AI wordt ingezet bij AML: zonder juridische frictie

1 biljoen bespaard

Maar er is hoop − door AI in te zetten, kunnen we deze kosten op de lange termijn verlagen. Volgens Autonomous Research kan de toepassing van AI op KYC, de antiwitwas-workflow en andere gebieden van gegevensverwerking, een besparing van meer dan 20% opleveren in de komende 12 jaar. Naar schatting zal de banksector dankzij AI ongeveer 1 biljoen dollar besparen tegen 2030. Uit het Digital Banking rapport blijkt dan ook, niet verrassend, dat 35% van de organisaties koos voor een oplossing met machine learning die compatibel is met ten minste één van de volgende processen: AML-transactiemonitoring, fraude-identificatie, sanctiescreening en KYC-controles.

Om de besparingen ten volle te benutten, moeten financiële instellingen zorgen dat de technologie die zij willen gebruiken compatibel is met hun activiteiten. Ze moeten bepalen in welke mate AI echt nodig en implementeerbaar is, rekening houdend met hun huidige IT- en compliance-structuren.

AI heeft vele voordelen. AI kan patronen identificeren die te complex zijn om met het blote oog of met rule-based monitoring te detecteren. Het gebruik van intelligente oplossingen in transactiemonitoring en detectiemodellering verlaagt de kosten van handmatig werk en de tijd die aan monitoring wordt besteed, en verhoogt de nauwkeurigheid van de resultaten. In deze context kan de combinatie van kunstmatige intelligentie met het traditionele AML-systeem de efficiëntie en nauwkeurigheid van het risicodetectieproces verhogen.

Transparantie op de eerste plaats

Bovendien is het belangrijkste voordeel van AI de mogelijkheid om de naleving van AML te versnellen. Een van de belangrijkste wettelijke bezorgdheden is de transparantie van de werking van AI. Het is zeer moeilijk om uit te leggen waarom een zaak als verdacht wordt beschouwd, maar dit is wel essentieel om aan de nalevingsnormen te voldoen. Het toepassen van de zogenaamde Explainable Artificial Intelligence levert resultaten op die geïnterpreteerd en uitgelegd kunnen worden. In dit kader is Explainable AI dé sleutel om te voldoen aan de compliance-eisen voor meer accurate en productieve modellen.

Een ander gebied waarop AI helpt bij het voldoen aan de compliance-eisen is het gebruik van unsupervised learning voor anomaliedetectie. Het op het juiste moment vinden van inconsistenties in geanalyseerde data kan banken redden van zware financiële sancties die gepaard gaan met het missen van witwaspraktijken. Sommige meer complexe en ongewone gedragspatronen zijn moeilijk of zelfs onmogelijk te herkennen voor compliance-medewerkers. Omdat intelligente algoritmen verdachte patronen snel kunnen identificeren, kunnen financiële instellingen criminele activiteiten stoppen voor ze escaleren. En zo kan dit oude en veelvoorkomende probleem worden opgelost dankzij de nieuwste technologie.

Wetgevers zeggen 'ja'

Uitdaging aanvaard

Met de snelle ontwikkeling van nieuwe technologieën, de toename van het aantal witwaspraktijken en het groeiende aantal mensen dat grensoverschrijdende transacties doet, blijken traditionele AML-systemen niet meer voldoende efficiënt. Aangezien de witwasmethoden steeds diverser worden en voortdurend in ontwikkeling zijn, is het voor financiële instellingen van het grootste belang om een groot vertrouwen te behouden in AML en risicomanagement. Wij geloven dat de beste manier daarvoor het gebruik van AI is – omdat dit naast duidelijke besparingen, de mogelijkheid biedt om meer te voldoen aan de compliance-normen.