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...
