Cette page décrit les meilleures pratiques pour utiliser les scores de risque et l'explicabilité.
Utiliser des scores de risque
Vous pouvez utiliser les scores de risque dans votre processus d'investigation pour hiérarchiser les investigations des parties à haut risque.
Les approches courantes incluent les alertes basées sur la charge des enquêteurs ou sur un niveau de risque choisi :
Capacité dirigée:alertez ou examinez les n premières parties dans la table de sortie basé sur le score de risque dans l’ordre décroissant, en fonction de l’enquêteur disponible le volume.
Basé sur le risque : alertez ou examinez toutes les parties dont le score de risque est supérieur à un seuil fixe qui est fixé d'un mois à l'autre. Il est également basé sur les résultats des tests rétrospectifs, qui fournissent un niveau acceptable de rappel des cas précédents et de détection de nouveaux risques. Pour en savoir plus, consultez Collecter des artefacts de modèle et de gouvernance des risques.
Utiliser l'explicabilité
Les familles de fonctionnalités ayant les scores d'attribution positifs les plus élevés peuvent être fournies aux enquêteurs pour orienter leurs investigations, réduire le temps nécessaire à chaque enquête ou augmenter le taux de réussite. L'expérience suggère que Les scores négatifs (indique qu'une famille de caractéristiques a réduit le risque peut être difficile à utiliser pour un enquêteur. De plus, certaines attaques d'AML basée sur l'IA les clients ne les montrent pas à leurs enquêteurs. Pour optimiser les résultats, la formation ou les conseils dont vos enquêteurs ont besoin pour gérer les enquêtes ; liées à différentes familles de caractéristiques.
Vous pouvez également utiliser l'explicabilité à d'autres fins :
- déterminer si le comportement d'un client a suffisamment changé pour justifier une nouvelle enquête pour une deuxième alerte ou une alerte répétée pour ce client ;
- en déduisant des insights agrégés des contributions de la famille de fonctionnalités au fil du temps ;
Filtrer les alertes répétées
Les scores de risque de l'IA AML identifient les parties à haut risque, mais ne séparent pas les alertes répétées. Par exemple, un client présentant un risque élevé en mars 2023 peut avoir un score similaire en avril 2023, générant deux cas consécutifs alors que son comportement reste le même. Vous pouvez appliquer des règles pour filtrer les alertes répétées afin d'éviter de réalerter une partie pour une enquête en cours ou récemment terminée sans modification significative du score de risque ou de l'explicabilité.