資料の紹介

　機械学習を活用して大量のデータから新たな洞察や情報を得る取り組みに、関心が高まっている。膨大な量の非構造化データを取り込み、パターンを洗い出し、「行動の根拠となる情報」へと変換する機械学習モデルの予測力は、企業にとって、競争優位性の源泉となり得るからだ。

　一方、機械学習モデルの精度や予測可能性の向上を可能にする「学習」能力は、モデルリスクの増大や倫理的バイアスの混入を招く恐れもある。そのため、モデルが劣化し始めたときに素早くそれを特定し、入力（データ）や出力（モデルの結果）に対する定義済みの運用統制機能を完備した、厳格なガバナンス・プロセス確立の必要性が指摘されている。

　本資料では、機械学習モデルに対するガバナンスの必要性、モデリングの必達要件、非効率なモデルリスク管理がもたらす影響と解決策について解説する。効果的なガバナンスを実装すべきタイミングは、グローバルな市場と膨大なデータ量が、従来のモデルリスク対策やガバナンスプラクティスを凌ぐようになる前、すなわち、今をおいてほかにない。

この先は日経クロステック Active会員の登録が必要です

日経クロステック Activeは、IT／製造／建設各分野にかかわる企業向け製品・サービスについて、選択や導入を支援する情報サイトです。製品・サービス情報、導入事例などのコンテンツを多数掲載しています。初めてご覧になる際には、会員登録（無料）をお願いいたします。