Ieguvumi:
- Spēja saprast, uz ko balstās datu kredītpunktu noteikšana un ka mākslīgais intelekts nenodrošina punktu skaitu, bet gan skaidru rezultāta kopsavilkumu un paātrina trūkstošo dokumentu pārbaudi
- Izmantojiet mākslīgo intelektu, lai sagatavotu konsekvences pārbaudi un lēmuma projekta pamatojumu aizdevuma failam un spētu pieņemt galīgo lēmumu par piešķiršanu kā pilnvarots eksperts
- Spēja saprast, ka modeļa izvadei jābūt dokumentētai izskaidrojami, attaisnojami un nediskriminējošā veidā un jāsaglabā sarkanās līnijas
Kad pienāk kredīta pieteikums, fonā skan vienkāršs jautājums: "Vai šis klients var atmaksāt šo kredītu un kādu risku viņš pakļauj bankai, lai maksātu?" Atbilde uz šo jautājumu ir izkliedēta virknē uzdevumu, kas aizņem lielāko daļu kredītspeciālista dienas: ienākumu deklarācijas nolasīšana, parāda/ienākumu attiecības aprēķināšana, kredītvēstures interpretācija (KKB – Kredītu reģistra biroja piezīme), ķīlas izvērtēšana, salīdzināšana ar iekšējo politiku un visbeidzot motivēta lēmuma rakstīšana. Mākslīgais intelekts ietaupa nopietnu laiku šo uzdevumu daļu lasīšanai, apkopošanai un konsekvences pārbaudei. Taču esiet uzmanīgi: AI neģenerē rezultātu, tas palīdz saprast, ko nozīmē rezultāts un kur fails ir pretrunīgs. Lēmumu par kredīta piešķiršanu kopā ar tā pamatojumu paraksta pilnvarots eksperts.
Šajā nodaļā mēs soli pa solim redzēsim, uz ko balstās datu kredītpunktu noteikšana, kurā brīdī var droši izmantot mākslīgo intelektu, kā pārbaudīt tā izvadi un kuras sarkanās līnijas nekādā gadījumā nedrīkst pārkāpt.
Uz ko balstās kredītpunktu noteikšana?
Kredītreitings ir aprēķins, kas samazina klienta atmaksas iespējamību līdz skaitliskai vērtībai. Tipiski ieraksti ir:
- Ienākumi un nodarbinātība: Ikmēneša regulārie ienākumi, darba laiks, ienākumu avota nepārtrauktība.
- Pašreizējās parādsaistības: esošie aizdevumi, kredītkaršu parāds, parāda attiecība pret ienākumiem (ikmēneša parāda maksājuma attiecība pret ienākumiem).
- Kredītvēsture: iepriekšējais maksājumu modelis, kavējumi, juridiskie turpmākie ieraksti (KKB rezultāts to apkopo).
- Nodrošinājums: aktīvs (māja, transportlīdzeklis, depozīts) un tā vērtība, kas sniegta pret aizdevumu.
- Pieprasījuma raksturojums: Aizdevuma summa, termiņš, preces veids.
Padoms: rezultāts ir "varbūtības novērtējums", nevis "fakts". Diviem klientiem var būt vienāds rezultāts, taču viņu stāsti var būt pilnīgi atšķirīgi. Lēmuma pieņemšana, neredzot partitūras pamatojumu, ir grāmatas vērtēšana pēc tās vāka.
Kur šajā procesā atrodas mākslīgais intelekts?
Ir skaidrs, kur mākslīgo intelektu var izmantot droši un kur nevar:
Meklējumi
AI loma
Kam ir lēmums/apstiprinājums?
Apkopojiet summas ienākumu dokumentā
Lasīšana, kopsavilkums
Apstiprinājums no eksperta avota
Parādu/ienākumu attiecības aprēķina projekts
konta melnraksts
Eksperts pārrēķina
Failu konsekvences pārbaude (pretrunu atrašana)
skenēt
Eksperts apstiprina
Projekta noraidīšanas/apstiprināšanas pamatojums
teksta melnraksts
Pilnvarota eksperta autors/apstiprinājumi
Paskaidrojiet partitūras nozīmi
Apraksta teksts
Ekspertu atsauksmes
Lēmums par kredīta piešķiršanu
(tikai melnraksts)
Lēmumu pieņem iestāde/komiteja
Kā redzams, mākslīgais intelekts rada melnrakstus un pārbaudes katrā rindā; nevienā rindā "nelemj". Šīs atšķirības saglabāšana ir šīs vienības būtība.
Soli pa solim: faila sagatavošana ar mākslīgā intelekta atbalstu
- Anonimizēt. Noņemt vārdu, TR ID, konta numuru; Aprakstiet klientu kā "42 gadus vecs, valsts darbinieks, X segments".
- Pieprasiet melnrakstu. Lieciet AI izveidot kopsavilkumus, konsekvences pārbaudes un pamatojumu projektus, nevis lēmumus.
- Pievienojiet to avotam. Atzīmējiet, no kura dokumenta nāk katrs izdrukas numurs.
- Pārrēķināt. Pats pārbaudiet kritiskos skaitļus, piemēram, parāda attiecību pret ienākumiem, nodrošinājuma attiecību utt.
- Politikas filtrs. Pārbaudiet atbilstību jūsu iekšējai kredītpolitikai un nediskriminācijas politikai.
- Lēmums un paraksts. Jūs pieņemat lēmumu, uzrakstiet pamatojumu, atstājat audita pēdas.
Četras kopējamas veidnes
1) Faila konsekvences pārbaude:
Jūsu loma: kredīta faila konsekvences pārbaudītājs. Lēmumu pieņemšana. Klients (anonīms): 42 gadi, valsts darbinieks, mēneša neto ienākumi 55 000 TL, aktuālais ikmēneša kredīta maksājums 12 000 TL, pieprasījums 250 000 TL / 48 mēneši. Uzdevums: Vai sniegtajā informācijā ir matemātiskas vai loģiskas pretrunas, trūkst dokumentu vai datu neatbilstība? Uzskaitiet katru atradumu ar etiķeti "[nepieciešams apstiprinājums]" un norādiet, uz kādu informāciju tas ir balstīts. Lēmums ir mans.
2) Parādu/ienākumu attiecības aprēķina kontrole:
Aprēķiniet parāda/ienākumu attiecību soli pa solim, izmantojot šādus datus un parādiet formulu. Vienkārši veiciet aprēķinu, nepieņemiet attiecīgu lēmumu. Mēneša tīrie ienākumi: 55 000 TLCPašreizējais ikmēneša parāda maksājums: 12 000 TLEParedzamā ikmēneša jaunā aizdevuma iemaksa: 6500 TLDvēlamā izlaide: jaunais aizdevums, soļi un likme.
3) Projekta noraidīšanas/apstiprināšanas pamatojums (skaidrojams):
Jūsu loma: asistents, kurš izstrādā aizdevuma lēmuma pamatojumu. PAMATOTIES uz pārbaudītajiem atklājumiem, es sniedzu jums kā ievadi, pievienojot jaunu informāciju. Secinājumi: [parādu/ienākumu attiecība 34%, nodrošinājuma attiecība adekvāta, 1 noziedzības ieraksts]Uzdevums: Uzrakstiet pamatojuma projektu, pamatojoties uz šiem konstatējumiem, kas ir izskaidrojams un nesatur diskriminējošu valodu. Nav atsauces uz aizsargājamām īpašībām (vecums, dzimums, izcelsme, apkaime). Pievienošu galīgo lēmumu un parakstu.
4) Vienkāršs rezultāta skaidrojums:
Izskaidrojiet klientam, ko nozīmē kredītreitings 4 teikumos, izmantojot neapsūdzošu valodu un neizmantojot tehnisko žargonu. Neizmantojiet personas datus, nedodiet galīgus solījumus. Es pārbaudīšu šo tekstu pirms pārsūtīšanas klientam.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Vai mums vajadzētu piešķirt kredītu šim klientam? Izlemiet, pamatojoties uz savu rezultātu, un uzrakstiet iemeslu.
Šis pieprasījums atstāj lēmumu modelim, nesaista ar avotu un neliedz pamatojumam izskatīties diskriminējošam.
Spēcīga uzvedne:
Jūsu loma: lēmumu atbalsta asistents, nevis lēmumu pieņēmējs. Uzrakstiet pamatojuma PROJEKTU, pamatojoties uz pārbaudītajiem atklājumiem, kurus es jums sniedzu. Iekavās parādiet secinājumus, uz kuriem balstīts katrs teikums. Neatsaucieties uz aizsargātajiem īpašumiem. Atzīmējiet visus neskaidros punktus kā "[nepieciešams apstiprinājums]". Es pieņemšu galīgo lēmumu par kredītu un atbildību.
Spēcīga griba ierobežo lomu, saista katru pretenziju ar avotu, novērš diskrimināciju un saglabā lēmumu cilvēkā.
trīs mini futrāļi
1. gadījums — laika ietaupījums. Eksperts veic 30 failu portfeļa konsekvences pārbaudi. AI atzīmē 5 neatbilstības, piemēram, "8. deklarētie ienākumi ir 60 000, bet algu sarakstā ir 42 000". Eksperts to visu apstiprina pie avota; 3 no tiem ir īsti, 2 no tiem ir viltus mākslīgā intelekta rādījumi. Manuāls 3 stundu darbs tiek samazināts līdz 40 minūtēm, un bez pārbaudes netiek izmantoti brīdinājumi.
2. gadījums — pārrēķinos tiek konstatēta kļūda. AI parāda attiecību pret ienākumiem apkopo kā “28%. Eksperts vēlreiz izpilda formulu: esošais parāds nav iekļauts, reālā likme ir 41%, kas pārsniedz iekšpolitikas slieksni. Bez pārbaudes var rasties nepatiess apstiprinājums.
3. gadījums — diskriminējošs pamatojuma noliegums. Mākslīgais intelekts noraidīšanas projektā konstruē frāzi "reģions, kurā pieteikuma iesniedzējs dzīvo, ir riskants". Eksperts to noliedz; Šis apgalvojums rada netiešas diskriminācijas (pārstāvja mainīgā lieluma) risku atkarībā no rajona. Pamatojums tiek pārrakstīts, izmantojot tikai likumīgus kritērijus, piemēram, parāda attiecību pret ienākumiem un likumpārkāpumu ierakstu.
Ārpus rezultāta: konteksta un "robežas" faili
Sarežģītākā kredītlēmumu daļa ir nevis atklāta pieņemšana vai atklāta noraidīšana, bet gan "robežas" faili. Ja rezultāts ir pārāk tuvu iekšpolitikas slieksnim, lēmumu nevar atstāt viena skaitļa žēlastībā; konteksts stājas spēlē. Šeit mākslīgais intelekts var iestatīt slazdu: tas novērtē katru robeždatni ar tādu pašu mehānisko loģiku un nepalaiž garām niansi. Eksperts ir tas, kurš pievieno niansi.
Piemēri kontekstam, kurā eksperts aplūko apmales failu:
- Stāsts par kavēšanos: Vai viena kavēšanās bija īslaicīga veselības problēma vai ilgstoša nespēja maksāt? Viens un tas pats “1 aizkaves ieraksts” var pastāstīt divus dažādus stāstus.
- Ienākumu veids: diviem klientiem var būt vienādi ienākumi, bet viens var būt regulārs algas saņēmējs, bet otrs ar mainīgiem ārštata ienākumiem; Riska profils ir atšķirīgs.
- Attiecības ar banku: Klienta fails, kurš ilgstoši strādā nevainojami, tiek lasīts savādāk nekā jauna klienta fails.
AI var palīdzēt jums apkopot šos kontekstus, taču ekspertam ir jāizsver un jāizlemj — īpaši robežgadījumos.
Padoms. Gadījumos, kad rezultāts ir tuvu slieksnim, koncentrējieties uz jautājumu "ko stāsta šī klienta stāsts", nevis "ko teica modelis?" Robežfaili ir tie, kur spīd ekspertu spriedums, nevis automatizācija.
Biežas kļūdas
- Rezultātu domāšana ir lēmums. Rezultāts ir prognoze; Tas nav pats lēmums. Ir nepareizi spriest pēc punktu skaita bez pamatojuma un konteksta.
- Nepārrēķinot numuru. Izmantojot mākslīgā intelekta dotās likmes un kopsummas, tos neapstiprinot; Šeit parādās halucinācijas vai nepareiza lasīšana.
- Nepamanot diskriminējošo pamatojumu. Apstiprināt pamatojumus, kas ietver aizsargātas īpašības vai aizstājējus, piemēram, apkaimi, vecumu, dzimumu; nopietns juridisks risks.
- Apejot audita pēdas. Nespēja dokumentēt, uz kuru pārbaudīto konstatējumu pamatots lēmums; nevar aizstāvēt vēlākā iebildumā vai revīzijā.
- Akreditācijas datu koplietošana. Rīka ievadīšana bez faila anonimizācijas.
Uzmanību: Ja kredīta lēmums tiek noraidīts, klientam ir tiesības uzzināt iemeslu un iebilst. Tāpēc pamatojumam jābūt gan pareizam, gan izskaidrojamam, gan bez diskriminācijas. "Modele to novērtēja tā" nav attaisnojums.
Rezumējot
Kredīta novērtējums ir iespējamības novērtējums, pamatojoties uz tādiem datiem kā ienākumi, parādsaistības, kredītvēsture un ķīla. Šajā procesā AI izstrādā dokumentu nolasīšanu, konsekvences pārbaudi, konta uzmetumu un pamatojuma melnrakstu; Bet tas nemaina rezultātu vai lēmumu jūsu vietā. Pārrēķiniet katru skaitli, attieciniet katru attaisnojumu uz avotu un izlaidiet to caur diskriminācijas filtru. Lēmumu par kredīta piešķiršanu paraksta pilnvarotais eksperts kopā ar paskaidrojamu pamatojumu. Vienā teikumā: Mākslīgais intelekts sagatavo failu; Lēmumu par kredītu pieņem kompetenta persona.
Lietojumprogrammas uzdevums
Definējiet kredīta faila paraugu (anonīms: vecums, nodarbošanās, ienākumi, pašreizējais parāds, prasījums, termiņš). Izmantojot iepriekš minēto 1. un 2. veidni, vispirms pārbaudiet atbilstību un pēc tam aprēķiniet parāda/ienākumu attiecību. Manuāli pārrēķiniet un salīdziniet mākslīgā intelekta doto likmi. Pēc tam ģenerējiet attaisnojuma melnrakstu ar 3. veidni un pārbaudiet, vai tajā ir aizsargāts rekvizīts vai aizstājējs mainīgais; Pārrakstiet to ar likumīgiem kritērijiem, ja tādi ir.
kontrolsaraksts
- [ ] Es padarīju failu anonīmu; Es nesniedzu nekādu identifikācijas informāciju.
- [ ] Es devu mākslīgajam intelektam projektu/kontroles uzdevumu, nevis lēmumu.
- [ ] Parādu/ienākumu attiecību un kritiskos skaitļus pārrēķināju ar roku.
- [ ] Pamatojumu es attiecināju uz pārbaudītiem atklājumiem un minēju avotu.
- [ ] Es pārbaudīju, vai argumentā nav aizsargāta īpašuma/starpniekservera mainīgā.
- [ ] Lēmumu un tā pamatojumu esmu fiksējis; Es uzņēmos galīgo atbildību.