マイクロ調査がサプライチェーンのコンプライアンスをどのように高めることができるか

2020年の課題は、2021年のサプライチェーンコンプライアンスとリスクに深刻な影響を及ぼします。昨年はすべてのアメリカのビジネスをテストし、これまでにない規模の課題を提示しました。多くの企業は、業務を継続するために、数日ではないにしても、重要な決定を下すのに数週間かかりました。当時は間違いなく迅速な対応が必要でしたが、これらの決定がコンプライアンスに与える影響は、今年さらに注目されるようになるでしょう。

ほんの一握りの例を考えてみましょう。パンデミックの初期には、企業と政府は重要な個人用保護具（PPE）を確保するために急いでおり、突然不足しているリソースを求めて互いに競合することがよくありました。これらの組織の一部（おそらく多く）には、必要な物資を確保するために従来とは異なるチャネルを経由する以外に選択肢がありませんでした。これらのリソースに対する緊急性と競争の激化の結果として、サプライヤは従来のコンプライアンスプロセスを精査されなかった可能性が高く、多くの組織が潜在的なリスクにさらされていました。

数週間後、連邦政府は、国の経済エンジンを稼働させ続けるために、5兆ドル以上をアメリカ経済に注入し始めました。刺激の範囲は、規模だけでなく分布においても前例のないものでした。 2007年から2008年の大不況後に提供されたセクターを対象とした刺激、または地理的に対象を絞った自然災害の救済とは異なり、COVID-19刺激は米国経済のほぼすべての隅に到達しました。そして、連邦救済金が増加するときはいつでも、通常、詐欺が並行して増加し、最終的には、迷ったお金を取り戻すための努力が行われます。

最後に、パンデミックによる経済的ストレスに直面している組織が非常に多いため、組織内で「船を正す」というプレッシャーが高まることがよくあります。これには、営業担当者へのインセンティブを高めるための取り組みや、回復と成長を促進するためにサードパーティを使用するための取り組みが含まれます。小売、ホスピタリティ、航空会社など、特に大きな打撃を受けた業界は、このリスクに特にさらされており、監視の強化が予想されます。

コンプライアンスリスクの増大

最終的に、2020年の出来事がコンプライアンスリスクを引き起こし、今年対処する必要のある方法は無数にあります。一部の企業は、消費者への直接配布に迅速に対応しなければならず、カリフォルニア州消費者プライバシー法（CCPA）などのデータプライバシー法に基づく潜在的な責任を負わなければならなかった可能性があります。病院やその他の医療機関に突然PPEを調達した組織は、ビジネスアソシエイト契約（BAA）の対象となるなど、医療保険の相互運用性と会計に関する法律（HIPAA）の規制に準拠する必要があることに気付く場合があります。

次に、次期バイデン政権の優先順位を考慮に入れます。これにより、すでに困難な状況にさらに複雑な層が追加されます。不正請求法違反は、特にコロナウイルス支援、救済および経済的安全保障（CARES）法、給与保護プログラム（PPP）、そしてもちろん、発足後に制定されることが期待される刺激策のさらなる拡大。海外腐敗行為防止法（FCPA）の施行は広く超党派であり、発効以来着実に増加しています。特に海外から医薬品やPPEを調達しているサプライヤーに対して、FCPAの下で追加の施行が行われるのは当然のことです。そして、パンデミックによってさらされたサプライチェーンの混乱と脆弱性に関する追加のSEC報告要件は、確かに起こりうる結果の範囲内にあります。

非常に多くの組織のコンプライアンス環境が劇的に変化し、パンデミックによって経済的ストレスが発生する可能性があるため、組織はこれらのリスクの調査に非常に的を絞った費用効果の高い方法で取り組む必要があります。非常に効果的な解決策の1つは、マイクロ調査と呼ばれるアプローチを採用することで、より少ない労力でより多くのことを行うことです。

ミクロ調査を小さなものと考えるのはおそらく誤解を招くでしょう。代わりに、非常にターゲットを絞ったと考える方が適切です。 。このアプローチの目的は、特定のコンプライアンスリスクについて最も重要なドキュメントを迅速かつ費用効果の高い方法で特定することです。目標はすべてを見つけることではありません 関連するドキュメントですが、代わりに最高の もの。この目標を達成するには、深い検索の専門知識と高度な検索テクノロジーを組み合わせる必要があります。

多くの場合、調査は2つの鈍的ツールでアプローチされます。従来のキーワード検索と機械学習モデルです。しかし、キーワード検索には2つの面で問題があります。まず、多くの主要なドキュメントレビューツールの検索構文は、堅牢性ではなく単純さに重点を置いて設計されているため、一般的に広範です。この過度の単純さは、あまりにも多くのドキュメントを返す検索につながり、その結果、調査のコストが高くなります。そして第二に、キーワード検索は重要なドキュメントを見逃すことが多く、品質管理プロセスが常にギャップを埋めるとは限りません。

一方、機械学習モデルは、これらのタイプの調査には特に適していないことがよくあります。これは、そのような調査における重要な文書の普及率が非常に低いことが多いためです。事件がより成熟した姿勢にある訴訟シナリオとは異なり、マイクロ調査は、ほとんど定義上隠されているものを探していることが多く、多くの場合、初期段階にあります。普及率が非常に低い場合、機械学習モデルは信号とノイズを区別するのに苦労する可能性があります。そして、これらのモデルを調整するための努力は、時間とお金の両方で多大なコストがかかる可能性があります。機械学習モデルには確かにその場所がありますが、これはその欠点が明らかになる1つの状況です。

テクノロジーと専門知識の組み合わせ

はるかに効果的なアプローチは、高度な検索構文を特徴とするテクノロジーと、言語の主要なパターンを識別する方法を知っている言語の専門家を組み合わせて、問題の核心につながるクエリを作成することです。従来のキーワード検索が過度に単純化された検索構文の制限によって妨げられている場合、より高度なツールは言語のニュアンスの力を利用して、狭く調整された非常に効果的な言語検索モデルを作成できます。また、機械学習が普及率の低い人口と格闘している場合、言語学の専門家は、小さく始めて成長する厳密で系統だったアプローチを適用できます。その後、重要な調査パスをたどり、実際の言語パターンを見つけたらモデル化します。

コンプライアンスの状況は、おそらくこれまでになく困難です。しかし、積極的な組織は、反対側でより強く現れる可能性のあるリスクを注意深く系統的に調査することで、これらの不安定な海域をナビゲートできます。

Eric Penderは、企業や法律事務所向けの機密データの分類、管理、分析を提供するH5のエンゲージメントマネージャーです。