Как микро-расследования могут повысить соответствие цепочки поставок

Проблемы 2020 года имеют серьезные последствия для соблюдения требований цепочки поставок и рисков в 2021 году. В прошлом году каждый американский бизнес подвергся испытанию и поставил задачи в масштабах, которых мы не видели ранее. У многих компаний были недели, если не дни, чтобы принять важные решения, чтобы сохранить свою деятельность на плаву. И хотя в то время, несомненно, были необходимы быстрые действия, последствия этих решений для соблюдения, вероятно, станут предметом повышенного внимания в этом году.

Рассмотрим лишь несколько примеров. В начале пандемии предприятия и правительства поспешили приобрести важнейшие средства индивидуальной защиты (СИЗ), часто конкурируя друг с другом за внезапно возникшие дефициты ресурсов. Некоторым - возможно, многим - из этих организаций не оставалось ничего другого, как использовать нетрадиционные каналы для обеспечения необходимых поставок. В результате срочности и усиления конкуренции за эти ресурсы поставщики, скорее всего, не прошли проверку в рамках традиционных процессов соответствия, что открывает для многих организаций потенциальный риск.

Несколькими неделями позже федеральное правительство начало вкладывать более 5 триллионов долларов в американскую экономику, чтобы сохранить работоспособность экономического двигателя страны. Размах стимула был беспрецедентным не только по масштабу, но и по распределению. В отличие от отраслевых стимулов, предоставленных после Великой рецессии 2007-2008 годов, или географически ориентированной помощи при стихийных бедствиях, стимулы COVID-19 охватили почти все уголки экономики США. И всякий раз, когда увеличивается размер федеральных долларов помощи, обычно параллельно растет и мошенничество, и, в конечном итоге, попытки вернуть деньги, которые были утеряны.

Наконец, когда так много организаций сталкиваются с финансовым стрессом из-за пандемии, внутри организаций часто усиливается давление с целью «исправить положение». Это включает в себя усилия по увеличению стимулов для продавцов или привлечение третьих лиц для стимулирования восстановления и роста. Отрасли, которые особенно сильно пострадали, такие как розничная торговля, гостиничный бизнес и авиалинии, подвергаются особому риску, и им следует ожидать более пристального внимания.

Повышенные риски соответствия

В конечном счете, существует множество способов, которыми события 2020 года усугубили риски соблюдения требований, которые необходимо будет устранить в этом году. Некоторым компаниям, возможно, пришлось быстро перейти на распространение напрямую среди потребителей, что привело к возникновению потенциальной ответственности в соответствии с законами о конфиденциальности данных, такими как Закон Калифорнии о конфиденциальности потребителей (CCPA). Организации, которые внезапно начали закупать СИЗ для больниц или других медицинских учреждений, могут обнаружить, что им необходимо соблюдать положения Закона о переносимости и бухгалтерском учете медицинского страхования (HIPAA), например, подпадать под действие соглашения о деловом сотрудничестве (BAA).

Теперь учтите приоритеты новой администрации Байдена, которая добавляет еще один уровень сложности к и без того сложной ситуации. Многие ожидают, что нарушения Закона о ложных исках приведут к усилению правоприменения для организаций, которые ведут дела с федеральным правительством, особенно в свете Закона о помощи, помощи и экономической безопасности в связи с коронавирусом (CARES), Программе защиты зарплаты (PPP) и, конечно же, дальнейшее расширение стимулирующих мер, которые, как ожидается, будут приняты после инаугурации. Правоприменение Закона о борьбе с коррупцией за рубежом (FCPA) широко используется обеими партиями и с момента вступления в силу неуклонно усиливается. Было бы неудивительно, если бы в рамках FCPA было обеспечено дополнительное правоприменение, особенно для поставщиков медицинских товаров и СИЗ из-за рубежа. И дополнительные требования к отчетности Комиссии по ценным бумагам и биржам, касающиеся сбоев в цепочке поставок и уязвимостей, выявленных пандемией, безусловно, находятся в сфере возможных результатов.

При таком резком сдвиге в сфере соблюдения нормативных требований для такого количества организаций и потенциальном финансовом стрессе, вызванном пандемией, организациям необходимо очень целенаправленно и экономически эффективно расследовать эти риски. Одно из очень эффективных решений - делать больше с меньшими затратами, используя подход, называемый микроисследованием.

Возможно, ошибочно думать о микрорасследовании как о небольшом. Вместо этого более уместно думать о нем как о узконаправленном . Целью этого подхода является быстрое и экономичное определение наиболее важных документов для конкретного комплаенс-риска. Цель не в том, чтобы найти все соответствующие документы, но вместо этого найти лучший единицы. Для достижения этой цели необходимо сочетать глубокий опыт поиска с передовыми технологиями поиска.

Часто к расследованиям прибегают с помощью двух грубых инструментов:традиционного поиска по ключевым словам и моделей машинного обучения. Но поиск по ключевым словам проблематичен по двум направлениям. Во-первых, они обычно чрезмерно широки, потому что синтаксис поиска во многих ведущих инструментах проверки документов разработан с упором на простоту, а не на надежность. Эта чрезмерная простота приводит к поиску, который возвращает слишком много документов, что, в свою очередь, делает расследование непомерно дорогостоящим. Во-вторых, при поиске по ключевым словам часто упускаются важные документы, а процессы контроля качества не всегда выявляют пробелы.

С другой стороны, модели машинного обучения часто не очень подходят для подобных исследований. Это связано с тем, что распространенность ключевых документов в таких расследованиях часто довольно низка. В отличие от сценария судебного разбирательства, когда дело находится в более зрелой форме, микрорасследование часто ищет что-то, что почти по определению скрыто, а во многих случаях находится на ранних стадиях. Когда распространенность настолько низка, модели машинного обучения могут с трудом отличить сигнал от шума. И попытки настроить эти модели могут потребовать больших затрат как времени, так и денег. У моделей машинного обучения определенно есть свое место, но в этой ситуации их недостатки становятся очевидными.

Сочетание технологий с опытом

Гораздо более эффективный подход - объединить технологию с расширенным синтаксисом поиска с лингвистами, которые знают, как определять ключевые шаблоны в языке, и создавать запросы, которые раскрывают суть проблемы. Там, где традиционный поиск по ключевым словам затруднен из-за чрезмерно упрощенных ограничений синтаксиса поиска, более продвинутые инструменты могут использовать силу языковых нюансов для создания узкоспециализированных и высокоэффективных лингвистических моделей поиска. А там, где машинное обучение борется с популяциями с низкой распространенностью, лингвисты могут применять строгий и методичный подход, который начинается с малого и постепенно растет, прослеживая важные пути исследования и моделируя фактические языковые модели по мере их обнаружения.

Ситуация с соблюдением требований, возможно, столь же сложна, как и когда-либо. Но организации, которые проявляют инициативу, могут плыть по этим неспокойным водам, тщательно и методично исследуя свои потенциальные риски, чтобы стать сильнее на другой стороне.

Эрик Пендер (Eric Pender) - менеджер по взаимодействию в H5, компании, занимающейся классификацией, управлением и аналитикой конфиденциальных данных для корпораций и юридических фирм.