Risicomanagers moeten leren twijfelen aan hun cijfers

Volgens Aaron Brown is modern risicomanagement ontstaan vanuit een eenvoudige constatering: veel cijfers waarop bestuurders hun beslissingen baseren, blijken onjuist of misleidend. Waar financiële instellingen vroeger kampten met een gebrek aan betrouwbare informatie, worden risicomanagers tegenwoordig juist overspoeld door data, modellen, ESG-scores, klimaatrisicobeoordelingen en AI-gegenereerde analyses. Het probleem is daarbij niet de hoeveelheid informatie, maar de vraag of de onderliggende cijfers daadwerkelijk betrouwbaar zijn. Veel van deze gegevens worden geproduceerd door externe partijen waarvan methodologie, aannames en datakwaliteit slechts beperkt controleerbaar zijn. 

Brown pleit daarom voor een meer sceptische houding ten opzichte van cijfers die als feiten worden gepresenteerd. Hij introduceert vijf praktische toetsen waarmee risicomanagers snel kunnen beoordelen of een getal geloofwaardig is. Centraal staan vragen als: wordt de uitkomst ondersteund door andere bronnen, durft de producent er zelf financiële consequenties aan te verbinden, sluit de berekening aan bij wat mensen denken dat het cijfer betekent en is de onderliggende data transparant beschikbaar? Volgens Brown verschuift de rol van de risicomanager daarmee van modelgebruiker naar kritische beoordelaar. In een tijd waarin AI en complexe modellen steeds meer beslissingen beïnvloeden, wordt het vermogen om slechte cijfers te herkennen een cruciale vaardigheid voor zowel financiële instellingen als toezichthouders.

Dit is een samenvatting van het volledige artikel op Garp.