モデルリスク管理 (SR 11-7) と AI

SR 11-7 は、2011 年 4 月に連邦準備制度理事会が OCC とともに発行し、FDIC は 2017 年にそれを採用しました。SR 11-7 はモデルを広く定義しています。これは、入力データを定量的な推定値に変換するために統計、経済、財務、数学理論を適用する定量的な方法、システム、またはアプローチです。モデルには、入力部分、処理部分、レポート部分があります。モデルのリスクは 2 つの原因から生じます。1 つはモデルの基本的なエラー、もう 1 つはサウンド モデルの誤った使用または本来の目的外の使用です。指針は 3 つの柱に基づいています。 1 つ目は、健全な開発、実装、使用です。 2 つ目は検証です。これには、概念的な健全性の評価、継続的なモニタリング (プロセスの検証とベンチマークを含む)、バックテストなどの結果分析の 3 つの主要な要素があります。 3 つ目はガバナンスです。取締役会と上級管理職の監督、書面によるポリシー、完全なモデル目録、およびモデルに詳しくない人でもモデルがどのように機能するかを理解できるほど詳細な文書です。このガイダンスは全体を通して「効果的な挑戦」を求めており、これは客観的で、情報があり、有能で、変化を強制するのに十分な影響力を持つ人々による批判的なレビューを意味する。ベンダーモデルには免除はありません。銀行はベンダーから適切な文書を入手することが期待されています。機密情報が伏せられている場合、銀行は感度分析、ベンチマーク、結果テストにもっと依存する必要があります。よくある誤解は、SR 11-7 は最新の機械学習よりも古いものであるため、AI には到達しないというものです。その定義はテクノロジー中立であり、監督者は AI を範囲内として扱ってきました。銀行は通常、生成 AI ツールをモデルとして分類するか、同じ検証原則を使用するより広範な AI リスク フレームワークに基づいて管理します。関連する参考資料としては、モデル リスク管理に関する OCC の 2021 年会計監査ハンドブック小冊子や、2023 年 1 月にリリースされた NIST AI リスク管理フレームワークなどがあります。信用決定については、モデルが複雑な場合でも、信用機会均等法に基づく不利な措置通知要件が引き続き適用されます。