Stora affärsmässiga motgångar på grund av riskhanteringsmisslyckanden inträffar varje år. De är också några av de dyraste, och lägger till upp till miljontals dollar i böter, stämningar, utbetalningar och förlorat varumärkesvärde. Ledare vill undvika den här typen av problem och förlitar sig på sund intern datahantering för att minska risker och behålla förtroendet och förtroendet med sina intressenter.

Ändå enligt Thomson Reuters Regulatory Intelligence 2023 Cost of Compliance Report, 45 % av ledarna säger att de inte övervakar sina kostnader för efterlevnad av regler i sina organisationer. Varför? Det är fortfarande överväldigande svårt att göra det bra.

Men det blir det kanske inte snart. Företag har länge använt traditionella AI/ML-processer för att förbättra verksamheten. Framväxten av nästa generations generativa AI-teknik (GenAI) ger en betydande möjlighet att revolutionera förutsägande kapacitet och innehållsgenerering, vilket lovar en transformativ inverkan på företag.

Det här stycket utforskar hur företag kan skydda sin organisation – och sitt kapital – genom att ta till sig AI:s mest värdefulla funktioner. Företagsledare som kan vara nervösa över att integrera GenAI i sin verksamhet bör överväga det kvantifierade värdet av effektivitetsvinster som denna teknik kan ge enbart i riskhantering. AI:s mest kraftfulla värde är att hjälpa mänskliga arbetare, tillföra värde, hjälpa till att styra organisationen mer effektivt och ge anställda möjlighet att fatta strategiska beslut istället för att lägga tid på ineffektiva manuella uppgifter. 

AI effektiviserar Siled Business Operations

Om de senaste åren av post-pandemin digital omvandling har lärt företagsledare vad som helst, det är att en organisations förmåga att dela data och arbeta tvärfunktionellt är avgörande för att hålla jämna steg som ett modernt företag. Siled strukturer kan lösa kortsiktiga problem, men de hindrar en organisations framgångsrika navigering av större frågor som affärsrisk. 

GenAI löser för silor genom sin integrationskraft: företag kan träna stora språkmodeller på stora mängder ostrukturerad och historisk data för att syntetisera en mer komplett, strömlinjeformad bild av verksamheten. Detta innebär en klar fördel för både riskhanterare och ledare, som dagligen måste ta itu med konsekvenserna av komplexa och sammanlänkade hot mot sin verksamhet.

Genom att integrera olika datakällor kan GenAI övervinna dessa silos och ge en helhetssyn på risker i hela organisationen.

Boeing 737 MAX-krisen fungerar som ett gripande exempel på hur fragmenterade företagsinsikter kan kulminera i en stor kris. På grund av den tysta organisationsstrukturen hos Boeings separata teknik-, tillverknings- och säkerhetstillsynsdivisioner, tillsammans med komplexiteten i att bygga MAX-flygplanet, gjorde Boeing i sig misstag med allvarliga konsekvenser. Detta kulminerade i en krasch 2018 strax efter start. Utredarna fann designbrister och pilotproblem under utbildningen som inte rapporterades. 

Även om tillsyn från kvalitetskontrollingenjörer spelade en lika viktig roll i de aktuella felen, om AI hade varit mer tillgänglig, sofistikerad eller använts av Boeing-teamet i en riskmiljö, är det möjligt att effektivare kontroller skulle ha etablerats – och ständigt övervakas – att fånga upp typerna av risker, förbiseenden och frontlinjerapporter från piloter under utbildning. NLP-algoritmer som används idag har förmågan att bearbeta stora mängder textdata från pilotrapporter, underhållsjournaler och säkerhetsrelaterade dokument, för att upptäcka tidiga tecken på säkerhetsproblem och varna riskhanterare om misstag i datamängden. Det här exemplet understryker vikten av integrerade riskhanteringsprocesser, som GenAI kunde ha hjälpt till att effektivisera och undvika om dessa lösningar var tillgängliga vid den tidpunkten.

AI övervakar och varnar ändringar i ett system

Den enda konstanten i affärer är förändring. Ledare bär ansvaret att hålla koll på alla affärsförändringar, stora som små, vilket blir allt svårare att göra med tanke på digitaliseringens snabba takt. I riskvärlden är regulatoriska förändringar bland de svåraste att spåra.

Regelverksförändringar sker i stor skala och i enorma volymer och det är omöjligt för en person, eller ens ett team, att hänga med. Stora globala företag sysselsätter tusentals människor, med hjälp av föråldrad teknik, för att hålla jämna steg med regulatoriska förändringar och övervaka affärs- och kundinformation för brott mot efterlevnad. Underlåtenhet att följa kan resultera i böter eller ännu värre: en allvarlig riskhändelse som kan leda till förödande anseendeskada.

Ta Wells Fargo, en av de största amerikanska bankerna, som 2016 ertappades med att öppna miljontals otillåtna konton utan kundernas vetskap eller samtycke. Denna överträdelse av flera regler, inklusive Dodd-Frank Act, resulterade så småningom i tunga regulatoriska sanktioner mot banken och dess ledningsgrupp och en enorm träff för dess aktiekurs och vinster. I slutändan experter beräknat 3 miljarder dollar betalades i straffavgifter och banken rapporterade en vinstförlust på 50 % för kvartalet efter händelsen. 

Compliance, som länge ansetts vara ett växande kostnadscenter för stora företag, har potential att revolutionera med GenAI. Dessa AI-verktyg förbättras i sin förmåga att proaktivt identifiera, bedöma och ta itu med mönster och förändringar i ett system, såsom efterlevnadsrisker. I framtiden kan banker använda GenAI för att förhindra regelöverträdelser, förbättra transparensen och återuppbygga förtroende hos kunder, tillsynsmyndigheter och investerare genom realtidsinsikter och förutsägande analyser som åstadkoms av välutbildade LLM-funktioner. 

AI förutser och upptäcker hot mot affärssäkerhet

För dataproffs är det kvardröjande hotet från cyberbrott alltid i fokus. Riskexperter har länge förutspått att cyberbrottsligheten kommer att fortsätta att öka i takt med att sofistikerad digitalisering växer. De skadliga kostnaderna för cyberbrottslighet kommer också att fortsätta att växa: oingen rapport förväntar sig att den totala globala kostnaden för skador på cyberbrott förväntas uppgå till 10.5 biljoner dollar årligen 2025, upp från 3 biljoner dollar för bara ett decennium sedan.

Hotaktörer kommer att lära sig att utnyttja nya iterativa AI-verktyg som GenAI för att göra cyberattacker och hotåtgärder mer effektiva i större skala. Organisationer behöver alltså lika kraftfulla GenAI-verktyg för att känna sig bemyndigade att konstruera intelligenta, säkra och automatiserade system som kan detektera, förebygga och förebygga hot i realtid. 

I ett färskt exempel på vikten av robust datasäkerhet, AT & T avslöjade en stor dataläcka som påverkar över 70 miljoner nuvarande och tidigare kunder. Läckan inkluderade känslig information som personnummer. Även om källan till läckan fortfarande är under utredning, understryker denna incident den avgörande roll AI kan spela för datasäkerhet. GenAI:s förmåga att analysera stora mängder data kan hjälpa till att identifiera misstänkt aktivitet och förhindra dataintrång.

I oktober 2023 drabbades MGM Resorts, ett av världens största spelföretag, av en stor cyberattack som satte konsumenternas personliga data på spel och i slutändan stängde kasinoverksamheten för att mildra skadan. Det var en av årets största cyberattacker, med driftstörningar som orsakade ett rapporterade 100 miljoner dollar hit till MGM:s kvartalsresultat. Vad satte MGM i en sådan risk? De hackare lyckades i intrång i en IT-säkerhetsleverantörs system genom sofistikerade nätfiskemetoder – och detta var inte denna grupps enda högprofilerade cyberattack. Även om MGM reagerade så snabbt de kunde, orsakade attacken fortfarande ett förödande och kostsamt resultat för kasinogruppen.

Idag kan denna typ av attack vara ännu mer sofistikerad – men dubbelt så förebyggbar med rätt digitala verktyg. Från NLP till automatiserade arbetsflöden, maskininlärning och ansiktsdetektering kan företag bygga eller kontraktera med GenAI som omfattar en rad funktioner, inklusive automatisk hotdetektering. För att stärka en riskhanteringsmetod måste ledare vända sig till säkerhetsfokuserad effektivitet som AI ger, inklusive prioritering, analys och kontinuerlig övervakning över flera nyanserade cyberramar.

Framtiden för AI för att skydda företag från risk

I alla dessa exempel kan kostnaden för risk, efterlevnad och säkerhet vara häpnadsväckande när en kritisk händelse inträffar. Dessutom upphör inte riskhändelser – de växer och blir allt mer komplexa. 

Att skydda kapital är naturligtvis inte den enda fördelen med att utnyttja AI. Att bara titta på kostnaden för efterlevnad är en snäv synpunkt när GenAI kan göra så mycket mer för företag genom de effektivitetsvinster det skapar i riskhantering. Företag duplicerar ofta ansträngningar i delar av sin riskhanteringsstrategi och undertestar på andra områden. GenAI kan snabbt identifiera luckor och dubbletter i interna kontroller, vilket hjälper ledare att hålla sina ansträngningar för styrning, risk och efterlevnad (GRC) sömlösa.

GenAI är en lovande teknologi för GRC-funktioner eftersom dess kapacitet kan hjälpa ledare att generera rapporter enklare, simulera hotscenarier, förutse risker och agera snabbare, vilket i slutändan leder till en kapitalnettofördel. Att förutse risker innebär en tydligare väg för att undvika kostsamma problem.

Förhandskostnaderna för att implementera GenAI kan verka skrämmande: Företag måste använda sina egna data för att korrekt kalibrera LLM för specifika funktioner eller investera ytterligare i att utveckla sina skräddarsydda algoritmer. Potentialen att effektivisera verksamheten, proaktivt identifiera hot och säkerställa efterlevnad av regelverk överväger dock vida den initiala investeringen. Genom att utnyttja AI:s analytiska förmåga kan företag inte bara spara pengar utan också få en betydande konkurrensfördel. Framtiden för riskhantering är utan tvekan knuten till GenAI och kan kanske antyda en framtid där artificiell allmän intelligens (AGI) spelar en större kognitiv roll tillsammans med mänskliga riskhanterare – och företag som anammar denna teknik kommer att vara väl positionerade för att klara framtida stormar och nå långsiktig framgång.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://www.dataversity.net/data-driven-defense-ai-as-the-new-frontier-in-business-security/