Strise egy demonstráción bemutatott egy vállalati portfóliót, ahol figyelmeztető jelek villantak fel egy esetleges orosz oligarcha tulajdon felett.
A bankok és pénzintézetek a csalás és a pénzmosás növekvő áradatával, valamint a szigorodó pénzügyi szabályozással való lépéstartásra irányuló nyomással néznek szembe.
Annak ellenére, hogy 2015 és 2022 között egyes fejlett piacokon évente akár 10 százalékkal is növelték a kiadásokat, az Interpol szerint a pénzügyi ágazat a globális pénzügyi bűnözésnek csak körülbelül 2 százalékát észleli.
Egyesek úgy vélik, hogy a mesterséges intelligencia (AI) segíthet a teher enyhítésében.
Norvégiában a Strise fintech startup olyan mesterségesintelligencia-platformot épített ki, amely átvizsgálja a nyilvános nyilvántartásokat és a médiajelentéseket, hogy valós időben jelezze a lehetséges pénzmosási kockázatokat.
A mesterséges intelligencia-ügynök célja, hogy megvizsgálja az európai pénzmosás elleni jogszabályok hatálya alá tartozó pénzintézeteknél, például bankoknál, biztosítótársaságoknál és fizetési szolgáltatásoknál az új számlanyitási alkalmazásokat.
Egy idő- és munkaigényes folyamat leváltása
Ha valaha is nyitott online bankszámlát, akkor meg kell adnia az olyan adatokat, mint a címe és a foglalkozása, és évente egyszer frissítse azokat. Ez a Know Your Customer (KYC) folyamat része, amely jogi követelmény annak ellenőrzésére, hogy kik az ügyfelek, és honnan származik a pénzük.
A KYC-ellenőrzések hagyományosan a megfelelőségi elemzők csoportjaira támaszkodtak, akik adatbázisokat, vállalati bejelentéseket és hírjelentéseket szűrtek át a tulajdonjog megerősítése, a kapcsolatok nyomon követése és a lehetséges kockázatok észlelése érdekében.
Ezeknek az ellenőrzéseknek az a célja, hogy megakadályozzák a bűnözőket abban, hogy törvényes bankokat használjanak piszkos pénz mozgatására.
De lassúak és drágák.
„Most már olyan mesterséges intelligencia áll rendelkezésére, amely információkat nyer ki és egy teljesen új módon állítja össze” – mondta Marit Rødevand, a Strise társalapítója és vezérigazgatója az 2022 Plusz Nextnek.
„Ha észrevesz egy árnyas céget a belépéskor, megakadályozhatja, hogy bankszámlát szerezzenek, és bekapcsolódjanak a pénzügyi megoldásokba” – tette hozzá.
A Strise mesterséges intelligencia-rendszere automatikusan azonosítja a figyelmeztető jeleket, mint például a szankcionált személyekre, magas kockázatú joghatóságokra vagy politikailag kötődő személyiségekre mutató hivatkozásokat, akik ki vannak téve a korrupciónak.
Robin Lycka, a Strise megoldástervezője szerint például az ezt a rendszert használó elemzők figyelmeztető jelzéseket láthatnak a szankciós listákon szereplő személyeken és olyan politikusokon, akik „nagy befolyásúak” vagy „fogékonyabbak a korrupcióra és a „pénzmosásra”.
orosz oligarchák
A Strise szerint a platformját használó pénzintézetek hatékonyabban tudták azonosítani és visszautasítani a magas kockázatú vállalatokat, így akár tízszeresére is növelték ügykezelési kapacitásukat anélkül, hogy alkalmazottak lettek volna.
Strise egy demonstráción bemutatott egy vállalati portfóliót, ahol figyelmeztető jelek villantak fel egy esetleges orosz oligarcha tulajdon felett.
„Ha rendelkezik ezzel az információval, kiválaszthatja a portfóliószintek közül, hogy szeretné-e befejezni a beépítést a számított kockázati besorolással vagy sem” – mondta Lycka.
Egy másik portfólióban a rendszer egy észt székhelyű céget jelölt meg két személlyel, akiket a történelem egyik legnagyobb, 560 millió dolláros (480 eurós) kriptovaluta-csalásáért ítéltek el.
A platform jelentéseket és összefoglalókat is készíthet az eredményekről, nagy nyelvi modellek (LLM) segítségével kockázati narratívák összeállítására a szabályozási bejelentésekhez, amely feladat korábban órákig tartó kézi írást igényelt.
„Reménykedek bennem, hogy valóban hatást érhetünk el, a jelölőnégyzetek betartásától eltérve az erőforrások tényleges felszabadítására a pénzügyi bűnözés megállításához és a csalás megelőzéséhez” – mondta Rødevand.
„Annyi eset van a médiában és a személyes történetekben arról, hogy életeket tönkretesznek az ilyen típusú bűncselekmények. És valóban azt akarom, hogy segítsünk ezen változtatni” – tette hozzá.
Az Európai Unió jelenleg véglegesíti a frankfurti pénzmosás elleni hatóság (AMLA) létrehozását, valamint a 2027-ben hatályba lépő, az egész EU-ra kiterjedő irányelvet „a pénzmosás és a terrorizmus finanszírozása elleni küzdelemről”.
Stanislaw Tosza, a Luxemburgi Egyetem megfelelőségi és rendészeti docense az 2022 Plusz Next-nek elmondta, hogy a reform „új felelősségi területet” hoz létre.
„A pénzmosás elleni kötelezettségek egyre bővülő köre, valamint a meg nem felelés miatti szankciók növekvő kockázata az AI-t vonzó eszközzé teszi azoknak a kötelezett szervezeteknek, akik ezeket a növekvő felelősségeket kívánják kezelni” – mondta Tosza.
Hozzátette: az uniós adatvédelmi törvény értelmében bizonyos fokú emberi felügyeletre van szükség, „amikor az automatizált rendszerek olyan döntéseket hoznak, amelyek jelentősen érintik az embereket”.
A Strise szerint ügyfelei „30-40 százalékkal automatizált ügyfélfigyeléssel” tudták csökkenteni a hamis pozitív eredményeket, vagyis amikor a rendszer gyanúsnak jelöl valamit, annak ellenére, hogy az teljesen jogos.
„Ez jóval kevesebb kézi munkát jelent azoknak az elemzőknek, akik egyébként órákat töltenének a szükségtelen kockázati riasztások áttekintésével, ahelyett, hogy felfognák a valódi kockázatot és küzdenének a pénzügyi bűnözéssel” – mondta Lars Lunde Birkeland, a Strise piacvezetője az 2022 Plusz Nextnek.
A szakértők azonban felhívják a figyelmet arra, hogy bár az automatizálás csökkentheti a hamis pozitívumok számát, a hibákat is megnehezítheti a felismerésben vagy a megkérdőjelezésében.
„A mesterséges intelligencia integrálása ezekbe a döntéshozatali folyamatokba tovább csökkenti az átláthatóságot: az érintett személyek számára még nehezebb lehet megérteni az ilyen értékelések alapját, vagy hatékonyan megkérdőjelezni őket” – mondta Tosza.
Ha többet szeretne megtudni erről a történetről, tekintse meg a fenti videót a médialejátszóban.
