モデルとリスクのガバナンスは、すべての関係者グループによってモデルが十分であると判断されるプロセスです。プロセスには、新しいモデルの検証、モデルのモニタリング、セキュリティとコンプライアンスの標準、サポート プロセス、リスクの範囲、運用マニュアル、ユーザーガイドなど、さまざまなトピックが含まれます。
リスク フレームワークのオーナーは、次のアーティファクトを使用して、AML AI を全体的なリスク管理環境に統合するための有用なリソースを利用できます。AML AI は、モデルとリスク ガバナンスに関連するドキュメントと、AML AI モデルのチューニング、トレーニング、評価からのさまざまな出力を生成します。
モデルとリスクのガバナンスに関するドキュメント
AML AI のお客様のリクエストに応じて利用可能な次のコンセプト ドキュメントのセットは、全体的なリスク管理と AI/ML モデルおよびリスク ガバナンス フレームワークのガバナンス アーティファクトとして機能します。
- モデル アーキテクチャ: AML AI がリスク スコアを計算するために使用する、特定のモデル アーキテクチャについて説明します。
- ラベル付け手法: AML AI モデルの調整、トレーニング、バックテストのラベル付けトレーニング例の定義に使用する手法について説明します。
- モデルのトレーニング手法: AML AI モデルのトレーニングと検証の手法について説明します。
- モデルの調整方法: データに基づいて AML AI がモデルのハイパーパラメータを最適化するプロセスについて説明します。
- モデル評価手法: モデル評価とバックテストに使用される指標について説明します。
- 特徴ファミリーの概要: サポートされている特徴ファミリーと、それらが AML AI で説明可能性（およびその他の場所）に対してどのように使用されるかについて説明します。
- リスクの類型のスキーマ: AML AI がリスクの類型、および範囲を示すために使用する手法をどのようにサポートするかについて説明します。
- エンジン バージョンの安定性とサポート ポリシー: AML AI エンジンのバージョン間で変更される内容と変更されない内容、および各エンジン バージョンがさまざまなオペレーションでサポートされている期間について説明します。
ガバナンス アーティファクトとしてのモデル出力
次のアーティファクトは、通常の AML AI オペレーションによって出力として生成されます。
- モデル品質
- エンジン構成の出力には、エンジン構成メタデータにキャプチャされた予想される再現率（チューニング前とチューニング後）が含まれます。
- バックテスト結果を使用すると、トレーニングに含まれていないサンプルセットでトレーニング済みモデルのパフォーマンスを測定できます。
- データ品質
- 欠損値の出力は、チューニング、トレーニング、バックテスト、予測に使用されるデータセット内の特徴ファミリーごとの欠損値の割合を示します。大幅な変化は、基盤となるデータの不整合を示しており、モデルのパフォーマンスに影響する可能性があります。
- データ検証エラーは、AML AI オペレーションの完了を妨げるため、モデルと予測を正常に生成するには、これらのエラーを解決する必要があります。
- 予測結果
- リスクスコアは 0 ～ 1 まで変動し、この範囲内でスコアた高いほど、予測される月の当事者のりクスが高くなります。リスクスコアは、マネー ロンダリング行為の確率や、調査の成功確率として直接解釈しないでください。
- Explainable AI の出力では、高リスクのスコアに、各特徴ファミリーがリスクスコアに与える貢献度を示すアトリビューション スコアが追加されます。
- 長時間実行オペレーション（LRO）を使用すると、モデルの準備と予測で使用されるすべての AML AI プロセスを追跡できます。 詳細については、長時間実行オペレーションの管理をご覧ください。