بینکنگ میں مصنوعی ذہانت کا تعارف: کردار، حدود، تصدیق اور اخلاقیات

فائدہ:

• جہاں مصنوعی ذہانت بینکنگ ورک فلو (پری اسسمنٹ، فیصلے کی حمایت، آپریشن، رپورٹنگ) میں حقیقی وقت کی بچت کرتی ہے اور جہاں ٹاسک رسک لیول کے مطابق، ریگولیٹڈ اور قابل اعتماد فیصلے (کریڈٹ ایلوکیشن، فراڈ/مپلائینس پروویژن) انسانوں پر چھوڑے جاتے ہیں، یہ فرق کرنے کی صلاحیت
• ایک نظم و ضبط کو لاگو کرنے کی اہلیت جو ہر AI آؤٹ پٹ کو ماخذ سے منسلک کرنے، اس کی دوبارہ گنتی کرنے اور اسے پالیسی/قانون سازی کی فلٹرنگ کے ذریعے منتقل کرنے کے مراحل کے ذریعے تصدیق کرتی ہے۔
• KVKK کے دائرہ کار میں گاہک اور مالیاتی ڈیٹا کو گمنام رکھنا، گاہک کے خفیہ اور بینک کی رازداری کے قوانین اور محفوظ گاڑیوں کے انتخاب کی عادت ڈالنا

بینکر کا دن نمبروں، فیصلوں اور اعتماد سے بھرا ہوتا ہے۔ قرض کی درخواست کا جائزہ لیا جاتا ہے، لین دین کی جانچ پڑتال کی جاتی ہے کہ آیا یہ دھوکہ دہی ہے، کس پروڈکٹ کو صارف کے لیے موزوں سمجھا جاتا ہے، تعمیل کی جانچ پڑتال کی جاتی ہے اور دن کے آخر میں ایک رپورٹ پر دستخط کیے جاتے ہیں۔ ان ملازمتوں میں جو چیز مشترک ہے وہ یہ ہے کہ ان سب کو فوری کام کی ضرورت ہوتی ہے اور، غلط طریقے سے کیے جانے پر، کسی شخص کے پیسے، ساکھ یا بینک کی قانونی حیثیت کو براہ راست نقصان پہنچتا ہے۔ یہ وہ جگہ ہے جہاں مصنوعی ذہانت اس تناؤ میں آتی ہے۔ جب صحیح طریقے سے استعمال کیا جائے تو یہ کام کے گھنٹوں کو منٹوں میں گھٹا دیتا ہے۔ جب غلط استعمال کیا جاتا ہے، تو یہ غلطی کو تیز کرتا ہے، امتیاز پیدا کرتا ہے اور بے قابو فیصلوں کا نتیجہ ہوتا ہے۔

اس پورے ماڈیول میں ہم AI کو اسسٹنٹ، پری اسکرینر اور ڈرافٹ جنریٹر کے طور پر رکھیں گے۔ مصنوعی ذہانت آپ کے لیے فائل کو پڑھنے، ڈرافٹ لکھنے، تضادات تلاش کرنے اور خلاصہ کرنے میں مدد کرتی ہے۔ لیکن فیصلہ آپ کا ہے۔ کیا کریڈٹ دینا ہے، کیا کسی لین دین کو مشکوک سمجھنا ہے، کسی صارف کو کیا کہنا ہے- یہ سب ایک بااختیار انسان کے فیصلے ہیں۔ اس یونٹ میں، ہم بنیادی طور پر اس فرق کو قائم کریں گے، یعنی جہاں مصنوعی ذہانت وقت کی بچت کرتی ہے اور جہاں فیصلہ انسانوں پر چھوڑ دیا جاتا ہے، تصدیقی نظم و ضبط اور رازداری کے اصول۔

کیوں بینکنگ ایک 'اعتماد کے لیے اہم' اور 'منظم' علاقہ ہے۔

اگر پن ڈیزائن ٹول غلط طریقے سے کام کرتا ہے تو کسی کو تکلیف نہیں پہنچتی ہے۔ لیکن بینک میں خرابی کا ماڈل ایک خاندان کو اس کریڈٹ سے محروم کر سکتا ہے جس کا وہ مستحق ہے، ایک جائز صارف کو دھوکہ باز کا لیبل لگا کر اس کا نشانہ بنا سکتا ہے، یا منی لانڈرنگ کو نظر انداز کر سکتا ہے اور بینک کو بھاری جرمانے کا سامنا کر سکتا ہے۔ لہذا، بینکنگ کی تعریف دو خصوصیات سے ہوتی ہے:

• قابل اعتماد: فیصلے لوگوں کے پیسے اور مستقبل کو متاثر کرتے ہیں۔ یہاں تک کہ اگر غلطی پلٹ سکتی ہے، نقصان حقیقی ہے.
• ریگولیٹڈ: بینکنگ؛ یہ BDDK (بینکنگ ریگولیشن اینڈ سپرویژن ایجنسی، پبلک اتھارٹی جو بینکوں کی نگرانی کرتا ہے)، MASAK (مالی جرائم کی تحقیقاتی بورڈ، منی لانڈرنگ سے لڑنے والا ادارہ) اور KVKK (پرسنل ڈیٹا پروٹیکشن قانون) جیسے ضوابط سے گھرا ہوا ہے۔ آپ "AI نے ایسا کہا" کہہ کر کسی فیصلے کی وضاحت نہیں کر سکتے۔ آپ کو فیصلے کا جواز پیش کرنے کے قابل ہونا چاہئے۔

یہ دو خصوصیات AI کے استعمال کے بنیادی اصول کو قائم کرتی ہیں: AI آؤٹ پٹ کسی قابل ماہر سے منظوری کا متبادل نہیں ہے۔ فیصلہ شخص پر ہے۔ ہم اس جملے کو پورے ماڈیول میں کئی بار دہرائیں گے، کیونکہ بینکنگ میں سب سے مہنگی غلطیاں اس وقت ہوتی ہیں جب اس اصول کو بھول جاتا ہے۔

دھیان دیں: "ماڈل بہت درست طریقے سے کام کرتا ہے" کہنے کا مطلب یہ نہیں ہے کہ "ہم فیصلہ ماڈل پر چھوڑ سکتے ہیں"۔ یہاں تک کہ ایک ماڈل جو 99 فیصد درست ہے اپنی 1 فیصد غلطی کو اسی اعتماد کے ساتھ پیش کرتا ہے۔ بینکنگ میں، وہ 1 فیصد ایک شخص کا قرض یا بینک کا جرمانہ ہے۔

بینکنگ میں مصنوعی ذہانت کہاں کام آتی ہے؟

بینکنگ کے کاروبار کو تین پرتوں میں سوچنے سے یہ واضح ہو جاتا ہے کہ AI کو کہاں رکھنا ہے:

1. پیشگی تشخیص اور تیاری (کم خطرہ، زیادہ فائدہ): دستاویز پڑھنا، دستاویز کا کنٹرول غائب ہونا، فائل کا خلاصہ، ڈیٹا کی مستقل مزاجی اسکیننگ۔ یہاں، اگر مصنوعی ذہانت سے کوئی غلطی ہو جائے تو بھی خطرے کو سنبھالا جا سکتا ہے کیونکہ اس کے پیچھے انسانی جائزہ ہے۔ فائدہ بڑا ہے۔
2. فیصلے کی حمایت (درمیانی خطرہ): کریڈٹ جواز کا مسودہ، رسک پروفائل کا خلاصہ، مالیاتی تبصرہ، مشکوک لین دین کا مسودہ۔ یہاں، مصنوعی ذہانت سے تجاویز پیدا ہوتی ہیں، لیکن فیصلہ انسان کا ہے۔ تصدیق ضروری ہے۔
3. حتمی فیصلہ اور فیصلہ (زیادہ خطرہ، انسانی): کریڈٹ مختص، دھوکہ دہی کا فیصلہ، مشتبہ لین دین کی رپورٹنگ، فیصلہ صارف پر ظاہر ہوتا ہے۔ یہ وہ تہہ ہے جہاں مصنوعی ذہانت فیصلے نہیں کر سکتی۔ سب سے زیادہ ڈرافٹ پیش کرتا ہے۔

درج ذیل جدول خطرے کی سطح کے لحاظ سے عام بینکنگ کاموں کو رکھتا ہے:

جستجو

پرت

AI کا کردار

کون فیصلہ کرتا ہے؟

کریڈٹ فائل غائب دستاویز چیک

ابتدائی تشخیص

اسکین، خلاصہ

ماہرین کے جائزے

کریڈٹ مسترد/منظوری کی وجہ

فیصلے کی حمایت

مسودہ جواز

قابل ماہر

لین دین میں بے ضابطگی کا الرٹ

فیصلے کی حمایت

پری کوالیفائنگ سگنل

فراڈ تجزیہ کار

مشکوک ٹرانزیکشن رپورٹنگ (STR)

حتمی فیصلہ

مسودہ

تعمیل افسر

کریڈٹ مختص کرنے کا فیصلہ

حتمی فیصلہ

مسودہ/ خلاصہ

اتھارٹی/کمیٹی

کسٹمر خط و کتابت کا مسودہ

ابتدائی تشخیص

مسودہ متن

ملازم منظور کرتا ہے۔

توثیق کا نظم و ضبط: تین قدمی فلٹر

ہر بار ان تین مراحل کے ذریعے AI آؤٹ پٹ لیں۔ یہ وہ بنیادی اضطراری ہوگا جسے ہم پورے ماڈیول میں دہرائیں گے:

1. اسے ماخذ سے جوڑیں۔ آؤٹ پٹ میں کون سی دستاویز، کون سا اکاؤنٹ ٹرانزیکشن، اور ہر ایک نمبر، دعویٰ اور جواز کس اصول پر مبنی ہے؟ ایک ایسا آؤٹ پٹ جس کے ذریعہ کا حوالہ نہیں دیا جا سکتا ہے، تصدیق ہونے تک "دعویٰ" ہے، "معلومات" نہیں۔
2. دوبارہ گنتی/چیک کریں۔ اگر کوئی مشکلات، کل، سکور کا خلاصہ دیا گیا ہے، تو خود اس کی تصدیق کریں۔ AI نمبروں کو غلط طریقے سے پیش کر سکتا ہے یا بنا سکتا ہے (اسے "ہیلوسینیشن" کہا جاتا ہے: جب ماڈل غلط معلومات تیار کرتا ہے جو حقیقی معلوم ہوتی ہے)۔
3. اسے پالیسی اور قانون سازی کے فلٹر سے گزاریں۔ کیا آؤٹ پٹ آپ کے بینک کی داخلی پالیسیوں اور قانونی قواعد (امتیازی سلوک کی ممانعت، کسٹمر کی رازداری، KVKK) کی تعمیل کرتا ہے؟ ایک آؤٹ پٹ جو فٹ نہیں ہے اسے مسترد کر دیا جائے گا، چاہے وہ کتنا ہی "سمارٹ" کیوں نہ ہو۔

ٹپ: ہر آؤٹ پٹ کے ساتھ اپنے آپ سے یہ سوال پوچھیں: "کیا میں کسی آڈیٹر سے صرف یہ کہے بغیر اس کا دفاع کر سکتا ہوں 'AI نے اسے تیار کیا'؟" اگر جواب نہیں ہے تو، آؤٹ پٹ ابھی تک استعمال کے لیے تیار نہیں ہے۔

رازداری: گاہک کا راز اور KVKK

بینکنگ میں، ڈیٹا دوگنا محفوظ ہے۔ صارف کے اکاؤنٹ کی معلومات ذاتی ڈیٹا (KVKK کے دائرہ کار میں) اور صارف کا راز (بینکنگ قانون کے دائرہ کار کے اندر؛ بینک کی ذمہ داری ہے کہ وہ اپنے صارف کے بارے میں جانی گئی معلومات کی حفاظت کرے)۔ لہذا، کسی بھی AI ٹول پر کسٹمر ڈیٹا اپ لوڈ کرنا سنگین خلاف ورزی ہو سکتی ہے۔

بنیادی اصول:

• نام ظاہر نہ کریں۔ شناختی معلومات کو ہٹا دیں جیسے نام، TR ID نمبر، اکاؤنٹ/IBAN نمبر، فون۔ مثال کے طور پر، "Ahmet Yılmaz, TC 123...، اکاؤنٹ 456..." کے بجائے "45 سال پرانا، X سیگمنٹ کسٹمر" لکھیں۔
• کم سے کم ڈیٹا۔ ڈیٹا کی کم از کم مقدار کا اشتراک کریں جو کام کے لیے واقعی ضروری ہے۔ پورے ڈمپ نہیں، لیکن متعلقہ لائنیں.
• منظور شدہ گاڑی استعمال کریں۔ اپنے بینک سے منظور شدہ معاہدہ شدہ اور محفوظ ٹولز استعمال کریں۔ اگر یہ واضح نہیں ہے کہ ڈیٹا کہاں جا رہا ہے تو عوامی ٹول میں کسٹمر کا ڈیٹا درج نہ کریں۔
• ایک ریکارڈ چھوڑ دو۔ آپ کو یہ دکھانے کے قابل ہونا چاہیے کہ جب ضروری ہو، آپ نے کون سا ڈیٹا استعمال کیا، کس مقصد کے لیے، اور کون سا ٹول استعمال کیا (آڈٹ ٹریل)۔

چار کاپی کرنے کے قابل ٹیمپلیٹس

1) فریم ورک جو کردار اور حدود کا تعین کرتا ہے:

آپ کا کردار: بینکنگ اسسٹنٹ۔ فیصلہ سازی؛ صرف ڈرافٹ، خلاصے، یا مستقل مزاجی کے چیک تیار کریں۔ شناختی معلومات (نام، TR ID، IBAN) استعمال نہ کریں۔ ہر اس نقطہ کو نشان زد کریں جس کے بارے میں آپ کو یقین نہیں ہے "[تصدیق درکار ہے]"۔ میں حتمی فیصلہ اور ذمہ داری لوں گا۔ کام: [ملازمت کی تفصیل]

2) تین قدمی توثیق کی درخواست:

خود آڈٹ کریں اور درج ذیل آؤٹ پٹ کو تین پہلوؤں سے رپورٹ کریں: (1) آپ کا ہر دعویٰ کس ذریعہ/ڈیٹا پر مبنی ہے؟ (2) کن نمبروں کو دوبارہ شمار کرنے کی ضرورت ہے؟ (3) کیا داخلی پالیسی یا قانون سازی کے لحاظ سے کوئی خطرناک پہلو ہے (امتیازی، گاہک کا راز، KVKK)؟ غیر یقینی صورتحال کو واضح طور پر درج کریں۔

3) گمنامی کنٹرول:

کسی ٹول کو یہ ٹیکسٹ دینے سے پہلے، ان تمام معلومات کی شناخت کریں جو شخص کو قابل شناخت بناتی ہے (نام، ٹی آر آئی ڈی، آئی بی اے این، فون، پتہ، نایاب فیچر کا امتزاج) اور اسے ماسک کرنے کا طریقہ تجویز کریں۔ ٹاسک کے لیے درکار کم از کم ڈیٹا کی بھی وضاحت کریں۔ ٹیکسٹ: [ڈیٹا]

4) پرت درجہ بندی اسسٹنٹ:

اس بات کا تعین کریں کہ درج ذیل کام کس پرت میں آتا ہے: ابتدائی تشخیص (اعتماد سے تیز) / فیصلے کی حمایت (تصدیق شدہ) / حتمی فیصلہ (انسانی)۔ اپنا استدلال لکھیں اور بتائیں کہ اس کام پر AI کی حد کیا ہے۔ کام: [کام]

تین چھوٹے مقدمات

کیس 1 - درست استعمال۔ ایک کریڈٹ ماہر لاپتہ دستاویزات کے لیے 40 فائلوں کے اسٹیک کو چیک کرے گا۔ ہر فائل کو مصنوعی ذہانت کو گمنام سمری کے ساتھ دیتا ہے۔ مصنوعی ذہانت کا نشان ہے "خلاصہ نمبر 3 میں، انکم سرٹیفکیٹ کی تاریخ 6 ماہ سے زیادہ پرانی ہے، اور نمبر 7 میں، کوئی دستخطی صفحہ نہیں ہے۔" ماہر فائل میں ایک ایک کرکے ان علامات کی تصدیق کرتا ہے۔ دستی اسکیننگ، جس میں 2 گھنٹے لگتے ہیں، کو کم کر کے 25 منٹ کر دیا جاتا ہے اور ہر الرٹ کی انسانی طور پر تصدیق کی جاتی ہے۔

کیس 2 - تصدیق سے پاک اعتماد کی ناکامی۔ ایک اور ماہر مصنوعی ذہانت سے پیدا کردہ قرض مسترد کرنے کی وجہ بغیر پڑھے گاہک کو بھیج دیتا ہے۔ جواز میں، مصنوعی ذہانت نے گاہک کی آمدنی کو غلط لکھا اور کہا کہ "آمدنی ناکافی ہے"؛ تاہم، دستاویز درست ہے. صارف اعتراض کرتا ہے، فائل کو دوبارہ کھول دیا جاتا ہے، اور بینک وقت اور ساکھ دونوں کھو دیتا ہے۔ سبق: کوئی بھی ڈیٹا جس پر جواز کی بنیاد رکھی گئی تھی اسے ماخذ پر چیک کیا جانا تھا۔

کیس 3 - رازداری کی خلاف ورزی۔ رفتار کے لیے، ایک ملازم ایک غیر منظور شدہ، عوامی طور پر دستیاب ٹول میں گاہک کا پورا نام اور اکاؤنٹ اسٹیٹمنٹ چسپاں کرتا ہے اور پوچھتا ہے، "کیا یہ گاہک خطرے میں ہے؟" اس واحد کارروائی سے، گاہک کی رازداری اور KVKK کی خلاف ورزی ہوئی ہے۔ یہاں تک کہ ڈیٹا کہاں جاتا ہے یہ واضح نہیں ہے۔ سبق: ڈیٹا کو پہلے گمنام کیا جاتا ہے، پھر صرف منظور شدہ ٹول میں اس پر کارروائی کی جاتی ہے۔

کمزور فوری / مضبوط اشارہ

کمزور اشارہ:

احمد یلماز کا اکاؤنٹ اسٹیٹمنٹ منسلک ہے۔ فیصلہ کریں کہ آیا ہمیں اس گاہک کو کریڈٹ دینا چاہیے۔

اس درخواست میں ذاتی طور پر قابل شناخت معلومات (پرائیویسی کی خلاف ورزی) شامل ہے، AI سے براہ راست فیصلہ مانگتا ہے (فیصلہ انسان پر نہیں چھوڑتا)، اور کوئی تصدیقی فریم ورک نہیں رکھتا۔

طاقتور اشارہ:

آپ کا کردار: کریڈٹ اسپیشلسٹ کی فائل کی جانچ پڑتال کی تیاری اور مطابقت۔ فیصلہ سازی؛ صرف غائب/متضاد پوائنٹس کو نشان زد کریں اور بتائیں کہ آپ کس چیز پر مبنی ہیں۔ شناختی معلومات کا استعمال نہ کریں۔ کسٹمر (گمنام): 45 سال پرانا، سیگمنٹ مارک "[تصدیق درکار]" کوئی بھی نکات جو فراہم کردہ معلومات میں غائب یا متضاد معلوم ہوں۔ میں کریڈٹ کا فیصلہ کروں گا۔

مضبوط ارادہ شناخت پر مشتمل نہیں ہوتا، کردار کو محدود کرتا ہے، فیصلے کا اختیار شخص پر چھوڑ دیتا ہے، اور تصدیق کے لیے ہر دعوے کو واضح طور پر نشان زد کرتا ہے۔

عام غلطیاں

• فیصلہ مصنوعی ذہانت پر چھوڑتے ہیں۔ ماڈل بنانا کہ "کریڈٹ دیں / نہ دیں"، "فراڈ / نہیں" جیسی دفعات۔ یہ انسانی فیصلے ہیں۔ ماڈل سب سے زیادہ ڈرافٹ پیش کرتا ہے۔
• تصدیق کے بغیر اعتماد کرنا۔ روانی اور پراعتماد متن کو "درست" سمجھنا۔ روانی درستگی نہیں ہے۔
• اسناد کا اشتراک کرنا۔ اپنا نام، ٹی آر آئی ڈی اور اکاؤنٹ نمبر ظاہر کیے بغیر گاڑی میں داخل ہونا۔
• آڈٹ ٹریل کو نظرانداز کرنا۔ فیصلے کے استدلال اور استعمال شدہ ڈیٹا کو دستاویز کرنے میں ناکامی؛ اس سوال کا جواب نہ دینا کہ "یہ فیصلہ کیوں کیا گیا؟"
• منظوری کے بغیر گاڑی چلانا۔ عوامی ٹولز میں کسٹمر کا ڈیٹا داخل کرنا جہاں یہ واضح نہیں ہے کہ ڈیٹا کہاں جاتا ہے۔

احتیاط: بینکنگ میں، غلطی کی قیمت اکثر فوری طور پر نظر نہیں آتی۔ اعتراض، معائنہ یا سزا مہینوں بعد آتی ہے۔ لہذا، تصدیق اور ریکارڈنگ کے نظم و ضبط کو صرف اس وجہ سے ملتوی نہیں کیا جا سکتا کہ "جب تک مسائل پیدا نہ ہوں کوئی ضرورت نہیں"؛ اس کی عادت شروع سے ہونی چاہیے۔

خلاصہ میں

بینکنگ ایک قابل اعتماد اور منظم علاقہ ہے۔ لہذا AI یہاں ایک اسسٹنٹ، پری اسکرینر اور ڈرافٹ جنریٹر کے طور پر استعمال ہوتا ہے، فیصلہ ساز کے طور پر نہیں۔ تین تہوں میں کام کے بارے میں سوچیں: ابتدائی تشخیص (اعتماد سے تیز)، فیصلے کی حمایت (تصدیق شدہ)، اور حتمی فیصلہ (انسانی)۔ ہر آؤٹ پٹ کو ماخذ سے جوڑیں، دوبارہ گنتی کریں، پالیسی/قانون سازی کے ذریعے فلٹر کریں۔ ڈیٹا کو گمنام کریں، کم سے کم شیئر کریں، منظور شدہ ٹولز استعمال کریں اور آڈٹ ٹریل چھوڑ دیں۔ ایک جملے میں: AI ڈرافٹ تیار کرتا ہے۔ قابل لوگ فیصلہ اور ذمہ داری لیتے ہیں۔

درخواست کا کام

اپنے کاروبار سے تین عام کاموں کا انتخاب کریں (یا مثال کے طور پر): ایک ابتدائی تشخیص کے لیے (مثلاً دستاویز کی جانچ)، ایک فیصلے کی حمایت کے لیے (مثلاً جواز کا مسودہ)، ایک حتمی فیصلے کے لیے (مثلاً کریڈٹ فیصلہ)۔ ہر ایک کے لیے، (1) ایک جملے میں AI کا کردار لکھیں، (2) اس بات کی نشاندہی کریں کہ آپ کس تصدیقی مرحلے کا اطلاق کریں گے، (3) نوٹ کریں کہ کون سا ڈیٹا گمنام ہونا چاہیے۔ پھر اوپر والے طاقتور پرامپٹ ٹیمپلیٹ کے ساتھ "فائل کی تیاری" کے کام کے لیے ایک پرامپٹ بنائیں اور آؤٹ پٹ کو تھری سٹیپ فلٹر کریں۔

چیک لسٹ

• میں نے کام کی پرت کا تعین کیا (ابتدائی تشخیص / فیصلے کی حمایت / حتمی فیصلہ)۔
• میں نے مصنوعی ذہانت کو ایک ڈرافٹ/کنٹرول ٹاسک دیا، فیصلہ نہیں۔
• [ ] میں نے آؤٹ پٹ کو سورس سے منسلک کیا اور اہم نمبروں کو دوبارہ چیک کیا۔
• [ ] میں نے آؤٹ پٹ کو داخلی پالیسی اور قانون سازی کے لحاظ سے فلٹر کیا (امتیازی، کسٹمر سیکریٹ، KVKK)۔
• میں نے ڈیٹا کو گمنام کیا، اسے کم سے کم شیئر کیا اور منظور شدہ ٹولز کا استعمال کیا۔
• میں نے فیصلہ اور اس کا جواز درج کر لیا ہے۔ میں نے حتمی ذمہ داری لی۔