Quy mô, mức độ phức tạp và phức tạp của tội phạm tài chính đã tăng lên nhanh chóng trong thập kỷ qua. Những tiến bộ công nghệ đã cải thiện khả năng ngăn chặn, phát hiện và báo cáo các tội phạm như vậy của các ngân hàng và tổ chức tài chính (FI).
Nhưng chính công nghệ tiên tiến đó đang bị bọn tội phạm khai thác để mang lại lợi ích cho chúng bằng cách gia tăng các tội phạm tài chính sáng tạo hơn, dẫn đến việc mở rộng các loại hình gian lận và rửa tiền cùng nhiều loại tội phạm khác.
Chúng ta có thể tận dụng AI để nâng cao hiệu quả và hiệu quả của việc sàng lọc phương tiện truyền thông bất lợi không?
Sàng lọc phương tiện truyền thông bất lợi là một phần quan trọng của các biện pháp chống tội phạm tài chính được các ngân hàng và tổ chức tài chính áp dụng, với tư cách là cơ quan quản lý trên toàn cầu, từ Mạng lưới Thực thi Tội phạm Tài chính (Hoa Kỳ) đến Ủy ban Châu Âu (EU), Cơ quan Quản lý Tài chính (Anh) và một số tổ chức khác, đang thực thi các yêu cầu nghiêm ngặt trên cùng. Trong quá trình làm quen, điều bắt buộc là phải kiểm tra khách hàng (KYC), đánh giá theo lịch trình và giám sát liên tục như một phần của quá trình thẩm định khách hàng (CDD).
Điều cần thiết là phải thu thập tất cả thông tin chi tiết về khách hàng hoặc khách hàng tiềm năng, bao gồm mọi thông tin tiêu cực về họ để ngân hàng có thể thực hiện cách tiếp cận dựa trên rủi ro đối với mối quan hệ với khách hàng đó.
Công nghệ đã cho phép chúng ta tiếp cận khối lượng, sự đa dạng và tốc độ đáng kinh ngạc của tin tức và thông tin từ khắp nơi trên thế giới. Sau đó, liệu con người có thể sàng lọc hàng triệu khách hàng của bất kỳ ngân hàng nào bằng cách tìm kiếm trên web các tin tức bất lợi, phân tích mọi tin tức tiêu cực và sau đó xem xét chúng để lập hồ sơ rủi ro về khách hàng bị buộc tội không? Thay vào đó, chúng ta có thể tận dụng trí tuệ nhân tạo (AI) để nâng cao hiệu lực và hiệu quả của việc sàng lọc phương tiện truyền thông bất lợi không?
Tin tức tiêu cực và sàng lọc phương tiện truyền thông bất lợi: bối cảnh và thách thức hiện tại
Hầu hết các ngân hàng và tổ chức tài chính hiện đang tiến hành sàng lọc phương tiện truyền thông bất lợi bằng cách tìm kiếm thủ công trong phạm vi công cộng, ví dụ như thông qua Google hoặc Bing, nói chung trong quá trình giới thiệu và đánh giá định kỳ về khách hàng. Những tìm kiếm như vậy dựa trên tên và từ khóa và tạo ra khối lượng kết quả lớn. Sau đó, các nhà phân tích sẽ đọc qua các kết quả này để xác định các kết quả phù hợp. Quá trình này đã được chứng minh là còn thiếu sót do những thách thức sau:
- Việc phân tích thủ công khối lượng lớn kết quả tìm kiếm cho mỗi khách hàng rất tốn thời gian và dễ xảy ra lỗi.
- Kết quả tìm kiếm thường không khớp về ngữ cảnh và khách hàng mục tiêu, vì tìm kiếm từ khóa hiển thị kết quả ngay cả khi khách hàng của ngân hàng không phải là thủ phạm nhưng đã được đề cập trong bài viết trong một ngữ cảnh khác. Ngoài ra, kết quả hiển thị các thực thể có cùng tên với khách hàng của ngân hàng và cần được chiết khấu.
- Tìm kiếm trong phạm vi công cộng có những hạn chế vì chỉ tìm kiếm các bài viết trên web mở, mặc dù có nhiều nguồn dữ liệu và tin tức khác.
- Tin tức được xuất bản bằng ngôn ngữ địa phương có thể không khớp với các từ khóa được nhập bằng tiếng Anh (hoặc ngôn ngữ khác) và do đó không hiển thị trong kết quả.
- Do quá trình này tốn nhiều thời gian và công sức nên các ngân hàng không thể tiến hành sàng lọc tin tức tiêu cực định kỳ trên toàn bộ cơ sở khách hàng của mình.
Sàng lọc phương tiện truyền thông bất lợi do AI điều khiển: tăng cường tuân thủ
Trí tuệ nhân tạo (AI) đã có bước tiến mạnh mẽ trong lĩnh vực tự động hóa sàng lọc tin tức tiêu cực và tối ưu hóa phân tích kết quả tìm kiếm. Những đổi mới dựa trên máy học (ML) và xử lý ngôn ngữ tự nhiên (NLP), tất cả đều thuộc họ AI, đã và đang phá vỡ bối cảnh công nghệ tuân thủ tội phạm tài chính. Và giờ đây, họ đang chuyển đổi chức năng sàng lọc tin tức tiêu cực bằng tính năng đối sánh, giám sát và phân xử kết quả tìm kiếm nâng cao tự động. Đây là cách các giải pháp kết hợp thông minh có thể tăng cường sàng lọc phương tiện truyền thông bất lợi:
- Tìm kiếm sâu hơn và rộng hơn trên web mở, web sâu và các nguồn thông tin cao cấp khác bao gồm dữ liệu có cấu trúc và phi cấu trúc. Tin tức toàn cầu và địa phương bằng nhiều ngôn ngữ cũng có thể được tìm nguồn và khớp với các từ khóa bằng cách sử dụng các điều chỉnh ngôn ngữ.
- Khả năng khớp ngữ cảnh đảm bảo rằng các bài viết tin tức có đề cập tiêu cực đến khách hàng mục tiêu sẽ chỉ được cảnh báo.
- Các sự kiện và chỉ báo rủi ro cho tìm kiếm bao gồm các tin tức bất lợi trong các danh mục như vi phạm pháp lý, hình sự, tài chính, quy định, danh tiếng, môi trường, xã hội và các vi phạm khác. Các cảnh báo được nhóm theo danh mục tương ứng dựa trên nội dung tin tức.
- Mức độ tin cậy của trận đấu dựa trên điểm rủi ro được tạo cho mỗi cảnh báo tin tức được hiển thị, điều này cho biết khả năng cảnh báo đó là một trận đấu thực sự. Điều này giúp ưu tiên các cảnh báo để phân tích.
- Việc tự động phân loại trong quá trình phân loại cảnh báo có thể được cấu hình dựa trên rủi ro cảnh báo và điểm tin cậy. Tiêu chí để loại bỏ một cảnh báo là sai phải do ngân hàng quyết định, dựa vào đó thuật toán học máy có thể loại bỏ cảnh báo. Logic cho hành động đó được đề cập dưới dạng nhận xét đóng cảnh báo.
- Khả năng sàng lọc định kỳ dựa trên bộ lập lịch cho phép các ngân hàng thực hiện sàng lọc hàng loạt khách hàng theo tần suất do họ quyết định, có thể định cấu hình được. Điều này bổ sung cho khả năng sàng lọc thời gian thực của các giải pháp đó.
- Khả năng kiểm tra được đảm bảo vì kết quả sàng lọc và xét xử dựa trên AI có thể được lưu trữ bằng dấu vết kiểm tra, trong cơ sở dữ liệu tại chỗ hoặc trên đám mây.
Triển khai sàng lọc phương tiện truyền thông bất lợi dựa trên AI: một hành trình chuyển đổi
Việc chuyển từ sàng lọc tin tức tiêu cực thủ công hoặc không tồn tại sang sàng lọc dựa trên máy thông minh có thể là một hành trình chuyển đổi phức tạp đối với ngân hàng hoặc tổ chức tài chính. Việc xem xét các khía cạnh sau khi bắt đầu hành trình này có thể giúp đạt được kết quả mong muốn về mặt tuân thủ, tối ưu hóa cảnh báo, giảm dương tính giả và độ tin cậy cao hơn trong việc phát hiện dương tính thực sự:
- Chất lượng dữ liệu khách hàng được lưu giữ trong FI
Dữ liệu khách hàng là thông tin chính cần được đối chiếu với cơ sở dữ liệu tin tức bên ngoài, chất lượng của nó ảnh hưởng đến kết quả sàng lọc và xét xử. Làm phong phú thêm chất lượng dữ liệu khách hàng thông qua phân tích và tích hợp với các nguồn dữ liệu bên ngoài có thể nâng cao kết quả so khớp.
- Nguồn dữ liệu để sàng lọc tin tức tiêu cực, toàn cầu và địa phương
Các công cụ dựa trên AI có thể tìm kiếm nhiều nguồn tin tức khác nhau, bao gồm tin tức bằng ngôn ngữ địa phương và tạo ra kết quả tìm kiếm có liên quan thông qua việc điều chỉnh ngôn ngữ. Ngân hàng cần quyết định các nguồn tin tức tối ưu cho việc tìm kiếm như vậy, vì quá nhiều hoặc quá ít nguồn có thể ảnh hưởng đến hiệu quả của việc sàng lọc này. Bỏ qua cơ sở dữ liệu tin tức địa phương cũng có thể có nghĩa là thiếu thông tin quan trọng không được báo cáo trên toàn cầu.
- Lịch chiếu phim
Việc sàng lọc hàng ngày để sàng lọc tin tức tiêu cực có thể khó khăn đối với bất kỳ ngân hàng nào do số lượng lớn các báo cáo tin tức được đưa ra mỗi ngày bởi số lượng lớn các nguồn tin tức. Các ngân hàng có thể tối ưu hóa lịch trình sàng lọc phương tiện truyền thông bất lợi bằng cách sử dụng phương pháp tiếp cận dựa trên rủi ro - sàng lọc khách hàng có rủi ro cao thường xuyên hơn, ví dụ hàng tuần, trong khi ít thường xuyên hơn đối với khách hàng có rủi ro trung bình và thấp. Nguồn cấp dữ liệu cụ thể của khách hàng cũng có thể được lên lịch nếu ngân hàng quyết định áp dụng phương pháp đó, ngoài việc sàng lọc theo thời gian thực.
- Tiêu chí để tự động xét xử các cảnh báo sai
Đối với các cảnh báo tin tức tiêu cực được tạo bằng các công cụ dựa trên AI, các thuật toán sẽ chỉ định điểm rủi ro và khả năng xảy ra cho mỗi cảnh báo. Việc xử lý cảnh báo ở cấp độ một có thể được cấu hình trong các công cụ như vậy theo hai cách và ngân hàng cần quyết định phương pháp nào họ muốn áp dụng. Trong phương pháp đầu tiên, cấu hình có thể dựa trên quy tắc, bằng cách gắn thẻ cảnh báo ở mức rủi ro thấp, trung bình hoặc cao theo phạm vi điểm rủi ro đã thống nhất. Cảnh báo rủi ro thấp có thể được giảm giá trực tiếp, cảnh báo rủi ro cao có thể tăng trực tiếp lên cấp hai và chỉ có thể điều tra cảnh báo rủi ro trung bình ở cấp một. Ngoài ra, các thuật toán AI có thể được xây dựng để điều chỉnh linh hoạt các phạm vi cảnh báo rủi ro thấp, trung bình và cao dựa trên việc học hỏi liên tục và thực hiện phân loại theo mức độ rủi ro tương ứng.
- Tích hợp với quy trình làm việc KYC
Sau đó, việc tìm kiếm thủ công các tin tức tiêu cực sẽ được thu thập kết quả trong nền tảng quy trình làm việc KYC. Việc chuyển sang sàng lọc dựa trên AI sẽ yêu cầu FI tích hợp công cụ sàng lọc với quy trình làm việc KYC, nơi có thể nhập cảnh báo sàng lọc. Trong trường hợp FI có các hệ thống KYC khác nhau, nó có thể yêu cầu tích hợp quy trình công việc KYC và quản lý trường hợp vào một nền tảng duy nhất, sau đó kết nối giải pháp sàng lọc với nền tảng đó.
- Chấp nhận theo quy định
Các cơ quan quản lý trên toàn cầu, từ FinCEN và OCC (Hoa Kỳ) đến Austrac (Úc), MAS ( Singapore) và FCA (Anh), đang khuyến khích các tổ chức tài chính trong phạm vi quyền hạn của họ tận dụng các công cụ kỹ thuật số tiên tiến để tăng cường nền tảng tuân thủ tội phạm tài chính của họ. Vì vậy, việc sử dụng AI để sàng lọc phương tiện truyền thông bất lợi, với quy trình kiểm tra phù hợp, có thể nằm trong phạm vi được chấp nhận theo quy định vì việc áp dụng tuân thủ dựa trên máy đang nhanh chóng mở rộng.
Một số ngân hàng và tổ chức tài chính đã bắt đầu hành trình này, trong khi một số khác đã bắt đầu khám phá. Có thể chỉ là vấn đề thời gian khi những lợi ích thu được và bài học rút ra từ kinh nghiệm của họ sẽ khuyến khích những người khác làm theo. Việc sàng lọc phương tiện truyền thông bất lợi được hỗ trợ bởi AI có thể chỉ là nước sốt hoàn hảo cho công thức KYC-CDD – một biện pháp bảo vệ mạnh mẽ hơn để chống tội phạm tài chính đã có mặt!
