Банки и другие финансовые службы ежедневно сталкиваются с тысячами транзакций, некоторые из которых являются законными средствами, а другие - незаконными. Незаконные средства помечаются, когда транзакция превышает определенное пороговое значение. Одним из примеров этого является Закон о банковской тайне 1970 года в США, где каждая транзакция между двумя или более сторонами на сумму более 10 000 долларов США расследуется на постоянной основе до тех пор, пока созданный отчет не будет одобрен федеральным органом власти.

Любая борьба с отмыванием денег будет генерировать множество предупреждений, которые могут включать в себя некоторые ложные срабатывания, эти ложные срабатывания занимают много времени. Поскольку исследование каждого предупреждения занимает много времени, и это становится контекстом, если позаботиться о нем вручную. По этой причине большинство банков и финансовых учреждений не вкладывают в него много средств, поскольку для ручного управления потребуются бизнес-аналитики, и, честно говоря, БА не подлежат обсуждению, когда речь идет о платежах. А поскольку нанять несколько БА было бы сложно, большая часть данных остается в покое, и, следовательно, безопасность рассекречивается.

Здесь на помощь приходит ИИ. Хотя это дорого, но при правильном понимании это не более чем разовая инвестиция, которая лучше, чем оплата нескольких БА. Некоторые из технологий ИИ — это обработка естественного языка (NLP) и машинное обучение.

В нескольких юрисдикциях есть несколько регуляторов, которые, в свою очередь, устанавливают множество правил, с которыми трудно справиться вручную. Обработка естественного языка добавляет детализации к документам, содержащим эти правила, путем извлечения метаданных, определения актуальности данных и понимания их назначения в соответствии с бизнес-контекстом. Это упрощает работу и экономит много времени.

С другой стороны, машинное обучение определяет закономерность в данных. И, таким образом, выявляет ложноположительные результаты, которые можно получить с помощью другой логистики. Британский стартап ComplyAdvantage — один из многих, кто использует машинное обучение для решения подобных ситуаций.

Нелегко построить систему мониторинга соответствия, для этого требуется непрерывная реакция системы мониторинга в реальном времени для выявления ложных шаблонов. ИИ обеспечивает полное покрытие всех возможных сценариев, чтобы отфильтровать ненадлежащее поведение.