Abstrato

Machine Learning 2018: Gestão de riscos à medida que implementa tecnologias emergentes de IA, RPA e ML - Anu Kukar-KPMG

Anu Kukar

Ajuda! O meu bot não está sintonizado comigo: um bot pode ser inseguro? Um bot será resistente? Um bot será representado? Independentemente de estar a escolher o procedimento comercial, a realizar uma prova de ideia ou a orientar para RPA, diria que está a cometer o erro GRRC mais conhecido? A criação de um grupo de trabalho para garantir que os riscos do projeto são supervisionados é geralmente feita por todos. Neste ponto, reconhecem-se os novos perigos emergentes da RPA, por exemplo, perigos para a reputação, influência sobre os trabalhadores, risco digital alargado, protecção e segurança e assim por diante. Este é geralmente considerado um aspeto importante do caso de negócio e da execução da tarefa. Supervisionar o perigo durante a mudança, por exemplo, adotado o uso de RPA, pode regularmente fazer com que componentes do perigo e da consistência da estrutura do executivo sejam desconsiderados ou negligenciados. Imagine a atualização da sua extensão RPA e esqueça de garantir que o seu Plano de Continuidade de Negócio (BCP) espelha a mudança de pessoal e de necessidades para ajudar os seus bots que não foram executados. A criação e a área da sua força de trabalho não foram alteradas, assim como as suas necessidades de negócio. Ou, por outro lado, pegue nos entendimentos do comerciante ou nos conluios vitais que adotou para transmitir esse empreendimento e reforçar o negócio no cumprimento da sua técnica, objetivos e no ajuste das necessidades dos seus clientes. Avisou o controlador caso este seja fornecedor de material? Não deve ser dito algo sobre os planos de jogo do acordo, SLAs, segurança digital, como serão verificados para garantir que os perigos de reputação, operacionais, vitais e de consistência são adequadamente supervisionados. Avaliar o efeito e executar alterações em todas as partes afetadas do perigo e da consistência do sistema do executivo pode poupar montes de dores cerebrais indesejáveis, monetárias e não financeiras! A componente de boa administração e gestão de oportunidades de negócio é regularmente negligenciada, deixada para além do ponto sem retorno ou o grupo fica esgotado pelos 3 segmentos referenciados: (1) Administração de oportunidades de projectos, (2) Identificação de novos perigos e ( 3) Gestão perigo durante a mudança. O que é da mesma forma, senão a parte básica do GRRC, o conselho na execução do RPA é visto como ele em cada uma das etapas de escolha do procedimento, confirmação da ideia, piloto, utilização e pós-execução. Ouça, veja e aprenda abordagens práticas para incorporar e considerar o GRRC na fase importante da sua viagem de RPA e garantir que o seu bot está em sintonia consigo! Entre as instituições financeiras (IF), o termo “inteligência artificial” (IA) já não é apenas uma palavra da moda. A IA tornou-se uma ferramenta importante com casos de utilização numa variedade de contextos de serviços financeiros. Neste relatório, exploramos o estado atual da IA ??em termos de risco e conformidade, examinando vários temas principais: • A maturidade global das ferramentas de IA. • Como se apresenta a maturidade da IA ??em diferentes contextos (por exemplo, em diferentes tipos de instituição).• As formas como as ferramentas de IA são utilizadas em toda a cadeia de valor de risco e conformidade. Neste relatório argumentamos que o nível de maturidade da utilização da IA ????varia consideravelmente entre IF, tanto por tipo como a nível de linha de negócio. Com poucas excepções, constatamos que a indústria financeira ainda está a tentar recuperar o atraso em termos de IA. Para muitas empresas, a fase experimental de IA está em curso, com casos de utilização prática ainda emergentes. Mesmo nas muitas instituições de maior dimensão com mais experiência em IA, os projectos actuais serão provavelmente os primeiros em que a IA será implementada à escala e numa vasta gama de casos de utilização em silos organizacionais. A aplicação de ferramentas de IA também varia consideravelmente de acordo com o caso de utilização. Por exemplo, a IA está relativamente difundida na área da gestão de dados, onde ferramentas específicas (como a aprendizagem automática [ML], o processamento de linguagem natural [PLN] e a análise gráfica [GA]) se têm mostrado particularmente adequadas para determinadas aplicações. No entanto, para tirar partido eficazmente dos projetos baseados em dados, as instituições devem ter acesso às fontes de dados corretas e aos conhecimentos especializados adequados para os gerir.

Biografia:

Anu Kukar trabalha na KPMG, Austrália