Ieguvumi:
- Spēja klasificēt finanšu datus pēc to jutīguma un izvēlēties atbilstošus rīkus un darījumus
- Spēja droši veikt analīzi, anonimizējot personas un konfidenciālos datus
- Spēja izveidot harmonijas, caurspīdīguma un ētikas sistēmu, zinot, ka atbildība paliek cilvēkiem
Privātums, atbilstība un ētika: finanšu datu ierobežojumi
Līdz šim mēs esam redzējuši, kāds ir spēcīgs AI palīgs finanšu un grāmatvedības jomā. Šajā vienībā mēs aplūkojam monētas otru pusi: robežas. Finanšu dati ir viens no jutīgākajiem datu veidiem. Nepareizā transportlīdzeklī ielīmēts finanšu pārskats, neizpaužams rezultāts, klienta konta informācija; Tas var izraisīt gan juridisku, gan ētisku, gan komerciālu katastrofu. Šī vienība māca neapšaubāmus drošības pasākumus, izmantojot AI finansēs. Šo noteikumu pārzināšana ir priekšnoteikums, lai droši izmantotu prasmes visās pārējās vienībās.
Kāpēc finanšu dati ir tik jutīgi?
Trīs iemesli: privātums (klientu, darbinieku, piegādātāju dati ietilpst personas datu darbības jomā, un tos aizsargā tādi noteikumi kā KVKK), iekšējā informācija (neizpaustie finanšu rezultāti ir kritiski vērtspapīru tirgum un konkurencei) un uzticēšanās (klientu un biznesa partneru uzticību nevar atjaunot, ja jūsu finanšu dati tiek nopludināti). Dati, ko ielīmējat publiskajā AI rīkā, tiek apstrādāti šī rīka serveros; Šos datus var izmantot vai padarīt pieejamus modeļu apmācībā rīkos, kas negarantē korporatīvo datu saglabāšanu.
KVKK (Personas datu aizsardzības likums) ir likums, kas regulē personas datu apstrādi Turkijā; Tas ierobežo tādu datu pārsūtīšanu kā personas vārds, TR ID, konts un kontaktinformācija nesankcionētām trešajām personām.
Padoms. Pirms datu ielīmēšanas AI pajautājiet sev: "Vai es to nosūtītu pa e-pastu svešiniekam?" Ja atbilde ir nē, vispirms padariet to anonīmu vai izmantojiet tikai apstiprinātus uzņēmuma rīkus.
Soli pa solim: pirms datu nosūtīšanas
- Klasificēt. Vai dati ir publiski, iekšējai lietošanai, konfidenciāli vai personiski?
- Pārbaudiet rīku. Vai tas ir korporatīvs/apstiprināts? Kāda ir datu saglabāšanas un apmācības politika?
- Minimizēt. Sniedziet minimālos datus, kas nepieciešami jūsu darbam; nogriež lieko.
- Anonimizēt. Maskējiet vai noņemiet identifikatorus, piemēram, vārdu, ID numuru, konta numuru.
- Saglabājiet arī izlaidi. Sagatavotais ziņojums var būt arī sensitīvs; Esiet piesardzīgs, kur to saglabājat.
Vāja pieeja / spēcīga pieeja
Slikta pieeja: neziņotu ceturkšņa rezultātu ielīmēšana kopā ar klientu vārdiem un kontu numuriem bezmaksas tīmekļa rīkā.
Tas ir gan KVKK pārkāpums, gan iekšējās informācijas noplūde, gan komerciāls risks.
Jaudīga pieeja: 1) izmantojiet sertificētu uzņēmuma AI rīku (datu saglabāšana garantēta).2) Anonimizēt datus: “Klients A”, “Klients B”; Konta numura vietā tiek maskēti vai noņemti pēdējie 4 cipari.3) Iesniedziet analīzei tikai obligātos laukus (izlaidiet, ja vārds/adrese nav nepieciešams).4) Nepakļaujiet neizpaužamus rezultātus ārējiem rīkiem, kamēr tie nav publiskoti.5) Saglabājiet izvadi lokālajā drošajā zonā, nevis personīgajā diskā.
Pirms/Pēc anonimizācijas
apgabalā
Neapstrādāts (riskants)
Anonimizēts (drošs)
Klienta vārds
Ahmets Yılmaz İnşaat A.Ş.
Klients A
Konta numurs
TR12 0006 ... 4501
***4501 vai noņemts
TR personas apliecība
12345678901
Noņemts
Summa/analīzes lauks
1 240 000
1 240 000 (aizsargāts)
Piezīme: tiek saglabāti analīzei nepieciešamie skaitliskie dati; Vietas, kas identificē personu, ir maskētas. Tādējādi tiek paveikts gan darbs, gan tiek aizsargāta konfidencialitāte.
Atbilstības un atbildības sistēma
AI izmantošana finanšu biznesā ir pārvaldības jautājums. Kurš var izmantot kuru rīku, kura datu klase var iekļūt kādā rīkā, kā tiek pārbaudīta un reģistrēta izvade? Tie ir jānosaka rakstiskā politikā.
Izveidojiet mūsu uzņēmumam "AI izmantošanas politikas finanšu datos" projektu. Iekļaujiet šādus virsrakstus:- Datu klasifikācija (publisks/iekšējs/konfidenciāls/personisks)- Atļautie rīki un process katrai klasei- Aizliegtas situācijas (neizpaužams rezultāts, personas dati u.c.)- Obligātās verifikācijas un audita pēdas soļi- Process pārkāpuma gadījumā Uzrakstiet to kā politikas izklāstu; Ņemiet vērā, ka galīgais apstiprinājums ir jāsaņem no juridiskās un atbilstības nodaļas.
Uzmanību: atbildību nevar nodot AI rīka nodrošinātājam. Ja ziņojumā tiek ievadīts nepareizs modeļa radītais skaitlis un sagrozīts lēmums, par to atbild profesionālis, kurš to izmantojis un apstiprinājis. “AI to izdarīja” nav aizsardzība.
Verifikācija: kāpēc katra izdruka tiek uzskatīta par aizdomīgu?
Zelta likums drošai AI izmantošanai finanšu biznesā ir uzskatīt, ka rezultāts ir "aizdomīgs, kamēr nav pierādīts pretējais". Tā nav paranoja, tā ir profesionāla disciplīna; tāpat kā revidents neapstiprinātu nevienu ierakstu, to neredzot. Tas, cik raiti un pārliecinoši modelis runā, nav pierādījums tā precizitātei; Gluži pretēji, visbīstamākās kļūdas ir tās, kas ir parādītas pārliecinošāk.
Praksē uzstādiet trīs slāņu verifikāciju: (1) Aritmētiskais slānis — pārrēķiniet summas un procentus vai lieciet modelim pārrēķināt un salīdzināt. (2) Avota slānis — saskaņojiet katru skaitli ar tabulu, no kuras tas nāk. (3) Loģiskais slānis — vai rezultāts ir saprātīgs biznesa kontekstā? Ja tāds rezultāts kā "Marža izrādījās 90%" nozarei nav iespējams, pat ja tas ir aritmētiski pareizs, tas norāda uz ievades kļūdu.
Pārbaudiet šo finanšu analīzi trīs slāņos:1) Aritmētika: pārrēķiniet visas summas un procentus, atzīmējiet tos, kas neatbilst.2) Avots: saskaņojiet katru skaitli <avots> tabulā, neatbilstošo ierakstiet kā "NAV PĀRBAUDĪTS"3) Loģika: atzīmējiet rezultātus, kas nav saprātīgi biznesa kontekstā (ārkārtīgi augsts/zems) kā "APSTIPRINĀJUMS;APSTIPRINĀJUMS; vienkārši pārbaudiet un ziņojiet par trīs slāņu rezultātu atsevišķi.
Lai gan šī disciplīna var šķist impulsa izniekošana, patiesībā tā pasargā jūs no daudz dārgākas kļūdas: nepareiza lēmuma, pamatojoties uz nepareizu skaitli.
Ētika: caurspīdīgums un aizspriedumi
Izceļas divas ētiskas problēmas. Pārredzamība. Vajadzības gadījumā ieinteresētajām personām ir skaidri jānorāda, ka analīze ir sagatavota ar AI atbalstu. Neobjektivitāte: modelis ir balstīts uz vēsturiskiem datiem; Piemēram, tas var atkārtot pagātnes netaisnību kredīta/riska vērtēšanā. Tā ir ētiska nepieciešamība filtrēt AI rezultātus, izmantojot cilvēka spriedumu un godīgumu finanšu lēmumos.
Mini futrāļi
1. gadījums — ielīmēta noplūde. Viens analītiķis ielīmēja ceturkšņa rezultātus, kas vēl nav jāpublicē, bezmaksas rīkā un lūdza kopsavilkumu. Šie dati izgāja no kontroles, jo nebija korporatīvās politikas. Lai gan rezultāti netika atklāti agri, incidents izraisīja izmeklēšanu un piespieda uzņēmuma sertificētu transportlīdzekļu politiku. Mācība: ērtības nevar pārspēt privātumu.
2. gadījums — darbs ar anonimizāciju. Grāmatvedības komanda vēlējās veikt klientu kolekcijas analīzi, taču vārdi bija konfidenciāli. Viņi maskēja klientus kā "A, B, C" un strādāja tikai ar daudzuma un dienas datiem. Analīze bija pilnībā produktīva, personas dati netika nopludināti. Privātums un lietderība panākta kopā.
3. gadījums — Nedeleģējama atbildība. Nepareizs rādītājs ziņojumā bija no AI izvades, un tas tika iesniegts vadībai bez pārbaudes. Kad lēmums bija nepareizs, aizstāvība "transportlīdzeklis tā aprēķināja" netika pieņemta; Atbildība bija finanšu vadītājam, kas apstiprināja ziņojumu. Nodarbība: pārbaude un atbildība gulstas uz cilvēku.
4. gadījums — tverts ar trīsslāņu autentifikāciju. Viena analītiķa ziņojumā AI aprēķināja "bruto peļņu 91% apmērā" vienai uzņēmējdarbības jomai. Aritmētiskais slānis bija pareizs, avota slānis atbilst; bet, kad sāka darboties loģikas slānis, kļuva skaidrs, ka peļņa nozarei nav iespējama. Galvenais iemesls: daļa izmaksu kolonnas tika kļūdaini pārvietota uz citu uzņēmējdarbības līniju. Ja būtu ņemta vērā tikai aritmētika, kļūda būtu pazudusi. Nodarbība: saprātīguma pārbaude ir trešais un bieži vien vissvarīgākais precizitātes līmenis.
Biežas kļūdas
- Sensitīvu datu ielīmēšana neapstiprinātā rīkā. Visizplatītākais veids, kā pārkāpt privātumu un atbilstību.
- Neizpaužamu rezultātu ievietošana ārējā rīkā. Tas rada iekšējās informācijas noplūdes risku.
- Apejot anonimizāciju. Ja vietas, kas identificē personu, nav vajadzīgas, tās ir jāmaskē.
- Atbildības nodošana transportlīdzeklim. “AI izdarīja to” nav aizsardzība; Atbildīgs ir apstiprinātājs.
- Darbs bez rakstiskas politikas. Ja nav skaidrs, kurš rīkā kādus datus var ievietot, risku nevar pārvaldīt.
Rezumējot
- Finanšu dati ir sensitīvi; Ne visi dati tiek iekļauti visos rīkos privātuma, iekšējās informācijas un uzticības risku dēļ.
- Pirms nosūtīšanas klasificējiet datus, pārbaudiet datu nesēju, samaziniet un anonimizējiet personas identifikatorus.
- Tiek saglabāti analīzei nepieciešamie skaitliskie dati; vietas, kas identificē personu, ir maskētas; bizness un konfidencialitāte iet kopā.
- AI izmantošana ir pārvaldības jautājums; rakstiska politika, obligāta pārbaude un revīzijas liecības.
- Atbildību nevar pārcelt uz transportlīdzekli; Pārredzamība un cilvēku spriedums pret aizspriedumiem ir ētiska obligāta prasība.
Lietojumprogrammas uzdevums
Ņemiet piemēru par jūsu rīcībā esošajiem reāliem finanšu datiem (ar klientiem/piegādātājiem). Vispirms veiciet "datu klasifikāciju", pēc tam maskējiet personiskos laukus, izmantojot loģiku anonimizācijas tabulā, atstājot tikai to, kas nepieciešams analīzei. Pēc tam, izmantojot politikas projekta uzvedni, izveidojiet savai komandai īsu AI lietošanas politiku un pielāgojiet savai organizācijai vismaz trīs vienumus.
kontrolsaraksts
- [ ] Esmu klasificējis datus (publisks / iekšējs / konfidenciāls / personisks).
- [ ] Es izmantoju tikai apstiprinātu/institucionālu rīku un pārbaudīju tā politiku.
- [ ] Es samazināju nosūtītos datus; Es noņēmu nevajadzīgos laukus.
- [ ] Es anonimizēju laukus, kas identificē personu.
- [ ] Es neiespiedu ārējā rīkā neatklātus rezultātus.
- [ ] Es piekrītu un apstiprinu, ka esmu atbildīgs par rezultātu.