Tekoäly ja rahanpesun estäminen: Miksi pankeille tarvitaan tasapainoinen lähestymistapa

Teckoäly on molemminpuolinen kolikko pankeille: vaikka se tarjoaa monia mahdollisuuksia tehokkaamman toiminnan harjoittamiseen, se voi myös aiheuttaa ulkoisia ja sisäisiä riskejä.

Rahanpesun harjoittajat hyödyntävät tekniikkaa tuottaakseen deepfake-videota, ääniä ja väärennettyjä asiakirjoja, jotka voivat päästä ohi tietokoneen ja ihmisen havaintokyvyn, tai lisätä sähköpostihuijauksen tehokkuutta. Yhdysvalloissa yksin generatiivinen tekniikka odotetaan kiihdyttävän petosvahinkoja vuosittaiseen kasvuvauhtiin 32 %, jolloin vuosittaiset tappiot nousevat 40 miljardiin dollariin vuoteen 2027 mennessä, kuten Deloitten raportissa todetaan.

Ehkä pankkien vastaus olisi aseistautua entistä paremmilla työkaluilla ja hyödyntää tekniikkaa rahanpesun estämiseksi. Rahoituslaitokset ovat tosiaan aloittaneet tekniikan käytön rahanpesun estämiseksi – seuratakseen transaktioita, luodakseen epäilyttävien toimien raportteja, automatisoidakseen petosten havaitsemisen ja paljon muuta. Nämä voivat kiihdyttää prosesseja ja lisätä tarkkuutta.

Ongelma on, kun pankit eivät tasapainota tekniikan käyttöönottoa inhimillisen arvion kanssa. Ilman inhimillistä osallistumista tekniikan omaksuminen voi vaikuttaa sääntelyyn, harhatiloihin ja sopeutumiskykyyn uusiin uhkiin.

Uskomme varovaiseen, hybridi-lähestymistapaan tekniikan omaksumisessa rahoitussektorilla, joka edellyttää edelleen inhimillistä panostusta.

Erityispiirteet sääntöperusteisissa ja tekniikkaan perustuvissa rahanpesun estämisen järjestelmissä

Perinteisesti rahanpesun estäminen – ja erityisesti rahanpesun estämistä koskevat järjestelmät – ovat toimineet kiinteiden sääntöjen mukaan, jotka noudattavat sääntelyvaatimuksia. Transaktioiden seurannassa esimerkiksi nämä säännöt on asetettu merkitsemään transaktioita tiettyjen ennalta määritettyjen kriteerien perusteella, kuten transaktiosummien kynnyksillä tai maantieteellisillä riskitekijöillä.

Teckoäly tarjoaa uuden tavan rahanpesun riskien seulontaan. Konenoppimismallit voidaan käyttää havaitsemaan epäilyttäviä kuvioita sarjan tietojoukkojen perusteella, jotka ovat jatkuvasti kehittyvää. Järjestelmä analysoi transaktioita, historiallisia tietoja, asiakkaan käyttäytymistä ja kontekstuaalista tietoa jatkuvasti seuraamaan mitä tahansa epäilyttävää, oppien jatkuvasti, tarjoten sopeutuvaa ja mahdollisesti tehokkaampaa rikosten seuraamista.

Kuitenkin, vaikka sääntöperusteiset järjestelmät ovat ennustettavissa ja helppoja tarkastaa, tekniikkaan perustuvat järjestelmät tuovat monimutkaisen “mustan laatikon” -elementin epäselvien päätöksentekoprosessien vuoksi. On vaikeampaa jäljittää tekniikan järjestelmän päätöksentekoprosessia, kun otetaan huomioon niin monta tekijää. Tämä voi johtaa siihen, että tekniikka saavuttaa tietyn johtopäätöksen vanhentuneiden kriteerien perusteella tai antaa faktuaalisesti virheellisiä tietoja ilman, että se olisi välittömästi havaittavissa. Se voi myös aiheuttaa ongelmia rahoituslaitoksen sääntelyn mukaisuudelle.

Mahdolliset sääntelyhaasteet

Rahoituslaitosten on noudatettava tiukkoja sääntelyvaatimuksia, kuten EU:n rahanpesudirektiiviä ja Yhdysvaltain Bank Secrecy Actia, jotka edellyttävät selkeää, jäljitettävää päätöksentekoa. Tekniikkaan perustuvat järjestelmät, erityisesti syvän oppimisen mallit, voivat olla vaikeita tulkitsemalla.

Varmistuakseen siitä, että tekniikan käyttöönotto on vastuullista, pankeiden on suunniteltava huolellisesti, testattava perusteellisesti, luotava erityisiä sääntelykehyksiä ja otettava huomioon inhimillinen valvonta. Inhimillinen valvonta voi vahvistaa automaattisia päätöksiä esimerkiksi tulkkaamalla syytä epäilyttävän transaktion merkitsemiseen, mikä tekee siitä selkeän ja puolustettavan sääntelijöille.

Rahoituslaitokset ovat myös yhä enenevissä määrin painostettuina käyttämään selitettävissä olevaa tekniikkaa (XAI) tekniikkaan perustuvien päätösten tekemiseen ymmärrettäviksi sääntelijöille ja tarkastajille. XAI on prosessi, joka mahdollistaa ihmisille ymmärtää tekniikan järjestelmän tulokset ja sen taustalla olevat päätöksentekoprosessit.

Inhimillinen arvio vaaditaan kokonaisvaltaiseen näkemykseen

Tekniikan käyttöönotto ei saa johtaa itsestäänsä toimivien järjestelmien luottamukseen. Inhimilliset analyytikot tuovat kontekstia ja arviointikykyä, jota tekniikka ei voi tarjota, mikä mahdollistaa monitahoisen päätöksenteon monimutkaisissa tai epäselvissä tapauksissa, joka on edelleen olennainen osa rahanpesun estämistä.

Tekniikan riippuvuuden riskit ovat esimerkiksi virheiden (kuten väärän positiivisten tai negatiivisten) ja harhatilojen mahdollisuus. Tekniikka voi olla altis väärille positiivisille tuloksille, jos mallit eivät ole hyvin sääteltyjä tai jos ne on koulutettu harhatilallisiin tietoihin. Vaikka ihmisetkin ovat alttiita harhatiloille, tekniikan lisäriski on, että se voi olla vaikeaa tunnistaa harhatilat järjestelmässä.

Lisäksi tekniikan mallit toimivat siitä tiedosta, jota niille syötetään – ne eivät välttämättä havaitse uusia tai harvinaisia epäilyttäviä kuvioita historiallisten trendien ulottumattomissa tai perustuen maailmanlaajuiseen tietämykseen. Sääntöperusteisten järjestelmien täydellinen korvaaminen tekniikalla voi jättää sokeita pisteitä rahanpesun seurannassa.

Epäselvissä, harhatilallisissa tai uusissa tapauksissa rahanpesun estäminen vaatii tarkkaa silmää, jota tekniikka ei voi tarjota. Samalla, jos poistaisimme inhimillisen osallistumisen prosessista, se voisi vakavasti heikentää tiimien kykyä ymmärtää rahanpesun kuvioita, havaita kuvioita ja tunnistaa uusia uhkia. Se puolestaan voisi tehdä vaikeammaksi pitää automaattisia järjestelmiä ajan tasalla.

Hybridi-lähestymistapa: yhdistelemällä sääntöperusteisia ja tekniikkaan perustuvia rahanpesun estämisen järjestelmiä

Rahoituslaitokset voivat yhdistää sääntöperusteisen lähestymistavan tekniikkaan perustuvilla työkaluilla luodakseen monikerroksisen järjestelmän, joka hyödyntää molempien lähestymistapojen vahvuuksia. Hybridi-järjestelmä tekee tekniikan käyttöönotosta tarkemman pitkällä aikavälillä ja joustavamman uusien rahanpesun uhkien torjumiseksi ilman, että se uhraa läpinäkyvyyttä.

Tätä varten laitokset voivat integroida tekniikan malleja jatkuvan inhimillisen palautteen kanssa. Mallien sopeutuva oppiminen kasvaisi siten sekä datan kuvioista että inhimillisestä syötöstä, joka viilaisi ja tasapainottaisi sitä.

Kaikki tekniikan järjestelmät eivät ole yhtä hyviä. Tekniikan mallien on käytävä jatkuvasti testien läpi arvioimaan tarkkuutta, reiluutta ja sääntelyn mukaisuutta, ja niiden on päivitettävä säännöllisesti sääntelymuutosten ja uusien uhkien mukaisesti, kuten rahanpesun estämisen tiimit ovat tunnistaneet.

Riskien ja sääntelyn asiantuntijoiden on oltava perehtyneitä tekniikkaan, tai tekniikan asiantuntija on palkattava tiimiin, varmistaakseen, että tekniikan kehitys ja käyttöönotto toteutetaan tiettyjen rajoitusten puitteissa. Heidän on myös kehitettävä sääntelykehyksiä, jotka on erityisesti suunniteltu tekniikan käyttöönotolle, ja luotava polku sääntelyn mukaisuuteen nousussa olevalla alalla sääntelyasiantuntijoille.

Tekniikan käyttöönoton yhteydessä on tärkeää, että kaikki organisaation osat ovat perillä uusien tekniikan mallien kyvyistä, mutta myös niiden puutteista (kuten mahdollisista harhatiloista), jotta ne voivat olla tarkkaavaisempia mahdollisille virheille.

Organisaation on myös varmistettava, että se tekee muita strategisia harkintoja turvallisuuden ja datan laadun säilyttämiseksi. On olennaista investoida laadukkaaseen, turvalliseen data-infrastruktuuriin ja varmistaa, että ne on koulutettu tarkkaan ja monipuolisiin tietoihin.

Teckoäly on ja tulee olemaan sekä uhka että puolustusväline pankeille. Mutta heidän on käsiteltävä tätä voimakasta uutta tekniikkaa oikein, jotta he eivät luo ongelmia ratkaisemisen sijaan.