Nota del editor: Este artículo, escrito por Brad Hibbert, director de operaciones y estrategia de Prevalent, se publicó originalmente en cpomagazine.com.
El uso de terceros, incluidos proveedores y distribuidores, es parte integral de las estrategias organizativas modernas, ya que proporciona flexibilidad para escalar, 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 varios ámbitos, entre los que se incluyen el cibernético, el financiero, el reputacional 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 rápida notificación en caso de incumplimiento o interrupción por parte de un proveedor. Con una compleja red de proveedores y distribuidores, 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?
Es imposible que los equipos de compras puedan seguir el ritmo del volumen de datos y los cambios en la normativa 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 del personal especializado necesario para gestionar 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 derivados de incidentes con los proveedores. La inteligencia artificial (IA) puede ayudar a los responsables de compras a cambiar esta situación.
Reduzca el tiempo necesario para detectar y remediar los 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 gracias a una combinación de automatización, análisis de datos complejos y análisis predictivo.
Automatización
Con la IA, puedes automatizar las tareas de evaluación de riesgos de los proveedores que debes realizar periódicamente, 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 las compras a analizar los grandes y crecientes volúmenes de información sobre riesgos, siempre que utilicen herramientas de IA que hayan sido entrenadas con datos históricos relevantes. Esto permite a los equipos de compras dedicar más tiempo a centrarse en las decisiones estratégicas y la planificación de los proveedores, áreas que requieren atención humana e intervención manual.
Análisis complejo de datos
Si tienes una gran cantidad de proveedores que no deja de crecer, es lógico que necesites analizar más datos sobre ellos, preferiblemente de forma rápida para no ralentizar el negocio. Especialmente 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 normativos para identificar cambios en la normativa o posibles infracciones.
- Evidencia no estructurada, incluyendo certificaciones ISO, informes SOC2, contratos y documentación sobre políticas.
- Datos operativos para identificar interrupciones en la cadena de suministro.
- Datos financieros para identificar tendencias o predecir problemas de flujo de caja.
Además, el aprendizaje automático (ML) suele integrarse en herramientas de generación de informes y análisis para dar sentido a grandes cantidades de datos aparentemente inconexos, lo que resultaría extremadamente laborioso, lento y propenso a errores si lo realizaran seres humanos. Los modelos de aprendizaje automático no son inamovibles; una implementación adecuada permite a las organizaciones entrenar continuamente el modelo de ML utilizando nuevos datos, lo que da como resultado un análisis de riesgos más dinámico y realista que anticipa las posibles amenazas de los proveedores.
Análisis predictivo
¿Con qué frecuencia oye a la gente lamentarse de la asombrosa precisión que da la retrospectiva? El análisis predictivo le ayuda a anticipar posibles riesgos futuros combinando 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 una estrategia proactiva de gestión de riesgos y minimizar el impacto potencial de los acontecimientos adversos.
Mejora la precisión del análisis de amenazas con IA.
Todo lo que acelera su capacidad para detectar 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, así como analizar dichos datos en busca de patrones, los equipos de compras pueden centrarse en tareas más relacionadas con el negocio. La automatización de esas tareas mediante la 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 pueden indicar una amenaza, lo que le ayuda a responder más rápidamente a un posible problema y, por lo tanto, a minimizar el impacto general en el negocio.
Reducir la carga de trabajo de los equipos de compras.
No hay 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 procedentes de un gran número de fuentes. Esto hace que los informes sean menos precisos y, sin duda, menos oportunos. Gracias a la IA, su equipo puede tomar decisiones de gestión de riesgos relativas a terceros y proveedores basándose en información precisa, completa y actualizada. También permite centrarse de nuevo en la previsión y la evaluación de riesgos en función de cómo estos podrían afectar al cumplimiento de los objetivos generales de su organización.
3 aspectos a tener en cuenta en las soluciones de IA
La IA ha acaparado las noticias durante el último año, hasta tal punto que el presidente de los Estados Unidos, Joe Biden, ha promulgado recientemente un decreto ejecutivo sobre la seguridad y la fiabilidad de la IA. Tal y como destaca el decreto, la IA tiene un potencial considerable, pero no está exenta de riesgos. Las organizaciones que utilizan herramientas de IA deben ser conscientes de los riesgos potenciales de la IA y elegir soluciones que los aborden. A continuación, se indican algunos aspectos que debe asegurarse de que su solución controla:
- Alucinación de la IA: en ocasiones, la IA puede ofrecer una interpretación inválida como si fuera un hecho, debido a anomalías estadísticas, datos de entrada erróneos o datos del modelo de aprendizaje incompatibles. Las soluciones de gestión de riesgos de proveedores que aprovechan la IA deben abordar este riesgo asegurándose de que el modelo se entrene con datos reales sobre riesgos de proveedores que sean precisos, diversos y representativos de situaciones del mundo real. Además, estos modelos deben ajustarse continuamente para garantizar una mejora constante 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 resultar difícil detectar el sesgo, por lo que es tan importante utilizar datos de entrenamiento diversos. Los datos de su modelo de aprendizaje deben reflejar la población del mundo real. Además, los modelos de IA deben actualizarse de forma continua para incorporar nuevos datos y reducir el sesgo potencial. Los revisores humanos pueden ayudar a identificar el sesgo 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 periódicas de sus modelos de IA.
- Seguridad de los datos: Muchas organizaciones ya han tenido problemas con empleados que introducen datos confidenciales en modelos de lenguaje grandes (LLM). Desafortunadamente, esos datos pueden compartirse posteriormente fuera de la organización, lo que pone en riesgo la propiedad intelectual o los datos comerciales confidenciales. Las soluciones LLM pueden incorporar entradas en sus modelos de datos que permiten consultas posteriores a esos datos, lo que resulta problemático para la protección de datos confidenciales. Busque una solución de IA que cifre los datos confidenciales en reposo y en tránsito, además de proporcionar 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 los proveedores y distribuidores externos 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 la gestión de los mismos. 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.
