วิธีการที่ Agentic AI สามารถสนับสนุนทีม Compliance ด้วยการตรวจสอบความถูกต้องของ Anti-Money Laundering

ในช่วงปีที่ผ่านมา Agentic AI ได้ครอบงำข่าวหลัก จากการร่วมมือระหว่างบริษัทเทคโนโลยีขนาดใหญ่ เช่น AWS และ OpenAI ร่วมมือ ในการทำงาน AI ที่ซับซ้อน ไปจนถึงการรวม Agentic AI เข้ากับอุตสาหกรรมต่างๆ เช่น การค้าปลีก รัฐบาล และการเงิน AI ตัวแทนกำลังถูกนำเข้ามาใช้ในชีวิตประจำวันและกระบวนการทำงาน ตามรายงานของ McKinsey 62% ขององค์กรกำลังทดลองใช้ AI ตัวแทน และ 64% ระบุว่า AI ทำให้พวกเขาสามารถสร้างนวัตกรรมได้ ซึ่งแสดงให้เห็นถึงการนำ AI ไปใช้ในองค์กรอย่างรวดเร็ว

Agentic AI ยังอยู่บนเส้นทางที่จะเปลี่ยนแปลงบทบาทของคนงานอีกด้วย การสำรวจของ PwC พบว่า 66% ของบริษัทที่นำ AI ตัวแทนมาใช้ได้เพิ่มผลผลิตขึ้น เนื่องจาก AI ตัวแทนสามารถทำงานได้โดยไม่ต้องมีการแทรกแซงจากมนุษย์ คนงานจึงสามารถมุ่งเน้นไปที่งานเชิงกลยุทธ์ที่ซับซ้อนมากขึ้น และปล่อยให้ AI ตัวแทนจัดการงานบริหารที่น่าเบื่อ

กรณีการใช้งานที่น่าสนใจและสำคัญสำหรับ Agentic AI ในบริการทางการเงินคือการป้องกันการฟอกเงิน คดีฟอกเงินที่รายงานต่อ U.S. Sentencing Commission เพิ่มขึ้น 45% ระหว่างปี 2020 ถึง 2024 ซึ่งเน้นย้ำถึงความท้าทายที่เพิ่มขึ้นอย่างรวดเร็ว และทำให้เกิดปัญหาในการปฏิบัติตามกฎระเบียบในระดับประเทศ

เมื่อพูดถึงกระบวนการปฏิบัติตามกฎระเบียบ Agentic AI สามารถมีผลกระทบต่อการตรวจสอบลูกค้า (CDD) โดยการรวมตัวแทนเข้ากับกระบวนการ Anti-Money Laundering (AML) ซึ่งสามารถช่วยให้การแก้ไขและจัดการกรณีได้ดีขึ้น และลดผลลัพธ์เท็จสำหรับหน่วยงานที่มีความเสี่ยงต่ำ

สำหรับสถานประกอบการทางการเงินเพื่อให้ได้ผลลัพธ์ที่มีประสิทธิภาพจากการใช้ AI ตัวแทน พวกเขาต้องนำ AI มาใช้อย่างมีความรับผิดชอบและตั้งใจ Below เป็น 5 ข้อพิจารณาสำคัญสำหรับผู้นำด้านการปฏิบัติตามกฎระเบียบ:

1. การให้ AI ตัวแทนจัดการงานที่ต้องทำด้วยมือ

ผู้ตรวจสอบการปฏิบัติตามกฎระเบียบมักจะขาดทรัพยากรเมื่อพูดถึงขนาดทีม งบประมาณ และข้อจำกัดด้านเวลา โดยมีรายงานว่ามากกว่าครึ่งหนึ่ง รายงาน ว่าพวกเขารู้สึกเหนื่อยหน่ายที่ทำงาน และเกือบครึ่งหนึ่งประสบกับความวิตกกังวล โดยเฉพาะอย่างยิ่งในฟังก์ชันของ CDD และกระบวนการ Know Your Customer (KYC) การทบทวนการแจ้งเตือนเพื่อระบุและล้างผลลัพธ์เท็จสามารถเป็นภาระที่หนักสำหรับทีมการปฏิบัติตามกฎระเบียบ ซึ่งสามารถเปิดโอกาสให้เกิดความเสี่ยงและความล่าช้า

เมื่อ Agentic AI ถูกนำมาใช้เพื่อสนับสนุนกระบวนการที่ยากลำบากเหล่านี้ มันสามารถทำให้งานที่ใช้เวลานานบางอย่างเป็นอัตโนมัติ เช่น การติดตามความเสี่ยงอย่างต่อเนื่อง และการอัปเดตโปรไฟล์ลูกค้าเมื่อมีการเปลี่ยนแปลงข้อมูล AI ตัวแทนสามารถทบทวนและจัดลำดับความสำคัญของการแจ้งเตือนโดยการเอาผลลัพธ์เท็จออกไปในอัตราที่สูงกว่าการตรวจสอบด้วยมือ ซึ่งยังช่วยให้กรณีที่มีความเสี่ยงสูงสามารถเข้าสู่ผู้วิเคราะห์ของมนุษย์ได้อย่างมีประสิทธิภาพ ตัวแทนสามารถดำเนินการตรวจสอบลูกค้าเบื้องต้นโดยการตรวจสอบข้อมูลความเสี่ยงที่จำเป็น บุคคลที่มีอำนาจทางการเมือง (PEPs) สื่อที่ไม่ดี และการคว่ำบาตร จากนั้นสร้างการแจ้งเตือนสำหรับการที่ตรงกัน

2. ความโปร่งใสของข้อมูล

เช่นเดียวกับ Agentic AI ทั้งหมด ประสิทธิภาพและความน่าเชื่อถือเริ่มต้นจากข้อมูลที่ระบบได้รับการฝึกอบรมและควบคุม นอกเหนือจากการทำความสะอาดข้อมูลที่แข็งแกร่ง การสืบเชื้อสายข้อมูลที่ชัดเจน และการรักษาบันทึกอย่างครอบคลุมเพื่อลดการหลอกลวงหรือความลำเอียง องค์กรต้องรับรองความสามารถในการป้องกันตามกฎระเบียบผ่านการกำกับดูแลแบบจำลองที่เข้มแข็ง ซึ่งรวมถึงการใช้ระบบที่ได้รับการดูแลโดยคณะกรรมการทบทวนแบบจำลอง (MRB) อย่างเป็นทางการที่จัดการวงจรชีวิตแบบจำลองทั้งหมด ทดสอบอย่างสม่ำเสมอ และพึ่งพา “ชุดข้อมูลทอง” เพื่อป้องกันการเปลี่ยนแปลงของแบบจำลองเมื่อเวลาผ่านไป AI ที่อธิบายได้และเข้าใจได้ถือเป็นสิ่งสำคัญในบริบทนี้ ตัวอย่างเช่น ระบบการจำแนกของเราโดยใช้ LLM สามารถจัดหมวดหมู่สื่อที่ไม่ดีออกเป็น 34 หมวดหมู่ความเสี่ยงที่แตกต่างกัน ทำให้สามารถตัดสินใจได้อย่างแม่นยำและตรวจสอบได้ ระดับความโปร่งใสและควบคุมนี้ไม่เพียงแต่ทำให้ตรงตามความต้องการของกฎระเบียบและผู้ตรวจสอบที่เพิ่มขึ้นเท่านั้น แต่ยังเสริมสร้างความมั่นใจในการใช้ AI เพื่อสนับสนุนผลลัพธ์ของ AML และ CDD

3. การประเมินว่า Agentic AI จะมีประสิทธิภาพที่สุดตรงไหน

การนำ AI มาใช้ไม่ได้หมายความว่าองค์กรต้องแทนที่เทคโนโลยีที่มีอยู่แล้ว เมื่อประเมินว่า Agentic AI สามารถใช้ได้อย่างไรในการตรวจสอบลูกค้า ผู้ตรวจสอบการปฏิบัติตามกฎระเบียบควรสร้างหลักฐานการทำงานทดสอบ วิธีการที่ระบบ Agentic สามารถใช้ได้ และสร้างกรณีการใช้งานเมื่อความต้องการในการนำ AI มาใช้เพิ่มขึ้น ซึ่งสามารถช่วยประเมินว่าการนำ AI มาใช้จะเกิดผลลัพธ์ที่ดีที่สุดเมื่อใช้เพียงการตรวจสอบเบื้องต้นหรือเมื่อใช้สำหรับการแก้ไขการแจ้งเตือนอย่างเต็มรูปแบบ

4. การใช้ AI เพื่อเพิ่มความเชี่ยวชาญด้านการปฏิบัติตามกฎระเบียบ

ในขณะที่การทำให้เป็นอัตโนมัติช่วยจัดการงานที่ซ้ำซ้อน คุณค่าที่แท้จริงของ Agentic AI อยู่ที่ความสามารถในการยกระดับบทบาทของนักปฏิบัติตามกฎระเบียบจากงานบริหารไปสู่งานเชิงกลยุทธ์ การเปลี่ยนแปลงนี้ไม่เกี่ยวกับการแทนที่ทีม แต่เกี่ยวกับการมุ่งเน้นความเข้าใจของมนุษย์ไปที่งานที่มีคุณค่าสูงสุด เช่น การสืบสวนที่ซับซ้อนซึ่งต้องการการตัดสินใจทางศีลธรรมและความเข้าใจที่เหมาะสมของเจตนาที่ผิดกฎหมาย

ความเชี่ยวชาญยังเพิ่มขึ้นเมื่อ AI ทำหน้าที่เป็น “เพื่อนร่วมงานดิจิทัล” ภายในกระบวนการทำงาน รูปแบบการออกแบบในปัจจุบันให้ความสำคัญกับตัวแทนแบบมีหน้าตา เนื่องจากสิ่งเหล่านี้ช่วยให้เกิดความปลอดภัยทางจิตใจ โดยการให้เหตุผลที่ชัดเจนและเป็นภาษาธรรมชาติสำหรับทุกคำแนะนำ ระบบเหล่านี้ช่วยให้ผู้วิเคราะห์เรียนรู้จากตรรกะของ AI มากกว่าที่จะยอมรับผลลัพธ์แบบไบนารี่เท่านั้น เมื่อองค์กรเติบโต สิ่งนี้ช่วยให้การปฏิบัติตามกฎระเบียบกลายเป็นตัวขับเคลื่อนการเติบโตที่มีประสิทธิภาพ โดยผู้วิเคราะห์เข้ารับหน้าที่ใหม่ที่ซับซ้อนในด้านการบริหารความเสี่ยงของแบบจำลอง การทดสอบ AI และการสืบสวนเชิงกลยุทธ์

5. พื้นฐานที่แข็งแกร่ง

แพลตฟอร์มที่มีความยืดหยุ่นและเป็นมิตรกับคลาวด์เป็นข้อกำหนดเบื้องต้นสำหรับความเร็ว ไม่สามารถติด AI เข้ากับโครงสร้างพื้นฐานที่เสียหายและคาดหวังให้ทำงานได้ดี การติดตั้งที่ประสบความสำเร็จส่วนใหญ่เกิดขึ้นจากวงจรชีวิตข้อมูลที่เป็นเอกภาพ ตั้งแต่การนำเข้าไปจนถึงการแก้ไขกรณีสุดท้าย การรักษาแหล่งข้อมูลเดียวที่เป็นจริงสำหรับข้อมูลความเสี่ยงให้แน่ใจว่าแบบจำลองยังคงสม่ำเสมอในภูมิภาคต่างๆ ในบริบทนี้ เครื่องมือ Agentic ทำงานได้ดีที่สุดเมื่อถูกรวมเข้ากับระบบนิเวศที่มีกรอบการทำงานที่มีอยู่แล้วสำหรับการทดสอบ การคุ้มครองข้อมูล และการกำกับดูแล

การเปลี่ยนแปลงการปฏิบัติตามกฎระเบียบ AML ในยุค AI ตัวแทน

ผู้นำด้านการปฏิบัติตามกฎระเบียบอยู่ที่จุดเปลี่ยน – เมื่อเครื่องมือ Agentic AI มีความทันสมัยและอาชญากรรมทางการเงินเพิ่มขึ้น พวกเขาต้องแน่ใจว่าพวกเขามีการป้องกัน AML และ CDD ที่เหมาะสม ในขณะเดียวกันก็ประเมินว่าเครื่องมือ AI สามารถสนับสนุนเป้าหมายของพวกเขาได้อย่างไร Agentic AI赋予สถาบันการเงินความสามารถในการขยายการตรวจสอบลูกค้า (KYC) ในขณะที่ปล่อยให้ทีมมุ่งเน้นไปที่งานที่ซับซ้อนและมีคุณค่าสูง เมื่อรวมกับความเชี่ยวชาญของมนุษย์ AI ช่วยให้การแจ้งเตือนและการแก้ไขกรณีได้เร็วขึ้น ทำให้การป้องกันความเสี่ยงมีความเข้มแข็งและลดต้นทุน ซึ่งแท้จริงแล้วกำลังเปลี่ยนแปลงอนาคตของการตรวจสอบความถูกต้องของ AML