機械学習のガバナンスを徹底、モデルリスク管理を強化する10のポイント

　機械学習（ML）は、膨大な非構造化データからパターンを見つけ出し、意思決定の根拠となる情報を提供してくれるテクノロジーである。しかし、その利用においては、意思決定プロセスにブラックボックスが生じるリスクを考慮せねばならない。従って、MLモデルを活用していくには、高度なガバナンスのプロセスを確立していくことが不可欠になる。

　それを実装すべきタイミングは、膨大なデータ量に従来のモデルリスク対策やガバナンス手法が対応できなくなる前、つまり“今”だ。とりわけ金融機関においては、MLやAIに関する規制が次々に生まれており、テールイベントにも耐えられるモデルガバナンスを、早急に構築する必要がある。

　本資料では、MLモデルガバナンスが求められる背景やデータモデリングの必達条件について触れるとともに、自社組織のガバナンスプロセスが最適かどうかを測定する10のチェックリストを掲載している。併せて、モデルリスク管理関連のデータ収集／保管に最適なリスク管理プラットフォームについても紹介しているので、参考にしてほしい。