すべてのリスク管理責任者に問いかけてみたい質問があります。「今日、あなたが下している決定のうち、もっと良いデータがあればよかったと思うものは何ですか？」
その答えはいつも興味深いものです。それは、技術的なギャップが明らかになるからではなく、技術に対する考え方のギャップが明らかになるからです。ほとんどのリスク管理部門は、すでに必要なデータを保有しています。ただ、それを有用な形で活用できていないだけなのです。
これこそが、「未活用の知性」という問題なのです。そして、この問題は、業界が一般的に認めているよりもはるかに広範囲に及んでいます。
企業向けRMISにおけるデータ成熟度の幻想
エンタープライズRMISを運用している組織の多くは、自社のデータに関するストーリーを持っていると考えています。数年にわたる保険金請求記録を保有しています。また、事故記録、リスク一覧表、保険契約データ、監査結果なども保有しています。さらに、定期的に更新されるダッシュボードや、四半期ごとに取締役会に提出される報告書も用意されています。
一見すると、それは成熟したデータ環境のように見えます。しかし実際には、多くの場合、組織化されたストレージに近いものとなっています。
この区別は重要です。データを保存することと、データを活性化させることは同じことではありません。活性化とは、データが実際に働き、意思決定の材料となり、パターンを明らかにし、そうでなければ得られなかった洞察を生み出すことを意味します。一方、保存とは、理論上、誰かが適切なタイミングで適切な方法で適切な質問をすれば、そのデータを利用できる状態にあることを意味します。
RMISの導入事例の多くは、アクティベーションよりもストレージに近い位置に配置されています。それは技術が不十分だからではなく、データがこれまで大規模に適切に連携・充実化・分析されてこなかったためです。
リスクインテリジェンスが滞りがちな3つのポイント
1. データのサイロ化
リスクデータが一箇所に集約されることはめったにありません。保険金請求データはあるシステムに、資産目録は別のシステムに、安全事故記録はさらに別のシステムに分散しています。各システムは現実の一断面を捉えているものの、それらの断片を統合して一貫性のある全体像を構築する確実な手段は存在しません。それらを結びつけることで得られるはずの知見――保険金請求や事故に共通するパターン、リスクエクスポージャーと損失の相関関係など――は、プラットフォーム間の隔たりの中に閉じ込められたままとなっています。
2. 非構造化データ
リスクデータのかなりの部分は、非構造化データです。例えば、損害査定員の報告書、事故の経緯説明、ブローカーとのやり取り、調査報告書などが挙げられます。こうしたコンテンツは、一度ファイルに保存されると忘れ去られてしまいます。モデルへの入力データにはならず、傾向も明らかになりません。文書管理システムに保管されており、探している内容があらかじめ分かっている場合のみ検索可能です。そのテキストの中に埋もれている「シグナル」は、周囲にある構造化フィールドよりも価値が高いことがよくあります。
3. エンリッチメントの欠如
内部データからは、自社の業務内で何が起きたかを知ることができます。しかし、それが市場と比較してどうなのか、自社の損失プロファイルが業界の他社とどう比較されるのか、あるいは直面しているリスクに影響を与えている可能性のある外部要因が何かについては、内部データからは分かりません。ベンチマーク、業界の損失データ、気象・気候情報、マクロ経済指標といった外部情報源からの補完がなければ、RMISは不完全な情報に基づいて稼働していることになります。
この3つの点を改善すれば、新しい技術を購入したことになるわけではありません。すでに所有しているものを活用したことになるのです。
リスクデータの活用が実際にどのように行われているか
データの活用において著しい進展を遂げている組織には、いくつかの共通点が見られる傾向があります。
彼らはAIの導入に先立ち、統合に投資しています。システムを連携させ、データモデルを標準化し、信頼性の高いデータパイプラインを構築するという、華やかさのない作業は、取締役会でのプレゼンテーションの題材になることはめったにありません。しかし、それこそが他のすべての基盤となるものです。このステップを飛ばしてAI機能に直行した組織は、AIが信頼できるデータを活用できないことに気づくことになります。
彼らは非構造化データを資産として扱っています。主要なリスク管理部門では、記述的なコンテンツを単に文書アーカイブに保管しておくのではなく、自然言語処理を活用して、構造化データフィールドのどこにも現れないテーマ、因果要因、ヒヤリハットの兆候といった構造化された知見をそこから抽出しています。この機能は、ここ2年間で著しく成熟しました。以前は多大な手作業を必要としていた作業も、現在では大規模に処理可能となっています。
彼らはデータ充実化について体系的に考えています。自社のRMISを閉じたシステムとして扱うのではなく、リスクの理解を著しく向上させる外部データソースを特定し、そのデータを取り込むための連携を構築しています。ブローカーとの関係から得られる業界の損失ベンチマーク。サードパーティプロバイダーからの気候変動リスクデータ。サプライチェーン・リスク管理プロセスに統合されたサプライヤーの財務健全性データ。具体的なデータソースは様々ですが、「何が欠けているか」を問い、そのギャップを埋めるという姿勢は変わりません。
リスク管理責任者にとっての真の課題
RMISに眠っている未活用の知見は、技術的な失敗によるものではありません。それは設計上の失敗なのです。システムは、情報を収集・保存するために導入されたものであり、情報を結びつけ、活用するために導入されたものではありませんでした。それは当時の状況においては正しい設計でした。しかし、現在の状況においては、ますます不適切な設計になりつつあります。
問うべきなのは、現在のシステムが機能しているかどうかではありません。そのシステムが満たすべき基準に照らせば、おそらく機能しているでしょう。問題は、それらの基準が今なお適切かどうか――つまり、以前は不可能だったレベルでデータを連携させ、充実させ、推論を行う技術が存在する今、単にデータを収集・報告するだけで十分なのか、ということです。
リスク管理部門の多くは、この問いを率直に検討してみると、既存のデータには、現在そこから抽出しているものよりもはるかに大きな価値が眠っていることに気づく。
その隔たりは避けられないものではありません。それは、デフォルトでなされている選択に過ぎず、別の選択をすることも可能です。
よくある質問：RMISとリスクデータインテリジェンス
RMISの文脈において、「未開拓の知性」とはどういう意味ですか？
「未活用の知見」とは、組織内のデータの中に存在しながらも、データがサイロ化されていたり、非構造化であったり、外部の文脈が欠けていたりするため、決して表面化することのないリスクに関する洞察を指します。ほとんどの組織は、重要なリスクに関する疑問に答えるために必要なデータをすでに保有しています。課題は、そのデータを活用することです。
リスクデータの保存と、その活用にはどのような違いがありますか？
リスクデータを保存しておくということは、誰かが適切なタイミングで適切な質問をした際に、そのデータを利用できるようにしておくことを意味します。リスクデータを「活用」するということは、そのデータが継続的に機能し――意思決定の参考となり、パターンを明らかにし、自動的に洞察を生み出す――ことを意味します。ほとんどのRMISプラットフォームは保存を目的として構築されていますが、AIを活用した活用を実現するには、追加の統合、データ強化、および推論機能が必要となります。
なぜ非構造化データはリスク管理において重要なのでしょうか？
非構造化データ（損害査定員の記述、事象の説明、検査報告書など）には、構造化されたフィールドよりも豊富な情報が含まれていることがよくあります。自然言語処理を活用すれば、こうしたコンテンツから因果関係、ヒヤリハットの兆候、新たな傾向を大規模に抽出し、アーカイブされた文書を有用な知見へと変換することができます。
RMISのパフォーマンスを向上させる外部データソースにはどのようなものがありますか？
有用な外部データソースとしては、業界の損害額ベンチマーク、気候および大災害へのエクスポージャーデータ、マクロ経済指標、サプライヤーの財務健全性データなどが挙げられます。適切なデータソースは組織のリスクプロファイルによって異なりますが、不足している情報を体系的に特定し、統合するという手法は広く適用されます。
自社のRMISに、未活用のインテリジェンスに関する問題があるかどうか、どのように判断すればよいでしょうか？
いくつかの兆候として、基礎となるデータへの信頼がないままリスクに関する意思決定が行われていること、レポートは予定通りに作成されるものの、それが具体的な行動につながることはめったにないこと、クレーム、インシデント、エクスポージャーのデータが別々のシステムに分散しており、統一された全体像が把握できないこと、そしてインシデントの説明といった記述的な内容がファイルに保存されているだけで、分析されることがないことが挙げられます。これらのいずれか一つでも当てはまる場合、対応のギャップが存在していることを示しています。
