Audit Internal atas AI, Machine Learning & Model Risk
Audit Internal atas AI, Machine Learning & Model Risk
Description
Pelatihan ini dirancang untuk membekali auditor internal bank dengan pemahaman komprehensif dan kritis terhadap penerapan Artificial Intelligence (AI), Machine Learning (ML), dan Model Risk dalam proses bisnis perbankan. Peserta akan memahami bagaimana teknologi ini bekerja, risiko inheren yang muncul, serta bagaimana peran audit internal dalam memberikan assurance atas tata kelola, pengendalian, dan kepatuhan penggunaan AI dan model analitik lanjutan di bank. Melalui pendekatan audit berbasis risiko, pelatihan ini mengintegrasikan aspek governance, data, model, teknologi, regulasi, dan etika. Peserta akan mampu melakukan penilaian menyeluruh mulai dari perencanaan audit, pengujian desain dan efektivitas kontrol, hingga pelaporan hasil audit atas AI, ML, dan model risiko secara independen, objektif, dan bernilai tambah bagi manajemen dan regulator.
Objectives
Memahami konsep AI, Machine Learning, dan Model Risk dalam konteks perbankan Mengidentifikasi risiko utama penggunaan AI dan model analitik di bank Menilai tata kelola (governance) AI dan Model Risk Management Melakukan audit atas siklus hidup model (model lifecycle) Mengevaluasi kualitas data, algoritma, dan hasil model Menilai kepatuhan terhadap regulasi, kebijakan internal, dan prinsip etika Menyusun program audit dan rekomendasi yang kuat dan berbasis risiko
Course outline
- Konsep Dasar AI, Machine Learning, dan Model Risk di Perbankan
Definisi AI, Machine Learning, dan perbedaannya dengan model statistik konvensional Contoh penggunaan AI/ML di bank (credit scoring, fraud detection, AML, pricing, collection) Pengertian Model Risk dan dampaknya terhadap risiko bank Hubungan AI, ML, dan Model Risk Management
- Regulatory Landscape dan Best Practices
Ekspektasi regulator terhadap penggunaan model dan AI di perbankan Prinsip kehati-hatian (prudential principle) dalam penggunaan AI Referensi global: Model Risk Management Framework dan AI Governance Peran audit internal dalam Three Lines Model
- AI & Model Governance
Struktur tata kelola AI dan model (komite, kebijakan, peran & tanggung jawab) Kebijakan pengembangan, validasi, dan penggunaan model Segregation of duties dalam siklus hidup model Dokumentasi dan approval model
- Model Lifecycle dan Titik Audit
Tahapan model lifecycle: design, development, testing, implementation, monitoring Risiko utama pada setiap tahapan Control point kunci yang harus diaudit Red flags kegagalan model
- Data Governance dan Data Risk
Peran data dalam AI dan ML Kualitas data (accuracy, completeness, timeliness, consistency) Data bias dan dampaknya terhadap hasil model Audit atas data sourcing, preprocessing, dan data lineage
- Risiko Model dan Risiko AI
Model risk (assumption risk, implementation risk, usage risk) Risiko spesifik AI & ML (black box, overfitting, model drift) Bias, fairness, dan explainability Risiko operasional, reputasi, dan kepatuhan
- Validasi dan Monitoring Model
Konsep model validation independen Pengujian performa model dan stress testing Back-testing dan ongoing monitoring Audit atas hasil validasi dan tindak lanjutnya
- Explainability, Ethics, dan Responsible AI
Pentingnya explainable AI dalam konteks perbankan Prinsip fairness, transparency, accountability Etika penggunaan AI dalam pengambilan keputusan nasabah Peran audit internal dalam menilai Responsible AI
- Pendekatan Audit Internal atas AI dan Model Risk
Risk-based audit approach untuk AI dan model Penyusunan audit universe dan audit program Teknik audit: inquiry, walkthrough, testing, data analytics Penggunaan ahli (model expert) dalam audit
- Pelaporan Audit dan Rekomendasi
Penyusunan temuan audit yang kuat dan berbasis risiko Penilaian dampak dan root cause Rekomendasi yang actionable dan feasible Komunikasi hasil audit kepada manajemen dan komite audit
Method
Pre-test Presentation Discussion Case study Post-test
Facilities
Training Kit (Tas, Hand out, Flashdisk, Block note, Pulpen dll) Certificate Souvenir 2x Coffee Break, 1x Lunch PRICE (Running dengan kuota minimal 3 peserta)
