Банки витрачають величезні бюджети та багато часу на заходи з верифікації клієнтів та боротьбу з відмиванням грошей (KYC/AML). Незважаючи на це, за даними Інтерполу, фінансова галузь виявляє лише близько 2% світових фінансових злочинів, а клієнти скаржаться на складні процеси перевірки. Штучний інтелект вже допомагає вирішити цей виклик, підвищуючи ефективність та сприяючи покращенню клієнтського досвіду.
Аналітичний, генеративний та агентний ШІ: випадки використання
ШІ насправді не є окремою технологією, а радше загальним терміном для низки технологій, які можуть розуміти та генерувати мову, розпізнавати зображення чи мовлення, приймати рішення чи робити прогнози, а також навчатися на великих обсягах даних. У контексті KYC/AML ці можливості широко виражаються у трьох формах.
- Аналітичний ШІ
Аналітичний ШІ може виконувати аналітичні завдання швидше та ефективніше, ніж люди. Серед відомих випадків використання – виявлення хибнопозитивних результатів у таких контролюючих процесах, як моніторинг транзакцій, виявлення санкцій, скринінг імен та виявлення шахрайства. Технологія також може створювати більш динамічні та інтегровані моделі оцінки ризику клієнтів, наприклад, шляхом включення більшої кількості поведінкових факторів. У моніторингу транзакцій аналітичний ШІ може підвищити точність та полегшити порівняння операцій та виявлення аномалій.
- Генеративний ШІ
Генеративний ШІ навчається на шаблонах у наборах даних та використовує ці знання для створення оригінальних результатів. У KYC/AML він може підтримувати експертів у низці випадків використання, включаючи онбординг та аналіз відгуків клієнтів. Технологія може заощадити людям час на зборі та вилученні даних з документів, узагальненні великих наборів інформації про фізичних та юридичних осіб, а також прискорити дослідження, включаючи аналіз заяв, джерел коштів тощо. У моніторингу транзакцій генеративний штучний інтелект корисний для створення висновків після аналізу транзакцій і складання звітів про підозрілу активність.
- Агентний ШІ
Агентний ШІ дозволяє одному або кільком агентам виконувати завдання та приймати рішення автономно (під наглядом людини). У контексті боротьби з фінансовими злочинами він використовується для автоматизації дій з онбордингу клієнтів, включаючи перевірки та оновлення KYC, моніторинг транзакцій, а також розслідування шахрайства від моменту оповіщення до закриття справи.
Саме агентний ШІ показав абсолютно новий потенціал впливу штучного інтелекту. Аналітичний та генеративний ШІ звільняє час експертів та прискорює роботу, проте фундаментально він не впливає на результативність, кажуть аналітики McKinsey. Агентний ШІ, в свою чергу, являє собою зміну парадигми, коли банки використовують “робочу силу” агентів ШІ, що можуть співпрацювати для виконання комплексних завдань автономно. У цьому контексті люди потрібні лише для обробки винятків, здійснення нагляду та коучингу. Враховуючи, що кожен практикуючий працівник зазвичай може “керувати” 20 або більше працівниками-агентами ШІ, підвищення продуктивності може бути значним — від 200 до 2000 відсотків.
Як провідні банки використовують ШІ для KYC?
1. Автоматизація перевірки особи
Приклад: HSBC використовує інструменти оптичного розпізнавання символів (OCR) на базі штучного інтелекту для сканування та перевірки документів, таких як паспорти та водійські посвідчення, скорочуючи час перевірки з днів до хвилин.
2. Покращення виявлення шахрайства
Приклад: Citibank використовує алгоритми машинного навчання для зіставлення даних клієнтів з глобальними списками санкцій, мінімізуючи хибнопозитивні результати та ефективно ідентифікуючи клієнтів з високим рівнем ризику.
3. Онбординг клієнтів у режимі реального часу
Приклад: JPMorgan Chase інтегрує ШІ з мобільними додатками для KYC у режимі реального часу, що дозволяє клієнтам проходити верифікацію дистанційно.
4. Покращення біометричної автентифікації
Приклад: Wells Fargo використовує розпізнавання обличчя на основі штучного інтелекту для перевірки особи клієнта під час відкриття рахунку, забезпечуючи безпечний та безперебійний процес.
5. Оптимізація оцінки ризиків
Приклад: Deutsche Bank використовує прогнозну аналітику для позначення осіб з високим рівнем ризику під час перевірок KYC. Таким чином, люди займаються лише критичними випадками.
Як бачимо, штучний інтелект став незамінним для сучасних фінансових установ, які прагнуть відповідати стандартам комплаєнс, пропонуючи водночас унікальний клієнтський досвід. Від автоматизації перевірки особи до покращення виявлення шахрайства, системи KYC на базі штучного інтелекту дозволяють банкам відповідати регуляторним вимогам та задовольняти очікування клієнтів, що постійно змінюються.
За матеріалами McKinsey
