Sztuczna inteligencja - technologia do walki z przestępstwami finansowymi i praniem pieniędzy

ikona publikacji - ciemny
Opublikowano: 19 lipca 2021
ikona autora biały
sztuczna inteligencja

W związku z tym, że metodologia przestępczości jest coraz bardziej zaawansowana, walka z praniem brudnych pieniędzy staje się ogromnym wyzwaniem dla wszystkich instytucji finansowych na całym świecie.

W związku z tym konieczne staje się wprowadzenie środków AML (Anti-Money Laundering). Ponieważ AML wymaga radzenia sobie z ogromną ilością danych o klientach, instytucje te zwracają się w stronę AI i uczenia maszynowego. Dzięki nim mogą identyfikować i wykrywać działania związane z praniem pieniędzy.

AI wykonuje zadania AML szybciej niż człowiek, a ponadto, dzięki uczeniu maszynowemu, posiada zdolność do modyfikowania nowych zagrożeń i wykrywania nowych metod prania pieniędzy. Dzięki temu instytucje finansowe są w stanie szybko dostosować się do różnych środowisk regulacyjnych.

Kiedy dane transakcyjne klienta są włączone do programu AML, AI i modele uczenia maszynowego analizują zachowanie, aby stworzyć przewidywania i postrzeganie klienta w przyszłości.

W jaki sposób AI i uczenie maszynowe są korzystne w walce z przestępstwami finansowymi i praniem brudnych pieniędzy?

Postrzeganie klienta

  • Systemy AI umożliwiają systemom CDD (Customer Due Diligence) i KYC (Know Your Customer), aby odbywały się w szybszym tempie, z większą dokładnością i zasięgiem.
  • Skutecznie identyfikować i gromadzić dane z większej liczby źródeł zewnętrznych, w tym list obserwacyjnych, list sankcji, oraz tworzyć faktyczny profil klienta.
  • Rozpoznawać wartościowych właścicieli jednostek klientów dzięki szybszemu i skuteczniejszemu wykorzystaniu danych zewnętrznych.
  • Gromadzić i uzgadniać dane klientów w systemach wewnętrznych w celu usunięcia powieleń i błędów oraz zwiększenia intensywności działań AML wśród klientów.
  • Automatycznie wzbogaca raporty o podejrzanych działaniach o odpowiednie dane z profili ryzyka klientów lub dane ze źródeł zewnętrznych.

Nieustrukturyzowane dane

Poza tworzeniem profili ryzyka klienta istnieją inne ważne etapy. W ramach monitorowania transakcji, sprawdzania PEP, sprawdzania sankcji i monitorowania mediów, proces AML wymaga identyfikacji i analizy danych nieustrukturyzowanych. Każda instytucja finansowa musi dołożyć starań, aby wykorzystać dane nieustrukturyzowane w celu rozpoznania życia zawodowego, społecznego i politycznego poprzez analizę szeregu źródeł zewnętrznych, w tym archiwów publicznych, mediów, sieci społecznościowych itp. W rtakich okolicznościach AI pomaga instytucji w rozpoznaniu tych nieustrukturyzowanych danych. Po ich zebraniu i przeanalizowaniu, AI pomaga instytucji w priorytetyzacji i kategoryzacji informacji. To z kolei pomaga zarządzać ryzykiem.

Zgłaszanie wątpliwej działalności

AI może pomóc w raportowaniu wątpliwej działalności poprzez tworzenie raportów, a także poprzez automatyczne wypełnianie ich dokładnymi informacjami. Po złożeniu raportów do władz, SAR przechodzi przez proces raportowania wewnętrznego. Technologia AI może ułatwić proces SAR, ponieważ algorytmy mogą generować automatyczne raporty z dokładnymi danymi i przekazywać te dane w przystępnym, ustandaryzowanym języku w celu wyeliminowania biurokratycznych utrudnień. Dzięki ustandaryzowanemu językowi i terminologii, AI zwiększa szybkość i efektywność raportowania AML przez instytucję.

Minimalizacja zakłóceń

System AML jest złożony i stanowi czasochłonną procedurę, dlatego zaletą jest włączenie AI do systemu AML. Pomaga to w zwiększeniu szybkości i wydajności. Jednak jedną z głównych przeszkód w tym procesie są zakłócenia lub "fałszywe pozytywne wyniki" które są rezultatem nieodpowiednich danych lub nadmiernej wrażliwości etapów AML. W takich przypadkach systemy AI odgrywają istotną rolę, generując znaczący wpływ na transformację poziomu zakłóceń generowanego podczas procesu AML.

AI pomaga instytucjom w uzyskaniu lepszego wglądu we wzorce transakcji klienta i umożliwia im usunięcie błędnych i nieważnych alertów, które sprawiają, że proces jest kosztowny dla instytucji i niewygodny dla klientów. Poprzez minimalizację zakłóceń, AI i narzędzia uczenia maszynowego umożliwiają pracownikom AML lepsze priorytetyzowanie i kierowanie najbardziej potrzebnych alertów dotyczących prania pieniędzy. W ten sposób AI skuteczniej przyczynia się do walki z przestępczością finansową.

Ograniczenia AI

Aby nadążyć za rosnącym ryzykiem przestępstw finansowych i prania brudnych pieniędzy oraz potrzebą szybszego reagowania na te nowe zagrożenia, często nowe modele AI i uczenia maszynowego są przedwcześnie wprowadzane na rynek. Powoduje to ogromny sceptycyzm wokół technologii AI i Machine Learning. Dlatego banki muszą pamiętać, że eksperymentowanie z AI może mieć też negatywne skutki. Dlatego powinny skupić się na realizacji strategicznych, gotowych do produkcji mikroprojektów AI równolegle z zespołami ludzkimi, aby dostarczać użytecznych informacji i wartości.

Kategoria wpisu:

Podobne tematy

Sztuczna inteligencja w samochodach może zapobiec korkom ulicznym

Zespół naukowców odkrył, że tempomat wyposażony w sztuczną inteligencję może pomóc w likwidacji korków na ulicach. W pięciodniowym eksperymencie na I-24 w Nashville w stanie Tennessee w USA wzięło udział 100 samochodów kierowanych przez ludzi. Każdy z nich wyposażony był w system tempomatów ze sztuczną inteligencją. Zespół zastosował dwa algorytmy: "planista prędkości" i "kontroler". Oba […]

Wielka Brytania uznaje porno deepfake za przestępstwo

Władze Wielkiej Brytanii rozpatrzą projekt ustawy zakazującej rozpowszechniania materiałów o wyraźnym zabarwieniu i deepfake porno bez zgody osób na nich przedstawionych. Taką informację podaje The Guardian. The Guardian donosi, że zdjęcia o charakterze seksualnym wykonane bez zgody za pomocą ukrytych kamer będą karalne. Zdelegalizowałaby również "whistleblowing" - rozpowszechnianie osobistych zdjęć w ramach zemsty. Zgodnie z […]

USA wezwały do wpisania samochodów-robotów na listę zagrożeń narodowych

Amerykańscy kongresmani zostali poproszeni o sprawdzenie importowanej z Chin technologii jazdy bezzałogowej pod kątem zagrożeń dla bezpieczeństwa narodowego. Takie informacje podaje Wired. Członek Izby Reprezentantów USA z Partii Republikańskiej, August Pflüger, wysłał do NHTSA odpowiedni list. Kongresman poprosił regulatora o odpowiedź na szereg pytań związanych z prześwietlaniem zagrożeń dla bezpieczeństwa narodowego przez chińskie firmy. Pozostaję […]

Konkurent Neuralink stworzył implant neuronowy do leczenia ślepoty

Firma Science, należąca do współzałożyciela Neuralink, Maxa Hodaka, zaprezentowała Science Eye, neuro-interfejs do leczenia chorób oczu, które wywołują ślepotę. Start-up skupia się na fotonice. Specjaliści firmy nie wszczepiają chipów głęboko do mózgu, jak robi to Neuralink, ale wykorzystują światło i nerw wzrokowy oka. Science Eye to cienka, szeroka na 2 mm folia LED, która jest […]

Flywire osiąga rekordowe przychody w III kwartale 2022 r.

Flywire, notowana na Nasdaq firma zajmująca się umożliwieniem i obsługą międzynarodowych płatności, podała wczoraj swoje wyniki finansowe za trzeci kwartał 2022 roku. W ciągu trzech miesięcy zakończonych 30 września 2022 r. przychody Flywire osiągnęły 95,2 mln USD, co oznacza wzrost o 40% w porównaniu z 67,8 mln USD w tym samym okresie ubiegłego roku. Całkowity […]
5 1 Głos
Oceń artykuł
guest
0 komentarzy
Inline Feedbacks
View all comments
© FintechPortal.pl 2021 Wszelkie prawa zastrzeżone
star