דוח שוק 2025: אינטליגנציה מלאכותית מוסברת בניהול סיכון פיננסי—צמיחה, מגמות ותובנות אסטרטגיות לחמש השנים הקרובות. גלו כיצד שקיפות וציות מעצבים את העתיד של הערכת סיכון פיננסי.

• סיכום מנהלים ובחינת שוק
• מגמות טכנולוגיות מרכזיות באינטליגנציה מלאכותית מוסברת לניהול סיכון פיננסי
• נוף תחרותי וספקי פתרונות מובילים
• תחזיות צמיחה בשוק וניתוח CAGR (2025–2030)
• ניתוח שוק אזורי: צפון אמריקה, אירופה, APAC ועוד
• מבט לעתיד: מניעים רגולטוריים ודרכי חדשנות
• אתגרים, סיכונים והזדמנויות מתהוות
• מקורות והפניות

סיכום מנהלים ובחינת שוק

אינטליגנציה מלאכותית מוסברת (XAI) משנה במהירות את ניהול הסיכון הפיננסי על ידי שיפור השקיפות, האמון וציות לרגולציות בתהליכי קבלת החלטות מונחי AI. ככל שהמוסדות הפיננסיים משקיעים יותר במודלים של למידת מכונה לדירוג אשראי, גילוי הונאות וניהול תיקי השקעות, הביקוש להסברתיות עלה בעקבות לחצים רגולטוריים והצורך בביטחון מצד בעלי עניין. XAI מתייחסת לשיטות וטכניקות שמסייעות להפוך את הפלטים ועבודת הפנים של מודלים של AI לברי הבנה עבור בני אדם, ומאפשרת לאנשי מקצוע פיננסיים לפרש, לאמת ולערער על החלטות אוטומטיות.

שוק הגלובלי של אינטליגנציה מלאכותית מוסברת בניהול סיכון פיננסי צפוי לחוות צמיחה מרשימה עד 2025, בתמיכתה של התפתחות מסגרות רגולטוריות כגון חוק ה-AI של האיחוד האירופי והמדריך של הפדרל ריזרב האמריקאי על ניהול סיכון מודלים. רגולציות אלה מדגישות את הצורך בשקיפות ובאחריות במערכות AI, ומאלצות מוסדות פיננסיים לאמץ פתרונות XAI כדי להבטיח ציות ולהפחית סיכונים תפעוליים. לפי גארטנר, עד 2025, 70% מהארגונים צפויים לזהות את XAI כדרישה קריטית ליוזמות ה-AI שלהם, לעומת פחות מ-10% ב-2021.

מניעי שוק מרכזיים כוללים את התפשטות של מודלים מורכבים של AI בהערכות סיכון, פיקוח מוגבר מהרשויות וציפיות גוברות מצד לקוחות ומשקיעים לגבי קבלת החלטות הוגנות ולא משוחדות. מוסדות פיננסיים משקיעים בפלטפורמות ובכלים של XAI המציעים יכולת לפרש מודלים, מסלולי ביקורת וגילוי הטיות. ספקים טכנולוגיים מובילים כמו IBM, SAS ו-FICO השיקו פתרונות XAI מותאמים במיוחד למגזר הפיננסי, המאפשרים לבנקים ולמבוטחים להסביר תחזיות מודלים בתחומים כמו אישורי הלוואות, מניעת הלבנת הון וניתוח סיכון שוק.

הנוף התחרותי מתאפיין בשיתופי פעולה בין מוסדות פיננסיים וספקי AI, כמו גם בהופעתן של חברות סטארט-אפ מתמחות ב-XAI. צפון אמריקה ואירופה נמצאות בחזית האמצעים, מונעות על ידי רגולציות מחמירות ותשתיות דיגיטליות מתקדמות. עם זאת, אזור אסיה-פסיפיק צפוי לחוות את התפתחות הצמיחה המהירה ביותר, המונעת על ידי חדשנות פינטק מהירה והתאמה רגולטורית גוברת.

לסיכום, אינטליגנציה מלאכותית מוסברת הופכת לבלתי נפרדת בניהול סיכון פיננסי, לא רק כדי לעמוד בדרישות רגולטוריות אלא גם כדי לקדם אמון וחוסן במערכות פיננסיות שמתאימות יותר ויותר לאוטומציה. התחזיות לשוק ב-2025 מאופיינות באימוץ מהיר, חדשנות טכנולוגית ומעבר ברור לכיווני ניהול סיכון שקופים ואחראיים המונעים על ידי AI.

מגמות טכנולוגיות מרכזיות באינטליגנציה מלאכותית מוסברת לניהול סיכון פיננסי

אינטליגנציה מלאכותית מוסברת (XAI) משנה במהירות את ניהול הסיכון הפיננסי על ידי הפיכת מודלים מורכבים של למידת מכונה ליותר שקופים, ניתנים לפרשנות ומהימנים. ככל שמוסדות פיננסיים מסתמכים יותר על מערכות מונחות AI לדירוג אשראי, גילוי הונאות וניהול תיקי השקעות, גופי רגולציה ובעלי עניין דורשים בהירות רבה יותר על האופן שבו מודלים אלה מגיעים להחלטותיהם. ב-2025, מספר מגמות טכנולוגיות מרכזיות מעצבות את האימוץ וההתפתחות של XAI במגזר זה.

• טכניקות הסבר בלתי תלויות במודל: כלים כמו LIME (הסברים מקומיים ניתנים לפרשנות בלתי תלויה במודל) ו-SHAP (הסברים מצטברים של שאפל) מאומצים באופן נרחב כדי לספק הסבר לאחר מעשה עבור מודלים "שחורים". טכניקות אלו מאפשרות למנהלי סיכון להבין את חשיבות התכונות ואת השפעת המשתנים הבודדים על תחזיות המודלים, ללא קשר לאלגוריתם הבסיסי. זה קריטי לעמידה בדרישות רגולציה כמו חוק ה-AI של האיחוד האירופי וחוק הזדמנות אשראי שווה של ארצות הברית, המחייבים שקיפות בקבלת החלטות אוטומטיות (פרלמנט האירופי).
• שילוב של XAI בניהול מודלים: מוסדות פיננסיים משקיעים מסגרות XAI בתהליכי ניהול סיכון מודלים. זה כולל תיעוד אוטומטי של לוגיקת המודל, גילוי הטיות ומעקב רציף לשינוי מודלים. שילוב כזה תומך בביקורת פנימית ודיווח רגולטורי חיצוני, כפי שמודגש בהנחיות האחרונות מ-הבנק להסדרים בינלאומיים.
• הסברים בשפה טבעית: התקדמות ביצירת שפה טבעית מאפשרת למערכות AI לספק הסברים קריאים על ידי בני אדם להערכות סיכון והחלטות. מגמה זו משפרת את התקשורת עם בעלי עניין שאינם טכניים, כולל לקוחות ורגולטורים, ומיועדת לניסיון על ידי בנקים וחברות פינטק מובילות (IBM Research).
• הסברים בהתנגדות ומבוססי מקרים: כלים של XAI מציעים עכשיו ניתוח תרחישים, מראה כיצד שינויים במשתני הקלט עשויים לשנות את תוצאות הסיכון. יכולת זו מאוד חשובה עבור בדיקות לחץ וניתוחים של "מה אם", תומכים באסטרטגיות מיתון סיכונים פרו-אקטיביות (McKinsey & Company).
• פלטפורמות XAI קוד פתוח ומבוססות ענן: התפשטות של ספריות קוד פתוח ופתרונות XAI מבוססי ענן מאיצה את האימוץ על ידי הפחתת מחסומים טכנולוגיים ומאפשרת פריסה ניתנת להתרחבות על פני המיזם כולו (Google Cloud).

מגמות אלו יחדיו דוחפות למעבר לניהול סיכון מונחה AI יותר שקוף, אחראי וחזק במגזר הפיננסי, וממקמות את XAI כהנאה קריטית הן עבור חדשנות והן עבור ציות רגולטורי ב-2025.

נוף תחרותי וספקי פתרונות מובילים

הנוף התחרותי עבור אינטליגנציה מלאכותית מוסברת (XAI) בניהול סיכון פיננסי מתפתח במהירות, מונע על ידי דרישות מסדירות, עליית מורכבות המודלים והצורך בשקיפות בקבלת החלטות. ככל שמוסדות פיננסיים משקיעים יותר ב-AI עבור דירוג אשראי, גילוי הונאות וניהול תיקי השקעות, היכולת לפרש ולצדיק פלטי מודלים הפכה להבדל קרדינלי. השוק מתאפיין בשילוב של ספקי טכנולוגיה מבוססים, סטארט-אפים מתמחים ב-AI וספקי שירותי ענן גדולים, שכל אחד מהם מציע גישות שונות ל-XAI.

ספקי פתרונות מובילים כוללים את IBM, שהפלטפורמה של Watson OpenScale שלה מספקת מעקב על מודלים ותכונות הסבר המיועדות לשירותים פיננסיים. SAS מציעה את Model Manager עם יכולות XAI מובנות, מה שמאפשר לבנקים לבדוק ולפרש מודלים של למידת מכונה בהתאם לסטנדרטים רגולטוריים כמו חוק ה-AI של האיחוד האירופי וההנחיות SR 11-7 של הפדרל ריזרב האמריקאי. FICO הכלילה הסברתיות באריזת ניהול החלטות שלה, תוך התמקדות באפליקציות סיכון אשראי והלוואות.

ספקי ענן גדולים גם הם מעצבים את השוק. Google Cloud מספקת כלים של אינטליגנציה מלאכותית מוסברת בתוך הפלטפורמה של Vertex AI שלה, שמאפשרת למוסדות פיננסיים להציג את התייחסויות התכונות ולהפחית הטיות בזמן אמת. Microsoft Azure ו-שירותי האינטרנט של אמזון (AWS) הכלילו כלי XAI בשירותי הלמידת מכונה שלהם, תומכים בציות רגולטורי ובניהול מודלים עבור לקוחות פיננסיים.

סטארט-אפים מתמחים במקום צוברים פופולריות על ידי התמקדות ב-XAI עבור פיננסים. H2O.ai מציעה AI Driverless עם מודולי הסבר מתקדמים, בעוד Zest AI מספקת פתרונות להסברה אשראי שננקטים על ידי איגודי אשראי ובנקים. DataRobot מספקת הסברת מודלים מקצה לקצה, כולל תיעוד עבור ציות וגילוי הטיות, שהופכים לוודאים על ידי צוותי ניהול סיכונים.

• שיתופי פעולה אסטרטגיים בין בנקים וספקי XAI מתעוררים בעוצמה, כפי שניתן לראות בשיתופי פעולה בין JPMorgan Chase ל-IBM, ובין Goldman Sachs ל-SAS.
• פיקוח רגולטורי מתהדק, כאשר ספקי פתרונות נותנים עדיפות להסבריות, מסלולי ביקורת והפחתת הטיות בהצעותיהם.
• מסגרות קוד פתוח כמו Elyra ו-InterpretML זוכות לתשומת לב גוברת בקרב מוסדות פיננסיים המבקשים פתרונות XAI מותאמים אישית.

כאשר השוק מתבגר, היתרון התחרותי יתבסס על העומק של ההסבריות, שילוב עם מערכות סיכון קיימות והיכולת לעמוד בדרישות רגולטוריות מתפתחות. ספקים שיכולים לספק פתרונות XAI חזקים, ניתנים להתרחבות ומוכנים לרגולציה צפויים להוביל ב-2025 ובשנים הבאות.

תחזיות צמיחה בשוק וניתוח CAGR (2025–2030)

השוק עבור אינטליגנציה מלאכותית מוסברת (XAI) בניהול סיכון פיננסי נמצא במצב צמיחה מרשימה בין 2025 ל-2030, מונע על ידי פיקוח רגולטורי גובר, הצורך בשקיפות בקבלת החלטות והאימוצם המהיר של כלים להערכות סיכון מונחות AI. לפי התחזיות של גארטנר, שוק התוכנה הגלובלי של AI צפוי להגיע ל-297 מיליארד דולר עד 2027, כאשר שירותים פיננסיים מייצגים חלק משמעותי בגלל האימוץ המוקדם שלהם של אנליטיקה מתקדמת ולמידת מכונה. בתוך הקשר זה, מגזר ה-XAI צפוי לעלות על קצב האימוץ הכללי של AI, כאשר מוסדות פיננסיים נותנים עדיפות להסברתיות כדי לעמוד בדרישות רגולציה מתפתחות כמו חוק ה-AI של האיחוד האירופי וההנחיות על ניהול סיכון מודלים של הפדרל ריזרב האמריקאי.

מחקר שוק מ-MarketsandMarkets מעריך כי שוק ה-XAI הגלובלי יגדל בקצב צמיחה שנתי ממוצע (CAGR) של כ-23% בין 2025 ל-2030, כאשר המגזר הפיננסי מהווה חלק משמעותי מהתרחבות זו. צמיחה זו נשענת על שילוב גובר של פתרונות XAI במערכות דירוג אשראי, גילוי הונאות, מניעת הלבנת הון (AML) וניהול תיקי השקעות. מוסדות פיננסיים משקיעים ב-XAI כדי לשפר את שקיפות המודלים, להקל על דיווח רגולטורי ולבנות אמון כלפי לקוחות על ידי מתן הסברים ברורים להחלטות אוטומטיות.

מהבחינה האזורית, צפון אמריקה ואירופה צפויות להוביל את האימוץ של XAI בניהול סיכון פיננסי, מונעות על ידי דרישות ציות מחמירות ואקוסיסטם פינטק בוגר. אזור אסיה-פסיפיק צפוי גם הוא לחוות צמיחה מואצת, מונעת על ידי התרחבות בנקאות דיגיטלית והתדיינות רגולטורית. לפי IDC, שירותים פיננסיים באזור אסיה-פסיפיק מנצלים יותר ויותר את XAI כדי לעמוד בדרישות רגולציה מקומיות ולשפר את דיוק הערכת הסיכון.

עד 2030, שוק ה-XAI בניהול סיכון פיננסי צפוי להגיע להערכות בשווי של מיליארדי דולרים, כאשר ספקים מובילים כמו IBM, SAS ו-FICO מרחיבים את הצעותיהם ב-XAI כדי לעמוד בצרכים ספציפיים במגזר. ה-CAGR הרציף משקף לא רק מניעי רגולציה אלא גם את היתרון התחרותי של מוסדות פיננסיים לבצע מודלים של AI שהינם גם עוצמתיים וגם ניתנים לפרשנות.

ניתוח שוק אזורי: צפון אמריקה, אירופה, APAC ועוד

האימוץ של אינטליגנציה מלאכותית מוסברת (XAI) בניהול סיכון פיננסי מואץ ברחבי העולם, כאשר דינמיקות אזוריות ייחודיות מעצבות את מסלולו. בצפון אמריקה, במיוחד בארצות הברית, פיקוח רגולטורי ואקוסיסטם פינטק בוגר מניעים אימוץ מוקדם וחזק. מוסדות פיננסיים מסתמכים על XAI כדי לשפר את השקיפות בדירוג אשראי, גילוי הונאות והמסחר האלגוריתמי, ומסנכרים את הציפיות הרגולטוריות מצד גופים כמו לשכת ניירות ערך האמריקנית והפדרל ריזרב. המוקד של האזור על יכולת פירוש של המודלים מודגש אף יותר על ידי ההשפעה הגוברת של מסגרת ניהול סיכון של AI של המכון הלאומי לתקנים וטכנולוגיה (NIST), המעודדת הסברתיות כעיקרון בסיסי.

אירופה witnesses a parallel surge, propelled by stringent data protection and AI governance frameworks. The European Union’s proposed AI Act and the General Data Protection Regulation (GDPR) mandate transparency and the “right to explanation” for automated decisions, compelling banks and insurers to integrate XAI into their risk models. Leading European financial institutions are collaborating with technology providers to deploy explainable machine learning in areas such as anti-money laundering (AML) and credit risk assessment, as highlighted by recent initiatives from the European Banking Authority and the European Central Bank.

• צפון אמריקה: אימוץ מוקדם, מונחה רגולציה, התמקדות בסיכון אשראי והונאות, אקוסיסטם ספקים חזק.
• אירופה: מונחה ציות, דגש על זכויות צרכנים, אינטגרציה מהירה במניעת הלבנת הון והערכת סיכון אשראי, מאמצים לה harmonization בין מדינות.

באזור אסיה-פסיפיק (APAC), הנוף יותר הטרוגני. כלכלות מתקדמות כמו יפן, סינגפור ואוסטרליה נמצאות בחזית, משלבות XAI כדי לעמוד בסטנדרטים רגולטוריים מתפתחים ולחזק את האמון בבנקאות דיגיטלית. רשות המטבעות בסינגפור ו-רשות השירותים הפיננסיים ביפן הנפיקו הנחיות לעידוד אימוץ AI אחראי, כולל הסברים. עם זאת, בשווקים מתפתחים באזור APAC, האימוץ עדיין נגרר, מוגבל על ידי לחצים רגולטוריים נמוכים ומידת דיגיטלים נמוכה.

מעבר לאזורים אלו, האימוץ בדרום אמריקה, המזרח התיכון ואפריקה נשאר בשלביו המוקדמים, עם פרויקטים ניסיוניים וחוליות רגולטוריות החוקרות את הפוטנציאל של XAI בניהול סיכונים. ככל שהרגולציה הגלובלית מתקרבת והבנקים מחפשים לאזן בין חדשנות לאחריות, הביקוש לאינטליגנציה מלאכותית מוסברת בניהול סיכונים צפוי לגדול בכל האזורים עד 2025 ומעבר לכך.

מבט לעתיד: מניעים רגולטוריים ודרכי חדשנות

מסתכלים על 2025, עתיד האינטליגנציה המלאכותית המוסברת (XAI) בניהול סיכון פיננסי מעוצב על ידי היתוך של דרישות רגולטוריות וחדשנות טכנולוגית מהירה. גופי רגולציה ברחבי העולם מחדדים את תשומת הלב שלהם על שקיפות, הוגנות ואחריות בקבלת החלטות מונחות AI, במיוחד בתחומים כמו דירוג אשראי, מניעת הלבנת הון וגילוי הונאות. חוק האינטליגנציה המלאכותית של האיחוד האירופי, שנמצא בשלביו האחרונים, יחייב מוסדות פיננסיים לספק הסברים ברורים להחלטות אוטומטיות, במיוחד כאלה שמשפיעות על חברי הציבור בגישה לשירותים פיננסיים. תנופה רגולטורית זו מתוארת גם על ידי הפדרל ריזרב והמשרד הנחיות המטבעות בארצות הברית, אשר הוציאו הנחיות המדגישות את ניהול סיכון מודלים ואת הצורך בהסברתיות במודלים של AI.

המניעים הרגולטוריים הללו מלמדים את מוסדות פיננסיים להשקיע בפתרונות XAI שיכולים להפוך מודלים מורכבים של למידת מכונה לפשוטים יותר להבנה מבלי לפגוע בכוח החזוי. השוק עובר עלייה באימוץ כלים של הסבר בלתי תלוים במודל, כמו SHAP ו-LIME, וגם בפיתוח מודלים מובנים מראש המיועדים להערכות סיכון. לדברי דוח של גארטנר מ-2024, יותר מ-60% מהבנקים הגלובליים עורכים פיילוטים או מציבים מסגרות XAI כדי לעמוד בדרישות הציות ולהגביר את האמון של בעלי עניין.

דרכי חדשנות מתהוות גם דרך שיתופי פעולה בין מוסדות פיננסיים, סטארט-אפים פינטק ומרכזי מחקר אקדמיים. שיתופי פעולה אלו מסייעים בהתקדמות בטכניקות להסברה, כגון הסברים בהתנגדות, חקר סיבתי וכלי של הדמיה שהופכים את ההחלטות של AI לנגישות יותר למשתמשים שאינם טכניים. לדוגמה, JPMorgan Chase ו-IBM חקרו באופן משותף פלטפורמות של אינטליגנציה מלאכותית מוסברת המשתלבות בצורה חלקה עם מערכות ניהול סיכון קיימות, ומאפשרות מעקב בזמן אמת וביקורת פנימית.

• חוליות רגולטוריות, כמו אלו המופעלות על ידי הרשות הפיננסית של הממלכה המאוחדת, עוסקות בניסוי עם XAI בסביבה מבוקרת, מזרזות את המעבר ממחקר ליישום.
• קונסרציום תעשייתי, כולל את הלוח היציבות הפיננסית, מפתח שיטות עבודה מומלצות וסטנדרטים טכניים עבור אינטליגנציה מלאכותית מוסברת בניהול סיכון.

לסיכום, התחזית לעתיד עבור אינטליגנציה מלאכותית מוסברת בניהול סיכון פיננסי מוגדרת על ידי מסלול כפול: המנדטים הרגולטוריים מציבים רף לשקיפות, בעוד שהחדשנות מרחיבה את ערכת הכלים עבור AI המובן, האמין. עד 2025, צפוי ש-XAI יהיה מרכיב מרכזי באסטרטגיות ניהול סיכון, מאפשר למוסדות פיננסיים לניווט את הנוף המתפתח של ציות וחוד החנית התחרותית.

אתגרים, סיכונים והזדמנויות מתהוות

אינטליגנציה מלאכותית מוסברת (XAI) משנה במהירות את ניהול הסיכון הפיננסי על ידי הפיכת מודלים מורכבים של למידת מכונה ליותר שקופים ונגישים. עם זאת, השילוב של XAI בתהליכים פיננסיים מציב אתגרים, סיכונים והזדמנויות ייחודיות כאשר המגזר עובר ל-2025.

אחד האתגרים העיקריים הוא מציאת האיזון בין מורכבות המודלים להסברתיות. מוסדות פיננסיים מסתמכים לעיתים קרובות על אלגוריתמים מתקדמים במיוחד לדירוג אשראי, גילוי הונאות וניהול תיקי השקעות. מודלים אלו, כמו רשתות עצביות עמוקות, יכולים לספק רמת דיוק חיזוי גבוהה יותר, אך פעמים רבות נחשבים ל"אופקי שחורים". רגולטורים ובעלי עניין דורשים יותר ויותר הסברים ברורים להחלטות אוטומטיות, במיוחד תחת מסגרות כמו חוק ה-AI של האיחוד האירופי והנחיות ניהול סיכון המודלים של הפדרל ריזרב (Federal Reserve). עמידה בדרישות אלו מבלי לפגוע בביצועים מהווה אתגר משמעותי.

סיכון נוסף הוא הפוטנציאל ל"הטיית הסבר", כאשר פלטי המודל המפושטות עלולות להטעות את המשתמשים או להסתיר בעיות בסיסיות בנתונים. הסתמכות על כלים להסבר לאחר מעשה עלולה ליצור תחושת ביטחון כוזבת, במיוחד אם ההסברים אינם מייצגים בצורה נאמנה את תהליך קבלת ההחלטות האמיתי של המודל (הבנק להסדרים בינלאומיים). בנוסף, היעדר מדדים סטנדרטיים להערכת ההסברתיות מסבך את הבנקאות ואת הציות הרגולטורי.

פרטיות הנתונים והביטחון מהווים גם סיכונים קריטיים. שיטות XAI לעיתים קרובות דורשות גישה לנתונים רגישים כדי ליצור הסברים משמעותיים, מה שמעלה חששות לגבי זליגה של נתונים ולעמידה בדרישות רגולציה כמו GDPR (הנציבות האירופית). מוסדות פיננסיים חייבים לנהל בקפדנות את האיזונים הללו כדי להימנע מהוצאות רגולטוריות ונזקים למוניטין.

למרות אתגרים אלו, מתהוות הזדמנויות משמעותיות. XAI יכולה להגביר את האמון במודלים של סיכון מונחה AI, מה שמאפשר אימוץ רחב יותר בעולמות ההלוואות, הביטוח והמסחר. מודלים שקופים יכולים לשפר את ההתמודדות עם הלקוחות על ידי מתן הסברים ברורים להחלטות אשראי או אישור תביעות, וכתוצאה מכך לצמצם התבנות ורגולציות (McKinsey & Company). יתרה מכך, התקדמות במחקר XAI—כגון הסברים בהתנגדות ומודלים מובנים מראש—הופכת את ההטמעה של מערכות האי השקולות והברורות ביותר להיות היתכנותי יותר בסביבות ייצור.

לסיכום, בעוד שאינטליגנציה מלאכותית מוסברת מביאה איתה מורכבויות וסיכונים חדשים לניהול סיכון פיננסי, היא גם פותחת הזדמנויות לגבירו את השקיפות, ההתאמה הרגולטורית ואמון הלקוחות כאשר התעשייה מתפתחת בשנת 2025.

מקורות והפניות

• IBM
• SAS
• FICO
• European Parliament
• Bank for International Settlements
• McKinsey & Company
• Google Cloud
• Amazon Web Services (AWS)
• H2O.ai
• Zest AI
• DataRobot
• JPMorgan Chase
• Goldman Sachs
• Elyra
• InterpretML
• MarketsandMarkets
• IDC
• National Institute of Standards and Technology
• European Banking Authority
• European Central Bank
• Monetary Authority of Singapore
• Financial Services Agency of Japan
• Office of the Comptroller of the Currency
• UK Financial Conduct Authority
• Financial Stability Board
• European Commission