フレドリック・レッド氏、PACO Group最高ビジネス開発責任者兼技術サービス担当副社長。元CEO、教授、ディレクター
あらゆる業界で、従来のリスクモデル（定期的なレビュー、静的な仮定、過去を振り返る分析）は、リアルタイムで動作し、データと継続的な学習によって駆動されるシステムに取って代わられつつある。これらのアプローチ間の格差は広がっており、一部のセクターでは、すでに測定可能な優位性を生み出している。
建築・エンジニアリング・建設（AEC）および交通インフラ業界での私のキャリアにおいて、リスクは常に中心的な存在だった。資本プログラムは、納税者が資金を提供する交通システムから民間資金によるデータセンターまで、公共と民間の両方の領域にまたがっている。しかし、所有形態に関係なく、同じ課題に直面している。それは、より速く、より複雑で、より相互接続された環境において不確実性を管理することだ。数十年にわたり、構造化されたリスクフレームワークは、不確実性に直面した際の規律を提供してきた。しかし、AI（人工知能）がルールを変えつつある。
AI導入を推進している同じ力が、特にデータセンターとデジタルインフラへの資本投資の波を促進している。世界のデータセンター市場は超成長期に入っており、2025年の3830億ドルから2033年には9000億ドル以上に成長すると予測されている。これらのプロジェクトは、業界がこれまで経験したことのないペースと規模で提供されており、圧縮されたタイムライン、制約されたサプライチェーン、急速に変化する要件を伴っている。多くの場合、AIを支えるために構築されているインフラは、それを提供するリスクを管理する業界の能力よりも速く進んでいる。
インフラ業界が他業界から学べること
定期的な分析から継続的なインテリジェンスへの移行は、もはや選択肢ではない。インフラ業界の特定のセグメントは適応が遅れているが、他の業界はすでに未来がどのようなものかを示している。
インフラ業界は、リスク管理を再発明する必要はない。すでに先を行く他業界から学ぶことで、加速できる。
サプライチェーンから：外部データの統合
サプライチェーンプラットフォームは、気象パターンから地政学的動向まで、外部データをリアルタイムのリスクモデルに組み込むことが増えており、不安定なグローバル環境における予測的でデータ駆動型の管理への移行を反映している。
例えば、米国、イスラエル、イランとの地政学的緊張、そして進行中のロシア・ウクライナ戦争は、エネルギー市場、輸送ルート、資材フローを混乱させ続けている。これらはサプライチェーン全体に波及し、プロジェクト提供に直接影響を与えるシステミックリスクである。
サイバーセキュリティから：常時監視
サイバーリスクプラットフォームは継続的に動作し、システムとネットワークをリアルタイムで監視している。AIを動かすためのデータセンター需要が加速するにつれ、攻撃対象領域も同じ速さで拡大している。インフラプロジェクト、特に大規模プロジェクトは、エピソード的なレビューからリスクシグナルの継続的な監視へと移行することで、このモデルから恩恵を受けることができる。
金融から：リアルタイムの意思決定
金融サービスは、リアルタイムリスク管理の最も成熟した例の1つを提供している。AI駆動型システムは、不正検出から日中のエクスポージャー監視まで、あらゆるものを動かし、意思決定を業務に直接組み込んでいる。インフラプログラムは、静的な計画と動的な実行の間のギャップを埋めるために、同様のアプローチを採用する必要がある。
歴史的に、これらの業界はインフラとは別の領域として扱われてきた。今日、それらの境界は曖昧になっている。金融はインフラ開発に組み込まれ、サプライチェーンはインフラのパフォーマンスに依存し、サイバーセキュリティは電力網から交通システム、公共事業に至るデジタルインフラの回復力を支えている。これらの業界がインフラと融合するにつれ、AIをリスク管理に統合することは、大規模で回復力があり適応性のあるインフラを提供するための基盤となりつつある。
インフラの転換
インフラプログラムは通常、四半期ごとのリスクレビュー、マイルストーンベースの評価、モンテカルロシミュレーションなどの定期的な更新に依存して、コストとスケジュールの不確実性を推定してきた。これらのツールは依然として不可欠だが、本質的に過去を振り返るものであり、固定された時点での仮定に固定されている。
私は、ニューヨーク市の主要な交通イニシアチブのリスク管理を主導していた際、このアプローチの限界を直接目にした。プロジェクトチームとリーダーシップは、数カ月前に策定されたコストとスケジュールに対してリスクを評価するという持続的な課題に直面していた。一方で、新しいアクティブなリスクがリアルタイムで発生しており、その即時的な影響を測る明確な方法がなかった。その結果、分析されているデータと現場で展開されている現実との間に乖離が生じ、リスク管理は情報に基づいた意思決定のためのツールではなく、コンプライアンス演習に縮小された。
今、AIを重ねることを想像してほしい。スケジュールデータ、請負業者のパフォーマンス指標、調達情報、外部シグナルを統合することで、AIシステムはプロジェクトの健全性を継続的に評価できる。遅延が発生した後に反応するのではなく、リーダーは早期指標を可視化できる。微妙な生産性の低下、新たなサプライチェーンの制約、歴史的にコスト増加に関連するパターンなどだ。
ALICE Technologies、nPlan、Buildotsを含む新世代のAI駆動型プラットフォームは、すでにプロジェクトが静的なスケジュールを超えて、現場データ、パフォーマンストレンド、外部シグナルをライブモデルに継続的に統合できるようにしている。
多くの点で、インフラはリスク管理を再定義しているのではなく、追いついているのだ。
今後の課題
AIがリスク管理を再構築する中、導入はシームレスではない。公共および民間の組織は、断片化されたデータ、レガシーガバナンスモデル、人材ギャップ、そしてリアルタイムで継続的に学習する環境で運用するために必要な文化的変革に対処しなければならない。しかし、無策には機会費用が伴う。他の業界が進歩し続ける中、早期採用者と遅れをとる者との間のギャップは広がり、その結果は徐々に埋めることが困難になる。
リスク管理の未来は、単一のツールによって定義されるのではなく、組織がシミュレーション、ガバナンス、AIをいかに効果的に統合して、まとまりのある継続的な学習システムにするかによって定義される。リアルタイムの世界では、静的なリスクアプローチはもはや持続可能ではない。それらは、より速く見て行動できる組織によって体系的に追い越されている。
