Privatumas, laikymasis ir finansinių duomenų apribojimai

Pelnas:

• Gebėjimas klasifikuoti finansinius duomenis pagal jų jautrumą ir parinkti tinkamas priemones bei operacijas
• Gebėjimas saugiai atlikti analizę anonimizuojant asmeninius ir konfidencialius duomenis
• Sugebėti sukurti harmonijos, skaidrumo ir etikos pagrindus, žinant, kad atsakomybė tenka žmonėms

Privatumas, atitiktis ir etika: finansinių duomenų ribos

Iki šiol matėme, koks galingas AI finansų ir apskaitos asistentas. Šiame skyriuje pažvelgsime į kitą monetos pusę: ribas. Finansiniai duomenys yra vienas jautriausių duomenų tipų. Ne į tą transporto priemonę įklijuota finansinė ataskaita, neskelbiamas rezultatas, kliento sąskaitos informacija; Tai gali sukelti tiek teisinę, tiek etinę, tiek komercinę katastrofą. Šiame skyriuje mokoma neapsaugotų apsaugos priemonių naudojant AI finansuose. Šių taisyklių žinojimas yra būtina sąlyga norint saugiai naudoti įgūdžius visuose kituose padaliniuose.

Kodėl finansiniai duomenys tokie jautrūs?

Trys priežastys: Privatumas (kliento, darbuotojo, tiekėjo duomenys patenka į asmens duomenų apimtį ir yra saugomi pagal tokius reglamentus kaip KVKK), viešai neatskleista informacija (neskelbti finansiniai rezultatai yra labai svarbūs akcijų rinkai ir konkurencijai) ir pasitikėjimas (klientų ir verslo partnerių pasitikėjimas negali būti atkurtas, jei jūsų finansiniai duomenys nutekinti). Duomenys, kuriuos įklijuojate į viešąjį AI įrankį, apdorojami to įrankio serveriuose; Šie duomenys gali būti naudojami arba padaryti prieinami mokant modelius naudojant įrankius, kurie negarantuoja įmonės duomenų saugojimo.

KVKK (asmens duomenų apsaugos įstatymas) yra įstatymas, reglamentuojantis asmens duomenų tvarkymą Turkijoje; Tai riboja duomenų, tokių kaip asmens vardas, TR ID, paskyros ir kontaktinės informacijos, perdavimą neįgaliotoms trečiosioms šalims.

Patarimas: prieš įklijuodami duomenis į AI, paklauskite savęs: „Ar galėčiau tai išsiųsti el. paštu nepažįstamam žmogui? Jei atsakymas yra neigiamas, pirmiausia atlikite anonimiškumą arba naudokite tik patvirtintus įmonės įrankius.

Žingsnis po žingsnio: prieš siųsdami duomenis

1. Klasifikuoti. Ar duomenys vieši, naudojami vidiniam naudojimui, konfidencialūs ar asmeniniai?
2. Patikrinkite įrankį. Ar tai įmonė / patvirtinta? Kokia yra duomenų saugojimo ir mokymo politika?
3. Sumažinti. Pateikite minimalius jūsų darbui reikalingus duomenis; nupjaukite perteklių.
4. Anonimizuoti. Užmaskuokite arba pašalinkite identifikatorius, tokius kaip vardas, ID numeris, sąskaitos numeris.
5. Taip pat išsaugokite produkciją. Parengta ataskaita taip pat gali būti neskelbtina; Būkite atsargūs, kur jį išsaugosite.

Silpnas požiūris / Stiprus požiūris

Prastas požiūris: į nemokamą žiniatinklio įrankį įklijuokite nepraneštus ketvirčio rezultatus kartu su klientų vardais ir sąskaitų numeriais.

Tai ir KVKK pažeidimas, ir viešai neatskleistos informacijos nutekėjimas, ir komercinė rizika.

Galingas požiūris:1) Naudokite sertifikuotą įmonės AI įrankį (duomenų išsaugojimas garantuotas).2) Anonimizuoti duomenis: „Klientas A“, „Klientas B“; Paskutiniai 4 skaitmenys yra užmaskuoti arba pašalinti vietoj sąskaitos numerio.3) Pateikite tik būtinus laukus analizei (praleiskite, jei vardas / adresas nereikalingas).4) Neatskleiskite neatskleistų rezultatų išoriniams įrankiams, kol jie nebus paskelbti viešai.5) Išsaugokite išvestį vietinėje saugioje srityje, o ne asmeniniame diske.

Prieš / po anonimizacijos

plotas

Neapdorotas (rizikingas)

Anonimizuota (saugus)

Kliento vardas

Ahmet Yılmaz İnşaat A.Ş.

Klientas A

Sąskaitos numeris

TR12 0006 ... 4501

***4501 arba pašalintas

TR asmens tapatybės kortelė

12345678901

Pašalinta

Sumos/analizės laukas

1 240 000

1 240 000 (apsaugota)

Pastaba: išsaugomi analizei reikalingi skaitiniai duomenys; Asmenį identifikuojančios sritys yra užmaskuotos. Taigi ir darbas atliktas, ir konfidencialumas apsaugotas.

Atitikties ir atskaitomybės sistema

AI naudojimas finansų versle yra valdymo reikalas. Kas gali naudoti kurį įrankį, kuri duomenų klasė gali patekti į kurį įrankį, kaip tikrinama ir registruojama išvestis? Tai turėtų būti nustatyta rašytinėje politikoje.

Sukurkite mūsų įmonės „AI naudojimo politikos finansiniuose duomenyse“ projektą. Įtraukite šias antraštes:- Duomenų klasifikavimas (viešas/vidinis/konfidencialus/asmeninis)- Leidžiami įrankiai ir procesas kiekvienai klasei- Draudžiamos situacijos (neatskleistas rezultatas, asmens duomenys ir kt.)- Privalomi tikrinimo ir audito sekos veiksmai- Procesas pažeidimo atveju Parašykite tai kaip politikos metmenis; Atminkite, kad galutinis patvirtinimas turi būti gautas iš teisės ir atitikties skyriaus.

Dėmesio: atsakomybė negali būti perkelta AI įrankio teikėjui. Jei į ataskaitą patenka neteisingas modelio pateiktas skaičius ir iškraipo sprendimą, atsakomybė tenka jį naudojusiam ir patvirtinusiam specialistui. „AI padarė tai“ nėra gynyba.

Patikrinimas: kodėl kiekvienas spaudinys laikomas įtartinu?

Auksinė saugaus dirbtinio intelekto naudojimo finansiniame versle taisyklė yra laikyti rezultatą „įtartinu, kol neįrodyta kitaip“. Tai ne paranoja, tai profesinė disciplina; kaip ir auditorius nepatvirtintų jokio įrašo jo nematęs. Tai, kaip sklandžiai ir užtikrintai kalba modelis, nėra jo tikslumo įrodymas; Priešingai, pavojingiausios klaidos yra tos, kurios pateikiamos įtikinamiausiai.

Praktiškai nustatykite trijų sluoksnių patikrą: (1) Aritmetinis sluoksnis – perskaičiuokite sumas ir procentus arba leiskite modeliui perskaičiuoti ir palyginti. (2) Šaltinio sluoksnis – suderinkite kiekvieną skaičių su lentele, iš kurios jis gaunamas. (3) Loginis sluoksnis – ar rezultatas yra pagrįstas verslo kontekste? Jei toks rezultatas kaip „Marža pasirodė esanti 90%“ pramonei neįmanomas, net jei jis aritmetiškai teisingas, tai rodo įvesties klaidą.

Patikrinkite šią finansinę analizę trimis sluoksniais:1) Aritmetika: perskaičiuokite visas sumas ir procentus, pažymėkite nesutampančius2) Šaltinis: pridekite kiekvieną skaičių prie <source> lentelės, tą, kuri nesutampa, parašykite kaip "NE PATIKRINTA"3) Logika: pažymėkite rezultatus, kurie nėra pagrįsti verslo kontekste (labai didelis/mažas) "Patvirtinimas" tiesiog apžiūrėkite ir praneškite apie trijų sluoksnių rezultatą atskirai.

Nors ši disciplina gali atrodyti kaip impulso švaistymas, ji iš tikrųjų apsaugo jus nuo daug brangesnės klaidos: neteisingo sprendimo, pagrįsto neteisingu skaičiumi.

Etika: skaidrumas ir šališkumas

Išryškėja dvi etikos problemos. Skaidrumas: prireikus suinteresuotosioms šalims turėtų būti aiškiai nurodyta, kad analizė buvo atlikta naudojant dirbtinio intelekto paramą. Šališkumas: modelis pagrįstas istoriniais duomenimis; Pavyzdžiui, tai gali pakartoti ankstesnę neteisybę vertinant kredito / rizikos balus. Tai yra etinė būtinybė filtruoti DI rezultatus, remiantis žmogaus nuomone ir sąžiningumu priimant finansinius sprendimus.

Mini dėklai

1 atvejis – įklijuotas nuotėkis. Vienas analitikas įklijavo dar nepaskelbtus ketvirčio rezultatus į nemokamą įrankį ir paprašė jų santraukos. Šie duomenys tapo nekontroliuojami, nes nebuvo įmonės politikos. Nors rezultatai nebuvo anksti paskelbti, incidentas paskatino tyrimą ir privertė taikyti įmonės sertifikuotų transporto priemonių politiką. Pamoka: patogumas negali nugalėti privatumo.

2 atvejis – darbas su anonimiškumu. Apskaitos komanda norėjo atlikti klientų surinkimo analizę, tačiau vardai buvo konfidencialūs. Jie užmaskavo klientus kaip „A, B, C“ ir dirbo tik su kiekio ir dienos duomenimis. Analizė buvo visiškai produktyvi, jokie asmens duomenys nebuvo nutekinti. Privatumas ir naudingumas pasiekiami kartu.

3 atvejis. Neperleidžiama atsakomybė. Neteisingas rodiklis ataskaitoje buvo gautas iš AI išvesties ir buvo pateiktas vadovybei be patikrinimo. Kai sprendimas buvo neteisingas, gynyba „transporto priemonė taip apskaičiavo“ nebuvo priimta; Atsakomybė teko ataskaitą patvirtinusiam finansų vadovui. Pamoka: patikrinimas ir atsakomybė tenka žmogui.

4 atvejis – užfiksuotas naudojant trijų sluoksnių autentifikavimą. Vienoje analitiko ataskaitoje AI apskaičiavo „91% bendrąjį pelną“ vienai verslo linijai. Aritmetinis sluoksnis buvo teisingas, šaltinio sluoksnis atitiko; bet kai pradėjo veikti loginis sluoksnis, tapo aišku, kad pramonei marža buvo neįmanoma. Pagrindinė priežastis: dalis išlaidų stulpelio buvo klaidingai perkelta į kitą verslo liniją. Jei būtų atsižvelgta tik į aritmetiką, klaida būtų išnykusi. Pamoka: pagrįstumo testas yra trečias ir dažnai pats svarbiausias tikslumo lygis.

Dažnos klaidos

• Skelbtini duomenys įklijuojami į nepatvirtintą įrankį. Dažniausias privatumo ir reikalavimų pažeidimo būdas.
• Neatskleidžiamų rezultatų įtraukimas į išorinį įrankį. Tai kelia viešai neatskleistos informacijos nutekėjimo riziką.
• Apeinant anonimiškumą. Jei asmenį identifikuojančios vietos yra nereikalingos, jas reikia užmaskuoti.
• Atsakomybės perkėlimas automobiliui. „AI padarė tai“ nėra gynyba; Atsakingas yra patvirtinėjas.
• Darbas be rašytinės politikos. Jei neaišku, kas į kurį įrankį kokius duomenis gali įdėti, rizikos valdyti negalima.

Apibendrinant

• Finansiniai duomenys yra jautrūs; Ne visi duomenys patenka į kiekvieną įrankį dėl privatumo, viešai neatskleistos informacijos ir pasitikėjimo rizikos.
• Prieš siųsdami klasifikuokite duomenis, patikrinkite laikmeną, sumažinkite ir anonimuokite asmens identifikatorius.
• Išsaugomi analizei reikalingi skaitiniai duomenys; asmenį identifikuojančios vietos yra užmaskuotos; verslas ir konfidencialumas dera kartu.
• DI naudojimas yra valdymo reikalas; rašytinė politika, privalomas patikrinimas ir audito seka.
• Atsakomybė negali būti perkelta transporto priemonei; Skaidrumas ir žmogaus sprendimas prieš šališkumą yra etinė būtinybė.

Taikymo užduotis

Paimkite realių turimų finansinių duomenų pavyzdį (įskaitant klientus / tiekėjus). Pirmiausia atlikite „duomenų klasifikavimą“, tada užmaskuokite asmeninius laukus naudodami anonimizacijos lentelės logiką, palikdami tik tai, kas reikalinga analizei. Tada, ragindami politikos projektą, sukurkite trumpą AI naudojimo politiką savo komandai ir pritaikykite bent tris elementus savo organizacijai.

kontrolinis sąrašas

• [ ] Įslaptinau duomenis (vieši / vidiniai / konfidencialūs / asmeniniai).
• [ ] Naudojau tik patvirtintą/institucinę priemonę ir patikrinau jos politiką.
• [ ] Sumažinau siunčiamus duomenis; Pašalinau nereikalingus laukus.
• [ ] Aš anonimizuojau laukus, kurie identifikuoja asmenį.
• [ ] Į išorinį įrankį neperkėliau neatskleistų rezultatų.
• [ ] Sutinku ir patvirtinu, kad esu atsakingas už išvestį.