كيف يمكن لـ AI-Driven KYC تقليل المخاطر غير المتناظرة للبنوك؟

جون فلاورز يشغل منصب رئيس الأسواق المالية العالمي في eClerx. مع أكثر من 30 عامًا من الخبرة في قطاع خدمات التكنولوجيا المالية، تولى العديد من الأدوار التنفيذية على جانبي التكنولوجيا الخاصة بالعملاء.

اكتشف أهم أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

يقرأها التنفيذيون في JP Morgan وCoinbase وBlackrock وKlarna وغيرهم

تشكل المخاطر غير المتناظرة تهديدًا دائمًا للبنوك والشركات التقنية المالية وغيرها من الأعمال التي تخضع لتنظيم شديد. يمكن أن تؤدي مراجعة العناية الواجبة غير المكتملة على عميل واحد الذي يغفل عن تورطه في غسل الأموال أو جرائم أخرى إلى غرامات بملايين الدولارات، وأضرار سمعة، وإجراءات تنظيمية على أعلى المستويات القيادية. لأنه حتى الأخطاء الصغيرة يمكن أن تترتب عليها هذه العواقب الكبيرة، فإن القضاء على الفجوات الصغيرة في عمليات معرفة عميلك (KYC) ضروري لحماية المؤسسات وأصحاب المصلحة فيها.

تقليديًا، كان الامتثال الفعال لـ KYC ومكافحة غسل الأموال (AML) يتطلب تقييمًا شاملاً لمخاطر العميل أثناء عملية الانضمام، يتبعها مراقبة مجدولة للتغيرات في ملف المخاطر أو السلوك، وغالبًا من خلال عمليات يدوية استثنائية عرضة للتأخير. الآن، تجعل الذكاء الاصطناعي والأتمتة من الممكن تعزيز عمليات KYC وتحسين الرقابة على AML باستخدام البيانات في الوقت الحقيقي وتمكين نهج أكثر استباقية لمنع الجرائم المالية.

ما هي أدوار الذكاء الاصطناعي في تقليل مخاطر KYC/AML؟

تحدث الأخطاء التشغيلية والعقوبات رغم الاستثمارات الكبيرة التي تضخها البنوك في عمليات وحلول AML/KYC. وضعت شركة Juniper Research إنفاق العالم على KYC لعام 2024 عند 30.8 مليار دولار العام الماضي. ومع ذلك، لا تزال العديد من المؤسسات تعتمد على المعالجة اليدوية وتحديث بيانات العملاء، مما يبطئ عملية الانضمام ويؤخر التحديثات التي قد تكشف عن تغييرات في ملف المخاطر.

يمكن لأتمتة بعض هذه العمليات باستخدام الأتمتة الروبوتية القائمة على القواعد (RPA) أن تسرع الأمور، لكنها قد تؤدي إلى معدلات عالية من الإيجابيات الكاذبة التي تتطلب وقتًا إضافيًا للمراجعة اليدوية. في الوقت نفسه، يستخدم المجرمون تقنيات متقدمة لتجنب الكشف بواسطة عمليات KYC وAML. باستخدام الذكاء الاصطناعي وبيانات الهوية المسروقة أو المزيفة، يمكنهم إنشاء مستندات وسجلات تبدو حقيقية بما يكفي لخداع المحللين والأنظمة الآلية الأساسية.

إضافة الأتمتة المدعومة بالذكاء الاصطناعي وGenAI إلى RPA يمكن أن تساعد البنوك في مواجهة هذه التحديات بطرق متعددة.

1. تجربة انضمام العملاء

كجزء من عملية KYC، توفر الشركات للعملاء الجدد قائمة بالمستندات والبيانات التي لا يمكنهم التحقق منها بشكل مستقل. عندما لا يتم التواصل بفعالية حول هذه المتطلبات، قد يربك ذلك العملاء ويؤخر الموافقات. ويكون الأمر أكثر سوءًا عندما لا تتوافق المعلومات المطلوبة بوضوح مع المتطلبات التنظيمية المحددة للولاية القضائية، مما يضيف عبئًا إضافيًا على المحللين الذين يتعين عليهم بعد ذلك حل التباينات.

باستخدام نموذج معالجة اللغة الطبيعية المدعوم بالذكاء الاصطناعي المدمج في عملية الانضمام، يمكن للبنوك التواصل بشكل فعال وطلب المعلومات المناسبة استنادًا إلى اللوائح الخاصة بالولايات القضائية المعنية. والنتيجة هي عملية انضمام أسرع وأقل عرضة للأخطاء الناتجة عن اختيار غير صحيح أو تقديم مستندات لا تتوافق مع المتطلبات المحلية والدولية. هذا يمكن أن يمنع حدوث فجوات وأخطاء في البيانات قبل دخولها النظام.

2. اكتشاف الاحتيال في الهوية

نماذج الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي والكشف عن الهوية الاصطناعية يمكن أن ترفع علم العملاء الذين تظهر مستنداتهم أو تاريخهم المالي على أنهم مزيفون أو مسروقون، حتى لو بدوا شرعيين للمحللين البشر. تقوم هذه الأدوات بتجميع البيانات من مصادر متعددة مع مرور الوقت، وتتمكن من رؤية الروابط بين البيانات التي قد يغفل عنها البشر، ولا تستطيع أنظمة القواعد التقليدية فك رموزها. بسرعة، تربط هوية العميل بالنشاط في العالم الحقيقي وتثير التنبيهات عند ظهور تباينات، مما يتيح للمحللين التحقيق.

3. المراقبة في الوقت الحقيقي لـ KYC وAML

الحفاظ على بيانات العملاء بعد الانضمام هو عملية مستمرة لا تنتهي. مراقبة أنشطة العميل مع المؤسسة، والبحث عن أخبار سلبية عنه، وفهم التغيرات في شبكات أعماله، كلها ضرورية لتجنب فقدان علامات تشير إلى تغير في ملف مخاطر العميل. يمكن لنماذج GenAI تنظيم هذا النوع من المراقبة في الوقت الحقيقي من خلال استيعاب البيانات من منصات ومصادر متعددة، وتحديد ملف مخاطر أساسي لكل عميل، وإرسال تنبيهات عند وجود بيانات جديدة تشير إلى تغير في مستوى المخاطر.

4. الامتثال والتقارير

تقدم حلول الانضمام والمراقبة الشاملة للبنوك رؤى البيانات التي تحتاجها لتقييم مدى الامتثال لمتطلبات AML، وتحديد مجالات للتحسين، وإعداد التقارير لأصحاب المصلحة الداخليين والجهات التنظيمية. لا تقتصر حلول تقارير GenAI على استيعاب كميات هائلة من البيانات والإجابة على الأسئلة، بل يمكن تدريبها على عرض المعلومات المعالجة باستخدام الرسوم البيانية والمخططات على لوحات المعلومات وفي التقارير. تتيح هذه الرؤية لقيادة البنك التعرف على المشكلات الناشئة وإيقافها قبل أن تتفاقم وتصبح مشاكل كبيرة.

5. التكيف مع التغييرات التكنولوجية والتنظيمية

نظام GenAI والأتمتة المدعومة بالذكاء الاصطناعي يتعلم من مدخلاته. هذا يعني أنه يمكن تدريبه على التكيف عندما تربط البنوك مصادر بيانات جديدة ومنصات تكنولوجية، دون الحاجة إلى إعادة بناء النظام بالكامل أو إجراء عملية تكامل طويلة. هذا يسمح للمؤسسات باستخراج المزيد من القيمة من استثماراتها في الذكاء الاصطناعي مع مرور الوقت.

كما أن قدرة الذكاء الاصطناعي على التعلم تسهل على البنوك تحديث متطلباتها عند تغير اللوائح. عادةً، يستغرق تدريب واختبار نماذج KYC المدعومة بالذكاء الاصطناعي على الإرشادات الجديدة وقتًا أقل من تحديث الأنظمة غير المعتمدة على الذكاء الاصطناعي يدويًا. وهو أسرع أيضًا من تدريب المحللين على الإرشادات الجديدة. يمكن للذكاء الاصطناعي أن يساعد في هذا التدريب أيضًا، من خلال الإجابة على الأسئلة البسيطة أو تلخيص التغييرات بشكل يسهل قراءته. يمكن للمحللين بسرعة الوصول إلى المعلومات الحالية التي يحتاجونها لاتباع السياسات الجديدة وتطبيقها بشكل متسق.

تقليل المخاطر غير المتناظرة لـ KYC وAML باستخدام الذكاء الاصطناعي

تمثل أدوات KYC وAML المدعومة بالذكاء الاصطناعي مستقبل إدارة المخاطر المالية. فهي تقلل بشكل كبير من تعرض البنوك للمخاطر غير المتناظرة اليوم، وتتكيف مع البيئات التكنولوجية والتنظيمية المتطورة لحماية المؤسسات من التهديدات المستقبلية. مع تزايد تدقيق الجهات التنظيمية في دور المؤسسات المالية في الجرائم الدولية، وازدياد مهارة المجرمين في التهرب من ضوابط KYC وAML التقليدية، فإن دمج الذكاء الاصطناعي في سير العمل الخاص بـ KYC وAML هو الطريقة الأكثر فاعلية لتعزيز الحماية الآن وفي المستقبل.