जोखिम प्रबंधन में हर कोई एआई चाहता है। लेकिन कुछ ही लोग इसके लिए तैयार हैं।

हर कोई एआई को तैनात करने की होड़ में लगा है। लेकिन थर्ड-पार्टी रिस्क मैनेजमेंट (टीपीआरएम) में, यह होड़ सबसे बड़ा जोखिम साबित हो सकती है।

कृत्रिम बुद्धिमत्ता (AI) संरचना पर निर्भर करती है: स्वच्छ डेटा, मानकीकृत प्रक्रियाएं और सुसंगत परिणाम। फिर भी, अधिकांश TPRM कार्यक्रमों में इन आधारभूत तत्वों का अभाव है। कुछ संगठनों में समर्पित जोखिम प्रबंधन प्रमुख, परिभाषित कार्यक्रम और डिजिटल डेटा उपलब्ध हैं। अन्य संगठन स्प्रेडशीट और साझा ड्राइव के माध्यम से जोखिम प्रबंधन करते हैं। कुछ संगठन कड़ी नियामक निगरानी में काम करते हैं, जबकि अन्य कहीं अधिक जोखिम स्वीकार करते हैं। कोई भी दो कार्यक्रम एक जैसे नहीं होते, और 15 वर्षों के प्रयासों के बाद भी परिपक्वता में व्यापक भिन्नता पाई जाती है।

इस भिन्नता का अर्थ है कि टीपीआरएम में एआई को अपनाना गति या एकरूपता से नहीं होगा। यह अनुशासन के माध्यम से होगा, और वह अनुशासन आपके कार्यक्रम की वर्तमान स्थिति, लक्ष्यों और जोखिम उठाने की क्षमता के बारे में यथार्थवादी होने से शुरू होता है।

यह कैसे जानें कि आपका प्रोग्राम एआई के लिए तैयार है या नहीं?

हर संगठन एआई के लिए तैयार नहीं है, और यह ठीक है। एमआईटी के एक हालिया अध्ययन में पाया गया है कि GenAI की 95% परियोजनाएं विफल हो रही हैं।और गार्टनर के अनुसार, प्रौद्योगिकी खरीदारों में से 79% उनका कहना है कि उन्हें अपनी हालिया खरीदारी पर पछतावा है क्योंकि परियोजना की ठीक से योजना नहीं बनाई गई थी।

टीपीआरएम में, एआई तत्परता कोई ऐसी चीज नहीं है जिसे बस चालू कर दिया जाए। यह एक क्रमिक प्रक्रिया है, और यह इस बात का प्रतिबिंब है कि आपका कार्यक्रम कितना संरचित, समन्वित और नियंत्रित है। अधिकांश संगठन तदर्थ से लेकर चुस्त तक की परिपक्वता वक्र पर कहीं न कहीं आते हैं, और यह जानना कि आप कहाँ स्थित हैं, एआई का प्रभावी और जिम्मेदारीपूर्ण उपयोग करने की दिशा में पहला कदम है।

शुरुआती चरणों में, जोखिम प्रबंधन कार्यक्रम काफी हद तक मैन्युअल होते हैं, जो स्प्रेडशीट, संस्थागत स्मृति और खंडित स्वामित्व पर निर्भर होते हैं। तीसरे पक्ष के जोखिम की कोई औपचारिक कार्यप्रणाली या निरंतर निगरानी नहीं होती। विक्रेता की जानकारी ईमेल चर्चाओं या कुछ प्रमुख लोगों के दिमाग में ही रह सकती है, और प्रक्रिया तब तक चलती रहती है जब तक कि वह विफल न हो जाए। ऐसे माहौल में, एआई को अनावश्यक जानकारी को वास्तविक जानकारी से अलग करने में कठिनाई होगी, और प्रौद्योगिकी विसंगति को दूर करने के बजाय उसे और बढ़ा देगी।

जैसे-जैसे कार्यक्रम परिपक्व होते हैं, संरचना बनने लगती है: कार्यप्रवाह मानकीकृत हो जाते हैं, डेटा का डिजिटलीकरण होता है, और विभागों में जवाबदेही का दायरा बढ़ता है। यहीं से एआई का वास्तविक महत्व सामने आता है। लेकिन अच्छी तरह से परिभाषित कार्यक्रम भी अक्सर अलग-थलग ही रहते हैं, जिससे पारदर्शिता और अंतर्दृष्टि सीमित हो जाती है।

वास्तविक तत्परता तब उभरती है जब ये विकेंद्रीकृत संरचनाएं टूट जाती हैं और शासन व्यवस्था साझा हो जाती है। एकीकृत और चुस्त कार्यक्रम पूरे उद्यम में डेटा, स्वचालन और जवाबदेही को जोड़ते हैं, जिससे एआई को अपनी जगह बनाने का मौका मिलता है - असंबद्ध जानकारी को बुद्धिमत्ता में परिवर्तित करता है और त्वरित, अधिक पारदर्शी निर्णय लेने में सहायता करता है।

आप जहां हैं और जहां जाना चाहते हैं, उसे समझकर आप ऐसी नींव बना सकते हैं जो एआई को एक आकर्षक वादे से बदलकर एक वास्तविक शक्ति गुणक में बदल दे।

कार्यक्रम की परिपक्वता के बावजूद, एक ही तरीका सबके लिए उपयुक्त क्यों नहीं होता?

भले ही दो कंपनियों के पास लचीले जोखिम प्रबंधन कार्यक्रम हों, फिर भी वे एआई कार्यान्वयन के लिए एक ही मार्ग नहीं अपनाएंगी और न ही उन्हें एक जैसे परिणाम मिलेंगे। प्रत्येक कंपनी तृतीय पक्षों के एक अलग नेटवर्क का प्रबंधन करती है, अद्वितीय नियमों के अंतर्गत कार्य करती है और जोखिम के विभिन्न स्तरों को स्वीकार करती है।

उदाहरण के लिए, बैंकों को तृतीय-पक्ष आउटसोर्सरों द्वारा प्रदान की जाने वाली सेवाओं के भीतर डेटा गोपनीयता और सुरक्षा से संबंधित कड़े नियामक आवश्यकताओं का सामना करना पड़ता है। त्रुटियों, रुकावटों या डेटा उल्लंघनों के प्रति उनकी जोखिम सहनशीलता लगभग शून्य है। इसके विपरीत, उपभोक्ता वस्तुओं के निर्माता लचीलेपन या गति के बदले अधिक परिचालन जोखिम स्वीकार कर सकते हैं, लेकिन वे ऐसी रुकावटों को बर्दाश्त नहीं कर सकते जो महत्वपूर्ण वितरण समय-सीमा को प्रभावित करती हैं।

प्रत्येक संगठन की जोखिम सहनशीलता यह निर्धारित करती है कि वह अपने लक्ष्यों को प्राप्त करने के लिए कितनी अनिश्चितता स्वीकार करने को तैयार है, और टीपीआरएम में यह सीमा निरंतर बदलती रहती है। यही कारण है कि रेडीमेड एआई मॉडल शायद ही कभी कारगर होते हैं। इतने परिवर्तनशील क्षेत्र में एक सामान्य मॉडल लागू करने से स्पष्टता के बजाय कमियां पैदा होती हैं – जिससे अधिक विशिष्ट, विन्यास योग्य समाधानों की आवश्यकता उत्पन्न होती है।

कृत्रिम बुद्धिमत्ता (एआई) का बेहतर दृष्टिकोण मॉड्यूलर है। एआई को वहां तैनात करें जहां डेटा मजबूत हो और उद्देश्य स्पष्ट हों, फिर वहां से इसका विस्तार करें। सामान्य उपयोग के उदाहरण इस प्रकार हैं:

• आपूर्तिकर्ता अनुसंधान: आगामी परियोजना के लिए सबसे कम जोखिम वाले, सबसे सक्षम या सबसे टिकाऊ भागीदारों की पहचान करने के लिए हजारों संभावित विक्रेताओं में से छानबीन करने के लिए एआई का उपयोग करें।
• आकलन: आपूर्तिकर्ता के दस्तावेज़ों, प्रमाणपत्रों और ऑडिट साक्ष्यों का मूल्यांकन करने के लिए कृत्रिम बुद्धिमत्ता (AI) का उपयोग करें। मॉडल उन विसंगतियों या अनियमितताओं को चिह्नित कर सकते हैं जो जोखिम का संकेत दे सकती हैं, जिससे विश्लेषकों को सबसे महत्वपूर्ण पहलुओं पर ध्यान केंद्रित करने की स्वतंत्रता मिलती है।
• लचीलापन योजना: व्यवधान के दूरगामी प्रभावों का अनुकरण करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करें। किसी क्षेत्र में प्रतिबंध या किसी सामग्री पर नियामक प्रतिबंध आपके आपूर्ति आधार को कैसे प्रभावित करेगा? कृत्रिम बुद्धिमत्ता जटिल व्यापार, भौगोलिक और निर्भरता संबंधी डेटा को संसाधित करके संभावित परिणामों का मॉडल तैयार कर सकती है और आकस्मिक योजनाओं को मजबूत बना सकती है।

इन सभी उपयोगों से तभी लाभ मिलता है जब इन्हें सुनियोजित तरीके से लागू किया जाए और प्रबंधन द्वारा समर्थित किया जाए। जोखिम प्रबंधन और आपूर्ति श्रृंखला प्रबंधन में एआई से वास्तविक सफलता प्राप्त करने वाले संगठन वे नहीं हैं जो सबसे अधिक स्वचालन करते हैं। वे वे हैं जो छोटे स्तर से शुरुआत करते हैं, सुनियोजित स्वचालन करते हैं और लगातार बदलाव करते रहते हैं।

टीपीआरएम में जिम्मेदार एआई की दिशा में निर्माण

जैसे-जैसे संगठन टीपीआरएम में एआई के साथ प्रयोग करना शुरू करते हैं, सबसे प्रभावी कार्यक्रम नवाचार और जवाबदेही के बीच संतुलन बनाते हैं। एआई को निगरानी को मजबूत करना चाहिए, न कि उसे प्रतिस्थापित करना चाहिए।

तृतीय-पक्ष जोखिम प्रबंधन में, सफलता का माप केवल विक्रेता का आकलन करने की गति से नहीं होता; बल्कि जोखिमों की सटीक पहचान और सुधारात्मक उपायों के प्रभावी कार्यान्वयन से होता है। जब कोई आपूर्तिकर्ता विफल हो जाता है या अनुपालन संबंधी कोई मुद्दा सुर्खियों में आता है, तो कोई यह नहीं पूछता कि प्रक्रिया कितनी कुशल थी। वे पूछते हैं कि इसका संचालन कैसे किया गया था।

है कि प्रश्न, "इसका संचालन कैसे होता है?एआई का प्रचलन तेजी से वैश्विक स्तर पर फैल रहा है। जैसे-जैसे एआई का उपयोग बढ़ रहा है, दुनिया भर के नियामक "जिम्मेदार" होने के अर्थ को अलग-अलग तरीकों से परिभाषित कर रहे हैं। यूरोपीय संघ एआई अधिनियम ने जोखिम-आधारित ढांचे के साथ एक मिसाल कायम की है जो उच्च जोखिम वाली प्रणालियों के लिए पारदर्शिता और जवाबदेही की मांग करता है। इसके विपरीत, संयुक्त राज्य अमेरिका अधिक विकेंद्रीकृत मार्ग का अनुसरण कर रहा है।स्वैच्छिक मानकों के साथ-साथ नवाचार पर जोर देते हुए, एनआईएसटी एआई जोखिम प्रबंधन ढांचाजापान, चीन और ब्राजील सहित अन्य क्षेत्र, मानवाधिकारों, निगरानी और राष्ट्रीय प्राथमिकताओं को मिलाकर एआई शासन के विशिष्ट मॉडल विकसित कर रहे हैं।

वैश्विक उद्यमों के लिए, ये भिन्न दृष्टिकोण जटिलता की नई परतें जोड़ते हैं। यूरोप में काम करने वाले विक्रेता को सख्त रिपोर्टिंग दायित्वों का सामना करना पड़ सकता है, जबकि अमेरिका में काम करने वाले विक्रेता की अपेक्षाएँ कम सख्त हो सकती हैं, लेकिन वे लगातार विकसित हो रही हैं। "जिम्मेदार एआई" की प्रत्येक परिभाषा इस बात में बारीकियां जोड़ती है कि जोखिम का आकलन, निगरानी और व्याख्या कैसे की जानी चाहिए।

जोखिम प्रबंधन करने वाले नेताओं को ऐसी अनुकूलनीय निगरानी संरचनाओं की आवश्यकता होती है जो पारदर्शिता और नियंत्रण बनाए रखते हुए बदलते नियमों के अनुरूप ढल सकें। सबसे उन्नत कार्यक्रम शासन को सीधे अपने टीपीआरएम संचालन में एकीकृत कर रहे हैं, यह सुनिश्चित करते हुए कि प्रत्येक एआई-संचालित निर्णय को समझाया जा सके, उसका पता लगाया जा सके और उसका बचाव किया जा सके - चाहे अधिकार क्षेत्र कोई भी हो।

शुरुआत कैसे करें

जिम्मेदार एआई को हकीकत में बदलने के लिए सिर्फ नीतिगत बयानों से कहीं अधिक की आवश्यकता है। इसका मतलब है सही बुनियाद स्थापित करना: स्वच्छ डेटा, स्पष्ट जवाबदेही और निरंतर निगरानी। आइए देखते हैं कि यह सब कैसा दिखता है।

• शुरुआत से ही मानकीकरण करें। स्वचालन से पहले स्वच्छ, सुसंगत डेटा और सुव्यवस्थित प्रक्रियाओं को स्थापित करें। एक चरणबद्ध दृष्टिकोण अपनाएं जो आपके जोखिम कार्यक्रम में एआई को चरणबद्ध तरीके से एकीकृत करे, और विस्तार से पहले प्रत्येक चरण का परीक्षण, सत्यापन और परिष्करण करे। डेटा की अखंडता, गोपनीयता और पारदर्शिता को शुरू से ही अनिवार्य बनाएं। ऐसा एआई जो अपने तर्क को स्पष्ट नहीं कर सकता, या जो असत्यापित इनपुट पर निर्भर करता है, जोखिम को कम करने के बजाय बढ़ाता है।
• छोटे स्तर से शुरू करें और बार-बार प्रयोग करते रहें। सफलता गति पर निर्भर नहीं करती। नियंत्रित पायलट प्रोजेक्ट शुरू करें जिनमें विशिष्ट, सुस्थापित समस्याओं पर AI का प्रयोग किया जाए। मॉडल कैसे काम करते हैं, निर्णय कैसे लिए जाते हैं और उनके लिए कौन जवाबदेह है, इसका दस्तावेजीकरण करें। डेटा गुणवत्ता, गोपनीयता और नियामक बाधाओं सहित उन महत्वपूर्ण चुनौतियों की पहचान करें और उनका समाधान करें जो अधिकांश जनरेटिव AI प्रोजेक्ट्स को व्यावसायिक लाभ प्रदान करने से रोकती हैं।
• हमेशा शासन करो। एआई का उद्देश्य व्यवधानों का पूर्वानुमान लगाना होना चाहिए, न कि उन्हें बढ़ाना। एआई को अन्य जोखिमों की तरह ही समझें। अपनी संस्था और उसके तृतीय पक्षों द्वारा एआई के उपयोग का मूल्यांकन करने के लिए स्पष्ट नीतियां और आंतरिक विशेषज्ञता स्थापित करें। जैसे-जैसे विश्व स्तर पर नियम विकसित होते हैं, पारदर्शिता बनी रहनी चाहिए। जोखिम प्रबंधन करने वालों को एआई द्वारा प्राप्त प्रत्येक जानकारी को उसके डेटा स्रोतों और तर्क तक ट्रैक करने में सक्षम होना चाहिए, जिससे यह सुनिश्चित हो सके कि नियामकों, बोर्डों और आम जनता द्वारा लिए गए निर्णय जांच में खरे उतरें।

टीपीआरएम में एआई के लिए कोई सार्वभौमिक खाका नहीं है। प्रत्येक कंपनी की परिपक्वता, नियामक वातावरण और जोखिम सहनशीलता यह निर्धारित करेगी कि एआई को कैसे लागू किया जाता है और उससे क्या लाभ मिलता है, लेकिन सभी कार्यक्रम सुनियोजित तरीके से बनाए जाने चाहिए। जो तैयार है उसे स्वचालित करें, स्वचालित प्रक्रियाओं को नियंत्रित करें और प्रौद्योगिकी और उससे जुड़े नियमों में निरंतर बदलाव के साथ-साथ अनुकूलन करते रहें।