Best practice per la procedura di indagine

Questa pagina illustra le best practice per l'utilizzo dei punteggi di rischio e dell'esplicabilità.

Utilizzo dei punteggi di rischio

I punteggi di rischio possono essere utilizzati nella procedura di indagine per dare la priorità alle indagini relative a parti ad alto rischio.

Gli approcci comuni includono gli avvisi basati sul carico degli investigatori o su una livello di rischio scelto:

• Capacità gestita: avvisa o esamina le prime n parti nella tabella di output in base al punteggio di rischio in ordine decrescente, a seconda dello investigatore disponibile volume.

  Nota: valuta la possibilità di modificare il volume di investigator nel tempo tramite la valutazione del livello di rischio implicito (ad esempio, un tasso di conversione marginale delle richieste con il punteggio più basso per le quali è stato attivato l'avviso).

• In base al rischio: avvisa o esamina tutte le parti con un punteggio di rischio superiore a una soglia fissa che rimane invariata da un mese all'altro. Si basa anche su backtest che forniscono un livello accettabile di richiamo dei casi precedenti alla scoperta di nuovi rischi. Per ulteriori informazioni, consulta Raccogliere elementi di governance del modello e dei rischi.

  Nota: la soglia del punteggio di rischio deve essere rivalutata quando si utilizza un modello nuovo o rielaborato, perché la stessa soglia può corrispondere a un livello di rischio diverso a seconda del set di dati o di altri aspetti del modello.

Utilizzo della spiegabilità

Le famiglie di caratteristiche con i punteggi di attribuzione positivi più elevati possono essere agli investigatori per orientare le loro indagini, per ridurre necessarie per l'indagine o aumentare la percentuale di successo. L'esperienza ci suggerisce che negativi (indicando che una famiglia di caratteristiche ha ridotto il rischio di caso) può essere difficile da usare per un investigatore e alcune soluzioni di IA i clienti non li mostrano agli esaminatori. Per ottenere risultati ottimali, valuta la formazione o le indicazioni di cui hanno bisogno i tuoi investigatori per gestire le indagini relative a famiglie di funzionalità diverse.

Puoi utilizzare l'esplicabilità anche per altri scopi:

• determinare se il comportamento di un cliente è cambiato abbastanza da meritare un'indagine per un secondo avviso o ripetuto per questo cliente
• ricavare approfondimenti aggregati dai contributi delle famiglie di funzionalità nel tempo

Filtrare gli avvisi ripetuti

I punteggi di rischio dell'AI di AML identificano le parti ad alto rischio, ma non ed escludere gli avvisi che si ripetono. Ad esempio, un cliente che presenta un rischio elevato a marzo 2023 potrebbe avere un punteggio simile ad aprile 2023, generando due casi consecutivi nonostante il suo comportamento rimanga invariato. Ti consigliamo di applicare regole per filtrare gli avvisi ripetuti per evitare di inviare nuovamente un avviso a una parte con un'indagine in corso o completata di recente senza variazioni significative nel voto di rischio o nell'esplicabilità.