Dobički:
- Sposobnost razlikovanja, kje umetna inteligenca prihrani realni čas v bančnem delovnem toku (predhodna ocena, podpora pri odločanju, delovanje, poročanje) in kje so regulirane odločitve in odločitve, ki so kritične za zaupanje (dodeljevanje kredita, zagotavljanje goljufije/skladnosti), prepuščene ljudem, glede na stopnjo tveganja naloge
- Sposobnost uporabe discipline, ki preverja vsak izhod umetne inteligence s koraki povezovanja z virom, ponovnega izračuna in posredovanja skozi filtriranje politike/zakonodaje.
- Anonimizacija podatkov o strankah in finančnih podatkih v okviru KVKK, skrivnosti strank in pravil bančne zaupnosti ter pridobivanje navade izbire varnih vozil
Bančnikov dan je poln številk, odločitev in zaupanja. Vloga za posojilo se ovrednoti, transakcija se pregleda, da se ugotovi, ali gre za goljufijo, kateri produkt je primeren za stranko, izvede se preverjanje skladnosti in na koncu dneva se podpiše poročilo. Skupno tem delom je, da vsa zahtevajo hitro delo in ob nepravilnem opravljanju neposredno škodujejo denarju, ugledu ali pravnemu statusu banke. Ravno tu pade v to napetost umetna inteligenca. Ob pravilni uporabi skrajša delovne ure na minute; Če se uporablja nepravilno, pospeši napake, povzroči diskriminacijo in povzroči nenadzorovane odločitve.
V tem modulu bomo umetno inteligenco postavili kot pomočnika, predpreglednika in generatorja osnutkov. Umetna inteligenca vam pomaga prebrati datoteko, piše osnutke, išče nedoslednosti in povzema. Toda odločitev je vaša. Ali odobriti kredit, ali transakcijo obravnavati kot sumljivo, kaj reči stranki – vse to so presoje pooblaščenega človeka. V tej enoti bomo temeljito vzpostavili to razlikovanje, to je, kje umetna inteligenca prihrani čas in kje je odločitev prepuščena ljudem, disciplini preverjanja in pravilom zasebnosti.
Zakaj je bančništvo "kritično za zaupanje" in "regulirano" področje
Če orodje za oblikovanje igre ne deluje pravilno, ne bo nihče poškodovan. Toda nedelujoč model v banki lahko družino prikrajša za kredit, ki si ga zasluži, povzroči viktimizacijo zakonite stranke tako, da jo označi za goljufa, ali spregleda pranje denarja in banko izpostavi visokim kaznim. Bančništvo torej opredeljujejo dve značilnosti:
- Kritično za zaupanje: odločitve vplivajo na denar in prihodnost ljudi. Tudi če je napaka popravljiva, je škoda resnična.
- Regulirano: bančništvo; Obkrožajo ga predpisi, kot so BDDK (Agencija za bančno regulacijo in nadzor, javni organ, ki nadzoruje banke), MASAK (Odbor za preiskave finančnih zločinov, institucija za boj proti pranju denarja) in KVKK (Zakon o varstvu osebnih podatkov). Ne morete razložiti odločitve z besedami "umetna inteligenca je tako rekla"; Odločitev morate znati utemeljiti.
Ti dve funkciji določata osnovno pravilo uporabe umetne inteligence: rezultat umetne inteligence ni nadomestilo za odobritev pristojnega strokovnjaka. Odločitev je na osebi. Ta stavek bomo skozi modul večkrat ponovili, saj najdražje napake v bančništvu nastanejo, ko se to pravilo pozabi.
Pozor: Če rečemo, da model deluje zelo natančno, ne pomeni, da lahko odločitev prepustimo modelu. Tudi model, ki je 99-odstotno pravilen, z enako zanesljivostjo predstavi svojo 1-odstotno napako. V bančništvu je ta 1 odstotek posojilo osebe ali kazen banke.
Kje umetna inteligenca pride prav v bančništvu?
Razmišljanje o bančnem poslu v treh plasteh pojasnjuje, kam postaviti AI:
- Predhodna ocena in priprava (nizko tveganje, velik dobiček): Branje dokumenta, kontrola manjkajočega dokumenta, povzetek datoteke, skeniranje doslednosti podatkov. Tukaj, tudi če umetna inteligenca naredi napako, je tveganje mogoče obvladovati, saj za njim stoji človeški pregled; Dobitek je velik.
- Podpora pri odločanju (srednje tveganje): Osnutek utemeljitve kredita, povzetek profila tveganja, finančni komentar, osnutek sumljive transakcije. Tukaj umetna inteligenca daje predloge, odločitev pa je v rokah človeka. Preverjanje je bistveno.
- Končna odločitev in presoja (visoko tveganje, človek): dodelitev kredita, razsodba o goljufiji, poročanje o sumljivih transakcijah, odločitev, ki se odraža na stranki. To je plast, kjer umetna inteligenca ne more sprejemati odločitev; ponuja največ osnutkov.
Naslednja tabela razvršča tipične bančne naloge po stopnji tveganja:
Iskanje
plast
vloga AI
Kdo odloča?
V kreditni datoteki manjka preverjanje dokumenta
predhodno vrednotenje
Skeniranje, povzetek
Strokovne ocene
Razlog za zavrnitev/odobritev kredita
podporo pri odločanju
Osnutek utemeljitve
kompetentnega strokovnjaka
Opozorilo o anomaliji transakcije
podporo pri odločanju
Predkvalifikacijski signal
analitik goljufij
Poročanje o sumljivih transakcijah (STR)
pravnomočna sodba
osnutek
uradnik za skladnost
Odločitev o dodelitvi kredita
pravnomočna sodba
osnutek/povzetek
Organ/odbor
Osnutek korespondence s strankami
predhodno vrednotenje
osnutek besedila
Zaposleni odobri
Disciplina validacije: tristopenjski filter
Vsakič prepeljite rezultat AI skozi te tri korake. To bo osnovni refleks, ki ga bomo ponavljali skozi ves modul:
- Povežite ga z virom. Na katerem dokumentu, kateri transakciji računa in katerem pravilu temelji vsaka številka, zahtevek in utemeljitev v izpisu? Izhod, katerega vira ni mogoče navesti, je "trditev", dokler ni preverjena, in ne "informacija".
- Preračunaj/preveri. Če je podana kvota, skupni seštevek, povzetek rezultata, to potrdite sami. AI lahko napačno predstavi ali izmisli številke (to se imenuje "halucinacija": ko model proizvede napačne informacije, ki se zdijo resnične).
- Spustiti skozi filter politike in zakonodaje. Ali je rezultat v skladu z notranjimi politikami in pravnimi predpisi vaše banke (prepoved diskriminacije, zaupnost strank, KVKK)? Izhod, ki ne ustreza, bo zavrnjen, ne glede na to, kako "pameten" se zdi.
Namig: ob vsakem rezultatu si zastavite to vprašanje: "Ali lahko to zagovarjam pred revizorjem, ne da bi samo rekel, da je to ustvarila umetna inteligenca?" Če je odgovor ne, izhod še ni pripravljen za uporabo.
Zasebnost: skrivnost stranke in KVKK
V bančništvu so podatki dvojno varovani. Podatki o računu stranke so hkrati osebni podatki (v okviru KVKK) in skrivnost stranke (v okviru zakona o bančništvu; obveznost banke, da varuje podatke, ki jih je izvedela o svoji stranki). Zato je lahko nalaganje podatkov o strankah v katero koli orodje AI resna kršitev.
Osnovna pravila:
- Anonimiziraj. Odstranite identifikacijske podatke, kot so ime, ID številka TR, številka računa/IBAN, telefon. Na primer, namesto "Ahmet Yılmaz, TC 123 ..., račun 456 ..." napišite "45 let, stranka segmenta X".
- Minimalni podatki. Delite najmanjšo količino podatkov, ki je resnično potrebna za nalogo. Ne celotno smetišče, ampak ustrezne vrstice.
- Uporabite odobreno vozilo. Uporabljajte pogodbena in varna orodja, ki jih je odobrila vaša banka. Ne vnašajte podatkov o strankah v javno orodje, če ni jasno, kam gredo podatki.
- Pusti zapis. Po potrebi morate biti sposobni pokazati, katere podatke ste uporabili, za kakšen namen in katero orodje ste uporabili (revizijska sled).
Štiri predloge za kopiranje
1) Okvir, ki določa vloge in meje:
Vaša vloga: bančni pomočnik. ODLOČANJE; Izdelajte samo osnutke, povzetke ali preverjanje skladnosti. Ne uporabljajte identifikacijskih podatkov (ime, TR ID, IBAN). Označite vsako točko, za katero niste prepričani, kot "[potrebna je potrditev]". Prevzel bom končno odločitev in odgovornost. Naloga: [opis delovnega mesta]
2) Zahteva za preverjanje v treh korakih:
Naredite samorevizijo in poročajte o naslednjih rezultatih s treh vidikov: (1) Na katerem viru/podatkih temelji vsaka vaša trditev? (2) Katera števila je treba preračunati? (3) Ali obstaja tvegan vidik v smislu notranje politike ali zakonodaje (diskriminacija, skrivnost stranke, KVKK)? Jasno navedite negotovosti.
3) Nadzor anonimizacije:
Preden daste to besedilo orodju, določite vse informacije, zaradi katerih je osebo mogoče prepoznati (ime, TR ID, IBAN, telefon, naslov, redka kombinacija funkcij) in predlagajte, kako jih prikriti. Določite tudi minimalne podatke, potrebne za nalogo. Besedilo: [podatki]
4) Pomočnik za klasifikacijo plasti:
Določite, v katero plast spada naslednja naloga: predhodno vrednotenje (pospešeno z zaupanjem) / podpora odločitvi (preverjeno) / končna presoja (človeško). Napišite svojo utemeljitev in povejte, kakšna je omejitev umetne inteligence pri tej nalogi. Naloga: [naloga]
trije mini kovčki
1. primer – pravilna uporaba. Kreditni strokovnjak bo pregledal sveženj 40 datotek za manjkajoče dokumente. Preda vsako datoteko umetni inteligenci z anonimiziranim povzetkom; Umetna inteligenca označuje "V povzetku številka 3 je datum dohodninske listine starejši od 6 mesecev, v številki 7 pa ni strani s podpisom." Izvedenec te znake enega za drugim potrdi v spisu. Ročno skeniranje, ki traja 2 uri, se skrajša na 25 minut in vsako opozorilo preveri človek.
2. primer – napaka zaupanja brez preverjanja pristnosti. Drugi strokovnjak stranki posreduje razlog za zavrnitev posojila, ki ga ustvari umetna inteligenca, ne da bi ga prebral. V utemeljitvi je umetna inteligenca napačno prebrala dohodek stranke in dejala, da je "dohodek nezadosten"; Vendar je dokument pravilen. Stranka ugovarja, datoteka se znova odpre, banka pa izgubi čas in ugled. Nauk: vse podatke, na katerih je temeljila utemeljitev, je bilo treba preveriti pri viru.
Primer 3 – Kršitev zaupnosti. Zaradi hitrosti zaposleni prilepi polno ime stranke in izpisek računa v neodobreno, javno dostopno orodje in vpraša: "Ali je ta stranka ogrožena?" S tem edinim dejanjem sta bila kršena zaupnost strank in KVKK; Tudi kam gredo podatki, ni jasno. Nauk: podatki so najprej anonimizirani, nato pa obdelani samo v odobrenem orodju.
Šibek poziv/močan poziv
Šibek poziv:
Priložen je izpisek računa Ahmeta Yılmaza. Odločite se, ali naj tej stranki damo kredit.
Ta zahteva vključuje podatke, ki omogočajo osebno identifikacijo (kršitev zasebnosti), neposredno zahteva odločitev od umetne inteligence (odločitve ne prepušča človeku) in ne postavlja okvira za preverjanje.
Močan poziv:
Vaša vloga: pomočnik kreditnega specialista preverjanje datoteke PRIPRAVA in DOSLEDNOST. Odločanje; Samo označite manjkajoče/neskladne točke in navedite, na čem temeljite. Ne uporabljajte identifikacijskih podatkov. Stranka (anonimna): 45 let, segment Označite z "[potrebna je potrditev]" vse točke, za katere se zdi, da v podanih informacijah manjkajo ali so v nasprotju. Odločil se bom o kreditu.
Močna volja ne vsebuje identitete, omejuje vlogo, prepušča avtoriteto odločanja osebi in vsako trditev jasno označi za potrditev.
Pogoste napake
- Odločitev prepuščamo umetni inteligenci. Izdelava modela pravi določbe, kot so "daj / ne daj kredita", "goljufija / ne". To so človeške odločitve; model ponuja največ osnutkov.
- Zaupanje brez preverjanja. Zamenjajte tekoče in samozavestno besedilo za "pravilno". Tekočnost ni natančnost.
- Skupna raba poverilnic. Vstop v vozilo brez anonimiziranja vašega imena, TR ID in številke računa.
- Mimo revizijske sledi. Nedokumentiranje utemeljitve odločitve in uporabljenih podatkov; Nezmožnost odgovora na vprašanje "zakaj je bila sprejeta ta odločitev?"
- Vožnja brez odobritve. Vnašanje podatkov o strankah v javna orodja, kjer ni jasno, kam gredo podatki.
Pozor: v bančništvu cena napake pogosto ni takoj vidna; Ugovor, inšpekcija ali kazen pridejo mesece kasneje. Zato preverjanja in evidentiranja discipline ni mogoče odlagati samo zato, ker »ni potrebe, razen če pride do težav«; To bi morala biti navada že od samega začetka.
Če povzamem
Bančništvo je za zaupanje kritično in regulirano področje; Umetna inteligenca se torej tukaj uporablja kot pomočnik, predpreglednik in generator osnutkov, ne pa kot odločevalec. Razmislite o delu v treh plasteh: predhodno vrednotenje (pospešeno z zaupanjem), podpora odločitvi (preverjeno) in končna presoja (človeška). Povežite vsak rezultat z virom, preračunajte, filtrirajte skozi politiko/zakonodajo. Anonimizirajte podatke, delite jih minimalno, uporabite odobrena orodja in pustite revizijsko sled. Z enim stavkom: AI ustvarja osnutke; Odločitev in odgovornost prevzamejo pristojni ljudje.
Aplikacijska naloga
Izberite tri tipične naloge iz lastnega podjetja (ali kot primer): eno za predhodno oceno (npr. preverjanje dokumentov), eno za podporo odločanju (npr. osnutek utemeljitve), eno za končno presojo (npr. kreditna odločitev). Za vsakega (1) v enem stavku napišite vlogo AI, (2) navedite, kateri korak preverjanja boste uporabili, (3) zabeležite, kateri podatki morajo biti anonimizirani. Nato ustvarite poziv za nalogo »priprava datoteke« z zgornjo zmogljivo predlogo poziva in filtrirajte izhod v treh korakih.
kontrolni seznam
- [ ] Določila sem plast naloge (predhodna ocena / pomoč pri odločanju / končna presoja).
- [ ] Umetni inteligenci sem dal osnutek/kontrolno nalogo, ne odločitve.
- [ ] Izhod sem povezal z virom in ponovno preveril kritične številke.
- [ ] Izpis sem filtriral glede na notranjo politiko in zakonodajo (diskriminacija, skrivnost stranke, KVKK).
- [ ] Podatke sem anonimiziral, jih minimalno delil in uporabil odobrena orodja.
- [ ] Odločitev in njeno utemeljitev sem zabeležil; Prevzel sem končno odgovornost.