Den der spørger, hvad det koster at gøre compliance og risiko klar til AI, spørger egentlig om noget andet: hvad skal være på plads, før arbejde der nu ligger hos compliance- og risikomedarbejdere, delvist eller helt kan udføres af AI. Det er ikke et spørgsmål om softwareindretning. Det er et spørgsmål om klarhed: kan organisationen på nuværende tidspunkt påvise, hvordan en beslutning er truffet, hvem der har godkendt den og på hvilket grundlag, så AI-arbejde sikkert kan kobles på det.
Compliance og risiko er i mange direktioner det område, hvor ambition og klarhed ligger længst fra hinanden. Alle er for at accelerere. Ingen vil være den første, hvis dossier senere ikke kan rekonstrueres.
Overalt hvor AI overtager arbejde, gælder en af tre situationer. AI kan overtage opgaven. AI kan delvist overtage opgaven, med et menneske der godkender eller afviser og underbygger det med en grund. Eller det forbliver menneskearbejde, fordi beslutningens karakter kræver det.
Inden for compliance og risiko forskydes tyngdepunktet hurtigere end andre steder mod den anden kategori. At registrere afvigelser, opsummere regulering, forberede en risikoanalyse: det er arbejde, hvor en stor del af arbejdstimerne allerede kan henføres til mønstergenkendelse og dokumentation, opgaver AI er velegnet til. At godkende det resultat, med en underbygning der holder ved kontrol, er en anden slags arbejde. Der er mennesket ikke længere for at udføre arbejdet, men for at stå bag det.
Denne sondring er præcis dér, hvor mange direktionsteams taler forbi hinanden. Den ene leder mener med "AI-klar", at systemet kan udarbejde en risikorapport. Den anden mener, at en tilsynsmyndighed kan følge processen uden yderligere spørgsmål. Begge har ret, og begge taler om noget andet. Hvad folk mener, når de taler om den samme ambition, er præcis hvor meget af denne slags forvirring stammer fra, som det fremgår af siden om forskellige betydninger af de samme ord.
Nogle organisationer oplever denne forskel allerede i dag. De har beslutningslogik der kan spores: hvem har vurderet dette dossier, på grundlag af hvilken information, og med hvilken afvejning. Hos dem kan AI-arbejde indføres i det første led af processen, fordi det andet led, det menneskelige tilsyn, allerede eksisterer og påviseligt fungerer.
Andre organisationer har ikke fastlagt den samme logik. Vurderinger lever i hovederne, i løse e-mails, i en mavefornemmelse hos en senior medarbejder der ved, hvornår noget "ikke stemmer". Der kan AI-arbejde godt være indholdsmæssigt godt, men ingen kan påvise, hvorfor det er godkendt eller afvist. Forskellen ligger altså ikke i AI'ens kvalitet. Den ligger i spørgsmålet om, hvorvidt organisationen allerede kan rekonstruere sin egen beslutningstagning, med eller uden AI.
Klarhed på denne dimension mærker man ikke på en teknisk mærkat, men på nogle konkrete forhold. Kan nogen inden en dag påvise, på hvilket grundlag en risikovurdering blev godkendt for tre måneder siden. Findes der en fastlagt eskaleringsvej, når et system registrerer en afvigelse, som et menneske derefter vurderer. Er det fastlagt, hvem der må træffe hvilken beslutning, og er den beslutningsret nogensinde eksplicit tildelt, eller er den vokset frem.
Disse spørgsmål berører governance i bred forstand. Den der vil vide, hvordan disse beslutningsrettigheder ser ud i dag, uafhængigt af AI-spørgsmålet, finder det på siden om klarheden af strategi og governance. Og fordi compliance sjældent står alene, berører det hurtigt spørgsmålet om, hvordan processer er indrettet: er det fastlagt, hvem der udfører hvilket trin i en proces og hvorfor, noget der uddybes på siden om klarheden af processer og drift.
Når AI overtager den første del af compliance- og risikoarbejdet, ændres menneskets rolle fra udfører til bedømmer. Det kræver andre færdigheder: ikke at udarbejde en analyse, men kritisk at vurdere en analyse der allerede er udarbejdet. Det kræver også en anden slags registrering, fordi tilsynsmyndigheder og revisorer ikke spørger om, hvad systemet har gjort, men om hvem der efterfølgende har besluttet og hvorfor.
Dette berører uundgåeligt spørgsmålet om, hvad der sker med frigjort kapacitet: timer der tidligere gik til udarbejdelse af rapporter, frigøres til bedømmelse, eskalering eller fordybelse. Hvad en arbejdsgiver gør med det, ligger uden for denne side; dertil gælder egne lovmæssige krav, og de behandles ikke her.
Omkostningerne ved klarhed ligger ikke i et AI-system, men i det arbejde der kræves forud: at gøre beslutningslogik explicit, fastlægge eskaleringsveje, tildele beslutningsrettigheder til roller i stedet for til personer. Hvor meget dette arbejde kræver, afhænger af hvor meget af den logik der allerede er fastlagt, og hvor meget der stadig ligger i hovederne. Hos nogle organisationer er det et spørgsmål om at systematisere, hos andre om at opbygge stort set fra bunden.
Om denne forskydning er realistisk for jeres organisation på kort sigt, afhænger ikke kun af compliance og risiko i sig selv. Ambitioner der modarbejder hinanden mellem afdelinger forsinker også fremdriften her, et mønster der beskrives på siden om modstridende afdelingsmål, og den finansielle side af denne forskydning, inklusive spørgsmålet om hvad frigjort kapacitet giver, findes på siden om finansiel modstandskraft.
Hvilken del af compliance- og risikoarbejdet i jeres organisation præcis kan overtages af AI, med eller uden menneskeligt tilsyn, kan besvares opgave for opgave med arbejdsscanningen fra FTE TO AI. For et første overblik over hvor jeres organisation er længst og mindst fremme, findes den gratis klarhedscheck: otte korte spørgsmål, et pr. dimension, der på få minutter viser, hvor ambitionen løber forud for organisationen, og hvor den ikke gør. Den fulde ambitionstest, med de fire lag og fem confidence gates, er under udvikling.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.