كيف يمكن لعملية التحقق من الهوية المدفوعة بالذكاء الاصطناعي أن تقلل من المخاطر غير المتناظرة للبنوك؟

جون فلورز يعمل كرئيس عالمي لأسواق المال في eClerx. مع أكثر من 30 عامًا من الخبرة في قطاع خدمات التكنولوجيا المالية، شغل مناصب تنفيذية مختلفة على جانبي تكنولوجيا الأعمال والتواصل مع العملاء.

اكتشف أهم أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

قراءة من قبل التنفيذيين في JP Morgan، Coinbase، Blackrock، Klarna والمزيد

يشكل المخاطر غير المتوازنة تهديدًا مستمرًا للبنوك، والشركات التقنية المالية، وغيرها من الأعمال التي تخضع لتنظيم صارم. يمكن أن تؤدي مراجعة العناية الواجبة غير المكتملة لعميل واحد والتي تتجاهل تورطه في غسيل الأموال أو جرائم أخرى إلى غرامات بملايين الدولارات، وتضر بالسمعة، وإجراءات تنظيمية على أعلى المستويات من القيادة. لأنه حتى الأخطاء الصغيرة يمكن أن تنتج عنها عواقب غير متناسبة، فإن القضاء على الثغرات الصغيرة في عمليات معرفة عميلك (KYC) ضروري لحماية المؤسسات وأصحاب المصلحة فيها.

تقليديًا، يتطلب الامتثال الفعال لـ KYC ومكافحة غسيل الأموال (AML) تقييمًا شاملاً لمخاطر العميل أثناء الانضمام، يتبعه مراقبة مجدولة للتغيرات في ملف المخاطر أو السلوك، غالبًا من خلال عمليات يدوية استثنائية عرضة للتأخير. الآن، تجعل الذكاء الاصطناعي والأتمتة من الممكن تعزيز 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؟

الأخطاء التشغيلية والغرامات تحدث على الرغم من استثمار البنوك الكبير في عمليات وحلول AML/KYC. قدرت شركة Juniper Research إنفاق العالم على KYC في 2024 بلغ 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 يمكن أن تشير إلى تغييرات في ملف المخاطر.

يمكن لأتمتة بعض هذه العمليات باستخدام أتمتة العمليات الروبوتية القائمة على القواعد (RPA) أن تسرع الأمور، لكنها قد تولد معدلات عالية من الإيجابيات الكاذبة التي تتطلب مزيدًا من الوقت للمراجعات اليدوية. في الوقت نفسه، يستخدم المجرمون تكنولوجيا متقدمة لتجنب الكشف بواسطة عمليات KYC وAML. باستخدام الذكاء الاصطناعي وبيانات الهوية المزورة أو المسروقة، يمكنهم إنشاء مستندات وتواريخ سجل تبدو حقيقية بما يكفي لخداع المحللين والأنظمة الآلية الأساسية.

إضافة الأتمتة المدعومة بالذكاء الاصطناعي وGenAI إلى RPA يمكن أن تساعد البنوك على 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، يمكن أن يربك العملاء ويؤخر الموافقات. هذا صحيح بشكل خاص عندما لا تتوافق المعلومات المطلوبة بوضوح مع المتطلبات التنظيمية الخاصة بالسلطة القضائية أو أكثر، مما يخلق 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 بفعالية وطلب المعلومات المناسبة استنادًا إلى اللوائح الخاصة بالسلطات القضائية المعنية. النتيجة هي عملية انضمام أسرع وأقل عرضة للأخطاء الناتجة عن شخص يختار الخيار الخطأ أو يرسل مستندات لا تتوافق مع المتطلبات المحلية والداخلية. يمكن لهذا أن يمنع الثغرات والأخطاء في البيانات قبل دخولها إلى النظام.

2. اكتشاف الاحتيال في الهوية

نماذج الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي والكشف عن الهوية الاصطناعية يمكن أن تشير إلى العملاء الذين تبدو مستنداتهم أو تاريخهم المالي مزورة أو مسروقة، حتى لو بدت شرعية للمحللين البشريين. تقوم هذه الأدوات بدمج البيانات من مصادر متعددة مع مرور الوقت، ويمكنها رؤية الروابط بين البيانات التي قد يغفل عنها البشر، ولا يمكن لمحركات القواعد التقليدية فك رموزها. بسرعة، تربط هوية العميل بالنشاط الواقعي وتثير علامات تنبيه عند ظهور التباينات ليتم التحقيق فيها.

3. المراقبة في الوقت الحقيقي لـ KYC وAML

الحفاظ على بيانات العملاء بعد الانضمام هو عملية لا تنتهي. مراقبة أنشطة العميل مع المؤسسة، والبحث عن أخبار سلبية عنه، وفهم أي تغييرات في شبكات أعماله ضروري لتجنب فقدان علامات على تغير في ملف مخاطر العميل. يمكن لنماذج GenAI تنظيم هذا النوع من المراقبة في الوقت الحقيقي عن طريق استيعاب البيانات من منصات ومصادر بيانات متعددة، وتحديد ملف مخاطر أساسي لكل عميل، وإثارة التنبيهات عندما تشير البيانات الجديدة إلى تغيير في ملف المخاطر.

4. الامتثال والتقارير

تقدم حلول الانضمام والمراقبة الشاملة أيضًا رؤى بيانات يحتاجها البنوك لتقييم الامتثال لمكافحة غسيل الأموال، وتحديد مجالات للتحسين، وإعداد تقارير لأصحاب المصلحة الداخليين والمنظمين. لا تقتصر حلول تقارير GenAI على استيعاب كميات هائلة من البيانات والإجابة على الأسئلة، بل يمكن تدريبها أيضًا على عرض المعلومات المعالجة باستخدام رسوم بيانية وخرائط بصرية، على لوحات المعلومات، وفي التقارير. تتيح هذه الرؤية لقيادة البنك تحديد المشكلات الناشئة وإيقافها قبل أن تتطور إلى مشاكل كبيرة.

5. التكيف مع التغييرات التكنولوجية والتنظيمية

تتعلم أنظمة GenAI والأتمتة المدعومة بالذكاء الاصطناعي من مدخلاتها. هذا يعني أنه يمكن تدريبها على التكيف عندما تربط البنوك مصادر بيانات ومنصات تكنولوجية جديدة، دون الحاجة إلى إعادة بناء كاملة أو عملية تكامل طويلة. يسمح ذلك للمؤسسات باستخلاص مزيد من القيمة من استثماراتها في الذكاء الاصطناعي مع مرور الوقت.

كما يسهل قدرات التعلم في الذكاء الاصطناعي على البنوك تحديث متطلباتها عندما تتغير اللوائح. عادةً ما يستغرق تدريب واختبار نماذج KYC المدعومة بالذكاء الاصطناعي على إرشادات جديدة وقتًا أقل من التحديث اليدوي للمنصات غير المدعومة بالذكاء الاصطناعي. وهو أسرع أيضًا من تدريب المحللين على إرشادات جديدة. يمكن للذكاء الاصطناعي أن يساعد أيضًا في هذا التدريب، من خلال الإجابة على أسئلة بسيطة أو تلخيص التغييرات بصيغ سهلة القراءة. يمكن للمحللين الحصول بسرعة على المعلومات الحالية التي يحتاجونها لاتباع وتنفيذ السياسات الجديدة بشكل مستمر.

تقليل المخاطر غير المتوازنة لـ KYC/AML باستخدام الذكاء الاصطناعي

تمثل أدوات KYC وAML المدعومة بالذكاء الاصطناعي مستقبل إدارة المخاطر المالية. يمكنها بشكل حاد تقليل تعرض البنوك للمخاطر غير المتوازنة اليوم، وأيضًا التكيف مع البيئات التكنولوجية والتنظيمية المتطورة لحماية ضد التهديدات المستقبلية. مع تزايد تدقيق المنظمين في دور المؤسسات المالية في الجرائم الدولية، وتطور المجرمين ليكونوا أكثر مهارة في التهرب من ضوابط KYC وAML التقليدية، فإن دمج الذكاء الاصطناعي في سير عمل KYC وAML هو الطريقة الأكثر فاعلية للمؤسسات لتعزيز الحماية الآن وفي المستقبل.