すべてのモデルが単一の一覧に載り、最新かつ裏づけのある検証ステータスを持つようになりました
北米の損害保険大手10社の一角
同社は統計モデルもAIモデルも含むすべてのモデルを、SR 11-7に沿った単一の台帳に集約しました。独立検証、バックテスト、継続的なドリフト監視を備え、AI・機械学習にはバイアスと説明可能性の統制を追加し、すべてを改ざん検知可能な監査証跡の上で運用しています。.
大手の総合損害保険会社は、料率算出、支払備金、そして増え続けるAI・機械学習モデルを、表計算とメールで管理していました。検証ステータスの証明は難しく、年次レビューの合間にドリフトは見過ごされ、モデルリスクのチームは、どのモデルが規制上の数値に影響しているかを検査官に速やかに答えられませんでした。
成果の例
100%
のモデルが最新の検証ステータスを保持
- モデルリスクとAIガバナンス
- リスク管理
- コンプライアンス
能力を示す例示です。プラットフォームで実現できる内容を表すものであり、実在する顧客名について検証された主張ではありません。
大手の総合損害保険会社は、料率算出、支払備金、そして増え続けるAI・機械学習モデルを、表計算とメールで管理していました。検証ステータスの証明は難しく、年次レビューの合間にドリフトは見過ごされ、モデルリスクのチームは、どのモデルが規制上の数値に影響しているかを検査官に速やかに答えられませんでした。
同社は統計モデルもAIモデルも含むすべてのモデルを、SR 11-7に沿った単一の台帳に集約しました。独立検証、バックテスト、継続的なドリフト監視を備え、AI・機械学習にはバイアスと説明可能性の統制を追加し、すべてを改ざん検知可能な監査証跡の上で運用しています。
何が変わったか
導入したモジュールの機能にもとづく例示的な成果です。このプラットフォームが実現するよう設計されている内容を表しています。
ドリフトと実績対期待の監視が、正式レビューの合間の劣化を検知します
AI・機械学習モデルは、EU AI法とNIST AI RMFに沿ったバイアス、公平性、説明可能性の証跡を備えます
モデルの来歴と検証に関する検査官からの質問に、手作業で組み直すことなく単一の台帳から回答できます
どのモデルが稼働中で、いつ最後に検証され、どれが規制上の数値に影響しているのか。表計算を探し回らずに分かる場所が、ようやく一つできました。
この事例を支えるプラットフォーム
各モジュールは個別に導入できますが、同じデータ基盤、Cortex、証跡台帳を共有します。この事例で使われたモジュールをご覧ください。