IBM 被评为领导者

在 Forrester Wave™: 多模式预测性分析和机器学习(2020 年第三季度)中一探究竟。

概述

什么是 AI 模型风险管理?

美联储和货币监理署指导 SR 信函 11-7(链接位于 IBM 外部)将模型定义为"……一种应用统计、经济、金融或数学理论、技术的定量方法、系统或方式,以及将输入数据处理为定量估计的假设"。当模型用于预测和度量定量信息,但模型表现不佳时,可能会发生模型风险。 糟糕的模型表现会导致负面的结果,并造成实质性的运营损失。 在现代信息架构中实施模型风险管理可帮助您:

  • 更快实现合规目标和其他风险目标。
  • 简化跨多个云的模型验证过程。
  • 几乎能够利用在任何地方运行的模型和数据。

了解更多信息

简化模型风险管理的五种方式

通过自定义测试和阈值提高模型合规性。

播客:KPMG-IBM on AI

听听 AI 专家是如何讨论 AI 时代的治理数字化的。

产品图像

风险模型评估

显示了风险模型评估的截屏,包括公平性、质量和漂移指标

风险模型评估

显示公平性、质量和漂移指标。 标记低于自定义阈值的模型。 深入探究详细信息。

公平性

截屏显示了信用风险模型的公平性指标详细信息

公平性

配置和执行模型验证。 测试模型指标,包括模型公平性。

模型比较

截屏显示了根据公平性和质量比较两个模型的结果

模型比较

比较模型测试结果。 选择并加快开发更有效的模型。

指标摘要

截屏显示了信用风险模型的指标详细信息

指标摘要

自动生成 PDF 格式的情况说明。 汇总模型详细信息、相关数据和测试结果。

可解释的 AI 入门

在 IBM Watson Studio 中探索模型监控和模型管理。