كيف يمكن لـ KYC القائم على الذكاء الاصطناعي أن يقلل المخاطر غير المتماثلة للبنوك؟

جون فلاورز هو الرئيس العالمي للأسواق المالية في eClerx. يتمتع بخبرة تزيد عن 30 عامًا في قطاع خدمات التكنولوجيا المالية، وشغل عدة مناصب تنفيذية في جانبي التكنولوجيا التجارية والمواجهة للعملاء.

اكتشف أبرز أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

يقرؤها مسؤولون تنفيذيون في JP Morgan، Coinbase، Blackrock، Klarna وغيرها

يشكل الخطر غير المتماثل تهديدًا مستمرًا للبنوك وشركات التكنولوجيا المالية وغيرها من الشركات الخاضعة لتنظيم صارم. يمكن أن يؤدي إجراء فحص ناقص للعناية الواجبة تجاه عميل واحد، والذي يفشل في اكتشاف تورطه في غسل الأموال أو جرائم أخرى، إلى غرامات بملايين الدولارات، وضرر بالسمعة، وإجراءات تنظيمية على أعلى مستويات القيادة. ولأن حتى الأخطاء الصغيرة يمكن أن تنتج هذه العواقب الهائلة، فإن سد الثغرات الصغيرة في عمليات اعرف عميلك (KYC) أمر ضروري لحماية كل من المؤسسات وأصحاب المصلحة فيها.

تقليديًا، يتطلب الامتثال الفعال لـ KYC ومكافحة غسل الأموال (AML) تقييمًا شاملاً لمخاطر العميل أثناء التعاقد، يليه مراقبة مجدولة للتغيرات في ملف المخاطر أو السلوك، غالبًا من خلال عمليات يدوية استثنائية عرضة للتأخير. الآن، يجعل الذكاء الاصطناعي والأتمتة من الممكن تعزيز KYC وتحسين الإشراف على AML باستخدام البيانات في الوقت الفعلي وتمكين نهج أكثر استباقية لمنع الجرائم المالية.

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

تحدث الأخطاء التشغيلية والعقوبات على الرغم من استثمار البنوك الكبير في عمليات وحلول AML/KYC. قدرت Juniper Research الإنفاق العالمي على KYC في عام 2024 بمبلغ 30.8 مليار دولار العام الماضي. ومع ذلك، لا تزال العديد من المؤسسات تعتمد على المعالجة اليدوية وتحديث بيانات العملاء، مما يبطئ التعاقد ويؤخر التحديثات التي قد تشير إلى تغييرات في ملف المخاطر.

يمكن لأتمتة بعض هذه العمليات باستخدام أتمتة العمليات الروبوتية القائمة على القواعد (RPA) تسريع الأمور، ولكنها قد تولد معدلات عالية من النتائج الإيجابية الكاذبة التي تتطلب مزيدًا من الوقت للمراجعات اليدوية. وفي الوقت نفسه، يستخدم المجرمون التكنولوجيا المتقدمة لتجنب اكتشافهم من خلال عمليات KYC وAML. باستخدام الذكاء الاصطناعي وبيانات الهوية المزيفة أو المسروقة، يمكنهم إنشاء مستندات وتواريخ تبدو حقيقية بما يكفي لخداع المحللين والأنظمة الآلية الأساسية.

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

1. تجربة التعاقد مع العملاء

كجزء من عملية KYC، تقدم الشركات للعملاء الجدد قائمة بالوثائق والبيانات المطلوبة التي لا يمكنها التحقق منها بشكل مستقل. عندما لا يتم توصيل هذه المتطلبات بشكل فعال، يمكن أن يربك العملاء ويؤخر الموافقات. هذا صحيح بشكل خاص عندما لا تتماشى المعلومات المطلوبة بوضوح مع المتطلبات التنظيمية المحددة للولاية (الولايات) القضائية، مما يخلق عملاً إضافيًا للمحللين الذين يجب عليهم بعد ذلك حل التناقضات.

مع وجود نموذج معالجة اللغة الطبيعية للذكاء الاصطناعي المضمن في عملية التعاقد، يمكن للبنوك التواصل بفعالية وطلب المعلومات المناسبة بناءً على اللوائح المحددة للولايات القضائية المعمول بها. والنتيجة هي عملية تعاقد أسرع أقل عرضة للأخطاء الناجمة عن قيام شخص ما بتحديد المربع الخطأ أو تقديم مستندات لا تتوافق مع المتطلبات المحلية والداخلية. يمكن أن يوقف هذا الفجوات والأخطاء في البيانات قبل دخولها النظام.

2. كشف الاحتيال في الهوية

يمكن لنماذج الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي واكتشاف الهوية الاصطناعية أن تحدد العملاء الذين يبدو أن وثائقهم أو تواريخهم المالية مزيفة أو مسروقة، حتى لو بدت شرعية للمحللين البشريين. تقوم هذه الأدوات بتجميع البيانات من مصادر متعددة بمرور الوقت، ويمكنها رؤية الروابط بين البيانات التي قد يفوتها البشر، والتي لا تستطيع محركات القواعد التقليدية فك شفرتها. إنها تربط بسرعة هوية العميل بالنشاط الواقعي وتثير علامات استفهام عند ظهور تناقضات ليتمكن المحللون من التحقيق.

3. مراقبة KYC وAML في الوقت الفعلي

الحفاظ على بيانات العملاء بعد التعاقد هو عملية لا تنتهي. مراقبة أنشطة العملاء مع المؤسسة، والبحث عن الأخبار السلبية عنهم، وفهم أي تغييرات في شبكات أعمالهم أمر بالغ الأهمية لتجنب تفويت علامات التحول في ملف مخاطر العميل. يمكن لنماذج GenAI تنسيق هذا النوع من المراقبة في الوقت الفعلي عن طريق استيعاب البيانات من منصات ومصادر بيانات متعددة، وتحديد ملف مخاطر أساسي لكل عميل، وإطلاق تنبيهات عندما تشير البيانات الجديدة إلى تغيير في ملف المخاطر.

4. الامتثال وإعداد التقارير

توفر حلول التعاقد والمراقبة الشاملة أيضًا للبنوك رؤى البيانات التي تحتاجها لتقييم امتثال AML، وتحديد مجالات التحسين، وإنشاء تقارير لأصحاب المصلحة الداخليين والجهات التنظيمية. لا تقتصر حلول إعداد التقارير من GenAI على استيعاب كميات هائلة من البيانات والإجابة على الأسئلة. يمكن أيضًا تعليمها عرض المعلومات المعالجة باستخدام رسوم بيانية ومخططات بديهية، على لوحات المعلومات، وفي التقارير. تسمح هذه الرؤية لقادة البنوك بتحديد المشكلات الناشئة ووقفها قبل أن تصبح مشاكل كبيرة.

5. التكيف مع التغيرات التكنولوجية والتنظيمية

تتعلم أنظمة GenAI والأتمتة المدعومة بالذكاء الاصطناعي من مدخلاتها. وهذا يعني أنه يمكن تدريبها على التكيف عندما تقوم البنوك بتوصيل مصادر بيانات ومنصات تكنولوجية جديدة، دون الحاجة إلى إعادة منصة رئيسية أو عملية تكامل طويلة. يسمح هذا للمؤسسات باستخلاص قيمة أكبر من استثماراتها في الذكاء الاصطناعي بمرور الوقت.

كما أن قدرة الذكاء الاصطناعي على التعلم تسهل على البنوك تحديث متطلباتها عندما تتغير اللوائح. عادةً ما يستغرق تدريب واختبار نماذج KYC للذكاء الاصطناعي على المبادئ التوجيهية الجديدة وقتًا أقل من تحديث المنصات غير المعتمدة على الذكاء الاصطناعي يدويًا. كما أنها أسرع من تدريب المحللين على المبادئ التوجيهية الجديدة. يمكن للذكاء الاصطناعي أيضًا المساعدة في هذا التدريب، من خلال الإجابة على الأسئلة البسيطة أو تلخيص التغييرات بتنسيقات سهلة القراءة. يمكن للمحللين الحصول بسرعة على المعلومات الحالية التي يحتاجونها لمتابعة وتطبيق السياسات الجديدة باستمرار.

تقليل الخطر غير المتماثل لـ KYC/AML باستخدام الذكاء الاصطناعي

تمثل أدوات KYC وAML المدعومة بالذكاء الاصطناعي مستقبل إدارة المخاطر المالية. يمكنها الحد بشكل حاد من تعرض البنوك للمخاطر غير المتماثلة اليوم، والتكيف أيضًا مع البيئات التكنولوجية والتنظيمية المتطورة للحماية من التهديدات المستقبلية. مع تزايد تدقيق الجهات التنظيمية لدور المؤسسات المالية في الجريمة الدولية، وازدياد براعة المجرمين في التهرب من ضوابط KYC وAML التقليدية، فإن دمج الذكاء الاصطناعي في سير عمل KYC وAML هو الطريقة الأكثر فعالية للمؤسسات لتعزيز الحماية الآن وفي المستقبل.