AI data could be tainted even as it’s being cleaned
Risk USA: Expert says even touching raw data could lead to loss of context
Companies cleaning the data they’re using for their machine learning models could unintentionally adulterate it in the process, one expert has said.
“Anytime you touch the data before it enters your algorithm, there is absolutely always the risk that it removes something that has contextual information, and you don’t know it yet,” said Zachary Hanif, principal machine learning engineer at Capital
コンテンツを印刷またはコピーできるのは、有料の購読契約を結んでいるユーザー、または法人購読契約の一員であるユーザーのみです。
これらのオプションやその他の購読特典を利用するには、info@risk.net にお問い合わせいただくか、こちらの購読オプションをご覧ください： http://subscriptions.risk.net/subscribe
現在、このコンテンツを印刷することはできません。詳しくはinfo@risk.netまでお問い合わせください。
現在、このコンテンツをコピーすることはできません。詳しくはinfo@risk.netまでお問い合わせください。
Copyright インフォプロ・デジタル・リミテッド.無断複写・転載を禁じます。
当社の利用規約、https://www.infopro-digital.com/terms-and-conditions/subscriptions/（ポイント2.4）に記載されているように、印刷は1部のみです。
追加の権利を購入したい場合は、info@risk.netまで電子メールでご連絡ください。
Copyright インフォプロ・デジタル・リミテッド.無断複写・転載を禁じます。
このコンテンツは、当社の記事ツールを使用して共有することができます。当社の利用規約、https://www.infopro-digital.com/terms-and-conditions/subscriptions/（第2.4項）に概説されているように、認定ユーザーは、個人的な使用のために資料のコピーを1部のみ作成することができます。また、2.5項の制限にも従わなければなりません。
追加権利の購入をご希望の場合は、info@risk.netまで電子メールでご連絡ください。
詳細はこちら リスク管理
1か月間にわたるシステム障害が、アジア太平洋地域の主要な貿易監視ツールに影響を及ぼした
ナスダックのアラート機能は復旧しましたが、ユーザーによると、テストや調整用のツールは依然として正常に動作していないとのことです
スタンダードチャータード銀行において、レジリエンスがリスクの枠を超えている理由
「Risk Live」：信頼性は「ビジネス上の目標」であり、困難なトレードオフを伴うこともあると、米州CEOのデフィリッポ氏は述べています
エージェント型リスク管理は、「私たちが思っているよりも早く」実現するかもしれない
Risk Live：モデル自体は有能ですが、銀行にはエージェント型システムを安全に運用するためのプラットフォームやガバナンスが欠けています
ERMチームによると、監督機関の要求がますます厳しくなっているとのこと
リスク・ベンチマーキング：ERM機能に対する要件に変化はないにもかかわらず、半数以上が監督当局との接触が増加していると報告しています
AIのセルオフシナリオでは、アジアの証券会社は米国よりも大きな影響を受ける可能性がある
リスク管理担当者によると、プライムブローカーは、レバレッジ型ETFの巨額の資金流入により、地域的なカウンターパーティ・リスクに直面しているとのことです
各銀行は、変動の激しい世界情勢に対応するため、流動性テストを強化している
「Risk Live」：技術変革に伴う現代的な脅威を評価する必要性が高まっています
2026年 企業リスクベンチマーク：データを探索
Risk.netが実施した52行を対象とした調査に基づくインタラクティブなグラフをご覧ください。本調査では、企業リスクガバナンス、リスク許容度の設定、取締役会への報告、シナリオ分析、企業文化、およびレジリエンスについて取り上げています。
AIを正しい軌道に乗せ続けるには、継続的な検証が鍵となる
意思決定ごとの検証を行うことで、ユーザーがAIの判断を信頼できるようになります
