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

يقرأها التنفيذيون في JP Morgan، Coinbase، Blackrock، Klarna والمزيد

يشكل المخاطر غير المتوازنة تهديدًا مستمرًا للبنوك، والشركات التقنية المالية، وغيرها من الشركات التي تخضع لتنظيم صارم. يمكن أن تؤدي مراجعة العناية الواجبة غير المكتملة لعميل واحد والذي يغفل عن تورطه في غسيل الأموال أو جرائم أخرى إلى غرامات بملايين الدولارات، وتضرر السمعة، 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 التعرف على العميل (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 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؟

الأخطاء التشغيلية والغرامات تحدث على الرغم من استثمار البنوك الكبير في عمليات وحلول AML/KYC. قدرت شركة Juniper Research إنفاق العالم على KYC في عام 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 و AML. باستخدام الذكاء الاصطناعي وبيانات الهوية المسروقة أو المزورة، 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 المطلوبة التي لا يمكنهم التحقق منها بشكل مستقل. عندما لا يتم التواصل بفعالية حول هذه المتطلبات، قد يسبب ذلك ارتباكًا للعملاء وتأخير 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 يقدم مستندات لا تتوافق مع المتطلبات المحلية والداخلية. يمكن لهذا أن يمنع وجود فجوات وأخطاء في البيانات قبل دخولها 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 في العالم الحقيقي وتثير علامات تنبيه عند ظهور تناقضات، بحيث يمكن للمحللين التحقيق.

3. المراقبة في الوقت الحقيقي لـ KYC و AML

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، أمر حاسم 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 التقارير 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 ومخططات بديهية، على لوحات المعلومات، وفي التقارير. تتيح هذه الرؤية لقيادة البنك تحديد المشكلات الناشئة وإيقافها قبل أن تتفاقم.

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 منصة كاملة أو عملية تكامل طويلة. يتيح ذلك للمؤسسات استثمار المزيد من القيمة في تقنيات 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 للأنظمة 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 بسرعة الحصول على المعلومات الحالية التي يحتاجونها لاتباع وتنفيذ السياسات الجديدة باستمرار.

تقليل المخاطر غير المتوازنة لـ KYC/AML باستخدام الذكاء الاصطناعي

تمثل أدوات KYC و AML المدعومة بالذكاء الاصطناعي مستقبل إدارة المخاطر المالية. يمكنها تقليل تعرض البنوك للمخاطر غير المتوازنة بشكل حاد 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 و AML التقليدية، فإن دمج الذكاء الاصطناعي في سير عمل KYC و AML هو الطريقة الأكثر فاعلية للمؤسسات لتعزيز الحماية الآن وفي المستقبل.