Современное развитие технологий искусственного интеллекта (ИИ) ставит организации перед дилеммой: с одной стороны, повышение эффективности и оперативности бизнес-процессов за счет внедрения новых инструментов, с другой — угроза возникновения стратегических рисков в результате их применения. Баланс существующих возможностей и рисков способна обеспечить грамотно организованная и выстроенная система внутреннего аудита ИИ-моделей. Цель настоящего исследования состоит в раскрытии ключевых преобразований, с которыми сталкивается внутренний аудит в условиях развития и внедрения ИИ-технологий в операционную деятельность компаний. Основными методами работы стали обобщение, сравнение, оценка, библиометрический, сетевой, кластерный и контент-анализ. Комплексное использование названных инструментов позволило выявить основные тренды, проблемные области и лучшие практики в сфере аудита ИИ. Результатом исследования явилась разработка ключевых этапов внутреннего аудита моделей ИИ (интегрированных в бизнес-процессы компании) с учетом специфики использования последних, задач по обеспечению регуляторных и корпоративных требований к их внедрению и возникающих при этом рисков. Предложенный алгоритм охватывает полный жизненный цикл ИИ-моделей —от проверки качества входящих данных и корректности работы на этапе внедрения до мониторинга результатов применения (а именно — их конфиденциальности, точности и надежности), а также соответствия нормативным, этическим требованиям в ходе эксплуатации. Результаты исследования являются полезными для специалистов подразделений внутреннего аудита экономических субъектов, разрабатывающих корпоративные стандарты и регламенты аудита внутренних бизнес-процессов.
Предпросмотр статьи
Идентификаторы и классификаторы
- SCI
- Экономика
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.