Как AI-Driven KYC может снизить асимметричный риск для банков?

Джон Флауэрс занимает должность глобального руководителя по финансовым рынкам в eClerx. Имея более 30 лет опыта в сфере финансовых технологических услуг, он занимал различные руководящие должности как в области технологий, так и в работе с клиентами.

Откройте для себя лучшие новости и события финтеха!

Подпишитесь на рассылку FinTech Weekly

Читают руководители JP Morgan, Coinbase, Blackrock, Klarna и других компаний

Асимметричный риск постоянно угрожает банкам, финтех-компаниям и другим строго регулируемым бизнесам. Неполная проверка одного клиента, которая не выявила его участие в отмывании денег или других преступлениях, может привести к многомиллионным штрафам, ущербу репутации и регуляторным мерам на самом высоком уровне руководства. Даже небольшие ошибки могут иметь такие масштабные последствия, поэтому устранение мелких пробелов в процессах “знай своего клиента” (KYC) является важнейшим для защиты как самих учреждений, так и их заинтересованных сторон.

Традиционно эффективное соблюдение требований KYC и противодействия отмыванию денег (AML) требовало всесторонней оценки риска клиента при его приеме, а затем — регулярного мониторинга изменений в его профиле или поведении, зачастую с помощью очень ручных процессов, склонных к задержкам. Сейчас ИИ и автоматизация позволяют укрепить процессы KYC и повысить контроль AML, используя данные в реальном времени и позволяя более проактивно предотвращать финансовые преступления.

Какова роль ИИ в снижении рисков KYC/AML?

Несмотря на значительные инвестиции банков в процессы и решения AML/KYC, ошибки в операционной деятельности и штрафы продолжают происходить. Согласно исследованию Juniper Research, в 2024 году глобальные расходы на KYC составили 30,8 миллиарда долларов в прошлом году. Однако многие учреждения по-прежнему полагаются на ручную обработку и обновление данных клиентов, что замедляет процесс приема и задерживает обновления, которые могли бы выявить изменения в профиле риска.

Автоматизация части этих процессов с помощью правил-основанной роботизированной автоматизации процессов (RPA) может ускорить работу, но при этом увеличивается риск ложных срабатываний, требующих дополнительных ручных проверок. В то же время преступники используют передовые технологии для обхода процессов KYC и AML. С помощью ИИ и украденных или фальшивых данных о личности они могут создавать документы и истории, выглядящие достаточно правдоподобно, чтобы обмануть аналитиков и базовые автоматизированные системы.

Добавление автоматизации с поддержкой ИИ и GenAI к RPA поможет банкам решать эти задачи несколькими способами.

1. Опыт клиентского onboarding

В рамках процесса KYC компании предоставляют новым клиентам список необходимых документов и данных, которые они не могут проверить самостоятельно. Если эти требования не донесены ясно, это может запутать клиентов и задержать одобрение. Особенно это актуально, когда запрашиваемая информация не соответствует конкретным нормативным требованиям юрисдикции, что создает дополнительную работу для аналитиков, которым приходится устранять несоответствия.

Используя модель обработки естественного языка на базе ИИ, встроенную в процесс onboarding, банки могут эффективно коммуницировать и запрашивать нужную информацию в соответствии с требованиями конкретных нормативных актов. В результате процесс приема становится быстрее и менее подвержен ошибкам, вызванным неправильным выбором опций или подачей документов, не соответствующих местным и внутренним требованиям. Это помогает предотвратить появление пробелов и ошибок в данных еще до их попадания в систему.

2. Обнаружение мошенничества с личностью

Модели компьютерного зрения и синтетического обнаружения личности на базе ИИ могут выявлять клиентов, чьи документы или финансовая история выглядят поддельными или украденными, даже если они кажутся легитимными для человека-аналитика. Эти инструменты собирают данные из различных источников за определенное время, выявляя связи между ними, которые могут ускользнуть от внимания человека или традиционных правил.

Они быстро сопоставляют личность клиента с реальной деятельностью и поднимают тревогу при обнаружении несоответствий, чтобы аналитики могли провести расследование.

3. Мониторинг KYC и AML в реальном времени

Поддержание актуальности данных клиента после его приема — это непрерывный процесс. Мониторинг активности клиента, поиск негативных новостей о нем и отслеживание изменений в его деловых связях — важные меры для своевременного выявления изменений в профиле риска. Модели GenAI могут осуществлять такой мониторинг в реальном времени, собирая данные с различных платформ и источников, устанавливать исходный уровень риска для каждого клиента и сигнализировать о возможных изменениях.

4. Соблюдение нормативных требований и отчетность

Комплексные решения для onboarding и мониторинга предоставляют банкам необходимые аналитические данные для оценки соответствия AML, выявления областей для улучшения и подготовки отчетов для внутренних и внешних регуляторов. Решения на базе GenAI не ограничиваются только обработкой больших объемов данных и ответами на вопросы. Их также можно обучить отображать обработанную информацию в виде интуитивных графиков, диаграмм, на панелях управления и в отчетах. Такой уровень видимости помогает руководству выявлять и предотвращать потенциальные проблемы до их возникновения.

5. Адаптация к технологическим и нормативным изменениям

GenAI и системы автоматизации на базе ИИ учатся на своих данных. Это означает, что их можно обучать адаптироваться при подключении новых источников данных и платформ, без необходимости масштабных перестроек или длительной интеграции. Это позволяет организациям получать больше пользы от инвестиций в ИИ со временем.

Способность ИИ к обучению также облегчает обновление требований при изменениях нормативных актов. Обучение и тестирование моделей KYC на новых руководствах занимает обычно меньше времени, чем ручное обновление платформ без ИИ. Это быстрее, чем обучение аналитиков новым правилам. ИИ также может помочь в этом процессе, отвечая на простые вопросы или кратко резюмируя изменения в легко читаемой форме. Аналитики быстро получают актуальную информацию для последовательного соблюдения новых политик.

Снижение асимметричного риска с помощью ИИ в KYC/AML

Инструменты KYC и AML на базе ИИ представляют будущее управления финансовыми рисками. Они могут значительно снизить экспозицию банков к асимметричным рискам сегодня и адаптироваться к меняющимся технологическим и нормативным условиям, обеспечивая защиту в будущем. В условиях усиленного внимания регуляторов к роли финансовых институтов в международной преступной деятельности и растущей способности преступников обходить традиционные системы KYC и AML, интеграция ИИ в рабочие процессы KYC и AML — наиболее эффективный способ для учреждений укрепить защиту сейчас и в будущем.