Inteligența Artificială și Prevenirea Crimei Financiare: De ce Băncile Au Nevoie de o Abordare Echilibrată

Inteligența artificială (IA) este o monedă cu două fețe pentru bănci: în timp ce deschide multe posibilități pentru operațiuni mai eficiente, poate și prezenta riscuri externe și interne.

Criminalii financiari folosesc tehnologia pentru a produce videouri deepfake, voci și documente false care pot trece de detectarea computerizată și umană, sau pentru a intensifica activitățile de fraudă prin e-mail. Numai în Statele Unite, inteligența artificială generativă se estimează că va accelera pierderile din cauza fraudei la o rată anuală de creștere de 32%, ajungând la 40 de miliarde de dolari până în 2027, conform unui raport recent al Deloitte.

Poate că, prin urmare, răspunsul băncilor ar trebui să fie să se înarmeze cu instrumente și mai bune, folosind inteligența artificială în prevenirea crimei financiare. Instituțiile financiare încep deja să implementeze inteligența artificială în eforturile de prevenire a crimei financiare (AFC) – pentru a monitoriza tranzacțiile, a genera rapoarte de activitate suspectă, a automatiza detectarea fraudei și multe altele. Acestea au potențialul de a accelera procesele și de a crește acuratețea.

Problema apare atunci când băncile nu echilibrează implementarea inteligenței artificiale cu judecata umană. Fără un om în buclă, adoptarea inteligenței artificiale poate afecta conformitatea, prejudiciul și adaptabilitatea la noile amenințări.

Noi credem într-o abordare prudentă, hibridă, a adoptării inteligenței artificiale în sectorul financiar, care va continua să necesite input uman.

Diferența dintre sistemele AFC bazate pe reguli și cele conduse de IA

În mod tradițional, AFC – și, în special, sistemele anti-spălare de bani (AML) – au funcționat cu reguli fixe stabilite de echipele de conformitate în răspuns la reglementări. În cazul monitorizării tranzacțiilor, de exemplu, aceste reguli sunt implementate pentru a semnala tranzacții pe baza unor criterii predefinite, cum ar fi pragurile de sumă a tranzacțiilor sau factorii de risc geografic.

Inteligența artificială oferă o nouă modalitate de screening pentru riscul de crimă financiară. Modelele de învățare automată pot fi utilizate pentru a detecta tipare suspecte pe baza unei serii de seturi de date care evoluează în mod constant. Sistemul analizează tranzacții, date istorice, comportamentul clienților și date contextuale pentru a monitoriza orice activitate suspectă, învățând în timp și oferind o monitorizare a crimei potențial mai eficientă.

Cu toate acestea, în timp ce sistemele bazate pe reguli sunt previzibile și ușor de auditat, sistemele conduse de IA introduc un element complex de “cutie neagră” din cauza proceselor de luare a deciziilor opace. Este mai greu de urmărit raționamentul unui sistem IA pentru a semnala anumite comportamente ca suspecte, având în vedere că sunt implicate atâtea elemente. Acest lucru poate face ca IA să ajungă la o anumită concluzie pe baza unor criterii învechite sau să ofere informații factice incorecte, fără a fi imediat detectabil. De asemenea, poate cauza probleme pentru conformitatea unei instituții financiare cu reglementările.

Possibile provocări reglementare

Instituțiile financiare trebuie să se conformeze unor standarde reglementare stricte, cum ar fi Directiva UE privind prevenirea spălării banilor și Legea secretului bancar din Statele Unite, care cer decizii clare și trasabile. Sistemele IA, în special modelele de învățare profundă, pot fi dificil de interpretat.

Pentru a asigura responsabilitatea în timp ce adoptă IA, băncile necesită o planificare atentă, testare exhaustivă, cadre de conformitate specializate și supraveghere umană. Oamenii pot valida deciziile automate, interpretând, de exemplu, raționamentul din spatele unei tranzacții semnalate, făcând-o explicabilă și defensabilă în fața reglementatorilor.

Instituțiile financiare sunt, de asemenea, sub o presiune tot mai mare de a utiliza instrumente de inteligență artificială explicabilă (XAI) pentru a face deciziile conduse de IA înțelese de reglementatori și auditori. XAI este un proces care permite oamenilor să înțeleagă ieșirea unui sistem IA și procesul de luare a deciziilor subiacent.

Judecata umană necesară pentru o perspectivă holistică

Adoptarea IA nu trebuie să conducă la complacere cu sistemele automate. Analistii umani aduc context și judecată pe care IA le lipsește, permițând luarea deciziilor nuanțate în cazuri complexe sau ambigue, care rămân esențiale în investigațiile AFC.

Printre riscurile dependenței de IA se numără posibilitatea erorilor (de exemplu, false pozitive, false negative) și a prejudecăților. IA poate fi predispusă la false pozitive dacă modelele nu sunt bine reglate sau sunt antrenate pe date cu prejudecăți. În timp ce oamenii sunt, de asemenea, susceptibili la prejudecăți, riscul suplimentar al IA este că poate fi dificil de identificat prejudecățile din sistem.

În plus, modelele IA rulează pe datele care le sunt furnizate – ele nu pot detecta tipare suspecte noi sau rare în afara tendințelor istorice, sau pe baza insight-urilor din lumea reală. O înlocuire completă a sistemelor bazate pe reguli cu IA ar putea lăsa lacune în monitorizarea AFC.

În cazurile de prejudecată, ambiguitate sau noutate, AFC are nevoie de un ochi discernământ care IA nu poate oferi. În același timp, dacă am elimina oamenii din proces, ar putea împiedica grav capacitatea echipei de a înțelege tiparele în crima financiară, de a detecta tipare și de a identifica tendințe emergente. La rândul său, ar putea fi mai greu de menținut sistemele automate la zi.

O abordare hibridă: combinarea sistemelor AFC bazate pe reguli și a celor conduse de IA

Instituțiile financiare pot combina o abordare bazată pe reguli cu instrumente IA pentru a crea un sistem multistrat care valorifică punctele forte ale ambelor abordări. Un sistem hibrid va face implementarea IA mai precisă pe termen lung și mai flexibilă în abordarea noilor amenințări de crimă financiară, fără a sacrifica transparența.

Pentru a face acest lucru, instituțiile pot integra modele IA cu feedback uman continuu. Învățarea adaptivă a modelelor ar crește astfel nu numai pe baza tiparelor de date, ci și pe baza inputului uman care le rafinează și le reechilibrează.

Nu toate sistemele IA sunt la fel. Modelele IA ar trebui să fie supuse unor teste continue pentru a evalua acuratețea, corectitudinea și conformitatea, cu actualizări regulate pe baza schimbărilor reglementare și a noilor informații despre amenințări, așa cum sunt identificate de echipele AFC.

Experții în risc și conformitate ar trebui să fie instruiți în IA, sau ar trebui să fie angajat un expert IA în echipă, pentru a asigura că dezvoltarea și implementarea IA se desfășoară în anumite limite. Ei ar trebui, de asemenea, să dezvolte cadre de conformitate specifice IA, stabilind o cale către conformitatea reglementară într-un sector emergent pentru experții în conformitate.

Ca parte a adoptării IA, este important ca toate elementele organizației să fie informate despre capacitățile noilor modele IA cu care lucrează, dar și despre limitările acestora (cum ar fi posibila prejudecată), pentru a le face mai conștiente de posibilele erori.

Organizația dumneavoastră trebuie, de asemenea, să ia anumite considerații strategice pentru a păstra securitatea și calitatea datelor. Este esențial să investiți în infrastructura de date de înaltă calitate și să vă asigurați că acestea sunt antrenate pe seturi de date precise și diverse.

IA este și va continua să fie atât o amenințare, cât și un instrument de apărare pentru bănci. Dar ele trebuie să gestioneze această tehnologie puternică nouă corect pentru a evita crearea de probleme în loc de rezolvarea lor.