Bagaimana AI-Driven KYC Dapat Mengurangi Risiko Asimetris bagi Bank?

John Flowers menjabat sebagai Kepala Global Pasar Keuangan di eClerx. Dengan lebih dari 30 tahun pengalaman di sektor layanan teknologi keuangan, ia telah memegang berbagai peran eksekutif baik di sisi teknologi perusahaan maupun yang berhadapan langsung dengan klien.

Temukan berita dan acara fintech teratas!

Berlangganan newsletter FinTech Weekly

Dibaca oleh eksekutif di JP Morgan, Coinbase, Blackrock, Klarna, dan lainnya

Risiko asimetris menimbulkan ancaman yang konstan bagi bank, fintech, dan bisnis lain yang sangat diatur. Tinjauan due diligence yang tidak lengkap terhadap satu pelanggan yang mengabaikan keterlibatan mereka dalam pencucian uang atau kejahatan lain dapat berujung pada denda bernilai jutaan dolar, kerusakan reputasi, dan tindakan regulatori pada tingkat tertinggi kepemimpinan. Karena bahkan kesalahan kecil dapat menghasilkan konsekuensi yang begitu besar, menghilangkan celah kecil dalam proses ketahui-pelanggan-anda (KYC) adalah hal penting untuk melindungi baik institusi maupun para pemangku kepentingannya.

Secara tradisional, kepatuhan KYC dan anti pencucian uang (AML) yang efektif memerlukan penilaian menyeluruh atas risiko pelanggan saat onboarding, diikuti pemantauan terjadwal untuk perubahan profil risiko atau perilaku, sering kali melalui proses yang sangat manual yang rawan menyebabkan penundaan. Kini, AI dan otomatisasi memungkinkan penguatan KYC dan peningkatan pengawasan AML dengan menggunakan data real-time serta memungkinkan pendekatan yang lebih proaktif dalam pencegahan kejahatan finansial.

Apa peran AI dalam pengurangan risiko KYC/AML?

Kesalahan operasional dan penalti sedang terjadi meskipun bank telah berinvestasi besar pada proses dan solusi AML/KYC. Juniper Research menetapkan belanja global KYC tahun 2024 sebesar $30.8 miliar tahun lalu. Namun, banyak institusi masih mengandalkan pemrosesan manual dan pembaruan data pelanggan, yang memperlambat onboarding dan menunda pembaruan yang dapat menandai perubahan dalam profil risiko.

Mengotomatisasi sebagian proses ini menggunakan aturan-berbasis robotic process automation (RPA) dapat mempercepat pekerjaan, tetapi dapat menghasilkan tingkat false positive yang tinggi sehingga memerlukan lebih banyak waktu untuk peninjauan manual. Sementara itu, para kriminal menggunakan teknologi canggih untuk menghindari tertangkap oleh proses KYC dan AML. Dengan AI serta data identitas yang dicuri atau palsu, mereka dapat membuat dokumen dan riwayat yang terlihat cukup nyata untuk menipu analis dan sistem otomatis dasar.

Menambahkan otomatisasi yang didukung AI dan GenAI ke RPA dapat membantu bank menghadapi tantangan ini dalam beberapa cara.

1. Pengalaman onboarding pelanggan

Sebagai bagian dari proses KYC, perusahaan menyediakan pelanggan baru dengan daftar dokumen dan data yang diperlukan yang tidak dapat mereka verifikasi secara independen. Ketika persyaratan ini tidak dikomunikasikan secara efektif, hal itu dapat membingungkan pelanggan dan menunda persetujuan. Ini terutama benar ketika informasi yang diminta tidak selaras dengan jelas dengan persyaratan regulasi spesifik dari yurisdiksi (yurisdiksi) yang berlaku, sehingga menciptakan pekerjaan tambahan bagi analis yang kemudian harus menyelesaikan ketidaksesuaian tersebut.

Dengan model pemrosesan bahasa alami AI yang tertanam dalam proses onboarding, bank dapat berkomunikasi secara efektif dan meminta informasi yang sesuai berdasarkan regulasi spesifik dari yurisdiksi yang berlaku. Hasilnya adalah proses onboarding yang lebih cepat yang lebih kecil kemungkinannya mengalami kesalahan yang disebabkan oleh seseorang yang mencentang kotak yang salah atau mengirimkan dokumen yang tidak sesuai dengan persyaratan lokal dan internal. Ini dapat menghentikan celah data dan kesalahan sebelum masuk ke sistem.

2. Mendeteksi penipuan identitas

Model computer vision dan deteksi identitas sintetis yang didukung AI dapat menandai pelanggan yang dokumen atau riwayat finansialnya tampak palsu atau dicuri, meskipun bagi analis manusia terlihat sah. Alat-alat ini menyintesis data dari berbagai sumber dari waktu ke waktu, dan mereka dapat melihat hubungan antar data yang tidak akan terlihat oleh manusia, serta mesin aturan tradisional tidak dapat menguraikannya. Mereka dengan cepat mengaitkan identitas pelanggan dengan aktivitas di dunia nyata dan memberi peringatan ketika muncul ketidaksesuaian agar analis dapat menyelidiki.

3. Pemantauan KYC dan AML real-time

Memelihara data pelanggan setelah onboarding adalah proses yang tidak pernah berhenti. Memantau aktivitas pelanggan bersama institusi, memindai berita buruk tentang mereka, dan memahami perubahan apa pun dalam jejaring bisnis mereka sangat penting untuk menghindari terlewatnya tanda perubahan pada profil risiko pelanggan. Model GenAI dapat mengorkestrasi jenis pemantauan ini secara real-time dengan menyerap data dari banyak platform dan sumber data, menetapkan baseline profil risiko untuk setiap pelanggan, dan menaikkan peringatan ketika data baru menunjukkan perubahan profil risiko.

4. Kepatuhan dan pelaporan

Solusi onboarding dan pemantauan yang komprehensif juga memberikan bank wawasan data yang mereka perlukan untuk menilai kepatuhan AML, mengidentifikasi area untuk perbaikan, serta menghasilkan laporan untuk pemangku kepentingan internal dan regulator. Solusi pelaporan GenAI tidak hanya terbatas pada menyerap dalam jumlah besar data dan menjawab pertanyaan. Solusi tersebut juga dapat diajarkan untuk menampilkan informasi yang telah diproses menggunakan grafik dan bagan yang intuitif, pada dasbor, dan dalam laporan. Visibilitas ini memungkinkan pimpinan bank mengidentifikasi dan menghentikan masalah yang muncul sebelum menjadi masalah besar.

** 5. Beradaptasi dengan perubahan teknologi dan regulasi**

Sistem GenAI dan otomatisasi yang didukung AI belajar dari masukan mereka. Artinya, mereka dapat dilatih untuk beradaptasi ketika bank menghubungkan sumber data baru dan platform teknologi, tanpa memerlukan perombakan platform yang besar atau proses integrasi yang panjang. Ini memungkinkan institusi memperoleh lebih banyak nilai dari investasi AI mereka dari waktu ke waktu.

Kapasitas belajar AI juga memudahkan bank untuk memperbarui persyaratan ketika regulasi berubah. Melatih dan menguji model KYC AI pada pedoman baru biasanya memakan waktu lebih sedikit dibandingkan memperbarui platform non-AI secara manual. Itu juga lebih cepat daripada melatih analis pada pedoman baru. AI sebenarnya dapat membantu pelatihan ini juga, dengan menjawab pertanyaan sederhana atau merangkum perubahan dalam format yang mudah dibaca. Analis dapat dengan cepat memiliki informasi terkini yang mereka butuhkan untuk secara konsisten mengikuti dan menegakkan kebijakan baru.

Mengurangi risiko asimetris untuk KYC/AML dengan AI

Alat KYC dan AML yang didukung AI mewakili masa depan manajemen risiko keuangan. Mereka dapat secara tajam membatasi paparan bank terhadap risiko asimetris saat ini dan juga beradaptasi dengan lanskap teknologi dan regulasi yang terus berkembang untuk melindungi dari ancaman di masa depan. Dengan regulator yang semakin ketat menyoroti peran institusi keuangan dalam kejahatan internasional, dan para kriminal yang semakin mahir dalam menghindari kontrol KYC dan AML tradisional, mengintegrasikan AI ke dalam alur kerja KYC dan AML adalah cara yang paling efektif bagi Institusi untuk memperkuat perlindungan sekarang dan di masa depan.