برای اصفهان
اعجاز هوش مصنوعی در تحلیل ریسک و سناریو برای غلبه بر چالشها

درگذشته بهرغم آگاهی مدیران از اهمیت تحلیلهای مبتنی بر ریسک و سناریو، بهرهگیری از آن روشها بسیار محدود بود و نمیتوانست منشا اثرات بالقوه در بهبود اثربخشی سازمانی بشود زیرا بهکارگیری این شیوهها مستلزم برخورداری از بینش بسیار گسترده، سازگار و عمیق از عدم قطعیتهای داخلی و پیرامونی سازمان است که معمولا با روشهایی مانند طوفان فکری، دلفی و پیمایشهای آماری قابلدستیابی نیست!
ریسکهای سازمانی، از اختلالات زنجیره تأمین گرفته تا تهدیدات سایبری و نوسانات بازار، در دهههای اخیر پیچیدهتر و غیرقابلپیشبینیتر شدهاند. بر اساس گزارش مجمع جهانی اقتصاد (۲۰۲۳)، شصتودو درصد از مدیران ارشد معتقدند که ریسکهای جهانی در پنج سال آینده شدت بیشتری خواهند یافت و به نظر میرسد این شاخص چه درباره ریسکهای مخرب و چه فرصتها در کشور ما بیش از میانگین جهانی باشد در این میان، تحلیل ریسک بهعنوان فرآیندی برای شناسایی، ارزیابی، و مدیریت ریسکها، نقشی حیاتی در تابآوری سازمانی ایفا میکند. هوش مصنوعی با ارائه ابزارهای پیشرفته نظیر یادگیری ماشین، تحلیل پیشبینانه، و پردازش زبان طبیعی (NLP)توانایی سازمانها را برای مدیریت ریسک بهطور چشمگیری ارتقا میدهد.
تحلیل ریسک و نقش تحولآفرین هوش مصنوعی
تحلیل ریسک شامل سه مرحله اصلی است: شناسایی عدم قطعیتها، ارزیابی و مدیریت و نهایتا کاهش ریسکها روشهای سنتی تحلیل ریسک، که اغلب مبتنی بر دادههای تاریخی و مدلهای آماری ساده بودند، در مواجهه با پیچیدگیهای محیطهای مدرن محدودیتهایی دارند. هوش مصنوعی این محدودیتها را با ارائه قابلیتهایی مانند پردازش دادههای کلان (تحلیل حجم عظیمی از دادههای ساختاریافته و غیر ساختاریافته در زمان واقعی) پیشبینی دقیقتر (شناسایی الگوهای پنهان و پیشبینی ریسکهای نوظهور با استفاده از یادگیری ماشین) اتوماسیون هوشمند (کاهش خطای انسانی و تسریع فرآیندهای تصمیمگیری) برطرف میسازد. آنگونه که در گزارش گارتنر (۲۰۲۴) آمده است، سازمانهایی که از هوش مصنوعی در تحلیل ریسک استفاده میکنند، سی درصد احتمال کمتری برای تجربه خسارات مالی عمده دارند و بیستوپنج درصد سریعتر به ریسکها پاسخ میدهند
کاربردهای هوش مصنوعی در تحلیل ریسک
تحلیل پیشبینانه برای شناسایی ریسکهای بالقوه
هوش مصنوعی با استفاده از مدلهای یادگیری ماشین و تحلیل پیشبینانه، امکان شناسایی ریسکهای بالقوه را پیش از وقوع فراهم میکند. این مدلها با تحلیل دادههای تاریخی و بلادرنگ، الگوهای غیرعادی و روندهای محتمل را شناسایی میکنند برای مثال در صنعت مالی، بانکهای جهانی مانند JPMorgan Chase از هوش مصنوعی برای پیشبینی تقلب و پولشویی استفاده میکنند. مدلهای هوش مصنوعی این بانکها با تحلیل تراکنشها در زمان واقعی، دقت تشخیص تقلب را تا ۴۰ درصد افزایش دادهاند
تحلیل سناریو و شبیهسازی ریسک
هوش مصنوعی امکان مدلسازی سناریوهای پیچیده را برای ارزیابی تأثیر ریسکهای بالقوه فراهم میکند. این قابلیت بهویژه در صنایعی مانند انرژی، لجستیک، و مراقبتهای بهداشتی که با عدم قطعیتهای متعدد مواجهاند، حیاتی است برای مثال شرکت آمازون از هوش مصنوعی برای شبیهسازی اختلالات زنجیره تأمین، مانند تأخیر در حملونقل یا کمبود موجودی، استفاده میکند. این شبیهسازیها به آمازون کمک کرد تا در سال دو سال گذشته هزینههای لجستیک را بیستوپنج درصد کاهش دهد
تحلیل ریسکهای سایبری
تهدیدات سایبری یکی از مهمترین ریسکهای سازمانهای مدرن هستند. هوش مصنوعی با شناسایی الگوهای غیرعادی در ترافیک شبکه، تشخیص حملات پیشرفته (مانند حملات روز صفر)، و پاسخ خودکار به تهدیدات، امنیت سازمانی را تقویت میکند طبق گزارش PwC در سال اخیر استفاده از هوش مصنوعی در امنیت سایبری میتواند زمان تشخیص حملات را تا شصت درصد کاهش دهد و هزینههای ناشی از نقض دادهها را بیست درصد کم کند
تحلیل ریسکهای استراتژیک و بازار
شاید از میان همه حوزههای تحلیل ریسک و سناریو، تحلیل عدم قطعیتهای مرتبط با بازار و محیط پیرامونی برای صنایع و کسبوکارهای کشور ما از اهمیت بیشتری برخوردار و بهرهگیری از آن برای مدیران ملموستر باشد! هوش مصنوعی با تحلیل دادههای خارجی (مانند اخبار، شبکههای اجتماعی، و گزارشهای بازار) و داخلی (مانند عملکرد مالی و بازخورد مشتریان)، به سازمانها کمک میکند تا ریسکهای استراتژیک مانند تغییرات در تقاضای بازار یا اقدامات رقبا را پیشبینی کنند. شرکت والمارت از هوش مصنوعی برای تحلیل رفتار مشتریان و پیشبینی تغییرات تقاضا استفاده میکند. این سیستم با شناسایی روندهای نوظهور، به آن شرکت کمک کرده است تا در سال گذشته موجودی خود را ده درصد بهینهتر مدیریت کند
مدیریت ریسکهای زیستمحیطی و پایداری
با افزایش فشارهای اجتماعی و نظارتی برای پایداری و بروز بحرانهای زیستمحیطی در همه جهان و البته کشورمان در حوزههایی مانند آب، انرژی و آلودگی، مدیریت ریسکهای زیستمحیطی به یک اولویت استراتژیک تبدیلشده است. هوش مصنوعی با تحلیل دادههای اقلیمی، پیشبینی بلایای طبیعی، و بهینهسازی مصرف منابع، به سازمانها کمک میکند تا ریسکهای مرتبط با تغییرات اقلیمی را کاهش دهند. شرکت BP از هوش مصنوعی برای پیشبینی طوفانها و بهینهسازی عملیات سکوهای نفتی استفاده میکند، که منجر به کاهش دوازدهدرصدی هزینههای عملیاتی در سال گذشته شده است
چالشها و محدودیتها
باوجود پتانسیلهای هوش مصنوعی در تحلیل ریسک، چالشهایی نیز وجود دارد که شامل کیفیت دادهها است بهگونهای که دادههای ناقص یا نادرست میتوانند به پیشبینیهای غیرقابلاعتماد منجر شوند ضمن آنکه هزینههای اولیه زیاد است و بهکارگیری هوش مصنوعی نیازمند سرمایهگذاری قابلتوجه در زیرساخت و استعداد است. مدلهای هوش مصنوعی ممکن است به دلیل دادههای آموزشی نادرست، اطلاعات سوگیرانه ای را بازتولید کنند و پیچیدگیهای نظارتی مانند رعایت مقررات حریم خصوصی دادهها هم میتواند چالشبرانگیز باشد. از دیگر محدودیتها کمبود متخصصان هوش مصنوعی است که میتواند مانع پیشرفت سریع شرکتها از این تکنولوژی بشود. برای غلبه بر این چالشها، سازمانها باید از دادههای متنوع و باکیفیت استفاده کنند. رویکردی تدریجی برای پیادهسازی اتخاذ کنند و با شرکای فناوری و نهادهای نظارتی همکاری کنند.
کاربردهایی از تحلیل ریسک و سناریو با هوش مصنوعی برای بهبود شاخصهای اقتصادی و اجتماعی استان اصفهان
استفاده از مدلهای یادگیری ماشین برای پیشبینی الگوی بارش و مصرف آبهای زیرزمینی بهگونهای که با بهرهگیری از دادههای هواشناسی و حسگرهای اینترنت اشیا که بر مبنای آن میتوان سناریوهای مختلف مانند اولویتبندی مصرف آب در حوزههای مختلف را تحلیل نمود. مثال دیگر استفاده از الگوریتمهای تقویتی برای شناسایی ریسکهای زنجیره تامین در صنایع بزرگ اصفهان مانند فولاد، نفت و گاز و پتروشیمی یا تولید محصولات خانگی است. ایده مهم دیگر استفاده از مدلهای زبانی بزرگ است که میتوانند به شناسایی ریسکهای ایجادکننده نارضایتی گردشگران از تجربه سفر به اصفهان و انجام شبیهسازیهای هدفمند برای توسعه کمپینهایی بهمنظور بهبود برند شهر و استان برای جذب گردشگران بیانجامد. ایدههای بسیار زیادی ازایندست وجود دارد که اجرای آنها میتواند تاثیر مهمی بر اقتصاد شهر و استان داشته باشد.
* مشاور مدیریت استراتژیک