ทุกคนต้องการ AI ในการจัดการความเสี่ยง แต่มีเพียงไม่กี่คนเท่านั้นที่พร้อมสำหรับมัน

ทุกคนกำลังแข่งขันกันเพื่อนำ AI ไปใช้ แต่ในด้านการจัดการความเสี่ยงของบุคคลที่สาม (TPRM) การแข่งขันนี้อาจเป็นความเสี่ยงที่ใหญ่ที่สุดของทั้งหมด

AI ขึ้นอยู่กับโครงสร้าง: ข้อมูลที่สะอาด มาตรฐานกระบวนการ และผลลัพธ์ที่สอดคล้องกัน แต่โปรแกรม TPRM ส่วนใหญ่ขาดรากฐานเหล่านี้ บางองค์กรมีผู้นำด้านความเสี่ยง โปรแกรมที่กำหนดไว้ และข้อมูลที่ถูกดิจิทัล化 แต่บางองค์กรจัดการความเสี่ยงในลักษณะ ad hoc โดยใช้แบบจำลองและไดรฟ์ที่ใช้ร่วมกัน บางองค์กรดำเนินงานภายใต้การกำกับดูแลที่เข้มงวด ในขณะที่บางองค์กรยอมรับความเสี่ยงที่มากกว่า ไม่มีโปรแกรมสองโปรแกรมที่เหมือนกัน และความตั้งใจยังคงเปลี่ยนแปลงอย่างกว้างขวางหลังจาก 15 ปีของความพยายาม

ความผันผวนนี้หมายความว่าการนำ AI ไปใช้ใน TPRM จะไม่เกิดขึ้นผ่านความเร็วหรือความสม่ำเสมอ แต่จะเกิดขึ้นผ่านวินัย และวินัยนี้เริ่มต้นจากความเป็นจริงเกี่ยวกับสภาพปัจจุบัน เป้าหมาย และความสามารถในการรับความเสี่ยงของโปรแกรมของคุณ

วิธีการรู้ว่าโปรแกรมของคุณพร้อมสำหรับ AI

ไม่ใช่ทุกองค์กรที่พร้อมสำหรับ AI และนั่นก็ไม่ใช่เรื่องที่ไม่ดี การศึกษาของ MIT พบว่า 95% ของโครงการ GenAI ล้มเหลว และตาม Gartner 79% ของผู้ซื้อเทคโนโลยี กล่าวว่าพวกเขาเสียใจกับการซื้อครั้งล่าสุดเพราะโครงการไม่ได้ถูกวางแผนอย่างเหมาะสม

ใน TPRM ความพร้อมของ AI ไม่ใช่สวิตช์ที่คุณสามารถเปิด/ปิดได้ แต่เป็นกระบวนการ และการสะท้อนถึงโครงสร้าง การเชื่อมต่อ และการกำกับดูแลของโปรแกรมของคุณ ส่วนใหญ่ขององค์กรตั้งอยู่ที่某จุดบนเส้นโค้งของความตั้งใจที่เปลี่ยนแปลงจาก ad hoc ไปเป็น agile และการรู้ว่าคุณอยู่ที่ไหนคือขั้นตอนแรกในการใช้ AI อย่างมีประสิทธิภาพและรับผิดชอบ

ในขั้นตอนแรก โปรแกรมความเสี่ยงส่วนใหญ่เป็นแบบแมนนวล ขึ้นอยู่กับแบบจำลอง ความจำของสถาบัน และการเป็นเจ้าของที่กระจัดกระจาย ไม่มีวิธีการที่เป็นทางการหรือการกำกับดูแลที่สอดคล้องกันของความเสี่ยงของบุคคลที่สาม ข้อมูลของซัพพลายเออร์อาจอยู่ในอีเมลหรือในหัวของคนบางคน และกระบวนการจะทำงานจนกว่ามันจะล้มเหลว ในสภาพแวดล้อมนี้ AI จะต้องดิ้นรนเพื่อแยกแยะระหว่างเสียงและข้อมูล และเทคโนโลยีจะขยายความไม่สอดคล้องกันมากกว่าการกำจัดมัน

เมื่อโปรแกรมมีความตั้งใจ โครงสร้างจะเริ่มเกิดขึ้น: กระบวนการจะถูกมาตรฐาน化 ข้อมูลจะถูกดิจิทัล化 และความรับผิดชอบจะขยายออกไปทั่วทั้งองค์กร ที่นี่ AI เริ่มเพิ่มคุณค่าจริง แต่แม้กระทั่งโปรแกรมที่ถูกกำหนดไว้อย่างชัดเจนยังคงถูกปิดล้อม ซึ่งจำกัดความสามารถในการมองเห็นและเข้าใจ

ความพร้อมที่แท้จริงเกิดขึ้นเมื่อโปรแกรมเหล่านั้นเชื่อมต่อและกำกับดูแล โปรแกรมที่รวมและยืดหยุ่นเชื่อมต่อข้อมูล การดิจิทัล化 และความรับผิดชอบทั่วทั้งองค์กร ทำให้ AI สามารถหาตำแหน่งของมัน — การเปลี่ยนข้อมูลที่ไม่เชื่อมต่อเป็นข้อมูลที่มีค่าและสนับสนุนการตัดสินใจที่รวดเร็วและโปร่งใสยิ่งขึ้น

โดยการเข้าใจว่าคุณอยู่ที่ไหนและคุณต้องการไปที่ไหน คุณสามารถสร้างรากฐานที่เปลี่ยน AI จากคำสัญญาที่สวยงามเป็นปัจจัยที่แท้จริง

ทำไมขนาดเดียวไม่เหมาะกับทุกคน尽管โปรแกรมมีความตั้งใจ

แม้ว่าบริษัทสองแห่งจะมีโปรแกรมความเสี่ยงที่มีความตั้งใจ แต่พวกเขาก็จะไม่เดินตามเส้นทางเดียวกันในการนำ AI ไปใช้ และพวกเขาก็จะไม่เห็นผลลัพธ์ที่เหมือนกัน ทุกองค์กรจัดการเครือข่ายของบุคคลที่สามที่แตกต่างกัน ดำเนินงานภายใต้การกำกับดูแลที่แตกต่างกัน และยอมรับความเสี่ยงที่แตกต่างกัน

例如 ธนาคารต้องเผชิญกับการกำกับดูแลที่เข้มงวดเกี่ยวกับการปกป้องข้อมูลและความเป็นส่วนตัวภายในบริการที่จัดหาโดยผู้ให้บริการภายนอก ความสามารถในการรับความเสี่ยงของข้อผิดพลาด การหยุดทำงาน หรือการละเมิดความปลอดภัยใกล้เคียงกับศูนย์ ในขณะที่ผู้ผลิตสินค้าอุปโภคบริโภคอาจยอมรับความเสี่ยงในการดำเนินงานที่มากกว่าเพื่อความยืดหยุ่นหรือความเร็ว แต่ไม่สามารถรับผลกระทบต่อการหยุดทำงานที่ส่งผลกระทบต่อเส้นเวลาการส่งมอบที่สำคัญ

ความสามารถในการรับความเสี่ยงของทุกองค์กรกำหนดว่าพวกเขายอมรับความไม่แน่นอนเพียงใดเพื่อบรรลุเป้าหมาย และใน TPRM เส้นนั้นเคลื่อนไหวอย่างต่อเนื่อง ซึ่งทำให้โมเดล AI ที่มีมาตรฐานไม่ทำงาน การใช้โมเดลที่มีมาตรฐานในพื้นที่ที่มีความผันผวนนี้จะสร้างจุดบอดมากกว่าความชัดเจน — ทำให้เกิดความจำเป็นในการใช้โซลูชันที่มีจุดมุ่งหมายและสามารถปรับเปลี่ยนได้

วิธีการที่ชาญฉลาดในการใช้ AI คือการแบ่งออกเป็นโมดูล นำ AI ไปใช้ที่มีข้อมูลที่แข็งแกร่งและวัตถุประสงค์ที่ชัดเจน จากนั้นขยายจากที่นั่น ใช้กรณีเช่น:

• การวิจัยซัพพลายเออร์: ใช้ AI เพื่อกรองผ่านซัพพลายเออร์ที่มีศักยภาพหลายพันราย เพื่อระบุซัพพลายเออร์ที่มีความเสี่ยงต่ำที่สุด ที่มีความสามารถมากที่สุด หรือที่มีความยั่งยืนมากที่สุดสำหรับโครงการที่กำลังจะมาถึง
• การประเมิน: ใช้ AI เพื่อประเมินเอกสารของซัพพลายเออร์ ใบอนุญาต และหลักฐานการตรวจสอบ โมเดลสามารถระบุความไม่สอดคล้องหรือความผิดปกติที่อาจบ่งบอกถึงความเสี่ยง ทำให้ผู้วิเคราะห์สามารถมุ่งเน้นไปที่สิ่งที่สำคัญที่สุด
• การวางแผนความยืดหยุ่น: ใช้ AI เพื่อจำลองผลกระทบของการหยุดทำงานอย่างไร การคว่ำบาตรในภูมิภาคหรือการห้ามใช้วัสดุในภูมิภาคจะส่งผลกระทบต่อฐานซัพพลายเออร์ของคุณอย่างไร AI สามารถประมวลผลข้อมูลการค้า ภูมิศาสตร์ และความสัมพันธ์ที่ซับซ้อนเพื่อสร้างผลลัพธ์และเสริมสร้างแผนการป้องกัน

ทุกกรณีใช้งานเหล่านี้ส่งมอบคุณค่าเมื่อนำไปใช้อย่างมีจุดมุ่งหมายและได้รับการกำกับดูแล องค์กรที่ประสบความสำเร็จจริงกับ AI ในการจัดการความเสี่ยงและห่วงโซ่อุปทานไม่ใช่那些ที่ทำให้กระบวนการอัตโนมัติได้มากที่สุด แต่เป็น那些ที่เริ่มต้นด้วยการวิจัยและปรับเปลี่ยนบ่อยๆ

การสร้าง AI ที่มีความรับผิดชอบใน TPRM

เมื่อองค์กรเริ่มทดลองกับ AI ใน TPRM โปรแกรมที่มีประสิทธิภาพที่สุดจะสร้างสมดุลระหว่างนวัตกรรมและความรับผิดชอบ AI ควรเสริมสร้างการกำกับดูแล ไม่ใช่แทนที่มัน

ใน TPRM ความสำเร็จไม่ได้วัดเพียงแค่ว่าคุณสามารถประเมินซัพพลายเออร์ได้เร็วแค่ไหน แต่วัดจากความแม่นยำที่ความเสี่ยงถูกระบุและวิธีการที่การดำเนินการแก้ไขถูกนำไปใช้ เมื่อซัพพลายเออร์ล้มเหลวหรือปัญหาการปฏิบัติตามกฎระเบียบทำให้เกิดความสนใจ ไม่มีใครถามว่ากระบวนการนั้นมีประสิทธิภาพแค่ไหน แต่ถามว่ามันถูกกำกับดูแลอย่างไร

คำถามนั้น “วิธีการกำกับดูแล” กำลังจะกลายเป็นคำถามที่มีระดับโลก เนื่องจากการนำ AI ไปใช้กำลังเร่งตัวขึ้น ผู้กำกับดูแลทั่วโลกกำลังกำหนดว่า “ความรับผิดชอบ” หมายถึงอะไรในหลายวิธีที่แตกต่างกัน พระราชบัญญัติ AI ของ EU ได้ตั้งโทนโดยใช้โครงสร้างที่อาศัยความเสี่ยงซึ่งต้องการความโปร่งใสและความรับผิดชอบสำหรับระบบที่มีความเสี่ยงสูง ในทางกลับกัน สหรัฐอเมริกากำลังเดินตามเส้นทางที่กระจายอำนาจมากขึ้น โดยเน้นนวัตกรรมควบคู่ไปกับมาตรฐานที่สมัครใจ เช่น โครงสร้างการบริหารความเสี่ยง AI ของ NIST ภูมิภาคอื่นๆ รวมถึงญี่ปุ่น จีน และบราซิล กำลังพัฒนาวิธีการของตนเองโดยผสมผสานสิทธิมนุษยชน การกำกับดูแล และลำดับความสำคัญของชาติเข้ากับโมเดลการกำกับดูแล AI ที่แตกต่างกัน

สำหรับองค์กรระดับโลก วิธีการที่แตกต่างกันเหล่านี้นำไปสู่ความซับซ้อนที่เพิ่มขึ้น ซัพพลายเออร์ที่ดำเนินงานในยุโรปอาจต้องเผชิญกับภาระผูกพันในการรายงานที่เข้มงวด ในขณะที่ซัพพลายเออร์ในสหรัฐอเมริกาอาจมีความคาดหวังที่หลากหลายแต่ยังคงพัฒนา ผู้นำด้านความเสี่ยงต้องการโครงสร้างการกำกับดูแลที่สามารถปรับเปลี่ยนตามกฎระเบียบที่เปลี่ยนแปลงไปได้ ในขณะเดียวกันก็รักษาความโปร่งใสและควบคุมไว้

วิธีการเริ่มต้น

การเปลี่ยน AI ที่มีความรับผิดชอบให้เป็นความเป็นจริงต้องใช้มากกว่าคำสัญญา มันหมายถึงการวางรากฐานที่ถูกต้อง: ข้อมูลที่สะอาด ความรับผิดชอบที่ชัดเจน และการกำกับดูแลอย่างต่อเนื่อง นี่คือสิ่งที่มันหมายถึง

• มาตรฐานตั้งแต่เริ่มต้น. จัดตั้งข้อมูลและกระบวนการที่สะอาดและสม่ำเสมอ ก่อนที่จะนำระบบอัตโนมัติไปใช้ นำ AI ไปใช้แบบขั้นตอน โดยผสมผสานเข้ากับโปรแกรมความเสี่ยงของคุณทีละขั้นตอน โดยทดสอบ ตรวจสอบ และปรับปรุงแต่ละขั้นตอนก่อนที่จะขยายขนาด ให้ความสำคัญกับความสมบูรณ์ของข้อมูล ความเป็นส่วนตัว และความโปร่งใสตั้งแต่เริ่มต้น AI ที่ไม่สามารถอธิบายเหตุผลของมัน หรือที่พึ่งพาข้อมูลที่ไม่ได้รับการตรวจสอบ จะนำความเสี่ยงเข้ามาแทนที่จะลดมัน
• เริ่มต้นด้วยการวิจัยและทดลองบ่อยๆ. ความสำเร็จไม่ใช่เรื่องของความเร็ว แต่เป็นการเริ่มต้นด้วยการวิจัยที่ควบคุม โดยนำ AI ไปใช้กับปัญหาที่เฉพาะเจาะจงและเข้าใจได้ดี ตรวจสอบว่าโมเดลทำงานอย่างไร การตัดสินใจเกิดขึ้นอย่างไร และใครรับผิดชอบต่อการตัดสินใจเหล่านั้น ระบุและบรรเทาอุปสรรคที่สำคัญ รวมถึงคุณภาพของข้อมูล ความเป็นส่วนตัว และอุปสรรคด้านกฎระเบียบที่ขัดขวางไม่ให้โครงการ AI ที่สร้างขึ้นโดยอัลกอริทึมส่วนใหญ่ส่งมอบคุณค่าทางธุรกิจ
• การกำกับดูแลอยู่เสมอ. AI ควรช่วยในการคาดการณ์การหยุดทำงาน ไม่ใช่ทำให้เกิดการหยุดทำงานมากขึ้น รักษา AI ไว้เหมือนกับการจัดการความเสี่ยงอื่นๆ จัดตั้งนโยบายและความเชี่ยวชาญภายในเพื่อประเมินว่าองค์กรของคุณและซัพพลายเออร์ของคุณใช้ AI อย่างไร เมื่อกฎระเบียบเปลี่ยนแปลงไปทั่วโลก ความโปร่งใสต้องคงไว้ ผู้นำด้านความเสี่ยงควรสามารถติดตามข้อมูลเชิงลึกที่ได้รับจาก AI กลับไปยังแหล่งข้อมูลและตรรกะที่ใช้ในการตัดสินใจ เพื่อให้แน่ใจว่าการตัดสินใจสามารถยืนหยัดต่อการตรวจสอบจากผู้กำกับดูแล คณะกรรมการ และสาธารณชน

ไม่มีแบบแผนнивер์สัลสำหรับ AI ใน TPRM ความตั้งใจ ระบบการกำกับดูแล และความสามารถในการรับความเสี่ยงของทุกองค์กรจะกำหนดวิธีการนำ AI ไปใช้และสร้างคุณค่า แต่ทุกโปรแกรมควรสร้างขึ้นด้วยความตั้งใจ อัตโนมัติสิ่งที่พร้อมแล้ว กำกับดูแลสิ่งที่ถูกอัตโนมัติ และปรับเปลี่ยนอย่างต่อเนื่องเมื่อเทคโนโลยีและกฎระเบียบที่เกี่ยวข้องพัฒนา