The Factors Disrupting the Evolution of Artificial Intelligence in Operational Risk Management in the Bangladeshi IT Sector - A Case Study

Ahmed, Md Ferdous; Szczepański, Marek

doi:10.21008/j.0239-9415.2023.087.01

Artykuł - szczegóły

Tytuł artykułu

The Factors Disrupting the Evolution of Artificial Intelligence in Operational Risk Management in the Bangladeshi IT Sector - A Case Study

Autorzy

Ahmed Md Ferdous , Szczepański Marek

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

DOI

10.21008/j.0239-9415.2023.087.01

Warianty tytułu

Czynniki zakłócające rozwój sztucznej inteligencji w zarządzaniu ryzykiem operacyjnym w sektorze IT w Bangladeszu – studium przypadku

Języki publikacji

Abstrakty

Despite the enormous potential and benefits of AI deployment or adoption, Bangladesh’s IT sector has yet to utilize AI for operational risk management (ORM). The main purpose of this research is to identify the primary barriers to AI deployment in operational risk management, as seen by professionals at the chosen company from the IT Sector in Bangladesh, and to interpret the findings under the TOE framework (Technology-Organization-Environment Framework). This study will provide a summary of the current state of artificial intelligence in operational risk management in Bangladeshi enterprises from the IT Sector, and identify the primary barriers to AI adoption in operational risk management in Bangladesh through an examination of Bangladeshi professionals' perceptions. The study's findings are determined using a quantitative approach. This article presents the findings of an online survey questionnaire conducted on IT professionals from a Bangladeshi IT organization. Results indicate that the internal culture and social components, transparency issues, insufficient financial investment, sufficient non-AI techniques, insufficient legal and ethical framework, bias, inaccuracy, feedback, and algorithm misuse are key challenges. Applying the TOE framework, the above have been classified into three categories of barriers: organizational, environmental, and technical.

Pomimo niebywałego potencjału i korzyści płynących z implementacji sztucznej inteligencji w sektorze IT, Bangladesz nie zastosował jeszcze tej technologii w zarządzaniu ryzykiem operacyjnym. Podstawowym celem zaprezentowanych w tekście badań było określenie podstawowych barier uniemożliwiających wprowadzenie technologii AI w obszarze zarządzania ryzykiem operacyjnym na podstawie rozpoznań dokonanych przez przedstawicieli wybranych firm reprezentujących sektor IT w Bangladeszu. Wyniki badań zostały skonsultowane w ramach TOE (Technology-Organization-Environment Framework). Badanie niniejsze stanowi podsumowanie dotychczasowego wymiaru zastosowania sztucznej inteligencji w zarządzaniu ryzykiem w bangladeskich przedsiębiorstwach z branży IT. Ponadto artykuł zawiera – opartą na badaniach ankietowych, przeprowadzonych wśród przedstawicieli sektora IT z Bangladeszu – identyfikację podstawowych barier uniemożliwiających zastosowania sztucznej inteligencji w działaniach mających na celu określenie ryzyka operacyjnego. Metodologią badania były badania ilościowe, które wykazały, iż na drodze do zastosowania sztucznej inteligencji w przestrzeni określania ryzyka operacyjnego w branży IT w Bangladeszu leży szereg problemów. Wśród nich należy wymienić: kulturę wewnętrzną zarządzania, czynniki społeczne, problemy związane z transparentnością, niewystarczające inwestycje finansowe. Ponadto wskazać należy na istnienie innych technik zarządzania, które nie wykorzystują sztucznej inteligencji. W Bangladeszu nie funkcjonują wystarczające ramy prawne i etyczne, a w przedsiębiorstwach często panuje stronniczość, niedokładność, a same algorytmy bywają używane w nieprawidłowy sposób. Wymienione kluczowe wyzwania mogą zostać przyporządkowane do trzech kategorii: barier organizacyjnych, środowiskowych oraz technicznych.

Słowa kluczowe

operational risk management artificial intelligence machine learning IT Bangladesh

zarządzanie ryzykiem operacyjnym sztuczna inteligencja uczenie maszynowe IT Bangladesz

Wydawca

Wydawnictwo Politechniki Poznańskiej

Czasopismo

Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie

Rocznik

2023

Tom

Nr 87

Strony

9--31

Opis fizyczny

Bibliogr. 31 poz., rys., tab.

Twórcy

autor

Ahmed Md Ferdous

Poznań University of Technology, Faculty of Engineering Management

https://orcid.org/0000-0001-6722-4592

autor

Szczepański Marek

Poznań University of Technology, Faculty of Engineering Management, Institute of Logistics

https://orcid.org/0000-0002-8929-7490

Bibliografia

1. Alam, M.S. (n.d.). National Strategy for Artificial Intelligence Bangladesh. Retrieved from: https://www.academia.edu/44450021/National_Strategy_for_Artificial_Intelligence_Bangladesh (25.05.2023).
2. Arsic, V.B. (2021). Challenges of Financial Risk Management: AI Applications. Management: Journal of Sustainable Business and Management Solutions in Emerging Economies, 26(3), https://doi.org/10.7595/management.fon.2021.0015.
3. Awa, H.O., Ukoha, O., Emecheta, B.C. (2016). Using T-O-E theoretical framework to study the adoption of ERP solution. Cogent Business & Management, 3(1), 1196571, https://doi.org/10.1080/23311975.2016.1196571 (25.05.2023).
4. Aziz, S., Dowling, M. (2018). AI and Machine Learning for Risk Management. SSRN Electronic Journal, https://doi.org/10.2139/ssrn.3201337.
5. Baker, J. (2011). The Technology–Organization–Environment Framework. In: Y.K. Dwivedi, Michael R. Wade, S.L. Schneberger (Eds.), Information Systems Theory. Springer New York, 231-245, https://doi.org/10.1007/978-1-4419-6108-2_12.
6. de Carvalho, M.C.P. (2021). The impact of artificial intelligence in operational risk management. Retrieved from: https://repositorio.iscte-iul.pt/handle/10071/23075 (25.05.2023).
7. Daniotti, B., Gianinetto, M., Della Torre, S. (Eds.). (2020). Digital Transformation of the Design, Construction and Management Processes of the Built Environment. Springer Cham, https://doi.org/10.1007/978-3-030-33570-0.
8. Dogru, A.K., Keskin, B.B. (2020). AI in operations management: Applications, challenges and opportunities. Journal of Data, Information and Management, 2(2), 67-74, https://doi.org/10.1007/s42488-020-00023-1.
9. Dzhaparov, P. (2020). Application of Blockchain and Artificial Intelligence in Bank Risk Management. Economics and Management, 17(1), 43-57.
10. Ehsan, S. (2021). Artificial Intelligence and the Future of Labor Market in Bangladesh. In: A. Farazmand (Ed.), Global Encyclopedia of Public Administration, Public Policy and Governance. Springer Cham, https://doi.org/10.1007/978-3-319-31816-5_4359-1.
11. Fawcett, T., Haimowitz, I., Provost, F., Stolfo, S. (1998). AI Approaches to Fraud Detection and Risk Management. AI Magazine, 19(2), https://doi.org/10.1609/aimag.v19i2.1372.
12. Fernandez, A. (2019). Artificial Intelligence in Financial Services. Banco de Espana Article 3(19), https://doi.org/10.2139/ssrn.3366846.
13. Fernández-Martínez, C., Fernández, A. (2020). AI and recruiting software: Ethical and legal implications. Paladyn, Journal of Behavioral Robotics, 11(1), 199-216, https://doi.org/10.1515/pjbr-2020-0030.
14. Frederica, D., Murwaningsari, E. (2021). The Effect of the Use of Artificial Intelligence and Operational Risk Management on Banking Performance with the Implementation of Regulation as Moderation Variable. DEGRES, 20(1), 146-158, https://doi.org/10.1877/degres.v20i1.50.
15. Hopkin, P. (2018). Fundamentals of Risk Management: Understanding, Evaluating and Implementing Effective Risk Management. Kogan Page Publishers.
16. Julies, B., Zuva, T. (2021). A Review on TAM and TOE Framework Progression and How These Models Integrate. Advances in Science, Technology and Engineering Systems Journal, 6(3), 137-145, https://doi.org/25046/aj060316.
17. Khan, A.M., Islam, R. (n.d.). Aspects of Risk Management in Banking Sector of Bangladesh.
18. Khan, S.U., Hasan, F., Islam, S., Hassan, S.M.T. (n.d.). Artificial Intelligence in the Banking Sector of Bangladesh: Applicability and the Challenges, 54.
19. Khatun, F., Nawrin, N. (2021). Artificial Intelligence and its Impact on Information Technology (IT) Service Sector in Bangladesh. Retrieved from: https://think-asia.org/handle/11540/14541 (25.05.2023).
20. Leone, P., Porretta, P. (2018). Introduction to the Work and Operational Risk. In: P. Leone, P. Porretta, M. Vellella (Eds.), Measuring and Managing Operational Risk: An Integrated Approach, https://doi.org/DOI/10.1007/978-3-319-69410-8_1.
21. Malhotra, Y. (2018). AI, Machine Learning & Deep Learning Risk Management & Controls: Beyond Deep Learning and Generative Adversarial Networks: Model Risk Management in AI, Machine Learning & Deep Learning: Princeton Presentations in AI-ML Risk Management & Control Systems (Presentation Slides). SSRN Scholarly Paper, 3167035, https://doi.org/DOI/10.2139/ssrn.3167035.
22. Mohammed, I.A. (2020). Artificial Intelligence for Cybersecurity: A Systematic Mapping of Literature. SSRN Electronic Journal, 7(9), 172-176.
23. Moosa, I.A. (2007). Operational Risk Management. Palgrave Macmillan UK, https://doi.org/DOI/10.1057/9780230591486.
24. Mosteanu, N.R. (2020). Artificial Intelligence And Cyber Security – Face To Face with Cyber Attack – A Maltese Case of Risk Management Approach. Ecoforum Journal, 9(2). Retrieved from: http://www.ecoforumjournal.ro/index.php/eco/article/view/1059 (25.05.2023).
25. Singh, T., Pathak, N. (2020). Emerging Role of Artificial Intelligence in Indian Banking Sector. Journal of Critical Reviews, 7(16), 1370-1373.
26. Soni, V.D. (2019). Role of Artificial Intelligence in Combating Cyber Threats in Banking. International Engineering Journal For Research & Development. Retrieved from: https://www.academia.edu/43646442/ROLE_OF_ARTIFICIAL_INTELLIGENCE_IN_COMBATING_CYBER_THREATS_IN_BANKING (25.05.2023).
27. Thompson, C. (2021). Fundamentals of Risk Management: Understanding, Evaluating and Implementing Effective Enterprise Risk Management. Kogan Page Ltd.
28. Wan Ismail, W.N.S., Mokhtar, M. (2016). Application of TOE framework in examining the factors influencing pre-and post-adoption of CAS in Malaysian SMEs. International Journal of Information Technology and Business Management, 49, 26-37.
29. Zaporowska, Z., Szczepański, M. (2022). Exploration of Lean Management Methods Used in Shared Services Centers, Drivers and Barriers to Process Selection for Improvements in the Light of Risk Management and ESG Reporting. Sustainability, 14(8), 4695, https://doi.org/DOI/10.3390/su14084695.
30. Žigienė, G., Rybakovas, E., Alzbutas, R. (2019). Artificial Intelligence Based Commercial Risk Management Framework for SMEs. Sustainability, 11(16), https://doi.org/DOI/10.3390/su11164501.
31. Zigiene, G., Rybakovas, E., Vaitkiene, R. (2020). Challenges in Applying Artificial Intelligence for Supply Chain Risk Management. International Journal of Economics and Business Administration, VIII, 299-318, https://doi.org/DOI/10.35808/ijeba/589.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-a386abaa-b168-442a-a806-4cd3900c31f7