Nyt rammeværk skal sparke døren ind for machine learning i bankforretningen

Illustration: ungvar / Bigstock
En standard for dokumentation af ML-modeller kan hjælpe banker med at få metoderne blåstemplet af Finanstilsynet.

De danske banker er generelt godt i gang med at udnytte machine learning og avanceret dataanalyse til at drive en effektiv forretning. Men når det gælder om at bruge metoderne i kerneopgaverne, hænger de i bremsen - blandt andet fordi ingen helt har været klar over, hvordan man får metoderne blåstemplet af Finanstilsynet.

Hos e-nettet, der ejes af bankerne, har man derfor udviklet et rammeværk til at dokumentere en machine learning-baseret model. På den måde kan tilsynet få tilstrækkelig indsigt i systemet til at føre tilsyn.

»Vores mål var at finde frem til, hvordan vi kunne dokumentere en machine learning-baseret model på et niveau, hvor Finanstilsynet kan overskue det, så de kan behandle det og dermed kan sige, om de er trygge ved anvendelsen.«

E-nettet ansøgte derfor om at komme om bord i Finanstilsynets nystartede Fintech Lab, hvor man blandt andet kan afprøve ny teknologi. Efter ti møder med tilsynets eksperter inden for fintech, it-sikkerhed og realkredit, er e-nettet nu klar med en 'bageopskrift' for den information, som skal ledsage en ML-model.

Ikke bare taget ned fra hylden

Kodeordet er omtanke, påpeger Michael Hald Graversen.

»Finanstilsynet skal kunne se, at man har tænkt alle de ting, som de selv tænker. Du skal demonstrere, at du har overvejet, hvilken opgave du skal løse, Hvordan du går til opgaven, og at du ikke bare har taget machine learning ned fra hylden og kastet dig over det,« siger han og fortsætter:

»Du skal kunne forklare, hvorfor machine learning er bedre til den her opgave end andre mere forklarlige løsninger.«

Opskriften på den gode model-beskrivelse er først og fremmest at være tydelig med, hvad modellens formål er.

Det indebærer en beskrivelse af modeltypen samt forklaring om, hvorfor netop denne er valgt - og hvorfor andre blev valgt fra, fremgår det af e-nettets vejledning.

Dette er en forkortet version af en artikel bragt hos DataTech. I den oprindelige artikel kan du blandt andet læse, hvordan vejledningen er udviklet på baggrund af e-nettets egne erfaringer, hvilke overvejelser man skal inkludere i beskrivelsen af sin model, og hvordan e-nettet har mødtes med Digitaliseringsstyrelsen for at fremme brugen af machine learning i det offentlige.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (0)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Log ind eller Opret konto for at kommentere