Risiko model dan algoritmik telah mengalami evolusi yang signifikan dalam lingkungan keuangan, memerlukan pendekatan manajemen risiko model yang kokoh. Penerapan suatu kerangka manajemen risiko model yang efektif sangat penting, terutama dalam menghadapi kompleksitas model yang semakin meningkat.
Pentingnya manajemen risiko model semakin menonjol seiring dengan pertumbuhan volume data dan kemajuan teknologi, termasuk pengenalan kecerdasan buatan (AI) dan mesin pembelajaran. Model dan algoritma menjadi inti dari setiap operasi lembaga keuangan, dari desain produk hingga manajemen risiko, kepatuhan, dan audit internal.
Namun, dengan meningkatnya keterlibatan pengguna dalam pengembangan model, terutama melalui cloud computing dan algoritma sumber terbuka, risiko model pun meningkat. Generasi baru model ini sering kali tidak tunduk pada sistem pengujian dan struktur pengelolaan yang sama seperti model tradisional.
Faktor-faktor Risiko
Demokratisasi pengembangan model dalam lembaga keuangan menyebabkan peningkatan kecepatan inovasi, tetapi juga membawa risiko operasional, regulator, keuangan, atau reputasi yang lebih tinggi. Faktor-faktor risiko utama mencakup bias manusia, kekurangan teknis, kelemahan penggunaan, dan kelemahan keamanan.
Kerangka Manajemen Risiko Model yang Kokoh
Pentingnya manajemen risiko model melibatkan pemahaman mendalam terhadap model, termasuk asumsi di baliknya, serta dampaknya pada tingkat organisasi. Kerangka manajemen risiko model yang efektif harus mencakup lima pilar kunci:
- Organisasi dan Tata Kelola: Kehadiran fungsi manajemen risiko model, disetujui oleh dewan dan melapor kepada Chief Risk Officer, yang menilai dan mengelola risiko model dan algoritmik.
- Manajemen Siklus Hidup Model: Memantau semua tahap siklus hidup model, mulai dari pengembangan, dokumentasi, klasifikasi, validasi, hingga pemeliharaan inventaris secara berkelanjutan.
- Kerangka Kontrol Model: Validasi awal sebelum implementasi dan tinjauan terus-menerus terhadap model dan algoritma yang memiliki tingkat risiko tertinggi.
- Penilaian dan Kuantifikasi Risiko Model: Penilaian dan kuantifikasi risiko model dan algoritmik dengan menggunakan teknik kualitatif dan kuantitatif.
- Proses dan Teknologi Manajemen Risiko Model: Implementasi proses dan teknologi yang tepat untuk mendukung manajemen model tradisional atau berbasis AI.
Penting untuk tidak hanya fokus pada kepatuhan, tetapi juga menanamkan budaya tata kelola model dalam organisasi. Kerangka manajemen risiko model harus memberikan panduan, standarisasi, dan saluran komunikasi yang jelas, menghasilkan efisiensi jangka panjang dalam pengembangan model dengan peningkatan tata kelola.
Risiko model dan algoritmik dapat berdampak signifikan pada reputasi, keuangan, dan kepatuhan lembaga keuangan. Dengan menerapkan kerangka manajemen risiko model yang kokoh, lembaga keuangan dapat mengoptimalkan manfaat model sambil mengurangi risiko yang terkait.
Artikel ini telah diterbitkan oleh Deloitte, dengan judul The Evolution of Model and Algorithmic Risk. Artikel selengkapnya dapat dibaca di sini.
