En esta página, se describen los resultados de la predicción que resultan de solicitar y los resultados de predicción de la IA contra lavado de dinero.
Para ver el esquema y los campos de los resultados de la predicción en BigQuery, consulta Resultados de la predicción.
Puntuaciones de riesgo
Las puntuaciones de riesgo varían de 0 a 1. R una puntuación más alta indica un riesgo mayor, pero las puntuaciones de riesgo no deberían directamente como una probabilidad de actividad de lavado de dinero.
Las puntuaciones de riesgo se producen para uno (o más si
predictionPeriods
es mayor de uno) meses calendario completos inmediatamente antes del período especificado
endTime
Se calcula una puntuación de riesgo para cada parte y cada mes.
Cada predicción y explicación producida tiene un risk_period_end_time en
la medianoche posterior al final del mes calendario completo.
Por ejemplo, si predictionPeriods= 12 y endTime= 2022-01-01T00:00:00Z, la IA de la AML crea puntuaciones de riesgo y explicabilidad para cada mes de 2021. Una predicción con un valor risk_period_end_time de 2021-02-01T00:00:00Z
representa la predicción del cliente para el mes 2021-01.
Explicabilidad
La explicabilidad de la IA contra el lavado de dinero indica qué comportamientos o características (con familias de atributos) que contribuyen a la puntuación de riesgo de una parte determinada. La explicabilidad cubre la mayor de las partes de riesgo, incluidas todas las partes que investigaría. Es posible que no se incluya la explicabilidad para los clientes con menor riesgo.
Familias de atributos
Las familias de atributos son colecciones de atributos relacionados con la IA contra el lavado de dinero, proporcionando una categorización entendible por humanos para informar a los investigadores y los equipos de auditoría interna.
Cada familia de funciones abarca un conjunto específico de comportamientos transaccionales o partes del usuario. Además, algunas familias de atributos tienen un enfoque específico, lo que permite a los investigadores saber dónde comenzar. Estos son algunos ejemplos de enfoques:
- El tipo de transacción involucrada:
- Transferencia bancaria
- Efectivo
- Verificar
- Tarjeta
- Otro
- La dirección de las transacciones:
- Débito (saliente para la parte)
- Crédito (entrante para la parte)
Valor de atribución de la familia de funciones
Se proporciona una puntuación de atribución para cada parte de alto riesgo y cada familia de atributos, que indica la contribución de la familia de atributos a la puntuación de riesgo de la parte. Un valor positivo alto indica una fuerte contribución al aumento del riesgo de calidad. Asimismo, un valor negativo indica una contribución para reducir el de calidad.
Es probable que las familias de atributos con el mayor valor de atribución positivo tengan sean los más relevantes para la investigación de la parte.
Considera los siguientes ejemplos de valores de atribución para una parte específica:
| Familia de funciones | Valor de la atribución |
|---|---|
| Actividad inusual de débito de la tarjeta | 0.4 |
| Movimiento inusualmente rápido de fondos | 0.8 |
| Actividad inusual de débito por transferencia bancaria | -0.2 |
Este ejemplo se puede interpretar de la siguiente manera:
- El rápido movimiento de fondos del partido tuvo la mayor contribución a su puntuación de alto riesgo. Es posible que se inicie una investigación allí.
- La actividad de débito de tarjeta inusual también contribuyó de manera significativa, por lo que también se debe tener en cuenta.
- La actividad de débito automático de la parte redujo la puntuación de riesgo, por lo que es poco probable que deba inspeccionarse.