最近 CIO Taiwan 分享一篇 Gartner 2023 年十大戰略技術趨勢
其中提到「讓 AI 值得信賴」是10大重點之一，也就是可信任 AI

Gartner 發現，即使在最有經驗的企業中，也只有 50% 的 AI 模型能夠實際上線運作。其背後的原因是對資料缺乏信任，以及安全和隱私問題。

可信任AI、聚焦 AI 風險管理
資料偏見、隱私保護與安全、系統透明化、可解釋性
在「業務利益」與「監管複雜性」和「維護客戶信任」的需求間取得平衡

都是成熟階段的 AI 導入者在乎的事情，特別是在金融業

這也呼應這份調查超過1,200位在金融業 AI 實踐者的結果
那些導入 AI 進階應用的過來人，前 4 大學習分別是：

1. 確保你有考量到資安、資料隱私、道德風險
2. 確保有得到管理層的支持
3. 建立一個跨團隊（技術與分析）協作的工作計畫
4. 確保你的 IT 基礎架構與數據管理系統可以支持 AI 的計畫

這也是在考量運用 AI 技術與平台時，更需要仔細著墨與考量的一塊

金融業成本風險最高的 AML 流程作為應用命題

如何在既有流程不變且合規的情況下，優化 KYC 與 AML 程序的效率？AI 在這段該如何助力？

身處金融業的您對於 AML 一定不陌生
雖金融業在 AI 應用成熟度相對成熟，但金融業在KYC、偵測偽冒和舞弊事宜等作業
仍有許多演算法發展的空間

以預警通報為例，根據EY調查，85%的警報最終都不會到需要進一步審查的程度
但降低誤報率又是一個複雜且受到嚴格監管的過程

如何在既有流程不變且合規的情況下，優化 KYC 與 AML 程序的效率？AI 在這段該如何助力？

本次分享將以 Dataiku 平台為例

連續兩年獲 Gartner 評 Data Science & Machine Learning 領域領導者，強項為跨部門無縫協作與 DataOps 到 MLOps 的完整設計 。

• Gartner Peer Insights：Dataiku Reviews
• Gartner The 2022 Market Guide for Multipersona Data Science & ML Platforms

我們挑選金融業成本風險最高的 AML 流程作為應用命題
展示如何透過 Dataiku 平台設計以 AI 驅動的 AML 警示分類模型

帶領大家初探 AI+ AML 的具體實踐
讓金融犯罪分析師可以更容易依照「風險可能性的優先級」進行初步評估

當然，這只是一個應用初探
一個 AI 平台最大的價值在於兼具安全與彈性的做到企業最需要的多元應用＆規模化

12/20(二) 下午2點-3點半

以 Dataiku 平台為例｜用 AI 升級 AML 各執行環節提升監管力

這是一場全新內容的90分鐘分享
將涵蓋：

• 全球金融業 AI 導入與 AML 現況趨勢分享
• 實務分享：
  • 結合 RPA 與 AI 技術的KYC流程
  • 設計用 AI 驅動的 AML 警報分類
• 示範以 Dataiku 平台做到 AI 驅動的 AML 警示分類
• 精選 Dataiku 兩個金融業客戶案例，如何取得高實質回報

➜ 12/20 下午線上2點，立即報名