Глибокий аналіз: AI на основі агентів у боротьбі з фінансовими злочинами

Глобальна фінансова система стикається з структурною кризою. У 2025 році незаконна фінансова діяльність зросла до приблизно 4,4 трильйонів доларів — на 1,3 трильйона більше за два роки. Цей 19,2% середньорічний темп зростання свідчить, що фінансові злочини не просто зростають, а стають індустріалізованими. Це означає, що традиційні моделі відповідності зазнають невдачі. Традиційні системи на основі правил і ручний людський огляд математично неспроможні конкурувати з ворожим штучним інтелектом.

Індустрія наразі працює у стані високих витрат і низької ефективності. Банки зазвичай виділяють 10-15% свого загального штату на діяльність з ідентифікації клієнта (KYC) та боротьби з відмиванням грошей (AML), але виявляють лише близько 2% глобальних фінансових злочинів. Ця різниця між операційними витратами та ефективністю — це «пастка відповідності». Я вважаю, що агентний штучний інтелект — єдина надійна стратегія виходу з цієї пастки.

Агентний штучний інтелект означає перехід від «допоміжних» технологій до «автономного» виконання. Поки генеративний ШІ (GenAI) підсумовує дані, а аналітичний ШІ виявляє шаблони, агентний ШІ має здатність планувати, виконувати та адаптувати послідовності дій для досягнення конкретної мети. Це різниця між чатботом, який пише підсумок, і цифровим працівником, який розслідує справу.

Застарілість безкодових та правилесних рамок

Протягом десятиліття «безкод» був еталоном для ризикових операцій. Він дозволяв командами з відповідності створювати правила без підтримки інженерів. Однак із зростанням обсягів злочинів аналітик став вузьким місцем. У традиційному AML до 95% сповіщень — хибні спрацьовування. Створення одного звіту про підозрілу діяльність (SAR) може займати чотири і більше днів.

Інструменти безкоду вже недостатні. Тепер потрібна інфраструктура ризиків на базі ШІ. Вона виконує весь життєвий цикл фінансових злочинів: виявлення ризику в реальному часі, розслідування сповіщень від початку до кінця та підготовка документів для регуляторів. Перезапуск Unit21 у 2026 році сигналізує про цей перехід. Їхня платформа перейшла від безкодової системи правил до агентної системи, де агенти ШІ налаштовують логіку виявлення та проводять розслідування без участі людських аналітиків на кожному кроці.

Визначення агентного ШІ у ризикових операціях

Агентний ШІ — це системи, що діють з певною мірою автономії для досягнення визначених цілей. У боротьбі з фінансовими злочинами це означає, що ШІ може самостійно обирати джерела даних для запиту, інтерпретувати суперечливу інформацію та вирішувати, коли потрібно піднімати справу.

Порівняння поколінь ШІ у відповідності

Продуктивність агентного ШІ у 20 разів перевищує можливості ручних фахівців. Я класифікував цих агентів у команди, що відображають людські ролі по всьому ланцюжку цінності. Агенти з доповненням витягування даних (RAG) обробляють витяг даних із фінансових звітів та документів про бенефіціарів. Агенти обробки даних керують процесами ETL і виконують розрізнення суб’єктів у розрізнених наборах даних. Агенти досліджень слідкують за ринковими тенденціями та моделями контрагентів, а агенти перевірки оцінюють результати роботи агентів для забезпечення якості.

Робочий процес розслідування ШІ

Коли сповіщення потрапляє у чергу, агент розслідування ШІ дотримується структурованого робочого процесу, а не починає з нуля.

2. Збір сигналів: агент отримує історію транзакцій, профіль суб’єкта, рейтинги ризику та збіги з чорними списками. Він переходить між різними екранами, щоб зібрати контекст, необхідний старшому аналітику.

3. Оркестрування робочого процесу: агент виконує модульні кроки згідно з стандартними операційними процедурами (SOP). Це включає перевірку історії попередніх сповіщень, запуск пошуків OSINT і крос-перевірку санкційних списків.

4. Збір висновків: агент формує структурований пакет із описом, логами доказів і рекомендацією щодо подальших дій. Логіка є явною і відстежуваною.

Модель «людина у циклі» залишається стандартною для остаточних рішень. Аналітики затверджують, змінюють або скасовують пакет агента, забезпечуючи людську відповідальність.

Контекстне інженерство проти інженерії підказок

Найскладніше в агентному ШІ — не написання кращих підказок, а створення правильного контексту. Щоб отримати аудитується розслідувальний нарратив, модель має отримати точні докази без перевантаження вікна контексту. Базові моделі (LLMs) побудовані на трансформерній архітектурі, де кожен токен враховує всі інші, що створює n2 зв’язків. Це призводить до дефіциту уваги при збільшенні довжини контексту.

Ефективне контекстне інженерство — це наука підбору високосигнальних токенів для максимізації ймовірності бажаного результату. Наприклад, Unit21 використовує багатий набір даних за 7 років людських оглядів, щоб визначити оптимальний контекст для виконання конкретних завдань. Ці завдання потім порівнюють із історичними людськими розслідуваннями, виконаними високопродуктивними аналітиками, щоб забезпечити правильність, послідовність і ефективність.

Оцінка виконується за допомогою архітектур «LLM як суддя». Другий, більш потужний модельний рівень оцінює якість вихідних даних основного агента, створюючи самоперевіряючий шар, що виявляє невідповідності до того, як вони потрапляють до людського рецензента. Це доповнюється перевіркою цитувань, коли система підтверджує, що твердження агента базуються на отриманих даних, а не на інтерпретації моделі.

Робочий процес розслідування ШІ

Коли сповіщення потрапляє у чергу, агент розслідування ШІ дотримується структурованого робочого процесу, а не починає з нуля.

2. Збір сигналів: агент отримує історію транзакцій, профіль суб’єкта, рейтинги ризику та збіги з чорними списками. Він переходить між різними екранами, щоб зібрати контекст, необхідний старшому аналітику.

3. Оркестрування робочого процесу: агент виконує модульні кроки згідно з стандартними операційними процедурами (SOP). Це включає перевірку історії попередніх сповіщень, запуск пошуків OSINT і крос-перевірку санкційних списків.

4. Збір висновків: агент формує структурований пакет із описом, логами доказів і рекомендацією щодо подальших дій. Логіка є явною і відстежуваною.

Модель «людина у циклі» залишається стандартною для остаточних рішень. Аналітики затверджують, змінюють або скасовують пакет агента, забезпечуючи людську відповідальність.

Три режими несправності агентів ШІ

Більшість ранніх впроваджень агентів ШІ зазнають невдачі через погані обмежувачі, а не через слабкі моделі.

Sardine

2. Галюцинуючий дослідник: Це трапляється, коли команда надає занадто багато контексту і відкритих підказок. У ворожих середовищах модель заповнює прогалини даних правдоподібними, але неправильними наративами. Рішення — використовувати «атомарних агентів» із вузькими межами прийняття рішень.

3. Занадто підозрілий агент: Тренування за шаблонами без контексту призводить до надмірної ескалації. Наприклад, позначення високовартісних платежів між внутрішніми рахунками як «слоєність». Важливо вводити питання щодо підґрунтя, щоб запобігти автоматичним висновкам про шахрайство.

4. Чорна скринька агент: Виведення висновків, які не можна захистити перед регуляторами. Точні результати без ланцюга доказів — це ризик. Агенти повинні отримувати дані детерміновано і зосереджуватися на структурованій документації.

Прогнозуюча оборона і цифрові працівники

З прогресом 2026 року різниця між приватними стабількоінами та публічними цифровими грошима стає критичним стратегічним питанням. Злиття операцій з шахрайства та AML — це не просто операційна конвергенція, а глибша інтеграція технологічного стеку.

Агентний ШІ переходить від пілотних проектів до ядра системи AML. Спостерігається перехід від простого розпізнавання шаблонів до прогнозних систем, що передбачають злочинну діяльність ще до того, як транзакція буде позначена. Щиро кажучи: застарілі системи на основі правил не можуть встигати за швидкістю миттєвих платежів.

Шлях до впливу визначає швидкість впровадження та адаптована операційна модель. Провідні інститути починають із пілотних периметрів, щоб довести ефективність, перед масштабним розгортанням. Агентний ШІ — це наступний великий інноваційний важіль для KYC/AML, що пропонує більш суворе дотримання правил і більш зручний клієнтський досвід.

Я вважаю, що впровадження агентного ШІ — це необхідність для виживання у сучасному фінансовому середовищі. 4,4 трильйони доларів незаконної діяльності — нагадування, що вартість бездіяльності надто висока. Ми маємо перейти від робочої сили ручних виконавців до системи управління ШІ, яка керує цифровою фабрикою агентів, що виявляють і розслідують злочини з машинною швидкістю.