فناوری در خدمت تنظیم گری؛ ظهور فناوری های تنظیم یار

نهادهای تنظیم­گر در سراسر جهان به طور معمول با مشکلات اساسی مشابهی روبرو هستند: آن­ها منابع کافی در اختیار ندارند؛ فرآیندهای پیچیده داخلی به میزان کار آن­ها می­افزاید، در حالی که فشارهای خارجی احساس اضطرار را برای انجام کار در کمترین زمان ایجاد می­کند. از جمله چالش­هایی که بسیاری از تنظیم­گران با آن روبرو هستند عبارتند از: کمبود نیروی کار، کارهای ناتمام و انباشته، مجوزها و اجازه مطالبات، منطق مقررات، و کاهش هزینه­های انطباق. در چنین شرایطی، فناوری­ها می­توانند به تنظیم­گران كمك كنند تا «كار سخت» را خودکارسازی كرده و تصمیمات سریع­تر و دقیق­تری بگیرند. در حقیقت، هم تنظیم­گران و هم تنظیم­شوندگان، می­توانند از فناوری­ها برای مواجه شدن موثّر با فرآیندهای پیچیده­ی مربوط به انطباق بهره­مند شوند.

رگ­تک مدیریت فرآیندهای نظارتی به کمک فناوری است که اگرچه تاکنون عمدتا در صنعت مالی به­کار گرفته شده است؛ با این حال، قابل تعمیم به سایر بخش­ها و فرایندهای نظارتی است. صنایع غیر مالی نیز ملزم به رعایت تعهدات مربوط به انطباق با مقرراتی مانند مقررات زیست محیطی، مقررات عادی، قوانین کار و … می­باشند. بنابراین، در بخش­های غیر مالی نیز هرگاه نظارت همچون نظارت بر انطباق در بخش­ها و موسسات مالی، یک کار پر زحمت و پرهزینه باشد، رگ­تک می­تواند راه­حل­هایی کارآمد و مقرون به صرفه برای انطباق با قوانین و مقررات ارائه دهد.  

در سال ۲۰۱۸، سازمان تنظیم مقررات ارتباطات راه دور هند (TRAI) پیش­نویس آیین­نامه­ای با عنوان «تنظیم­مقررات اولویت­های مشتری در ارتباطات تجاری از راه دور» را برای رفع مشکل ارتباطات تجاری ناخواسته منتشر کرد. در این آیین نامه، اتّخاذ فناوری­های توزیع شده (یا بلاک­چین)، به عنوان یک رگ­تک برای اجرای انطباق نظارتی در کنار فراهم آوردن فضا برای ظهور و بروز نوآوری­های جدید در بازار از قبل پیش­بینی شده است. تنظیم­کننده همچنین اشاره کرده است که به نظر می­رسد این اولین نمونه در جهان است که از این فناوری در این مقیاس و در بخش ارتباط راه دور استفاده می­کند.

مدل­های تجاری در عصر دیجیتال، اغلب از ترکیبی از فناوری­ها و ابزارهای تجاری استفاده می­کنند تا روش­های کاملاً جدیدی برای ارائه محصولات و خدمات خود ارائه کنند. در این­جا سه حوزه قابل مشاهده وجود دارد که عبارتند از افزایش بهره­وری داخلی؛ بهبود اثربخشی نظارتی و کاهش بار انطباق تجاری. در هر کدام از این حوزه­ها، تنظیم­گران می­توانند از همان ابزار و فناوری­ها برای دستیابی به دستاوردهای چشمگیر استفاده کنند. در ادامه، به هر یک از این حوزه ها و نمونه­هایی از کاربرد ابزارهای تجاری و فناورانه در هر حوزه خواهیم پرداخت.  

فناوری در خدمت تنظیم گری؛ ظهور فناوری های تنظیم یار

(الف) افزایش بهره­وری داخلی

  • خودکارسازی فعالیت­های دستی: یکی از چالش­های عمده تنظیم­­گران، پردازش مقادیر زیادی اسناد کاغذی و انجام کارهای تکراری و فشرده است. چگونه می­توان بدون اتلاف بودجه، این­گونه کارها را به سرعت و کارآمدتر انجام داد؟ نهادهای دولتی برای کوتاه کردن زمان انتظار و آزاد کردن وقت کارکنان برای رسیدگی به موارد پیچیده­تر، از فناوری­هایی مانند HDP استفاده کرده­اند.

به عنوان نمونه، مركز ارزيابي و تحقيقات دارويي سازمان غذا و دارو (CDER) در ارزیابی فرآيند تولید و جایگزینی محصولات دارویی از RPA استفاده مي­كند. این خودکارسازی، زمان پردازش برنامه را ۹۳ درصد کاهش داده، ۵ هزار و ۲۰۰ ساعت کار دستی را از بین برده و سالانه ۵۰۰۰۰۰ دلار صرفه­جویی اقتصادی به دنبال داشته است. به طور مشابه، سازمان درآمد و گمرک انگلستان خسته کننده­ترین جنبه­ی کاری مرکز تماس خود، یعنی بخشی که شماره پرونده­ها را باز می­کند، را خودکارسازی کرده است،. این آژانس از RPA برای ایجاد یک داشبورد برای بیش از ۷،۵۰۰ مشاور مرکز تماس خود استفاده کرده است که به طور خودکار پرونده­های مربوطه را هنگام پاسخ دادن به تلفن، روی صفحه نمایش باز کرده و به نمایش می­گذارند. این سازمان تخمین زده است که با این بهینه­سازی، زمان بررسی­ها و رسیدگی به موضوعات، ۴۰ درصد و هزینه پردازش ۸۰ درصد کاهش یافته است.

  • بهینه­سازی اقدامات بازرسی و اجرا: چگونه می­توان کسانی که در معرض بالاترین میزان نقض مقررات هستند را پیش بینی کرد و منابع بازرسی و اجرای خود را با کارایی بیشتری به کار گرفت؟

به عنوان نمونه­، منطقه سلامت نوادای جنوبی از اپلیکیشنی استفاده می­کند که از فناوری­های پردازش زبان طبیعی به همراه برچسب جغرافیایی، برای کمک به تشخیص سریع مسمومیت­های غذایی در رستوران­های مختلف از طریق پیام­های منتشر شده توسط کاربران توییتر استفاده می کند. در نمونه دیگر، سازمان آتش نشانی شهر نیویورک (FDNY) که هر ساله می­تواند تنها حدود ۵۰،۰۰۰ از بیش از ۳۰۰،۰۰۰ ساختمان شهر را از نظر خطر آتش سوزی بازرسی کند، سیستمی به نام FireCast ساخته است تا به شناسایی ساختمان­هایی که بیشتر در معرض خطر هستند کمک کند. با استفاده از FireCast، شهر نیویورک در سال ۲۰۱۵، برای اولین بار از سال ۱۹۱۶، در اثر آتش سوزی تلفاتی نداشته است.

همچنین به عنوان نمونه­هایی از کاربرد ابزار تجاری، می توان به جمع سپاری اشاره کرد که در شهر بوستون با کمک شرکت Yelp انجام شد و  نظرات کاربران این شرکت برای اولویت بندی در موضوعات امنیت غذایی مورد استفاده قرار گرفت.

  • تجزیه و تحلیل حجم زیادی از نظرات عمومی: درک کامل نظرات عمومی درباره یک قانون جدید می­تواند مدت زیادی طول بکشد. بنابراین، می­توان بخشی از این فرآیند را به صورت خودکار انجام داد. افراد و سازمان­ها به طور فزاینده­ای از ربات­ها برای ارسال نظرات «جعلی» برای تقویت موقعیت­های خود استفاده می­کنند.

به عنوان نمونه، نهاد تنظیم­گر رسانه در آمریکا(FCC) از تجزیه و تحلیل و هوش مصنوعی برای شناسایی و مبارزه با چنین فعالیت­هایی استفاده می­کند. تنها در یک نمونه، تحلیلگران FCC با استفاده از هوش مصنوعی، صدها هزار نظر دارای ساختار جمله و پاراگراف یکسان را کشف کردند.

(ب) بهبود اثربخشی نظارتی

  • پیش بینی مشکلات و حس­کردن تغییرات ناگهانی: چگونه می­توانیم اطمینان حاصل کنیم که وقتی مدل­های تجاری جدید بازارها را مختل و دچار تغییرات عمده می­کنند، ما محافظت شده­ایم؟

به عنوان نمونه، یک تنظیم کننده­ی مالی می­تواند از تجزیه و تحلیل و تکنیک­های متن کاوی، برای تشخیص آن­که کدام فناوری­ها یا محصولات ممکن است پایداری سیستم مالی و اقتصادی را مختل کنند و برای جلوگیری از وقوع آن، چه اقداماتی باید انجام گیرد، استفاده کند.

همچنین به عنوان نمونه­هایی از کاربرد ابزار تجاری، شرکت Good Judgment با همکاری انستیتو Mack درخصوص مدیریت نوآوری رویدادی درباره­ی پیش بینی نوآوری­های حوزه­ی خودرو راه اندازی کردند. هدف از این کار پیش بینی دقیق­تر روندهای خودروهای الکتریکی و خودران بوده است. در این چالش ۱۵۳۰ نفر شرکت کردند و ۹۵۰۰ پیش بینی در این خصوص بدست آمد.

  • مبارزه با کلاهبرداری: چگونه می­توان بدون استخدام تعداد زیادی از بازرسان اضافی، تقلب و کلاهبرداری را کاهش داد؟

بسیاری از سازمان­های نظارتی در حال حاضر از تجزیه و تحلیل و هوش مصنوعی برای شناسایی کلاهبرداری استفاده می­کنند. به عنوان مثال، اداره تجارت دانمارک از هوش مصنوعی  برای شناسایی کلاهبرداری و برجسته سازی خطاهای اساسی در صورت­های مالی استفاده می­کند. همچنین هیئت مالیاتی و گمرکی استونی هم­چنین، از تجزیه و تحلیل و کلان­داده­ها برای کشف تقلب استفاده می­کند.

  • بازاندیشی توسعه: چگونه می­توان گفتگوی سازنده­تری با اخلالگران در کسب و کار ایجاد کرد؟

استارتاپ­هایی که صنایع مستقر را دچار تغییر و تحول اساسی (اختلال) می­کنند، اعم از تاکسی­ها، هتل­ها یا بانک­ها، غالباً با مدل­های تجاری کاملاً جدیدی وارد بازار ­شوند و معمولاً بدون درخواست مجوز از دولت ورود پیدا می­کنند. عدم شکل گرفتن فضای گفتگو بین مبتکران و تنظیم کننده­ها، اغلب باعث اصطکاک می­شود و می­تواند منجر به محدودیت یا ممنوعیت­های آشکاری شود که ممکن است به نفع مردم نباشد. تنظیم­کنندگان می­توانند از یکسری ابزار و استراتژی برای تسهیل گفتگو و تفاهم بیشتر، بهتر و سریع­تر استفاده کنند. به عنوان مثال، ابزارهای دیجیتالی کانال­های جدیدی را برای تنظیم تعامل با شهروندان و ذینفعان در اختیار تنظیم کننده­ها قرار می­دهند.

  • انطباق با اشاره: چگونه می­توان انطباق را بدون تشدید اقدامات نظارتی بیشتر تشویق کرد؟

برای تشویق شهروندان و مشاغل به پیروی از مقررات خاص مانند تمدید مجوزها، برخی از آژانس­های نظارتی از “nudges” استفاده می­کنند، این اشاره­ها شامل تجزیه و تحلیل، هشدار ایمیلی و پیام رسانی متنی در ارتباطات از پیش طراحی شده است.

(ج) کاهش بار انطباق

  • منطقی سازی و ساده سازی مقررات: چگونه می­توان مقررات منسوخ شده یا تکراری را تشخیص داد؟

به عنوان نمونه، مرکز دیلویت با استفاده از متن­کاوی و یادگیری ماشین بیش از ۲۱۷،۰۰۰ بخش از آیین نامه فدرال ۲۰۱۷ در ایالات متحده را تجزیه و تحلیل کرده و حدود۱۸۰۰۰ بخش حاوی متن را پیدا کرده که بسیار شبیه به متن سایر بخش­ها بوده است. این رویکرد نه تنها به كاهش حجم مقررات كمك می­كند بلكه به تنظیم­كنندگان نیز كمك می­كند از تنظیم ناخواسته استانداردهای مختلف در مقررات مختلف جلوگیری كنند.

  • کاهش بار گزارشگری: چگونه می­توانیم از داده­ها برای بهتر کردن نتایج نظارتی و کاهش بار گزارشگری استفاده کنیم؟

متأسفانه، داده­های نظارتی فعلی تا حد زیادی بدون اعمال استانداردهای مشترک جمع آوری می­شوند. با اجرای استانداردهای داده و یکپارچه­سازی سیستم­ها در سازمان­ها، تنظیم کننده­ها می­توانند از داده­های مورد نیاز خود برای کاهش بار گزارشگری مشاغل استفاده کنند. استفاده از داده­های جمع آوری شده توسط جمع­آوری­کنندگان خارج سازمانی[۶] داده­ها نیز می­تواند به کاهش بار گزارشگری کمک کند.

  • بهبود تجربه دولت به تجارت (G-to-B): چگونه می­توان هزینه­های انطباق برای مشاغل را بدون به خطر انداختن امنیت مصرف کننده کاهش داد؟

با اتخاذ تجربه­ی مشتری (CX)، دولت­ها می­توانند با افزایش نرخ انطباق داوطلبانه، انطباق تجارت را آسان­تر کنند. نیوزیلند چندین سال را صرف استفاده از ابزارهای CX برای کاهش هزینه­های انطباق مشاغل و بهبود تجربه G-to-B نموده است. در تلاش دیگری برای بهبود تجربه مشتری، اداره مالیات استرالیا یک چت بات (ربات سخنگو) به نام الکس ایجاد کرد که از پردازش زبان طبیعی و گفتگو مکالمه برای پاسخ به سؤالات مربوط به مالیات بازدید کنندگان وب سایت استفاده می­کند.

جمع بندی:

با ادامه پیشرفت فناوری، تنظیم­گران با چالش­های فزاینده­ای در توسعه و اجرای قوانین و مقرراتی روبه­رو می­شوند که هدف آن­ها محافظت از شهروندان و اطمینان از بازارهای عادلانه است. با استفاده از ابزارهای تجاری و فناوری مانند مواردی که در این­جا بحث شد، تنظیم­کننده­ها می­توانند فرایندهای کاری خود را تغییر داده و نوآوری را تشویق کنند. اما در عین حال، تحقّق این دیدگاه یک شبه اتفاق نخواهد افتاد. برای توسعه این توانایی­ها، نیاز به سرمایه گذاری پایدار از منابع مالی و سرمایه سیاسی، فرآیندهای مهندسی مجدّد و فرهنگ­سازی برای استفاده بهینه از آن­ها است. نکته­ی اصلی این است که یک استراتژی برای حرکت به سمت نوسازی نظارتی، نیازمند تجهیز تنظیم­گران به فناوری و سپس راه­اندازی موارد آزمایشی، یادگیری و نهایتاً مقیاس­گذاری آن­چه در سازمان به کار گرفته می­شود، خواهد بود.


Share:

مایل به ثبت دیدگاه هستید؟

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *