಟ್ ರಿಜಿಸ್ಟ್ರಿ ಬ್ಯೂರೋ ಟಿಪ್ಪಣಿ), ಮೇಲಾಧಾರವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು, ಆಂತರಿಕ ನೀತಿಯೊಂದಿಗೆ ಹೋಲಿಸುವುದು ಮತ್ತು ಅಂತಿಮವಾಗಿ ತರ್ಕಬದ್ಧ ನಿರ್ಧಾರವನ್ನು ಬರೆಯುವುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಈ ಕಾರ್ಯಗಳ ಭಾಗಗಳ ಓದುವಿಕೆ, ಸಾರಾಂಶ ಮತ್ತು ಸ್ಥಿರತೆಯನ್ನು ಪರಿಶೀಲಿಸುವಲ್ಲಿ ಗಂಭೀರ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ. ಆದರೆ ಜಾಗರೂಕರಾಗಿರಿ: AI ಸ್ಕೋರ್ ಅನ್ನು ರಚಿಸುವುದಿಲ್ಲ, ಸ್ಕೋರ್ ಎಂದರೆ ಏನು ಮತ್ತು ಫೈಲ್ ಅಸಮಂಜಸವಾಗಿದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಇದು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಕ್ರೆಡಿಟ್ ಹಂಚಿಕೆ ನಿರ್ಧಾರವು ಅದರ ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಅಧಿಕೃತ ತಜ್ಞರಿಂದ ಸಹಿ ಮಾಡಲ್ಪಟ್ಟಿದೆ.
ಈ ಘಟಕದಲ್ಲಿ, ಯಾವ ಡೇಟಾ ಕ್ರೆಡಿಟ್ ಸ್ಕೋರಿಂಗ್ ಅನ್ನು ಆಧರಿಸಿದೆ, ಯಾವ ಹಂತದಲ್ಲಿ ನೀವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಬಹುದು, ಅದರ ಔಟ್ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಮತ್ತು ಯಾವ ಕೆಂಪು ಗೆರೆಗಳನ್ನು ನೀವು ಎಂದಿಗೂ ದಾಟಬಾರದು ಎಂಬುದನ್ನು ನಾವು ಹಂತ ಹಂತವಾಗಿ ನೋಡುತ್ತೇವೆ.
ಕ್ರೆಡಿಟ್ ಸ್ಕೋರಿಂಗ್ ಏನು ಆಧರಿಸಿದೆ?
ಕ್ರೆಡಿಟ್ ಸ್ಕೋರ್ ಎನ್ನುವುದು ಗ್ರಾಹಕರ ಮರುಪಾವತಿಯ ಸಂಭವನೀಯತೆಯನ್ನು ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯಕ್ಕೆ ಕಡಿಮೆ ಮಾಡುವ ಅಂದಾಜು. ವಿಶಿಷ್ಟ ನಮೂದುಗಳೆಂದರೆ:
- ಆದಾಯ ಮತ್ತು ಉದ್ಯೋಗ: ಮಾಸಿಕ ನಿಯಮಿತ ಆದಾಯ, ಕೆಲಸದ ಸಮಯ, ಆದಾಯ ಮೂಲದ ನಿರಂತರತೆ.
- ಪ್ರಸ್ತುತ ಋಣಭಾರ: ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಾಲಗಳು, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ಸಾಲ, ಸಾಲದಿಂದ ಆದಾಯದ ಅನುಪಾತ (ಮಾಸಿಕ ಸಾಲ ಪಾವತಿಯ ಆದಾಯಕ್ಕೆ ಅನುಪಾತ).
- ಕ್ರೆಡಿಟ್ ಇತಿಹಾಸ: ಹಿಂದಿನ ಪಾವತಿ ಮಾದರಿ, ವಿಳಂಬಗಳು, ಕಾನೂನು ಅನುಸರಣಾ ದಾಖಲೆಗಳು (KKB ಸ್ಕೋರ್ ಇದನ್ನು ಸಾರಾಂಶಗೊಳಿಸುತ್ತದೆ).
- ಮೇಲಾಧಾರ: ಸಾಲದ ವಿರುದ್ಧ ಒದಗಿಸಲಾದ ಆಸ್ತಿ (ಮನೆ, ವಾಹನ, ಠೇವಣಿ) ಮತ್ತು ಅದರ ಮೌಲ್ಯ.
- ಬೇಡಿಕೆಯ ಗುಣಲಕ್ಷಣಗಳು: ಸಾಲದ ಮೊತ್ತ, ಮುಕ್ತಾಯ, ಉತ್ಪನ್ನದ ಪ್ರಕಾರ.
ಸಲಹೆ: ಸ್ಕೋರ್ "ಸಂಭವನೀಯತೆಯ ಅಂದಾಜು" ಆಗಿದೆ, "ವಾಸ್ತವ" ಅಲ್ಲ. ಇಬ್ಬರು ಗ್ರಾಹಕರು ಒಂದೇ ಸ್ಕೋರ್ ಹೊಂದಿರಬಹುದು, ಆದರೆ ಅವರ ಕಥೆಗಳು ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನವಾಗಿರಬಹುದು. ಅಂಕದ ಹಿಂದಿನ ತಾರ್ಕಿಕತೆಯನ್ನು ನೋಡದೆ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದು ಪುಸ್ತಕವನ್ನು ಅದರ ಮುಖಪುಟದಿಂದ ನಿರ್ಣಯಿಸುವುದು.
ಈ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಲ್ಲಿದೆ?
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಎಲ್ಲಿ ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಬಹುದು ಮತ್ತು ಎಲ್ಲಿ ಸಾಧ್ಯವಿಲ್ಲ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ:
ಅನ್ವೇಷಣೆ
AI ಪಾತ್ರ
ಯಾರು ನಿರ್ಧಾರ/ಅನುಮೋದನೆ ಹೊಂದಿದ್ದಾರೆ?
ಆದಾಯ ದಾಖಲೆಯಲ್ಲಿ ಮೊತ್ತವನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ
ಓದುವಿಕೆ, ಸಾರಾಂಶ
ತಜ್ಞರ ಮೂಲದಿಂದ ದೃಢೀಕರಣ
ಸಾಲ/ಆದಾಯ ಅನುಪಾತದ ಲೆಕ್ಕಾಚಾರದ ಕರಡು
ಖಾತೆಯ ಕರಡು
ತಜ್ಞರು ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತಾರೆ
ಫೈಲ್ ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆ (ವಿರೋಧಾಭಾಸಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು)
ಸ್ಕ್ಯಾನ್
ತಜ್ಞರು ಖಚಿತಪಡಿಸುತ್ತಾರೆ
ಕರಡು ನಿರಾಕರಣೆ/ಅನುಮೋದನೆಯ ಸಮರ್ಥನೆ
ಪಠ್ಯ ಕರಡು
ಅಧಿಕೃತ ತಜ್ಞ ಲೇಖಕ/ಅನುಮೋದನೆಗಳು
ಅಂಕದ ಅರ್ಥವನ್ನು ವಿವರಿಸಿ
ವಿವರಣೆ ಪಠ್ಯ
ತಜ್ಞರ ವಿಮರ್ಶೆಗಳು
ಕ್ರೆಡಿಟ್ ಹಂಚಿಕೆ ನಿರ್ಧಾರ
(ಕರಡು ಮಾತ್ರ)
ಅಧಿಕಾರ/ಸಮಿತಿ ನಿರ್ಧರಿಸುತ್ತದೆ
ನೋಡಬಹುದಾದಂತೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪ್ರತಿ ಸಾಲಿನಲ್ಲಿ ಡ್ರಾಫ್ಟ್ಗಳನ್ನು ಮತ್ತು ಚೆಕ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಯಾವುದೇ ಸಾಲಿನಲ್ಲಿ "ನಿರ್ಧಾರ" ಮಾಡುವುದಿಲ್ಲ. ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳುವುದು ಈ ಘಟಕದ ಮೂಲತತ್ವವಾಗಿದೆ.
ಹಂತ ಹಂತವಾಗಿ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲದೊಂದಿಗೆ ಫೈಲ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು
- ಅನಾಮಧೇಯಗೊಳಿಸು. ಹೆಸರು, ಟಿಆರ್ ಐಡಿ, ಖಾತೆ ಸಂಖ್ಯೆ ತೆಗೆದುಹಾಕಿ; ಗ್ರಾಹಕರನ್ನು "42 ವರ್ಷ, ಸಾರ್ವಜನಿಕ ಉದ್ಯೋಗಿ, X ವಿಭಾಗ" ಎಂದು ವಿವರಿಸಿ.
- ಡ್ರಾಫ್ಟ್ ಅನ್ನು ವಿನಂತಿಸಿ. AI ಫೈಲ್ ಸಾರಾಂಶಗಳು, ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆಗಳು ಮತ್ತು ಕರಡು ಸಮರ್ಥನೆಗಳನ್ನು ಮಾಡುವಂತೆ ಮಾಡಿ - ನಿರ್ಧಾರಗಳಲ್ಲ.
- ಅದನ್ನು ಮೂಲಕ್ಕೆ ಸಂಪರ್ಕಿಸಿ. ಪ್ರಿಂಟ್ಔಟ್ನಲ್ಲಿರುವ ಪ್ರತಿ ಸಂಖ್ಯೆಯು ಯಾವ ಡಾಕ್ಯುಮೆಂಟ್ನಿಂದ ಬಂದಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಿ.
- ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಸಾಲದಿಂದ ಆದಾಯದ ಅನುಪಾತ, ಮೇಲಾಧಾರ ಅನುಪಾತ, ಇತ್ಯಾದಿಗಳಂತಹ ನಿರ್ಣಾಯಕ ಸಂಖ್ಯೆಗಳನ್ನು ನೀವೇ ಪರಿಶೀಲಿಸಿ.
- ನೀತಿ ಫಿಲ್ಟರ್. ನಿಮ್ಮ ಆಂತರಿಕ ಕ್ರೆಡಿಟ್ ನೀತಿ ಮತ್ತು ತಾರತಮ್ಯ ನೀತಿಯ ಅನುಸರಣೆಯನ್ನು ಪರಿಶೀಲಿಸಿ.
- ನಿರ್ಧಾರ ಮತ್ತು ಸಹಿ. ನೀವು ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ, ತಾರ್ಕಿಕತೆಯನ್ನು ಬರೆಯಿರಿ, ಆಡಿಟ್ ಜಾಡು ಬಿಡಿ.
ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಫೈಲ್ ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆ:
ನಿಮ್ಮ ಪಾತ್ರ: ಕ್ರೆಡಿಟ್ ಫೈಲ್ ಸ್ಥಿರತೆ ಪರೀಕ್ಷಕ. ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದು. ಗ್ರಾಹಕ (ಅನಾಮಧೇಯ): 42 ವರ್ಷ, ಸಾರ್ವಜನಿಕ ಉದ್ಯೋಗಿ, ಮಾಸಿಕ ನಿವ್ವಳ ಆದಾಯ 55,000 TL, ಪ್ರಸ್ತುತ ಮಾಸಿಕ ಸಾಲ ಪಾವತಿ 12,000 TL, ಬೇಡಿಕೆ 250,000 TL / 48 ತಿಂಗಳುಗಳು. ಕಾರ್ಯ: ಒದಗಿಸಿದ ಮಾಹಿತಿಯಲ್ಲಿ ಯಾವುದೇ ಗಣಿತ ಅಥವಾ ತಾರ್ಕಿಕ ವಿರೋಧಾಭಾಸಗಳು, ಕಾಣೆಯಾದ ದಾಖಲೆಗಳು ಅಥವಾ ಅಸಮಂಜಸ ದಿನಾಂಕಗಳಿವೆಯೇ? "[ದೃಢೀಕರಣದ ಅಗತ್ಯವಿದೆ]" ಲೇಬಲ್ನೊಂದಿಗೆ ಪ್ರತಿ ಶೋಧನೆಯನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಅದು ಯಾವ ಮಾಹಿತಿಯನ್ನು ಆಧರಿಸಿದೆ ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ. ನಿರ್ಧಾರ ನನ್ನದು.
2) ಸಾಲ/ಆದಾಯ ಅನುಪಾತ ಲೆಕ್ಕಾಚಾರ ನಿಯಂತ್ರಣ:
ಈ ಕೆಳಗಿನ ಡೇಟಾದೊಂದಿಗೆ ಸಾಲ/ಆದಾಯ ಅನುಪಾತವನ್ನು ಹಂತ ಹಂತವಾಗಿ ಲೆಕ್ಕ ಹಾಕಿ ಮತ್ತು ಸೂತ್ರವನ್ನು ತೋರಿಸಿ. ಕೇವಲ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡಿ, ಅರ್ಹತೆಯ ನಿರ್ಧಾರವನ್ನು ಮಾಡಬೇಡಿ. ಮಾಸಿಕ ನಿವ್ವಳ ಆದಾಯ: 55,000 TLCಪ್ರಸ್ತುತ ಮಾಸಿಕ ಸಾಲ ಪಾವತಿ: 12,000 TLEಹೊಸ ಸಾಲದ ಅಂದಾಜು ಮಾಸಿಕ ಕಂತು: 6,500 ಸಾಲದ ಮೊತ್ತ, ಪ್ರಸ್ತುತ ದರ, TLD ಸೇರಿದಂತೆ ಹೊಸ ದರದ ರೂಪ ಮಧ್ಯಂತರ ಹಂತಗಳು.
3) ಕರಡು ನಿರಾಕರಣೆ/ಅನುಮೋದನೆಯ ಸಮರ್ಥನೆ (ವಿವರಿಸಬಹುದಾದ):
ನಿಮ್ಮ ಪಾತ್ರ: ಸಾಲದ ನಿರ್ಧಾರದ ತಾರ್ಕಿಕತೆಯನ್ನು ಡ್ರಾಫ್ಟ್ ಮಾಡುವ ಸಹಾಯಕ. ಪರಿಶೀಲಿಸಿದ ಸಂಶೋಧನೆಗಳ ಆಧಾರದ ಮೇಲೆ ನಾನು ನಿಮಗೆ ಇನ್ಪುಟ್ನಂತೆ ನೀಡುತ್ತೇನೆ, ಹೊಸ ಮಾಹಿತಿಯನ್ನು ಸೇರಿಸುತ್ತೇನೆ. ಸಂಶೋಧನೆಗಳು: [ಸಾಲ/ಆದಾಯ ಅನುಪಾತ 34%, ಮೇಲಾಧಾರ ಅನುಪಾತವು ಸಮರ್ಪಕವಾಗಿದೆ, 1 ಅಪರಾಧದ ದಾಖಲೆ] ಕಾರ್ಯ: ಈ ಸಂಶೋಧನೆಗಳ ಆಧಾರದ ಮೇಲೆ ವಿವರಿಸಬಹುದಾದ ಮತ್ತು ತಾರತಮ್ಯದ ಭಾಷೆಯನ್ನು ಹೊಂದಿರದ ಕರಡು ತಾರ್ಕಿಕತೆಯನ್ನು ಬರೆಯಿರಿ. ಸಂರಕ್ಷಿತ ಗುಣಲಕ್ಷಣಗಳಿಗೆ ಯಾವುದೇ ಉಲ್ಲೇಖವಿಲ್ಲ (ವಯಸ್ಸು, ಲಿಂಗ, ಮೂಲ, ನೆರೆಹೊರೆ). ನಾನು ಅಂತಿಮ ತೀರ್ಮಾನ ಮತ್ತು ಸಹಿಯನ್ನು ಸೇರಿಸುತ್ತೇನೆ.
4) ಅಂಕದ ಸರಳ ವಿವರಣೆ:
4 ವಾಕ್ಯಗಳಲ್ಲಿ ಕ್ರೆಡಿಟ್ ಸ್ಕೋರ್ ಎಂದರೆ ಏನೆಂದು ಗ್ರಾಹಕರಿಗೆ ವಿವರಿಸಿ, ಆಪಾದಿತವಲ್ಲದ ಭಾಷೆಯನ್ನು ಬಳಸಿ ಮತ್ತು ತಾಂತ್ರಿಕ ಪರಿಭಾಷೆಯನ್ನು ಬಳಸದೆ. ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಬಳಸಬೇಡಿ, ನಿರ್ಣಾಯಕ ಭರವಸೆಗಳನ್ನು ನೀಡಬೇಡಿ. ನಾನು ಈ ಪಠ್ಯವನ್ನು ಗ್ರಾಹಕರಿಗೆ ಫಾರ್ವರ್ಡ್ ಮಾಡುವ ಮೊದಲು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ನಾವು ಈ ಗ್ರಾಹಕರಿಗೆ ಕ್ರೆಡಿಟ್ ನೀಡಬೇಕೇ? ನಿಮ್ಮ ಅಂಕವನ್ನು ಆಧರಿಸಿ ನಿರ್ಧರಿಸಿ ಮತ್ತು ನಿಮ್ಮ ಕಾರಣವನ್ನು ಬರೆಯಿರಿ.
ಈ ವಿನಂತಿಯು ನಿರ್ಧಾರವನ್ನು ಮಾದರಿಗೆ ಬಿಡುತ್ತದೆ, ಮೂಲಕ್ಕೆ ಲಿಂಕ್ ಮಾಡುವುದಿಲ್ಲ ಮತ್ತು ತಾರತಮ್ಯದಿಂದ ಸಮರ್ಥನೆಯನ್ನು ತಡೆಯುವುದಿಲ್ಲ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ನಿರ್ಧಾರ ಬೆಂಬಲ ಸಹಾಯಕ, ನಿರ್ಧಾರ ಮಾಡುವವರಲ್ಲ. ನಾನು ನಿಮಗೆ ನೀಡಿದ ಪರಿಶೀಲಿಸಿದ ಸಂಶೋಧನೆಗಳ ಆಧಾರದ ಮೇಲೆ DRAFT ತಾರ್ಕಿಕತೆಯನ್ನು ಬರೆಯಿರಿ. ಆವರಣಗಳಲ್ಲಿ ಪ್ರತಿ ವಾಕ್ಯವನ್ನು ಆಧರಿಸಿದ ಶೋಧನೆಯನ್ನು ತೋರಿಸಿ. ಸಂರಕ್ಷಿತ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಉಲ್ಲೇಖಿಸಬೇಡಿ. ಯಾವುದೇ ಅಸ್ಪಷ್ಟ ಬಿಂದುಗಳನ್ನು "[ದೃಢೀಕರಣದ ಅಗತ್ಯವಿದೆ]" ಎಂದು ಗುರುತಿಸಿ. ನಾನು ಅಂತಿಮ ಕ್ರೆಡಿಟ್ ನಿರ್ಧಾರ ಮತ್ತು ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತೇನೆ.
ಬಲವಾದ ಇಚ್ಛೆಯು ಪಾತ್ರವನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆ, ಪ್ರತಿ ಹಕ್ಕನ್ನು ಮೂಲಕ್ಕೆ ಸಂಪರ್ಕಿಸುತ್ತದೆ, ತಾರತಮ್ಯವನ್ನು ತಡೆಯುತ್ತದೆ ಮತ್ತು ನಿರ್ಧಾರವನ್ನು ವ್ಯಕ್ತಿಯಲ್ಲಿ ಇಡುತ್ತದೆ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಸಮಯ ಉಳಿತಾಯ. ತಜ್ಞರು 30 ಫೈಲ್ಗಳ ಪೋರ್ಟ್ಫೋಲಿಯೊದಲ್ಲಿ ಸ್ಥಿರತೆಯ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡುತ್ತಾರೆ. "ಸಂಖ್ಯೆ 8 ರಲ್ಲಿ ಘೋಷಿಸಲಾದ ಆದಾಯವು 60,000 ಆದರೆ ವೇತನದಾರರ ಪಟ್ಟಿಯು 42,000 ಅನ್ನು ತೋರಿಸುತ್ತದೆ" ಎಂಬಂತಹ 5 ವ್ಯತ್ಯಾಸಗಳನ್ನು AI ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ. ತಜ್ಞರು ಮೂಲದಲ್ಲಿ ಎಲ್ಲವನ್ನೂ ದೃಢೀಕರಿಸುತ್ತಾರೆ; ಅವುಗಳಲ್ಲಿ 3 ನೈಜವಾಗಿವೆ, ಅವುಗಳಲ್ಲಿ 2 ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ತಪ್ಪು ಓದುವಿಕೆಗಳಾಗಿವೆ. ಹಸ್ತಚಾಲಿತ 3-ಗಂಟೆಗಳ ಕೆಲಸವನ್ನು 40 ನಿಮಿಷಗಳಿಗೆ ಕಡಿಮೆ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಯಾವುದೇ ಎಚ್ಚರಿಕೆಗಳನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ.
ಪ್ರಕರಣ 2 - ಮರು ಲೆಕ್ಕಾಚಾರವು ದೋಷವನ್ನು ಹಿಡಿಯುತ್ತದೆ. AI ಸಾಲದಿಂದ ಆದಾಯದ ಅನುಪಾತವನ್ನು "28%" ಎಂದು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತದೆ. ತಜ್ಞರು ಮತ್ತೊಮ್ಮೆ ಸೂತ್ರವನ್ನು ನಡೆಸುತ್ತಾರೆ: ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಾಲವನ್ನು ಸೇರಿಸಲಾಗಿಲ್ಲ, ನೈಜ ದರವು 41% ಆಗಿದೆ, ಇದು ದೇಶೀಯ ನೀತಿಯ ಮಿತಿಯನ್ನು ಮೀರಿದೆ. ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ, ತಪ್ಪು ದೃಢೀಕರಣ ಸಂಭವಿಸಬಹುದು.
ಪ್ರಕರಣ 3 - ತಾರತಮ್ಯದ ನೆಲದ ನಿರಾಕರಣೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು "ಅರ್ಜಿದಾರರು ವಾಸಿಸುವ ಪ್ರದೇಶವು ಅಪಾಯಕಾರಿ" ಎಂಬ ಪದಗುಚ್ಛವನ್ನು ನಿರಾಕರಣೆಯ ಕರಡಿನಲ್ಲಿ ನಿರ್ಮಿಸುತ್ತದೆ. ತಜ್ಞರು ಇದನ್ನು ನಿರಾಕರಿಸುತ್ತಾರೆ; ಈ ಹೇಳಿಕೆಯು ಜಿಲ್ಲೆಯ ಆಧಾರದ ಮೇಲೆ ಪರೋಕ್ಷ ತಾರತಮ್ಯದ (ಪ್ರಾಕ್ಸಿ ವೇರಿಯಬಲ್) ಅಪಾಯವನ್ನು ಹೊಂದಿದೆ. ಸಾಲ-ಆದಾಯ ಅನುಪಾತ ಮತ್ತು ಅಪರಾಧದ ದಾಖಲೆಯಂತಹ ಕಾನೂನುಬದ್ಧ ಮಾನದಂಡಗಳೊಂದಿಗೆ ಸಮರ್ಥನೆಯನ್ನು ಪುನಃ ಬರೆಯಲಾಗಿದೆ.
ಸ್ಕೋರ್ ಮೀರಿ: ಸಂದರ್ಭ ಮತ್ತು "ಗಡಿರೇಖೆ" ಫೈಲ್ಗಳು
ಕ್ರೆಡಿಟ್ ನಿರ್ಧಾರಗಳ ಅತ್ಯಂತ ಕಷ್ಟಕರವಾದ ಭಾಗವೆಂದರೆ ಮುಕ್ತ ಸ್ವೀಕಾರ ಅಥವಾ ಮುಕ್ತ ನಿರಾಕರಣೆ ಅಲ್ಲ, ಆದರೆ "ಗಡಿರೇಖೆ" ಫೈಲ್ಗಳು. ಸ್ಕೋರ್ ದೇಶೀಯ ರಾಜಕೀಯದ ಮಿತಿಗೆ ತುಂಬಾ ಹತ್ತಿರದಲ್ಲಿದ್ದರೆ, ನಿರ್ಧಾರವನ್ನು ಒಂದೇ ಸಂಖ್ಯೆಯ ಕರುಣೆಗೆ ಬಿಡಲಾಗುವುದಿಲ್ಲ; ಸನ್ನಿವೇಶವು ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತದೆ. ಇಲ್ಲಿಯೇ AI ಬಲೆಯನ್ನು ಹೊಂದಿಸಬಹುದು: ಇದು ಪ್ರತಿಯೊಂದು ಗಡಿ ಫೈಲ್ ಅನ್ನು ಅದೇ ಯಾಂತ್ರಿಕ ತರ್ಕದೊಂದಿಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ ಮತ್ತು ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ. ಇದು ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸವನ್ನು ಸೇರಿಸುವ ಪರಿಣಿತರು.
ಪರಿಣಿತರು ಗಡಿ ಫೈಲ್ ಅನ್ನು ನೋಡುವ ಸಂದರ್ಭದ ಉದಾಹರಣೆಗಳು:
- ವಿಳಂಬದ ಕಥೆ: ತಾತ್ಕಾಲಿಕ ಆರೋಗ್ಯ ಸಮಸ್ಯೆ ಅಥವಾ ಪಾವತಿಸಲು ನಿರಂತರ ಅಸಮರ್ಥತೆಯಿಂದಾಗಿ ಒಂದೇ ವಿಳಂಬವಾಗಿದೆಯೇ? ಅದೇ "1 ವಿಳಂಬ ದಾಖಲೆ" ಎರಡು ವಿಭಿನ್ನ ಕಥೆಗಳನ್ನು ಹೇಳಬಹುದು.
- ಆದಾಯದ ಸ್ವರೂಪ: ಇಬ್ಬರು ಕ್ಲೈಂಟ್ಗಳು ಸಮಾನ ಆದಾಯವನ್ನು ಹೊಂದಿರಬಹುದು, ಆದರೆ ಒಬ್ಬರು ನಿಯಮಿತ ಸಂಬಳ ಗಳಿಸುವವರಾಗಿರಬಹುದು ಮತ್ತು ಇನ್ನೊಬ್ಬರು ವೇರಿಯಬಲ್ ಸ್ವತಂತ್ರ ಆದಾಯವಾಗಿರಬಹುದು; ಅಪಾಯದ ಪ್ರೊಫೈಲ್ ವಿಭಿನ್ನವಾಗಿದೆ.
- ಬ್ಯಾಂಕಿನೊಂದಿಗಿನ ಸಂಬಂಧ: ದೀರ್ಘಕಾಲದಿಂದ ಸುಗಮವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತಿರುವ ಗ್ರಾಹಕರ ಕಡತವನ್ನು ಹೊಸ ಗ್ರಾಹಕರಿಗಿಂತ ವಿಭಿನ್ನವಾಗಿ ಓದಲಾಗುತ್ತದೆ.
ಈ ಸಂದರ್ಭಗಳನ್ನು ಸಾರಾಂಶಗೊಳಿಸಲು AI ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಆದರೆ ವಿಶೇಷವಾಗಿ ಗಡಿರೇಖೆಯ ಸಂದರ್ಭಗಳಲ್ಲಿ ತೂಕವನ್ನು ಮತ್ತು ನಿರ್ಧರಿಸಲು ತಜ್ಞರಿಗೆ ಬಿಟ್ಟದ್ದು.
ಸಲಹೆ: ಸ್ಕೋರ್ ಮಿತಿಗೆ ಸಮೀಪವಿರುವ ಸಂದರ್ಭಗಳಲ್ಲಿ, "ಮಾದರಿಯು ಏನು ಹೇಳಿದೆ?" ಬದಲಿಗೆ "ಈ ಗ್ರಾಹಕರ ಕಥೆ ಏನು ಹೇಳುತ್ತದೆ" ಎಂಬ ಪ್ರಶ್ನೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿ. ಬೌಂಡರಿ ಫೈಲ್ಗಳು ಪರಿಣಿತ ತೀರ್ಪು, ಯಾಂತ್ರೀಕರಣವಲ್ಲ, ಹೊಳೆಯುತ್ತದೆ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಸ್ಕೋರ್ ಯೋಚಿಸಿ ನಿರ್ಧಾರವಾಗುತ್ತದೆ. ಸ್ಕೋರ್ ಒಂದು ಭವಿಷ್ಯ; ಇದು ಸ್ವತಃ ನಿರ್ಧಾರವಲ್ಲ. ಸಮರ್ಥನೆ ಮತ್ತು ಸಂದರ್ಭವಿಲ್ಲದೆ ಅಂಕವನ್ನು ಆಧರಿಸಿ ನಿರ್ಣಯಿಸುವುದು ತಪ್ಪು.
- ಸಂಖ್ಯೆಯನ್ನು ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತಿಲ್ಲ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೀಡಿದ ದರಗಳು ಮತ್ತು ಮೊತ್ತವನ್ನು ದೃಢೀಕರಿಸದೆ ಬಳಸುವುದು; ಇಲ್ಲಿ ಭ್ರಮೆ ಅಥವಾ ತಪ್ಪು ಓದುವಿಕೆ ಬರುತ್ತದೆ.
- ತಾರತಮ್ಯದ ಸಮರ್ಥನೆಯನ್ನು ಗಮನಿಸುತ್ತಿಲ್ಲ. ನೆರೆಹೊರೆ, ವಯಸ್ಸು, ಲಿಂಗದಂತಹ ಸಂರಕ್ಷಿತ ಗುಣಲಕ್ಷಣಗಳು ಅಥವಾ ಬದಲಿ ಅಸ್ಥಿರಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಸಮರ್ಥನೆಗಳನ್ನು ಅನುಮೋದಿಸಿ; ಗಂಭೀರ ಕಾನೂನು ಅಪಾಯ.
- ಆಡಿಟ್ ಟ್ರಯಲ್ ಅನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ನಿರ್ಣಯವನ್ನು ಆಧರಿಸಿದ ಪರಿಶೀಲನೆಯ ಆಧಾರದ ಮೇಲೆ ದಾಖಲಿಸುವಲ್ಲಿ ವಿಫಲತೆ; ನಂತರದ ಆಕ್ಷೇಪಣೆ ಅಥವಾ ಲೆಕ್ಕಪರಿಶೋಧನೆಯಲ್ಲಿ ಸಮರ್ಥಿಸಲಾಗುವುದಿಲ್ಲ.
- ರುಜುವಾತುಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತಿದೆ. ಫೈಲ್ ಅನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸದೆಯೇ ಉಪಕರಣವನ್ನು ನಮೂದಿಸಲಾಗುತ್ತಿದೆ.
ಗಮನ: ಕ್ರೆಡಿಟ್ ನಿರ್ಧಾರವನ್ನು ತಿರಸ್ಕರಿಸಿದಾಗ, ಗ್ರಾಹಕರು ಕಾರಣವನ್ನು ಕಲಿಯಲು ಮತ್ತು ಆಕ್ಷೇಪಿಸಲು ಹಕ್ಕನ್ನು ಹೊಂದಿರುತ್ತಾರೆ. ಆದ್ದರಿಂದ, ಸಮರ್ಥನೆಯು ಸರಿಯಾದ, ವಿವರಿಸಬಹುದಾದ ಮತ್ತು ತಾರತಮ್ಯದಿಂದ ಮುಕ್ತವಾಗಿರಬೇಕು. "ಮಾದರಿಯು ಅದನ್ನು ಆ ರೀತಿಯಲ್ಲಿ ಗಳಿಸಿದೆ" ಎಂಬುದು ಸಮರ್ಥನೆ ಅಲ್ಲ.
ಸಾರಾಂಶದಲ್ಲಿ
ಕ್ರೆಡಿಟ್ ಸ್ಕೋರಿಂಗ್ ಎನ್ನುವುದು ಆದಾಯ, ಋಣಭಾರ, ಕ್ರೆಡಿಟ್ ಇತಿಹಾಸ ಮತ್ತು ಮೇಲಾಧಾರದಂತಹ ಡೇಟಾವನ್ನು ಆಧರಿಸಿ ಸಂಭವನೀಯತೆಯ ಅಂದಾಜು. ಈ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, AI ಡಾಕ್ಯುಮೆಂಟ್ ಓದುವಿಕೆ, ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆ, ಖಾತೆ ಡ್ರಾಫ್ಟ್ ಮತ್ತು ಸಮರ್ಥನೆ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದರೆ ಇದು ನಿಮಗೆ ಸ್ಕೋರ್ ಅಥವಾ ನಿರ್ಧಾರವನ್ನು ಬದಲಾಯಿಸುವುದಿಲ್ಲ. ಪ್ರತಿ ಸಂಖ್ಯೆಯನ್ನು ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ, ಪ್ರತಿ ಸಮರ್ಥನೆಯನ್ನು ಮೂಲಕ್ಕೆ ಆಟ್ರಿಬ್ಯೂಟ್ ಮಾಡಿ ಮತ್ತು ಅದನ್ನು ತಾರತಮ್ಯದ ಫಿಲ್ಟರ್ ಮೂಲಕ ರವಾನಿಸಿ. ಕ್ರೆಡಿಟ್ ಹಂಚಿಕೆಯ ನಿರ್ಧಾರವು ಅಧಿಕೃತ ತಜ್ಞರಿಂದ ಸಹಿ ಮಾಡಲ್ಪಟ್ಟಿದೆ, ಜೊತೆಗೆ ವಿವರಿಸಬಹುದಾದ ಸಮರ್ಥನೆಯೊಂದಿಗೆ. ಒಂದು ವಾಕ್ಯದಲ್ಲಿ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಫೈಲ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತದೆ; ಒಬ್ಬ ಸಮರ್ಥ ವ್ಯಕ್ತಿ ಕ್ರೆಡಿಟ್ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾನೆ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಮಾದರಿ ಕ್ರೆಡಿಟ್ ಫೈಲ್ ಅನ್ನು ವಿವರಿಸಿ (ಅನಾಮಧೇಯ: ವಯಸ್ಸು, ಉದ್ಯೋಗ, ಆದಾಯ, ಪ್ರಸ್ತುತ ಸಾಲ, ಹಕ್ಕು, ಮುಕ್ತಾಯ). ಮೇಲಿನ 1 ಮತ್ತು 2 ಟೆಂಪ್ಲೇಟ್ಗಳೊಂದಿಗೆ, ಮೊದಲು ಸ್ಥಿರತೆಯ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡಿ ಮತ್ತು ನಂತರ ಸಾಲ/ಆದಾಯ ಅನುಪಾತವನ್ನು ಲೆಕ್ಕ ಹಾಕಿ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೀಡಿದ ದರವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ ಮತ್ತು ಹೋಲಿಕೆ ಮಾಡಿ. ನಂತರ 3 ನೇ ಟೆಂಪ್ಲೇಟ್ನೊಂದಿಗೆ ಸಮರ್ಥನೆ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ರಚಿಸಿ ಮತ್ತು ಅದರಲ್ಲಿ ಸಂರಕ್ಷಿತ ಆಸ್ತಿ ಅಥವಾ ಬಾಡಿಗೆ ವೇರಿಯೇಬಲ್ ಇದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ; ಯಾವುದಾದರೂ ಇದ್ದರೆ ಅದನ್ನು ಕಾನೂನುಬದ್ಧ ಮಾನದಂಡಗಳೊಂದಿಗೆ ಪುನಃ ಬರೆಯಿರಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಫೈಲ್ ಅನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ; ನಾನು ಯಾವುದೇ ಗುರುತಿನ ಮಾಹಿತಿಯನ್ನು ಹಂಚಿಕೊಂಡಿಲ್ಲ.
- [ ] ನಾನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಕರಡು/ನಿಯಂತ್ರಣ ಕಾರ್ಯವನ್ನು ನೀಡಿದ್ದೇನೆ, ನಿರ್ಧಾರವಲ್ಲ.
- [ ] ನಾನು ಸಾಲ/ಆದಾಯ ಅನುಪಾತ ಮತ್ತು ನಿರ್ಣಾಯಕ ಸಂಖ್ಯೆಗಳನ್ನು ಕೈಯಿಂದ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿದ್ದೇನೆ.
- [ ] ನಾನು ತರ್ಕಬದ್ಧತೆಯನ್ನು ಪರಿಶೀಲಿಸಿದ ಸಂಶೋಧನೆಗಳಿಗೆ ಆರೋಪಿಸಿದೆ ಮತ್ತು ಮೂಲವನ್ನು ಉಲ್ಲೇಖಿಸಿದೆ.
- [ ] ವಾದದಲ್ಲಿ ಯಾವುದೇ ಸಂರಕ್ಷಿತ ಆಸ್ತಿ/ಪ್ರಾಕ್ಸಿ ವೇರಿಯೇಬಲ್ ಇಲ್ಲ ಎಂದು ನಾನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ನಿರ್ಧಾರ ಮತ್ತು ಅದರ ಸಮರ್ಥನೆಯನ್ನು ದಾಖಲಿಸಿದ್ದೇನೆ; ನಾನು ಅಂತಿಮ ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಂಡೆ.