Secondo la definizione delle linee guida della Federal Reserve and Office of the Comptroller of the Currency, documento SR Letter 11-7 (link esterno a IBM), un modello è "...un metodo, sistema o approccio quantitativo che applica teorie, tecniche e ipotesi statistiche, economiche, finanziarie o matematiche per trasformare i dati di input in stime quantitative".
Il rischio di modello può verificarsi quando si usa un modello per predire e misurare informazioni quantitative che però il modello esegue in modo inadeguato. Prestazioni del modello inadeguate possono portare a risultati avversi e comportare perdite operative sostanziali. L'implementazione della gestione del rischio di modello in un'architettura delle informazioni moderna è utile per:
- Accelerare i tempi per soddisfare la conformità normativa e altri obiettivi di rischio.
- Semplificare la convalida dei modelli su più cloud.
- Sfruttare modelli e dati in esecuzione praticamente ovunque.
Come costruire un'AI responsabile su larga scala
Annuncio del lancio di watsonx.ai Il nuovissimo studio aziendale che riunisce l'apprendimento automatico tradizionale e le nuove funzionalità di AI generativa basate su modelli di fondazione
Migliorare la conformità del modello con test e soglie personalizzati.
Ascolta gli esperti di AI che parlano di digitalizzazione della governance nell'era dell'AI.
Immagini del prodotto
Esplora l'AI spiegabile su IBM® Cloud Pak for Data.
Ricevi suggerimenti tecnici e insight da altri utenti che usano IBM Data e soluzioni AI.
Modernizza il tuo sistema di raccolta, organizzazione e analisi dei dati con una piattaforma dati e AI multicloud.
Crea e scala l'AI con sicurezza e trasparenza.
Migliora l'efficienza operativa con la governance del modello integrata.