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基準、サポート プロセス、リスク カバレッジ、運用マニュアル、ユーザーガイドなどが含まれます。
リスク フレームワークのオーナーとして、次のアーティファクトは、AML AI を全体的なリスク管理の状況に統合するための有用なリソースを提供します。AML AI は、モデルとリスクのガバナンスに関連するドキュメントと、AML AI モデルの調整、トレーニング、評価からのさまざまな出力を提供します。
モデルとリスク ガバナンスのドキュメント
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: AMI 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。
- モデルの調整手法: 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。
- リスク類型のスキーマ: AML AI がデータ品質と AML AI モデルへの潜在的な影響を追跡するための指標をどのように提供するかについて説明します。
- リスクの類型論スキーマ: AML AI がリスクの類型をどのようにサポートするか、および範囲を示すために使用する手法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 オペレーションの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、エンジン構成のメタデータでキャプチャされた予想再現率（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一連の例で、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、調整、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、基盤となるデータに不整合があることを示している可能性があり、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、考えられる調査の成功確率として直接解釈すべきではありません。
- 説明可能な AI の出力は、各特徴ファミリーのリスクスコアへの貢献度を示すアトリビューション スコアで高リスクスコアを補強します。
- 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。