Aziende come colibrì ed Via Babele stanno applicando con successo nuove tecnologie per migliorare l’efficienza degli aspetti a lungo complessi della conformità. In questo modo, hanno creato un potente mix uomo/tecnologia che migliora sia le prestazioni che la soddisfazione del personale.

Colibrì recentemente rilasciato automazioni, un nuovo strumento per aumentare la produttività della conformità, ridurre i rischi e abbassare i costi. Le automazioni rimuovono le attività manuali in modo che le aziende possano impiegare il personale in compiti di valore più elevato. Migliora inoltre il monitoraggio dei casi e applica le politiche interne.

L'attività è centralizzata sulla piattaforma di investigazione sui crimini finanziari di Hummingbird, dove i clienti vedono i dati aziendali, i flussi di lavoro e le politiche diventare i componenti di automazione. I professionisti possono utilizzare soluzioni predefinite o crearne di proprie. Automations offre ricette per KYC, KYB, garanzia di qualità, preparazione dei casi, monitoraggio e gestione e sintesi di attività.

Il fondatore e CEO di Hummingbird, Joe Robinson, è un veterano del fintech che ha ricoperto il ruolo di senior product manager presso Square e vicepresidente del rischio e della scienza dei dati presso Circle. Ha affermato di aver fondato Hummingbird per affrontare i problemi riscontrati nell'introduzione in sicurezza di maggiore efficienza e automazione nel lavoro investigativo.

Robinson ha affermato che è essenziale separare la frode dalla conformità e dal riciclaggio di denaro. In molti casi di frode, le vittime vengono avvisate dall'emittente della carta, grazie alla capacità dell'istituto di rilevare anomalie nei modelli. Il riciclaggio di denaro raramente comporta frodi, poiché di solito è condotto da organizzazioni criminali che non vogliono attirare l’attenzione sulle loro azioni.

Mantenere l'essere umano conforme

Quando si progetta un programma di conformità, Robinson afferma che è fondamentale dare priorità all'elemento umano. Le persone hanno diritto ai servizi finanziari; se progettata in modo errato, l’automazione può violarli. Gli esseri umani dovrebbero essere tenuti al corrente per evitare pregiudizi e garantire che vengano serviti i clienti legittimi.

Molti problemi di conformità sono complessi e ciò implica un elevato impiego di manodopera. Robinson ha affermato che la raccolta dei dati richiede tempo; la frammentazione dei dati in molte istituzioni rende il processo più impegnativo. I controlli potrebbero includere l’esame di 12 mesi di transazioni e la ricerca di articoli e notizie su persone correlate all’azienda da intelligence open source, social media e altre fonti.

“Tutto ciò richiede tempo, richiede tempo e richiede la raccolta di dati”, ha affermato Robinson. "C'è molto potere per automatizzare le parti più banali e noiose di quel lavoro e lasciare che gli umani applichino ciò in cui sono così bravi, ovvero interpretare i risultati e capire cosa è successo."

Fornire scelta e spiegabilità

Con le automazioni, i team di conformità possono scegliere quali attività completare il sistema, come la raccolta e la preparazione dei dati, i promemoria e le procedure. Possono essere basati su regole o toccare modelli di intelligenza artificiale per riassumere le informazioni. Ciò dà ai clienti la decisione finale su quali algoritmi e modelli utilizzare.

La spiegabilità è un aspetto essenziale di qualsiasi sistema di conformità. Robinson ha affermato che qualsiasi sistema automatizzato deve essere verificabile, fino alla tecnologia utilizzata e alle decisioni prese. Con le aziende più grandi, tale spiegabilità deve estendersi a migliaia di investigatori che conducono molte più migliaia di indagini ogni settimana.

Come Babel Street ha rafforzato la propria capacità di conformità

Il direttore dello screening dei nomi Greg Pinn ha detto che le origini di Babel Street risiedevano nell'uso delle informazioni per mitigare il rischio per la sicurezza dei confini e del territorio nazionale. Proprio come la conformità, comportava il riepilogo di risme di dati in formati facilmente comprensibili.

Babel Street ha ampliato la sua portata alla fine del 2022 quando ha acquisito Rosette, una piattaforma di analisi del testo che utilizza l’apprendimento automatico e le reti neurali profonde per estrarre informazioni significative da dati non strutturati. Ciò ha aiutato con la corrispondenza e lo screening dei nomi, consentendo a Babel Street di affrontare aspetti unici di nomi provenienti da lingue e culture diverse. Ad esempio, potrebbero avere senso i documenti per un cittadino americano che viaggia con un passaporto cinese e un biglietto aereo di un aereo tedesco.

Nel gennaio 2024, Babel Street ha aggiunto Vertical Knowledge, una società di prodotti dati, insight globali e intelligence specializzata nell'aiutare i clienti ad affrontare sfide aziendali complesse con una libreria di risorse dati contestualizzate. Pinn ha affermato che ciò migliora la capacità avanzata di screening dei nomi di Babel Street.

Guardare oltre l'hype sull'IA per offrire valore reale

In mezzo al fervore dell'intelligenza artificiale, Pinn ha affermato che è importante concentrarsi su quali nuovi problemi può risolvere. Per Pinn, tutto inizia con l’estrazione di dati da dati non strutturati e intelligence. Nel mondo AML, questo è un problema sfuggente.

Gli screener devono affrontare diverse sfide. Quando si considerano notizie non strutturate, come gli articoli di siti Web, si tratta di un processo manuale che non è scalabile. I database strutturati richiedono capitale umano per essere aggiornati.

"Poi hai iniziato a cercare di combinare queste due cose, creando tecnologia AI ed elaborazione del linguaggio naturale per estrarre informazioni, dettagli identificabili dell'utente e informazioni sui rischi per creare un database live di rischi costantemente aggiornato", ha affermato Pinn. “Così capisci chi è ancora a rischio. Si tratta di un enorme passo avanti nella comprensione della rischiosità delle persone in tutto il mondo. 

“Le statistiche sulle persone catturate oggi… sono orribili. Non facciamo un ottimo lavoro. Quindi, per me, questo è uno dei modi principali in cui possiamo migliorare”.

Ci sono state alcune preoccupazioni riguardo all’apertura della porta della conformità a tecnologie come l’intelligenza artificiale. Come ha sottolineato Robinson, è necessario che ci sia un elemento umano significativo nel ciclo.

Dove i LLM funzionano e dove no

Pinn ha affermato che intorno al 2018 diversi regolatori si sono uniti per sollecitare gli innovatori a utilizzare la tecnologia per migliorare i processi. Sebbene gli LLM siano il nuovo giocattolo, le aziende non dovrebbero necessariamente iniziare da lì. Pinn ha affermato che strumenti come Chat GPT non sono adatti per attività di conformità ripetitive, poiché sono deboli nel riassumere le informazioni rilevanti.

"Diverse aziende utilizzano questi grandi modelli linguistici per riassumere più articoli, ma ciò non risolve il problema", ha affermato Pinn. “Utilizza una nuova tecnologia semplicemente perché volevi usarla. 

“Il problema fondamentale che i consulenti di intelligenza artificiale dovrebbero risolvere è come fare in modo che gli esseri umani svolgano meno lavoro in cui gli esseri umani non sono bravi?”

Un esempio è l’alto costo dello screening dei falsi positivi da parte del personale. È ripetitivo, con un turnover elevato. È maturo per il cambiamento.

Pinn ha affermato che esiste uno spazio in cui l’intelligenza artificiale può prendere decisioni migliori su chi e cosa schermare. I modelli addestrati devono valutare accuratamente il sentiment filtrando al contempo il rumore.

Guardando al futuro, la sfida sarà ottenere l’accesso ai dati di importanti aziende. Pinn ha affermato che creano strutture di prezzo ostruttive che influiscono sia sulla capacità delle forze dell’ordine che dell’industria privata di utilizzare tali dati per rilevare modelli nuovi e rilevanti.

Innovazione negli UBO, risoluzione delle entità

Pinn ha affermato che la risoluzione delle entità è un’altra area importante per l’innovazione. Le nuove tecnologie possono trarre valore dai dati non strutturati. L’intelligenza artificiale può aiutare gli investigatori a visualizzare in modo completo lo stato di salute di un istituto finanziario. Ciò fornisce loro una base più accurata da cui verificare le frodi.

L’intelligenza artificiale può anche aiutare gli investigatori a comprendere le relazioni del proprietario effettivo finale (UBO), soprattutto perché alcuni governi impongono database UBO.

Il connubio intelligenza/conformità

Robinson ha affermato che le tecnologie possono aiutare le imprese e gli enti regolatori a far fronte a un contesto normativo in rapida evoluzione. Anche i criminali utilizzano l’intelligenza artificiale, che consente loro di cambiare rapidamente direzione quando la legge si accorge dei loro metodi.

Una considerazione quando si utilizza la tecnologia è garantire che i clienti ottengano la migliore intelligenza pur rimanendo conformi.

"Questi modelli sono potenti nel considerare ampi set di dati e nel riassumere informazioni importanti", ha affermato Robinson. "Stiamo cercando di sviluppare set di strumenti che forniscano loro l'intelligenza e le informazioni giuste al momento giusto."

Robinson ha affermato di essere entusiasta del potenziale degli LLM di riassumere grandi volumi di informazioni. Ha detto che sono bravi a estrarre e riassumere informazioni rilevanti.

Molti nel settore hanno espresso preoccupazione riguardo alla ricerca di database sufficientemente ampi per formare LLM privi di rumore e false informazioni. Robinson ha affermato che Hummingbird può aiutare le istituzioni finanziarie con un altro problema: mantenere i loro modelli liberi da informazioni di identificazione personale (PII) e garantire che tali modelli non le diffondano.

Leggi anche:

.pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-radius: 5% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-size: 24px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { font-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-weight: normal !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a:hover { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-user_url-profile-data { color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { text-align: center !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-recent-posts-title { border-bottom-style: dotted !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { border-style: solid !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { color: #3c434a !important; }

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://www.fintechnexus.com/how-technology-is-improving-compliance/