End-to-end arbeidsflyt, modellstyring og egenrevisjon

Gevinster:

• Evne til sikker drift av en bankoppgave ende-til-ende med syklusen "AI produserer → ekspert verifiserer → autorisert bestemmer"
• Evne til trygt å bygge inn kunstig intelligens innenfor rammen av modellstyring, validering, overvåking og kontinuerlig forbedring
• Evne til å ta det endelige ansvaret ved å selvsjekke resultatet med fem nøkkelspørsmål (autentisering, kilde, konfidensialitet, rettferdighet, godkjenning)

Gjennom denne modulen posisjonerer vi AI som en assistent og blåkopigenerator i alle hjørner av bankvirksomhet – kreditt, svindel, segmentering, kundeservice, compliance, rapportering, finansiell analyse. I denne siste enheten setter vi brikkene sammen: hvordan kjører du en bankoppgave fra start til slutt i en sikker sløyfe, hvordan modellstyring rammer den løkken, og hvilke fem spørsmål reviderer du hver utgang med? Målet er å destillere det du har lært til en enkelt refleks: AI produserer → ekspert bekrefter → ekspert bestemmer. Denne syklusen er måten å opprettholde hastighet og sikkerhet på samme tid.

End-to-end loop: tre ringer

Tenk på hver bankoppgave som en treleddet kjede:

1. AI produserer (utkastring): Anonym, med minimalt med data, får AI-en utkast-/sjekkoppgaven - sammendrag, utkastbegrunnelse, varsel, utkast til konto. Det er ingen avgjørelse her, kun materialet.
2. Ekspert verifiserer (filterring): Output er knyttet til kilden, tall beregnes på nytt, filtreres gjennom policy/lovgivning og rettferdighet. Hallusinasjoner, diskriminering og invasjon av personvernet er eliminert her.
3. Myndighet fatter avgjørelse (signaturring): Endelig avgjørelse — kreditt, STR, svindelbeslutning, rapportsignatur — foretas av autorisert person/komité; Begrunnelse og revisjonsspor registreres.

Quest

AI produserer

Ekspert bekrefter

kompetent avgjørelse

kreditt

Utkast til begrunnelse

Forhold/kilde/rettferdighet

Tildelingsvedtak

svindel

Uregelmessig advarsel

Kontekst/kundebekreftelse

Blokker/fri kjennelse

AML

Mønster/match

Uoverensstemmelsessjekk

STR-vedtak

Rapporter

Tekst/nummerutkast

Numerisk verifisering

signatur

Analyse

Vurder/kommentarutkast

Omberegning/antakelse

Investerings-/kredittoppfatning

Tips: Den lenken som oftest hoppes over i løkken er den midterste "verifiseringen". Under press hopper folk fra utkast til vedtak. Imidlertid er det akkurat den midtringen som bestemmer både verdi og risiko. Å hoppe over bekreftelse bryter syklusen.

Modellstyring: systemet som rammer inn loopen

Utover enkeltoppgaver skal banken styre modellene som helhet. Modellstyring består av følgende komponenter:

• Validering: Modellen er uavhengig testet før den tas i bruk; Dens nøyaktighet, rettferdighet og grenser måles.
• Overvåking: Modellen kan forringes over tid (datadrift — ytelsen reduseres når inputfordelingen endres). Det overvåkes kontinuerlig.
• Dokumentasjon: Hva modellen gjør, hvilke data den er trent med, dens grenser og de ansvarlige dokumenteres.
• Rolle og ansvar: Hvem som produserer, hvem som verifiserer, hvem som bestemmer er klart definert.
• Gjennomgang og forbedring: Feil registreres, modellen revurderes med jevne mellomrom.

Forsiktig: En modell som fungerer bra vil ikke fungere bra for alltid. Økonomiske forhold, kundeadferd og svindeltaktikker endres; Hvis modellen ikke kan holde tritt med disse, begynner den å forfalske i det stille. Uten overvåking går denne degraderingen ubemerket hen.

Fem spørsmåls egensjekk

Før du bruker hver AI-utgang, still deg selv disse fem spørsmålene:

1. Bekreftelse: Har jeg koblet denne utgangen til kilden og beregnet de kritiske tallene på nytt?
2. Kilde: Er hver påstand basert på et reelt dokument/data/regel, eller kan det være fabrikkert?
3. Personvern: Er identitetsdata anonymisert, minimumsdata og godkjente verktøy brukt?
4. Rettferdighet: Inneholder utdata diskriminering av beskyttet eiendom eller surrogatvariabel?
5. Godkjenning: Ble den endelige avgjørelsen tatt av den autoriserte personen, begrunnelsen og revisjonssporet registrert?

Hvis selv en av de fem er "nei", er ikke utgangen klar til bruk.

Fire kopierbare maler

1) End-to-end oppdragsplan:

Din rolle: assistent som hjelper meg med å planlegge en bankoppgave i den sikre løkken. Oppgave: [oppgave]. Fyll meg inn med disse tre ringene: (1) hvilket utkast vil AI produsere, (2) hvilke verifiseringstrinn vil eksperten gjøre, (3) hvilken avgjørelse vil tjenestemannen ta og registrere? Foreslå et vedtak; Prosessskjelettet dukker opp.

2) Selvkontrollapplikasjon med fem spørsmål:

Sjekk følgende AI-utdata med fem spørsmål: verifisering, herkomst, personvern, rettferdighet, godkjenning. For hvert spørsmål, evaluer "ok / ufullstendig / risikabelt" og skriv hvordan du kan fikse manglene. Utdata: [tekst]

3) Merknad om modellsporing:

Din rolle: modellstyringsassistent. For en beslutningsstøttemodell vi bruker, gjør indikatorene som må overvåkes regelmessig (ytelse, rettferdighet mellom grupper, datadriftsignaler, feilregistreringer) til en sjekkliste. beslutningstaking; Foreslå overvåkingsrammeverk.

4) Saksavslutning og revisjonsspor:

Lag et sluttnotat for revisjonssporet på slutten av et oppdrag: hvilket utkast som ble produsert, hvilke verifikasjoner ble gjort, hvilken beslutning ble tatt av hvem, med hvilken begrunnelse. Bruk kun bekreftet informasjon jeg oppgir.Inndata: [informasjon]

Svak forespørsel / Sterk forespørsel

Svak melding:

Du håndterer denne oppgaven fra start til slutt og gir meg resultatet som en ferdig beslutning, så jeg skal ikke bry meg med detaljene.

Det reduserer tre ringer til et enkelt trinn, omgår verifisering og menneskelig dømmekraft, og skjuler ansvar.

Kraftig ledetekst:

Din rolle: prosessassistent, ikke beslutningstaker. Lag først disposisjonen for oppgaven, skriv deretter punktene jeg må verifisere, og til slutt minn meg på at beslutningen og revisjonssporet er mine. Legg til fem selvsjekkspørsmål (autentisering, kilde, konfidensialitet, rettferdighet, godkjenning) til utdataene.

Den sterke viljen beskytter de tre ringene, krever verifisering og overlater avgjørelsen til personen.

tre minisaker

Tilfelle 1 — Syklusen går fullt ut. I en lånesøknad produserer AI et utkast til begrunnelse (ring 1); ekspert beregner priser på nytt, kontrollerer rettferdighetsbegrunnelsen, sletter et surrogatvariabeluttrykk (ring 2); tjenestemannen tar tildelingsbeslutningen og registrerer revisjonssporet (ring 3). På 20 minutter dukker det opp en trygg og forsvarlig avgjørelse.

Tilfelle 2 — Overvåking fanger opp forringelse. Mens et svindelmønster fungerer bra i flere måneder, faller fangstraten stille på grunn av en ny svindeltaktikk. Overvåking under modellstyring merker denne nedgangen; Modellen er oppdatert. Uten overvåking ville tapene fortsette å vokse.

Tilfelle 3 - Selvkontroll forhindrer brudd. En analytiker er i ferd med å sende AI-utdata direkte for en rask rapport. Han bruker fem spørsmål: han merker at et overskuddstall ikke er bekreftet i "kilde"-spørsmålet. Kontroller fra kilden; nummeret er feil. Tretti sekunders egenkontroll forhindrer at et falskt bilde sendes til ledelsen.

Klarhet i roller: hvem produserer, hvem verifiserer, hvem bestemmer

Tre-ringssyklusen er trygg bare når rollene er klare. Den vanligste feilen er det uskarpe området hvor "alle er ansvarlige, men ingen er ansvarlige": utkastet ble produsert av AI, ingen bekreftet det fullstendig, og beslutningen forble uten tilsyn fordi den "forlot systemet". Dette gapet er der feil lettest kommer inn.

I en sunn fiksjon har hver ring en eier:

• Generator (assistent + bruker): Anonym, person som ber om utkastet og forbereder oppføringen med minimalt med data.
• Verifikator (ekspert): Noen som kobler utdata til kilden, beregner tallene på nytt og filtrerer det for rettferdighet og konfidensialitet. Denne rollen hoppes aldri over.
• Beslutningstaker (myndighet/utvalg): Myndigheten som tar den endelige beslutningen og signerer begrunnelse og revisjonsspor.

Noen ganger tar samme person flere roller; Dette er ikke et problem, så lenge du sørger for at hver lenke er laget bevisst og registrert. Problemet er at en ring står blank med antagelsen om at "noen må ha gjort det".

Tips: Etter å ha tatt en avgjørelse, spør deg selv "Hvem er den eneste eieren av denne avgjørelsen?" spørre. Hvis svaret ikke er et klart navn, betyr det at ansvarskjeden er brutt; Start løkken på nytt.

Vanlige feil

• Hopp over midtringen. Går direkte fra utkast til vedtak og hopper over verifisering.
• Legger ansvaret på modellen. Å si "AI vil håndtere det" og ikke eie den endelige avgjørelsen og signaturen.
• Tenker på å sette modellen og glemme den. Forlater modellen som fungerte bra når den ikke ble fulgt; ser ikke datadrift.
• Forlater ikke et revisjonsspor. Ikke registrere hvem som tok hvilken avgjørelse og hvorfor.
• Omgå selvkontroll. Bruke utdataene uten å stille de fem spørsmålene.

Tips: Gjør selvsjekken med fem spørsmål til en vane; Det blir automatisk over tid og tar sekunder. Mange av de største feilene oppstår når disse få sekundene med kontroll overskrides.

Oppsummert

Bruken av sikker kunstig intelligens i bankvirksomhet er en syklus med tre ringer: AI produserer, ekspert verifiserer, autoritet tar beslutninger. Modellstyring (validering, overvåking, dokumentasjon, ansvarlighet, forbedring) rammer inn denne syklusen. Selvsjekk hver utgang med fem spørsmål – autentisering, kilde, konfidensialitet, rettferdighet, godkjenning; Hvis til og med én mangler, er utgangen ikke klar. Modellen kan gå i stykker; overvåking er viktig. Ansvaret ligger alltid hos personen. I én setning: Kunstig intelligens er det første leddet i syklusen; verifisering og endelig avgjørelse er ringene til den kompetente mannen som kan gi en redegjørelse.

Søknadsoppgave

Velg en oppgave fra din egen virksomhet og lag en ende-til-ende-plan med tre ringer med mal 1: hva vil AI produsere, hva vil eksperten verifisere, hva vil myndigheten registrere og bestemme. Skriv deretter et eksempel på AI-utdata for den oppgaven, bruk selvsjekken med fem spørsmål med den andre malen og rett opp manglene. Lag til slutt en overvåkingssjekkliste med mal 3 for et beslutningsstøtteverktøy du bruker.

sjekkliste

• [ ] Jeg strukturerte oppgaven i en tre-ringsløkke (generer / verifiser / avgjør).
• [ ] Jeg hoppet ikke over den midterste lenken (verifisering); Jeg sjekket kilden og tallene.
• [ ] Jeg administrerte fem spørsmål om selvkontroll; Hvis det manglet noe, ville jeg gå.
• [ ] Jeg bestod filtrene for personvern og rettferdighet.
• [ ] Jeg tok hensyn til risikoen for modellsporing og korrupsjon.
• [ ] Jeg tok ansvar ved å registrere den endelige avgjørelsen, dens begrunnelse og revisjonssporet.

Moduleksamen

1. En kredittekspert overfører årsaken til avvisning av lån generert av kunstig intelligens til kunden uten å sjekke den. Hva er den grunnleggende feilen i denne tilnærmingen?

• A) Utdata fra kunstig intelligens kan ikke brukes uten verifisering; Utkast til vedtaksbegrunnelse skal gjennomgås og godkjennes av autorisert sakkyndig ✔
• B) Kunstig intelligens gir alltid lånet begrunnelse som negativ
• C) Kun poengsummen skal fortelles kunden i stedet for årsaken
• D) Begrunnelsen burde vært formidlet til kunden på telefon i stedet for e-post.

Forklaring: Mens kunstig intelligens kan gi en konsistent begrunnelse, kan den også produsere en feilaktig og til og med diskriminerende begrunnelse med samme tillit basert på feil data eller feil antagelser. Bank er et regulert, tillitskritisk område; Hver utgang skal verifiseres av en ekspert, og kreditttildelingsbeslutningen og endelig begrunnelse må tilhøre den autoriserte personen.

2. Hva er den beste oppførselen når det gjelder konfidensialitet (KVKK og kundehemmelighet) ved overføring av en kundes bankkontotransaksjoner til et kunstig intelligensverktøy?

• A) Kundens fulle navn og kontoutskrift skal lastes opp som det er for hastighet.
• B) Ved å fjerne personlig identifiserbar informasjon og anonymisere data, bør kun minimum nødvendig informasjon deles i et godkjent sikkert verktøy ✔
• C) Hvis dataene er kryptert, kan navn og kontonummer også sendes til et hvilket som helst kjøretøy
• D) Fordi formålet er godt, kan hele utskriften deles uten å spørre kunden

Forklaring: Kundeøkonomiske data er både personopplysninger og kundehemmeligheter innenfor banklovens virkeområde. Identifikasjonsinformasjon som navn, TR ID, kontonummer bør fjernes og dataene anonymiseres; Minimumsdataene som kreves for oppgaven bør deles og kun sikre verktøy godkjent av institusjonen skal brukes.

3. Kunstig intelligens gir en begrunnelse for beslutningen om en kredittscoringsmodell, for eksempel "avvisning fordi nabolaget der søkeren bor er risikabelt". Hva skal eksperten gjøre?

• A) Begrunnelsen brukes som den er fordi modellen er basert på statistikk
• B) Distriktsinformasjon vektes ytterligere og vedtaket styrkes.
• C) Dette kan være indirekte diskriminering gjennom en proxy-variabel; Begrunnelsen må forkastes og vedtaket må bygge på legitime og forklarlige kriterier ✔
• D) Årsaken er ikke fortalt til kunden, den er bare oppbevart i filen, det vil ikke være noe problem.

Forklaring: Bostedsdistrikt kan være en proxy-variabel som er sterkt relatert til etnisitet eller lignende beskyttede egenskaper, og skaper indirekte diskriminering. Denne typen begrunnelse er juridisk og etisk uakseptabel; Beslutningen skal bygge på legitime, forklarbare og ikke-diskriminerende kriterier, og denne begrunnelsen må forkastes.

4. I et svindeldeteksjonssystem flagger kunstig intelligens en transaksjon som "høy risiko". Hva er den beste tilnærmingen?

• A) Advarselen er et forhåndskontrollsignal; Virkelig svindel og falsk alarm bør skilles ut ved ekspertundersøkelse og den endelige dommen bør gjøres humant ✔
• B) Transaksjonen blokkeres automatisk og permanent, gjennomgang er unødvendig
• C) Advarselen ignoreres fordi de fleste advarslene er falske
• D) Kunden blir oppringt og får direkte skylden

Forklaring: AI-advarselen er et foreløpig screening- og sannsynlighetssignal, ikke en endelig dom. Det er opp til eksperten å skille mellom ekte svindel og falske positiver, å undersøke uten å skade kunden, og å ta den endelige avgjørelsen; Advarselen skal ikke automatisk blokkere kontoen permanent.

5. Hva koster et stort antall falske positive varsler ved svindeloppdagelse?

• A) En falsk positiv koster ingenting, jo flere advarsler jo bedre
• B) Skaper kundenød og alarmtretthet; Øker risikoen for at ekte svindel går ubemerket hen ✔
• C) Det øker bare strømforbruket til systemet
• D) Falsk positiv forekommer kun i natthandler

Forklaring: Falske positiver skaper ulemper og misnøye ved å unødvendig hindre transaksjoner til legitime kunder; Det skaper også varslingstretthet hos analytikere, og øker risikoen for at ekte svindel blir oversett. Derfor bør terskler og regler balanseres, og advarsler bør prioriteres.

6. Hva er den mest etisk kritiske grensen ved utforming av kundesegmentering og tilpassede kampanjer?

• A) Jo smalere segmenter jo bedre, det er ingen andre grenser
• B) Personalisering er kun et teknisk problem, det krever ikke etiske grenser
• C) Kvalifisering, samtykke og ikke-diskriminering må beskyttes; Utnytting og manipulasjon av den sårbare kunden skal forhindres ✔
• D) Hvis kampanjen sendes til alle likt, vil det ikke være noen etiske problemer.

Forklaring: Selv om segmentering kan brukes til fordel for kunden (egnet produktanbefaling), kan den også misbrukes til å utnytte sårbarhet (som f.eks. markedsføring av tilleggskreditt til en overbelastet kunde). Prinsippene om egnethet, samtykke og ikke-diskriminering må beskyttes; personalisering bør ikke bli til manipulasjon.

7. Hva er den beste sikkerhetspolicyen for en kundeservice chatbot?

• A) Chatboten skal kunne fullføre alle typer transaksjoner og finansiell rådgivning på egen hånd
• B) Fremskynder rutineinformasjon; Klager, sensitive råd og autoriserte transaksjoner bør delegeres til mennesker, uverifisert informasjon bør ikke gis ✔
• C) Chatbot kan dele all kontoinformasjon uten å bekrefte kundens identitet
• D) Alternativet for menneskelig overlevering bør fjernes fordi det bremser chatboten.

Beskrivelse: Chatboten fremskynder ofte spurt informasjon og rutinetransaksjoner på en sikker måte, men klager, sensitiv økonomisk rådgivning, autoriserte transaksjoner på kontoen og tvetydige situasjoner bør delegeres til den autoriserte medarbeideren. I tillegg skal ikke chatboten avsløre kundehemmeligheter eller gi ubekreftet informasjon.

8. I AML/KYC-prosesser flagger kunstig intelligens en transaksjon som mistenkelig. Hva er riktig tilnærming når det gjelder rapportering av mistenkelige transaksjoner (STR)?

• A) Hvis modellen har merket, skal varslingen skje automatisk, compliance officer er unødvendig
• B) Advarselen ignoreres fordi de fleste transaksjoner er legitime
• C) Transaksjonen rapporteres umiddelbart til kunden som "det er mistanke om hvitvasking"
• D) Modellutgangen er en foreløpig screening og utkast; STR-beslutningen tas av den autoriserte etterlevelsesansvarlige, og bevarer begrunnelsen og revisjonssporet ✔

Beskrivelse: Transaksjonsovervåking og skanning med kunstig intelligens flagger raskt potensielt mistenkelige mønstre, men rapportering av mistenkelige transaksjoner (STR/SAR) er en avgjørelse med juridiske konsekvenser og tas etter vurdering fra den autoriserte compliance officer. Modellutgangen er et foreløpig og utkast; Revisjonssporet og begrunnelsen skal bevares.

9. I sanksjonslisten / PEP (politisk utsatt person) screening samsvarer den kunstige intelligensen med et navn, men dette kan være et falskt samsvar. Hva er riktig tilnærming?

• A) Match må bekreftes med ytterligere identifikatorer (fødselsdato, nasjonalitet); Avgjørelsen må tas av complianceansvarlig ✔
• B) Navnelikhet er tilstrekkelig, kunden blir umiddelbart erklært sanksjonert
• C) Alle kamper anses som falske og ignoreres
• D) Avgjørelsen overlates til chatboten

Forklaring: Navneskanninger kan produsere falske positiver på grunn av lignende navn. Overholdelsesansvarlig må bekrefte samsvar med fødselsdato, nasjonalitet og andre identifikatorer; Å feilaktig erklære en kunde sanksjonert eller savne en ekte kamp har begge alvorlige konsekvenser. Avgjørelsen tilhører mennesket.

10. Du laget et utkast til ledelsesrapport med kunstig intelligens; Rapporten inkluderer kvartalsvise resultattall. Hva er det mest kritiske trinnet før signering?

• A) Alle kritiske tall i rapporten bør revalideres mot kildedata; Det endelige signaturansvaret ligger hos mennesket ✔
• B) Kunstig intelligens gir tall uten feil, verifisering er bortkastet tid
• C) Kun formatet er avkrysset for å få rapporten til å se vakrere ut.
• D) Rapporten sendes direkte til toppledelsen, kontroll foretas senere

Forklaring: Kunstig intelligens kan feilrepresentere numeriske verdier, utgjøre dem eller oppsummere dem i strid med kildedataene. Alle kritiske tall bør verifiseres på nytt mot kildedataene før rapporten signeres; Selv om automatisering gir hastighet, ligger det endelige signaturansvaret hos mennesket.

11. Kunstig intelligens analyserer regnskapet til et selskap og sier "selskapet er veldig solid, lånet bør definitivt gis". Hva er finansanalytikerens ansvar?

• A) Å akseptere teksten som den er, fordi kunstig intelligens kjenner økonomi uten feil
• B) Rekalkulere forholdstall fra kildetabeller og stille spørsmål ved antagelser; Ta den endelige avgjørelsen som et menneske, angir usikkerhet ✔
• C) Presentere avgjørelsen direkte for komiteen som 'AI-godkjent'
• D) Avslå lånet uten å lese analysen i det hele tatt

Forklaring: Finansiell analyse avhenger av forutsetninger og nøyaktigheten av input; AI kan feilberegne hastigheter, ignorere manglende data eller bruke altfor presist språk. Analytikeren må beregne priser på nytt fra kildetabeller, stille spørsmål ved antagelser og ta den endelige kredittbeslutningen menneskelig, med henvisning til usikkerhet.

12. Selv om en kredittmodell kanskje ikke direkte bruker en beskyttet egenskap som kjønn eller etnisitet, kan den indirekte gjenspeile dem gjennom postnummer og shoppingdata. Hva kalles denne situasjonen og hvorfor er den risikabel?

• A) Dette kalles overlæring og vil bare redusere nøyaktigheten
• B) Dette kalles datalekkasje og er bare et hastighetsproblem
• C) Dette kalles indirekte diskriminering gjennom en proxy-variabel; er ulovlig og må kontrolleres ved rettferdighetstester ✔
• D) Dette kalles normalisering og er helt ufarlig

Forklaring: Variabler som er sterkt assosiert med en beskyttet egenskap kalles proxy-variabler. Selv om modellen ikke bruker den beskyttede funksjonen direkte, kan den diskriminere indirekte gjennom fullmektiger. Dette er både ulovlig og uetisk; Modeller bør testes med rettferdighetsmålinger og proxy-risiko bør kontrolleres.

13. En bank bruker en kunstig intelligensmodell i kredittbeslutninger. Hva er et av de mest grunnleggende kravene når det gjelder lovverk og revisjonsevne?

• A) Jo mer kompleks og uforståelig modellen er, jo sikrere er den
• B) Det er unødvendig å føre journal, vedtak kan forklares muntlig
• C) Kundens rett til å protestere bør fjernes fordi det bremser prosessen
• D) Modellen skal kunne forklares, beslutningsbegrunnelsen og revisjonssporet skal beholdes, kunden skal gis rett til innsigelse/menneskelig vurdering ✔

Forklaring: I regulerte beslutningsprosesser skal modellen kunne forklares, begrunnelsen for beslutningen skal dokumenteres, det skal føres journal (revisjonsspor), og kunden skal gis rett til å protestere/be om menneskelig vurdering. Den uberettigede beslutningen om en "black box"-modell kan ikke revideres og er ikke i samsvar med lovgivningen.

14. Hvordan beskriver nøkkelprinsippet som er vektlagt gjennom modulen rollen til kunstig intelligens i bankvirksomhet?

• A) Kunstig intelligens kan erstatte erfarne bankfolk og fullføre lån og varsler på egen hånd
• B) Kunstig intelligens brukes kun til markedsføring, ikke til beslutningstaking
• C) Utgang av kunstig intelligens er trygg selv uten verifisering fordi den er basert på statistikk
• D) Kunstig intelligens er en assistent og trekkgenerator; Kreditttildeling, svindel/samsvarsvurdering og endelig avgjørelse ligger hos den autoriserte personen ✔

Beskrivelse: AI setter fart på repeterende oppgaver som assistent, forhåndskontroller og utkastgenerator; Men siden vi jobber i et regulert, tillitskritisk område, er den endelige avgjørelsen angående kreditttildeling, svindel/compliance bestemmelse og kunden den autoriserte personens ansvar (autorisert bankmann og beslutningskomité). Ubekreftet utdata er et usignert utkast til beslutning.