使用CI和AI應對主要的金融服務監管挑戰

欺詐和金融犯罪模式的複雜性和不斷變化的性質要求能夠快速有效地發現和阻止事件。

金融服務組織對欺詐和監管問題並不陌生。但是，行業的根本變化和組織開展業務的方式已大大改變了這些問題的動態和範圍。具體來說，惡意行為，洗錢交易或違反制裁行為的發生速度現在以不到幾分之一秒的時間來衡量，而為遵守法規而必須仔細檢查的交易量卻直線上漲。解決這些因素需要使用人工智慧（AI）的連續智能（CI）來實時分析交易數據流，並得出可在幾毫秒到幾秒鐘內起作用的可操作信息。

另請參閱：立即採取行動以防止AI臂架的法規出軌

鑒於目前的市場狀況，一些因素正在推動
金融機構使用CI和AI。首先，對違反法規的處罰
在上漲。例如，外國資產辦公室的罰款
僅美國財政部的Control（OFAC）大約為1.3美元
在2019年達到10億美元。這是上一屆的六倍多
三年

第二，對中國實施經濟制裁
個人和國家也在上漲。美國外國資產辦公室
對照特別
指定的國民和被禁止人員名單長1.364頁，這是
比去年同期多出約1,000頁。

CI和AI如何提供幫助

金融組織在其合規性和欺詐預防工作中面臨著巨大的挑戰。欺詐和金融犯罪模式的複雜性和不斷變化的性質要求能夠快速有效地發現和阻止事件。

為此，組織必須找到方法來增強
並減輕了耗時，勞動密集且通常不準確的情況
金融犯罪活動過去曾使用過的流程。一個
IBM標題為「戰鬥的論文」
去年發表的《人工智慧的金融犯罪》討論了認知如何
解決方案正在改變機構管理此類業務的方式。

人工智慧和認知解決方案所具有的關鍵領域
影響最大的是交易監控和制裁篩選警報
分流，盡職調查，付款欺詐建模和進行監控
調查。在這些領域，金融機構正在使用AI，機器
學習（ML）和機器人處理自動化（RPA）來節省成本
解決當今犯罪分子利用的技術和流程漏洞。這是一個
CI和AI的實際應用示例：

更快的盡職調查

一家大型的區域金融機構
增強的盡職調查（EDD）流程面臨的挑戰。審查過程
是高度手動的，花費大量時間，並且需要大量數據輸入。
此外，分析師之間的結果不一致，並且結果很高
錯誤數量。

使用AI和其他技術，組織可以自動化
數據收集和優先順序排序。而不是要求分析師聚集
數據，解決方案自動開始收集有關實體的信息
一旦觸發警報。該解決方案匯總了結構化信息
和非結構化數據源，包括制裁名單，企業目錄，
和搜索引擎。然後根據其數據對數據進行排序和分類
相關性和來源。

下一步是使用自然語言處理（NLP）
了解文章和其他信息的上下文和情感
與被審核實體有關。然後將此信息確定優先順序並
注釋以供分析師審查，幫助分析師更多地了解相關風險
快速了解為什麼選擇每篇文章。

最後，該解決方案收集了用於
將客戶風險決策放入自動文檔中，以方便參考
在審核過程中，審核通常會在數周或數月後進行。

可量化的結果

IBM
文件指出，該組織實現了多項業務收益。

該組織能夠進行60％的審核
比以前更快。這將調查時間從13分鐘以上減少了
通過自動執行大量手動搜索和數據操作，只需五分鐘
進入過程。

它使返工減少了50％。這樣最小化
需要通過自動收集來追溯調查步驟
調查檔案中的綜合信息。

從業務影響角度看，分析師的工作效率
增加。他們能夠在更短的時間內完成調查，
允許他們在給定的時間內進行更多調查。的
數據收集過程的自動化是這裡的關鍵因素。

調查結果更加一致。使用NLP，
組織在任何書面信息源中應用了相同的邏輯，
消除由於變化的主觀解釋。

技術與分析師攜手合作

CI和AI可能會對金融產生最大的影響
監管流程是該技術補充了熟練的工作
分析師。在大多數應用中，該技術可自動執行家務和速度
分析，向分析師提供指導，以供他們使用
決策過程。

實際上，輔助決策支持是常見的一種
CI在許多金融服務應用程序中的優勢。將來，這
角色可能會擴展到決策自動化領域。