En esta página, se describen las prácticas recomendadas para usar las puntuaciones de riesgo y la explicabilidad.
Cómo usar las puntuaciones de riesgo
Las puntuaciones de riesgo pueden usarse en tu proceso de investigación para priorizar investigaciones de partes de alto riesgo.
Los enfoques comunes incluyen alertas basadas en la carga del investigador o en un nivel de riesgo elegido:
Capacidad liderada: Alerta o investiga las n partes principales en la tabla de resultados. según la puntuación de riesgo en orden descendente, según el investigador disponible volumen.
Basado en riesgos: alerta o investiga a todas las partes que tengan una puntuación de riesgo superior a que es fijo mes a mes. Esto también se basa en la prueba resultados que ofrezcan un nivel aceptable de recuperación de casos anteriores y el descubrimiento de nuevos riesgos. Para obtener más información, consulta Recopila modelos y riesgos artefactos de administración.
Usa la explicabilidad
Las familias de atributos con las puntuaciones de atribución positivas más altas pueden ser proporcionados a los investigadores para dirigir sus investigaciones, para reducir el tiempo necesarios por investigación o aumentar la tasa de éxito. La experiencia sugiere que los puntajes negativos (que indican que una familia de atributos redujo el riesgo de un caso) pueden ser difíciles de usar para un investigador, y algunos clientes de IA de la AML no se los muestran a sus investigadores. Para obtener los mejores resultados, considera qué capacitación o orientación necesitan tus investigadores para manejar las investigaciones relacionadas con diferentes familias de atributos.
También puedes usar la explicabilidad para otros fines:
- determinar si el comportamiento de un cliente cambió lo suficiente como para justificar una investigación nueva para una 2ª alerta o una repetida para este cliente
- Generar estadísticas agregadas a partir de las contribuciones de las familias de atributos a lo largo del tiempo
Filtrar alertas repetidas
Las puntuaciones de riesgo de la IA de la AML identifican a las partes de alto riesgo, pero no separan las alertas repetidas. Por ejemplo, un cliente que presenta un alto riesgo en Es posible que marzo de 2023 tenga una puntuación alta similar en abril de 2023, lo que generará dos consecutivos a pesar de que su comportamiento se mantuviera igual. Te recomendamos que apliques reglas para filtrar las alertas repetidas y evitar volver a alertar a una parte con una investigación actual o que se completó recientemente sin un cambio significativo en la puntuación de riesgo o la explicabilidad.