미시적 조사를 통해 공급망 규정 준수를 강화하는 방법

2020년의 과제는 2021년의 공급망 규정 준수 및 위험에 심각한 영향을 미칩니다. 작년에 모든 미국 비즈니스를 테스트했으며 이전에는 볼 수 없었던 규모의 과제를 제시했습니다. 많은 기업이 운영을 원활하게 유지하기 위해 중요한 결정을 내리는 데 며칠은 아니더라도 몇 주가 걸렸습니다. 그리고 그 당시에는 빠른 조치가 확실히 필요했지만, 그러한 결정이 규정 준수에 미치는 영향은 올해 더욱 집중될 것입니다.

몇 가지 예만 고려하십시오. 팬데믹 초기에 기업과 정부는 중요한 개인 보호 장비(PPE)를 확보하기 위해 서두르며 갑자기 부족한 자원을 놓고 종종 서로 경쟁했습니다. 그러한 조직 중 일부(아마도 많은 조직)는 필요한 공급을 확보하기 위해 비전통적인 경로를 거치는 것 외에 선택의 여지가 없었습니다. 이러한 리소스에 대한 시급성과 경쟁 심화로 인해 공급업체는 기존 규정 준수 프로세스를 통해 검증되지 않아 많은 조직이 잠재적인 위험에 노출될 수 있습니다.

몇 주 후, 연방 정부는 미국 경제의 동력을 유지하기 위해 미국 경제에 5조 달러 이상을 투입하기 시작했습니다. 부양의 범위는 규모뿐 아니라 분포 면에서도 전례가 없었다. 2007-2008년의 대공황 이후에 제공된 부문별 경기 부양책이나 지리적으로 표적화된 자연 재해 구호와 달리 COVID-19 경기 부양책은 미국 경제의 거의 모든 구석에 도달했습니다. 그리고 연방 구호 자금이 증가할 때마다 일반적으로 사기가 증가하고 궁극적으로 잘못된 돈을 만회하기 위한 노력이 병행됩니다.

마지막으로, 팬데믹으로 인해 재정적 스트레스에 직면한 조직이 너무 많기 때문에 조직 내에서 "배를 바로잡아야"하는 압력이 증가하는 경우가 많습니다. 여기에는 영업 사원에 대한 인센티브를 늘리거나 제3자를 이용하여 회복 및 성장을 주도하려는 노력이 포함됩니다. 소매업, 접객업 및 항공사와 같이 특히 큰 타격을 받은 산업은 특히 이에 대한 위험에 처해 있으며 더 많은 조사를 받아야 합니다.

규정 준수 위험 증가

궁극적으로 2020년의 사건이 올해 해결해야 할 규정 준수 위험을 촉발하는 무수한 방법이 있습니다. 일부 회사는 CCPA(캘리포니아 소비자 개인 정보 보호법)와 같은 데이터 개인 정보 보호법에 따라 잠재적인 책임을 공개하는 소비자 직접 배포로 빠르게 전환해야 했을 수 있습니다. 갑자기 병원이나 기타 의료 기관에 PPE를 공급하던 조직에서 BAA(비즈니스 제휴 계약)의 적용과 같은 HIPAA(건강 보험 이전 및 회계법) 규정을 준수해야 할 수도 있습니다.

이제 차기 Biden 행정부의 우선 순위를 고려하십시오. 이는 이미 어려운 상황에 또 다른 복잡성을 추가합니다. False Claims Act 위반은 특히 코로나바이러스 구제, 구호 및 경제 보장(CARES) 법, 급여 보호 프로그램(PPP)에 비추어 연방 정부와 비즈니스를 수행하는 조직에 대한 집행이 증가할 것으로 널리 예상됩니다. 취임 후 시행될 것으로 예상되는 부양 노력의 추가 확대. FCPA(Foreign Corrupt Practices Act) 집행은 초당적이며 발효 이후 꾸준히 증가하고 있습니다. 특히 해외에서 의료 용품 및 PPE를 소싱하는 공급업체에 대해 FCPA에 따라 추가 시행을 보는 것은 놀라운 일이 아닙니다. 그리고 공급망 중단 및 팬데믹에 의해 노출된 취약성과 관련된 추가 SEC 보고 요구 사항은 확실히 가능한 결과 범위 내에 있습니다.

많은 조직의 규정 준수 환경이 극적으로 변화하고 팬데믹으로 인해 잠재적인 재정적 스트레스가 발생함에 따라 조직은 매우 표적화되고 비용 효율적인 방식으로 이러한 위험에 대한 조사를 처리해야 합니다. 한 가지 매우 효과적인 솔루션은 미시적 조사라는 접근 방식을 수용하여 더 적은 비용으로 더 많은 일을 하는 것입니다.

미시적 조사를 소규모로 생각하는 것은 아마도 오해의 소지가 있습니다. 대신 고도 타겟팅이라고 생각하는 것이 더 적절합니다. . 이 접근 방식의 목적은 특정 규정 준수 위험에 대한 가장 중요한 문서를 빠르고 비용 효율적으로 식별하는 것입니다. 목표는 모두를 찾는 것이 아닙니다. 관련 문서, 그러나 대신 최상의 찾기 것. 이 목표를 달성하려면 심층 검색 전문 지식과 고급 검색 기술을 결합해야 합니다.

종종 조사는 전통적인 키워드 검색과 기계 학습 모델이라는 두 가지 무딘 도구를 사용하여 접근합니다. 그러나 키워드 검색은 두 가지 측면에서 문제가 있습니다. 첫째, 많은 주요 문서 검토 도구의 검색 구문이 견고성이 아니라 단순성에 중점을 두고 설계되었기 때문에 일반적으로 지나치게 광범위합니다. 이러한 지나치게 단순함은 너무 많은 문서를 반환하는 검색으로 이어지며 결과적으로 조사에 막대한 비용이 소요됩니다. 둘째, 키워드 검색은 중요한 문서를 놓치는 경우가 많고 품질 관리 프로세스가 항상 그 격차를 잡아내는 것은 아닙니다.

반면에 머신 러닝 모델은 이러한 유형의 조사에 특히 적합하지 않은 경우가 많습니다. 그러한 조사에서 핵심 문서의 보급률이 상당히 낮기 때문입니다. 사건이 더 성숙한 상태에 있는 소송 시나리오와 달리, 미시적 조사는 종종 정의상 거의 숨겨진 무언가를 찾고 있으며 많은 상황에서 초기 단계에 있습니다. 보급률이 너무 낮으면 기계 학습 모델이 신호와 잡음을 구별하는 데 어려움을 겪을 수 있습니다. 그리고 이러한 모델을 조정하려는 노력은 시간과 비용 면에서 막대한 비용이 소요될 수 있습니다. 머신 러닝 모델이 확실히 자리를 잡았지만 이것은 단점이 명백해지는 상황 중 하나입니다.

기술과 전문성 결합

훨씬 더 효과적인 접근 방식은 고급 검색 구문을 특징으로 하는 기술을 언어의 주요 패턴을 식별하는 방법을 알고 있는 언어 전문가와 결합하고 문제의 핵심을 이끄는 쿼리를 만드는 것입니다. 기존의 키워드 검색이 지나치게 단순한 검색 구문 제한으로 인해 어려움을 겪고 있는 경우 고급 도구는 언어 뉘앙스의 힘을 활용하여 좁게 맞춤화된 매우 효과적인 언어 검색 모델을 생성할 수 있습니다. 그리고 기계 학습이 유병률이 낮은 인구로 인해 어려움을 겪고 있는 경우 언어 전문가는 소규모로 시작하여 성장하는 엄격하고 체계적인 접근 방식을 적용할 수 있으며, 이에 따라 중요한 조사 경로를 안내하고 발견된 실제 언어 패턴을 모델링할 수 있습니다.

규정 준수 환경은 그 어느 때보다 어려울 수 있습니다. 그러나 사전 예방적인 조직은 잠재적인 위험을 신중하고 체계적으로 조사하여 반대편에서 더 강해질 수 있으므로 이러한 험난한 바다를 헤쳐나갈 수 있습니다.

Eric Pender는 기업 및 법률 회사에 민감한 데이터 분류, 관리 및 분석을 제공하는 H5의 참여 관리자입니다.