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 se pueden usar 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:
Basado en la capacidad: Alerta o investiga las n partes principales de la tabla de resultados según la puntuación de riesgo en orden descendente, según el volumen de investigadores disponible.
Basado en el riesgo: Alerta o investiga a todas las partes con una puntuación de riesgo superior a un umbral fijo que se establece mes a mes. Esto también se basa en los resultados de las pruebas retrospectivas, que proporcionan un nivel aceptable de recuperación de casos anteriores y descubrimiento de riesgos nuevos. Para obtener más información, consulta Cómo recopilar artefactos de gobernanza de modelos y riesgos.
Usa la explicabilidad
Las familias de atributos con las puntuaciones de atribución positivas más altas se pueden proporcionar a los investigadores para dirigir sus investigaciones, disminuir el tiempo necesario por investigación o aumentar el porcentaje 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
- obtener estadísticas agregadas a partir de las contribuciones de las familias de atributos a lo largo del tiempo
Cómo 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 riesgo alto en marzo de 2023 puede tener una puntuación similar en abril de 2023, lo que genera dos casos consecutivos a pesar de que su comportamiento sigue siendo el mismo. 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.