Kolme riskikategoriaa ja niiden tunnistaminen

Riskien hallinta alkaa tunnistamisesta. Tekoälyn käyttöön liittyy kolme keskeistä riskikategoriaa, joiden ymmärtäminen erikseen auttaa rakentamaan oikeat suojat kullekin. Ensimmäinen kategoria on operatiiviset riskit. Nämä ovat riskejä, jotka vaikuttavat työnkulun toimivuuteen. Esimerkkejä: tekoälypalvelu ei vastaa, ja työnkulku pysähtyy. Tekoälyn ehdotus on virheellinen ja päätös sen pohjalta tuottaa väärän tuloksen. Tekoälyn syöte sisältää virheellisiä tietoja ja koko ketju vinoutuu. Tekoälypalvelu päivittyy odottamattomalla tavalla ja tulokset muuttuvat. Operatiiviset riskit ovat tyypillisesti ne, joihin törmätään ensimmäisenä, koska ne näkyvät arjessa. Niiden kustannus on yleensä rajattu — yksittäinen päivä tai prosessi häiriintyy — mutta jos ennaltaehkäisyä ei ole, ne toistuvat. Toinen kategoria on oikeudelliset riskit. Nämä ovat riskejä, jotka liittyvät lainsäädäntöön ja sopimuksiin. Esimerkkejä: tietosuojan rikkominen, kun henkilötietoja syötetään tekoälypalveluun ilman tarvittavaa sopimusta. Asiakassopimuksen rikkominen, kun palvelu annetaan tekoälyn avulla mutta sopimus edellyttää ihmistyötä. Syrjintä, kun tekoäly tekee päätöksen joka rajoittaa palvelua tai työsopimuksia jonkin ryhmän kohdalla. Tekijänoikeuden rikkominen kuvageneraatiossa. Oikeudelliset riskit ovat tyypillisesti hitaammin näkyviä — niitä ei aina huomata heti, mutta niiden kustannus voi olla iso, kun ne paljastuvat. Sakot, oikeudenkäynnit, sopimusten purkautuminen — kaikki voivat olla merkittäviä rahallisia ja maineellisia menetyksiä. Kolmas kategoria on mainerelevantit riskit. Nämä ovat riskejä, jotka liittyvät yrityksesi maineeseen asiakkaiden, työntekijöiden, sidosryhmien ja julkisuuden silmissä. Esimerkkejä: tekoälyn tuottama harhaanjohtava viesti pääsee julkisuuteen. Asiakas pettyy palveluun ja jakaa kokemustaan sosiaalisessa mediassa. Työntekijät kokevat että heidän työtään ei arvosteta ja kertovat siitä eteenpäin. Julkinen kommentti yrityksen 'kasvottomasta' palvelusta saa toistoja. Mainerelevantit riskit ovat usein vaikeimmin mitattavissa, mutta niillä on pisin vaikutusaika. Yhden vahinkotapahtuman vaikutus voi näkyä asiakkuuksissa ja rekrytoinneissa vuosien ajan. Käytännön työkalu kolmen kategorian käsittelyyn: rakenna yhden sivun riskikartta, jossa jokainen tunnettu riski on luokiteltu yhteen kategoriaan. Tämä auttaa selventämään, mihin suojat suunnataan. Yksi tärkeä huomio: sama tapahtuma voi olla riski useassa kategoriassa samaan aikaan. Esimerkki: tekoäly tekee syrjivän päätöksen rekrytoinnissa. Tämä on oikeudellinen riski (työsopimuslaki ja tasa-arvolaki), operatiivinen riski (rekrytointi kärsii) ja mainerelevantti riski (julkisuus syrjivästä yrityksestä). Hyvä riskikartta tunnistaa kaikki kolme ulottuvuutta. Toinen huomio: riskien tunnistaminen on jatkuva työ, ei kerralla tehtävä. Kun tekoälyn käyttö laajenee uudelle alueelle, uudet riskit syntyvät, ja vanhat riskit voivat muuttua. Pidä riskikartta elävänä dokumenttina, jota päivitetään puolivuosittain tai aina kun jokin merkittävä muutos tehdään. Lopuksi yleinen periaate: kategoriat eivät ole täysin erillisiä, mutta jako auttaa kohdistamaan suojat. Operatiivisille riskeille rakennetaan teknisiä varajärjestelmiä. Oikeudellisille riskeille tarvitaan sopimuksia ja koulutusta. Mainerelevanteille riskeille rakennetaan viestintäkäytäntöjä ja palautteen kuuntelua. Jokaisella kategorialla on oma työkalupakkinsa.

Kokeile nyt

Tekoäly hylkää 80 % naispuolisia hakijoita rekrytoinnissa vaikka sukupuoli ei ole ollut hakemusten kriteerinä. Mitä riskikategorioita tämä koskee?

Tallenna edistymisesi ja oma oppimisyhteenvetosi