ทุกคนอยากให้มี AI ในการบริหารความเสี่ยง แต่มีเพียงไม่กี่คนที่พร้อมรับมือกับมัน

ทุกคนต่างเร่งนำ AI มาใช้งาน แต่ในด้านการจัดการความเสี่ยงจากบุคคลภายนอก (TPRM) การแข่งขันนั้นอาจกลายเป็นความเสี่ยงที่ใหญ่ที่สุดเลยก็ว่าได้

AI ขึ้นอยู่กับโครงสร้าง: ข้อมูลที่สะอาด กระบวนการที่เป็นมาตรฐาน และผลลัพธ์ที่สม่ำเสมอ แต่โปรแกรม TPRM ส่วนใหญ่ขาดรากฐานเหล่านั้น บางองค์กรมีผู้นำด้านความเสี่ยงโดยเฉพาะ มีโปรแกรมที่กำหนดไว้ชัดเจน และข้อมูลดิจิทัล ในขณะที่บางองค์กรจัดการความเสี่ยงแบบเฉพาะกิจผ่านสเปรดชีตและไดรฟ์ที่ใช้ร่วมกัน บางองค์กรดำเนินการภายใต้การตรวจสอบด้านกฎระเบียบที่เข้มงวด ในขณะที่บางองค์กรยอมรับความเสี่ยงที่สูงกว่ามาก ไม่มีโปรแกรมใดเหมือนกัน และระดับความพร้อมยังคงแตกต่างกันอย่างมากแม้หลังจากความพยายามมา 15 ปีแล้ว

ความผันแปรนี้หมายความว่าการนำ AI มาใช้ใน TPRM จะไม่เกิดขึ้นจากความเร็วหรือความสม่ำเสมอ แต่จะเกิดขึ้นจากวินัย และวินัยนั้นเริ่มต้นจากการประเมินสถานะปัจจุบัน เป้าหมาย และระดับความเสี่ยงที่ยอมรับได้ของโครงการอย่างสมจริง

วิธีตรวจสอบว่าโปรแกรมของคุณพร้อมสำหรับ AI แล้วหรือไม่

ไม่ใช่ทุกองค์กรที่พร้อมรับมือกับ AI และนั่นก็ไม่เป็นไร ผลการศึกษาล่าสุดจาก MIT พบว่า 95% ของโครงการ GenAI ล้มเหลวและจากข้อมูลของ Gartner 79% ของผู้ซื้อเทคโนโลยี พวกเขากล่าวว่าเสียใจกับการซื้อครั้งล่าสุด เพราะโครงการนั้นไม่ได้วางแผนไว้อย่างเหมาะสม

ใน TPRM ความพร้อมในการใช้ AI ไม่ใช่สิ่งที่สามารถกดเพื่อเปิดใช้งานได้ทันที แต่เป็นกระบวนการที่ค่อยเป็นค่อยไป และสะท้อนให้เห็นถึงโครงสร้าง การเชื่อมโยง และการกำกับดูแลของโปรแกรมของคุณ องค์กรส่วนใหญ่จะอยู่ในระดับความพร้อมที่แตกต่างกัน ตั้งแต่แบบไม่เป็นระบบไปจนถึงแบบคล่องตัว และการรู้ว่าคุณอยู่ในระดับใดคือขั้นตอนแรกในการใช้ AI อย่างมีประสิทธิภาพและมีความรับผิดชอบ

ในระยะเริ่มต้น โปรแกรมบริหารความเสี่ยงส่วนใหญ่ยังคงใช้ระบบแบบแมนนวล อาศัยสเปรดชีต ความทรงจำภายในองค์กร และการกระจายอำนาจการดูแล มีวิธีการที่เป็นทางการน้อยมาก หรือการกำกับดูแลความเสี่ยงจากบุคคลภายนอกอย่างสม่ำเสมอ ข้อมูลของผู้ขายอาจอยู่ในอีเมลหรือในหัวของบุคคลสำคัญเพียงไม่กี่คน และกระบวนการก็ดำเนินไปได้ จนกระทั่งมันล้มเหลว ในสภาพแวดล้อมเช่นนี้ AI จะประสบปัญหาในการแยกข้อมูลที่ไม่จำเป็นออกจากข้อมูลเชิงลึก และเทคโนโลยีจะยิ่งขยายความไม่สอดคล้องกันมากกว่าที่จะขจัดมันออกไป

เมื่อโปรแกรมต่างๆ พัฒนาขึ้น โครงสร้างก็จะเริ่มเป็นรูปเป็นร่าง: ขั้นตอนการทำงานจะกลายเป็นมาตรฐาน ข้อมูลจะถูกแปลงเป็นดิจิทัล และความรับผิดชอบจะขยายวงกว้างออกไปทั่วทุกแผนก ในจุดนี้ AI จะเริ่มเพิ่มคุณค่าอย่างแท้จริง แต่ถึงแม้โปรแกรมที่กำหนดไว้อย่างดีแล้วก็มักจะยังคงทำงานแยกส่วน ทำให้การมองเห็นและการวิเคราะห์เชิงลึกมีข้อจำกัด

ความพร้อมที่แท้จริงเกิดขึ้นเมื่อกำแพงกั้นระหว่างหน่วยงานต่างๆ สลายไป และการกำกับดูแลกลายเป็นสิ่งที่แบ่งปันกัน โปรแกรมแบบบูรณาการและคล่องตัวจะเชื่อมโยงข้อมูล ระบบอัตโนมัติ และความรับผิดชอบทั่วทั้งองค์กร ทำให้ AI สามารถทำงานได้อย่างมีประสิทธิภาพ เปลี่ยนข้อมูลที่กระจัดกระจายให้กลายเป็นข้อมูลเชิงลึก และสนับสนุนการตัดสินใจที่รวดเร็วและโปร่งใสยิ่งขึ้น

ด้วยการทำความเข้าใจว่าคุณอยู่ตรงไหนและต้องการไปที่ไหน คุณจะสามารถสร้างรากฐานที่จะเปลี่ยน AI จากคำมั่นสัญญาที่ดูดีให้กลายเป็นเครื่องมือเพิ่มประสิทธิภาพที่แท้จริงได้

เหตุใดรูปแบบเดียวจึงใช้ไม่ได้กับทุกคน แม้ว่าโปรแกรมจะมีความสมบูรณ์แล้วก็ตาม

แม้ว่าทั้งสองบริษัทจะมีโปรแกรมบริหารความเสี่ยงแบบคล่องตัวเหมือนกัน แต่พวกเขาก็จะไม่กำหนดแนวทางเดียวกันสำหรับการนำ AI มาใช้ และผลลัพธ์ที่ได้ก็จะแตกต่างกันออกไป แต่ละบริษัทบริหารจัดการเครือข่ายบุคคลที่สามที่แตกต่างกัน ดำเนินงานภายใต้กฎระเบียบเฉพาะ และยอมรับระดับความเสี่ยงที่แตกต่างกัน

ตัวอย่างเช่น ธนาคารต้องเผชิญกับข้อกำหนดด้านกฎระเบียบที่เข้มงวดเกี่ยวกับการปกป้องและคุ้มครองข้อมูลส่วนบุคคลภายในบริการที่จัดหาโดยผู้ให้บริการภายนอก ความเสี่ยงที่ธนาคารยอมรับได้ต่อข้อผิดพลาด การหยุดชะงัก หรือการละเมิดข้อมูลนั้นแทบจะเป็นศูนย์ ในทางตรงกันข้าม ผู้ผลิตสินค้าอุปโภคบริโภคอาจยอมรับความเสี่ยงด้านการดำเนินงานที่มากขึ้นเพื่อแลกกับความยืดหยุ่นหรือความรวดเร็ว แต่ไม่สามารถที่จะยอมให้เกิดการหยุดชะงักที่ส่งผลกระทบต่อกำหนดการส่งมอบที่สำคัญได้

ระดับความเสี่ยงที่องค์กรแต่ละแห่งยอมรับได้นั้น กำหนดว่าองค์กรนั้นเต็มใจที่จะยอมรับความไม่แน่นอนมากน้อยเพียงใดเพื่อให้บรรลุเป้าหมาย และใน TPRM เส้นแบ่งนั้นเปลี่ยนแปลงอยู่ตลอดเวลา นั่นเป็นเหตุผลว่าทำไมโมเดล AI สำเร็จรูปจึงไม่ค่อยได้ผล การนำโมเดลทั่วไปมาใช้ในพื้นที่ที่มีการเปลี่ยนแปลงเช่นนี้ จะสร้างจุดบอดแทนที่จะสร้างความชัดเจน ทำให้เกิดความต้องการโซลูชันที่สร้างขึ้นมาโดยเฉพาะและสามารถปรับแต่งได้มากขึ้น

แนวทางที่ชาญฉลาดกว่าในการใช้ AI คือการออกแบบแบบแยกส่วน ควรนำ AI ไปใช้งานในที่ที่มีข้อมูลเพียงพอและมีเป้าหมายที่ชัดเจน จากนั้นจึงค่อยขยายขนาดต่อไป กรณีการใช้งานทั่วไป ได้แก่:

• การวิจัยซัพพลายเออร์: ใช้ AI ในการคัดกรองผู้ขายที่มีศักยภาพหลายพันราย เพื่อระบุพันธมิตรที่มีความเสี่ยงต่ำที่สุด มีความสามารถมากที่สุด หรือมีความยั่งยืนมากที่สุดสำหรับโครงการที่จะเกิดขึ้น
• การประเมิน: นำ AI มาใช้ในการประเมินเอกสาร ใบรับรอง และหลักฐานการตรวจสอบจากซัพพลายเออร์ โมเดลสามารถชี้ให้เห็นความไม่สอดคล้องกันหรือความผิดปกติที่อาจบ่งชี้ถึงความเสี่ยง ช่วยให้นักวิเคราะห์สามารถมุ่งเน้นไปที่สิ่งที่สำคัญที่สุดได้
• การวางแผนรับมือ: ใช้ AI เพื่อจำลองผลกระทบต่อเนื่องจากการหยุดชะงัก การคว่ำบาตรในภูมิภาคหรือการห้ามใช้วัสดุบางอย่างจะส่งผลกระทบต่อฐานซัพพลายเออร์ของคุณอย่างไร? AI สามารถประมวลผลข้อมูลการค้า ภูมิศาสตร์ และความสัมพันธ์ที่ซับซ้อน เพื่อสร้างแบบจำลองผลลัพธ์และเสริมสร้างแผนรับมือฉุกเฉินได้

แต่ละกรณีการใช้งานเหล่านี้จะสร้างคุณค่าเมื่อนำไปใช้โดยตั้งใจและได้รับการสนับสนุนจากระบบการกำกับดูแล องค์กรที่ประสบความสำเร็จอย่างแท้จริงในการใช้ AI ในการบริหารความเสี่ยงและห่วงโซ่อุปทาน ไม่ใช่องค์กรที่ใช้ระบบอัตโนมัติมากที่สุด แต่เป็นองค์กรที่เริ่มต้นจากสิ่งเล็กๆ ใช้ระบบอัตโนมัติอย่างมีเจตนา และปรับตัวอย่างสม่ำเสมอ

การสร้างระบบ AI ที่มีความรับผิดชอบใน TPRM

เมื่อองค์กรต่างๆ เริ่มทดลองใช้ AI ใน TPRM โปรแกรมที่มีประสิทธิภาพที่สุดจะต้องสร้างสมดุลระหว่างนวัตกรรมและความรับผิดชอบ AI ควรเสริมสร้างการกำกับดูแล ไม่ใช่เข้ามาแทนที่การกำกับดูแล

ในการบริหารความเสี่ยงจากบุคคลภายนอก ความสำเร็จไม่ได้วัดจากความเร็วในการประเมินผู้ขายเพียงอย่างเดียว แต่ยังวัดจากความแม่นยำในการระบุความเสี่ยง และประสิทธิภาพของการดำเนินการแก้ไขด้วย เมื่อซัพพลายเออร์ล้มเหลว หรือปัญหาด้านการปฏิบัติตามกฎระเบียบกลายเป็นข่าวใหญ่ ไม่มีใครถามว่ากระบวนการนั้นมีประสิทธิภาพแค่ไหน แต่จะถามว่ามีการกำกับดูแลอย่างไร

คำถามนั้น “มีการปกครองอย่างไร“ความรับผิดชอบ” กำลังกลายเป็นเรื่องระดับโลกอย่างรวดเร็ว ในขณะที่การนำ AI มาใช้เพิ่มขึ้นอย่างรวดเร็ว หน่วยงานกำกับดูแลทั่วโลกกำลังกำหนดความหมายของคำว่า “ความรับผิดชอบ” ในรูปแบบที่แตกต่างกันออกไป พระราชบัญญัติ AI ของสหภาพยุโรป ได้วางแนวทางด้วยกรอบการทำงานที่อิงตามความเสี่ยง ซึ่งเรียกร้องความโปร่งใสและความรับผิดชอบสำหรับระบบที่มีความเสี่ยงสูง ในทางตรงกันข้าม สหรัฐอเมริกากำลังดำเนินตามแนวทางที่เน้นการกระจายอำนาจมากขึ้นโดยเน้นนวัตกรรมควบคู่ไปกับมาตรฐานโดยสมัครใจ เช่น กรอบการบริหารความเสี่ยง NIST AIภูมิภาคอื่นๆ รวมถึงญี่ปุ่น จีน และบราซิล กำลังพัฒนารูปแบบของตนเอง โดยผสมผสานสิทธิมนุษยชน การกำกับดูแล และลำดับความสำคัญของชาติ เข้าไว้ในแบบจำลองเฉพาะของการกำกับดูแล AI

สำหรับองค์กรระดับโลก แนวทางที่แตกต่างกันเหล่านี้ก่อให้เกิดความซับซ้อนเพิ่มขึ้นอีกหลายระดับ ผู้ขายที่ดำเนินงานในยุโรปอาจต้องเผชิญกับข้อผูกพันด้านการรายงานที่เข้มงวด ในขณะที่ผู้ขายในสหรัฐอเมริกาอาจมีข้อกำหนดที่ผ่อนปรนกว่า แต่ก็ยังคงมีการเปลี่ยนแปลงอยู่เรื่อยๆ นิยามของ “AI ที่มีความรับผิดชอบ” แต่ละแบบล้วนเพิ่มความแตกต่างในวิธีการประเมิน ตรวจสอบ และอธิบายความเสี่ยง

ผู้นำด้านการบริหารความเสี่ยงต้องการโครงสร้างการกำกับดูแลที่ปรับเปลี่ยนได้ ซึ่งสามารถปรับตัวให้เข้ากับการเปลี่ยนแปลงของกฎระเบียบ ในขณะเดียวกันก็ต้องรักษาความโปร่งใสและการควบคุมไว้ได้ โปรแกรมที่ทันสมัยที่สุดกำลังผนวกการกำกับดูแลเข้ากับการดำเนินงาน TPRM โดยตรง เพื่อให้มั่นใจว่าทุกการตัดสินใจที่ขับเคลื่อนด้วย AI สามารถอธิบาย ตรวจสอบ และปกป้องได้ ไม่ว่าจะเป็นเขตอำนาจศาลใดก็ตาม

วิธีการเริ่มต้น

การทำให้ AI ที่มีความรับผิดชอบเกิดขึ้นจริงนั้น ต้องอาศัยมากกว่าแค่การออกแถลงการณ์นโยบาย มันหมายถึงการวางรากฐานที่ถูกต้อง: ข้อมูลที่สะอาด ความรับผิดชอบที่ชัดเจน และการกำกับดูแลอย่างต่อเนื่อง นี่คือสิ่งที่จะต้องทำ

• กำหนดมาตรฐานตั้งแต่เริ่มต้น สร้างข้อมูลที่สะอาด สม่ำเสมอ และกระบวนการที่สอดคล้องกันก่อนที่จะนำระบบอัตโนมัติมาใช้ ใช้แนวทางแบบเป็นขั้นตอนที่บูรณาการ AI เข้ากับโปรแกรมบริหารความเสี่ยงของคุณทีละขั้น ทดสอบ ตรวจสอบ และปรับปรุงแต่ละขั้นตอนก่อนที่จะขยายผล กำหนดให้ความสมบูรณ์ของข้อมูล ความเป็นส่วนตัว และความโปร่งใสเป็นสิ่งที่ไม่สามารถต่อรองได้ตั้งแต่เริ่มต้น AI ที่ไม่สามารถอธิบายเหตุผลของตนเองได้ หรือที่พึ่งพาข้อมูลที่ไม่ได้รับการตรวจสอบ จะก่อให้เกิดความเสี่ยงมากกว่าการลดความเสี่ยง
• เริ่มจากสิ่งเล็กๆ และทดลองบ่อยๆ ความสำเร็จไม่ได้ขึ้นอยู่กับความเร็ว ควรเริ่มโครงการนำร่องที่มีการควบคุม โดยใช้ AI กับปัญหาเฉพาะเจาะจงที่เข้าใจได้ดี บันทึกวิธีการทำงานของโมเดล วิธีการตัดสินใจ และผู้รับผิดชอบ ระบุและลดความท้าทายที่สำคัญ รวมถึงคุณภาพข้อมูล ความเป็นส่วนตัว และอุปสรรคด้านกฎระเบียบ ที่ขัดขวางไม่ให้โครงการ AI แบบสร้างสรรค์ส่วนใหญ่สร้างมูลค่าทางธุรกิจได้
• จงปกครองเสมอ AI ควรช่วยคาดการณ์ถึงการเปลี่ยนแปลงที่จะเกิดขึ้น ไม่ใช่ก่อให้เกิดการเปลี่ยนแปลงมากขึ้น ควรปฏิบัติต่อ AI เหมือนกับความเสี่ยงรูปแบบอื่นๆ กำหนดนโยบายที่ชัดเจนและสร้างความเชี่ยวชาญภายในองค์กรสำหรับการประเมินว่าองค์กรและบุคคลภายนอกใช้ AI อย่างไร เนื่องจากกฎระเบียบต่างๆ ทั่วโลกมีการเปลี่ยนแปลงอยู่เสมอ ความโปร่งใสจึงต้องคงที่ ผู้นำด้านการบริหารความเสี่ยงควรสามารถตรวจสอบย้อนกลับแหล่งที่มาและตรรกะของข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI ทุกอย่าง เพื่อให้มั่นใจว่าการตัดสินใจนั้นสามารถยืนหยัดได้ภายใต้การตรวจสอบจากหน่วยงานกำกับดูแล คณะกรรมการ และสาธารณชน

ไม่มีแบบแผนตายตัวสำหรับการนำ AI มาใช้ใน TPRM ระดับความพร้อม สภาพแวดล้อมด้านกฎระเบียบ และความสามารถในการรับความเสี่ยงของแต่ละบริษัท จะเป็นตัวกำหนดวิธีการนำ AI มาใช้และสร้างมูลค่า แต่ทุกโปรแกรมควรถูกสร้างขึ้นด้วยความตั้งใจ ควรทำให้สิ่งที่พร้อมใช้งานเป็นระบบอัตโนมัติ ควบคุมสิ่งที่เป็นระบบอัตโนมัติ และปรับตัวอย่างต่อเนื่องเมื่อเทคโนโลยีและกฎระเบียบที่เกี่ยวข้องมีการเปลี่ยนแปลง