Làm thế nào AI-Driven KYC có thể giảm thiểu rủi ro bất đối xứng cho các ngân hàng?

John Flowers giữ vai trò Giám đốc Tài chính Toàn cầu tại eClerx. Với hơn 30 năm kinh nghiệm trong lĩnh vực dịch vụ công nghệ tài chính, ông đã đảm nhiệm nhiều vai trò điều hành ở cả hai mặt công nghệ của doanh nghiệp và mặt khách hàng.

Khám phá tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các giám đốc tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều hơn nữa

Rủi ro không đối xứng luôn là mối đe dọa đối với các ngân hàng, fintech và các doanh nghiệp bị quản lý chặt chẽ khác. Một đánh giá thẩm định không đầy đủ về một khách hàng duy nhất mà bỏ lỡ sự tham gia của họ vào rửa tiền hoặc các tội phạm khác có thể dẫn đến các khoản phạt hàng triệu đô la, thiệt hại về danh tiếng và hành động quy định ở cấp lãnh đạo cao nhất. Bởi vì ngay cả những lỗi nhỏ cũng có thể tạo ra những hậu quả lớn như vậy, việc loại bỏ những khoảng trống nhỏ trong quy trình biết khách hàng (KYC) là điều cần thiết để bảo vệ cả các tổ chức và các bên liên quan của họ.

Truyền thống, việc tuân thủ KYC và chống rửa tiền (AML) hiệu quả đã yêu cầu một đánh giá toàn diện về rủi ro của khách hàng trong quá trình tiếp nhận, sau đó là việc theo dõi định kỳ để phát hiện những thay đổi trong hồ sơ hoặc hành vi rủi ro, thường thông qua các quy trình thủ công đặc biệt dễ bị trì hoãn. Giờ đây, AI và tự động hóa tạo điều kiện để tăng cường KYC và nâng cao giám sát AML bằng cách sử dụng dữ liệu thời gian thực và cho phép một cách tiếp cận chủ động hơn đối với việc ngăn chặn tội phạm tài chính.

Vai trò của AI trong việc giảm rủi ro KYC/AML là gì?

Những lỗi vận hành và các hình phạt đang xảy ra mặc dù các ngân hàng đã đầu tư đáng kể vào các quy trình và giải pháp AML/KYC. Juniper Research đã đưa ra dự báo chi tiêu toàn cầu cho KYC năm 2024 đạt 30,8 tỷ đô la vào năm ngoái. Tuy nhiên, nhiều tổ chức vẫn phụ thuộc vào việc xử lý và cập nhật dữ liệu khách hàng thủ công, điều này làm chậm quá trình tiếp nhận và trì hoãn các cập nhật có thể cảnh báo về những thay đổi trong hồ sơ rủi ro.

Tự động hóa một số quy trình này bằng cách sử dụng tự động hóa quy trình robot (RPA) dựa trên quy tắc có thể tăng tốc mọi thứ, nhưng có thể tạo ra tỷ lệ dương tính giả cao yêu cầu nhiều thời gian hơn cho các đánh giá thủ công. Trong khi đó, tội phạm đang sử dụng công nghệ tiên tiến để tránh bị bắt bởi các quy trình KYC và AML. Với AI và dữ liệu danh tính bị đánh cắp hoặc giả mạo, họ có thể tạo ra các tài liệu và lịch sử trông đủ thực để đánh lừa các nhà phân tích và các hệ thống tự động cơ bản.

Thêm tự động hóa AI và GenAI vào RPA có thể giúp các ngân hàng giải quyết những thách thức này theo nhiều cách.

1. Trải nghiệm tiếp nhận khách hàng

Là một phần của quy trình KYC, các công ty cung cấp cho khách hàng mới một danh sách các tài liệu và dữ liệu cần thiết mà họ không thể xác minh độc lập. Khi các yêu cầu này không được truyền đạt một cách hiệu quả, nó có thể gây nhầm lẫn cho khách hàng và trì hoãn việc phê duyệt. Điều này đặc biệt đúng khi thông tin được yêu cầu không rõ ràng phù hợp với các yêu cầu quy định cụ thể của khu vực pháp lý, tạo ra công việc thêm cho các nhà phân tích, những người phải giải quyết những khác biệt đó.

Với một mô hình xử lý ngôn ngữ tự nhiên AI được tích hợp trong quy trình tiếp nhận, các ngân hàng có thể giao tiếp hiệu quả và yêu cầu thông tin phù hợp dựa trên các quy định cụ thể của các khu vực pháp lý áp dụng. Kết quả là một quy trình tiếp nhận nhanh hơn, ít có khả năng xảy ra lỗi do ai đó đánh dấu sai hoặc nộp tài liệu không tương ứng với các yêu cầu địa phương và nội bộ. Điều này có thể ngăn chặn các khoảng trống và lỗi dữ liệu trước khi chúng vào hệ thống.

2. Phát hiện gian lận danh tính

Các mô hình phát hiện danh tính tổng hợp và thị giác máy tính được hỗ trợ bởi AI có thể đánh dấu các khách hàng mà tài liệu hoặc lịch sử tài chính của họ có vẻ giả mạo hoặc bị đánh cắp, ngay cả khi chúng trông hợp pháp đối với các nhà phân tích con người. Những công cụ này tổng hợp dữ liệu từ nhiều nguồn theo thời gian, và chúng có thể thấy các mối liên hệ giữa các dữ liệu mà con người sẽ bỏ lỡ, và các động cơ quy tắc truyền thống không thể giải mã. Chúng nhanh chóng tương quan danh tính khách hàng với hoạt động thế giới thực và nâng cao cảnh báo khi có sự khác biệt xuất hiện để các nhà phân tích có thể điều tra.

3. Giám sát KYC và AML thời gian thực

Duy trì dữ liệu khách hàng sau khi tiếp nhận là một quá trình không bao giờ kết thúc. Giám sát các hoạt động của khách hàng với tổ chức, quét tìm tin tức xấu về họ và hiểu bất kỳ thay đổi nào trong mạng lưới kinh doanh của họ là rất quan trọng để tránh bỏ lỡ dấu hiệu về sự thay đổi trong hồ sơ rủi ro của khách hàng. Các mô hình GenAI có thể điều phối loại giám sát này theo thời gian thực bằng cách hấp thụ dữ liệu từ nhiều nền tảng và nguồn dữ liệu khác nhau, thiết lập một hồ sơ rủi ro cơ bản cho mỗi khách hàng, và nâng cao cảnh báo khi dữ liệu mới cho thấy sự thay đổi trong hồ sơ rủi ro.

4. Tuân thủ và báo cáo

Các giải pháp tiếp nhận và giám sát toàn diện cũng cung cấp cho các ngân hàng các thông tin dữ liệu cần thiết để đánh giá sự tuân thủ AML, xác định các khu vực cần cải thiện và tạo báo cáo cho các bên liên quan nội bộ và cơ quan quản lý. Các giải pháp báo cáo GenAI không chỉ giới hạn trong việc hấp thụ một khối lượng lớn dữ liệu và trả lời câu hỏi. Chúng cũng có thể được dạy để hiển thị thông tin đã xử lý bằng cách sử dụng các đồ thị và biểu đồ trực quan, trên bảng điều khiển, và trong các báo cáo. Tính minh bạch này cho phép lãnh đạo ngân hàng xác định và ngăn chặn các vấn đề mới nổi trước khi chúng trở thành các vấn đề lớn.

5. Thích ứng với công nghệ và thay đổi quy định

Các hệ thống tự động hóa được hỗ trợ bởi GenAI và AI học hỏi từ các đầu vào của chúng. Điều đó có nghĩa là chúng có thể được đào tạo để thích ứng khi các ngân hàng kết nối các nguồn dữ liệu và nền tảng công nghệ mới, mà không yêu cầu một quá trình tái cấu trúc lớn hoặc một quy trình tích hợp kéo dài. Điều này cho phép các tổ chức khai thác nhiều giá trị hơn từ các khoản đầu tư AI của họ theo thời gian.

Khả năng học hỏi của AI cũng giúp các ngân hàng dễ dàng cập nhật yêu cầu của họ khi các quy định thay đổi. Việc đào tạo và thử nghiệm các mô hình KYC AI trên các hướng dẫn mới thường mất ít thời gian hơn so với việc cập nhật thủ công các nền tảng không phải AI. Nó cũng nhanh hơn so với việc đào tạo các nhà phân tích về các hướng dẫn mới. AI thực sự có thể giúp với việc đào tạo này, bằng cách trả lời các câu hỏi đơn giản hoặc tóm tắt những thay đổi theo cách dễ đọc. Các nhà phân tích có thể nhanh chóng có thông tin hiện tại mà họ cần để liên tục theo dõi và thực thi các chính sách mới.

Giảm rủi ro không đối xứng cho KYC/AML bằng AI

Các công cụ KYC và AML được hỗ trợ bởi AI đại diện cho tương lai của quản lý rủi ro tài chính. Chúng có thể hạn chế mạnh mẽ sự tiếp xúc của các ngân hàng với các rủi ro không đối xứng ngày nay và cũng thích ứng với môi trường công nghệ và quy định đang phát triển để bảo vệ chống lại các mối đe dọa trong tương lai. Khi các cơ quan quản lý ngày càng xem xét vai trò của các tổ chức tài chính trong tội phạm quốc tế, và tội phạm trở nên khéo léo hơn trong việc tránh các kiểm soát KYC và AML truyền thống, việc tích hợp AI vào các quy trình KYC và AML là cách hiệu quả nhất để các tổ chức tăng cường bảo vệ ngay bây giờ và trong tương lai.