Кожен хоче штучного інтелекту в управлінні ризиками. Немногі готові до цього

Кожен спішить розгорнути штучний інтелект. Але в управлінні ризиками третьої сторони (TPRM) цей поспіх може стати найбільшим ризиком серед усіх.

Штучний інтелект залежить від структури: чистих даних, стандартизованих процесів та послідовних результатів. Однак більшість програм TPRM не мають таких основ. Деякі організації мають присвячених лідерів із ризиками, визначені програми та оцифровані дані. Інші керують ризиками через електронні таблиці та спільні диски. Деякі працюють під суворим регулюванням, тоді як інші приймають більший ризик. Не дві програми однакові, і зрілість все ще різниться після 15 років зусиль.

Ця різноманітність означає, що впровадження штучного інтелекту в TPRM не відбудеться через швидкість чи уніфікацію. Воно відбудеться через дисципліну, і ця дисципліна починається з реалістичного погляду на поточний стан вашої програми, цілі та апетит до ризику.

Як знати, чи готова ваша програма до штучного інтелекту

Не кожна організація готова до штучного інтелекту, і це нормально. За останніми дослідженнями MIT, 95% проектів генеративного штучного інтелекту зазнають невдачі. А згідно з Gartner, 79% технологічних покупців кажуть, що вони шкодують про свій останній покупку, оскільки проект не був належним чином спланований.

У TPRM готовність до штучного інтелекту не є перемикачем, який ви включаєте. Це прогрес, і відображення того, наскільки структурована, зв’язана та керована ваша програма. Більшість організацій знаходяться десь на кривій зрілості, яка варіюється від нерегулярної до гнучкої, і знання того, де ви знаходитеся, є першим кроком до ефективного та відповідального використання штучного інтелекту.

На ранніх етапах програми ризиків в основному є ручними, залежними від електронних таблиць, інституційної пам’яті та фрагментованої власності. Там мало формальної методології чи послідовного нагляду за ризиками третьої сторони. Інформація про постачальників може жити в електронних листах або в головах кількох ключових людей, і процес працює, поки не припинить працювати. У такому середовищі штучний інтелект буде боротися з відокремленням шуму від інсайту, а технологія посилить несумісність, а не ліквідує її.

Когда програми зрілішають, починає формуватися структура: робочі процеси стандартизуються, дані оцифровуються, а відповідальність розширюється на всі відділи. Тут штучний інтелект починає додавати справжню вартість. Але навіть добре визначені програми часто залишаються ізольованими, обмежуючи видимість та інсайт.

Справжня готовність з’являється, коли ці ізоляції розриваються, а керування стає спільним. Інтегровані та гнучкі програми з’єднують дані, автоматизацію та відповідальність по всьому підприємству, дозволяючи штучному інтелекту знайти свою опору — перетворюючи відключену інформацію на інтелект та підтримуючи швидше, прозоріше прийняття рішень.

Поняття того, де ви знаходитеся, і куди ви хочете йти, ви можете побудувати фундамент, який перетворює штучний інтелект з блискучої обіцянки на справжній множник сили.

Чому один розмір не підходить всім, незважаючи на зрілість програми

Евен якщо дві компанії мають гнучкі програми ризиків, вони не прокладуть той же курс для впровадження штучного інтелекту, ні побачать однакові результати. Кожна організація керує різною мережею третьої сторони, працює під унікальними правилами та приймає різний рівень ризику.

Наприклад, банки стикаються з суворими нормативними вимогами щодо захисту даних та конфіденційності в рамках послуг, наданих постачальниками. Їхній ризик толерантність до помилок, простоїв або порушень є майже нульовим. Виробники споживчих товарів, з іншого боку, можуть прийняти більший операційний ризик в обмін на гнучкість або швидкість, але не можуть дозволити порушень, які впливають на критичні терміни доставки.

Кожна організація визначає свій ризик толерантність до того, скільки невизначеності вона готова прийняти, щоб досягти своїх цілей, і в TPRM ця межа постійно рухається. Тому готові моделі штучного інтелекту рідко працюють. Застосування загальної моделі в такому змінному просторі створює сліпі плями замість ясності — створюючи потребу в більш цілевих, конфігурованих рішеннях.

Більш розумний підхід до штучного інтелекту є модульним. Розгорніть штучний інтелект там, де дані сильні, а цілі ясні, потім масштабуйте з цього. Загальні випадки використання включають:

• Дослідження постачальників: Використовуйте штучний інтелект, щоб просіяти через тисячі потенційних постачальників, ідентифікуючи тих, хто має найнижчий ризик, найбільш здатний або найбільш стійкий партнер для майбутнього проекту.
• Оцінка: Застосуйте штучний інтелект для оцінки документів постачальників, сертифікатів та аудиторських доказів. Моделі можуть виділити несумісності або аномалії, які можуть вказувати на ризик, звільняючи аналітиків від того, щоб зосередитися на тому, що найважливіше.
• Планування стійкості: Використовуйте штучний інтелект, щоб симулювати ефекти порушення. Як би санкції в регіоні або нормативний заборона на матеріал вплинули на вашу базу постачальників? Штучний інтелект може обробляти складні дані торгівлі, географії та залежностей, щоб моделювати результати та зміцнювати плани дій.

Кожен з цих випадків використання доставляє вартість, коли розгортається цілеспрямовано та підтримується керуванням. Організації, які бачать справжній успіх зі штучним інтелектом у ризиках та ланцюжках постачання, не ті, які автоматизують найбільше. Вони ті, хто починає з малого, автоматизує з наміром та часто адаптується.

Будування до відповідального штучного інтелекту в TPRM

Когда організації починають експериментувати зі штучним інтелектом у TPRM, найбільш ефективні програми балансують інновації з відповідальністю. Штучний інтелект повинен зміцнювати нагляд, а не замінювати його.

У управлінні ризиками третьої сторони успіх не вимірюється лише тим, як швидко ви можете оцінити постачальника; він вимірюється тим, як точно ризики ідентифікуються та як ефективно коригувальні дії були реалізовані. Коли постачальник зазнає невдачі або питання про дотримання законодавства стають заголовками, ніхто не питає, наскільки ефективним був процес. Вони запитують, як він був керований.

Це питання, “Як воно керується“, швидко стає глобальним. Коли впровадження штучного інтелекту прискорюється, регулятори по всьому світу визначають, що означає “відповідальний” у дуже різних способах. Акт штучного інтелекту ЄС встановив тон з ризик-орієнтованою основою, яка вимагає прозорості та відповідальності для високоризикових систем. Натомість Сполучені Штати слідують більш децентралізованому шляху, підкреслюючи інновації поряд з добровільними стандартами, такими як Ністівський каркас управління ризиками штучного інтелекту. Інші регіони, включаючи Японію, Китай та Бразилію, розробляють свої власні варіації, змішуючи права людини, нагляд та національні пріоритети в окремі моделі керування штучним інтелектом.

Для глобальних підприємств ці розбіжні підходи вводять нові шари складності. Постачальник, який працює в Європі, може зіткнутися зі суворими звітними зобов’язаннями, тоді як у США він може мати більш вільні, але все ж таки еволюційні очікування. Кожне визначення “відповідального штучного інтелекту” додає нюанси до того, як ризик повинен бути оцінений, відстежений та пояснений.

Лідери із ризиків потребують адаптованих структур нагляду, які можуть гнуться з рухом правил, зберігаючи при цьому прозорість та контроль. Найбільш просунуті програми вкладають керування безпосередньо в свої операції TPRM, забезпечуючи, щоб кожне рішення, кероване штучним інтелектом, могло бути пояснено, відстежено та захищено — незалежно від юрисдикції.

Як почати

Перетворення відповідального штучного інтелекту на реальність вимагає більше, ніж заяви про політику. Це означає створення правильних основ: чистих даних, ясної відповідальності та безперервного нагляду. Ось, як це виглядає.

• Стандартизуйте з самого початку. Установіть чисті, послідовні дані та визначені процеси до автоматизації. Реалізуйте фазовий підхід, який інтегрує штучний інтелект крок за кроком у вашу програму ризиків, тестуючи, валідуючи та уточнюючи кожну фазу перед масштабуванням. Зробіть цілісність даних, конфіденційність та прозорість незаперечними з самого початку. Штучний інтелект, який не може пояснити свій розум, або який залежить від неверифікованих входів, вводить ризик, а не зменшує його.
• Почніть з малого та експериментуйте часто. Успіх не полягає в швидкості. Розгорніть контрольовані пілотні проекти, які застосовують штучний інтелект до конкретних, добре зрозумілих проблем. Документуйте, як моделі працюють, як приймаються рішення та хто відповідає за них. Визначте та пом’якшите критичні виклики, включаючи якість даних, конфіденційність та нормативні бар’єри, які перешкоджають більшості проектів генеративного штучного інтелекту доставляти бізнес-віддачу.
• Завжди керуйте. Штучний інтелект повинен допомогти передбачити порушення, а не спричинити більше з них. Обробіть штучний інтелект як будь-яку іншу форму ризику. Установіть ясні політики та внутрішню експертизу для оцінки того, як ваша організація та її треті сторони використовують штучний інтелект. Коли правила еволюціонують по всьому світу, прозорість повинна залишатися постійною. Лідери із ризиків повинні бути в змозі відстежити кожен інсайт, керований штучним інтелектом, до джерел даних та логіки, забезпечуючи, щоб рішення витримували перевірку з боку регуляторів, рад директорів та громадськості.

Не існує універсального плану для штучного інтелекту в TPRM. Кожна організація має свою зрілість, нормативне середовище та ризик толерантність, які формуватимуть, як штучний інтелект впроваджується та доставляє вартість, але всі програми повинні бути побудовані з наміром. Автоматизуйте те, що готове, керуйте тим, що автоматизовано, та безперервно адаптуйтесь, коли технології та правила навколо них еволюціонують.