ผู้นำทางความคิด
AI และการป้องกันการกระทำผิดทางการเงิน: ทำไมธนาคารจึงต้องการแนวทางที่สมดุล
AI เป็นเหรียญสองด้านสำหรับธนาคาร: ในขณะที่เปิดโอกาสให้การดำเนินงานมีประสิทธิภาพมากขึ้น มันสามารถสร้างความเสี่ยงภายนอกและภายในได้
ผู้กระทำผิดทางการเงินกำลังใช้เทคโนโลยีนี้เพื่อสร้าง วิดีโอ deepfake, เสียงและเอกสารปลอมที่สามารถหลบเลี่ยงการตรวจจับของคอมพิวเตอร์และมนุษย์ หรือเพิ่มกิจกรรมฉ้อโกงทางอีเมล ในสหรัฐฯ เพียงอย่างเดียว AI ที่สร้างขึ้น预计จะเร่งการขาดทุนจากการฉ้อโกงให้เติบโตขึ้น 32% ต่อปี โดยจะสูงถึง 40 พันล้านดอลลาร์สหรัฐฯ ในปี 2027 ตาม รายงานของ Deloitte ที่เพิ่งเผยแพร่
อาจเป็นไปได้ว่าธนาคารควรตอบสนองด้วยการเตรียมตัวด้วยเครื่องมือที่ดีกว่า โดยใช้ AI ในการป้องกันการกระทำผิดทางการเงิน สถาบันการเงินเริ่มใช้ AI ในการป้องกันการกระทำผิดทางการเงิน (AFC) – เพื่อติดตามธุรกรรม สร้างรายงานกิจกรรมที่น่าสงสัย ระบบตรวจจับฉ้อโกงอัตโนมัติ และอื่นๆ สิ่งเหล่านี้มีศักยภาพในการเร่งกระบวนการและเพิ่มความแม่นยำ
ปัญหาคือเมื่อธนาคารไม่สร้างสมดุลระหว่างการนำ AI มาใช้กับการตัดสินใจของมนุษย์ หากไม่มีมนุษย์ในการดำเนินการ AI อาจส่งผลกระทบต่อการปฏิบัติตามกฎระเบียบ ความลำเอียง และความสามารถในการปรับตัวให้เข้ากับภัยคุกคามใหม่ๆ
เราเชื่อในแนวทางที่ระมัดระวังและผสมผสานในการนำ AI มาใช้ในภาคการเงิน ซึ่งจะยังคงต้องการการมีส่วนร่วมของมนุษย์
ความแตกต่างระหว่างระบบ AFC แบบอิงกฎและระบบขับเคลื่อนด้วย AI
ตามประเพณี ระบบ AFC – และโดยเฉพาะระบบต่อต้านการฟอกเงิน (AML) – ได้ดำเนินการตามกฎที่กำหนดโดยทีมงานด้านการปฏิบัติตามกฎระเบียบในการตอบสนองต่อกฎระเบียบ ในกรณีการติดตามธุรกรรม กฎเหล่านี้ได้รับการนำไปใช้เพื่อระบุธุรกรรมตามเกณฑ์ที่กำหนดไว้ล่วงหน้า เช่น ขีดจำกัดจำนวนธุรกรรมหรือปัจจัยความเสี่ยงทางภูมิศาสตร์
AI นำเสนอวิธีการใหม่ในการกรองความเสี่ยงการกระทำผิดทางการเงิน โมเดลการเรียนรู้ของเครื่องสามารถใช้เพื่อตรวจจับรูปแบบที่น่าสงสัยตามชุดข้อมูลที่เปลี่ยนแปลงอย่างต่อเนื่อง ระบบวิเคราะห์ธุรกรรม ข้อมูลในอดีต พฤติกรรมของลูกค้า และข้อมูลตามบริบทเพื่อติดตามสิ่งที่น่าสงสัย ในขณะที่เรียนรู้ตลอดเวลา โดยเสนอวิธีการติดตามอาชญากรรมที่ปรับเปลี่ยนได้และอาจมีประสิทธิภาพมากขึ้น
อย่างไรก็ตาม ในขณะที่ระบบอิงกฎสามารถคาดเดาและตรวจสอบได้ง่าย ระบบขับเคลื่อนด้วย AI จะแนะนำองค์ประกอบ “กล่องดำ” ที่ซับซ้อนเนื่องจากกระบวนการตัดสินใจที่ไม่โปร่งใส มันยากที่จะระบุเหตุผลของระบบ AI ในการระบุพฤติกรรมบางอย่างว่าน่าสงสัย เนื่องจากมีหลายปัจจัยที่เกี่ยวข้อง สิ่งนี้สามารถทำให้ AI ถึงข้อสรุปบางอย่างตามเกณฑ์ที่ล้าสมัย หรือให้ข้อมูลที่ไม่ถูกต้องโดยไม่มีการตรวจจับได้ทันที นอกจากนี้ยังสามารถสร้างปัญหาให้กับการปฏิบัติตามกฎระเบียบของสถาบันการเงิน
ความท้าทายด้านกฎระเบียบที่อาจเกิดขึ้น
สถาบันการเงินต้องปฏิบัติตามมาตรฐานกฎระเบียบที่เข้มงวด เช่น AML ของสหภาพยุโรป และ Bank Secrecy Act ของสหรัฐฯ ซึ่งกำหนดให้มีการตัดสินใจที่ชัดเจนและสามารถตรวจสอบได้ ระบบ AI โดยเฉพาะอย่างยิ่งโมเดลการเรียนรู้ลึก สามารถยากต่อการตีความ
เพื่อให้แน่ใจว่ามีการรับผิดชอบในการนำ AI มาใช้ ธนาคารต้องวางแผนอย่างรอบคอบ ทดสอบอย่างละเอียด มีกรอบการทำงานด้านการปฏิบัติตามกฎระเบียบที่มี chuyên môn และการกำกับดูแลของมนุษย์ มนุษย์สามารถตรวจสอบการตัดสินใจอัตโนมัติได้ โดยตัวอย่างเช่น การตีความเหตุผลเบื้องหลังธุรกรรมที่ถูกติดป้าย ทำให้สามารถอธิบายและป้องกันการตรวจสอบจากผู้กำกับดูแลได้
สถาบันการเงินยังตกอยู่ภายใต้แรงกดดันที่เพิ่มขึ้นในการใช้ Explainable AI (XAI) เพื่อให้การตัดสินใจที่ขับเคลื่อนด้วย AI สามารถเข้าใจได้โดยผู้กำกับดูแลและผู้ตรวจสอบ XAI เป็นกระบวนการที่ช่วยให้มนุษย์เข้าใจผลลัพธ์ของระบบ AI และกระบวนการตัดสินใจที่ซ่อนอยู่
การตัดสินใจของมนุษย์จำเป็นสำหรับมุมมองที่ครอบคลุม
การนำ AI มาใช้ไม่สามารถนำไปสู่ความประมาทกับระบบอัตโนมัติได้ นักวิเคราะห์มนุษย์มีมุมมองและความสามารถในการตัดสินใจที่ AI ไม่มี ทำให้สามารถตัดสินใจได้อย่างเหมาะสมในกรณีที่ซับซ้อนหรือไม่ชัดเจน ซึ่งยังคงจำเป็นในการสืบสวนการป้องกันการกระทำผิดทางการเงิน
ในบรรดาความเสี่ยงของการพึ่งพา AI มีความเป็นไปได้ที่จะเกิดข้อผิดพลาด (เช่น การตรวจจับเท็จบวกหรือลบ) และความลำเอียง AI อาจมีการตรวจจับเท็จบวกหากโมเดลไม่ได้รับการปรับให้เหมาะสมหรือถูกฝึกฝนจากข้อมูลที่มีความลำเอียง ในขณะที่มนุษย์ก็สามารถมีความลำเอียงได้เช่นกัน แต่ความเสี่ยงเพิ่มเติมของ AI คืออาจเป็นเรื่องยากที่จะระบุความลำเอียงภายในระบบ
นอกจากนี้ โมเดล AI ขับเคลื่อนด้วยข้อมูลที่ให้มา – อาจไม่ตรวจจับรูปแบบที่น่าสงสัยที่ไม่เคยมีมาก่อนหรือหายาก หรือตามข้อมูลเชิงลึกจากโลกแห่งความเป็นจริง การแทนที่ระบบอิงกฎด้วย AI อย่างสมบูรณ์อาจทำให้เกิดจุดบอดในการติดตามการป้องกันการกระทำผิดทางการเงิน
ในกรณีความลำเอียง ความคลุมเครือหรือความใหม่ๆ การป้องกันการกระทำผิดทางการเงินต้องการมุมมองที่มีวิจารณญาณซึ่ง AI ไม่สามารถให้ได้ ในเวลาเดียวกัน หากเราลบมนุษย์ออกจากกระบวนการ อาจทำให้ความสามารถของทีมในการเข้าใจรูปแบบการกระทำผิดทางการเงิน ระบุรูปแบบ และระบุแนวโน้มที่เกิดขึ้นใหม่ลดลง ซึ่งอาจทำให้ยากต่อการรักษาระบบอัตโนมัติให้ถูกต้อง
แนวทางแบบผสมผสาน: การรวมระบบ AFC แบบอิงกฎและขับเคลื่อนด้วย AI
สถาบันการเงินสามารถรวมระบบอิงกฎกับเครื่องมือ AI เพื่อสร้างระบบหลายชั้นที่ใช้ประโยชน์จากจุดแข็งของทั้งสองแนวทาง ระบบผสมผสานจะทำให้การนำ AI มาใช้แม่นยำมากขึ้นในระยะยาว และยืดหยุ่นมากขึ้นในการจัดการกับภัยคุกคามการกระทำผิดทางการเงินที่เกิดขึ้นใหม่ โดยไม่สูญเสียความโปร่งใส
เพื่อให้บรรลุเป้าหมายนี้ สถาบันสามารถรวมโมเดล AI กับการให้ข้อมูลโดยมนุษย์อย่างต่อเนื่อง การเรียนรู้แบบปรับเปลี่ยนของโมเดลจะเติบโตไม่เพียงแต่จากรูปแบบข้อมูลเท่านั้น แต่ยังรวมถึงการให้ข้อมูลจากมนุษย์ที่ทำให้โมเดลมีความสมดุลและปรับเปลี่ยนใหม่
ไม่ใช่ทุกระบบ AI ที่เท่ากัน โมเดล AI ควรได้รับการทดสอบอย่างต่อเนื่องเพื่อประเมินความแม่นยำ ความยุติธรรม และการปฏิบัติตามกฎระเบียบ โดยมีการอัปเดตตามการเปลี่ยนแปลงกฎระเบียบและข่าวกรองภัยคุกคามใหม่ๆ ที่ระบุโดยทีม AFC
ผู้เชี่ยวชาญด้านความเสี่ยงและความเป็นไปตามกฎระเบียบจะต้องได้รับการฝึกอบรมเกี่ยวกับ AI หรือจ้างผู้เชี่ยวชาญ AI เข้าร่วมทีม เพื่อให้แน่ใจว่าการพัฒนาและใช้งาน AI จะดำเนินการภายในช่องทางที่กำหนดไว้ พวกเขายังต้องสร้างกรอบการทำงานด้านการปฏิบัติตามกฎระเบียบที่เฉพาะเจาะจงสำหรับ AI โดยกำหนดแนวทางในการปฏิบัติตามกฎระเบียบในภาคการเงินที่เกิดขึ้นใหม่
ในฐานะส่วนหนึ่งของการนำ AI มาใช้ สิ่งสำคัญคือทุกส่วนขององค์กรจะต้องได้รับแจ้งเกี่ยวกับความสามารถของโมเดล AI ใหม่ที่พวกเขากำลังทำงานด้วย แต่ยังรวมถึงข้อจำกัดด้วย (เช่น ความลำเอียงที่อาจเกิดขึ้น) เพื่อให้พวกเขามีความตระหนักมากขึ้นเกี่ยวกับข้อผิดพลาดที่อาจเกิดขึ้น
องค์กรของคุณยังต้องคำนึงถึงการวางแผนเชิงกลยุทธ์อื่นๆ เพื่อรักษาความปลอดภัยและคุณภาพข้อมูล สิ่งสำคัญคือต้องลงทุนในโครงสร้างพื้นฐานข้อมูลที่มีคุณภาพสูงและปลอดภัย และให้แน่ใจว่าได้รับการฝึกฝนจากชุดข้อมูลที่ถูกต้องและหลากหลาย
AI เป็นทั้งภัยคุกคามและเครื่องมือป้องกันสำหรับธนาคาร แต่พวกเขาต้องจัดการกับเทคโนโลยีใหม่นี้อย่างถูกต้องเพื่อหลีกเลี่ยงการสร้างปัญหาแทนการแก้ปัญหา
