Vereinigte Staaten
Be Structured Technology Group
Goldman Sachs
Risiko, Technology Operational Risk – CORE Engineering Risk, Vice President, Dallas
Vereinigte Staaten
Dallas, Texas, United States
SQL
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Die Abteilung für operationelle Risiken bei Goldman Sachs ist eine unabhängige Risikomanagementfunktion, die für die Entwicklung und Implementierung eines standardisierten Rahmens zur Identifizierung, Messung und Überwachung operationeller Risiken im gesamten Unternehmen verantwortlich ist. AI Coverage ist eine spezialisierte Rolle innerhalb dieses Rahmens, die sich der Stärkung der Aufsicht des Unternehmens über operationelle Risiken widmet, die aus der Einführung und Nutzung von künstlicher Intelligenz resultieren. Diese Fachkraft ist verantwortlich für die kontinuierliche Identifizierung, Überwachung, Messung und Bewertung operationeller Risiken im Zusammenhang mit KI-Plattformen, grundlegenden Modellen, agentenbasierten Systemen sowie der Infrastruktur, den Anbietern und den Daten, die diese unterstützen – um sicherzustellen, dass der KI-Fußabdruck des Unternehmens in einer Weise aufgebaut, betrieben und gesteuert wird, die mit den Rahmenwerken, Richtlinien und Standards des Unternehmens für operationelle Resilienz, Drittparteienrisiken und Daten-Governance im Einklang steht. Die Rolle ist bewusst breit angelegt: Die erfolgreiche Kandidatin oder der erfolgreiche Kandidat kann fundierte Expertise in einer der angrenzenden Risikodisziplinen einbringen, sofern diese Expertise auf direkter Erfahrung in der Bewertung oder dem Management von Risiken in KI-, machine learning- oder agentenbasierten Technologieumgebungen basiert.
Der Bereich Risk ist für Kredit-, Markt- und operationelle Risiken, Modellrisiken, unabhängige Liquiditätsrisiken und Versicherungen im gesamten Unternehmen verantwortlich.
Verantwortlichkeiten
KI-Resilienz & Betriebskontinuität
- Identifizierung, Überwachung und Analyse operationeller Risiken, die aus der Resilienz von KI-Systemen resultieren, einschließlich Infrastrukturausfällen, Ausfällen grundlegender Modelle, nicht-deterministischem Verhalten unter Stress, kaskadierenden Multi-Agenten-Fehlern, Modellverschlechterung durch Datendrift sowie der Nichtverfügbarkeit von durch Dritte gehosteten LLMs- und MCP-Server-Ökosystemen.
- Sicherstellung, dass KI-Systeme, die als abhängige oder integrale Vermögenswerte für wichtige Geschäftsdienste (Important Business Services, IBSs) eingestuft sind, in Geschäftskontinuitätsplänen abgebildet, Gegenstand von Toleranzgrenzen für Auswirkungen sind und durch alternative Strategien (z. B. Modell-Fallback, alternative Anbieter) unterstützt werden.
- Förderung von Resilience-by-Design-Prinzipien (Modularität, Diversität, Redundanz, Anpassungsfähigkeit) und Hinterfragen von Kontrolllücken wie AI Model Version Pinning, AI System Observability, Multi-Rechenzentrums-Bereitstellung sowie Circuit-Breaker-/Fallback-Verfahren.
- Durchführung evidenzbasierter Szenarioanalysen und Unterstützung integrierter/vermögenswertbasierter Tests von KI-abhängigen IBSs in Abstimmung mit 1LoD Engineering, TPRM und geschäftlichen Stakeholdern, um sicherzustellen, dass das Unternehmen während Störungen innerhalb der Toleranzgrenzen (RTO/RPO/SLA) bleibt.
KI-Drittparteien- & Lieferkettenrisiko
- Identifizierung, Überwachung und Analyse operationeller Risiken durch KI-Dienste Dritter, extern gehostete LLMs und von Anbietern bereitgestellte grundlegende Modelle, einschließlich Informationsabfluss, Modellmanipulation, Kompromittierung der MCP-Server-Lieferkette und agentenvermitteltem Anmeldedaten-Diebstahl.
- Überwachung der Due-Diligence-Prüfung von Anbietern, Validierung von Modellen Dritter und Durchsetzung von SLAs für KI-Sicherheit, Leistung und Denial-of-Wallet-Überwachung sowie Eskalation bei Vertragsverletzungen.
- Überwachung des Inventars für KI-Drittparteienkontrollen (z. B. AI Data Leakage Prevention, MCP Server Security Governance, Agentic System Credential Protection Framework) auf Angemessenheit und Vollständigkeit.
KI-Daten-Governance
- Anwendung der unternehmensweiten Richtlinie und des Standards für Daten-Governance auf KI-Anwendungsfälle, um sicherzustellen, dass Datensätze, die zum Trainieren, Feinabstimmen, Grounding (z. B. RAG/Vektordatenbanken) oder zum Betrieb von KI- und agentenbasierten Systemen verwendet werden, inventarisiert, risikoklassifiziert sind und über klar zugewiesene Eigentümer, sekundäre Eigentümer und leitende Eigentümer verfügen.
- Hinterfragen der Angemessenheit von Datenqualitätskontrollen (Genauigkeit, Vollständigkeit, Aktualität) und der Dokumentation der Datenherkunft für Datensätze, die KI-Modellpipelines speisen, insbesondere wenn Daten Bereichsgrenzen überschreiten oder keine Datenverträge vorliegen.
- Bewertung, ob autoritative Datenquellen (ADS), die von KI/ML-Systemen verwendet werden, die Anforderungen an gesteuerten Zugriff, Abgleich und Änderungsmanagement erfüllen, und Eskalation bei Abhängigkeit von Nicht-ADS- oder nicht gesteuerten Datenquellen (z. B. ungeprüfte Trainingskorpora, gescrapte Daten) als Datenfehler oder Ausnahmen.
- Überprüfung KI-bezogener Datenfehler und Datenanfragen hinsichtlich angemessener Protokollierung, Behebung und Eskalation gemäß dem unternehmensweiten Standard für das Management von Datenfehlern und Datenanfragen.
Übergreifendes Risikomanagement
- Durchführung von Datenanalysen zur Identifizierung von Trends bei KI-Verfügbarkeit, Observability-Telemetrie, Anbieterleistung und Datenqualitätsmetriken; Eskalation von Bedenken an das Senior Management, wenn dies gerechtfertigt ist.
- Erleichterung der Berichterstattung über operationelle Risikoereignisse für KI-Resilienz, Drittparteien- und datenbezogene Vorfälle.
- Beitrag zu divisionalen Risikoprofilbewertungen, Überprüfung und Hinterfragung von RCSA sowie Überprüfung neuer Aktivitäten für KI-Modellbereitstellungen, Anbieterengagements und Änderungen bei der Datenbeschaffung.
- Auf dem Laufenden bleiben über regulatorische und branchenbezogene Entwicklungen (z. B. EU AI Act, NIST AI 600-1, FFIEC IT Booklet), die sich auf Verpflichtungen in den Bereichen KI-Resilienz, Drittparteien- und Daten-Governance auswirken.
- Identifizierung und Vorantreiben von Initiativen zur Verbesserung der KI-Risikomanagementpraktiken in den Bereichen Resilienz, Drittparteien und Daten.
Qualifikationen
- Fundiertes Verständnis von operationeller Resilienz (BCP, Toleranzgrenzen für Auswirkungen, RTO/RPO), Risikomanagement bei Drittparteien (Due-Diligence-Prüfung von Anbietern, SLA-Governance) und/oder Daten-Governance (Datenherkunft, Datenqualität, ADS/PDE-Rahmenwerke) – Kandidaten müssen nicht über tiefgreifende Expertise in allen drei Bereichen verfügen, müssen jedoch direkte Erfahrung in der Anwendung einer oder mehrerer dieser Disziplinen auf KI/ML-Systeme nachweisen.
- Fundiertes Verständnis der KI/ML-Architektur: grundlegende Modelle, LLMs, RAG-Systeme, agentenbasierte KI-Rahmenwerke, MCP-Server, Vektordatenbanken und Infrastruktur für die Modellbereitstellung.
- Erfahrung mit Resilience-by-Design, KI-Anbieter-/Lieferkettenkontrollen oder Rahmenwerken zur Datenqualitätskontrolle, die auf KI-Pipelines angewendet werden.
- Kenntnis relevanter Kontrollrahmenwerke (NIST 800-53, NIST AI 600-1, ISO 27001, EU AI Act) und/oder der unternehmensweiten Richtlinie/des Standards für Daten-Governance.
- 7+ Jahre relevante Erfahrung im Bereich operationelle Risiken, Resilienz/BCP, Risikomanagement bei Drittparteien, Daten-Governance, in der Technologieabteilung eines Finanzinstituts oder bei einem Technologieunternehmen, das KI/ML-Systeme für Unternehmen entwickelt/wartet.
- Ausgeprägte mündliche und schriftliche Kommunikationsfähigkeiten mit der Fähigkeit, wirkungsvoll und überzeugend zu präsentieren.
- Fähigkeit, in einem schnelllebigen Umfeld mit starkem Fokus auf die Umsetzung zu arbeiten; ausgeprägte organisatorische Fähigkeiten; Projektmanagementerfahrung von Vorteil.
- Sicherer Umgang mit Word, Excel, PowerPoint, SharePoint/OneDrive; SQL, Graphdatenbanken und Tableau von Vorteil.
- Relevante Zertifizierungen wie CISA, CISM, CBCP/MBCI, CTPRP oder verwandte KI/ML-, Daten- und Resilienz-Zertifizierungen.
- Bachelor-Abschluss in Informatik, Cybersicherheit, Business and Technology Management, Finanzwesen, Data Science oder verwandten Disziplinen.
ÜBER GOLDMAN SACHS
Bei Goldman Sachs setzen wir unsere Mitarbeiter, unser Kapital und unsere Ideen ein, um unseren Kunden, Aktionären und den Gemeinschaften, denen wir dienen, beim Wachstum zu helfen. Gegründet im Jahr 1869, sind wir ein führendes globales Investmentbanking-, Wertpapier- und Investmentmanagementunternehmen. Mit Hauptsitz in New York unterhalten wir weltweit Büros.
Wir glauben, dass Ihre Persönlichkeit Sie besser in dem macht, was Sie tun. Wir engagieren uns für die Förderung und Weiterentwicklung von Vielfalt und Inklusion an unserem eigenen Arbeitsplatz und darüber hinaus, indem wir sicherstellen, dass jeder Einzelne in unserem Unternehmen zahlreiche Möglichkeiten zur beruflichen und persönlichen Weiterentwicklung hat – von unseren Schulungs- und Entwicklungsmöglichkeiten und unternehmensweiten Netzwerken bis hin zu Leistungen, Wellness- und persönlichen Finanzangeboten sowie Achtsamkeitsprogrammen. Erfahren Sie mehr über unsere Kultur, unsere Leistungen und unsere Mitarbeiter unter GS.com/careers.
Wir setzen uns dafür ein, angemessene Vorkehrungen für Kandidaten mit besonderen Bedürfnissen oder Behinderungen während unseres Rekrutierungsprozesses zu finden. Erfahren Sie mehr: goldmansachs.com/careers/footer/disability-statement.html
© The Goldman Sachs Group, Inc., 2023. Alle Rechte vorbehalten. Goldman Sachs ist ein Arbeitgeber, der Chancengleichheit fördert und affirmative Maßnahmen ergreift (Female/Minority/Disability/Veteran/Sexual Orientation/Gender Identity).
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen