Zyski:
- Możliwość rozróżnienia, gdzie sztuczna inteligencja oszczędza czas rzeczywisty w przepływie pracy w bankowości (ocena wstępna, wspomaganie decyzji, obsługa, raportowanie), a gdzie decyzje regulowane i decyzje krytyczne dla zaufania (alokacja kredytu, oszustwa/zapewnienie zgodności) pozostawia się ludziom, zgodnie z poziomem ryzyka zadania
- Możliwość zastosowania dyscypliny weryfikującej każdy wynik AI poprzez etapy podłączenia go do źródła, ponownego obliczenia i przekazania przez filtrowanie polityki/przepisów.
- Anonimizacja danych klientów i finansowych w zakresie KVKK, tajemnicy klienta i tajemnicy bankowej oraz wyrobienie nawyku wybierania bezpiecznych pojazdów
Dzień bankiera wypełniony jest liczbami, decyzjami i pewnością siebie. Oceniany jest wniosek kredytowy, sprawdzana jest transakcja pod kątem oszustwa, który produkt jest uznawany za odpowiedni dla klienta, przeprowadzana jest weryfikacja zgodności i na koniec podpisywany jest protokół. Cechą wspólną tych zawodów jest to, że wszystkie wymagają szybkiej pracy, a jeśli zostaną wykonane nieprawidłowo, bezpośrednio szkodzą pieniądzom danej osoby, reputacji lub statusowi prawnemu banku. To właśnie w tym napięciu sztuczna inteligencja wpada w to napięcie. Prawidłowo stosowany skraca godziny pracy do minut; Niewłaściwie użyte przyspiesza błąd, powoduje dyskryminację i skutkuje niekontrolowanymi decyzjami.
W tym module będziemy pozycjonować sztuczną inteligencję jako asystenta, osobę przeprowadzającą selekcję wstępną i generator projektu. Sztuczna inteligencja pomaga za Ciebie przeczytać plik, pisze wersje robocze, szuka niespójności i podsumowuje. Ale decyzja należy do Ciebie. Czy udzielić kredytu, czy uznać transakcję za podejrzaną, co powiedzieć klientowi – wszystko to jest oceną uprawnionego człowieka. W tej jednostce zasadniczo ustalimy to rozróżnienie, czyli tam, gdzie sztuczna inteligencja oszczędza czas, a gdzie decyzję pozostawia się ludziom, dyscyplinę weryfikacji i zasady prywatności.
Dlaczego bankowość jest obszarem „krytycznym dla zaufania” i „regulowanym”.
Jeśli narzędzie do projektowania kalamburów działa nieprawidłowo, nikt nie ucierpi. Jednak źle funkcjonujący model banku może pozbawić rodzinę kredytu, na jaki zasługuje, stać się ofiarą legalnego klienta, etykietując go jako oszusta, lub przeoczyć pranie pieniędzy i narazić bank na surowe kary. Dlatego bankowość definiowana jest przez dwie cechy:
- Zaufanie krytyczne: decyzje wpływają na pieniądze i przyszłość ludzi. Nawet jeśli błąd jest odwracalny, szkody są realne.
- Regulowane: Bankowość; Otaczają go regulacje takie jak BDDK (Agencja Regulacji i Nadzoru Bankowego, organ publiczny nadzorujący banki), MASAK (Komisja Badania Przestępstw Finansowych, instytucja walcząca z praniem pieniędzy) i KVKK (Ustawa o Ochronie Danych Osobowych). Nie można wyjaśnić decyzji stwierdzeniem „AI tak powiedziała”; Musisz umieć uzasadnić swoją decyzję.
Te dwie cechy wyznaczają podstawową zasadę wykorzystania AI: wyniki AI nie zastępują zgody kompetentnego eksperta. Decyzja należy do danej osoby. Będziemy to zdanie powtarzać w całym module wielokrotnie, bo najkosztowniejsze błędy w bankowości zdarzają się, gdy zapomina się o tej regule.
Uwaga: Stwierdzenie „model działa bardzo dokładnie” nie oznacza, że „możemy pozostawić decyzję modelowi”. Nawet model, który jest poprawny w 99%, wykazuje błąd wynoszący 1% z taką samą pewnością. W bankowości ten 1 procent to pożyczka danej osoby lub kara bankowa.
Gdzie sztuczna inteligencja przydaje się w bankowości?
Myślenie o biznesie bankowym w trzech warstwach wyjaśnia, gdzie umieścić sztuczną inteligencję:
- Wstępna ocena i przygotowanie (niskie ryzyko, duży zysk): Czytanie dokumentów, kontrola brakujących dokumentów, podsumowanie plików, skanowanie spójności danych. W tym przypadku nawet jeśli sztuczna inteligencja popełni błąd, ryzykiem można zarządzać, ponieważ stoi za nim weryfikacja człowieka; Zysk jest duży.
- Wsparcie decyzji (średnie ryzyko): Projekt uzasadnienia kredytowego, podsumowanie profilu ryzyka, komentarz finansowy, projekt podejrzanej transakcji. Tutaj sztuczna inteligencja generuje sugestie, ale decyzja należy do człowieka. Weryfikacja jest niezbędna.
- Ostateczna decyzja i osąd (wysokie ryzyko, ludzkie): alokacja kredytu, werdykt w sprawie oszustwa, zgłaszanie podejrzanych transakcji, decyzja odzwierciedlana w kliencie. Jest to warstwa, w której sztuczna inteligencja nie może podejmować decyzji; oferuje najwięcej wersji roboczych.
Poniższa tabela zestawia typowe zadania bankowe według poziomu ryzyka:
Zadanie
warstwa
Rola sztucznej inteligencji
Kto decyduje?
Sprawdzenie brakującego dokumentu w pliku kredytowym
wstępna ocena
Skan, podsumowanie
Recenzje ekspertów
Powód odrzucenia/zatwierdzenia kredytu
wsparcie decyzji
Projekt uzasadnienia
kompetentny ekspert
Alert dotyczący anomalii w transakcjach
wsparcie decyzji
Sygnał przedkwalifikacyjny
analityk ds. oszustw
Zgłaszanie podejrzanych transakcji (STR)
ostateczny wyrok
projekt
specjalista ds. zgodności
Decyzja o przyznaniu kredytu
ostateczny wyrok
projekt/streszczenie
Organ/komisja
Projekt korespondencji z klientem
wstępna ocena
projekt tekstu
Pracownik zatwierdza
Dyscyplina walidacji: filtr trójstopniowy
Za każdym razem przeprowadź wyniki AI przez te trzy kroki. Będzie to podstawowy odruch, który będziemy powtarzać w całym module:
- Podłącz go do źródła. Na jakim dokumencie, jakiej transakcji na rachunku i na jakiej regule opiera się każdy numer, roszczenie i uzasadnienie na wyjściu? Wynik, którego źródła nie można podać, jest „twierdzeniem” do czasu zweryfikowania, a nie „informacją”.
- Przelicz/sprawdź. Jeśli podany jest kurs, suma lub podsumowanie wyników, potwierdź je samodzielnie. Sztuczna inteligencja może błędnie przedstawiać lub wymyślać liczby (nazywa się to „halucynacją”: gdy model generuje fałszywe informacje, które wydają się prawdziwe).
- Przepuścić go przez filtr polityki i prawodawstwa. Czy wyniki są zgodne z wewnętrznymi politykami i przepisami prawnymi Twojego banku (zakaz dyskryminacji, poufność klienta, KVKK)? Wynik, który nie pasuje, zostanie odrzucony, niezależnie od tego, jak „inteligentny” się wydaje.
Wskazówka: w przypadku każdego wyniku zadaj sobie to pytanie: „Czy mogę obronić to przed audytorem, nie mówiąc tylko: „Wyprodukowała to sztuczna inteligencja”? Jeśli odpowiedź brzmi „nie”, dane wyjściowe nie są jeszcze gotowe do użycia.
Prywatność: tajemnica klienta i KVKK
W bankowości dane są podwójnie chronione. Informacje o koncie klienta to zarówno dane osobowe (w zakresie KVKK), jak i tajemnica klienta (w zakresie Prawa bankowego; obowiązek banku w zakresie ochrony informacji, które uzyskał o swoim kliencie). Dlatego przesyłanie danych klientów do dowolnego narzędzia AI może być poważnym naruszeniem.
Podstawowe zasady:
- Anonimizuj. Usuń informacje identyfikujące, takie jak imię i nazwisko, numer TR ID, numer konta/IBAN, telefon. Na przykład zamiast „Ahmet Yılmaz, TC 123…, konto 456…” napisz „45 lat, klient segmentu X”.
- Minimalne dane. Udostępnij minimalną ilość danych, która jest naprawdę niezbędna do wykonania zadania. Nie cały zrzut, ale odpowiednie linie.
- Korzystaj z zatwierdzonego pojazdu. Korzystaj z zakontraktowanych i bezpiecznych narzędzi zatwierdzonych przez Twój bank. Nie wprowadzaj danych klientów do narzędzia publicznego, jeśli nie jest jasne, dokąd dane trafiają.
- Zostaw zapis. Musisz być w stanie wykazać, jeśli to konieczne, z jakich danych korzystałeś, w jakim celu i z jakiego narzędzia skorzystałeś (ścieżka audytu).
Cztery szablony do kopiowania
1) Ramy określające role i granice:
Twoja rola: asystent bankowy. PODEJMOWANIE DECYZJI; Twórz wyłącznie wersje robocze, podsumowania lub kontrole spójności. Nie używaj informacji identyfikacyjnych (imię i nazwisko, TR ID, IBAN). Oznacz każdy punkt, którego nie jesteś pewien, jako „[wymagane potwierdzenie]”. Podejmę ostateczną decyzję i odpowiedzialność. Zadanie: [opis stanowiska]
2) Żądanie weryfikacji trzyetapowej:
Dokonaj samokontroli i zgłoś następujące wyniki z trzech aspektów: (1) Na jakim źródle/danych opierają się Twoje twierdzenia? (2) Które liczby należy przeliczyć? (3) Czy istnieje ryzykowny aspekt z punktu widzenia polityki wewnętrznej lub ustawodawstwa (dyskryminacja, tajemnica klienta, KVKK)? Wyraźnie wypisz niepewności.
3) Kontrola anonimizacji:
Zanim przekażesz ten tekst narzędziu, zidentyfikuj wszystkie informacje, które umożliwiają identyfikację danej osoby (imię i nazwisko, TR ID, IBAN, telefon, adres, kombinacja rzadkich funkcji) i zasugeruj, jak to zamaskować. Podaj także minimalne dane wymagane do wykonania zadania.Tekst: [dane]
4) Asystent klasyfikacji warstw:
Określ, w której warstwie mieści się następujące zadanie: ocena wstępna (przyspieszona zaufaniem) / wsparcie decyzji (zweryfikowane) / osąd końcowy (ludzki). Napisz swoje uzasadnienie i określ, jaki jest limit sztucznej inteligencji w tym zadaniu. Zadanie: [zadanie]
trzy mini etui
Przypadek 1 – Prawidłowe użycie. Specjalista kredytowy sprawdzi stos 40 teczek pod kątem brakujących dokumentów. Daje każdy plik sztucznej inteligencji z anonimowym podsumowaniem; Sztuczna inteligencja zaznacza: „W podsumowaniu nr 3 data zaświadczenia o dochodach jest starsza niż 6 miesięcy, a w nr 7 nie ma strony z podpisem”. Biegły potwierdza te znaki jeden po drugim w aktach. Skanowanie ręczne, które zajmuje 2 godziny, skraca się do 25 minut, a każdy alert jest weryfikowany przez człowieka.
Przypadek 2 — Awaria zaufania bez uwierzytelnienia. Inny ekspert przekazuje klientowi bez czytania przyczynę odmowy pożyczki wygenerowaną przez sztuczną inteligencję. W uzasadnieniu sztuczna inteligencja błędnie odczytała dochody klienta i stwierdziła, że „dochody są niewystarczające”; Dokument jest jednak prawdziwy. Klient sprzeciwia się, sprawa zostaje otwarta ponownie, a bank traci zarówno czas, jak i reputację. Wniosek: wszelkie dane, na których opierało się uzasadnienie, należało sprawdzić u źródła.
Przypadek 3 – Naruszenie poufności. Aby przyspieszyć, pracownik wkleja imię i nazwisko klienta oraz wyciąg z konta do niezatwierdzonego, publicznie dostępnego narzędzia i pyta: „Czy ten klient jest zagrożony?” Tym pojedynczym działaniem naruszona została poufność klienta i KVKK; Nie jest jasne nawet, dokąd trafiają te dane. Lekcja: dane są najpierw anonimizowane, a następnie przetwarzane wyłącznie w zatwierdzonym narzędziu.
Słaba zachęta/silna zachęta
Słaba zachęta:
W załączeniu wyciąg z konta Ahmeta Yılmaza. Zdecyduj, czy powinniśmy przyznać kredyt temu klientowi.
Żądanie to obejmuje dane osobowe (naruszenie prywatności), zwraca się do sztucznej inteligencji o bezpośrednią decyzję (nie pozostawiając decyzji człowiekowi) i nie wprowadza żadnych ram weryfikacji.
Potężny monit:
Twoja rola: asystent specjalisty kredytowego sprawdzający PRZYGOTOWANIE i SPÓJNOŚĆ dokumentacji. Podejmowanie decyzji; Po prostu zaznacz brakujące/niespójne punkty i podaj, na czym się opierasz. Nie używaj informacji identyfikacyjnych.Klient (anonimowy): 45 lat, segment Zaznacz „[wymagane potwierdzenie]” wszelkie punkty, których wydaje się brakować lub które są sprzeczne w dostarczonych informacjach. Podejmę decyzję kredytową.
Silna wola nie zawiera tożsamości, ogranicza rolę, pozostawia władzę decyzyjną osobie i wyraźnie zaznacza każde żądanie do potwierdzenia.
Typowe błędy
- Pozostawienie decyzji sztucznej inteligencji. Dodanie do modelu zapisów takich jak „dawać/nie udzielać kredytu”, „oszustwo/nie”. To są ludzkie decyzje; model oferuje najwięcej przeciągów.
- Zaufanie bez weryfikacji. Uznawanie płynnego i pewnego tekstu za „poprawny”. Płynność to nie dokładność.
- Udostępnianie danych uwierzytelniających. Wejście do pojazdu bez anonimizacji imienia i nazwiska, TR ID i numeru konta.
- Ominięcie ścieżki audytu. Brak udokumentowania uzasadnienia decyzji i wykorzystanych danych; Niemożność odpowiedzi na pytanie „dlaczego podjęto taką decyzję?”
- Jazda bez zezwolenia. Wprowadzanie danych klientów do narzędzi publicznych, gdzie nie jest jasne, dokąd dane trafiają.
Uwaga: w bankowości koszt błędu często nie jest widoczny od razu; Sprzeciw, kontrola lub kara pojawiają się kilka miesięcy później. Dlatego też nie można odkładać kontroli i ewidencji tylko dlatego, że „nie ma takiej potrzeby, chyba że pojawią się problemy”; Powinno to być nawykiem od samego początku.
Podsumowując
Bankowość jest obszarem krytycznym i regulowanym pod względem zaufania; Dlatego sztuczna inteligencja jest tutaj wykorzystywana jako asystent, osoba przeprowadzająca selekcję wstępną i generator projektów, a nie jako osoba podejmująca decyzje. Pomyśl o pracy w trzech warstwach: ocena wstępna (przyspieszona przez zaufanie), wsparcie decyzji (zweryfikowane) i osąd końcowy (ludzki). Połącz każdy wynik ze źródłem, przelicz, przefiltruj politykę/przepisy. Anonimizuj dane, udostępniaj je minimalnie, korzystaj z zatwierdzonych narzędzi i zostaw ścieżkę audytu. W jednym zdaniu: AI tworzy wersje robocze; Kompetentni ludzie podejmują decyzję i odpowiedzialność.
Zadanie aplikacji
Wybierz trzy typowe zadania z Twojej firmy (lub jako przykład): jedno do oceny wstępnej (np. sprawdzenie dokumentów), jedno do wsparcia decyzji (np. projekt uzasadnienia), jedno do ostatecznej oceny (np. decyzja kredytowa). Dla każdego z nich (1) napisz w jednym zdaniu rolę AI, (2) wskaż, jaki etap weryfikacji zastosujesz, (3) zwróć uwagę, które dane powinny zostać zanonimizowane. Następnie utwórz zachętę do zadania „przygotowania pliku” za pomocą powyższego potężnego szablonu podpowiedzi i trzyetapowego filtrowania danych wyjściowych.
lista kontrolna
- [ ] Ustaliłem warstwę zadania (ocena wstępna/wsparcie decyzji/orzeczenie końcowe).
- [ ] Dałem sztucznej inteligencji projekt/kontrolę, a nie decyzję.
- [ ] Podłączyłem wyjście do źródła i ponownie sprawdziłem wartości krytyczne.
- [ ] Wyniki przefiltrowałem pod kątem polityki wewnętrznej i ustawodawstwa (dyskryminacja, tajemnica klienta, KVKK).
- [ ] Zanonimizowałem dane, udostępniłem je w minimalnym stopniu i korzystałem z zatwierdzonych narzędzi.
- [ ] Zapisałem decyzję i jej uzasadnienie; Wziąłem na siebie ostateczną odpowiedzialność.