Audit Artificial Intelligence (AI) & Machine Learning di Perbankan
Audit Artificial Intelligence (AI) & Machine Learning di Perbankan
Description
Pemanfaatan Artificial Intelligence (AI) dan Machine Learning (ML) dalam perbankan semakin luas, mulai dari credit scoring, fraud detection, hingga customer analytics. Namun, penggunaan teknologi ini juga membawa risiko baru seperti bias model, kurangnya transparansi (black box), serta potensi pelanggaran regulasi. Oleh karena itu, fungsi audit internal dituntut mampu melakukan audit terhadap sistem berbasis AI/ML secara efektif. Pelatihan ini membekali auditor dengan pemahaman teknis dan metodologis untuk mengaudit implementasi AI/ML, sejalan dengan praktik dari The Institute of Internal Auditors serta ekspektasi regulator seperti Otoritas Jasa Keuangan.
Objectives
Setelah mengikuti pelatihan ini, peserta diharapkan mampu:
- Memahami konsep dasar AI dan Machine Learning dalam perbankan
- Mengidentifikasi risiko yang muncul dari penggunaan AI/ML
- Melakukan audit terhadap model, data, dan proses AI
- Mengevaluasi governance dan kontrol dalam implementasi AI
- Memastikan kepatuhan terhadap regulasi dan prinsip etika AI
- Memberikan rekomendasi audit yang relevan dan berbasis risiko
Course outline
1. Pengantar AI & Machine Learning di Perbankan
- Definisi AI dan Machine Learning
- Use case di perbankan (credit scoring, fraud detection, chatbot, dll)
- Perbedaan rule-based system vs machine learning
2. Risiko AI/ML dalam Perbankan
- Model risk (overfitting, underfitting)
- Bias & fairness (diskriminasi data)
- Kurangnya explainability (black box issue)
- Risiko keamanan data & privasi
3. AI Governance & Framework
- Model governance & model lifecycle
- Kebijakan dan prosedur AI
- Peran three lines of defense dalam AI
4. Audit Data untuk AI
- Kualitas data (data quality, completeness, accuracy)
- Data lineage & data governance
- Validasi data training, testing, dan production
5. Audit Model Machine Learning
- Model development & validation
- Evaluasi performa model (accuracy, precision, recall)
- Stress testing & backtesting model
- Dokumentasi model
6. Explainability & Transparency
- Pentingnya model interpretability
- Tools explainable AI (XAI)
- Audit terhadap keputusan model
7. IT Control & Infrastruktur AI
- Keamanan sistem dan data
- Access control & audit trail
- Integrasi dengan core banking system
8. Kepatuhan & Etika AI
- Prinsip etika dalam penggunaan AI
- Kepatuhan terhadap regulasi perlindungan data
- Responsible AI framework
9. Studi Kasus & Simulasi
- Audit model credit scoring berbasis ML
- Analisis kasus bias dalam AI
- Simulasi penyusunan temuan audit AI
Participants
- Audit Internal
- Information Technology
- Risk Management
- Compliance & APUPPT
- Data Analytics / Data Science
- Digital Banking / Transformation
- Internal Control / GRC
- Cyber Security
Method
- Pre-test
- Presentation
- Discussion
- Case study
- Post-test
Facilities
- Ruang Meeting Representatif
- Sertifikat Pelatihan Resmi
- Instruktur Profesional & Berpengalaman
- Training Kit Eksklusif
- Souvenir
- Pick Up Participant (Yogyakarta)
