Pelatihan Explainable AI (XAI) untuk Keputusan Kredit
Pelatihan Explainable AI (XAI) untuk Keputusan Kredit
Description
Pelatihan ini membahas penerapan Explainable Artificial Intelligence (XAI) dalam proses pengambilan keputusan kredit di industri perbankan. Seiring meningkatnya penggunaan machine learning dan AI dalam credit scoring, loan approval, dan risk assessment, bank menghadapi tantangan baru terkait transparansi model, interpretabilitas keputusan, serta kepatuhan terhadap prinsip tata kelola dan manajemen risiko.
Peserta akan mempelajari bagaimana teknologi XAI membantu menjelaskan keputusan model AI secara jelas, terukur, dan dapat diaudit, sehingga meningkatkan kepercayaan regulator, auditor, manajemen, dan nasabah. Pelatihan ini juga membahas integrasi XAI dalam governance model risiko kredit, mitigasi bias algoritma, serta implementasi AI yang bertanggung jawab (responsible AI) sesuai praktik terbaik industri perbankan modern.
Objectives
- Memahami konsep dasar Artificial Intelligence (AI), Machine Learning (ML), dan Explainable AI (XAI) dalam industri perbankan.
- Mengidentifikasi tantangan penggunaan model AI “black box” dalam proses keputusan kredit.
- Mempelajari metode explainability untuk menjelaskan hasil credit scoring dan risk assessment berbasis AI.
- Menganalisis risiko bias, diskriminasi, dan ketidaktransparanan dalam model kredit otomatis.
- Memahami penerapan governance dan model risk management dalam penggunaan AI perbankan.
- Mengembangkan pendekatan responsible AI yang mendukung kepatuhan regulator dan auditabilitas model.
- Mendorong implementasi AI yang transparan, akurat, dan dapat dipertanggungjawabkan dalam proses kredit bank.
Course outline
1. Fundamental AI & Machine Learning di Perbankan
- Definisi AI, ML, dan deep learning
- Penggunaan AI dalam credit scoring dan underwriting
- Perkembangan digital lending dan intelligent banking
- Perbedaan rule-based system vs machine learning model
2. Konsep Explainable AI (XAI)
- Definisi dan tujuan Explainable AI
- Explainability vs interpretability
- Pentingnya transparansi model dalam keputusan kredit
- Risiko penggunaan black-box model di bank
3. Model Kredit Berbasis AI
- Machine learning untuk credit scoring
- Input variabel dan feature engineering
- Probability of default (PD) dan risk prediction
- Automated loan approval system
4. Teknik Explainability dalam AI
- Global explanation vs local explanation
- Feature importance analysis
- SHAP (SHapley Additive Explanations)
- LIME (Local Interpretable Model-Agnostic Explanations)
- Counterfactual explanation untuk keputusan kredit
5. Risiko dan Tantangan Implementasi AI Kredit
- Bias algoritma dan fairness issue
- Risiko diskriminasi pada model kredit
- Data quality dan data representativeness
- Model drift dan perubahan perilaku nasabah
- Tantangan validasi model AI
6. Governance dan Kepatuhan Regulasi
- AI governance framework di perbankan
- Model Risk Management (MRM) untuk AI
- Auditability dan traceability keputusan AI
- Dokumentasi model dan explainability reporting
- Prinsip responsible AI dan ethical AI
7. Implementasi XAI di Industri Perbankan
- Integrasi XAI dengan credit risk management
- Dashboard explainability untuk analyst dan auditor
- Monitoring performa model AI secara berkelanjutan
- Kolaborasi data scientist, risk, compliance, dan bisnis
- Studi kasus penggunaan XAI pada proses kredit bank modern
Participants
- Credit
- Information Technology
- Risk Management
- Banking
- Audit Internal
- Compliance & APUPPT
- Finance
- Leadership Program
- Perencanaan & Pengembangan
- Law
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)
