SHAP and LIME Explainability in Financial Machine Learning: A Systematic Review of Methods, Evaluation Gaps, and Barriers to Deployment
Esta revisão sistemática de 297 estudos revela que, embora o SHAP e o LIME sejam amplamente adotados para explicabilidade em aprendizado de máquina financeiro — particularmente para modelagem de crédito —, eles sofrem de uma falta crítica de avaliação formal, com apenas 9,1% dos artigos avaliando a qualidade da explicação, destacando uma necessidade urgente de padrões mais fortes de validação e implementação para garantir a conformidade regulatória e a confiança.