使用CI和AI应对主要的金融服务监管挑战

欺诈和金融犯罪模式的复杂性和不断变化的性质要求能够快速有效地发现和阻止事件。

金融服务组织对欺诈和监管问题并不陌生。但是,行业的根本变化和组织开展业务的方式已大大改变了这些问题的动态和范围。具体来说,恶意行为,洗钱交易或违反制裁行为的发生速度现在以不到几分之一秒的时间来衡量,而为遵守法规而必须仔细检查的交易量却直线上涨。解决这些因素需要使用人工智能(AI)的连续智能(CI)来实时分析交易数据流,并得出可在几毫秒到几秒钟内起作用的可操作信息。

另请参阅:立即采取行动以防止AI臂架的法规出轨

鉴于目前的市场状况,一些因素正在推动
金融机构使用CI和AI。首先,对违反法规的处罚
在上涨。例如,外国资产办公室的罚款
仅美国财政部的Control(OFAC)大约为1.3美元
在2019年达到10亿美元。这是上一届的六倍多
三年

第二,对中国实施经济制裁
个人和国家也在上涨。美国外国资产办公室
对照特别
指定的国民和被禁止人员名单长1.364页,这是
比去年同期多出约1,000页。

CI和AI如何提供帮助

金融组织在其合规性和欺诈预防工作中面临着巨大的挑战。欺诈和金融犯罪模式的复杂性和不断变化的性质要求能够快速有效地发现和阻止事件。

为此,组织必须找到方法来增强
并减轻了耗时,劳动密集且通常不准确的情况
金融犯罪活动过去曾使用过的流程。一个
IBM标题为“战斗的论文”
去年发表的《人工智能的金融犯罪》讨论了认知如何
解决方案正在改变机构管理此类业务的方式。

人工智能和认知解决方案所具有的关键领域
影响最大的是交易监控和制裁筛选警报
分流,尽职调查,付款欺诈建模和进行监控
调查。在这些领域,金融机构正在使用AI,机器
学习(ML)和机器人处理自动化(RPA)来节省成本
解决当今犯罪分子利用的技术和流程漏洞。这是一个
CI和AI的实际应用示例:

更快的尽职调查

一家大型的区域金融机构
增强的尽职调查(EDD)流程面临的挑战。审查过程
是高度手动的,花费大量时间,并且需要大量数据输入。
此外,分析师之间的结果不一致,并且结果很高
错误数量。

使用AI和其他技术,组织可以自动化
数据收集和优先级排序。而不是要求分析师聚集
数据,解决方案自动开始收集有关实体的信息
一旦触发警报。该解决方案汇总了结构化信息
和非结构化数据源,包括制裁名单,企业目录,
和搜索引擎。然后根据其数据对数据进行排序和分类
相关性和来源。

下一步是使用自然语言处理(NLP)
了解文章和其他信息的上下文和情感
与被审核实体有关。然后将此信息确定优先级并
注释以供分析师审查,帮助分析师更多地了解相关风险
快速了解为什么选择每篇文章。

最后,该解决方案收集了用于
将客户风险决策放入自动文档中,以方便参考
在审核过程中,审核通常会在数周或数月后进行。

可量化的结果

IBM
文件指出,该组织实现了多项业务收益。

该组织能够进行60%的审核
比以前更快。这将调查时间从13分钟以上减少了
通过自动执行大量手动搜索和数据操作,只需五分钟
进入过程。

它使返工减少了50%。这样最小化
需要通过自动收集来追溯调查步骤
调查档案中的综合信息。

从业务影响角度看,分析师的工作效率
增加。他们能够在更短的时间内完成调查,
允许他们在给定的时间内进行更多调查。的
数据收集过程的自动化是这里的关键因素。

调查结果更加一致。使用NLP,
组织在任何书面信息源中应用了相同的逻辑,
消除由于变化的主观解释。

技术与分析师携手合作

CI和AI可能会对金融产生最大的影响
监管流程是该技术补充了熟练的工作
分析师。在大多数应用中,该技术可自动执行家务和速度
分析,向分析师提供指导,以供他们使用
决策过程。

实际上,辅助决策支持是常见的一种
CI在许多金融服务应用程序中的优势。将来,这
角色可能会扩展到决策自动化领域。

资讯来源:由0x资讯编译自RTINSIGHTS,版权归作者Salvatore Salamone所有,未经许可,不得转载
提示:投资有风险,入市需谨慎,本资讯不作为投资理财建议。请理性投资,切实提高风险防范意识;如有发现的违法犯罪线索,可积极向有关部门举报反映。
你可能还喜欢