IBM 荣膺行业领导者称号

请参见”The Forrester Wave™: 多模态预测分析和机器学习“报告的评选论述,2020 年第 3 季度。

概述

什么是 AI 模型风险管理?

美联储与美国货币监理署指导 SR Letter 11-7(链接位于 IBM 外部)将模型定义为“……应用统计、经济、金融或数学理论、技术和假设将输入数据处理为定量估算的一种定量方法、系统或方式。”

当采用模型预测和度量定量信息,但模型性能不足时,可能会发生模型风险。 模型性能差会导致负面结果,并造成巨大运营损失。 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。
  • 充分利用几乎可随处运行的模型和数据。

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 对话 IBM,畅谈 AI 技术

聆听 AI 专家探讨 AI 时代的治理数字化进程。

产品图像

风险模型评估

屏幕截图,显示风险模型评估(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。 深入撷取详细信息

公平性

屏幕截图,显示信用风险模型的公平性指标之详细信息

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

屏幕截图,显示两个模型在公平性和质量两方面的比较结果

模型比较

比较模型测试结果。 选择并加快开发更有效模型。

指标摘要

屏幕截图,显示信用风险模型指标的详细信息

指标摘要

自动生成 PDF 格式的资料文档。 汇总模型详细信息、相关数据和测试结果。

立即开始,使用可解释的 AI

探索 IBM Watson Studio 中的模型监控和模型管理。