Une chose du passé (partie 2)

Partie 2 d'une série en deux parties. Lisez la première partie.

Dans le premier blog de cette série, nous avons examiné la manière dont la conformité en temps réel modifie le paysage entier des rapports réglementaires. Ici, nous allons voir comment Internet des objets blockchain et intelligence artificielle aidera à capturer et à utiliser les données en temps réel nécessaires pour faire cela. une réalité.

L'Internet des objets (IoT)

Dans l'IoT, les appareils sur le terrain lisent des données en temps réel et prennent des décisions simples. Par exemple, lorsqu'un capteur de température détecte des températures supérieures au seuil prescrit, il déclenche automatiquement l'arrêt de l'équipement pour maintenir la sécurité. Ce type d'informatique, où les décisions sont prises dans des nœuds décentralisés plutôt que sur un serveur centralisé (tel que le cloud), s'appelle l'informatique de bord.

Dans les industries du pétrole et du gaz, des produits chimiques et des matières dangereuses, le dépôt de rapports à l'Environmental Protection Agency (EPA) et à des organismes de réglementation similaires est très courant. Aujourd'hui, ces rapports peuvent être générés automatiquement en extrayant des données des capteurs IoT en temps réel. Très prochainement, nous verrons des réglementations dans lesquelles l'EPA définira les décisions de pointe au lieu de simplement exiger des rapports déposés. On pourrait appeler ces «règlements de bord». Les règlements suivis et classés en temps réel transformeraient l’ensemble de l’industrie de la réglementation et la technologie qui la sous-tend.

Si nous examinons l’affaire Bernie Madoff, par exemple, aurait pu être sauvegardé si des données en temps réel étaient disponibles. Un autre exemple de modification du paysage réglementaire est le calcul de la taxe en temps réel intégré à l'IoT.

Cela se produit déjà dans les magasins Amazon. Amazon Go est une implémentation précoce de ramener à la maison ce qui est dans le panier, où les offres, les remises et les taxes sont calculées en temps réel, sur le pouce. Conjointement aux portefeuilles de paiement électronique, ce modèle d’entreprise ne fera que s’intensifier et les gouvernements seront confrontés à de nouvelles réglementations qui aideront les consommateurs en temps réel. En plus de fournir des données, les capteurs IoT peuvent également fournir la provenance de ces données.

Blockchain

Blockchain est un moyen simple d'utiliser un ledger pour capturer une transaction, en supposant que les parties impliquées dans les transactions ne font pas confiance. les uns des autres et ont des systèmes de tenue de registres différents. Cela signifie que toute transaction de blockchain est immuable et décentralisée. Comme la nature de base de la chaîne de blocs doit être immuable, cela lui donne un attribut unique, qui est la provenance de la transaction. On peut soutenir que les capteurs pourraient être piratés pour falsifier des informations. Comment pouvons-nous empêcher cela?

Dans l'exemple du scandale des tests d'émissions Volkswagen-EPA: Si nous pouvons authentifier et garantir la provenance de chaque capteur alimentant les données, nous voyons la possibilité de suivre toute la chaîne des événements. Ce concept gagne déjà en popularité. Connaître votre client (KYC) est un moyen standard d’authentifier un individu ou une entreprise avec une chaîne bloquée afin que les données soient immuables et sécurisées. La prochaine génération est Know Your Device (KYD), pour authentifier la provenance d’un appareil et les données qu’il envoie.

Alors que nous entrons dans un monde basé sur des données en temps réel et équipé de capteurs, l’approche de la chaîne de blocs, la provenance, et la sécurité devient cruciale. Les gouvernements adoptent déjà rapidement des systèmes basés sur la chaîne de blocs. Cela est particulièrement vrai dans le cas de pays en développement tels que l’Inde et les Émirats arabes unis, où l’agenda numérique national est encore en cours d’élaboration. Ces pays sont en train de passer du «passage au numérique» à la «blockchain».

Les contrats intelligents (contrats déclenchés par événement dans la chaîne de blocs) sont déjà utilisés dans de nombreux pays pour les taxes, les charges et les processus d'appel d'offres. . Les gouvernements cherchent maintenant à implémenter la provenance dans les chaînes d'approvisionnement afin de garantir la qualité des matériaux et des derniers kilomètres. L’échelle et la portée de ce réseau sont énormes, ce qui pose également la question de savoir comment une institution peut détecter la fraude en sachant que les données sont sécurisées, immuables et en temps réel.

Intelligence artificielle

We voir de nombreuses applications de l'IA, de l'identification des visages dans les photos et les vidéos au trading haute fréquence. Grâce à la puissance de l'IA, les gouvernements et les entreprises peuvent détecter des modèles de transactions, en particulier en temps réel. La fraude et les modèles aberrants sont beaucoup plus faciles à détecter grâce à des algorithmes de formation permettant de les reconnaître. La détection précoce de ces écarts peut prévenir les arnaques de proportions monumentales.

À l'ère industrielle, la génération d'informations et l'accès à l'information ont posé des problèmes. En revanche, à l’époque actuelle, nous allons boire des informations à partir d’un incendie. Les changements de réglementation sont inévitables et la manière dont les sociétés technologiques adoptent et soutiennent l'écosystème détermine l'avenir des «perturbations dans le paysage réglementaire».

Rajeev Soota, directeur général des TI chez Usha International sur les modifications réglementaires massives qui ont été introduites en Inde en juillet 2017:

«Avec la facturation en temps réel des factures électroniques et le rapprochement des taxes à chaque facture, les rapports ne sont plus périodiques. En temps réel, il est impératif que les entreprises restent conformes. »

Pour plus d'informations sur la transformation des technologies traditionnelles dans les modèles commerciaux traditionnels, voir Surmonter les défis du Big Data avec le calcul en temps réel ].

<! – Commentaires ->