本页概述了使用风险评分和可解释性功能的最佳实践。
使用风险评分
您可以在调查过程中使用风险评分，以便优先调查高风险方。
常见方法包括根据调查员工作负载或根据所选风险级别发出提醒：
以容量为导向：根据可用的调查员数量，对输出表格中风险得分最高的前 n 方发出提醒或进行调查，并按风险得分从高到低排序。
以风险为导向：针对风险得分高于每月固定阈值的所有相关方发出提醒或展开调查。这也是基于回溯测试结果，这些结果可提供可接受的先前案例召回率和新风险发现率。如需了解详情，请参阅收集模型和风险治理工件。
使用可解释性
您可以将正归因得分最高的功能族提供给调查人员，以指导他们的调查工作，缩短每次调查所需的时间或提高成功率。经验表明，负得分（表示某个特征族降低了支持请求的风险）可能难以被调查员使用，因此一些 AML AI 客户不会向调查员显示这些得分。为了取得理想的成效，请考虑调查员需要接受哪些培训或指导，才能处理与不同功能族相关的调查。
您还可以出于其他目的使用可解释性：
- 确定客户的行为是否已发生足够的变化，以便在客户收到第二次或重复提醒时重新进行调查
- 从特征族贡献随时间推移的变化中派生汇总数据洞见
过滤掉重复的提醒
反洗钱 AI 风险得分可识别高风险相关方，但不会区分重复提醒。例如，如果客户在 2023 年 3 月表现出高风险，那么在 2023 年 4 月也可能会获得同样高的得分，即使其行为保持不变，也会连续生成两项支持请求。您可能需要应用规则来滤除重复的提醒，以免针对风险信号或可解释性没有明显变化的当前或近期完成的调查对象重新发出提醒。