Od monolitnog do adaptivnog: Ponovno promišljanje probira na popisu za praćenje u Europi

Financijske institucije diljem Europe snalaze se u okruženju usklađenosti koje postaje sve složenije. Porast prekograničnih plaćanja, u kombinaciji s brzim fintech inovacijama, približava te financijske institucije globalnim bankarskim mrežama i korespondentskim odnosima. No, taj pristup ovisi o sposobnosti demonstriranja snažnih sposobnosti za sprječavanje pranja novca (AML) i provjeru sankcija. Za mnoge europske financijske igrače izazov je uvećan bogatom jezičnom raznolikošću kontinenta i složenom tapiserijom preklapajućih regulatornih okvira. piše Cedric Iggiotti, potpredsjednik za proizvode i projekcije u ThetaRayu (na slici dolje).

Provjera popisa za praćenje, koja otkriva transakcije koje uključuju sankcionirane pojedince, subjekte ili jurisdikcije, u središtu je ovog izazova. Ipak, sustavi na koje se mnoge institucije još uvijek oslanjaju dizajnirani su za jednostavnije doba. Monolitne, univerzalne platforme primjenjuju ista pravila i pragove u svim slučajevima i teško drže korak s modernim zahtjevima. Rezultat su procesi usklađenosti koji su skupi, neučinkoviti, a u nekim slučajevima i nedjelotvorni.

Umjetna inteligencija kao regionalni pokretač pametnijeg probira

Primamljivo je predstaviti umjetnu inteligenciju kao gotovo rješenje. Alati pokretani umjetnom inteligencijom, posebno oni koji koriste strojno učenje i obradu prirodnog jezika, nude značajan napredak u podudaranju imena, jezičnom pokrivanju i otkrivanju kontekstualnog rizika. Ali za praktičare koji žive pod budnim okom regulatora, istina je nijansiranija od "umjetna inteligencija dobra, naslijeđena loša". Umjetna inteligencija u produkcijskim okruženjima nije ni besprijekorna ni univerzalno prihvaćena kao samostalna zamjena za postojeće metodologije.

U kontroliranim testnim okruženjima, dobro obučeni model umjetne inteligencije mogao bi doista prepoznati da su „Altaibi Khaled Aedh G.“, „Khalid Al OTAIBI“ i „arapski خالد" odnose se na istu osobu. Međutim, u živim, višejezičnim i neurednim okruženjima podataka takvo razlučivanje entiteta ostaje nesavršeno. Rezultati uvelike ovise o predobradi, normalizaciji, kvaliteti podataka za obuku i kontinuiranom podešavanju. Čak i tada, lažno negativni rezultati ostaju rizik, a u svijetu usklađenosti, jedan promašeni pogodak može biti daleko štetniji od tisuću lažno pozitivnih. Iz tog razloga, većina implementacija regulatorne razine sada funkcionira kao adaptivne arhitekture koje kombiniraju deterministička pravila, neizrazito podudaranje i slojeve umjetne inteligencije na fleksibilne načine. To omogućuje institucijama da iskoriste prednosti umjetne inteligencije bez gubitka transparentnosti i objašnjivosti potrebne za revizije. 

Ova adaptivna promjena nije samo stvar tehničkih preferencija. To je regulatorni zahtjev. Europski nadzornici pod vodstvom EBA-e, nadzorom BaFin-a ili novim okvirom AMLA očekuju trenutno primanje popisa sankcija, dnevnu ponovnu provjeru klijenata i dokaz o objašnjivosti. Uredba o trenutnim plaćanjima dodaje dodatni pritisak zahtijevajući da se sredstva uplate u roku od deset sekundi. Monolitni sustavi teško mogu ispuniti ove paralelne zahtjeve. Adaptivna provjera, osmišljena da bude svjestan konteksta, može. Discipline upravljanja rizikom modela i dalje se primjenjuju, uključujući dokumentirano upravljanje, neovisnu validaciju, ponovljive rezultate, jasne revizijske tragove i strogu kontrolu verzija. 

Usklađenost je više od podudaranja imena. Obuhvaća režime licenciranja, pravila agregacije stvarnog vlasništva kao što je OFAC-ov prag od 50%, pravovremeno preuzimanje ažuriranja popisa, strukturirano upravljanje slučajevima i mogućnost dokazivanja donošenja odluka godinama nakon što je upozorenje razriješeno.

Jezična složenost nije apstraktan problem. Imena diljem Europe mogu se pojavljivati ​​na latinici, ćirilici, arapskom ili amharskom pismu, s nedosljednostima u transliteraciji, fonetskim varijacijama i lokalnim konvencijama poput višekomponentnih patronima. Nedosljednosti u transliteraciji i lokalne konvencije imenovanja znače da institucije moraju kalibrirati probir na više pisama i varijanti. Tradicionalni monolitni sustavi obično tretiraju ove izazove na isti način, primjenjujući jedinstvene pragove i pravila bez obzira na pismo, ime, kulturu, vrstu entiteta ili jurisdikciju. Adaptivno probir uvodi strategije svjesne situacije. Logika podudaranja može se prilagoditi za slavenska naspram arapskih imena, osobna imena naspram korporativnih identiteta ili transakcije visokog naspram transakcija niskog rizika. Prilagođavanjem pravila kvaliteti podataka i profilu rizika, institucije postižu jače prisjećanje bez preopterećenja analitičara.

Probir u gospodarstvima s velikim volumenom i mobilnim uređajima može zahtijevati obradu desetaka tisuća transakcija u minuti. Dodavanje složenih slojeva strojnog učenja može usporiti protok ako se ne projektira pažljivo. Adaptivni sustavi omogućuju institucijama da kontroliraju gdje bi umjetna inteligencija trebala nadopunjavati, a ne zamjenjivati ​​determinističke slojeve, podešavajući pragove na temelju izloženosti riziku i apetita. 

Od regulatornog tereta do strateške prednosti

Slučaj tvrtke Travelex, koja posluje diljem Europe, ilustrira potencijalni utjecaj ovog pristupa. Uvođenjem adaptivnog, umjetnom inteligencijom vođenog probira, tvrtka je navodno smanjila lažno pozitivne rezultate i do deset puta u nekim jurisdikcijama u kojima posluje. No, takvi dobici ovise o više od samog AI mehanizma. Kada se dobro izvede, adaptivni probir popisa za praćenje može preusmjeriti usklađenost s percipiranog troškovnog centra na stratešku sposobnost. Brže uključivanje, smanjeno opterećenje analitičara i preciznija upozorenja grade povjerenje kupaca i otvaraju vrata novim partnerstvima. Ali ovo nije rješenje po principu "ključ u ruke". To je ulaganje u upravljanje, ljude i procese koje se mora održavati dugo nakon implementacije.

Institucije koje će postaviti standarde u Europi su one koje kombiniraju tehnološku ambiciju s regulatornom disciplinom. One koje priznaju granice umjetne inteligencije jednako otvoreno kao i njezine snage, točno navode režime sankcija i odupiru se iskušenju da složenu, reguliranu disciplinu svedu na nekoliko previše pojednostavljenih tvrdnji. U poštivanju sankcija, kredibilitet se gradi u detaljima, a budućnost će pripadati onima koji nadilaze monolitne sustave i prihvaćaju adaptivne arhitekture koje mogu pružiti brzinu, točnost i transparentnost u sve zahtjevnijem regulatornom krajoliku. 

Cedric Iggiotti je potpredsjednik za proizvode i provjere u ThetaRayu, gdje vodi strategiju proizvoda u sankcijama i provjerama subjekata. Prije je bio izvršni direktor i suosnivač Screene, specijaliziranog startupa za provjere koji je sada integriran s ThetaRayom.

Podijelite ovaj članak: