Risk management in an organization in the era of AI – a theoretical approach

• Autorzy: Pacek Łukasz , Mróz-Gorgoń Barbara , Czugan Marcin

Identyfikatory

DOI

10.21008/j.0239-9415.2025.092.03

Warianty tytułu

PL

Zarządzenia ryzykiem w organizacji w dobie AI - podejście teoretyczne

• Języki publikacji: EN

Abstrakty

EN

In an era marked by complex global interdependencies, organizational risk management has emerged as a key strategic function. Risk is no longer confined to financial loss or operational disruption but encompasses a wide spectrum of uncertainties with implications for long-term sustainability and competitiveness. Traditional approaches, including ISO 31000 and COSO ERM, emphasize risk identification, evaluation, and mitigation within a structured governance framework. However, recent technological advancements, particularly in the field of artificial intelligence (AI), have introduced new paradigms in how risks are perceived, predicted, and managed. The primary aim of article is to systematize core definitions, clarify key theoretical frameworks, and identify unresolved questions through a comprehensive review of contemporary academic literature. This article provides a comprehensive theoretical overview of organizational risk management while integrating AI-driven tools and approaches. The main conclusions of the article indicate that risk management has undergone a transformation from a reactive to a proactive approach. Today’s organizations not only respond to risk, but learn to anticipate and exploit it. In addition, the use of AI significantly increases organizational capabilities in the field of risk identification, analysis and control. On the other hand, integrating AI brings ethical and systemic challenges, and risk management alone in the future requires hybrid intelligence. The conclusions drawn are theoretical – further empirical research is needed.

PL

W epoce charakteryzującej się złożonymi globalnymi współzależnościami zarządzanie ryzykiem organizacyjnym stało się kluczową funkcją strategiczną. Ryzyko nie ogranicza się już do strat finansowych lub zakłóceń operacyjnych, ale obejmuje też szerokie spektrum niepewności, które mają wpływ na długoterminową stabilność i konkurencyjność. Tradycyjne podejścia, w tym ISO 31000 i COSO ERM, kładą nacisk na identyfikację, ocenę i ograniczanie ryzyka w ramach ustrukturyzowanych ram zarządzania. Jednak niedawny postęp technologiczny, szczególnie w dziedzinie sztucznej inteligencji (AI), wprowadził nowe paradygmaty w sposobie postrzegania, przewidywania i zarządzania ryzykiem. Głównym celem artykułu było usystematyzowanie podstawowych definicji, wyjaśnienie kluczowych ram teoretycznych oraz wskazanie nierozstrzygniętych kwestii poprzez kompleksowy przegląd współczesnej literatury naukowej. Praca zawiera kompleksowy przegląd teoretyczny zarządzania ryzykiem organizacyjnym przy jednoczesnej integracji narzędzi i podejść opartych na sztucznej inteligencji. Główne wnioski płynące z artykułu wskazują, że zarządzanie ryzykiem przeszło transformację od podejścia reaktywnego do proaktywnego. Dzisiejsze organizacje nie tylko reagują na ryzyko, ale też uczą się je przewidywać i wykorzystywać. Ponadto stosowanie AI znacząco zwiększa możliwości organizacyjne w zakresie identyfikacji, analizy i kontroli ryzyka. Z drugiej strony integracja sztucznej inteligencji niesie ze sobą wyzwania etyczne i systemowe, a samo zarządzanie ryzykiem w przyszłości wymaga inteligencji hybrydowej. Wyciągnięte wnioski mają charakter teoretyczny – potrzebne są dalsze badania empiryczne.

Słowa kluczowe

EN

enterprise risk management; AI in risk analysis; predictive analytics and risk; machine learning for compliance; digital transformation in risk governance

PL

zarządzanie ryzykiem korporacyjnym; sztuczna inteligencja w analizie ryzyka; analityka predykcyjna i ryzyko; uczenie maszynowe na rzecz zgodności; transformacja cyfrowa w zarządzaniu ryzykiem

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie
• Rocznik: 2025
• Tom: Nr 92
• Strony: 37--48
• Opis fizyczny: Bibliogr. 46 poz., rys.

Twórcy

autor

Pacek Łukasz

• Wroclaw University of Economics and Business, Faculty of Management

• https://orcid.org/0009-0006-1332-345X

autor

Mróz-Gorgoń Barbara

• Wroclaw University of Economics and Business

• https://orcid.org/0000-0001-9116-485X

autor

Czugan Marcin

• Wroclaw University of Economics and Business, Faculty of Management

Bibliografia

• 1. AIRMIC, ALARM, IRM (2010). A structured approach to Enterprise Risk Management (ERM) and the requirements of ISO 31000. Institute of Risk Management.
• 2. Arena, M., Arnaboldi, M., Azzone, G. (2010). The organizational dynamics of Enterprise Risk Management. Accounting. Organizations and Society, 35(7), 659-675.
• 3. Aven, T. (2023). Foundations of Risk Analysis, 3rd ed. Wiley.
• 4. Bartkowiak, P., Koszel, M. (2013). Zarządzanie ryzykiem gospodarczym. Warszawa: Wydawnictwo Naukowe PWN.
• 5. Brock, J.K.-U., von Wangenheim, F. (2019). Demystifying AI in business: A critical review and agenda for future research. Journal of Business Research, 115, 202-213.
• 6. Buschgen, H.E. (1997). Grundlagen der Finanzwirtschaft. Wiesbaden: Gabler Verlag.
• 7. Campbell, J. (2005). Risk and the legal process. Oxford University Press.
• 8. Chapman, R.J. (2011). Simple Tools and Techniques for Enterprise Risk Management. Wiley.
• 9. COSO & Deloitte (2019). Enterprise Risk Management: Integrating with Strategy and Performance. Committee of Sponsoring Organizations of the Treadway Commission.
• 10. Davenport, T.H., Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1), 108-116.
• 11. Dubisz, S. (ed.) (2008). Uniwersalny słownik języka polskiego. Warszawa: PWN.
• 12. Felch, V., Asdecker, B. (2022). Mapping the field of AI in enterprise risk management: A bibliometric review. Journal of Risk Research, 25(5), 621-639.
• 13. FERMA (2003). A Risk Management Standard. Federation of European Risk Management Associations.
• 14. Filipiak, B. (2010). Ryzyko w zarządzaniu publicznym. Difin.
• 15. Ghosh, R. (2023). Predictive Analytics in Financial Risk. Harvard Business Review, 101(4), 78-84.
• 16. Graham, J.D., Weiner, J.B. (1995). Risk vs. Risk: Tradeoffs in Protecting Health and the Environment. Harvard University Press.
• 17. IBM Security (2021). AI for Cyber Defense. IBM Research White Paper.
• 18. IIA (2020). The IIA’s Three Lines Model: An update of the Three Lines of Defense.
• 19. International Federation of Accountants (IFAC) (2009). Evaluating and Improving Governance and Management Processes.
• 20. Jajuga, K. (2007). Zarządzanie ryzykiem. Warszawa: Wydawnictwo Naukowe PWN.
• 21. Kasiewicz, S. (2011). Ryzyko jako czynnik strategii przedsiębiorstwa. Wydawnictwo SGH.
• 22. Kasiewicz, S., Rogowski, W. (2006). Ryzyko w działalności banków. Oficyna Ekonomiczna.
• 23. Kasiewicz, S., Rogowski, W. (2009). Zarządzanie ryzykiem w bankowości. Oficyna Ekonomiczna.
• 24. Komitet Organizacji Sponsorujących Komisję Treadway (COSO) (2006). Zarządzanie ryzykiem – zintegrowana koncepcja.
• 25. Makarowski, R. (2008). Zarządzanie ryzykiem w przedsiębiorstwie. PWE.
• 26. Małkowska-Borowczyk, M. (2012). Zarządzanie ryzykiem w jednostkach sektora publicznego. Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
• 27. Marcinkowski, B. (2016). System zarządzania ryzykiem. Wolters Kluwer.
• 28. Merna, T., Al-Thani, F. (2011). Corporate Risk Management. Wiley.
• 29. Moeller, R.R. (2011). COSO Enterprise Risk Management: Establishing Effective Governance, Risk, and Compliance Processes. Wiley.
• 30. Nowak, M. (2014). Modele zarządzania ryzykiem w organizacjach. Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
• 31. Olson, D.L., Wu, D. (2010). Enterprise Risk Management. World Scientific.
• 32. O’Neil, C. (2016). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Crown Publishing Group.
• 33. Peter-Bombik, K. (2023). Koncepcje ryzyka w zarządzaniu strategicznym. Wydawnictwo Uniwersytetu Warszawskiego.
• 34. Pleczeluk, M. (2011). Zarządzanie ryzykiem operacyjnym. CeDeWu.
• 35. Rudawska, A. (2013). Ryzyko w usługach zdrowotnych. Wydawnictwo Uniwersytetu Szczecińskiego.
• 36. Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206-215.
• 37. Samborski, A. (2012). Rola systemu zarządzania ryzykiem w organizacjach. Ekonomika i Organizacja Przedsiębiorstwa, 1(744), 29-37.
• 38. Shrestha, Y.R., Ben-Menahem, S.M., von Krogh, G. (2019). Organizational decision-making structures in the age of AI. California Management Review, 61(4), 66-83.
• 39. Sobel, P.J. (2004). Auditor’s Risk Management Guide. CCH Inc.
• 40. Sobolewski, H., Marcinkowski, B. (2017). Zarządzanie ryzykiem korporacyjnym. Warszawa: Wydawnictwo Naukowe PWN.
• 41. Tranfield, D., Denyer, D., Smart, P. (2003). Towards a methodology for developing evidence‐informed management knowledge by means of systematic review. British Journal of Management, 14(3), 207-222.
• 42. Urbanowska-Sojkin, E. (2012). Strategiczne zarządzanie ryzykiem. Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu.
• 43. Willis, H.H. (2007). Guiding resource allocations based on terrorism risk. Risk Analysis, 27(3), 597-606.
• 44. Wojniłko, J., Sikorska-Michalak, B. (1996). Zarządzanie przedsiębiorstwem. PWE.
• 45. Woźniak, W., Szalbo, J. (2003). Zarządzanie ryzykiem. Wydawnictwo Akademickie.
• 46. Zasępa, E. (2013). Ryzyko w działalności gospodarczej. Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.