Artikel

Pelaporan ESG (Environmental, Social, and Governance) telah berkembang dari sekadar kewajiban menjadi alat strategis untuk membangun ketahanan dan nilai jangka panjang. Selain memenuhi tuntutan regulasi, pelaporan ESG membantu meningkatkan reputasi, menarik investasi, mendorong inovasi, dan membangun kepercayaan di antara para pemangku kepentingan.

Pemimpin bisnis masa kini memahami bahwa pertumbuhan tanpa batas bertentangan dengan prinsip keberlanjutan. Dengan semakin besarnya perhatian pada perubahan iklim, kesenjangan sosial, dan isu tata kelola, perusahaan perlu beralih ke model bisnis yang transparan. Pelaporan ESG yang dulunya sukarela kini menjadi kebutuhan regulasi sekaligus strategi branding.

Tantangan dalam Implementasi ESG

1. Kompleksitas Kepatuhan: Regulasi global seperti Corporate Sustainability Reporting Directive (CSRD) Uni Eropa dan aturan pengungkapan iklim AS bisa membingungkan perusahaan.
2. Kendala Eksekusi: Sistem data yang terfragmentasi dan proses manual membuat pelaporan ESG sulit dilakukan.
3. Risiko Pasar: Pelaporan yang buruk atau kurang transparan dapat merusak reputasi dan kepercayaan investor.

Namun, perusahaan yang mengadopsi praktik ESG dengan baik dapat mengubah risiko menjadi peluang untuk pertumbuhan dan inovasi.

Untuk memaksimalkan manfaat ESG, perusahaan harus mengintegrasikan keberlanjutan dalam strategi inti mereka, termasuk:

• Memahami Double Materiality: Menilai dampak organisasi terhadap masyarakat dan lingkungan, serta bagaimana dampak tersebut memengaruhi kinerja finansial.
• Mengoptimalkan Operasi ESG: Mengembangkan sistem yang terukur, menyederhanakan pengumpulan data, dan mengintegrasikan ESG dalam pengambilan keputusan.

Pendekatan ini dapat meningkatkan efisiensi sumber daya, ketahanan operasional, dan kepercayaan pemangku kepentingan.

Pelaporan ESG yang efektif membutuhkan data berkualitas tinggi yang terharmonisasi. Analitik canggih dapat mengidentifikasi pola, melacak kemajuan, dan mendukung pengambilan keputusan, terutama dalam pengurangan emisi dan manajemen rantai pasok. Keberhasilan bergantung pada integrasi data dengan tata kelola yang kuat dan strategi perubahan yang terarah.

Organisasi yang melihat pelaporan ESG sebagai elemen inti strategi, bukan sekadar kewajiban, akan menjadi pemimpin dalam keberlanjutan. Pendekatan proaktif ini memastikan kepatuhan regulasi, seiring dengan mendorong inovasi, ketahanan, dan kesuksesan jangka panjang di pasar yang semakin sadar akan keberlanjutan.

Artikel ini telah diterbitkan oleh Capgemini, dengan judul Unlock Value with ESG Reporting. Artikel selengkapnya dapat dibaca di sini.

Beberapa insiden turbulensi udara yang menonjol baru-baru ini menyoroti peningkatan risiko iklim jangka panjang yang memengaruhi penerbangan. Pada 21 Mei, sebuah penerbangan Singapore Airlines dari London Heathrow menuju Singapore Changi mengalami turbulensi hebat, yang menyebabkan pesawat Boeing 777 turun sekitar 178 kaki dalam 4,6 detik. Penerbangan tersebut dialihkan ke Thailand, menyebabkan 104 cedera, termasuk seorang penumpang berusia 73 tahun asal Inggris yang meninggal dunia. Penumpang dirawat di rumah sakit Bangkok dengan berbagai cedera, termasuk cedera pada sumsum tulang belakang, kepala, dan otot.

Pada 22 Juni, penerbangan Korean Air menuju Taiwan juga terpaksa kembali dan melakukan pendaratan darurat setelah pesawat turun tajam sekitar 25.000 kaki dalam lima menit. Pada 8 Agustus, penerbangan Korean Air lainnya mengalami turbulensi yang melukai 14 orang.

Insiden-insiden ini lebih dari sekadar kejadian kebetulan. Turbulensi udara didefinisikan secara umum sebagai pertemuan udara dengan suhu, tekanan, atau kecepatan yang berbeda. Salah satu studi menunjukkan bahwa turbulensi udara jelas (Clear-Air Turbulence / CAT), yang terjadi di langit cerah, telah meningkat secara signifikan. Di atas Atlantik Utara, salah satu rute penerbangan tersibuk di dunia, durasi tahunan total turbulensi parah meningkat 55% dari 1979 hingga 2020.

Mengapa Turbulensi Udara Meningkat?

Menurut John Wadhams, direktur pelaksana global aviation & space di WTW, “Peningkatan turbulensi CAT yang parah sangat terkait dengan perubahan iklim.” Turbulensi jenis ini, yang terjadi tanpa petunjuk visual seperti awan, terutama disebabkan oleh perbedaan kecepatan angin di aliran jet — perubahan cepat dalam kecepatan angin dengan ketinggian. “Proyeksi menunjukkan bahwa kejadian CAT yang parah bisa meningkat tiga kali lipat pada tahun 2100 jika tren pemanasan global saat ini berlanjut,” katanya.

Wadhams menjelaskan bahwa perubahan iklim meningkatkan kontras suhu antara massa udara hangat dan dingin di atmosfer atas, yang menyebabkan perbedaan angin yang lebih kuat dan aliran jet yang kurang stabil, sehingga lebih mudah menghasilkan turbulensi.

Wadhams juga mengungkapkan bahwa industri penerbangan sedang memperbarui model prediksi turbulensi dengan algoritma yang lebih akurat. Asosiasi Pengangkutan Udara Internasional (The International Air Transport Association – IATA) telah meluncurkan program ‘Turbulence Aware’ untuk mengintegrasikan pengamatan turbulensi secara langsung ke dalam operasi penerbangan secara real-time.

Mark Prosser, meteorolog dari University of Reading yang memimpin studi CAT, mengatakan, “Maskapai perlu mengelola turbulensi yang meningkat ini karena menelan biaya industri sekitar $150 hingga $500 juta setiap tahunnya hanya di AS.” Setiap menit tambahan yang dihabiskan dalam turbulensi menambah keausan pada pesawat serta meningkatkan risiko cedera pada penumpang dan kru.

Nelson, seorang pramugari dan presiden Asosiasi Pramugari, menekankan bahwa transisi ke bahan bakar berkelanjutan harus dipercepat untuk mengatasi krisis iklim, sementara regulasi juga perlu diubah.

Wadhams menambahkan bahwa banyak maskapai mendorong penumpang untuk selalu mengenakan sabuk pengaman selama penerbangan meskipun tanda sabuk pengaman telah dimatikan, dan banyak maskapai juga menyertakan instruksi keselamatan baru untuk meningkatkan kesadaran penumpang dan kru tentang potensi cedera akibat turbulensi.

Sebagai contoh, Korean Air pada Agustus memutuskan untuk menghentikan penyajian mie instan Shin Ramyun (untuk penumpang kelas ekonomi) sebagai bagian dari langkah keselamatan proaktif untuk mencegah kecelakaan terbakar.

Perubahan ini, meskipun tampak kecil, dapat diharapkan akan lebih banyak terjadi seiring dengan meningkatnya gangguan yang disebabkan oleh iklim. Manajer risiko penerbangan akan terus mencari cara untuk menjaga perjalanan tetap aman dan lancar di tengah perubahan iklim yang semakin intensif.

Artikel ini telah diterbitkan oleh Strategic Risk Global, dengan judul Risk briefing: Why is Air Turbulence Getting Worse – and What Does it Mean for Aviation Risk?. Artikel selengkapnya dapat dibaca di sini.

Artificial Intelligence (AI) telah membawa transformasi besar dalam sektor keuangan, menawarkan peluang inovasi dan efisiensi. Namun, implementasi AI juga menghadirkan berbagai risiko yang perlu dikelola oleh para pemimpin teknologi seperti CIO (Chief Information Officer) dan CISO (Chief Information Security Officer). Berikut beberapa strategi utama dalam manajemen risiko AI di sektor keuangan:

1. Membangun Kerangka Kerja Tata Kelola AI

• Bentuk tim lintas fungsi yang melibatkan IT, hukum, kepatuhan, dan manajemen risiko.
• Tentukan peran dan tanggung jawab yang jelas dalam pengawasan AI.
• Kembangkan kebijakan untuk pengembangan dan pemantauan AI, dengan dukungan dari level manajemen puncak.

2. Evaluasi Risiko AI

• Identifikasi risiko potensial dari setiap aplikasi AI.
• Prioritaskan risiko berdasarkan dampak bisnis dan lakukan penilaian ulang secara berkala.

3. Tata Kelola Data yang Kuat

• Pastikan kualitas, integritas, dan relevansi data untuk model AI.
• Terapkan kontrol akses data yang ketat, enkripsi, serta audit penggunaan data.

4. Transparansi dan Penjelasan AI

• Investasikan pada teknik AI yang dapat dijelaskan untuk mendokumentasikan proses pengambilan keputusan.
• Berikan penjelasan yang jelas atas output AI kepada pemangku kepentingan.

5. Kepatuhan Regulasi

• Selalu perbarui informasi mengenai peraturan AI dan implementasikan proses untuk mematuhi ketentuan yang berlaku.

6. Pengelolaan Bakat dan Pelatihan AI

• Rekrut dan pertahankan spesialis AI, serta berikan pelatihan berkelanjutan bagi karyawan terkait teknologi AI dan risikonya.

7. Contoh Penerapan AI dalam Manajemen Risiko Keuangan

• Penilaian Risiko Kredit: Menggunakan data yang beragam untuk penilaian kredit, tapi tetap mengutamakan transparansi dan pemantauan kinerja model.
• Deteksi Penipuan: Algoritma AI membantu mendeteksi penipuan dalam transaksi, tapi harus ada pengelolaan false positive yang efektif.
• Kepatuhan Anti-Pencucian Uang: AI memperkuat pemantauan transaksi dengan memastikan kepatuhan terhadap peraturan dan memprioritaskan peringatan untuk investigasi lebih lanjut.

Implementasi AI yang bertanggung jawab membantu lembaga keuangan memanfaatkan potensi teknologi ini sambil menjaga kepatuhan dan keamanan. CIO dan CISO yang proaktif dalam mengelola risiko AI akan mendukung kesuksesan perusahaan mereka di tengah evolusi teknologi yang cepat.

Artikel ini telah diterbitkan oleh ISACA, dengan judul AI and Risk Management: A Strategic Guide for CIOs and CISOs in Financial Services. Artikel selengkapnya dapat dibaca di sini.

Tata kelola risiko siber sering kali penuh dengan istilah teknis seperti batas toleransi risiko atau simulasi Monte Carlo. Namun, pada dasarnya ini adalah soal penerapan nyata untuk melindungi organisasi Anda.

1. Tentukan Batas Risiko Anda
   Menentukan “risk appetite” atau batas risiko yang dapat diterima adalah langkah awal yang penting. Ini melibatkan pemahaman tentang risiko-risiko yang mungkin dihadapi dan merumuskan batas risiko yang terukur, misalnya, “Kami siap menanggung kerugian hingga $1 juta per tahun.” Dengan batas yang jelas, pengambilan keputusan dapat menjadi lebih fokus dan efektif.
2. Sesuaikan Pengeluaran dengan CRQ
   Setelah batas risiko ditetapkan, sesuaikan anggaran keamanan siber agar selaras dengan toleransi risiko tersebut. Gunakan Kuantifikasi Risiko Siber (Cyber Risk Quantification/CRQ) untuk mengukur apakah anggaran keamanan sudah cukup atau perlu penyesuaian. Grafik “loss exceedance curves” (LEC) dapat membantu memvisualisasikan kemungkinan kerugian dan dampaknya, sehingga Anda bisa memutuskan kapan perlu menambah atau mengurangi investasi keamanan.
3. Manfaatkan Asuransi Siber secara Efektif
   Asuransi siber sebaiknya digunakan untuk insiden besar, bukan untuk kerugian rutin. Pilihlah cakupan asuransi untuk insiden yang dapat menimbulkan kerugian signifikan di luar batas risiko Anda. Misalnya, jika batas risiko Anda $5 juta, pertimbangkan asuransi yang melindungi dari kerugian hingga $50 juta, sehingga saat terjadi insiden besar, Anda memiliki perlindungan tambahan.
4. Siapkan Cadangan untuk Risiko Ekstrem
   Selain asuransi, alokasikan dana cadangan untuk menghadapi risiko siber yang melebihi cakupan asuransi. Ini sangat penting untuk industri dengan persyaratan alokasi modal, seperti sektor jasa keuangan. Apabila terjadi kerugian yang sangat besar, dana cadangan dapat membantu perusahaan tetap stabil tanpa harus mengorbankan pendapatan utama.

Tata kelola risiko siber harus bersifat dinamis dan terus diperbarui. Lakukan evaluasi rutin terhadap batas risiko, anggaran keamanan, dan alokasi modal. Dengan menjaga kerangka tata kelola risiko tetap relevan dan adaptif, organisasi Anda akan lebih tangguh dalam menghadapi berbagai ancaman siber yang mungkin muncul.

Artikel ini telah diterbitkan oleh ISACA, dengan judul From Theory to Action: Building a Strong Cyber Risk Governance Framework. Artikel selengkapnya dapat dibaca di sini.

Bagaimana perusahaan Anda menghadapi risiko-risiko utama di dekade mendatang? Protiviti mengundang para eksekutif untuk berbagi wawasan dalam Top Risks Survey untuk membantu memahami tantangan risiko terdepan.

Teknologi kecerdasan buatan (AI) terus merevolusi bisnis, namun penggunaan AI juga membawa tantangan baru yang perlu diatasi. Chief Information Officers (CIO) dari perusahaan besar kini fokus menyeimbangkan inovasi AI dengan pengelolaan risiko, termasuk dalam aspek hukum, regulasi, dan reputasi.

Beberapa isu utama yang dihadapi CIO dalam mengelola risiko AI antara lain:

1. Kebijakan Penggunaan yang Dapat Diterima
   CIO berupaya menciptakan kebijakan AI yang aman namun tetap memfasilitasi inovasi. Banyak yang mempertimbangkan membatasi penggunaan AI publik, dan beberapa mengembangkan AI internal sebagai alternatif yang lebih aman.
2. Governance AI yang Fleksibel
   Governance yang tanggap dan mampu mengikuti perkembangan AI sangat diperlukan agar teknologi tidak ketinggalan saat diterapkan. Pendekatan governance ini membantu perusahaan mengelola risiko sambil terus mendukung inovasi.
3. Menyeimbangkan Inovasi dan Pengendalian Risiko
   Setiap organisasi memiliki pendekatan unik dalam mengadopsi AI. Beberapa bergerak cepat dengan inovasi AI, sementara yang lain lebih hati-hati. Keseimbangan antara risiko dan inovasi menjadi krusial, dan penting untuk membangun model operasi yang mencakup keduanya.

Langkah Menuju Penggunaan AI yang Bertanggung Jawab

Untuk perusahaan yang ingin memanfaatkan potensi AI dengan aman, langkah-langkah berikut bisa diterapkan:

• Mengembangkan kebijakan penggunaan AI yang komprehensif.
• Menerapkan framework governance yang lincah.
• Melibatkan perspektif inovasi dan risiko secara seimbang dalam setiap keputusan AI.

Dengan pendekatan ini, perusahaan dapat memaksimalkan manfaat AI sembari meminimalkan risiko.

Artikel ini telah diterbitkan oleh Protiviti, dengan judul CIOs Weigh In on the Delicate Balance of AI Risk and Reward. Artikel selengkapnya dapat dibaca di sini.

Keberlanjutan kini menjadi salah satu kriteria utama bagi pelanggan B2B dalam memilih pemasok. Berdasarkan survei Bain & Company tahun 2024, lebih dari sepertiga perusahaan bersedia beralih ke pemasok yang lebih ramah lingkungan, dan tren ini diprediksi meningkat. Namun, banyak pemasok masih kesulitan memenuhi harapan keberlanjutan pelanggan mereka. Meski 85% pemasok mengklaim telah mengintegrasikan keberlanjutan dalam produk mereka, hanya 53% pelanggan yang merasa kebutuhan mereka terpenuhi.

Untuk menutup kesenjangan antara pembeli dan penjual dalam keberlanjutan, pemasok perlu merancang ulang strategi pemasaran mereka. Berikut adalah empat langkah untuk menguasai penjualan keberlanjutan:

1. Prioritaskan Pelanggan yang Peduli pada Keberlanjutan: Gunakan data untuk mengidentifikasi pelanggan yang lebih fokus pada keberlanjutan. Pemasok perlu memahami kebutuhan khusus, seperti target emisi, transparansi, dan aspek sosial, agar lebih tepat memengaruhi keputusan pembelian.
2. Bangun Nilai Keberlanjutan yang Jelas: Setelah mengenal pelanggan lebih baik, pemasok bisa menyajikan nilai keberlanjutan yang relevan, seperti pengurangan emisi CO2 yang dapat diukur dan manfaat finansial lainnya.
3. Perkuat Tim Penjualan dengan Pengetahuan Keberlanjutan: Penjualan keberlanjutan memerlukan keterampilan khusus. Pemasok perlu melatih tim penjualan untuk menawarkan produk yang mendukung agenda keberlanjutan pelanggan.
4. Tangkap Semua Sumber Nilai: Produk berkelanjutan dapat membantu pelanggan memenangkan pasar baru dan meningkatkan nilai portofolio mereka. Pemasok harus menyelaraskan strategi harga dengan nilai keberlanjutan yang ditawarkan, sehingga bisa memaksimalkan potensi keuntungan.

Bagi banyak perusahaan, menjual keberlanjutan bukan hanya soal produk, tetapi tentang memanfaatkan peluang pasar baru. Adopsi strategi ini bisa memperkuat posisi pemasok di pasar, membantu mereka mempertahankan pangsa pasar, serta mendorong skala keberlanjutan lebih luas di berbagai sektor.

Artikel ini telah diterbitkan oleh Bain, dengan judul How to Master the Art of Selling Sustainability. Artikel selengkapnya dapat dibaca di sini.

Di era digital yang semakin terhubung, perusahaan menghadapi tantangan besar dalam mengidentifikasi, mengukur, dan mengelola risiko siber. Meningkatnya ketergantungan pada teknologi pihak ketiga memperumit lingkungan digital, membuatnya sulit untuk dilindungi dan rentan terhadap ancaman. Banyak pemimpin bisnis membutuhkan cara yang lebih efektif untuk mengukur risiko siber guna mencapai tujuan strategis mereka.

Pendekatan tradisional, seperti Governance, Risk, and Compliance (GRC), sering kali kurang efektif karena tidak memanfaatkan model analitik. Metode GRC cenderung fokus pada kepatuhan daripada penilaian risiko yang sebenarnya. Hal ini menyebabkan para pemimpin tidak memiliki wawasan objektif mengenai risiko, menghambat pengambilan keputusan yang berdasarkan data.

Pendekatan Cyber Risk Quantification (CRQ) membantu organisasi mengubah data menjadi wawasan yang lebih mendalam mengenai risiko siber. Dengan menggunakan CRQ, organisasi dapat mengukur potensi kerugian finansial dari insiden siber, sehingga memudahkan perencanaan strategis dan alokasi sumber daya. CRQ juga membantu organisasi untuk secara objektif mengidentifikasi area prioritas dalam investasi keamanan, mengoptimalkan biaya, dan meningkatkan daya tahan siber.

Langkah Menuju Manajemen Risiko yang Terintegrasi

Transisi dari GRC ke manajemen risiko yang terintegrasi (Integrated Risk Management atau IRM) memberikan pendekatan berbasis data yang memungkinkan kuantifikasi risiko secara lebih akurat. Dengan CRQ, organisasi dapat menyelaraskan strategi keamanan siber mereka dengan fungsi bisnis lainnya, memperkuat komunikasi dengan pimpinan, dan mengambil keputusan yang lebih terukur.

Manfaat Pendekatan CRQ

Dengan CRQ, perusahaan dapat:

1. Meningkatkan Ketahanan Siber – Memahami risiko dan mengurangi potensi kerugian sebelum insiden terjadi.
2. Mengoptimalkan Pengeluaran Keamanan – Mengukur efektivitas kontrol keamanan dan memperbaiki kesenjangan risiko secara akurat.
3. Mengurangi Premi Asuransi Siber – Wawasan CRQ yang akurat memungkinkan perusahaan untuk mengurangi premi asuransi melalui negosiasi berdasarkan data.

Secara keseluruhan, CRQ membantu perusahaan meminimalkan risiko sekaligus memanfaatkannya sebagai penggerak pertumbuhan. Pendekatan ini memperkuat dasar bagi pemimpin dalam menyusun kasus bisnis yang solid untuk investasi keamanan siber yang lebih baik dan memastikan keamanan selaras dengan tujuan bisnis.

Artikel ini telah diterbitkan oleh Booz Allen, dengan judul Transforming Your Cyber Risk Management Program. Artikel selengkapnya dapat dibaca di sini.

Bias manusia dalam analisis data sudah lama diabaikan, tetapi dengan munculnya kecerdasan buatan (AI), masalah ini menjadi semakin nyata. Bias ini, baik yang terlahir dari faktor sosial atau kognitif tak sadar, dapat memengaruhi tahap-tahap penting dalam pengolahan data untuk AI, seperti pemilihan data, pelabelan, serta pembuatan dan penerapan algoritma. AI yang semakin kompleks sering kali sulit dijelaskan, meningkatkan risiko terjadinya bias dalam output yang dihasilkan.

Bias dalam Pengembangan dan Penerapan AI

Bias manusia dapat mempengaruhi beberapa tahap dalam pengembangan AI, antara lain:

• Data Latihan: Pemilihan dan pelabelan data masih sangat bergantung pada keputusan manusia, yang rentan terhadap bias.
• Algoritma: Pemilihan terminologi, indikator, dan bobot dalam algoritma juga dipengaruhi oleh bias pengembang.
• Penjelasan: Semakin kompleks aplikasi AI, semakin sulit untuk menjelaskan bagaimana keputusan dibuat.
• Daya Alih: Tekanan waktu dan biaya mendorong pengembang untuk memodifikasi aplikasi AI yang sudah ada, daripada menciptakan yang baru.

Kesalahan dalam aplikasi AI dapat memiliki dampak ekonomi dan reputasi yang besar, sebagaimana yang terlihat pada kasus-kasus kesalahan AI di perusahaan besar.

Metode Mitigasi Bias Tradisional Tidak Cukup untuk AI

Bias manusia dalam model analisis tradisional biasanya diatasi dengan kerangka tata kelola yang telah teruji. Namun, untuk aplikasi AI yang berkembang pesat, kerangka tata kelola tradisional tidak cukup efektif. Aplikasi AI sering kali diimplementasikan dengan cepat tanpa proses desain yang panjang, yang menyebabkan bias sulit diidentifikasi dan diatasi.

Pendekatan ‘Intelligent Analysis’ untuk Mitigasi Bias

Untuk mengatasi masalah ini, konsep ‘Intelligent Analysis’ mengadaptasi metode yang digunakan oleh layanan intelijen AS untuk menganalisis data secara objektif dan transparan. Pendekatan ini menggunakan teknik analitik terstruktur yang dapat diterapkan dalam alur kerja AI, antara lain:

1. Pertanyaan Intelijen Utama (Key Intelligence Question – KIQ): Mengidentifikasi dengan jelas pertanyaan yang perlu dijawab untuk menghindari bias dalam pencarian data.
2. Rencana Pengumpulan Sumber: Menentukan sumber data yang relevan dan andal untuk menjawab KIQ.
3. Penilaian Sumber: Menilai relevansi dan keandalan sumber data yang digunakan untuk hasil aplikasi AI.
4. Pemeriksaan Asumsi Kunci: Memeriksa asumsi yang mendasari algoritma AI dan menilai sejauh mana data dan asumsi tersebut mendukung hasil yang valid.

Dengan semakin luasnya penerapan AI, risiko bias manusia dalam data dan algoritma juga meningkat. Namun, melalui desain dan pengujian yang cermat, bias dapat dihindari. ‘Intelligent Analysis’ menyediakan alat yang sudah teruji untuk mengurangi bias dalam dunia AI dan analisis data, sehingga perusahaan dapat menghasilkan aplikasi AI yang lebih akurat, transparan, dan dapat diulang.

Artikel ini telah diterbitkan oleh PRMIA, dengan judul Identifying and Mitigating Human Biases Across AI Workflows. 

Manajemen risiko yang efektif sangat penting, tetapi banyak perusahaan kesulitan membagi peran dan tanggung jawab. Model Tiga Garis membagi tugas manajemen risiko menjadi tiga tingkat: operasional, manajerial, dan audit internal. Kesalahpahaman mengenai peran ini bisa menyebabkan celah dalam pengelolaan risiko.

Tiga Garis Pertahanan

1. Garis Pertama: Mengelola risiko sehari-hari dalam operasional.
2. Garis Kedua: Mengawasi dan mendukung manajemen risiko.
3. Garis Ketiga: Memberikan penilaian independen mengenai efektivitas pengendalian dan manajemen risiko.

Memahami peran ini dengan jelas membantu meningkatkan pengelolaan risiko dan mendukung tujuan bisnis.

Kesalahpahaman di Garis Pertama: “Kami Bukan Bagian dari Manajemen Risiko”

Garis pertama sering menganggap tugas mereka hanya rutin, padahal mereka berperan penting dalam mengidentifikasi dan mengelola risiko. Pelatihan rutin dapat membantu mereka menyadari pentingnya peran ini.

Kesalahpahaman di Garis Kedua: “Mitigasi Bukan Tanggung Jawab Kami”

Garis kedua sering hanya fokus pada kepatuhan, padahal mereka harus membantu manajemen mengembangkan pengendalian dan mengatasi masalah sebelum membesar. Memperjelas peran ini dapat meningkatkan pengelolaan risiko secara keseluruhan.

Tantangan di Garis Ketiga: Menjelaskan Peran yang Tidak Tumpang Tindih

Garis ketiga, yang biasanya dilakukan oleh audit internal, memberikan penilaian independen terhadap efektivitas pengendalian. Meskipun garis kedua juga mengawasi pengendalian, garis ketiga memastikan bahwa semuanya berjalan dengan semestinya.

Dengan memperjelas peran tiga garis, organisasi bisa mengelola risiko dengan lebih baik, meningkatkan pengendalian internal, dan memastikan tujuan tercapai.

Artikel ini telah diterbitkan oleh Grant Thornton, dengan judul Risk Management: Get Your Three Lines in Order. Artikel selengkapnya dapat dibaca di sini.

Industri minyak dan gas, terutama di lokasi terpencil, menghadapi tantangan besar dalam rantai pasok hulu. Pengiriman bahan seperti pipa bor dan bahan bakar sering melibatkan transportasi yang rumit dan mahal, dengan risiko keterlambatan. Solusi yang dibutuhkan adalah pendekatan yang aman, transparan, fleksibel, dan biaya efektif.

Metodologi Empat Langkah Kearney

Kearney mengembangkan empat langkah untuk mengoptimalkan rantai pasok minyak dan gas, dimulai dengan pengumpulan data aktivitas dan berakhir dengan peta jalan implementasi.

1. Penetapan Volume dan Biaya Dasar: Kumpulkan data terkait pergerakan material dan transportasi.
2. Pemetaan Jaringan Pasok: Sesuaikan visi pasokan dengan pemangku kepentingan dan tentukan titik pasok serta moda transportasi.
3. Pemodelan dan Pengujian Skenario: Uji skenario untuk mengidentifikasi risiko dan inisiatif perbaikan.
4. Peta Jalan Implementasi: Tentukan urutan inisiatif untuk mengurangi biaya dan meningkatkan efisiensi.

Kasus Nyata: Optimasi di Alaska

Kearney membantu perusahaan di Alaska mengelola pengiriman bahan untuk operasi yang sangat terpencil. Dengan 15 gudang dan berbagai moda transportasi, perusahaan menghadapi cuaca ekstrem dan biaya tinggi. Kearney mengembangkan peta jalan yang mengurangi biaya penyimpanan hingga 20%.

Peran Rantai Pasok dalam Proyek Strategis

Untuk hasil terbaik, fungsi rantai pasok, logistik, dan perencanaan harus dilibatkan sejak awal dalam perencanaan proyek strategis, memastikan efisiensi dan pengembalian modal yang lebih baik.

Dengan pendekatan ini, operator minyak dan gas dapat mengoptimalkan rantai pasok hulu dan mengurangi biaya operasi.

Artikel ini telah diterbitkan oleh Kearney, dengan judul “Taming Oil and Gas: Upstream Supply Chain Challenges”. Artikel selengkapnya dapat dibaca di sini.