Vaatimustenhallinnan parantaminen AI:n avulla

6 minutes01/22/2025

Tämän artikkelin alkuperäinen julkaisija on Enhesa – luotettu Quentic- yhteistyökumppani – ja se on kooste loppuvuonna 2024 webinaarissa käydystä keskustelusta. 

Asiantuntijanäkemykset Enhesan, LSEG:n ja GRC:n tekoälyn ja kestävän kehityksen erityisosaajilta.

Tekoäly muuttaa liiketoimintatapojamme, koska voimme parantuneen riskien hallinnan seurauksena toimia joustavammin. AI:ta käytetään koko ajan enemmän tukemaan strategisia liiketoimintahankkeita, joten miksi vaatimustenhallinta ja kestävyys olisivat poikkeuksia? Sääntely-ympäristö muuttuu päivittäin uusien ja päivitettyjen lakien myötä, mikä luo yrityksille valtavaa painetta seurata satoja toimialansa muuttuvia säädöksiä varmistaakseen määräysten täyttymisen.

Uudet tekoälyteknologiat auttavat lisäämään tiimien tehokkuutta ja ketteryyttä, vähentäen näiden riskien hallintaan kuluvaa aikaa, resursseja ja rahaa. Enhesan tekoälytoimintojen päällikkö Alexander Sadovsky, GRC 20/20 Research:n perustaja ja johtava analyytikko Michael Rasmussen ja London Stock Exchange Group:n kestävän rahoituksen & sijoittamisen johtaja Marianthe Evangelidis keskustelivat tekoälyn vaikutuksista vaatimustenhallinnassa ja kestävyydessä. 

Tämä artikkeli tiivistää Enhesan vuoden 2024 webinaarin, jossa keskusteltiin tekoälystä strategisena liiketoimintahankkeena.

1. Miten tekoälyn automatisointi voi tehostaa vaatimustenhallintaa

“Nykyajan liiketoiminta on kaaoksessa navigointia.” Michael Rasmussen, johtava analyytikko ja perustaja, GRC 20/20 Research 

Yksinkertaisesti sanottuna Michael Rasmussen selitti yritysten kamppailevan pysyäkseen jatkuvasti muuttuvien säädösten perässä. Uudet ja vireillä olevat säädökset, päivitetyt ohjeet ja valvontatoimenpiteet muokkaavat riskiympäristöä aiheuttaen geopoliittista, taloudellista ja ympäristöllistä epävarmuutta.

Muuttuvien säädösten lisäksi yritysten on pidettävä huolta myös sisäisistä muutoksista. Ovatko uuteen rooliin siirtyvät työntekijät tietoisia kestävyyskäytännöistä? Ovatko organisaation uusilla alueilla työskentelevät, uutta teknologiaa käyttävät ja uusista toimivaltuuksista vastaavat henkilöt saaneet koulutusta vaatimustenhallinnasta?

Nämä haasteet voivat aiheuttaa aukkoja määräysten täyttämisessä ja johtaa sakkoihin, rangaistuksiin tai jopa tuomioihin. Säädösten noudattamatta jättämisen riski lisääntyy jokaisen uuden säädöksen myötä, mikä voi puolestaan aiheuttaa taloudellista tai mainehaittaa ja johtaa markkinoille pääsyn tai liiketoimintamahdollisuuksien menetykseen.

Uudet lait voivat olla satojen sivujen pituisia, vaatien ihmisiltä ylimääräistä aikaa ja resursseja. Teknologian, kuten tekoälyn avulla, näiden säädösten ymmärtämistä voidaan merkittävästi nopeuttaa, vähentäen samalla noudattamatta jättämisen riskiä.

Alexander Sadovsky esitteli kolme tulevaa teknologiaa, jotka mullistavat sääntelyyn liittyvän kestävyyden ja vaatimustenhallinnan automatisoinnin.
 

Sisällöntuotanto

Sen sijaan, että työntekijät käyttävät aikaansa muutosten ja uusien lakien tutkimiseen, voi tekoäly analysoida sisällön automaattisesti ja löytää toimialalle tai maantieteelliselle alueelle tärkeitä lakeja ja muutoksia olemassa oleviin lakiehdotuksiin.

Globaalisti toimivien tiimien voi olla haastavaa tulkita oikein säädösten määrää ja monimutkaisuutta. Jotain saattaa jäädä huomaamatta muutosten suuresta määrästä johtuen. Lisäksi kaikki tieto on tulkittava liiketoiminnan kannalta oikein sekä suunniteltava ja seurattava oikeita prosessivaiheita, jotta noudattamatta jättämisen riski pienenisi.

Kuten Michael aluksi mainitsi, on lakeja kilometreittäin läpikäytävänä. Alex huomautti, että teköäly voi tiivistää kokonaisia lakeja, jolloin liiketoiminta näkee nopeasti mitä milloinkin tapahtuu. Tekoäly voi myös asettaa asiakirjojen sisällön oikeaan kontekstiin, jotta yritykset pystyvät tunnistamaan asiaankuuluvat tiedot nopeammin. AI voi esimerkiksi verrata lainsäädännöllisiä asiakirjoja tunnistaakseen samankaltaisten lakien globaalit vaikutukset tai eritellä tietynkaltaista tietoa, kuten oikeudellisia velvoitteita, joita on määritelty sadan sivun PDF-tiedoston eri kohdissa. Lisäksi tekoäly pystyy tunnistamaan tulevia trendejä menneisiin malleihin perustuen.

Sisällön keksiminen

“Suurempi määrä data tarkoittaa enemmän ongelmia.” Alexander Sadovsky

Tekoälytyökalut tehostavat hakukykyä, mikä mahdollistaa yrityksille hienovaraisempien vastausten löytämisen. AI pystyy lisäksi hyödyntämään valokuvista saatua tietoa hakutuloksissa. EHS-tiimit voivat esimerkiksi ladata valokuvan toimistosta suorittaessaan terveys- ja turvallisuusarviointia. Teköäly analysoi valokuvia mahdollisten ongelmien, kuten laitteista puuttuvien etikettien tai tikkaista tai johdoista johtuvien haasteiden tunnistamiseksi.

Sisällön parantaminen

Alex huomautti, että AI on hyödyllinen sellaisen tiedon esille tuomisessa, jota yritykset eivät välttämättä osaa ilmaista. Esimerkiksi voi olla laki syöpävaarallisista kemikaaleista, joka ei ole auditoijille tuttu, koska he eivät työskentele kemikaalien tai kestävän kemian käytäntöjen parissa. Tässä tapauksessa tekoäly voi tehdä ristiinvertailuja, syventyä kemialliseen sisältöön ja välittää nämä tiedot tavarantoimittajille luoden tietämystä koko teollisuudenalalle.

Tietojen luovuttaminen

Marianthe Evangelidis London Stock Exchange Group:n kestävän rahoituksen & sijoittamisen johtaja laajensi teköälyn tiedon selkeyttämisen ominaisuuksia tietojen julkistamisessa julkisille aloille.

Sijoittajien ja asiakkaiden suurimpana haasteena on, että kaikki yritykset julkistavat kestävyystietonsa eri tavoin, joten voi olla vaikeaa koota yhteen sääntelyviranomaisille toimitettavat tiedot. Hajautettu EHS-vaatimustenmukaisuus voi luoda siiloja ja aukkoja, mikä johtaa epäjohdonmukaisiin, epätäydellisiin ja epätarkkoihin tietoihin, jotka voivat uhata yrityksen vaatimustenmukaisuusohjelman luotettavuutta.

Jälleen kerran tekoälyä voidaan käyttää yksinkertaistamaan ja virtaviivaistamaan tätä prosessia, etsimään julkisesti julkistettuja tietoja, kestävyysraportteja ja poimimaan tietoja tarkastajia ja tavarantoimittajia varten. 

2. Miten välttää mahdolliset sudenkuopat

Miten tekoälyä vaatimustenmukaisuuden parantamiseksi käyttävät yritykset voivat välttää teknologiset, filosofiset ja oikeudelliset sudenkuopat?

Voiko koneeseen todella luottaa?

“Tekoäly on juuri niin tehokas kuin sen taustalla olevat tiedot ja asiantuntijat.” Alexander Sadovsky 

“Tekoälyn luotettavuudesta on paljon ongelmallisuutta” Alex sanoi, sillä jokainen tekoälyjärjestelmä on erilainen ja vaatii testausta, jotta sen pätevyys voidaan tarkistaa, tarkkuus ymmärtää ja tunnistaa, mihin käyttötapaukseen se sopii tai ei sovi. Yksi tapa hallita tätä potentiaalista riskiä on liikennevalojärjestelmän käyttäminen:

• Vihreä = tieto on todennettua ja käyttökelpoista 
• Keltainen = tieto on tarkastettava 
• Punainen = AI ei osaa vielä käsitellä tämän tason tietoa, joten siihen ei pitäisi luottaa 

“AI hakukone, ei asianajaja”, eikä sitä ole suunniteltu korvaamaan ihmisälyä vaan pikemminkin täydentämään sitä, Alex sanoi. 

“Roskaa sisään, roskaa ulos” 

Marianthe totesi, että tekoälymalliin syötettävien tietojen oikeellisuuden varmistaminen on tärkeä askel näiden työkalujen käytön suurimman sudenkuopan pienentämisessä. Tietojen on oltava jäljitettävissä olevia, luotettavia ja käyttökelpoisia, jotta tekoälyn tuotos olisi laadukas.

Vaatimustenmukaisuutta koskevat tiedot ovat usein hajallaan eri puolilla organisaatiota, joten havaintojen virtaviivaistaminen edellyttää yhtä alustaa. Yleisen tekoälymallin valitseminen voi olla sekä tehotonta energiankäytön kannalta että epäluotettavien lähteiden kanssa epäluotettavaa. Enhesan erityinen sisältökirjasto antaa meille ainutlaatuisen mahdollisuuden tuottaa korkealaatuisia tuloksia verrattuna yleiseen tekoälymalliin, joka suurella todennäköisyydellä epätarkka. Räätälöity malli voi sen sijaan olla tehokas, Michael sanoi, eikä se korvaa asiantuntijaa, vaan laajentaa hänen tietämystään.”

3. Miten tekoäly voi muuttaa kestävyyden ja vaatimustenmukaisuuden tuloksia

Hallinnointi, riskienhallinta ja vaatimustenmukaisuus (GRC) arvojen osalta

“GRC on määritelmän mukaan kyky saavuttaa tavoitteet luotettavasti, käsitellä epävarmuutta riskinhallinnan avulla ja toimia rehellisesti.”  Michael Rasmussen 

Michael käsittelee neljää osa-aluetta, joilla tekoälyä voidaan hyödyntää liiketoiminnassa:

1. Tehokkuus 

“Ajan ja rahan säästö,” Michael tiivistää ja toteaa, että paljon henkilöstön aikaa voi kulua tuottamattomaan työhön, joka ei edistä yrityksen päämääriä. Kone, kuten tekoäly, voi käydä asiakirjat läpi nopeasti, mikä säästää pitkällä aikavälillä aikaa, energiaa, resursseja sekä rahaa ja antaa työntekijöille mahdollisuuden käyttää aikaansa muihin asioihin. 

2. Vaikuttavuus 

Tekoäly voi auttaa työntekijöitä vähentämään tietojen huomaamatta jäämisen riskiä, sillä se toimii ”apukuskina” tutkittaessa ja esitettäessä tietoja, jotka vahvistavat olemassa olevia havaintoja.

3. Joustavuus 

”Kuinka automaatio auttaa minua vaatimustenmukaisuusongelmissa?”

Tekoälyratkaisu voi löytää uusia alueita ja aukkoja vaatimustenmukaisuudessa, ja se pystyy tunnistamaan pienet ongelmat ennen kuin ne kasvavat suuremmiksi ongelmiksi yritykselle. Näin tekoälyn avulla yritykset voivat toimia ennakoivasti eivätkä reaktiivisesti. 

4. Ketteryys  

Myös "tulevaisuuden luotaamiseksi" kutsuttu tekoäly voi auttaa yrityksiä navigoimaan nykyisessä ja ennakoidussa sääntelytilanteessaan joustavammin, vastaamalla kysymyksiin:

• Katsommeko tulevaisuuteen?
• Minne olemme menossa?
• Mikä on strategiamme?

LSEG:n näkemys tiedosta

Marianthe huomautti, että London Stock Exchange Group:issa tekoäly on apukuski, jota käytetään sisäisesti muuttuvien säännösten seuraamiseen. On ratkaisevan tärkeää ”ymmärtää säännösten väliset synergiat, jotta ei tarvitse [tulkita] samoja tietoja uudelleen ja uudelleen”. Ulkoisesti tekoäly auttaa yritystä vähentämään taloudellisia riskejä. Kun LSEG voi sukeltaa syvälle suureen määrään tietoa, se voi tutkia niitä ja löytää niistä mielekkäitä vastauksia, jotka se voi esittää hallitukselle tai asiakkaille.
 

Miten tekoäly voisi tukea liiketoimintaasi?

Tekoäly on potentiaalinen katalysaattori liiketoiminnan tehostamiseksi, ja se voi muuttaa vaatimustenmukaisuutta ja kestävyyttä koskevia lähestymistapoja, jolloin liiketoiminnan tavoitteet voidaan saavuttaa entistä nopeammin. Markkinajohtajien on tärkeää oppia, miten tekoäly voi täydentää sääntöjen noudattamista koskevia aloitteita, jotta he pysyvät edellä nopeasti muuttuvassa ympäristössä.