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

جون فلوورز يشغل منصب الرئيس العالمي للأسواق المالية في eClerx. وبخبرة تزيد عن 30 عامًا في قطاع خدمات التكنولوجيا المالية، تقلّد مناصب تنفيذية متنوعة على جانبي التكنولوجيا والأعمال، وكذلك على الجانب المواجه للعملاء.

اكتشف أبرز أخبار وأحداث التكنولوجيا المالية!

اشترك في النشرة الإخبارية FinTech Weekly

يقرأها التنفيذيون في JP Morgan وCoinbase وBlackrock وKlarna وغيرهم

يشكل عدم التماثل في المخاطر تهديدًا مستمرًا للبنوك وشركات التكنولوجيا المالية وغيرها من الشركات الخاضعة لقدر كبير من التنظيم. قد تؤدي مراجعة فحص العناية الواجبة غير الكاملة لعميل واحد لا تلتقط تورطه في غسل الأموال أو غيره من الجرائم إلى غرامات بملايين الدولارات، وأضرارًا على السمعة، وإجراءات تنظيمية على أعلى مستويات القيادة. وبما أن حتى الأخطاء الصغيرة قد تنتج عواقب مبالغًا فيها، فإن القضاء على الفجوات الصغيرة في إجراءات اعرف عميلك (KYC) أمر أساسي لحماية كل من المؤسسات وأصحاب المصلحة لديها.

تقليديًا، كانت الامتثال الفعّال لقواعد اعرف عميلك ومكافحة غسل الأموال (AML) يتطلب تقييمًا شاملًا لمخاطر العميل أثناء مرحلة Onboarding، يليه مراقبة مجدولة للتغيرات في ملف المخاطر أو السلوك، وغالبًا عبر عمليات يدوية للغاية تكون عرضة للتأخير. والآن، يجعل الذكاء الاصطناعي والأتمتة من الممكن تعزيز KYC وتحسين الإشراف على AML من خلال استخدام بيانات في الوقت الفعلي، واعتماد نهج أكثر استباقية في الوقاية من الجرائم المالية.

ما أدوار الذكاء الاصطناعي في تقليل مخاطر KYC/AML؟

تحدث أخطاء تشغيلية وغرامات رغم استثمار البنوك الكبير في عمليات وحلول AML/KYC. قدرت Juniper Research إنفاق KYC العالمي لعام 2024 بـ 30.8 مليار دولار العام الماضي. ومع ذلك، لا تزال العديد من المؤسسات تعتمد على المعالجة اليدوية وتحديث بيانات العملاء، ما يؤدي إلى إبطاء عملية Onboarding وتأخير التحديثات التي يمكن أن تشير إلى تغييرات في ملف المخاطر.

قد يؤدي أتمتة بعض هذه العمليات باستخدام أتمتة عمليات روبوتية قائمة على القواعد (RPA) إلى تسريع الأمور، لكنه قد يولد معدلات مرتفعة من الإيجابيات الكاذبة التي تتطلب وقتًا أكبر للمراجعات اليدوية. وفي الوقت نفسه، يستخدم المجرمون تقنيات متقدمة لتجنب الوقوع في فخ عمليات KYC وAML. وبالاعتماد على الذكاء الاصطناعي وبيانات هوية مسروقة أو مزيفة، يمكنهم إنشاء مستندات وسجلات تبدو واقعية بما يكفي لخداع المحللين والأنظمة الآلية الأساسية.

إن إضافة الأتمتة المدعومة بالذكاء الاصطناعي وGenAI إلى RPA يمكن أن يساعد البنوك على معالجة هذه التحديات بطرق متعددة.

1. تجربة استقبال العملاء (onboarding)

كجزء من عملية KYC، توفر الشركات للعملاء الجدد قائمة بالمستندات والبيانات المطلوبة التي لا يمكنها التحقق منها بشكل مستقل. عندما لا يتم توصيل هذه المتطلبات بفعالية، قد يؤدي ذلك إلى إرباك العملاء وتأخير الموافقات. وينطبق ذلك بشكل خاص عندما لا تتطابق المعلومات المطلوبة بوضوح مع المتطلبات التنظيمية الخاصة ب(الاختصاص/الاختصاصات) القضائية المعنية، ما يخلق عملًا إضافيًا للمحللين الذين يتعين عليهم بعد ذلك معالجة التناقضات.

بفضل نموذج معالجة اللغة الطبيعية للذكاء الاصطناعي المضمّن في عملية onboarding، يمكن للبنوك التواصل بفعالية وطلب المعلومات المناسبة استنادًا إلى اللوائح الخاصة بالاختصاصات القضائية المعمول بها. والنتيجة هي عملية onboarding أسرع تكون أقل عرضة للأخطاء الناجمة عن شخص يضع علامة في المكان الخطأ أو يقدّم مستندات لا تتوافق مع المتطلبات المحلية والداخلية. وهذا يمكن أن يوقف فجوات البيانات والأخطاء قبل أن تدخل إلى النظام.

2. اكتشاف احتيال الهوية

يمكن لنماذج الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي وكشف الهوية الاصطناعية تحديد العملاء الذين تبدو مستنداتهم أو سجلاتهم المالية مزيفة أو مسروقة، حتى لو كانت تبدو شرعية بالنسبة للمحللين البشر. تستخلص هذه الأدوات بيانات من مصادر متعددة مع مرور الوقت، ويمكنها رؤية الروابط بين البيانات التي قد يفوتها البشر، كما أن محركات القواعد التقليدية لا تستطيع فكها. فهي تربط بسرعة هوية العميل بالنشاط الواقع على الأرض وتُطلق تنبيهات عند ظهور تناقضات كي يتمكن المحللون من التحقيق.

3. مراقبة KYC وAML في الوقت الفعلي

يعد الحفاظ على بيانات العملاء بعد onboarding عملية لا تنتهي. إن مراقبة أنشطة العملاء لدى المؤسسة، وفحص الأخبار السلبية المتعلقة بهم، وفهم أي تغييرات في شبكات أعمالهم أمر بالغ الأهمية لتجنب تفويت إشارات تحول في ملف مخاطر العميل. يمكن لنماذج GenAI تنسيق هذا النوع من المراقبة في الوقت الفعلي عبر تغذية البيانات من منصات ومصادر بيانات متعددة، ووضع خط أساس لملف مخاطر كل عميل، وإطلاق تنبيهات عند أن تشير البيانات الجديدة إلى حدوث تغيير في ملف المخاطر.

4. الامتثال والتقارير

توفر حلول onboarding والمراقبة الشاملة أيضًا للبنوك رؤى بيانات اللازمة لتقييم امتثال AML، وتحديد مجالات التحسين، وإعداد التقارير لأصحاب المصلحة الداخليين والجهات التنظيمية. لا تقتصر حلول إعداد تقارير GenAI على إدخال كميات ضخمة من البيانات والإجابة عن الأسئلة فقط. إذ يمكن تعليمها أيضًا لعرض المعلومات التي تمت معالجتها باستخدام مخططات ورسوم بيانية بديهية، على لوحات المعلومات، وفي التقارير. تتيح هذه الرؤية لقيادة البنك تحديد القضايا الناشئة وإيقافها قبل أن تصبح مشكلات كبيرة.

** 5. التكيّف مع التغيرات التقنية والتنظيمية**

تتعلم أنظمة GenAI والأتمتة المدعومة بالذكاء الاصطناعي من مدخلاتها. وهذا يعني أنه يمكن تدريبها على التكيف عند قيام البنوك بتوصيل مصادر بيانات جديدة ومنصات تقنية، دون الحاجة إلى إعادة بناء كبيرة للبنية التقنية أو عملية تكامل طويلة. وهذا يسمح للمؤسسات باستخلاص قيمة أكبر من استثماراتها في الذكاء الاصطناعي مع مرور الوقت.

تجعل قدرة الذكاء الاصطناعي على التعلم أيضًا من السهل على البنوك تحديث متطلباتها عندما تتغير اللوائح. عادةً ما يستغرق تدريب واختبار نماذج KYC بالذكاء الاصطناعي على إرشادات جديدة وقتًا أقل من تحديث الأنظمة غير المدعومة بالذكاء الاصطناعي يدويًا. كما أنه أسرع من تدريب المحللين على إرشادات جديدة. يمكن للذكاء الاصطناعي أن يساعد أيضًا في هذا التدريب، عبر الإجابة عن أسئلة بسيطة أو تلخيص التغييرات بصيغ سهلة القراءة. يمكن للمحللين بسرعة الحصول على المعلومات الحالية التي يحتاجونها للالتزام بفعالية وإنفاذ السياسات الجديدة بشكل متسق.

تقليل المخاطر غير المتناظرة في KYC/AML باستخدام الذكاء الاصطناعي

تمثل أدوات KYC وAML المدعومة بالذكاء الاصطناعي مستقبل إدارة مخاطر التمويل. يمكنها أن تحد بشدة من تعرض البنوك للمخاطر غير المتناظرة اليوم، كما يمكنها التكيف مع البيئات التقنية والتنظيمية المتطورة لحماية نفسها من التهديدات المستقبلية. ومع قيام الجهات التنظيمية بتدقيق متزايد في دور المؤسسات المالية في الجريمة الدولية، ومع تزايد براعة المجرمين في الإفلات من ضوابط KYC وAML التقليدية، فإن دمج الذكاء الاصطناعي في سير عمل KYC وAML هو الطريقة الأكثر فعالية التي تمكن المؤسسات من تعزيز الحماية الآن وفي المستقبل.