Как агентский ИИ может поддержать команды по соблюдению требований в области противодействия отмыванию денег

За последний год агентский ИИ доминировал в заголовках. От партнерства крупных технологических компаний, таких как AWS и OpenAI партнерство по продвинутым рабочим нагрузкам ИИ, до интеграции инструментов агентского ИИ в различные отрасли, такие как розничная торговля, государственный сектор и финансовые услуги, агентские ИИ интегрируются в повседневную жизнь и рабочие процессы. Согласно McKinsey, 62% организаций уже экспериментируют с агентскими ИИ, и 64% говорят, что ИИ позволяет им инновировать, демонстрируя быстрый путь ИИ к принятию в корпоративном секторе.

Агентский ИИ также находится на пути к переопределению роли человеческих работников. Опрос PwC показал, что 66% компаний, которые приняли агентские ИИ, увеличили производительность. Поскольку многие агентские ИИ смогут выполнять задачи без вмешательства человека, человеческие работники смогут сосредоточиться на более стратегических задачах, оставив рутинную административную работу своим цифровым коллегам.

Одним из убедительных и критических случаев использования агентского ИИ в финансовых услугах является предотвращение финансовых преступлений. Случаи отмывания денег, сообщенные в Комиссию США по вынесению приговоров увеличились на 45% между 2020 и 2024 годами, подчеркивая быстро растущую проблему, вызывающую головные боли по соблюдению требований во всей стране.

Когда речь идет о процессах соблюдения требований, агентский ИИ может повлиять на проверку клиентов (CDD) путем интеграции агентов в рабочие процессы противодействия отмыванию денег (AML), что может поддержать решение сигналов и обработку дел для снижения ложных положительных результатов для низкорисковых сущностей.

Для того чтобы финансовые учреждения получили значимые результаты от использования агентских ИИ, они должны принять ИИ ответственно и намеренно. Ниже приведены пять ключевых соображений для руководителей по соблюдению требований:

1. Позволение агентским ИИ выполнять ручные задачи

Сотрудники по соблюдению требований часто испытывают нехватку ресурсов, когда речь идет о размере команды, бюджете и ограничениях времени, более половины сообщают, что они выгорели на работе, и почти половина испытывают тревогу. Особенно в функциях CDD и процессах Know Your Customer (KYC) выполнение проверок сигналов для выявления и очистки ложных положительных результатов может быть большой нагрузкой на команды по соблюдению требований, что может открыть дверь к рискам и задержкам.

Когда агентский ИИ реализуется для поддержки этих трудоемких процессов, он может автоматизировать некоторые из этих трудоемких задач, таких как непрерывный мониторинг рисков и обновление профилей клиентов при изменении информации. Агентские ИИ могут проверять и сортировать сигналы, удаляя ложные положительные результаты с более высокой скоростью, чем ручные проверки, что также позволяет высокорисковым делам сразу же передаваться человеческим аналитикам, чтобы их время использовалось эффективно. Агенты также могут проводить первоначальные проверки клиентов против важных данных о рисках, лиц, подвергнутых политическим санкциям, негативных СМИ и санкций, а затем генерировать сигналы для любых совпадений.

2. Прозрачность данных

Как и в случае со всеми агентскими ИИ, эффективность и доверие начинаются с данных, на которых обучены и управляются системы. Помимо прочных практик очистки данных, ясной генеалогии данных и полной учетной записи для минимизации галлюцинаций или предвзятости, фирмы должны обеспечить регуляторную обоснованность посредством прочного управления моделью. Это включает в себя использование систем, контролируемых формальным Советом по проверке модели (MRB), который управляет полным жизненным циклом модели, проводит регулярное тестирование и полагается на “золотые наборы данных” для предотвращения смещения модели во времени. Гранулярный, объяснимый ИИ особенно важен в этом контексте. Например, наша классификационная труба, управляемая большим языковым моделью, категоризирует негативные СМИ по 34 различным подкатегориям рисков, обеспечивая точное, аудиторское принятие решений. Этот уровень прозрачности и контроля не только удовлетворяет растущему регуляторному и аудиторскому контролю, но и укрепляет доверие к тому, как ИИ поддерживает результаты AML и CDD.

3. Оценка того, где агентский ИИ будет наиболее эффективен

Принятие ИИ не означает, что организация должна заменить свой существующий технологический стек. При оценке того, как агентский ИИ может быть использован в CDD, сотрудники по соблюдению требований должны создать концепцию доказательства, протестировать, как агентские системы могут быть использованы, и построить случаи использования по мере увеличения зрелости принятия. Это может помочь оценить, является ли наиболее эффективным использованием ИИ использование его для первоначальных проверок или для полного решения сигналов.

4. Использование ИИ для повышения экспертизы по соблюдению требований

Хотя автоматизация выполняет рутинную сортировку,真正ая ценность агентского ИИ заключается в его способности повысить роль специалиста по соблюдению требований с административной до стратегической. Это изменение не означает замены команд, а о том, чтобы сосредоточить человеческое суждение на наиболее ценной работе – таких как сложные расследования, где моральное суждение и нюансированное толкование преступного умысла требуются.

Экспертиза еще больше повышается, когда ИИ функционирует как “цифровой коллега” в рабочем процессе. Текущие тенденции проектирования отдают предпочтение антропоморфным агентам, поскольку они способствуют психологической безопасности; обеспечивая ясные, естественно-языковые обоснования для каждого предложения, эти системы помогают аналитикам учиться на логике ИИ, а не просто принимать бинарный результат. По мере роста организаций это позволяет функции соблюдения требований стать проактивным драйвером роста, с аналитиками, принимающими на себя сложные новые обязанности в управлении рисками модели, тестировании ИИ и стратегических судебных расследованиях.

5. Сильная основа

Устойчивая, облачная платформа является предварительным условием для скорости. Вы не можете прикрепить ИИ к сломанной архитектуре и ожидать, что он будет работать хорошо; наиболее успешные развертывания возникают из единой жизненного цикла данных, от ингестии до окончательного решения дела. Поддержание единого источника истины для данных о рисках гарантирует, что модели остаются последовательными в разных географических регионах. В этом контексте агентские инструменты работают лучше всего, когда они интегрируются в экосистему с существующими сильными рамками для тестирования, защиты данных и надзора.

Переопределение соблюдения требований AML в эпоху агентского ИИ

Руководители по соблюдению требований находятся на переломном этапе – поскольку агентские ИИ становятся более продвинутыми и финансовые преступления продолжают расти, им необходимо обеспечить, чтобы они имели правильные меры по предотвращению отмывания денег и CDD, а также оценивали, какие инструменты ИИ могут поддержать их цели. Агентский ИИ наделяет финансовые учреждения возможностью масштабировать усилия по KYC, освобождая команды для концентрации на сложной, высокоценной работе. В сочетании с человеческой экспертизой ИИ обеспечивает более быструю сортировку сигналов и решение дел, укрепляя защиту от рисков и снижая затраты, что действительно меняет будущее соблюдения требований AML.