El aprendizaje automático y la inteligencia artificial (IA). Se han convertido en palabras de moda en múltiples sectores, incluido el sector de gobierno, riesgo y cumplimiento (GRC). Pero, ¿qué es lo que realmente significa, y cómo se vincula con los profesionales de GRC?
El objetivo de la IA es permitir que las máquinas inteligentes piensen y actúen como humanos. Por otro lado, el aprendizaje automático es un subconjunto de IA. Su objetivo es conseguir que los sistemas aprendan de los datos, identifiquen patrones, y tomen decisiones sin ayuda humana. Básicamente, se trata de que las computadoras aprendan y se adapten, sin necesidad de ser programadas.
En resumen, el aprendizaje automático utiliza sus experiencias para buscar patrones y aprender de ellos. La IA utiliza sus experiencias para adquirir conocimientos / habilidades e información sobre cómo aplicar ese conocimiento en nuevas circunstancias.
El aprendizaje automático ha sido adoptado ampliamente. Esto se debe principalmente a su capacidad para resolver los problemas comerciales críticos que enfrentan muchas organizaciones globales.
“Un beneficio importante del aprendizaje automático es la capacidad de eliminar la subjetividad de calificación de riesgo”.
Entonces, ¿cómo ayuda el aprendizaje automático a GRC?
El aprendizaje automático tiene aplicaciones muy importantes en una variedad de configuraciones y funciones de GRC. Vemos algunos de estos en el libro electrónico de Galvanize, Aprendizaje automático para profesionales de la gobernanza , pero aquí hay algunos ejemplos:
- Gestión de riesgos y oportunidades en función de factores más avanzados, estimaciones y respuestas.
- Identificar patrones de fraude y desperdicio, extraer datos financieros y utilizar técnicas predictivas para desarrollar controles más efectivos.
- La comprensión y la prevención exitosa de las ciberamenazas mediante el análisis de los datos y el aprendizaje automático respecto a los ataques.
- Hacer un mejor uso de las tecnologías de cortesía como la automatización de procesos robóticos para mejorar la gestión, decisiones basadas en la informática refinada y la mejora de los algoritmos.
Obviamente, hay muchas más posibilidades, pero nos vamos a centrar en cómo ayuda a la gestión de riesgos. Mediante el análisis de grandes conjuntos de datos en tiempos cortos, el aprendizaje automático está cambiando la forma en la que se evalúan los riesgos. Los siguientes son algunos ejemplos:
La determinación de la solvencia
Los prestamistas pueden determinar la solvencia crediticia de los prestatarios potenciales al examinar conjuntos de datos como su huella digital. Esto se ha vuelto más común para la evaluación de los prestatarios con poco o ningún historial de crédito. Varias compañías utilizan la tecnología en sus sistemas para examinar fuentes de datos alternativas (como el uso de redes sociales, el historial de navegación y los GPA) para generar puntajes de crédito más precisos. Un estudio del MIT encontró que esto podría reducir las pérdidas bancarias de clientes morosos hasta en un 25%.
Identificar riesgos operacionales
El riesgo operacional está presente en todas las organizaciones, a partir de una pequeña empresa a una corporación global. Aquí hay un par de formas en que el aprendizaje automático puede ayudar con el riesgo operativo:
- Amenazas de ciberseguridad. Se puede utilizar el análisis estadístico y algoritmos para detener las amenazas antes de que causen daños. Por ejemplo, la tecnología anti-spam utiliza para protegerse contra los spammers el análisis de la lengua en millones de mensajes para detectar amenazas potenciales.
- Intentos de lavado de dinero. El costo del cumplimiento contra el lavado de dinero (AML) se estima en $ 23.5 mil millones por año, solo en EEUU. La agrupación de las técnicas utilizadas o la funcionalidad que las transacciones representan, pueden descubrir los intentos de lavado de dinero.
Distribuyendo recursos
Utilizando los datos del pasado a las transacciones de proyecto de un período a otro, los gestores de riesgos pueden determinar dónde dirigir los recursos. El aprendizaje automático ayuda a los gerentes de riesgo predecir automáticamente qué sucursales son propensas a fallar una auditoría, y cuales son susceptibles de pasar. Esto les permite concentrar sus esfuerzos en lugares que necesitan más atención.
Escenarios modelos
Los gestores de riesgos pueden alterar los datos de entrada para averiguar el impacto que podría tener sobre los resultados previstos (por ejemplo, cómo se podría aumentar o disminuir las puntuaciones de riesgo). La tecnología puede explorar una multitud de modelos, permitiendo a los profesionales de GRC hacer predicciones y continuar repitiéndolas y refinándolas.
Eliminar la puntuación subjetiva de riesgo
Un beneficio importante del aprendizaje automático es la capacidad de eliminar la subjetividad de calificación de riesgo. La alimentación de datos en los sistemas y el uso de un modelo para determinar el riesgo basadas en datos, evita el proceso manual y humano de la puntuación de riesgo, que es a menudo inexacta.
El aprendizaje automático no es un concepto nuevo. Una gran cantidad de tiempo, esfuerzo, y la investigación ha entrado en el desarrollo y la construcción de esta modalidad. Que eleva los procesos y sistemas existentes, mejora la asignación de recursos, y libera a su personal para centrarse en las cosas que requieren atención humana real.
