Abstrait

Machine Learning 2018 : gestion des risques lors de la mise en œuvre des technologies émergentes IA, RPA et ML - Anu Kukar-KPMG

Anu Kukar

Au secours ! Mon bot ne m'écoute pas : un bot peut-il être dangereux ? Un bot sera-t-il résistant ? Un bot sera-t-il représenté ? Que vous choisissiez la stratégie commerciale, que vous fassiez une preuve de concept ou que vous orientiez vers le RPA, diriez-vous que vous commettez l'erreur GRRC la plus connue ? La mise en place d'un groupe de travail garantissant que les risques du projet sont gérés est généralement le fait de tout le monde. Ensuite, il faut reconnaître les nouveaux risques découlant du RPA, par exemple les risques de réputation, l'influence sur les employés, le risque numérique accru, la sécurité et la protection, etc. Ceci est généralement considéré comme un aspect important de l'analyse de rentabilisation et de l'exécution du projet. La gestion des risques lors d'un changement, par exemple l'adoption du RPA, peut souvent conduire à ce que des éléments du risque et de la cohérence de la structure de gestion soient ignorés ou négligés. Imaginez que vous mettez en œuvre votre extension RPA et négligez de vous assurer que votre plan de continuité des activités (PCA) reflète l'évolution des effectifs et des besoins pour aider vos bots qui n'ont pas été mis en œuvre. Votre création d'effectifs et votre domaine d'activité n'ont pas changé, tout comme vos besoins commerciaux. Ou bien, prenez les accords commerciaux ou les accords de collaboration clés que vous avez conclus pour mener à bien ce projet et aidez l'entreprise à atteindre sa stratégie, ses objectifs et à adapter les besoins de ses clients. Avez-vous informé le responsable s'il s'agit d'un fournisseur de matériaux ? Ne faut-il pas dire quelque chose sur les plans d'action des contrats, les SLA, la sécurité numérique et la manière dont ils seront vérifiés pour garantir que les risques de réputation, opérationnels, critiques et de cohérence sont correctement gérés. Évaluer l'impact et mettre en œuvre les changements sur tous les éléments concernés du risque et de la cohérence du système de gestion peut épargner beaucoup de maux de tête indésirables, financiers et non financiers ! L'élément de bonne gestion et de gestion des risques commerciaux est souvent négligé, laissé au-delà du point de non-retour ou l'équipe est épuisée par les 3 segments référencés : (1) Gestion des risques du projet, (2) Identification des nouveaux risques et (3) Gestion des risques pendant le changement. Ce qui est également, sinon la partie fondamentale du GRRC, le conseil d'administration dans l'exécution de la RPA est considéré comme tel à chaque étape du choix de la procédure, de la confirmation de l'idée, du pilote, de l'utilisation et de l'exécution ultérieure. Écoutez, voyez et apprenez des approches concrètes pour intégrer et prendre en compte le GRRC dans la phase importante de votre parcours RPA et assurez-vous que votre bot vous écoute ! Parmi les institutions financières (IF), le terme « intelligence artificielle » (IA) n'est plus seulement un mot à la mode. L'IA est devenue un outil important avec des cas d'utilisation dans divers contextes de services financiers. Dans ce rapport, nous explorons l'état actuel de l'IA dans le domaine du risque et de la conformité, en examinant plusieurs thèmes clés : • La maturité globale des outils d'IA. • À quoi ressemble la maturité de l'IA dans différents contextes (par exemple, dans différents types d'institutions).• Les façons dont les outils d’IA sont utilisés dans la chaîne de valeur du risque et de la conformité. Dans ce rapport, nous affirmons que le niveau de maturité de l’utilisation de l’IA varie considérablement selon les institutions financières, à la fois par type et au niveau des secteurs d’activité. À quelques exceptions près, nous constatons que le secteur financier est encore en train de « rattraper son retard » en matière d’IA. Pour de nombreuses entreprises, la phase expérimentale de l’IA est en cours, et des cas d’utilisation pratiques émergent encore. Même dans les nombreuses grandes institutions ayant plus d’expérience en matière d’IA, les projets d’aujourd’hui sont susceptibles d’être les premiers dans lesquels l’IA est déployée à grande échelle, et dans un large éventail de cas d’utilisation dans des silos organisationnels. L’application des outils d’IA varie également considérablement selon les cas d’utilisation. Par exemple, l’IA est relativement répandue dans le domaine de la gestion des données, où des outils spécifiques (tels que l’apprentissage automatique [ML], le traitement du langage naturel [NLP] et l’analyse graphique [GA]) se sont révélés particulièrement adaptés à certaines applications. Cependant, pour tirer efficacement parti des projets axés sur les données, les institutions doivent avoir accès aux bonnes sources de données et à l’expertise adéquate pour les gérer.

Biographie:

Anu Kukar travaille chez KPMG, Australie