Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2025

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: machine learning for compliance

Sortuj według:

Ogranicz wyniki do:

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

Pacek Łukasz, Mróz-Gorgoń Barbara, Czugan Marcin

Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie

2025

Nr 92

37--48

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.

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.