Останнім часом професійна спільнота дедалі частіше обговорює вплив штучного інтелекту на управління ризиками. Значна частина цих дискусій зосереджена на технологіях: як використовувати AI для автоматизації процесів, підготовки звітності, аналізу даних або моніторингу ризиків. Однак пост професора ризик-менеджменту Стефана Хунцікера привернув увагу дещо іншим питанням. Якщо штучний інтелект справді здатний швидше, дешевше і подекуди навіть якісніше виконувати значну частину традиційної роботи ризик-менеджера, то де саме залишатиметься додана вартість професії?

Відправною точкою для автора стала концепція так званої «кривої Лоуренса» (Lowrance Curve). Її основна ідея полягає в тому, що AI радикально спрощує середню частину процесу вирішення проблем. Саме там, де створюються аналізи, звіти, сценарії, презентації, варіанти рішень і різноманітні робочі документи. Водночас більшої ваги набувають початок і завершення процесу: правильна постановка питання та оцінка того, наскільки отриманий результат справді корисний для прийняття рішення.

На думку автора, ризик-менеджмент історично був значною мірою зосереджений саме на цій «середній частині». Ідентифікація ризиків, їх документування, оцінка, агрегування та звітність традиційно становили основу щоденної роботи багатьох функцій ризик-менеджменту. Якщо штучний інтелект починає виконувати ці завдання швидше та ефективніше, виникає закономірне питання: чи не стане значна частина звичної діяльності просто товаром (commodity), який можна отримати натисканням кількох кнопок?

При цьому автор зовсім не стверджує, що ризик-менеджмент втрачає актуальність. Навпаки. Він вважає, що центр ваги поступово зміщується від створення документів до якості управлінських суджень. Якщо аналітику можна отримати практично миттєво, то вирішальними стають зовсім інші фактори: якість поставлених запитань, обґрунтованість припущень, зв’язок аналізу з конкретними рішеннями, достовірність моделей та механізми контролю за тим, як використовуються рекомендації AI. Саме тут, на думку Хунцікера, починають перетинатися ризик-менеджмент, якість управлінських рішень та управління штучним інтелектом.

Не менш цікавою виявилася дискусія під постом. Фактично вона перетворилася на спробу колективно відповісти на питання, які саме елементи ризик-менеджменту AI автоматизує першими, а які, навпаки, стануть ще важливішими.

Частина учасників дискусії погодилася з тим, що найбільш вразливими до автоматизації є ризик-реєстри, теплові карти, описові звіти, сценарії та оцінки зрілості систем управління ризиками. Іншими словами, усе те, де основна цінність історично полягала у створенні формалізованого результату. На їхню думку, здатність підготувати якісний звіт або презентацію перестає бути конкурентною перевагою. Натомість зростає значення здатності ставити правильні питання, інтерпретувати результати та допомагати керівництву зрозуміти їхній зміст.

Інші учасники звернули увагу на ризики надмірної довіри до штучного інтелекту. На їхню думку, проблема полягає не лише в якості алгоритмів, а й у якості вихідних даних, припущень і контексту. Добре оформлений звіт або переконливий прогноз можуть створювати ілюзію високої якості навіть тоді, коли початкові припущення є помилковими. У такій ситуації організація отримує не кращі рішення, а більш переконливі пояснення вже існуючих помилок.

Досить цікавою була й думка про те, що найбільша цінність AI може полягати не в автоматизації звітності, а у виявленні взаємозалежностей, слабких сигналів та прихованих зв’язків між ризиками. Саме тут багато учасників дискусії бачать потенційний перехід від традиційного управління ризиками до концепції risk intelligence — здатності бачити закономірності та тенденції раніше, ніж вони стають очевидними для організації.

Окрему увагу коментатори приділили питанню відповідальності. Якщо штучний інтелект дедалі активніше залучається до аналізу та формування рекомендацій, то хто саме відповідає за прийняте рішення? Чи залишається відповідальність повністю за людиною? Як перевіряти рекомендації алгоритмів? Як забезпечити прозорість процесу прийняття рішень? На думку багатьох учасників дискусії, саме ці питання можуть стати одним із ключових викликів для корпоративного управління найближчими роками.

Для української професійної спільноти ця дискусія має особливе значення. У багатьох організаціях ризик-менеджмент досі значною мірою асоціюється з веденням реєстрів ризиків, підготовкою звітів та забезпеченням відповідності регуляторним вимогам. Саме ці функції сьогодні найбільше піддаються автоматизації. Якщо цінність ризик-менеджменту визначається насамперед через створення документів, AI дійсно може поставити під сумнів роль окремих елементів цієї роботи.

Водночас якщо ризик-менеджер виступає партнером у процесі прийняття рішень, допомагає перевіряти припущення, аналізувати альтернативи, оцінювати наслідки та працювати з невизначеністю, значення такої функції лише зростатиме. Більше того, саме в такій ролі ризик-менеджмент здатен отримати новий імпульс розвитку завдяки використанню AI.

У певному сенсі ця дискусія виходить далеко за межі технологій. Вона ставить фундаментальне питання про майбутнє професії. Що саме створює цінність ризик-менеджера: підготовка звітів чи якість суджень? Документи чи підтримка управлінських рішень? Контроль чи допомога в роботі з невизначеністю?

Схоже, що відповідь дедалі більше схиляється до другого варіанту. Штучний інтелект навряд чи замінить ризик-менеджерів. Але він цілком може замінити частину їхньої традиційної роботи. Саме тому майбутнє професії, ймовірно, визначатиметься не здатністю створювати більше звітів, а здатністю допомагати організаціям приймати кращі рішення в умовах невизначеності.

Сергій БАБИЧ