La guía de la Reserva Federal y la Oficina del Contralor de la Moneda SR 11-7 define un modelo como "... un método, sistema o enfoque cuantitativo que aplica teorías, técnicas y supuestos estadísticos, económicos, financieros o matemáticos para procesar entradas datos en estimaciones cuantitativas".
Los riesgos del modelo pueden producirse cuando se utiliza un modelo para predecir y medir información cuantitativa, pero el rendimiento del modelo no es el adecuado. El rendimiento deficiente del modelo puede conducir a resultados adversos y provocar pérdidas operativas sustanciales. La implementación de la gestión de riesgos de los modelos en una arquitectura de información moderna le ayuda a:
Anuncio del lanzamiento de watsonx.ai : El nuevo estudio de IA de nivel empresarial que reúne el machine learning tradicional con las nuevas capacidades de IA generativa basadas en modelos fundacionales
Mejore el cumplimiento normativo de los modelos con pruebas y umbrales personalizados.
Escuche a los expertos en IA hablar sobre la digitalización de la gestión en la era de la IA.
Muestre métricas de imparcialidad, calidad y desviación.Marque los modelos que se encuentran por debajo de los umbrales personalizados.Profundice para ver los detalles.
Configure y realice la validación de modelos.Pruebe las métricas de los modelos, incluso la imparcialidad.
Compare los resultados de las pruebas de los modelos.Seleccione y acelere el desarrollo de modelos más eficaces.
Genere de forma automática una ficha técnica en PDF.Resuma los detalles del modelo, los datos relevantes y los resultados de las pruebas.
Conozca la IA explicable en IBM Cloud Pak for Data.
Obtenga consejos técnicos e información de otras personas que utilizan las soluciones de IBM Data e IA.