Naarmate criminele methoden steeds geavanceerder worden, is de strijd tegen het witwassen van geld wordt een enorme uitdaging voor alle financiële instellingen over de hele wereld. Daarom wordt het noodzakelijk om AML-maatregelen (Anti-Money Laundering) te nemen. Omdat AML een enorme hoeveelheid klantgegevens moet verwerken, wenden ze zich tot: AI en Machine leren, om hen te helpen bij het identificeren en opsporen van witwasactiviteiten.
AI voert AML-taken sneller uit dan een menselijke werknemer en heeft door machine learning ook de mogelijkheid om nieuwe bedreigingen aan te passen en nieuwe witwasmethoden te detecteren. Het zorgt ervoor dat financiële instellingen kunnen zich snel aanpassen aan verschillende regelgevende omgevingen.
Wanneer transactiegegevens van een klant worden opgenomen in een AML-programma, analyseren AI- en machine learning-modellen het gedrag om in de toekomst voorspellingen en percepties over die klant te doen.
Hoe zijn AI en Machine Learning voordelig in de strijd tegen financiële criminelen en witwassers?
Klantpercepties
AI-systemen maken de CDD (Customer Due Diligence) en KYC (Know Your Customer) systemen, sneller en met grotere diepgang en reikwijdte.
Identificeer en verzamel op efficiënte wijze gegevens uit een groter aantal externe bronnen, waaronder watchlists, sanctielijsten, en creëer een feitelijk profiel van de klant.
Herken waardevolle eigenaren van klantentiteiten door externe data sneller en efficiënter te gebruiken.
Verzamel en verzoen klantgegevens over interne systemen om replicatie en fouten te verwijderen en de dichtheid van AML-maatregelen onder klanten te intensiveren.
Verbeter automatisch dubieuze activiteitenrapporten met de juiste gegevens uit klantrisicoprofielen of gegevens uit externe bronnen.
Ongestructureerde gegevens
Naast het maken van klantrisicoprofielen zijn er nog andere belangrijke stappen. Als onderdeel van het monitoren van transacties, het screenen van PEP, het screenen van sancties en het monitoren van media, vereist het AML-proces het identificeren en analyseren van de ongestructureerde gegevens. Elke financiële instelling moet zich inspannen om de ongestructureerde gegevens te gebruiken om hun professionele, sociale en politieke leven te herkennen door een reeks externe bronnen te inspecteren, waaronder openbare archieven, media, sociale netwerken, enz. In dergelijke omstandigheden helpt AI de instelling om te herkennen die ongestructureerde gegevens. Zodra de gegevens zijn verzameld en geanalyseerd, helpt AI de instelling bij het prioriteren en categoriseren van informatie om risicobeheer te ondersteunen.
Dubieuze activiteit melden
AI kan helpen bij het rapporteren van twijfelachtige activiteiten door rapporten te produceren en ook door ze automatisch te vullen met nauwkeurige informatie. Na het indienen van rapporten bij de autoriteit doorlopen SAR's een proces van interne rapportage. AI-technologie kan het SAR-proces gemakkelijk maken, aangezien algoritmen geautomatiseerde rapporten met nauwkeurige gegevens kunnen genereren en die gegevens kunnen omzetten in een toegankelijke, gestandaardiseerde taal om bureaucratische wrijving te elimineren. Door gestandaardiseerde taal en terminologie verhoogt AI de snelheid en efficiëntie van de AML-rapportage van een instelling.
Ruisminimalisatie
Het AML-systeem is complex en een tijdrovende procedure. Daarom is het een voordeel om AI op te nemen in een AML-systeem, wat helpt bij het toevoegen van snelheid en efficiëntie. Maar een van de grootste hindernissen in het proces is het ruisniveau of valse positieven die het gevolg zijn van onvolledige of ontoereikende gegevens of overgevoeligheid van AML-stappen. In dergelijke gevallen spelen AI-systemen een belangrijke rol door een significant transformerend effect te genereren op het geluidsniveau dat tijdens het AML-proces wordt gegenereerd.
AI helpt de instelling om meer inzicht te krijgen in de transactiepatronen van klanten en stelt hen in staat om verkeerde en ongeldige waarschuwingen te verwijderen, wat het proces kostbaar maakt voor de instellingen en onhandig voor klanten. Door ruis te minimaliseren, stellen AI- en machine learning-tools AML-medewerkers in staat om de meest vereiste witwaswaarschuwingen beter te prioriteren en door te sturen. Zo draagt AI beter bij aan de bestrijding van financiële criminaliteit.
Beperkingen van AI
Om gelijke tred te houden met het toenemende risico van financiële criminelen en witwassers en de noodzaak om sneller op die nieuwe bedreigingen te reageren, worden vaak nieuwe AI- en machine learning-modellen voortijdig op de markt gebracht zonder de juiste training. Dit zorgt voor een enorme scepsis rond AI- en Machine Learning-technologieën. Daarom moeten banken onthouden dat AI-experimenten gepaard gaan met afnemende opbrengsten. Ze moeten zich richten op het uitvoeren van strategische, productieklare AI-microprojecten in parallel met menselijke teams om bruikbare inzichten en waarde te leveren.
PlatoAi. Web3 opnieuw uitgevonden. Gegevensintelligentie versterkt.
Klik hier om toegang te krijgen.
Bron: https://www.fintechnews.org/ai-technology-to-fight-financial-criminals-and-money-launderers/
