Intelligenza Artificiale e Prevenzione dei Reati Finanziari: Perché le Banche Hanno Bisogno di un Approccio Equilibrato

L’intelligenza artificiale è una moneta a due facce per le banche: se da un lato offre molte possibilità per operazioni più efficienti, dall’altro può anche rappresentare rischi esterni e interni.

I criminali finanziari stanno sfruttando la tecnologia per produrre video deepfake, voci e documenti falsi che possono superare la rilevazione da parte di computer e umani, o per potenziare le attività di frode via email. Solo negli Stati Uniti, si prevede che l’intelligenza artificiale generativa accelererà le perdite per frode a un tasso di crescita annuo del 32%, raggiungendo i 40 miliardi di dollari entro il 2027, secondo un recente rapporto di Deloitte.

Forse, allora, la risposta delle banche dovrebbe essere quella di armarsi di strumenti ancora migliori, sfruttando l’intelligenza artificiale nella prevenzione dei reati finanziari. Le istituzioni finanziarie stanno iniziando a utilizzare l’intelligenza artificiale negli sforzi di lotta contro i reati finanziari – per monitorare le transazioni, generare rapporti di attività sospetta, automatizzare la rilevazione delle frodi e altro. Questi strumenti hanno il potenziale di accelerare i processi aumentando al tempo stesso l’accuratezza.

Il problema si verifica quando le banche non bilanciano l’implementazione dell’intelligenza artificiale con il giudizio umano. Senza un essere umano nel ciclo di feedback, l’adozione dell’intelligenza artificiale può influire sulla conformità, sulla parzialità e sull’adattabilità a nuove minacce.

Noi crediamo in un approccio cauto e ibrido all’adozione dell’intelligenza artificiale nel settore finanziario, un approccio che continuerà a richiedere l’input umano.

La differenza tra sistemi di prevenzione dei reati finanziari basati su regole e guidati dall’intelligenza artificiale

Tradizionalmente, la prevenzione dei reati finanziari – e in particolare i sistemi anti-riciclaggio di denaro (AML) – hanno operato con regole fisse definite dai team di conformità in risposta alle normative. Nel caso del monitoraggio delle transazioni, ad esempio, queste regole sono state implementate per segnalare le transazioni in base a criteri predefiniti specifici, come soglie di importo di transazione o fattori di rischio geografico.

L’intelligenza artificiale presenta un nuovo modo di screening per il rischio di reati finanziari. I modelli di apprendimento automatico possono essere utilizzati per rilevare modelli sospetti in base a una serie di set di dati in costante evoluzione. Il sistema analizza le transazioni, i dati storici, il comportamento dei clienti e i dati di contesto per monitorare qualsiasi attività sospetta, imparando nel tempo e offrendo un monitoraggio dei reati più adattivo e potenzialmente più efficace.

Tuttavia, mentre i sistemi basati su regole sono prevedibili e facilmente verificabili, i sistemi guidati dall’intelligenza artificiale introducono un elemento complesso di “scatola nera” a causa dei processi decisionali opachi. È più difficile rintracciare il ragionamento di un sistema di intelligenza artificiale per segnalare determinati comportamenti come sospetti, dato che sono coinvolti molti elementi. Ciò può portare il sistema di intelligenza artificiale a raggiungere una certa conclusione in base a criteri obsoleti o a fornire informazioni fattualmente errate, senza che ciò sia immediatamente rilevabile. Ciò può anche causare problemi per la conformità normativa di un’istituzione finanziaria.

Le possibili sfide normative

Le istituzioni finanziarie devono aderire a norme normative stringenti, come la direttiva anti-riciclaggio di denaro dell’UE (AMLD) e il Bank Secrecy Act degli Stati Uniti, che richiedono processi decisionali chiari e tracciabili. I sistemi di intelligenza artificiale, in particolare i modelli di apprendimento profondo, possono essere difficili da interpretare.

Per garantire la responsabilità durante l’adozione dell’intelligenza artificiale, le banche necessitano di una pianificazione accurata, di test approfonditi, di quadri di conformità specializzati e di una supervisione umana. Gli esseri umani possono validare le decisioni automatizzate interpretando, ad esempio, il ragionamento dietro una transazione segnalata, rendendola spiegabile e difendibile per i regolatori.

Le istituzioni finanziarie sono anche sotto una crescente pressione per utilizzare strumenti di intelligenza artificiale spiegabile (XAI) per rendere le decisioni guidate dall’intelligenza artificiale comprensibili per i regolatori e gli auditor. L’XAI è un processo che consente agli esseri umani di comprendere l’output di un sistema di intelligenza artificiale e la sua logica decisionale sottostante.

Il giudizio umano richiesto per una visione olistica

L’adozione dell’intelligenza artificiale non può portare a una compiacenza con sistemi automatizzati. Gli analisti umani portano contesto e giudizio che l’intelligenza artificiale manca, consentendo una presa di decisione sfumata in casi complessi o ambigui, che rimane essenziale nelle indagini sulla prevenzione dei reati finanziari.

Tra i rischi della dipendenza dall’intelligenza artificiale vi è la possibilità di errori (ad esempio falsi positivi, falsi negativi) e di pregiudizi. L’intelligenza artificiale può essere propensa a falsi positivi se i modelli non sono ben tarati o se sono stati addestrati su dati pregiudiziali. Mentre gli esseri umani sono anch’essi suscettibili a pregiudizi, il rischio aggiuntivo dell’intelligenza artificiale è che può essere difficile identificare i pregiudizi all’interno del sistema.

Inoltre, i modelli di intelligenza artificiale funzionano sui dati che vengono loro forniti – potrebbero non rilevare modelli sospetti nuovi o rari al di fuori delle tendenze storiche, o basati su intuizioni del mondo reale. Un sostituzione completa dei sistemi basati su regole con l’intelligenza artificiale potrebbe lasciare punti ciechi nel monitoraggio della prevenzione dei reati finanziari.

In casi di pregiudizio, ambiguità o novità, la prevenzione dei reati finanziari necessita di un occhio discernente che l’intelligenza artificiale non può fornire. Allo stesso tempo, se rimuovessimo gli esseri umani dal processo, potremmo gravemente limitare la capacità dei team di comprendere i modelli di reati finanziari, rilevare modelli e identificare tendenze emergenti. Ciò, a sua volta, potrebbe rendere più difficile mantenere aggiornati i sistemi automatizzati.

Un approccio ibrido: combinare sistemi di prevenzione dei reati finanziari basati su regole e guidati dall’intelligenza artificiale

Le istituzioni finanziarie possono combinare un approccio basato su regole con strumenti di intelligenza artificiale per creare un sistema a più strati che sfrutta i punti di forza di entrambi gli approcci. Un sistema ibrido renderà l’implementazione dell’intelligenza artificiale più precisa nel lungo termine e più flessibile nell’affrontare le minacce di reati finanziari emergenti, senza sacrificare la trasparenza.

Per far ciò, le istituzioni possono integrare i modelli di intelligenza artificiale con un feedback umano continuo. L’apprendimento adattivo dei modelli si baserebbe quindi non solo sui modelli di dati, ma anche sul feedback umano che li raffina e li ri-bilancia.

Non tutti i sistemi di intelligenza artificiale sono uguali. I modelli di intelligenza artificiale dovrebbero essere sottoposti a test continui per valutare l’accuratezza, la correttezza e la conformità, con aggiornamenti regolari in base ai cambiamenti normativi e alle nuove informazioni sulle minacce identificate dai team di prevenzione dei reati finanziari.

Gli esperti di rischio e conformità devono essere formati sull’intelligenza artificiale, o un esperto di intelligenza artificiale dovrebbe essere assunto nel team, per assicurare che lo sviluppo e la distribuzione dell’intelligenza artificiale siano eseguiti all’interno di determinate linee guida. Dovrebbero anche sviluppare quadri di conformità specifici per l’intelligenza artificiale, stabilendo un percorso per l’adeguamento normativo in un settore emergente per gli esperti di conformità.

Nell’ambito dell’adozione dell’intelligenza artificiale, è importante che tutti gli elementi dell’organizzazione siano informati sulle capacità dei nuovi modelli di intelligenza artificiale con cui stanno lavorando, ma anche sui loro limiti (come il potenziale pregiudizio), al fine di renderli più consapevoli di potenziali errori.

L’organizzazione deve anche prendere altre considerazioni strategiche per preservare la sicurezza e la qualità dei dati. È essenziale investire in un’infrastruttura di dati di alta qualità e sicura e assicurarsi che siano addestrati su set di dati accurati e diversificati.

L’intelligenza artificiale è e continuerà a essere sia uno strumento di minaccia che di difesa per le banche. Ma hanno bisogno di gestire questa potente nuova tecnologia correttamente per evitare di creare problemi invece di risolverli.