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、新しいモデル検証、モデル 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、リスク範囲、運用マニュアル、ユーザーガイドなどがあります。
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環境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 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。
モデルとリスクの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。
- 機能ファミリーの概要: サポートされている機能ファミリーとその使用方法について説明します。
- リスクの類型論スキーマ: AML AI がリスク型とサポート範囲を説明するために使用してい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: 機能について説明します。 AML AI エンジンのバージョン間や、各オペレーションのバージョンのサポート期間は変わりません。
ガバナンス アーティファクトとしてのモデルの出力
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（調整の前後）が含まれます。
- バックテストの結果を使用すると、トレーニングに含まれない一連のサンプル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において、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意味し、モデルのパフォーマンスに影響を与え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 ロンダリング活動の確率や、または調査が成功した確率として直接解釈すべきではありません。
- Explainable AI の出力では、リスクスコアに対する各特徴ファミリーの貢献度を示すアトリビューション スコアで高いリスクスコアを補います。
- 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。 詳しくは、長時間実行オペレーションの管理をご覧ください。