Bedrageri og økonomisk kriminalitet er steget under pandemien.
Som følge heraf er mere end halvdelen af alle virksomheder og institutioner i den finansielle sektor begyndt -eller planlægger – at gøre brug af AI med det formål at modvirke hvidvaskning af penge.
Ifølge en ny undersøgelse foretaget af SAS Institute, KPMG og Association of Certified Anti-Whiteundering Specialists (ACAMS) har en tredjedel af alle finansielle virksomheder under pandemien fremskyndet brugen af kunstig intelligens (AI) og machine learning til at opdage og forhindre hvidvaskning af penge. 39 procent af de compliance ansvarlige har svaret, at de fortsat planlægger brug af AI og machine learning.
Rapporten “Acceleration Through Adversity: The State of AI and Machine Learning Adoption in Anti-Money Laundering Compliance” og en komplementær visualisering af data giver dybdegående indsigt fra mere end 850 ACAMS-medlemmer fra hele verden vedrørende brug af teknologi til at opdage og afsløre hvidvaskning af penge. Hvidvaskning af penge anslås at generere mellem to og tre procent af verdens globale BNP (mellem $ 800 milliarder og $ 2 billioner årligt).
AI og machine learning er vigtige teknologiske løsninger til effektiv bekæmpelse af økonomisk kriminalitet og hvidvaskning af penge samt overholdelse af de regler, der er knyttet til dette arbejde. Mere end halvdelen (57 procent) af respondenterne bruger AI og machine learning i deres processer, tester AI-løsninger eller planlægger at påbegynde brug af dem i de næste 12-18 måneder.
– Tilsynsmyndigheder rundt om i verden vurderer i stigende grad finansielle virksomheders complianceevne baseret på de oplysninger, de bidrager med til retshåndhævelse. Derfor er det ingen overraskelse, at 66 procent af respondenterne oplever, at tilsynsmyndighederne bakker op omkring anvendelsen af AI og machine learning, udtaler Kieran Beer, chefanalytiker og chef for redaktionelt indhold hos ACAMS og fortsætter:
– Det har taget tid for mange myndigheder og virksomheder at komme i gang med avancerede værktøjer og analyse metoder for at dæmme op for økonomisk kriminalitet. På trods af dette er der håb om, at AI værktøjer og metoder hjælper med hurtigere at identificere mistænkelige transaktioner og potentielle kriminelle.
28 procent af de store finansaktører, dem med aktiver over 1 milliard dollars, betragter sig selv som innovatorer og hurtige til at gøre brug af AI. Mens hele 16 procent af de mindre spillere ser sig selv som branchens ledere, når det kommer til AI.
– Det faktum, at en så stor andel af de mindre organisationer skiller sig ud som brancheledere, viser, at det ikke kun er store aktører, der kan bruge disse løsninger, som mange mente. Da både mindre og større organisationer er underlagt den samme AML lovgivning, nationale retningslinier og tilsyn, er det vigtigt, at denne tendens fortsætter, beretter Tom Keegan, Principal U.S. Solution Leader for Financial Crimes and America Forensic Technology Services hos KPMG.
Uanset virksomhedernes størrelse er der pres på for at modvirke virkningerne af pandemien herunder at monitorere alle finansielle transaktioner incl. udbetalingen af offentlige hjælpepakker. Avanceret analyse værktøjer og metoder der inkluderer anvendelsen af AI optimerer hvidvask bekæmpelsen igennem højere nøjagtighed af modellerne og øget produktivitet. Ifølge undersøgelsen er de to vigtigste drivkræfter for AI og machine learning at reducere antallet af falske alarmer, såkaldte “false positives”, hvilket medfører færre driftsomkostninger (38 procent). Den anden er at forbedre kvaliteten og produktiviteten i relation til undersøgelsesprocesserne relateret til AML alarmer, UAR og SAR rapporter (40 procent).
– Pandemien har ført til radikale ændringer i forbrugeradfærd. Det har fået mange finansielle virksomheder til at indse, at statiske, regelbaserede overvågningsstrategier ikke er lige så nøjagtige eller tilpasningsdygtige som adfærdsbaserede metoder der anvender AI, siger Henrik Koch, Principal Solution Manager, Customer Advisory, Financial Services Nordics i SAS, og fortsætter:
– AI og machine learning er dynamiske af natur. Løsningerne kan tilpasse sig ændringer og nye risici. De kan hurtigt integreres i eksisterende lovgivningsmæssige complianceløsninger med minimal afbrydelse. Dem, der begynder at bruge sådanne løsninger tidligt, vil have en væsentligt forbedret effektivitet, samtidig med at det gør det lettere at leve op til lovgivningen.
