Nota del editor: Este artículo, cuyo autor es Brad Hibbert, director de operaciones y estrategia de Prevalent, se publicó originalmente en cpomagazine.com.
El uso de terceros, incluidos vendedores y proveedores, forma parte integrante de las estrategias organizativas modernas, ya que proporciona flexibilidad de escala, innovación, especialización y eficiencia operativa. Sin embargo, esta creciente dependencia de terceros conlleva riesgos potenciales que deben identificarse y remediarse a lo largo del ciclo de vida de la relación con el proveedor. Estos riesgos abarcan una serie de ámbitos, como el cibernético, el financiero, el de reputación y el operativo, por nombrar algunos.
Al mismo tiempo, las organizaciones se enfrentan a normativas cada vez más rigurosas y en constante evolución que exigen una notificación rápida en caso de incumplimiento o interrupción de los proveedores. Con una red compleja de vendedores y proveedores, una lista cada vez mayor de riesgos que evaluar y un panorama normativo y de amenazas cambiante que tener en cuenta, ¿cómo pueden los equipos de compras gestionar estos riesgos de forma más proactiva, por no hablar de mantenerse al día?
A los equipos de compras les resulta imposible seguir el ritmo de los volúmenes de datos y las normativas cambiantes utilizando métodos tradicionales para evaluar a los proveedores, como hojas de cálculo y herramientas aisladas. Muchos equipos de compras deben trabajar con presupuestos insuficientes o carecen de la experiencia del personal necesaria para manejar grandes cantidades de datos de riesgo procedentes de diversas fuentes. Esto pone a las organizaciones de todos los tamaños en desventaja a la hora de planificar y remediar los posibles riesgos empresariales debidos a incidentes con los proveedores. La inteligencia artificial (IA) puede ayudar a los responsables de compras a cambiar esta situación.
Reducir el tiempo necesario para detectar y corregir riesgos
La IA ayuda a los equipos de compras a evaluar los riesgos empresariales con mucha más rapidez, identificando y priorizando dichos riesgos, incluso en conjuntos de datos cada vez más grandes y complejos. Esto es posible mediante una combinación de automatización, análisis de datos complejos y análisis predictivo.
Automatización
Gracias a la IA, puede automatizar las tareas de evaluación de riesgos de proveedores que debe completar de forma regular, como la incorporación, la supervisión del cumplimiento, la realización de auditorías y la revisión de pruebas y contratos no estructurados. La automatización también ayuda a los profesionales de compras a analizar los grandes y crecientes volúmenes de información de riesgo, siempre que utilicen herramientas de IA que hayan sido entrenadas utilizando datos históricos relevantes. Esto permite a los equipos de compras dedicar más tiempo a las decisiones estratégicas sobre proveedores y a la planificación, las áreas que requieren atención humana e intervención manual.
Análisis de datos complejos
Si tiene una cantidad grande y creciente de proveedores, es lógico que necesite analizar más datos sobre esos proveedores, preferiblemente con rapidez para no ralentizar el negocio. Sobre todo cuando se trata de gestionar eficazmente el riesgo de los proveedores, la IA puede ayudar analizando:
- Datos cibernéticos para identificar indicadores de una posible violación de datos
- Sanciones globales y listas de personas políticamente expuestas para identificar infracciones
- Datos reglamentarios para identificar cambios en la normativa o posibles infracciones
- Pruebas no estructuradas, como certificaciones ISO, informes SOC2, contratos y documentación sobre políticas.
- Datos operativos para identificar las interrupciones de la cadena de suministro
- Datos financieros para identificar tendencias o predecir problemas de tesorería
Además, el aprendizaje automático (AM) suele integrarse en las herramientas de elaboración de informes y análisis para dar sentido a grandes cantidades de datos aparentemente inconexos de una forma que sería extremadamente laboriosa, lenta y propensa a errores para los seres humanos. Los modelos de aprendizaje automático no están grabados en piedra; una implementación adecuada permite a las organizaciones entrenar continuamente el modelo de ML utilizando nuevos datos, lo que da lugar a un análisis de riesgos más dinámico y realista que anticipa las posibles amenazas de los proveedores.
Análisis predictivo
¿Con qué frecuencia se lamenta la gente de la asombrosa precisión de la retrospectiva? El análisis predictivo le ayuda a anticiparse a los posibles riesgos futuros combinando la información histórica con variables externas, como la volatilidad internacional, los datos y patrones meteorológicos y la volatilidad del mercado, para que los equipos de compras puedan predecir cómo podrían afectar esas variables a las cadenas de suministro. Este enfoque permite a las organizaciones adoptar un enfoque proactivo de gestión de riesgos y minimizar el impacto potencial de los acontecimientos adversos.
Mejore la precisión de los análisis de amenazas con IA
Todo lo que acelere su capacidad para encontrar y remediar riesgos también puede ayudarle a mejorar la precisión de sus análisis de amenazas. Dado que la IA puede automatizar la recopilación y el procesamiento de datos y analizarlos en busca de patrones, los equipos de adquisiciones pueden centrarse en tareas más empresariales. La automatización de esas tareas mediante IA también reduce los posibles errores humanos, lo que le ayuda a garantizar una mayor precisión. Y como la IA puede analizar grandes conjuntos de datos rápidamente, puede revisar más fuentes de datos. Este análisis facilita la identificación de patrones y el descubrimiento de anomalías que puedan indicar una amenaza, ayudándole a responder más rápidamente a un problema potencial y, por lo tanto, a minimizar el impacto general en el negocio.
Reducir la carga de trabajo de los equipos de compras
No cabe duda de que los métodos tradicionales de gestión de riesgos de proveedores requieren mucho tiempo y son propensos a errores. Incluso los mejores gestores de compras y riesgos pueden pasar algo por alto al revisar múltiples hojas de cálculo e introducir datos de un gran número de fuentes. Esto hace que los informes sean menos precisos y, desde luego, menos puntuales. Gracias a la IA, su equipo puede tomar decisiones de gestión de riesgos en relación con proveedores y vendedores externos basándose en información precisa, completa y actualizada. También permite un enfoque renovado en la previsión y evaluación de riesgos basado en cómo esos riesgos podrían afectar a su organización en el cumplimiento de sus objetivos generales.
3 cosas que hay que tener en cuenta en las soluciones de IA
La IA ha dominado las noticias del último año, hasta el punto de que el Presidente de EE.UU., Biden, acaba de promulgar una orden ejecutiva sobre IA segura y fiable. Como pone de relieve la OE, la IA tiene un potencial considerable, pero no está exenta de riesgos. Las organizaciones que utilizan herramientas de IA deben ser sensibles a los riesgos potenciales de la IA y elegir soluciones que aborden esos riesgos. Estos son algunos de los que debe asegurarse de que su solución controla:
- Alucinaciones de la IA: En ocasiones, la IA podría ofrecer una interpretación no válida como si fuera un hecho, debido a anomalías estadísticas, entradas erróneas o datos incompatibles del modelo de aprendizaje. Las soluciones de gestión de riesgos de proveedores que aprovechan la IA deben abordar este riesgo garantizando que el modelo se entrena con datos reales de riesgo de proveedores que son precisos, diversos y representativos de escenarios del mundo real. Además, estos modelos deben ajustarse continuamente para garantizar una mejora continua basada en el contexto y los matices relacionados principalmente con el riesgo de los proveedores.
- Sesgo cognitivo: Los sistemas de IA pueden construirse utilizando datos de modelos de aprendizaje sesgados, lo que inevitablemente da lugar a respuestas sesgadas. Puede ser difícil detectar el sesgo, por eso es tan importante utilizar datos de entrenamiento diversos. Los datos del modelo de aprendizaje deben reflejar la población del mundo real. Además, los modelos de IA deben actualizarse continuamente para incorporar nuevos datos y reducir posibles sesgos. Los revisores humanos pueden ayudar a identificar sesgos en el contenido y las respuestas generados por la IA, así como a evaluar el rendimiento general de la solución. Busque un proveedor de soluciones que realice auditorías de sus modelos de IA con regularidad.
- Seguridad de los datos: Muchas organizaciones ya han tenido problemas con empleados que introducen datos propios en grandes modelos lingüísticos (LLM). Por desgracia, esos datos pueden compartirse posteriormente fuera de la organización, poniendo en peligro la propiedad intelectual o los datos empresariales confidenciales. Las soluciones LLM pueden incorporar entradas en sus modelos de datos que permitan consultas posteriores a esos datos, lo que resulta problemático para proteger los datos confidenciales. Busque una solución de IA que cifre los datos confidenciales en reposo y en tránsito, y que ofrezca controles de acceso y mecanismos de autorización sólidos. Esto puede ayudar a garantizar que personas o sistemas no autorizados no puedan acceder a los datos ni manipularlos.
Aunque el panorama de proveedores y vendedores de terceros se ha vuelto cada vez más complejo en los últimos años debido a la regionalización de las cadenas de suministro y a la externalización de más operaciones, los equipos de compras y riesgos pueden aprovechar una solución de IA debidamente formada y mantenida para detectar y reducir los riesgos y mejorar su gestión. Mediante la automatización de las tareas rutinarias, la mejora de los conocimientos especializados y la realización de análisis complejos, los responsables de compras y riesgos pueden gestionar eficazmente los riesgos de los proveedores utilizando la IA y concentrarse en cambio en la consecución de actividades empresariales estratégicas.
Nota del editor: Este artículo se publicó originalmente en Prevalent.net. En octubre de 2024, Mitratech adquirió la empresa de gestión de riesgos de terceros basada en IA, Prevalent. El contenido ha sido actualizado desde entonces para incluir información alineada con nuestra oferta de productos, cambios regulatorios y cumplimiento.
