Práticas recomendadas para o processo de investigação

Esta página descreve as práticas recomendadas para usar as pontuações de risco e a explicabilidade.

Como usar pontuações de risco

As pontuações de risco podem ser usadas no seu processo de investigação para priorizar e investigações de partes de alto risco.

As abordagens comuns incluem alertas com base na carga do investigador ou em um nível de risco escolhido:

  • Led de capacidade: alerta ou investiga as principais n partes na tabela de saída com base na pontuação de risco em ordem decrescente, dependendo do volume de investigadores disponível.

  • Orientado por risco: alerta ou investiga todas as partes com uma pontuação de risco acima de um limite fixo mensal. Isso também é baseado em resultados de backtest que fornecem um nível aceitável de recuperação de casos anteriores e descoberta de novos riscos. Para mais informações, consulte Coletar modelo e risco e artefatos de governança.

Como usar a explicabilidade

As famílias de recursos com as maiores pontuações de atribuição positiva podem ser fornecido aos investigadores para direcionar as investigações, para diminuir o tempo necessárias para a investigação ou aumentar a taxa de sucesso. A experiência sugere que as pontuações negativas (que indicam que uma família de recursos reduziu o risco de um caso) podem ser difíceis de usar para um investigador, e alguns clientes de IA de AML não mostram isso aos investigadores. Para melhores resultados, que treinamento ou orientação seus investigadores precisam para lidar com as investigações relacionadas a diferentes famílias de atributos.

Você também pode usar a explicabilidade para outros fins:

  • determinar se o comportamento de um cliente mudou o suficiente para merecer a investigação sobre um segundo alerta ou alerta repetido para esse cliente
  • extrair insights agregados das contribuições da família de recursos ao longo do tempo

Como filtrar alertas repetidos

As pontuações de risco de IA da AML identificam partes de alto risco, mas não separam alertas repetidos. Por exemplo, um cliente que apresentou um alto risco em março de 2023 pode ter uma pontuação semelhante em abril de 2023, gerando dois casos consecutivos, mesmo que o comportamento dele não tenha mudado. Talvez você queira aplicar regras para filtrar alertas repetidos e evitar alertar novamente uma parte com uma investigação atual ou concluída recentemente sem uma mudança significativa na pontuação de risco ou na capacidade de explicação.