1 Om risiko og usikkerhet

Grunnleggende begreper, prinsipper og metoder for å forstå, analysere, beskrive og styre risiko og usikkerhet, med fokus på klimarisiko

Terje Aven, 18. september 2018

Sammendrag

Dette notatet gir en enkel fremstilling av grunnleggende begreper, teori og prinsipper innen risikofaget, generelt og spesifikt når det gjelder klimarisiko. Hensikten er å gi input til utvalgets rapport og gi et grunnlag for utvalgets diskusjoner om temaet.

Risiko er generelt ikke et produkt av sannsynlighet og konsekvens, eller en sannsynlighetsfordeling, eller variansen eller en kvantil i en sannsynlighetsfordeling. Dette er indekser eller metrikker som beskriver visse sider ved risikoen. De gir ofte et smalt og ufullstendig bilde av risikoen. Risiko handler om fremtidige konsekvenser av en aktivitet og usikkerhet, der konsekvensene kan sees på som avvik i forhold til en referanse, for eksempel en normaltilstand, en tenkt utvikling, eller en målsetting.

Risiko = Konsekvenser (relatert til en referanse) + Usikkerhet.

(‘+’ leses ikke som addisjon i vanlig forstand men som ‘og’)

I en risikobeskrivelse spesifiseres konsekvensene (som risikofaktorer/-kilder, hendelser, effekter), og en uttrykker sannsynligheter (ofte i form av intervaller) og kunnskapen disse bygger på, samt styrken på denne kunnskapen. I tillegg må en adressere at det kan skje overraskelser i forhold til den kunnskapen en har i dag.

Risikobeskrivelse = Spesifiserte konsekvenser + Sannsynlighet + Kunnskap og kunnskapsstyrke

Klimarisiko er risiko som er relatert til endringer i klimaet. Fysisk risiko er risiko knyttet til fysiske forandringer og effekter, slik som stigning i havnivået, temperaturøkning, flommer og tørke. Overgangsrisiko er risiko som er relatert til en overgang til et såkalt lavkarbonsamfunn. Begrepet brukes relativt til målsettingen om en slik overgang lykkes eller ikke, og til endringer i henhold til et planlagt eller tenkt forløp for å nå dette målet. Politikk, teknologiutvikling, etterspørsel etter olje og gass, etc. er å forstå som risikokilder eller risikofaktorer som påvirker klimarisikoen.

For å vurdere klimatiltak vil bruk av tradisjonelle kost-nytteanalyser i de fleste tilfeller ikke være formålstjenlige i og med at usikkerhetene er store. Brede vurderinger av plusser og minuser ved ulike tiltak vil i de fleste tilfeller være den beste måten å vurdere hvor gode tiltakene er. Hvordan tiltakene slår ut når det gjelder resiliens (robusthet) vil være et viktig aspekt for å vurdere godheten av tiltakene. En vektlegging av resiliens betyr ikke at risikovurderinger er overflødige. Vi trenger både risikovurderinger og tiltak som styrker resiliensen.

1.1 Innledning

Dette notatet oppsummerer begreper og prinsipper for å forstå, beskrive, analysere og styre risiko. Basis er moderne risikoteori som avspeilet i dokumenter fra Society for Risk Analysis (SRA) (www.sra.org/resources), ISO 31000 (ISO 2018), COSO (2016), Petroleumstilsynets regelverk (Ptil 2017) og forskning innen risikofaget. Målsettingen med notatet er å gi input til skriveprosessen i utvalget, for temaområder knyttet til risiko og usikkerhet generelt og klimarisiko spesielt, samt å gi et underlag for diskusjon i utvalget om disse temaene.

1.2 Grunnleggende om risiko, risikobeskrivelse, risikovurdering og relaterte begreper

1.2.1 Hva er risiko?

Risiko er et begrep som vi bruker for å uttrykke at hendelser kan skje i fremtiden med effekter for noe som er av verdi for oss. Vi vet ikke i forkant hvilke hendelser og hvilket utfall som vil bli resultatet. Utfallet kan bli negativt eller positivt. Ofte er fokuset på uønskede og negative utfall. Effektene ses alltid ut fra en referanse, for eksempel dagens tilstand eller nivå, en normaltilstand, et planlagt nivå, eller en målsetting. Når vi snakker om risiko er som regel denne referansen underforstått, men det er viktig å klargjøre hva den er fordi ulike referanser gir ulike risikovurderinger.

Risiko oppstår i forbindelse med en ‘aktivitet’, for eksempel driften av et anlegg, biltrafikk, livet på jorden eller i et spesifikt område. Denne aktiviteten vil ha visse konsekvenser (hendelser A med effekter). Når en ser fremover i tid vet en ikke hva disse vil bli, det er usikkerhet. Vi står overfor risiko. Skjematisk kan vi skrive

Risiko = Konsekvenser (C) + Usikkerhet (U) = (C,U)

Konsekvensene relateres til referansen.

Hvis vi ønsker å synliggjøre hendelsene A, skriver vi Risiko = (A,C,U). Vi tolker C da som konsekvensene gitt at hendelsene A har inntruffet.

Eksempel 1 Steinblokk

Figur 1 viser en person, John, som beveger seg under en steinblokk. Denne steinblokken ligger på en hylle og kan falle ut og treffe John. Konsekvensene av aktiviteten kan være at steinblokken faller ut (hendelse A), som kan føre til at personen blir drept eller skadet hvis blokken treffer personen. Men konsekvensene kan også være at ‘ingenting skjer’, normaltilstanden opprettholdes. Ser vi fremover i tid, vet vi ikke hva som vil skje, hvilke hendelser som vil skje og hva som blir effektene – det er usikkerhet. John står overfor risiko.

Eksempel 2 Klimarisiko

Aktiviteten er her livet på jorden. Konsekvensene av aktiviteten vil kunne være at klimagassene øker og gir store effekter på økosystemet, vår økonomi og helse. Når vi ser fremover i tid vet vi ikke hva som blir konsekvensene, det er usikkerhet. Vi står overfor risiko. Referansen her er dagens tilstand eller et annet nivå, for eksempel brukes ofte en sammenligning med førindustriell tid.

En skiller ofte mellom fysisk klimarisiko og overgangsrisiko. Fysisk klimarisiko relaterer konsekvensene til fysiske endringer i miljøet der referansen typisk vil være dagens nivå eller slik det var i førindustriell tid. Som et konkret eksempel la C₁ være den globale temperaturstigningen med referanse til førindustrielt nivå. Den fysiske klimarisikoen er størrelsen av C₁ med tilhørende usikkerhet. Konsekvensene kan relateres til fysiske størrelser som temperaturstigningen, skader og tap i samfunnet, men også økonomiske størrelser.

For overgangsrisikoen er referansen at en skal møte målsettingen om å bli et lavutslippssamfunn. Konsekvensene kan være relatert til mulige avvik i forhold til denne målsettingen, eller at det skjer avvik og overraskelser i forhold til planer og kunnskap en har i dag om denne overgangen, for eksempel som definert gjennom Paris-avtalen.

Dette er referanser beregnet på myndighetsnivå. For en bedrift vil andre referanser være mer aktuelle, som forventet eller antatt lønnsomhet. Bedriften vil være opptatt av om og hvordan klimaendringene og overgangen til et lavutslippssamfunn vil påvirke lønnsomheten: For eksempel, vil myndighetene innføre klimatiltak som vil få alvorlige konsekvenser for bedriftens inntjening? Bedriften står ovenfor klimarelatert risiko. Det er også vanlig å snakke om overgangsrisiko i denne betydning.

1.2.2 Risikobeskrivelse. Hvor stor er risikoen?

Risiko som begrep forstår vi som ‘Konsekvenser + Usikkerhet’. Nå er utfordringen å beskrive denne risikoen – hvor stor er den? Det gjøres i en risikovurdering. Vi må identifisere og velge ut aktuelle hendelser og effekter (konsekvenser) og uttrykke usikkerheter.

1.2.2.1 Konsekvensene

Dersom hensikten er å studere økonomiske effekter av klimaendringer, begrenses konsekvensvurderingene til hendelser, størrelser og effekter som har med dette å gjøre. Det er en sentral oppgave i risikovurderingen å identifisere alle relevant hendelser innenfor det omfanget (scopet) som er definert.

Det er vanlig å skille mellom hendelser/størrelser på et relativt overordnet nivå og mer underliggende risikofaktorer eller risikokilder, se figur 2. Skillet gjøres for å gi ryddighet i analysearbeidet og fremstillingen av risiko, men det er viktig å være oppmerksom på at dette er relative begreper. En risikofaktor kan være en overordnet fokusert hendelse i en annen risikovurdering. En endring i teknologiutviklingen kan sees på som en risikofaktor for hendelsen fysiske klimaendringer, men kan også være en hendelse i seg selv dersom vi ønsker å studere mer i detalj hvordan endringer i teknologiutviklingen kan oppstå. Tilsvarende kan et politisk klimavedtak sees på som en risikofaktor for en fysisk klimaendring, men også være en mer overordnet hendelse dersom målet er å se nærmere på hva som må til for å få til et spesifikt politisk vedtak. Det er interaksjon mellom de to nivåene. Politiske vedtak påvirker de fysiske klimaendringene, og omvendt.

Vi bruker begrepene fare og trussel om slike hendelser, men også for de underliggende risikofaktorer eller risikokilder. For eksempel er det naturlig å se på steinblokken i eksempel 1 som en fare eller trussel for John. Vi kan også si at hendelsen at ‘steinblokken faller ut av hyllen og faller ned’ representerer en fare eller trussel. Tilsvarende kan vi si at økt utslipp av klimagasser representer en fare eller trussel. En kan også se på teknologiutvikling som en mulighet – utgangspunktet er da at en mener at teknologiutviklingen primært vil gi positive effekter.

1.2.2.2 Usikkerhetene

I analysen ovenfor spesifiserte vi et sett av hendelser og effekter. La A være en slik hendelse, for eksempel at steinblokken faller i løpet av et tidsrom eller den globale oppvarmingen blir mer enn tre grader over førindustrielt nivå og ikke to. Vi er usikre om A vil inntreffe. Men hvor usikre eller sikre er vi egentlig? Hvor trolig er det at hendelsen A vil inntreffe? Svarene avhenger åpenbart av den kunnskap vi har om fenomenet som studeres, men hvordan skal vi beskrive dette?

Det vanlige er å bruke begrepet sannsynlighet. Vi sier for eksempel at det er en sannsynlighet på 0.10 (10 %) for at hendelsen A vil inntreffe. Det er betyr at vi mener det er like trolig at A inntreffer som det er å trekke ut en bestemt kule ved en tilfeldig trekning blant 10 kuler i en urne. Vår usikkerhet om A vil inntreffe er den samme som i urne-eksemplet.

Vi kan angi sannsynligheten med ett bestemt tall, som 0.10, men ofte brukes intervaller, for eksempel, <0.10 (mindre enn 0.10). Det betyr at den som setter sannsynligheten ikke er villig til å være mer presis enn det intervallet angir. Vi snakker om upresise sannsynligheter eller intervall-sannsynligheter. Vanlige intervaller som bruker er

>0.99, 0.99-0.90, 0.90-0.75, 0.75-0.25, 0.25-0.10, 0.10-0.01, <0.01 og >0.90, 0.90-0.50, 0.50-0.10 og <0.10.

Disse intervallene angir ikke usikkerhet, men reflekterer analytikerens presisjon (manglende presisjon). De er ikke konfidensintervaller som en kjenner fra statistikkfaget. Den finnes ikke en objektiv riktig sannsynlighetsverdi. Tallet eller intervallet angir hvor trolig personen mener det er at A inntreffer gitt hans eller hennes kunnskap. Hvis kunnskapen er svak har det ikke så mye for seg å gi et bestemt tall da denne verdien er vanskelig å begrunne.

Formelt kan en sannsynlighet for hendelsen A skrives P(A|K), der K angir (bakgrunns)kunnskapen som sannsynligheten bygger på. Tegnet ‘|’ angir ‘gitt’ eller ‘betinget’ kunnskapen K. Når en bruker sannsynlighet for å uttrykke usikkerhet, må en følgelig alltid legge til hva som er kunnskapen K denne bygger på. Kunnskapens styrke vil også være viktig å vurdere. Sentrale spørsmål som en må stille er

• Hvilke data er lagt til grunn? Hvor gode er de?

• Hvilke forutsetninger er lagt til grunn? Hvor realistiske er de?

• Hvilke ekspertvurderinger er gjort? Hvor gode er de? Er ekspertene enige? Foreligger det motforestillinger? I hvilken grad kommer ekspertene fra ulike ‘skoler’?

• Hvor god fenomenforståelse har en?

• Hvor gode er de modeller som brukes?

• Hvor nøye har en gransket godheten av de vurderinger som har vært gjort?

Som en illustrasjon kan vi tenke oss at det er satt en veldig liten sannsynlighet i et gitt tilfelle. Kunnskapen vurderes å være sterk med basis i vurderinger av spørsmål som angitt ovenfor. ‘Kraften’ i sannsynlighetsutsagnet er således stor, langt kraftigere enn dersom kunnskapen hadde vært vurdert som svak.

Dessverre er kunnskapen også basert på vurderinger. De utsagn og hendelser som kunnskapen er bygd på er begrunnede, men de kan være feil. Et konkret eksempel er basert på Sande (2013) og gjengitt i NOG (2017) knyttet til eksplosjoner i friluft: «Inntil ca. 1960 var det akseptert kunnskap at naturgass ikke kan eksplodere i friluft. Denne kunnskapen var understøttet av eksperimentelle forsøk, men gassvolumene som ble benyttet i disse forsøkene var for små. Senere forsøk med større volumer av ulike typer gasser har vist at alle hydrokarbongasser kan eksplodere i friluft. Ulike gasser har imidlertid ulik «kritisk diameter», som er minste diameter som må være tilstede for at det kan oppstå en kontinuerlig detonasjon.»

Risikovurderingen kunne således ha gitt en meget liten sannsynlighet for en alvorlig hendelse med den følge at hendelsen ignoreres. Dersom den likevel skulle opptre vil den komme overraskende relatert til vår kunnskap – vi taler om en ‘sort svane’ (NOG 2017, Taleb 2007, Aven 2014). Med oppdatert kunnskap ville imidlertid hendelsen ha kunnet bli vurdert som relativt sannsynlig. Å beskrive risikoen knyttet til slike overraskelser lar seg ikke gjøre, fokuset er på å få til en bevisstgjøring om at den finnes og hvordan den kan møtes.

For å uttrykke usikkerhet ledes vi følgelig til tre nivåer: sannsynligheter, kunnskapen den bygger på og styrken på denne kunnskapen, og overraskelser relatert til denne kunnskapen, se figur 3.

Sannsynlighetene ovenfor må ikke forveksles med såkalte frekvenssannsynligheter. Slike sannsynligheter brukes for å modellere variasjon i populasjoner, for eksempel for spillsituasjoner og naturfenomener. Dersom en er interessert i hendelsen at antall øyne er 6 for en spesiell terning, tenker en seg at det utføres et eksperiment der terningen kastes et uendelig antall ganger under like forsøksbetingelser. Andelen av kast som gir 6 forstås som frekvenssannsynligheten p for hendelsen ‘øyne 6’. Denne sannsynligheten p oppfattes som en egenskap ved terningen, er ukjent og må estimeres. Tradisjonell statistisk analyse er opptatt av hvordan foreta slik estimering.

Frekvenssannsynligheter danner basis for sannsynlighetsmodeller, for eksempel den Binomisk modellen og Poissonmodellen. Estimeringen er som regel knyttet til ukjente parametre i disse modellene. En frekvenssannsynlighet kan være en parameter i en slik modell. Såkalte Bayesianske metoder brukes for å uttrykke ens usikkerhet hva som er sann verdi av disse parameterne. Her brukes kunnskapsbaserte sannsynligheter P(A|K) som beskrevet ovenfor der hendelsen A er relatert til ulike verdier av parameterne. Sannsynlighetsmodeller spiller en viktig rolle i risikovurderinger. Som for alle typer modeller må de rettferdiggjøres. I unike situasjoner har de ingen mening.

Ovenfor har vi fokusert på en hendelse A. Analysen blir tilsvarende for en ukjent størrelse X, for eksempel global temperaturøkning i løpet av et gitt tidsrom. Hendelser A defineres for eksempel ved A = ‘X > x’ for passende verdier av x, dvs. at temperaturøkningen blir større enn den valgte verdien x. Prediksjoner av X gjøres ofte med basis i forventet verdi av X, E[X]. Denne verdien er definert som tyngdepunktet i sannsynlighetsfordelingen til X, P(X ≤ x). Forventningen til X kan kun forstås som et gjennomsnitt dersom P er en frekvenssannsynlighet.

1.2.2.3 Risikobeskrivelsen

For å beskrive (fremstille/karakterisere) risiko ledes vi til:

Risikobeskrivelse = Spesifiserte konsekvenser (risikokilder, hendelser, effekter) + Sannsynligheter (hvor trolig er visse hendelser) + Kunnskapen K disse vurderingene bygger på, hvor sterk er den? Hva er gjort for å sjekke den og styrke den?

Eksempel Steinblokk

En analyse ønskes utført for å se på risikoen for at steinblokken faller ut av hyllen og truer folk som befinner seg under den. Målinger viser at den er nær ved å falle ut, og ekstreme værforhold eller en bevisst handling vil kunne være utløsende.

La A være hendelsen at steinblokken faller ut av hyllen. Analysen gir at

P(A|K) > 0.1

for en angitt periode med dårlig vær. Kunnskapen K vurderes å være sterk. Det er gjort grundige tekniske analyser.

Ny informasjon blir tilgjengelig. Det er rykter om at noen personer ønsker å skyve ut steinblokken. Sannsynligheten oppdateres, og en setter

P(A|K) > 0.5,

før en har fått undersøkt saken nærmere. Kunnskapen K er relativt svak. Videre undersøkelser viser at mistanken er ubegrunnet. Sannsynligheten reduseres, K blir sterkere.

Eksempel Klimarisiko

FNs klimapanel (IPCC 2014) slår fast at global oppvarming skjer, er et resultat av menneskelig aktivitet og er ekstremt sannsynlig (greater than 95 % probability). En mulig tolkning av dette er at panelet sier at P(A|K) > 0.95, der A = ‘global oppvarming skjer og er et resultat av menneskelig aktivitet’ og K er all kunnskap vi har om temaet. Dette betyr at panelet sier at det er mer trolig at A er riktig enn å trekke en rød kule ut av en urne som består av 100 kuler hvorav 95 er røde. Panelet vurderer K som sterk. Kunnskapen er fremkommet gjennom grundig forskning, betydelig med data og mange studier.

IPCC gir ingen forklaring på hva ‘sannsynlighet’ uttrykker. Dersom en forsøker å bruke en fortolkning ved hjelp av frekvenssannsynligheter får en problemer. En må da forstå utsagnet om minst 95 % sannsynlighet som et uttrykk for at den estimerte frekvenssannsynligheten er minst 95 % gitt den kunnskapen denne vurderingen bygger på. En slik tolkning krever imidlertid en klargjøring hva en slik frekvenssannsynlighet betyr (har den en egentlig en mening her?), og hvor god estimeringen er (hvor stor er usikkerheten i estimatet?).

Kunnskapsbaserte sannsynligheter P(A|K) kan alltid settes, og de kan gis en fortolkning som forklar ovenfor.

Lar vi C₁ være den globale oppvarmingen (uttrykt i grader Celsius) med referanse til førindustrielt nivå, vil en generell risikobeskrivelse dekke

• Uttrykt sannsynlighetsfordeling for C₁, for eksempel gitt ved P(C₁ > c|K) for ulike verdier av c, herunder c=2, der K er kunnskapen denne fordelingen bygger på.

• En vurdering av styrken på denne kunnskapen K.

Det er vanlig å definere scenarier med basis i den globale oppvarmingen C₁,

• Oppfyllelse av to-gradersmålet: C₁ ≤ 2

• ‘C ₁ = 3’ som dekker intervallet (2, 3.5)

• ‘C ₁ = 4’ som dekker intervallet ≥ 3.5

På denne måten sikres at hele utfallsrommet blir inkludert, som er viktig for å kunne fremstille risikoen på en helhetlig måte.

Ofte diskuteres risikoen med basis i at en skal nå to-gradsmålet. Referanseverdien kan da være C₁ ≤ 2 og det er avvik i forhold til denne som inngår i risikobeskrivelsen. Som nevnt ovenfor kan en også ‘låse’ C₁ ≤ 2 og la vurderingene være betinget at dette målet faktisk nås. Risikobeskrivelsen er da ikke komplett da usikkerhet og risiko relatert til å nå to-gradsmålet blir ignorert. Referansen blir planlagt løp mot dette målet som gitt for eksempel i Paris-avtalen. Risikoen avspeiler avvik i forhold til de forutsetninger og planer som Paris-avtalen setter, med tilhørende usikkerhet. Se figur 4 som illustrerer disse poengene.

1.2.3 Risikoanalyse. Hvordan generere risikorelatert kunnskap?

Kunnskap forstås som begrunnede utsagn og oppfatninger, med basis i data, informasjon, testing, modellering, teorier, argumentasjon m.m. En risikobeskrivelse er en måte å fremstille kunnskapen vi har om risiko knyttet til en aktivitet. For å generere denne kunnskapen brukes ulike metoder. Data, modellering og analyse står sentralt. Vanlige modeller og metoder som brukes er feiltrær, hendelsestrær, Bayesianske nettverk, og ulike statistiske metoder som regresjonsanalyse. Det vises til lærebøker i risikoanalyse. Her skal vi kort omtale bruken av risikoindikatorer og scenarioanalyse.

1.2.3.1 Risikoindikatorer

En risikoindikator er en observerbar/målbar størrelse som sier noe om risikonivået, for eksempel antall hendelser (faresituasjoner, nesten-ulykker, etc) som er observert i et gitt tidsrom. Det er ulike type indikatorer. Et vanlig skille gjøres mellom ‘lagging’ og ‘leading’ indikatorer. Den førstnevnte kategorien er ‘output’-orientert, med basis i hva som har skjedd, som f.eks. antall faresituasjoner eller nesten-ulykker. Den sistnevnte kategorien er mer input-orientert, med fokus på hva som kommer. Et eksempel er scores basert på ledelsesvurderinger av risiko for en bestemt aktivitet.

Risikoindikatorer sier i varierende grad noe om risiko. Det sentrale begrepet i denne sammenheng er validitet; i hvilken grad vi er i stand til å måle det vi ønsker å måle, her risikoen. Sentralt her står vurderinger om vi har nok data, og ikke minst om de er relevante for den aktuelle problemstillingen. Indikatorene vil ofte kunne belyse visse aspekter veldig godt, men si lite eller ingenting om andre. De må følgelig vurderes for det de er, risikoindikatorer, og ikke fullstendige beskrivelser av risiko.

Se figur 2. Det er ofte relativt enkelt å utforme indikatorer med basis i observerte størrelser i midten og på høyre siden av figuren, som for eksempel antall hendelser. Mer utfordrende er det å finne fram til gode indikatorer til venstre – for risikokildene – fordi det kan være meget komplekse relasjoner mellom størrelser her og effektene som vi er opptatt av på høyresiden i figuren. Dersom det ikke finnes etablert gode modeller som binder de ulike størrelsene sammen, blir verdien av risikoindikatoren svak.

1.2.3.2 Scenarioanalyse

Scenarier brukes i alle typer risikovurderinger for å få frem hva som kan skje i fremtiden. I en risikovurdering er det vesentlig å utspenne hele rommet av mulige scenarier. I praksis gjøres det en avgrensning fordi alle kan ikke dekkes. I en risikovurdering vurderes risiko assosiert ved de ulike scenarier. Dette gjøres ikke i en scenarioanalyse. Argumentet som brukes er at når en slik analyse brukes er usikkerhetene så store at det har ikke noe for seg å forsøke å uttrykke sannsynligheter og risiko. En forsøker å spenne ut et sett av scenarier som vurderes å dekke utfallsrommet så godt som mulig uten at antallet blir mer enn 3 – 4. Scenariene skal være representative, i den forstand at de er tenkbare og en vurderer at de kan komme til å skje. Her ligger det indirekte en kvalitativ vurdering av sannsynlighet, men det gjøres ikke eksplisitte vurderinger.

For klimaeksemplet kan en definere ulike scenarier, for eksempel i samsvar med analysen ovenfor: Oppfyllelse av to-gradersmålet ‘C₁ ≤ 2’, ‘C₁ = 3’ og ‘C₁ = 4’. En spesifikasjon må så gjøres av scenariet når det gjelder hvordan komme dit (forløpene). Risikovurderinger er aktuelle for å belyse avvik i forhold til slike fastsatte forløp, men også når det gjelder temperaturøkningen C₁. Det foreliggende arbeidet i utvalget har som oppgave å vurdere hvordan en mest hensiktsmessig kan analysere og fremstille klimarisiko, og da vil også spørsmålet om hva C₁ faktisk vil bli, måtte adresseres. Det handler ikke om å gi presise sannsynlighetstall, men å gi vurderinger. Se diskusjon i kapittel 2.4.3, siste del.

1.2.4 Kommentarer. Diskusjon

1.2.4.1 Litt historikk. Utviklingstrekk. Litteratur

Risiko er et begrep som går tilbake flere tusen år, men den første faglige, profesjonelle definisjonen er trolig fra ca. 1700 og Abraham de Moivre. Han definerte risiko som forventet tap, altså mulige tapsverdier multiplisert med sannsynlighet, summert over all disse tapsverdiene. Fremdeles brukes denne risikodefinisjonen, men det er bred enighet i fagmiljøet at dette er uheldig. Forventet verdi er en risikoindeks eller metrikk, ikke risiko i seg selv. Det er en indeks som kan være nyttig i en forsikringskontekst, der en har et stort antall prosjekter og variasjonen for disse er kjent. Da vil forventningsverdien kunne gi rimelige estimater på det faktiske gjennomsnittet av prosjektene. Generelt er imidlertid forventningsverdien lite egnet til å beskrive de faktiske utfall og ikke minst ekstreme verdier og overraskelser, som er av vesentlig betydning for å forstå og beskrive risiko (Aven 2017a).

Det leder en til å fokusere på sannsynlighetene for ulike utfall, og risikodefinisjoner med basis i konsekvenser (hendelser, scenarier, tap) og sannsynligheter har vært rådende i mange år, spesielt innen ingeniørfagene, men også økonomifaget. Gradvis har det imidlertid vokst frem en erkjennelse for at sannsynligheter ikke er i stand til å fange opp alle sider ved risikobegrepet. En sannsynlighet er betinget et viss kunnskap og denne kunnskapen kan være mer eller mindre sterk, og også feil. Vi kan ha to tilfeller med samme risikobeskrivelse dersom vi begrenser oss til konsekvens og sannsynlighet, men de er fullstendig forskjellige når det gjelder den kunnskapen som støtter denne beskrivelsen. I det ene tilfellet kan den være svak, i det andre tilfellet kan den være sterk. Det er åpenbart at dette aspektet må avspeiles i risikobeskrivelsen, men det gjør den ikke hvis vi bruker utelukkende sannsynlighet for å uttrykke usikkerhet. Mer egnede beskrivelser er derfor utviklet, som presentert i kapitlene 2.1 – 2.2. Fremstillingen er i tråd med anbefalinger gitt blant annet av Society for Risk Analysis (SRA), som er en av de ledende fagorganisasjonene innen risikofaget (se www.sra.org/resources), Petroleumstilsynets regelverk (Ptil 2017) og grunnleggende forskning innen fagområdet (se f.eks. Aven and Renn 2015).

Sannsynlighet er en måte å beskrive usikkerhet på. Det finnes også andre måter å gjøre dette på og det er uheldig å definerer risiko ved å ta utgangspunkt i denne ene målemetoden. I samsvar med grunnleggende prinsipper innen målteori, gjør rammeverket og teorien i kapitlene 2.1 og 2.2 et grunnleggende skille mellom risikobegrepet som sådan og hvordan måle eller beskrive dette begrepet. Dermed gir vi rom for ulike måter å gjøre beskrivelsen på, og det vil alltid måtte diskuteres i hvilken grad beskrivelsen faktisk klarer å fange opp alle aspekter ved begrepet som ønskes belyst. Skillet mellom overordnet kvalitativt begrep og dets beskrivelse eller måling er fundamentalt og av stor betydning for å sikre utvikling og forbedringer over tid. Ved vurdering av hva som er en god risikobeskrivelse vil en alltid måtte tenke beslutningssituasjon. Hva skal beskrivelsen tjene til? Imidlertid er det en del grunnleggende prinsipper som må ligge i bunnen, uansett formål med analysen. Det er de som er fokusert i dette notatet, og spesielt kapitlene 2.1 og 2.2.

Det finnes også andre måter å definere og forstå risiko. Innen deler av økonomimiljøet har det vært vanlig å forstå risiko som usikkerhet, og ofte uttrykt ved varians. Men også dette er en uheldig definisjon da stor usikkerhet (høy varians) ikke behøver å være noe problem i seg selv. Først når usikkerheten relateres til konsekvensene og alvorligheten av disse, er det meningsfullt å si at risikoen er stor. Dermed ledes vi til teorien beskrevet i kapitlene 2.1 og 2.2.

Bruk av både forventning og varians gir et mer informativt risikobilde, men fanger ikke godt opp risikoen assosiert med ekstreme utfall, ei heller kunnskapen som disse størrelsene bygger på og styrken av denne.

Et annen risikoindeks som ofte brukes er Value-at-Risk (VaR), som er en kvantil i en sannsynlighetsfordeling. Også denne indeksen har sine klare begrensninger i og med at den ikke sier noe om hvor stort potensialet er for ekstreme verdier. Kunnskapen som sannsynligheten bygger på er heller ikke avspeilet.

En beslektet forståelse av risiko er gitt ved Frank Knight’s definisjon fra 1921. Den henvises ofte til i økonomiske settinger og uttrykker at vi har ‘risiko’ dersom objektive sannsynlighetsfordelinger kan etableres. I andre tilfeller har vi ‘usikkerhet’. Det er vanskelig å se argumenter for denne forståelsen av risiko. Den innebærer at vi kun kan snakke om risiko i visse helt spesielle situasjoner. Klimarisiko ville for eksempel ikke ha mening da det ikke er mulig her å etablere objektive sannsynlighetsfordelinger. Definisjonen er således lite egnet. Det betyr ikke at inndelingen i de to tilfellene – objektive fordelinger kan etableres og slike fordelinger kan ikke etableres – kan være en nyttig kategorisering, men risikobegrepet kan ikke meningsfullt assosieres med bare den første. Usikkerhet er en sentral komponent av risiko.

1.2.4.2 Diskusjon av hvordan risiko og usikkerhet brukes i FNs klimapanel

Risiko- og usikkerhetsvurderinger står sentralt i arbeidet til FN’s klimapanel. Flere grunnlagsdokumenter er utarbeidet for å beskrive hvordan dette panelet tenker når det gjelder dette temaområdet (IPCC 2007, 2010). Forskning viser at risikobegrepet brukes på ulike måter i panelets arbeider (Aven and Renn 2015). Det vises også til forventet verdi, som vi har diskutert ovenfor og som åpenbart er en uheldig måte å forstå klimarelatert risiko på. For å uttrykke usikkerhet brukes sannsynlighet og ‘level of confidence’. Det gis imidlertid ingen fortolkning av sannsynlighetsbegrepet, noe som er helt nødvendig for å kunne bruke det og kommunisere hva det uttrykker. Frekvenssannsynligheter blandes sammen med sannsynlighet for å uttrykke ens usikkerhet og hvor trolig det er at en hendelse vil opptre.

‘Level of confidence’ bygger på vurderinger av ‘evidence’ og ‘agreement among experts’, og kan sammenlignes med vurderingene av kunnskapsstyrken diskutert i kapittel 2.2.2. Kvalitative vurderinger brukes også her. La oss se på noen eksempler fra IPCC (2014):

• i) Ocean acidification will increase for centuries if CO₂ emissions continue, and will strongly affect marine ecosystems (with high confidence).

• ii) The threshold for the loss of the Greenland ice sheet over a millennium or more, and an associated sea level rise of up to 7 m, is greater than about 1°C (low confidence) but less than about 4°C (medium confidence) of global warming with respect to pre-industrial temperatures.

La A og B være utsagnene det refereres til under henholdsvis i) og ii) (første del). Utsagnet i) kan således leses som at det er stor tillitt til at A er sant (high level of confidence). Sannsynlighetsvurderinger gis imidlertid ikke av IPCC. Utsagnet ii) kan leses som at det er liten tillit til at utsagnet B er sant. Hva betyr det? Tror man på utsagnet i det hele tatt. Hvorfor fremsettes påstanden? Problemet her er at panelet ikke bruker ‘level of confidence’ sammen med sannsynlighetsbegrepet. Det er en åpenbar svakhet med metoden som brukes, se diskusjon i Aven and Renn (2015). Tilnærmingen som anbefales i kapittel 2.2.2 gir en struktur for hvordan kombinere bruken av sannsynlighet og styrken på kunnskapen som denne bygger på. Begge dimensjonene er nødvendige.

1.2.4.3 Relaterte arbeider

For å ytterligere illustrere terminologien og prinsippene som er diskutert ovenfor, er disse anvendt på to aktuelle arbeider knyttet til klimarisiko, TCFD og Cicero-rapport:

TCFD (Task Force on Climate-related Financial Disclosures)

Dette omfattende og grundige arbeidet sier noe om hvordan selskaper og investorer bør rapportere og ta hensyn til klimarisiko i sin strategiprosess, og hvordan denne risikoen kan identifiseres, måles og styres. Arbeidet gir anbefalinger om hvordan selskaper bør informere offentligheten om klimarelatert risiko. I det følgende gis noen merknader til arbeidet i lys av diskusjonen i dette notatet.

Rapporten definerer ikke risiko, og skiller mellom risiko og muligheter (‘opportunties’). I samsvar med terminologien i kapittel 1, avspeiler dette skillet egentlig farer/trusler og muligheter (‘threaths and opportunities’). Det er imidlertid ofte vanskelig å foreta et slikt skille. At en hendelse eller kilde/faktor representerer en fare betyr at en har sterk tro på at utfallet blir negativt. Tilsvarende vil en si at en hendelse eller kilde/faktor representerer en mulighet dersom en har sterk tro på at utfallet vil bli positivt. Risikofaktoren teknologi er i TCFD klassifisert som fare, men kan like mye sees på som en mulighet. I det foreliggende rammeverket beskrevet i kapitlene 1 og 2, unngås denne problematikken ved å begrense terminologien til risikokilder/risikofaktorer, hendelser og effekter. TCFD skiller mellom Governance, Strategy, Risk Management og Metrics & Targets. Governance og Strategy dekker også risiko og det er viktig å fremheve at Risk Management her må forstås i en mer begrenset betydning, mer som operasjonell risikostyring. Tabell 4, side 14, i TCFD-rapporten oppsummerer en del viktige anbefalinger fra arbeidet. I hovedsak går disse på hvilke prosesser som bør utføres, for eksempel sies det under Governance: «Describe the board’s oversight of climate related risks and opportunities» og under Risk Management: «Describe the organization’s processes for identifying and assessing climate related risks». Hvordan en faktisk bør vurdere risiko gir imidlertid ikke arbeidet svar på utover henvisning til bruk av scenarioanalyse. Som diskutert i kapittel 2.3.2 er en scenarioanalyse ikke en fullgod risikovurdering. Hvordan vurdere og fremstille klimarisiko er utfordrende da det er komplekse sammenhenger mellom effektene og de mer underliggende faktorer, se figur 2.

I vedlegget er det foreslått en justering av strukturen for klimarisikofremstillingen i TCFD-rapporten, for å tydeliggjøre hva det egentlig spørres etter. En tilsvarende nasjonal struktur er også inkludert.

Cicero report «Shades of Climate Risk Categorizing climate risk for investors»

Rapporten gir en risikovurdering av blant annet temperaturøkningen C₁ diskutert i kapittel 2.3.2, med sannsynlighetsvurderinger av de tre scenariene ‘C₁ ≤ 2’, ‘C₁ = 3’ og ‘C₁ = 4’. Det vises til IEA’s scenarier og en figur med en nærmest tilnærmet normalfordeling for C₁ med forventningsverdi (tyngdepunkt) i ‘C₁ = 3’ scenariet. Det gis ingen forklaring hva denne fordelingen innebærer. Den eneste rimelige fortolkningen vil være at den representerer analytikernes grad av tro for hva C₁ vil bli, der en sannsynlighet på for eksempel 10 % betyr at analytikeren er like sikker på at den aktuelle hendelsen vil skje som å trekke en bestemt kule ut av en urne som består av 10 kuler, jfr. delkapittel 2.2.2.

Rapporten går videre og definerer klimarisiko som en funksjon av sannsynlighet, sårbarhet og eksponering. Mer presist gis en formel som er basert på produktet av disse tre leddene, og vi ledes igjen til forventet verdi. Det første leddet angir sannsynligheten for en hendelse, for eksempel flom. Det andre angir forventet skade på den aktuelle verdien dersom hendelsen inntreffer og den faktisk blir eksponert, og det tredje leddet angir grad av eksponering hendelsen har på denne verdien dersom den skulle inntreffe. Igjen brukes altså en forståelse av risiko som er svært uheldig og i liten grad fanger opp det en ønsker å måle, som diskutert i kapittel 2.4.1. Bruk av en slik risikoforståelse vil kunne alvorlig mislede beslutningstakere fordi viktige aspekter av risiko ikke belyses.

1.3 Styring av risiko

En aktivitet innebærer risiko, risikoen analyseres og vurderes, og spørsmålet er hva en skal gjøre med den. Vi er over i risikostyringen. Vi kan leve med risikoen, akseptere den, eller forsøke endre (redusere) den, kanskje også forsøke å helt unngå den. En form for reduksjon er å overføre den til andre via forsikring. Et mulig større tap blir da dekket av forsikringsselskapet mot at vi betaler inn en risikopremie.

Som underlag for å ta en beslutning – for å bli informert – gjør vi risikoanalyser. Vi kartlegger og karakteriserer risikoene, som diskutert i kapittel 2. Risikovurderingene gir ikke svaret på hva vi bør gjøre, de informerer. Risikovurderingene gir ikke et objektivt bilde av risikoene ved aktivitetene som studeres. De har sine begrensninger når det gjelder å fremstille risiko. Ikke alle aspekter av risiko og usikkerhet dekkes av vurderingene. Resultatene som produseres er betinget en viss kunnskap, og vi kan oppleve overraskelser sett i forhold til denne kunnskapen. Beslutningstaker må også ta hensyn til dette. Dessuten er risiko bare ett av de aspekter som beslutningstaker må ta hensyn til. Kostnader og økonomi er alltid viktig, og også forhold som renommé vil kunne være av betydning for de beslutninger som tas. I praksis handler det ikke om å akseptere en risiko men å akseptere en løsning som har de og de egenskaper, der risiko er en av disse.

Tradisjonelle risikomatriser brukes ofte som direkte basis for anbefalinger om beslutninger for hva som bør gjøres, se for eksempel Cicero (2017), p. 11. Dette er en fremgangsmåte som ikke kan faglig forsvares (Aven 2017c). For det første er det å presentere risiko ved hjelp av sannsynlighet for visse hendelser og forventet effekt (gitt at disse hendelsene inntreffer) ikke en god måte å beskrive risiko på, som diskutert i kapittel 2. For det andre isolerer metoden risiko fra andre hensyn som også vil kunne ha betydning for hva som bør gjøres. Risikovurderingene er kun ment å informere beslutningstaker, ikke gi en formel for hva som er den riktige beslutningen.

Når en vurderer hva som bør gjøres vil det kunne være informativt å foreta en grovvurdering av styrbarhet og effekt av mulige tiltak (Aven 2017c). Styrbarhet går på hvor vanskelig det er å endre (redusere) risikoen. Her må en trekke inn tekniske aspekter, tidsdimensjonen, kostnader, m.m. Effekt av tiltak går på hvor stor effekten tiltaket har på risiko (vurdert samlet for konsekvens, sannsynlighet, kunnskapskapsstyrke). En kan sjekke ut

• Effekt på konsekvens

• Robusthet/resiliens

• Sannsynlighet

• Kunnskapsstyrke

En grovvurdering i matriseform kan brukes med f.eks. tre kategorier for hver av disse to dimensjonene (styrbarhet, effekt på risiko). De tiltakene som kommer ut med høy score på disse to dimensjonene utgjør klare kandidater for implementering. Det vises for øvrig til diskusjonen om bruken av kost-nytteanalyser i kapittel 3.2.

For å møte risikovurderingenes begrensinger og usikkerheter, det uforutsette og potensielle overraskelser, er det behov for andre strategier enn risikovurderinger, og de viktigste er (Aven and Renn 2018):

• Forsiktighetsprinsippet og føre-var – robusthet og resiliens

• Dialog, deltakelse og involvering (diskurs, konsensusorientering)

Vi vil i det følgende se nærmere på den førstnevnte kategorien av strategier. Gode eksempler på den sistnevnte kategorien er trepartssamarbeidet i petroleumsvirksomheten (Rosness og Forseth 2014) og arbeidet med utviklingen av Paris-avtalen. For mange risikorelaterte problemstillinger er usikkerhetene betydelige, og det er også store forskjeller når det gjelder vekten en legger på de ulike hensynene, inkludert usikkerhetene. Det er ofte motstridende syn på verdier og målsettinger. Diskurs-strategier bygger på ønsket om å øke forståelsen for ulike ståsteder og perspektiver som finnes hos relevant aktører, slik at det kan skapes en plattform for bredt forankrede løsninger og tiltak (Renn og Klinke 2016).

Når usikkerhetene er store er det også en strategi å tenke ‘adaptiv risikostyring’: ulike beslutningsalternativer vurderes, en velges og observasjoner gjøres, læring oppnås og justeringer og tilpasninger foretas.

1.3.1 Forsiktighetsprinsippet og føre-var – robusthet og resiliens

Tyskland har valgt å gå bort fra kjernekraft, de har anvendt et forsiktighetsprinsipp. Det er risiko og usikkerhet knyttet til denne aktiviteten, og denne ønsker en å unngå. Det handler ikke så mye om vitenskapelig usikkerhet – vi har en sterk kunnskap om kjernekraftrisiko. Når det gjelder klimarisikoene er det i mange henseender større usikkerheter, og vi snakker om å bruke et føre-var-prinsipp. Dette prinsippet uttrykker at tiltak skal iverksettes eller en ikke skal gjennomføre en aktivitet dersom det er betydelig vitenskapelig usikkerhet (uvitenhet) knyttet til konsekvensene av aktivitetene, og disse konsekvensene anses som alvorlige. Det kan selvsagt diskuteres i hvilken grad vi i dag står overfor vitenskapelig usikkerheter i klimaspørsmålet, men dagens politikk i Norge og de fleste land bygger på dette prinsippet: Vi kan ikke ta sjansen på å vente til vi har mer kunnskap, da kan det være for sent.

Disse prinsippene må sees i sammenheng med en tenkning som vektlegger robusthet og resiliens. Klimaendringene fører med seg hendelser som er til dels overaskende. Vi kan ikke bygge en beredskap kun ved å planlegge for å møte hendelser og trusler vi har opplevd. Vi må også være forberedt på nye og uforutsette former for stress og påkjenninger. Vi må utvikle systemer og løsninger som tåler ulike former for belastninger, endringer og stress, enten de er kjente eller ukjente. Vi må også lese signalene som kommer slik at responsen blir best mulig. Dette er hovedelementene i moderne resiliens-styring.

Det er en økende erkjennelse for at resiliens må vektlegges. Og det snakkes ofte om at en må få til et skifte fra risiko til resiliens. Det virker nærmest som risiko skal ut og resiliens skal inn. Men resiliens er ikke i konflikt med moderne risikotenkning. Resiliens er en viktig strategi i risikostyringen. Resiliens erstatter ikke eller overflødiggjør risikovurderinger eller risikostyring. Det vil alltid være viktig å vurdere trusler og farer. Mer kunnskap kan vise at en antatt trussel ikke egentlig representerer et problem. Og det er alltid ressursbegrensninger, vi kan ikke være like resiliente mot alt. Vi må prioritere noe fremfor noe annet, og da må vi vurdere risiko på en eller annen måte. Det handler ikke om å tallfeste all risiko, men å foreta en viss for vurdering. Se diskusjon i Aven (2017b).

1.3.2 Kost-nytte-analyser

For å vurdere om et tiltak bør implementeres er det behov for en vurdering av plusser og minuser av tiltaket. Det er i hovedsak to metoder som brukes i praksis.

• 1. Økonomiske kost-nytteanalyser med basis i beregninger av forventet nåverdi.

• 2. Brede vurderingsprosesser med basis i vurderinger av plusser og minuser ved å implementere tiltaket.

Metode 1 kan brukes i forhold til situasjoner der usikkerhetene er minimale, det vil si at en kan gjøre gode prediksjoner av hva som vil skje i fremtiden – variasjonen i utfall er kjente, og porteføljen av prosjekter er veldig stor (f.eks. samfunnsnivå). Se diskusjon i Aven (2017a).

For mulig implementering av tiltak for å styre risiko når det gjelder ekstreme hendelser, vil metode 2 måtte brukes. I praksis vil det være denne metoden som må brukes for å vurdere om et tiltak bør implementeres når det gjelder de fleste klimaspørsmålene.

En mulig måte å implementere metoden på er som følger:

• 1. Dersom kostnadene er små, implementer tiltaket dersom det har en positiv effekt på klimaet

• 2. Dersom kostnadene er betydelige, foreta en vurdering av alle relevante plusser og minuser ved tiltaket. Dersom forventet nåverdi (eller tilsvarende indekser) kan meningsfullt beregnes, implementer tiltaket dersom denne er positiv.

• 3. Vurder også å implementere tiltaket dersom det gir betydelig positiv effekt på risiko og/eller andre forhold, f.eks.

  • Reduksjon av usikkerhet, styrking av kunnskapen

  • Styrking av robustheten ved farer/trusler, styrking av resiliensen

1.3.3 Overordnede prinsipper for håndtering av risiko

Nedenfor presenterer et sett av overordnede generelle prinsipper for hvordan myndigheter bør håndtere risiko. Prinsippene som er fremhevet, er etablert med basis i anbefalinger gjort i litteraturen (se spesielt ISO 31000, UK 2006 og Aven and Renn 2018). Det vil alltid være et subjektivt element i en slik utvelgelsesprosess, og diskusjon er viktig for å finne frem til de viktigste i vår sammenheng. Prinsippene utgjør et underlag for diskusjonen i utvalget. Arbeidene gitt i referanselisten utgjør de sentrale dokumentene for de prinsipper som er presentert.

Overordnede prinsipper for håndtering av risiko

• 1. Riktig risikonivå er et resultat av en balanserende prosess mellom verdiskaping og vekst på den ene siden og vern og beskyttelse på den andre. Kunnskap og vitenskap gir underlag for denne balansen, men balansen avhenger også av våre verdivurderinger. Risikohåndteringen er en integrert del av virksomhetsstyringen.

• 2. Det finnes tre hovedstrategier for håndtering av risiko:

  • a) Risikoinformert. Risikovurderinger og relaterte former for analyser (herunder kost-nytteanalyser) brukes for å informere beslutningstakere og andre interessenter om risiko og ‘godheten’ av løsninger og tiltak.

    Sentrale aktiviteter her er

    • i) Identifikasjon av farer, trusler og muligheter

    • ii) Identifikasjon av scenarier

    • iii) Karakteriseringer og vurderinger av risiko

    • iv) Karakteriseringer og vurderinger av ‘godheten’ av løsninger og tiltak

    • v) Rapportering

  • b) Anvendelse av forsiktighets- og føre-var-prinsippene, robusthet og resiliens. Strategien møter usikkerheter og potensiale for overraskelser som ikke dekkes av a).

  • c) Dialog og deltakelse.

  I praksis brukes en kombinasjon av alle disse tre strategiene.

  Risikohåndteringen kan konkludere med at vi ønsker å ta risiko for å skape verdier eller utnytte en mulighet som har oppstått, eller at vi aksepterer en risiko, eller forsøker forsøke endre (redusere) den, kanskje også forsøker å helt å unngå den.

  I adaptiv risikostyring som omtalt i innledning til dette kapitlet, kan disse tre strategiene kombineres med ulike vekt avhengig av kunnskapsgrunnlaget.

• 3. Myndigheter bør etablere rammeverk og systemer for risikohåndteringen for å sikre kvaliteten av denne, med tanke på at ressursene brukes på den mest effektive måten, konsistens i beslutninger oppnås, tilpasninger og forbedringer hele tiden søkes og gjennomføres.

• 4. Åpenhet og transparens. Med få unntak, bør myndigheter tilstrebe åpenhet om deres kunnskap om risiko og hva som er prosessen for å håndtere den.

• 5. Myndigheter bør søke å gi ansvar for håndteringen av risiko til de som er best egnet til å kontrollere den

Alle disse prinsippene gjelder generelt, og for klimarelatert risiko spesielt. Klimarelatert risiko må sees i sammenheng med andre risikoer og de rammeverk som brukes for å håndtere risiko generelt.

Det vises også til litteratur som omhandler prinsipper for god ‘governance’, se f.eks. Graham et al (2003), Van Asselt and Renn (2011) and Council of Europe (2017).

Undervedlegg a

Definisjoner av sentrale begreper

Store norske leksikon, Glossary Society for Risk Analysis 2015

Risiko: Konsekvensene (hendelser, effekter, relatert til en referanse) av en aktivitet med tilhørende usikkerhet

Risiko innebærer at hendelser kan inntreffe som har effekter på noe som er av verdi for oss mennesker. Konsekvensene kan være knyttet til for eksempel liv og helse, miljø eller økonomiske verdier. Der er alltid minst ett utfall som oppfattes som negativt eller uønsket. I dagligtalen er det vanlig å bruke risiko i betydningen fare og som et potensial eller mulighet for uønskede hendelser og tap.

Risikobeskrivelse: Spesifiserte konsekvenser, sannsynligheter, kunnskapen disse bygger på og styrken av denne kunnskapen

Risikoindekser: Funksjon av sannsynligheter med vurdering av styrken på kunnskapen som sannsynlighetene bygger på

Sannsynlighet: En sannsynlighet representerer eller uttrykker usikkerhet, trolighet eller variasjon, og følger regnereglene for sannsynlighet. Det finnes ulike fortolkninger av sannsynlighet, i samsvar med denne definisjonen: klassisk sannsynlighet, frekvenssannsynlighet og kunnskapsbasert-sannsynlighet. Se kapittel 2.2.2 og Store norske leksikon.

Usikkerhet: Usikkerhet i en risikokontekst forstås som det å ikke vite sann verdi av en størrelse eller fremtidige konsekvenser av en aktivitet. Vi snakker også om usikkerhet som følge av å ha ufullstendig eller upresis informasjon eller kunnskap om en hypotese, en størrelse eller opptreden av en hendelse.

Beskrivelse eller måling av usikkerheten gjøres ved hjelp av kunnskapsbaserte sannsynligheter og vurderinger av styrken på kunnskapen som disse sannsynlighetene bygger på.

Usikkerheten her omtales som epistemisk eller kunnskapsbasert usikkerhet, i motsetning til såkalt stokastisk eller aleatorisk usikkerhet som beskriver variasjon og modelleres ved hjelp av sannsynlighetsmodeller. Ved gjentatte kast av en terning vil antall øyne variere – denne variasjon kalles ofte stokastisk eller aleatorisk usikkerhet.

Klimarisiko: Risiko som er knyttet til endringer i klima.

Risikostyring: Risikostyring handler om hvordan vi styrer risiko, det vil si hvilke løsninger vi velger og hvilke tiltak vi setter inn for å finne «riktig» risiko, som balanserer ønskene om å skape verdier og å unngå skader og tap.

Sentrale elementer i risikostyringen er: risikoanalyser og -vurderinger, risikohåndtering, risikoakseptering og risikokommunikasjon. Risikohåndteringen omfatter blant annet fjerning av risiko, endring (reduksjon) av risiko og overføring av risiko (typisk ved forsikring).

Resiliens: Evnen et system har til å opprettholde eller gjenopprette sine grunnleggende funksjoner etter å ha blitt utsatt for endringer/påkjenninger/stress (risikokilder).

Resiliens og robusthet brukes om hverandre både i dagligtalen og i faglige sammenhenger. Det finnes imidlertid også mer spesifikke definisjoner for robusthet og resiliens som innebærer at disse to begrepene forstås på litt forskjellige måter. Vi snakker om at en person er robust når det gjelder å tåle ulike former for kommentarer: Han/hun lar seg ikke påvirke. Samme person er resilient når det gjelder å være i stand til å fungere i sin jobb til tross for langvarig sykdom, eller når det gjelder å komme tilbake til jobben etter mye fravær som følge av sykdom. Han/hun er slitesterk. Det handler om å opprettholde en funksjon til tross for sterke påkjenninger (enten disse er kjente eller ukjente).

Forsiktighetsprinsippet: Forsiktighetsprinsippet er en grunnleggende norm eller regel innen risikostyring som sier at forsiktighet skal være et rådende prinsipp. Tiltak skal iverksettes, eller en skal ikke gjennomføre en aktivitet, når det er usikkerhet knyttet til hva som blir konsekvensene (utfallene) av en aktivitet; med andre ord, når en står overfor risiko.

Dette prinsippet er implementert i alle industrier gjennom reguleringer og krav. Forsiktighetsprinsippet innebærer at en vektlegger blant annet:

• 1. Robuste løsninger, slik at avvik fra normaltilstanden ikke lett leder til fare- og ulykkessituasjoner.

• 2. Implementering av sikkerhetsbarrierer for å redusere de mulige negative konsekvensene av faresituasjoner og ulykkeshendelser hvis slike skulle oppstå. Vi snakker om forsvar-i-dybden der det finnes lag av barrierer.

• 3. Forbedring av ytelsen av barrierer ved å bruke prinsipper som redundans og diversifisering (blanding av systemer og komponenter som er helt forskjellige fra hverandre)

• 4. Kvalitetskontroll/kvalitetsstyring

• 5. Føre-var-prinsippet

Nivået av forsiktighet vil måtte balanseres mot andre hensyn, først og fremst økonomi og kostnader. For sterk vektlegging av forsiktighetsprinsippet kan hindre utvikling og vekst – alle endringstiltak bekjempes med henvisning til usikkerhet. Utfordringen er å finne den rette balansen mellom verdiskapning og risikotaking på den ene siden og forsiktighet (beskyttelse) på den andre.

Risikoanalyser, kost – nytteanalyser og andre tilsvarende analyser er metoder som gir innsikt når det gjelder risiko og hvordan balansere ulike hensyn (som økonomi og sikkerhet). Men disse metodene er bare redskaper – de har sine klare begrensninger. Analysene gir ikke objektive resultater. Det å være forsiktig innebærer også å reflektere dette faktumet. Vi må ikke tillegge prediksjonene og vurderingene som gjøres i analysene mer vekt enn det som metodene kan forsvare.

Føre-var: Føre-var-prinsippet kan sees på som et underprinsipp av forsiktighetsprinsippet som kommer til anvendelse når en står overfor vitenskapelig usikkerhet (og «ikke bare» risiko). Før-var-prinsippet uttrykker at tiltak skal iverksettes eller en ikke skal gjennomføre en aktivitet dersom det er betydelig vitenskapelig usikkerhet (uvitenhet) knyttet til konsekvensene av aktivitetene, og disse konsekvensene anses som alvorlige.

Høsten 2009 var det mange som grublet over om de skulle la seg vaksinere mot svineinfluensa eller la være. Vaksinen var ikke testet skikkelig og det var vitenskapelig usikkerhet med hensyn til hva konsekvensene av vaksinen ville bli. Noen unnlot å la seg vaksinere. De anvendte føre-var prinsippet.

Et annet eksempel er asbest. Allerede rundt år 1900 var det klare indikasjoner på at asbest kunne være helseskadelig, men mangelen på klare vitenskapelige svar gjorde at de ikke ble fulgt opp med forebyggende tiltak eller lovgivning. Føre-var-prinsippet ble ikke fulgt.

«Bedre føre var enn etter snar» er et gammelt ordtak. Hvordan skal dette ordtaket forstå i lys av definisjonene ovenfor av forsiktighetsprinsippet og føre var? Den vanlige forklaringen på ordtaket er at det lønner seg å vise forsiktighet og omtanke i det en gjør, og spesielt bør en gå forsiktig frem dersom kunnskapen om hva som kan komme til å skje er svak. Med andre ord, der usikkerhetene er store om hva resultatene vil bli, bør en være forsiktig. Begrepet føre var brukes altså i henhold til definisjonen av forsiktighetsprinsippet, som nevnt ovenfor.

Undervedlegg b

Skisser for Klimarisikofremstilling for selskaper (justert fra TCFD rapport) og nasjonalt nivå

Referanser

Aven, E. and Aven, T. (2015) On the need for rethinking current practice which highlights goal achievement risk in an enterprise context. Risk Analysis. Open Access. https://onlinelibrary.wiley.com/doi/full/10.1111/risa.12375

Aven, T. (2012) The risk concept. Historical and recent development trends. Reliability Engineering and System Safety. 115, 136 – 145.

Aven, T. (2014) Risk, Surprises and Black Swans. Routledge

Aven, T. (2016) Risk assessment and risk management: review of recent advances on their foundation. European Journal of Operational Research, 25: 1 – 13. Open access. http://www.sciencedirect.com/science/article/pii/S0377221715011479

Aven, T. (2017a) On some foundational issues related to cost-benefit and risk. Int. J. Business Continuity and Risk Management, 7(3), 182 – 91.

Aven, T. (2017b) How some types of risk assessments can support resilience analysis and management. Reliability Engineering & System Safety, 167, 536 – 543. Open access. https://www.sciencedirect.com/science/article/pii/S0951832016303787

Aven, T. (2017c) Improving risk characterisations in practical situations by highlighting knowledge aspects, with applications to risk matrices. Reliability Engineering & System Safety, 167, 42 – 48. Open access. https://www.sciencedirect.com/science/article/pii/S0951832016306950

Aven, T. (2018) Perspectives on the nexus between good risk communication and high scientific risk analysis quality. Reliability Engineering & System Safety, 178, 290 – 296.

Aven, T. and Renn, O. (2015) An Evaluation of the Treatment of Risk and Uncertainties in the IPCC Reports on Climate Change. Risk Analysis. Open access. http://onlinelibrary.wiley.com/doi/10.1111/risa.12298/full

Aven, T. and Renn, O. (2018) Improving Government Policy on Risk: Eight Key Principles. Reliability Engineering & System Safety. 176, 230 – 241. Open access. https://www.sciencedirect.com/science/article/pii/S0951832017305185

Cicero (2017) Shades of Climate Risk Categorizing climate risk for investors. REPORT 2017:01. Christa Clapp, Harald Francke Lund, Borgar Aamaas, Elisabeth Lannoo.

COSO (2016) Enterprise Risk Management Aligning Risk with Strategy and Performance. https://www.coso.org/Documents/COSO-ERM-FAQ.pdf.

Council of Europe (2017) 12 Principles of Good Governance. https://www.coe.int/en/web/good-governance/12-principles-and-eloge?desktop=true.

Graham, J., Amos, B. and Plumptre, T. (2003) Principles for Good Governance in the 21st Century. Policy Brief No. 15, August 2003. http://unpan1.un.org/intradoc/groups/public/documents/UNPAN/UNPAN011842.pdf.

IPCC (2007) Climate Change 2007: Synthesis Report. Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. P 104 in CoreWriting Team, Pachauri RK, Reisinger A (eds). Geneva, Switzerland: IPCC.

IPCC (2010) Guidance Notes for Lead Authors of the IPCC Fifth Assessment Report on Consistent Treatment of Uncertainties: IPCC Cross Working Group Meeting on Consistent Treatment of Uncertainties, 2010.

IPCC (2014) Climate Change 2014 Synthesis Report Summary for Policymakers.

ISO (2018) Risk Management. Principles and guidelines. ISO 31000.

NOG (2017) Norsk olje og gass – Et utvidet perspektiv på risiko. https://www.norskoljeoggass.no/no/virksomheten/HMS-og-Drift/Erfaringsoverforing-og-laering/SORTE-SVANER--Et-utvidet-perspektiv-pa-risiko/

Ptil (2017) Petroleumstilsynet. Risikobegrepet. http://www.ptil.no/risiko-og-risikoforstaelse/category823.html

Renn, O. and Klinke, A. (2016) Complexity, Uncertainty and Ambiguity in Inclusive Risk Governance, in: T. J. Andersen (ed) The Routledge Companion to Strategic Risk Management. Routledge, New York and London, 13 – 30.

Rosa, E.A. (1998) Metatheoretical foundations for post-normal risk. Journal of Risk Research 1, 15 – 44.

Rosness, R. and Forseth, U. (2014) Boxing and Dancing: Tripartite Collaboration as an Integral Part of a Regulatory Regime, in: P. Lindøe, M. Baram and O. Renn, O. (eds) Risk Governance of Offshore Oil and Gas Operations. Cambridge University Press, Cambridge, MA.

Sande, T. (2013, 1 October) Misforstått risiko. Stavanger Aftenblad, p. 20.

SRA (2015) Glossary Society for Risk Analysis [online] http://www.sra.org/resources.

SRA (2015a) Foundations of Risk Analysis. Society for Risk Analysis. http://sra.org/sites/default/files/pdf/FoundationsMay7 – 2015-sent-x.pdf

Taleb, N.N. (2007) The Black Swan: The Impact of the Highly Improbable. London: Penguin.

UK (2006) Guiding Principles of Governmental Risk Management. House of Lords. https://www.publications.parliament.uk/pa/ld200506/ldselect/ldeconaf/183/183i.pdf.

Van Asselt, M.B.A. and Renn, O. (2011) Risk governance. Journal of Risk Research, 14(4), 431 – 449.