GRCにおけるAIの5つの重要な活用法
規制は世界中で7分ごとに更新されています。企業のデータ量は18ヶ月ごとに倍増しています。リスク管理責任者の60％以上が、新たな脅威に対するリアルタイムの可視性を欠いており、GRC（ガバナンス・リスク・コンプライアンス）業務の70％以上が、マッピング、証拠の収集、サイロ化されたシステム間のデータ照合といった手作業に費やされています。
ホワイトペーパー
規制は世界中で7分ごとに更新されています。企業のデータ量は18ヶ月ごとに倍増しています。リスク管理責任者の60％以上が、新たな脅威に対するリアルタイムの可視性を欠いており、GRC（ガバナンス・リスク・コンプライアンス）業務の70％以上が、マッピング、証拠の収集、サイロ化されたシステム間のデータ照合といった手作業に費やされています。 その解決策は、単に問題をAIに投げかけることではありません。必要なのは、適切な種類のAI、すなわち、特定の分野に特化し、ガバナンスが確立され、リスクおよびコンプライアンスの実務を定義する概念、ワークフロー、証拠基準に基づいて構築されたAIでなければなりません。本稿では、GRCにおけるAIの5つの重要な活用法を探るとともに、専門性は単なる「機能」ではなく、「要件」であることを論じます。
汎用AIモデルは、広範なデータセットを用いて学習されており、要約や草案作成、一般的な質問への回答が可能です。
一方、ドメイン特化型GRC AIは、リスクおよびコンプライアンスに特化したコンテンツ、ワークフロー、タクソノミー、および証拠基準に基づいて構築されています。その結果、汎用AIはもっともらしい出力を生成するのに対し、ドメイン特化型GRC AIは、追跡可能で、ポリシーを反映し、規制当局や監査の精査にも耐えうる出力を生成します。
AIは、規制関連の情報源を継続的に監視して関連する変更を把握し、どの義務や管理措置が影響を受けるかを自動的に評価し、完全な文脈情報を付加して適切な責任者にアクションを割り当て、実行の副産物として証拠を収集することで、規制遵守の向上を図ります。これにより、コンプライアンスは、定期的かつ事後対応的なプロセスから、継続的かつ先を見越したプログラムへと変革されます。
AIを活用したGRCは、外部の規制環境や内部業務からのシグナルが継続的にガバナンス措置を推進する運用モデルへと移行することができます。このGRC戦略は、年次サイクルや四半期ごとのレビューに基づく運用ではなく、カレンダーに縛られたガバナンスを、「把握、決定、実行、保証、学習」という継続的な「感知・対応」のループに置き換えます。Archer Evolvは、このモデルをエンタープライズ規模で実現するために設計された、ArcherのAIインテリジェンス層です。
はい、適切に設計されていれば可能です。GRCにおける信頼性の高いAIは、説明可能かつ追跡可能であり、重要な意思決定の局面では人間の審査を受けられるものでなければなりません。Archer EvolvのAIオペレーターは、使用されたデータ、適用されたロジック、取得された人間の承認など、実行されたすべてのアクションに関する完全な監査証跡を維持します。この「ガバナンス・バイ・デザイン」のアプローチにより、AIの出力を規制当局に提示し、監査においてその正当性を立証することが可能になります。
AIオペレーターとは、Archerプラットフォームに組み込まれた、集中管理が可能で監査対応型の自動化機能であり、追跡可能な入力と出力を用いて特定のGRCタスクを実行します。これには、モニターオペレーター（シグナルの検出と分類）、
ワークフローオペレーター（業務の振り分け、証拠の収集、タスクの実行）、およびジャッジメントオペレーター（分類やエスカレーションのために一貫した専門家のロジックを適用）の3種類があります。どのオペレーターも、重要な意思決定ポイントにおいて「ヒューマン・イン・ザ・ループ」の仕組みが組み込まれています。
アーチャーについて
アーチャーは25年にわたり、GRC（ガバナンス・リスク・コンプライアンス）分野のイノベーションにおいて信頼されるリーダーとして、人工知能、リスクインテリジェンス、統合的なアプローチを組み合わせたエンタープライズ向けコンプライアンスおよびリスク管理ソリューションをグローバル企業に提供し、意思決定の向上、規制コンプライアンスの強化、大規模なレジリエンスの構築を支援してきました。詳細については、www.archerirm.comをご覧ください。
