加布里埃拉·布西恩(Gabriella Bussien)是科技先锋的金融犯罪预防组织Trapets的首席执行官,该组织自2000年以来一直是北欧市场的领先者。她在摩根士丹利和汤森路透等组织中拥有超过20年的扩张业务和管理风险的经验。
AI 是银行的双刃剑:一方面,它为银行带来了许多更高效的运营可能性,但另一方面,它也带来了外部和内部风险。金融犯罪者正在利用这项技术制造 深度伪造视频、声音和假文件,这些文件可以通过计算机和人类检测,或者加速电子邮件欺诈活动。在美国,生成式 AI 预计将加速欺诈损失,到 2027 年,年度增长率将达到 32%,达到 400 亿美元,根据德勤最近的一份 报告。也许,银行的回应应该是武装自己更好的工具,利用 AI 来预防金融犯罪。金融机构正在开始部署 AI 来监控交易、生成可疑活动报告、自动化欺诈检测等。这些有可能加速流程同时提高准确性。问题在于,当银行没有平衡地实施 AI 时,会影响合规性、偏见和适应新威胁的能力。我们相信在金融领域采取谨慎的混合方法来采用 AI,这种方法将继续需要人类的输入。基于规则和 AI 驱动的 AFC 系统的区别传统上,AFC(特别是反洗钱(AML)系统)都使用了由合规团队根据法规制定的固定规则。例如,在交易监控中,这些规则被实施以根据特定的预定义标准(如交易金额阈值或地理风险因素)标记交易。AI 提出了一个新的筛选金融犯罪风险的方法。机器学习模型可以根据一系列不断演变的数据集来检测可疑模式。该系统分析交易、历史数据、客户行为和背景数据来监控可疑活动,同时随着时间的推移进行学习,提供自适应和可能更有效的犯罪监控。然而,虽然基于规则的系统是可预测和容易审计的,AI 驱动的系统引入了一个复杂的“黑盒”元素,原因是决策过程不透明。很难追踪 AI 系统的推理过程,以确定为什么某些行为被标记为可疑,因为涉及的元素太多。这可能导致...