Esta página descreve as práticas recomendadas para usar as pontuações de risco e a capacidade de explicação.
Usar pontuações de risco
As pontuações de risco podem ser usadas no seu processo de investigação para dar prioridade às investigações de partes de alto risco.
As abordagens comuns incluem alertas com base na carga do investigador ou num nível de risco escolhido:
Liderado pela capacidade: alerte ou investigue as n principais partes na tabela de resultados com base na pontuação de risco por ordem descendente, consoante o volume de investigadores disponível.
Baseado no risco: alerta ou investiga todas as partes com uma pontuação de risco acima de um limite fixo que é fixado mensalmente. Isto também se baseia nos resultados dos testes retroativos, que dão um nível aceitável de uma recordação de casos anteriores e de descoberta de novos riscos. Para mais informações, consulte o artigo Recolha artefactos de governação de modelos e riscos.
Usar a capacidade de explicação
As famílias de funcionalidades com as pontuações de atribuição positivas mais elevadas podem ser fornecidas aos investigadores para orientar as respetivas investigações, diminuir o tempo necessário por investigação ou aumentar a taxa de êxito. A experiência sugere que as pontuações negativas (que indicam que uma família de funcionalidades reduziu o risco de um caso) podem ser difíceis de usar para um investigador e alguns clientes de IA de AML não as mostram aos respetivos investigadores. Para alcançar os melhores resultados, considere que formação ou orientações os seus investigadores precisam para lidar com investigações relacionadas com diferentes famílias de funcionalidades.
Também pode usar a capacidade de explicação para outros fins:
- Determinar se o comportamento de um cliente mudou o suficiente para justificar uma nova investigação para um segundo alerta ou um alerta repetido para este cliente
- Derivar estatísticas agregadas das contribuições da família de funcionalidades ao longo do tempo
Filtrar alertas repetidos
As pontuações de risco da IA de AML identificam partes de alto risco, mas não separam os alertas repetidos. Por exemplo, um cliente que apresente um risco elevado em março de 2023 pode ter uma pontuação igualmente elevada em abril de 2023, gerando dois casos consecutivos, apesar de o respetivo comportamento permanecer o mesmo. Pode querer aplicar regras para filtrar alertas repetidos e evitar o reenvio de alertas a uma parte com uma investigação atual ou concluída recentemente sem uma alteração significativa na pontuação de risco ou na capacidade de explicação.