Lehet-e küzdeni mesterséges intelligenciával az offshore és a pénzmosás ellen? 2.

A mesterséges intelligencia (MI) ma már nem utópia, hanem valóság. Szinte már nincs is olyan terület, ahol ne használnák, a pénzügyi világ sem kivétel. A pénzügyi szolgáltatások területére egyébként is jellemző a folyamatos innováció és digitalizáció. A szektor a legújabb technológiákat segítségül hívva igyekszik az ügyfélkörét erősíteni, bővíteni és új bevételi lehetőségeket felkutatni. Mára szinte minden pénzügyi terület nyitott az újdonságokra, legyen szó a tőkepiacról, a kereskedelmi bankról, a fogyasztói finanszírozásról vagy biztosításról.

Cikkünk első részében feltártuk, milyen területeken alkalmazza a pénzvilág a mesterséges intelligenciát. Láthattuk, hogy az új technológia különösen sikeres a komoly károkat okozó pénzmosás feltárásának és visszaszorításának területén. Most lássuk, hogyan is történik mindez!

A pénzmosás elleni küzdelem (AML) hagyományos módszertana szerint a gyanús tranzakciók felderítésére a nyomozócsoportok általában szabályalapú rendszereket használnak (FICO, Fiserv, SAS, AML Actimize). Ez a szabályalapú munkafolyamat a következő három lépésből áll: riasztás, a beérkezett információk vizsgálata, a beérkezett információk értékelése (valódi pozitív vagy hamis pozitív). Ezt időnként kiegészíti egy további riasztás, akkor, ha offshore helyszínről érkezik az utalás.

A hamis pozitív értéket adatszolgáltatási hibaként definiálhatjuk. Ebben az estben a teszt eredménye helytelenül jelzi egy olyan állapot meglétét, amelynek a valóságban nem áll fenn. A szabályalapú rendszerek legfőbb problémája az, hogy hogy nagyszámú hamis pozitív eredményt adnak: az esetek 75-99 százalékában ez a helyzet. Ez azt jelenti, hogy rengeteg időt és emberi erőforrást el kell pazarolni e hamis riasztások kivizsgálására. Ez a magas arány azért fordul elő, mert a szabályok gyorsan elavulhatnak, és a rendszerek újrakódolása időbe telik.

Bár a tőkepiacokon és a lakossági banki szolgáltatásoknál alkalmazott AML rendszerek figyelembe veszik a monetáris küszöbértékeket és a pénzmosási mintákat, a pénzmosásban érintett csalók idővel kiismerik ezeket és alkalmazkodhatnak ezekhez a szabályokhoz, és módosítják a módszereiket, csökkentve a lebukás kockázatát. Az MI-alapú viselkedésmodellezés és az ügyfelek szegmentálása éppen ezen a területen nyújthatja a leghatékonyabb támogatást, hiszen segíthet azonosítani azokat a viselkedési mintákat és a külső tényezőket, amelyek jelzik a potenciális pénzmosást.

A MI igen hatásos komplex tranzakciók sorozatának vizsgálatára és rendellenességek megállapítására is. A pénzmosás elleni gépi tanulási technikák segítségével fel lehet ismerni a gyanús tranzakciókat, valamint a szabálytalan tranzakciós hálózatokat. Ezeket az ügyleteket megvizsgálják és magas, közepes vagy alacsony prioritásúként osztályozzák, ezzel is segítve a szakemberek munkáját. Ha csalók módosítják viselkedésüket, a MI leköveti azt, így a hamis pozitívok száma alacsony, a valódi pozitív pedig magas marad.

Az MI ún. indokkódokat is megadhat a tranzakciók megjelölésére vonatkozó döntéshez. Ezek az okkódok megmutatják meg a szakembereknek, hogy merre érdemes elindulni az ügy feltárása érdekében, így téve a felderítési folyamatot hatékonyabbá.

Egyértelmű tehát, hogy a MI-alapú AML rendszerek számos előnyt kínálnak a meglévő szabályalapú rendszerekkel szemben. A hamis pozitív eredmények drasztikus csökkenése mellett a MI technológiát stratégiailag el lehet helyezni az AML szabályalapú rendszer és a szakember között, ami lehetővé teszi a vállalatok számára a beruházások gyors megtérülését. A MI használatával az eddigi átlagos 45 és 90 napos vizsgálati idő másodpercekre csökkenhet.

Korábbi bejegyzések

Vízumeljárás az Egyesült Arab Emírségekben

Helyi befektetői vízumot (Investor VISA) legegyszerűbben, akkor tudunk szerezni, ha céget alapítunk valamelyik szabadkereskedelmi zóna egyikében. Itt szerencsére lehetőség van, hogy 100%-ban külföldi tulajdonban legyen a társaságunk.

Bővebben >>>

Vizsgálat a holland ABN Amro Bank ellen

A feltételezések szerint a holland pénzintézet nem megfelelő gondossággal világította át az ügyfeleit és elmulasztotta a gyanús tranzakciók jelentését. A Deutsche Bankot pedig már meg is vádolták pénzmosással. A holland…

Bővebben >>>