Keuntungan:
- Keupayaan untuk membezakan di mana kecerdasan buatan menjimatkan masa nyata dalam aliran kerja perbankan (pra-penilaian, sokongan keputusan, operasi, pelaporan) dan di mana keputusan terkawal dan kritikal amanah (peruntukan kredit, penipuan/peruntukan pematuhan) diserahkan kepada manusia, mengikut tahap risiko tugas
- Keupayaan untuk menggunakan disiplin yang mengesahkan setiap output AI melalui langkah menyambungkannya kepada sumber, mengira semula dan meneruskannya melalui penapisan dasar/perundangan.
- Menamakan data pelanggan dan kewangan dalam skop KVKK, rahsia pelanggan dan peraturan kerahsiaan bank dan mendapatkan tabiat memilih kenderaan yang selamat
Hari seorang jurubank dipenuhi dengan nombor, keputusan dan keyakinan. Permohonan pinjaman dinilai, transaksi diperiksa untuk melihat sama ada ia adalah penipuan, produk yang dianggap sesuai untuk pelanggan, semakan pematuhan dijalankan dan laporan ditandatangani pada penghujung hari. Persamaan kerja ini ialah kesemuanya memerlukan kerja yang cepat dan, apabila dilakukan secara tidak betul, secara langsung membahayakan wang, reputasi atau status undang-undang bank seseorang. Di sinilah kecerdasan buatan jatuh ke dalam ketegangan ini. Apabila digunakan dengan betul, ia mengurangkan jam kerja kepada minit; Apabila digunakan secara tidak betul, ia mempercepatkan kesilapan, menghasilkan diskriminasi dan mengakibatkan keputusan yang tidak terkawal.
Sepanjang modul ini kami akan meletakkan AI sebagai pembantu, pra-penyaring dan penjana draf. Kecerdasan buatan membantu membaca fail untuk anda, menulis draf, mencari ketidakkonsistenan dan meringkaskan. Tetapi keputusan di tangan anda. Sama ada untuk memberikan kredit, sama ada untuk menganggap transaksi mencurigakan, apa yang perlu dikatakan kepada pelanggan—semua ini adalah pertimbangan manusia yang diberi kuasa. Dalam unit ini, kami pada asasnya akan mewujudkan perbezaan ini, iaitu, di mana kecerdasan buatan menjimatkan masa dan keputusan diserahkan kepada manusia, disiplin pengesahan dan peraturan privasi.
Mengapa perbankan adalah kawasan 'kritikal amanah' dan 'terkawal'
Jika alat reka bentuk pun berfungsi dengan tidak betul, tiada siapa yang cedera. Tetapi model yang tidak berfungsi dalam bank boleh melucutkan kredit yang sepatutnya kepada keluarga, menganiaya pelanggan yang sah dengan melabelkannya sebagai penipu, atau mengabaikan pengubahan wang haram dan mendedahkan bank kepada penalti yang berat. Oleh itu, perbankan ditakrifkan oleh dua ciri:
- Kritikal amanah: Keputusan mempengaruhi wang rakyat dan masa depan. Walaupun kesilapan itu boleh diterbalikkan, kerosakan adalah nyata.
- Dikawal selia: Perbankan; Ia dikelilingi oleh peraturan seperti BDDK (Agensi Peraturan dan Pengawasan Perbankan, pihak berkuasa awam yang menyelia bank), MASAK (Lembaga Siasatan Jenayah Kewangan, institusi memerangi pengubahan wang haram) dan KVKK (Undang-undang Perlindungan Data Peribadi). Anda tidak boleh menjelaskan keputusan dengan mengatakan "AI berkata demikian"; Anda mesti boleh mewajarkan keputusan itu.
Kedua-dua ciri ini menetapkan peraturan asas penggunaan AI: Output AI bukanlah pengganti kelulusan daripada pakar yang cekap. Keputusan terpulang kepada orang itu. Kami akan mengulangi ayat ini berkali-kali sepanjang modul, kerana kesilapan paling mahal dalam perbankan berlaku apabila peraturan ini dilupakan.
Perhatian: Mengatakan "model berfungsi dengan sangat tepat" tidak bermakna "kita boleh menyerahkan keputusan kepada model". Malah model yang 99 peratus betul menunjukkan ralat 1 peratusnya dengan keyakinan yang sama. Dalam perbankan, 1 peratus itu adalah pinjaman seseorang atau penalti bank.
Di manakah kecerdasan buatan berguna dalam perbankan?
Memikirkan perniagaan perbankan dalam tiga lapisan menjelaskan tempat untuk meletakkan AI:
- Pra-penilaian dan penyediaan (risiko rendah, keuntungan tinggi): Bacaan dokumen, kawalan dokumen hilang, ringkasan fail, pengimbasan konsistensi data. Di sini, walaupun kecerdasan buatan membuat kesilapan, risiko itu boleh diuruskan kerana terdapat semakan manusia di belakangnya; Keuntungan adalah besar.
- Sokongan keputusan (risiko sederhana): Draf justifikasi kredit, ringkasan profil risiko, ulasan kewangan, draf transaksi yang mencurigakan. Di sini, kecerdasan buatan menghasilkan cadangan, tetapi keputusannya adalah milik manusia. Pengesahan adalah penting.
- Keputusan dan pertimbangan muktamad (risiko tinggi, manusia): Peruntukan kredit, keputusan penipuan, pelaporan transaksi yang mencurigakan, keputusan yang dicerminkan pada pelanggan. Ini adalah lapisan di mana kecerdasan buatan tidak boleh membuat keputusan; menawarkan draf yang paling banyak.
Jadual berikut meletakkan tugas perbankan biasa mengikut tahap risiko:
Pencarian
lapisan
peranan AI
Siapa yang membuat keputusan?
Fail kredit tiada semakan dokumen
penilaian awal
Imbas, ringkasan
Ulasan pakar
Sebab penolakan/kelulusan kredit
sokongan keputusan
Draf justifikasi
pakar yang berwibawa
Makluman anomali transaksi
sokongan keputusan
Isyarat pra-kelayakan
penganalisis penipuan
Pelaporan transaksi mencurigakan (STR)
penghakiman muktamad
draf
pegawai pematuhan
Keputusan peruntukan kredit
penghakiman muktamad
draf/rumusan
Kuasa/jawatankuasa
Draf surat-menyurat pelanggan
penilaian awal
draf teks
Pekerja meluluskan
Disiplin pengesahan: penapis tiga langkah
Ambil output AI melalui tiga langkah ini setiap kali. Ini akan menjadi refleks asas yang akan kami ulangi sepanjang modul:
- Sambungkannya ke sumber. Dokumen yang manakah, transaksi akaun yang mana, dan peraturan yang mana setiap nombor, tuntutan dan justifikasi dalam output berdasarkan? Output yang sumbernya tidak boleh disebut ialah "tuntutan" sehingga disahkan, bukan "maklumat".
- Kira semula/semak. Jika kemungkinan, jumlah, ringkasan skor diberikan, sahkan sendiri. AI mungkin salah nyata atau membuat nombor (ini dipanggil "halusinasi": apabila model menghasilkan maklumat palsu yang kelihatan seperti nyata).
- Lulus melalui penapis dasar dan perundangan. Adakah output mematuhi dasar dalaman dan peraturan undang-undang bank anda (larangan diskriminasi, kerahsiaan pelanggan, KVKK)? Output yang tidak sesuai akan ditolak, tidak kira betapa "pintar" nampaknya.
Petua: Tanya diri anda soalan ini dengan setiap output: "Bolehkah saya mempertahankan ini kepada juruaudit tanpa hanya mengatakan 'AI menghasilkannya'?" Jika jawapannya tidak, output belum sedia untuk digunakan.
Privasi: rahsia pelanggan dan KVKK
Dalam perbankan, data dilindungi dua kali ganda. Maklumat akaun pelanggan adalah kedua-dua data peribadi (dalam skop KVKK) dan rahsia pelanggan (dalam skop Undang-undang Perbankan; kewajipan bank untuk melindungi maklumat yang telah dipelajari tentang pelanggannya). Oleh itu, memuat naik data pelanggan ke mana-mana alat AI boleh menjadi pelanggaran yang serius.
Peraturan asas:
- anonimkan. Alih keluar maklumat pengenalan seperti nama, nombor TR ID, nombor akaun/IBAN, telefon. Contohnya, bukannya "Ahmet Yılmaz, TC 123..., akaun 456..." tulis "45 tahun, pelanggan segmen X".
- Data minimum. Kongsi jumlah minimum data yang benar-benar diperlukan untuk tugas itu. Bukan keseluruhan tempat pembuangan, tetapi barisan yang berkaitan.
- Gunakan kenderaan yang diluluskan. Gunakan alat yang dikontrakkan dan selamat yang diluluskan oleh bank anda. Jangan masukkan data pelanggan ke dalam alat awam jika tidak jelas ke mana perginya data.
- Tinggalkan rekod. Anda mesti boleh menunjukkan, apabila perlu, data yang anda gunakan, untuk tujuan apa dan alat yang anda gunakan (jejak audit).
Empat templat yang boleh disalin
1) Rangka kerja yang menentukan peranan dan sempadan:
Peranan anda: pembantu perbankan. MEMBUAT KEPUTUSAN; Hasilkan draf, ringkasan atau semakan ketekalan sahaja. Jangan gunakan maklumat pengenalan (nama, TR ID, IBAN). Tandai setiap titik yang anda tidak pasti sebagai "[pengesahan diperlukan]". Saya akan mengambil keputusan dan tanggungjawab muktamad. Tugas: [huraian kerja]
2) Permintaan pengesahan tiga langkah:
Audit kendiri dan laporkan output berikut daripada tiga aspek: (1) Apakah sumber/data berdasarkan setiap tuntutan anda? (2) Nombor manakah yang perlu dikira semula? (3) Adakah terdapat aspek berisiko dari segi dasar atau perundangan dalaman (diskriminasi, rahsia pelanggan, KVKK)? Senaraikan ketidakpastian dengan jelas.
3) Kawalan anonimasi:
Sebelum memberikan teks ini kepada alat, kenal pasti semua maklumat yang menjadikan orang itu boleh dikenal pasti (nama, TR ID, IBAN, telefon, alamat, gabungan ciri yang jarang berlaku) dan cadangkan cara menutupnya. Juga nyatakan data minimum yang diperlukan untuk tugasan.Teks: [data]
4) Pembantu klasifikasi lapisan:
Tentukan lapisan mana tugas berikut termasuk: penilaian awal (dipercepatkan oleh kepercayaan) / sokongan keputusan (disahkan) / penghakiman akhir (manusia). Tulis rasional anda dan nyatakan had AI untuk tugasan ini. Tugas: [tugas]
tiga kes mini
Kes 1 — Penggunaan yang betul. Pakar kredit akan menyemak timbunan 40 fail untuk dokumen yang hilang. Memberi setiap fail kepada kecerdasan buatan dengan ringkasan tanpa nama; Kecerdasan buatan menandakan "Dalam ringkasan nombor 3, tarikh sijil pendapatan lebih lama daripada 6 bulan, dan dalam nombor 7, tiada halaman tandatangan." Pakar mengesahkan tanda-tanda ini satu persatu dalam fail. Pengimbasan manual, yang mengambil masa 2 jam, dikurangkan kepada 25 minit dan setiap makluman disahkan secara manusiawi.
Kes 2 — Kegagalan amanah tanpa pengesahan. Pakar lain mengemukakan alasan penolakan pinjaman yang dihasilkan oleh kecerdasan buatan kepada pelanggan tanpa membacanya. Dalam justifikasi, kecerdasan buatan salah membaca pendapatan pelanggan dan berkata "pendapatan tidak mencukupi"; Walau bagaimanapun, dokumen itu betul. Pelanggan membantah, fail dibuka semula, dan bank kehilangan masa dan reputasi. Pengajaran: sebarang data yang berasaskan justifikasi perlu disemak di sumber.
Kes 3 — Pelanggaran kerahsiaan. Untuk kelajuan, pekerja menampal nama penuh dan penyata akaun pelanggan ke dalam alat yang tidak diluluskan dan tersedia secara umum dan bertanya, "Adakah pelanggan ini berisiko?" Dengan tindakan tunggal ini, kerahsiaan pelanggan dan KVKK telah dilanggar; Walaupun ke mana data pergi tidak jelas. Pelajaran: data mula-mula awanama, kemudian diproses hanya dalam alat yang diluluskan.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Penyata akaun Ahmet Yılmaz dilampirkan. Tentukan sama ada kita patut memberi kredit kepada pelanggan ini.
Permintaan ini termasuk maklumat yang boleh dikenal pasti secara peribadi (pelanggaran privasi), meminta AI untuk membuat keputusan secara langsung (tidak menyerahkan keputusan itu kepada manusia), dan tidak meletakkan rangka kerja pengesahan.
Gesaan kuat:
Peranan anda: pembantu kepada pakar kredit menyemak fail PERSEDIAAN dan KONSISTENSI. Membuat keputusan; Hanya tandai mata yang hilang/tidak konsisten dan nyatakan perkara yang anda asaskan. Jangan gunakan maklumat pengenalan.Pelanggan (tanpa nama): 45 tahun, segmen Tandakan "[pengesahan diperlukan]" mana-mana mata yang kelihatan hilang atau bercanggah dalam maklumat yang diberikan. Saya akan membuat keputusan kredit.
Kemahuan yang kuat tidak mengandungi identiti, mengehadkan peranan, menyerahkan kuasa keputusan kepada orang itu, dan menandakan setiap tuntutan dengan jelas untuk pengesahan.
Kesilapan biasa
- Serahkan keputusan kepada kecerdasan buatan. Membuat model mengatakan peruntukan seperti "beri / jangan beri kredit", "penipuan / tidak". Ini adalah keputusan manusia; model menawarkan draf yang paling banyak.
- Mempercayai tanpa pengesahan. Menganggap teks yang lancar dan yakin sebagai "betul". Kefasihan bukanlah ketepatan.
- Berkongsi kelayakan. Memasuki kenderaan tanpa menamakan nama, ID TR dan nombor akaun anda.
- Melangkaui jejak audit. Kegagalan untuk mendokumentasikan rasional keputusan dan data yang digunakan; Tidak dapat menjawab soalan "mengapa keputusan ini dibuat?"
- Memandu tanpa kelulusan. Memasukkan data pelanggan ke dalam alat awam yang tidak jelas ke mana perginya data.
Awas: Dalam perbankan, kos kesilapan selalunya tidak dapat dilihat dengan serta-merta; Bantahan, pemeriksaan atau hukuman datang beberapa bulan kemudian. Oleh itu, pengesahan dan rekod disiplin tidak boleh ditangguhkan hanya kerana "tidak perlu melainkan timbul masalah"; Ia sepatutnya menjadi kebiasaan sejak awal lagi.
Secara ringkasnya
Perbankan ialah bidang yang kritikal dan terkawal amanah; Jadi AI digunakan di sini sebagai pembantu, pra-penyaring dan penjana draf, bukan sebagai pembuat keputusan. Fikirkan kerja dalam tiga lapisan: penilaian awal (dipercepatkan oleh kepercayaan), sokongan keputusan (disahkan), dan penghakiman akhir (manusia). Pautkan setiap output kepada sumber, kira semula, tapis melalui dasar/perundangan. Anonimkan data, kongsi secara minimum, gunakan alat yang diluluskan dan tinggalkan jejak audit. Dalam satu ayat: AI menghasilkan draf; Orang yang berwibawa mengambil keputusan dan tanggungjawab.
Tugasan permohonan
Pilih tiga tugas biasa daripada perniagaan anda sendiri (atau sebagai contoh): satu untuk penilaian awal (cth. semakan dokumen), satu untuk sokongan keputusan (cth. draf justifikasi), satu untuk penghakiman muktamad (cth. keputusan kredit). Untuk setiap satu, (1) tulis peranan AI dalam satu ayat, (2) nyatakan langkah pengesahan yang akan anda gunakan, (3) catatkan data yang harus dianonimkan. Kemudian buat gesaan untuk tugasan "penyediaan fail" dengan templat gesaan yang berkuasa di atas dan tiga langkah menapis output.
senarai semak
- [ ] Saya menentukan lapisan tugas (penilaian awal / sokongan keputusan / penghakiman akhir).
- [ ] Saya memberikan kecerdasan buatan tugas draf/kawalan, bukan keputusan.
- [ ] Saya menyambungkan output kepada sumber dan menyemak semula nombor kritikal.
- [ ] Saya menapis output dari segi dasar dan perundangan dalaman (diskriminasi, rahsia pelanggan, KVKK).
- [ ] Saya menamakan data, berkongsi dengan minimum dan menggunakan alatan yang diluluskan.
- [ ] Saya telah merekodkan keputusan dan justifikasinya; Saya bertanggungjawab sepenuhnya.