A governação de modelos e riscos é o processo através do qual os modelos são considerados suficientes por todos os grupos de intervenientes. O seu processo pode incluir a validação de novos modelos, a monitorização de modelos, as normas de segurança e conformidade, os processos de apoio técnico, a cobertura de riscos, os manuais de operações e os guias do utilizador, entre outros tópicos.
Enquanto proprietário de uma estrutura de risco, os seguintes artefactos oferecem-lhe recursos úteis para integrar a IA de combate ao branqueamento de capitais no seu panorama geral de gestão de riscos. A IA de AML contribui com documentação relevante para a governação de modelos e riscos, bem como vários resultados da otimização, preparação e avaliação do seu modelo de IA de AML.
Documentação de governança de modelos e riscos
O seguinte conjunto de documentação de conceitos, disponível mediante pedido para clientes de IA de AML, serve como artefactos de governação na sua gestão de riscos geral e na estrutura de governação de riscos e modelos de IA/AA:
- Arquitetura do modelo: Descreve a arquitetura do modelo específica usada para a IA de AML para calcular as pontuações de risco.
- Metodologia de etiquetagem: Descreve as abordagens usadas para definir exemplos de preparação etiquetados para ajustar, preparar e testar retroativamente modelos de IA de AML.
- Metodologia de preparação de modelos: Descreve a abordagem de preparação e validação para modelos de IA de AML.
- Metodologia de ajuste dos modelos: Descreve o processo através do qual a IA da AML otimiza os hiperparâmetros dos modelos com base nos seus dados.
- Metodologia de avaliação de modelos: Descreve as métricas usadas para a avaliação de modelos e os testes retroativos.
- Vista geral das famílias de funcionalidades: Descreve as famílias de funcionalidades suportadas e como são usadas para a explicabilidade (e noutros locais) na IA de AML.
- Esquema de tipologia de risco: descreve como a IA de AML fornece métricas para monitorizar a qualidade dos dados e o potencial impacto nos modelos de IA de AML.
- Esquema de tipologia de risco: Descreve como a IA de AML suporta tipologias de risco e a metodologia que usa para demonstrar a cobertura.
- Política de estabilidade e apoio técnico da versão do motor: Descreve o que muda e o que não muda entre as versões do motor da IA da AML e durante quanto tempo cada versão do motor é suportada para diferentes operações.
Resultados do modelo como artefactos de governação
Os seguintes artefactos são gerados como resultados pelas operações de IA de AML normais:
- Qualidade do modelo
- O resultado da configuração do motor inclui a capacidade de memorização esperada (antes e depois do ajuste) capturada nos metadados de configuração do motor.
- Os resultados dos testes retroativos permitem-lhe medir o desempenho do modelo preparado num conjunto de exemplos não incluídos na preparação.
- Qualidade de dados
- O resultado de dados em falta indica a percentagem de valores em falta por família de caraterísticas nos seus conjuntos de dados usados para o ajuste, a preparação, os testes retroativos e a previsão. As alterações significativas podem indicar uma inconsistência nos dados subjacentes, o que pode afetar o desempenho do modelo.
- Os erros de validação de dados impedem a conclusão das operações de IA de AML. Por isso, para produzir com êxito um modelo e previsões, tem de resolver estes erros.
- Resultados da previsão
- As pontuações de risco variam de 0 a 1 e, dentro deste intervalo, uma pontuação mais elevada indica um risco mais elevado para a parte no mês previsto. As pontuações de risco não devem ser interpretadas diretamente como uma probabilidade de atividade de branqueamento de capitais ou do sucesso de uma possível investigação.
- O resultado da IA explicável aumenta as pontuações de risco elevadas com pontuações de atribuição que indicam a contribuição de cada família de funcionalidades para a pontuação de risco.
- As operações de longa duração (LROs) permitem-lhe acompanhar todos os processos de IA de AML usados na preparação e nas previsões de modelos. Para mais informações, consulte o artigo Faça a gestão de operações de longa duração.