Det finns en stor potential att med ny teknik minska mängden falsklarm kring misstänka kriminella transaktioner. Med avancerad artificiell intelligens och maskininlärningsbaserade algoritmer går det att skapa förfinade självlärande modeller som kan motverka komplex penningtvätt, skriver anti-penningtvättsspecialisten Frank Holzenthal på Fico idag på Realtids debattsida.
AI viktigt för att lösa penningtvättskrisen
Mest läst i kategorin
På FICO granskar vi över en halv miljard transaktioner varje dag, i vårt arbete för över 1 200 banker runt om i världen. Genom detta får vi en unik inblick i vad som är den bästa globala praxisen för att motverka penningtvätt. Det ger oss också möjlighet att koppla vår expertis till de utmaningar som nu förs fram. Även om alla detaljer ännu inte kommit fram när det gäller de nordiska och baltiska banker som anklagas för att ha misslyckats med sitt arbete att motverka penningtvätt, så är det rimligt att dra vissa lärdomar redan nu.
Vi pratar om lärdomar som bättre strukturerad övervakning av regelefterlevnad och bakgrundskontroller av kunder (KYC). Vi pratar också om att nå en bättre förståelse kring bakgrundsfaktorer när det gäller finansiella transaktioner och att våga ifrågasätta innehållet i dessa. Men det handlar också om att introducera lösningar som drar nytta av artificiell intelligens.
Trots att både bankverksamheter och transaktioner blir allt mer digitala och snabbrörliga med mer avancerade och komplexa penningtvättsmönster som följd, så använder de flesta banker fortfarande traditionella verktyg och processer för att motverka penningtvätt. Fortfarande är traditionella regelbaserade lösningar för transaktionsövervakning och kundkännedom vanligt förekommande. Beroendet till den här typen av lösningar skapar kraftig huvudvärk för de som är ansvariga.
För det första så ser vi hur regelbaserade lösningar blir allt mer komplexa för att kunna hantera allt fler lagar och regler. Det konstanta flödet av nya regler och regleringar gör att allt fler fall blir flaggade i systemen för att undersökas vidare. Allt fler flaggade fall skapar allt fler falsklarm som dränerar resurserna. Vissa bedömare uppskattar systemens falsklarm till hela 99 procent av alla flaggningar.
För det andra så upptäcker regelbaserade lösningar bara det som du fokuserar på. De kan flagga incidenter utifrån kända och befintliga scenarion, samtidigt som de misslyckas med att upptäcka nya scenarion. I en värld som rör sig snabbt med omfattande ekonomisk brottslighet, så duger inte detta. Vi ser hur kriminella lär sig arbeta runt övervakningsregler och förstår hur de ska undvika kända misstänkta beteendemönster.
Så, vad blir då slutsatserna av detta? Vi har haft en viktig roll i utvecklingen av AI-lösningar under många år (vi har mer än 80 patent inom området) och ser hur AI kan få stor inverkan på de utmaningar som vi nämner. Med nya typer av AI-baserade lösningar upptäcks onormala mönster, även när de dyker upp för första gången. Med avancerad artificiell intelligens och maskininlärningsbaserade algoritmer skapas förfinade självlärande modeller som kan motverka komplex penningtvätt.
Med AI kan vi automatisera både datainsamling och analys, liksom processa ostrukturerade data på ett effektivt sätt. Det hjälper oss att identifiera mönster som annars skulle missats. På det sättet minskar antalet falsklarm. För bankerna innebär detta lägre kostnader för regelefterlevnad, bättre kvalitet på de fall som flaggas, snabbare uppföljning av fallen och mer resurser för att hantera de mest relevanta högriskfallen.
Det finns också ytterligare en dimension kring detta, som skulle vara värdefull för alla de banker som nu fastnat i penningtvättsrelaterade skandaler. Med så kallad förklaringsbar AI blir det enklare för banker att berätta för myndigheter och andra hur och varför vissa beslut i det förgångna tagits, exempelvis varför ett visst fall antingen flaggades eller missades.
Vid sidan av teknikområdet finns det också andra värdefulla lärdomar att dela med sig av. Vår erfarenhet från arbetet med banker runt om i världen visar att en viktig del i detta arbete är att involvera hela organisationen. Arbetet blir först effektivt då exempelvis risk- och bedrägeribekämpningsfunktionerna samverkar, eftersom penningtvätt överlappar traditionella organisationsstrukturer.
Även om vi betonat vikten av att införa AI-baserade lösningar vill vi också samtidigt lyfta fram att det bästa resultatet nås när man kombinerar regelbaserade lösningar med AI och maskininlärning, eftersom man då får ett effektivt 360-graders grepp på penningtvätt.
Vi vet nu alla hur mycket det kan kosta om man misslyckas i arbetet med att motverka penningtvätt, med allt från lägre aktiekurs till potentiella böter, stämningar eller förlorat anseende. Lösningarna för att motverka penningtvätt finns, nu är det dags att agera och göra det på rätt sätt.
Frank Holzenthal, anti-penningtvättsspecialist, FICO