Искусственный интеллект против финансовых преступлений

Software
Источник: GAAP.RU
Опубликовано: 28 сентября 2018

Авторы оригинальной статьи: Патрик Крейг (Patrick Craig), партнер офиса финансовых услуг по региону EMEA, руководитель стратегических решений по противодействию финансовым преступлениям E&Y; Марк Грегори (Mark Gregory), старший управляющий по направлению консалтинга в офисе финансовых услуг по региону EMEA E&Y

По материалам: International Accountant №100 (август-сентябрь 2018)

AI.jpg

Противодействие отмыванию денежных средств стало одним из основных вызовов в индустрии финансовых услуг. Применяющиеся сегодня процессы по противодействию отмыванию в очень значительной степени опираются на ручной труд, повторяющиеся задачи и усиленную работу с данными, оставаясь сами по себе малоэффективными в борьбе с незаконной финансовой деятельностью.

С учетом того, как мало приносят сегодняшние усилия на фоте растущей сложности угроз и все увеличивающегося объема данных для анализа, давно пора изучить возможности применения искусственного интеллекта (ИИ) в этой области, потенциально способного вывести противодействие отмыванию на качественно новый уровень. Однако обширный потенциал и постепенно растущее число новых приложений на основе ИИ породили волну дискуссий, которые сводятся преимущественно к обсуждению эффективности этих решений и степени доверия, которое требуется для замены живых аналитиков роботами в этой проблемной области.

Опасения по поводу расширения применения технологий искусственного интеллекта можно понять, но это не отменяет того факта, что именно человеческий разум – вероятно, самая непредсказуемая и неопределенная система во всей Вселенной. Поэтому оптимальным вариантом, как всегда, станет синергия – сочетание человеческой интуиции и процессов, выполнение которых лучше доверить компьютеру. Это обеспечит лучший результат, чем изолированная работа над задачей только человека или только компьютера.

Чтобы лучше изучить и осознать весь обширный потенциал ИИ, индустрии финансовых услуг придется сначала внимательнее рассмотреть все риски и ограничения технологий искусственного интеллекта. Что не менее важно, придется также сформулировать этические основы использования искусственного интеллекта, его контроля, удостоверения эффективности работы этих новых моделей взаимодействия.

Противодействие отмыванию: грядут перемены

На данный момент и те подходы, что применяют сами компании, и основы регулирования не справляются в полной мере с отмыванием. Общемировой объем отмываемых каждый год средств оценивается величиной от 2% до 5% мирового ВВП. Финансовые институты направляют на отмывание колоссальные средства, но пока без должного результата. Отчет Европола свидетельствует, что только лишь 10% сообщений о подозрительных финансовых транзакциях приводят к дальнейшим расследованиям со стороны властей.

Организации-участники индустрии финансовых услуг уже сейчас с трудом сдерживают растущие издержки, а, между тем, объемы данных для обработки и сложность характера угроз, по ожиданиям, будут только расти. В результате все более четким становится осознание необходимости инноваций в антиотмывочной деятельности, внедрения современных технологий.

Что вообще такое искусственный интеллект? ИИ охватывает широкую совокупность различных областей, техник и технологий, поэтому дать ему четкое определение затруднительно. В рамках сегодняшнего материала можно отталкиваться от определения, которое ввел Совет по финансовой стабильности (Financial Stability Board - FSB): “Теория и развитие компьютерных систем, способных к выполнению задач, которые традиционно требуют человеческого интеллекта”. Машинное обучение является одной из ключевых областей ИИ, и в очень значительной мере тот успех, которого уже удалось добиться, связан с развитием именно машинного обучения.

Потенциал и влияние искусственного интеллекта

Потенциал ИИ в последние годы возрос, что демонстрируют примеры из реальной жизни в виде виртуальных помощников и роботов. Это не ускользнуло от внимания бизнеса, стремящегося к сокращению издержек, повышению эффективности управления рисками и росту производительности. Ежегодные венчурные инвестиции в США в ИИ-стартапы, по оценкам, выросли с 2000 года шестикратно.

От внимания инвесторов не ускользнули потенциальные возможности поставить машины на службу комплайенсу – выполнению компаниями требований финансового регулирования. Только за первый квартал 2017 года более £238 миллионов было инвестировано в компании, работающие в сфере так называемых регуляторных технологий (финансовых технологий, облегчающих выполнение требований регулирования участниками рынка). Параллельно и сами регуляторы (такие как британское финансовое управление Financial Conduct Authority или Совет по финансовой стабильности), и участники рынка признают растущее влияние ИИ в секторе финансовых услуг и влияние этого на комплайенс.

Издержки комплайенса

Потенциально ИИ способен обеспечить колоссальную эффективность ключевых операционных процессов, таких как комплексная проверка, скрининг, транзакционный мониторинг и т.д. Для примера, традиционные системы контроля транзакций на отмывание слишком часто приводят к фиксации ложных сигналов, что увеличивает рабочую загрузку. Эта неэффективность еще больше осложняется неэффективностью процессов по расследованию этих сигналов. Соотношение усилий и результата оставляет желать лучшего.

Технологии искусственного интеллекта обеспечивают возможность немедленного сокращения операционных издержек без негативного влияния на эффективность путем внедрения машинного обучения на различных стадиях процессов транзакционного мониторинга. Кроме того, обширные возможности для применения ИИ имеются и в комплексных проверках клиентов, и в скрининге – благодаря технологиям интеллектуального анализа текстов и речи.

“Знай своего клиента”

Изучение того, как можно применять ИИ и интегрировать его с деятельностью человека – основное на сегодня направление мышления в антиотмывочной деятельности. Это способно привести к фундаментальным изменениям в применении ключевой концепции “Знай Своего Клиента” (“Know Your Customer” - KYC). Очень вероятно, что на следующей стадии трансформации мы увидим более полную интеграцию оценки, мониторинга, процедур всесторонней проверки и расследований, а искусственный интеллект в этом поможет более целостным подходом и более контекстуальным базисом для определения подозрительной активности и выявления угроз.

В будущем ИИ могут предоставить возможности для более широкого, масштабного, частого, но при этом более целостного анализа в соответствии с концепцией “Знай своего клиента”. Модели обнаружения и анализа рисков будут строиться на основе широкого набора данных и обеспечивать точные результаты в контексте профиля и поведения клиента. Совмещение способности ИИ к динамическому обучению с навыками опытных аналитиков позволит расширять операции, обеспечивать эффективный контроль качества, и даже сможет использоваться для обучения новых кадров.

Построение доверия

Финансовые институты находятся сегодня в самой выгодной позиции для изучения возможностей ИИ и построения доверия к системам искусственного интеллекта в области противодействия финансовому отмыванию. Однако многие из них находятся лишь в начале своего пути и, как следствие, могут еще быть неподготовленными для управления новыми рисками, возникающими вследствие применения новых технологий. Каковые же основные составляющие построения этого доверия?

Качественная система управления

Необходима надежная система управления и контроля за созданием, развитием и внедрением решений на основе ИИ – без этого невозможно гарантировать безопасность и эффективность “антиотмывочного” комплайенса. Качественное управление обеспечивает инструментами оценки и управления рисками, необходимым уровнем понимания процессов и документацией, на основе которых будут приниматься решения по ходу всего жизненного цикла решения на основе ИИ. Хорошей стартовой точкой для разработки новой системы управления и контроля являются уже действующие модели управления рисками, которые применялись для противодействия отмыванию все последние годы и, следовательно, выдержали испытание временем. Этот тот базис, на основе которого компании могут спроектировать рациональный подход к внедрению ИИ, и который, в свою очередь, будет отвечать ожиданиям риск-менеджеров и высшего руководства.

Определение масштаба, целей и критериев успешности

Разработка ИИ-решения должна начинаться с четкой формулировки целей, чтобы дизайн и само внедрение решения отвечали основной задаче и эффективно интегрировались в бизнес-процессы. Иногда весьма непросто определить, что представляет собой успех в области противодействия отмыванию, ведь здесь исходы и наборы данных могут быть весьма субъективными. Может оказаться, что без улучшения некоторых составляющих (аналитики, расследования) сами по себе системы на основе искусственного интеллекта не принесут значительной пользы, лишь нагрузят компанию дополнительными инструментами контроля. Поэтому очень важно (с учетом склонности организации к риску) четко определить индикаторы и параметры, способные определить, насколько результаты использования систем ИИ отвечают поставленным целям. Второй важный фактор – это определение масштаба, и руководствоваться здесь необходимо политикой в отношении сохранности персональных данных и правами владельцев персональных данных, гарантированными им законодательством.

Прозрачность дизайна систем и их алгоритмов

Очень важная составляющая, в том числе с точки зрения аудиторов. Машинное обучение и ИИ – это очень обширная область с разными степенями сложности и прозрачности. Если брать самые сложные нейронные сети и технологии на основе глубокого обучения (deep learning), то обеспечить доверие к этим областям будет труднее всего по сравнению с теми технологиями, что уже применяются, однако справедливости ради надо отметить, что очень немногие передовые “антиотмывочные” решения из тех, что уже используются банками, зашли дальше построение регрессий и дерева решений. Дизайн процесса должен учитывать различные особенности и возможности ИИ-систем в плане их применимости согласно заданным целям. Необходимо детально документировать технические спецификации вместе с известными ограничениями, чтобы эта информация была известна ключевым группам стейкхолдеров в целях осуществления руководства.

Сотрудничество ради определения передовых практик

Успешное внедрение искусственного интеллекта в экосистему “антиотмывочного” комплайенса требует определенной отдачи и сотрудничества различных участников – компаний, поставщиков решений, регуляторов и даже правительств. Сотрудничество может стать основой более широкого внедрения и более четкого определения преимуществ, но вместе с тем – разработки стандартов и рычагов контроля для безопасного создания и внедрения решений на основе ИИ. В свою очередь, более широкое внедрение будет способствовать дальнейшим инновациям в области технологий искусственного интеллекта, а также общей конвергенции регулирования в этой области, в отсутствие которой могут возникать перекосы в эффективности, приводящие к неэффективному распределению активности.

Акцент на вводных данных и этических последствиях

Вводные данные, использующиеся для обучения и управления системами искусственного интеллекта, очень важны. Качество данных – существенная проблема для многих финансовых институтов, напрямую влияющая на эффективность и качество контроля. Проекты обязаны еще на стадии дизайна и разработки уметь оценивать качество данных, то, насколько они подходят для использования ИИ. Кроме того, должны быть введены в действие рычаги, обеспечивающие контроль качества данных в ходе всего операционного цикла. Другая проблема – это этические соображения как с точки зрения целевого использования, так и самой природы обученного ИИ.

Жесткое тестирование и проверка

Чем выше уровень тестирования и обеспечения независимости, тем более эффективным по итогу окажется решение, и тем меньшим будет операционный риск. Распространенные модели управления рисками предполагают использование независимой оценки. Можно также использовать стресс-тестирование и сценарный анализ. Постепенно возникает все больше новаторских техник проверки приложений на основе искусственного интеллекта, причем их начинают применять в смежных областях – таких как использование “красных команд” (команд экспертов, симулирующих хакерские атаки) или “анонимных покупателей”.

Ключевой принцип: приступать пораньше, внедрять постепенно, проверять регулярно

Искусственный интеллект способен внести значительные перестановки в систему комплайенса и операционные модели. Контакт со стейкхолдерами необходимо обеспечивать на как можно более ранних стадиях, чтобы иметь наготове общее видение. Постепенное внедрение способно сделать изменения более эффективными, дать возможность для конструктивного отклика и, в конечном итоге, доверия. Внедрение ИИ в производственный цикл предполагает четкое понимание операционных рисков, которые потребуют постоянного мониторинга и контроля. Одним из самых значительных беспокойств вокруг внедрения искусственного интеллекта в каждодневное использование являются опасения по поводу возможности недобросовестного манипулирования или его неправомерного использования. Регулярный анализ принятых ИИ решений и другие периодические проверки помогут снизить этот риск до минимума. В то же время основанные на жестких правилах экспертные системы способны обеспечить постоянную основу для сравнения и выявления случаев, где принятые ИИ решения отклоняются от ожидаемых норм.

Сегодняшние подходы к борьбе с отмыванием устарели и не справляются с современным масштабом незаконной деятельности. Есть реальная возможность использовать технологии искусственного интеллекта не только для обеспечения эффективности, но и для определения новых креативных способов противодействия отмыванию денежных средств. Конечно, ИИ продолжает оставаться вызовом для способности организаций принимать на себя риски, но время задать вопрос: готовы ли они позволить себе и дальше не применять ИИ в борьбе с отмыванием? При условии интегрирования с правильной стратегией и правильным фокусом на построении доверия, искусственный интеллект – это тот риск, который стоит того, чтобы принять его на себя.

Теги: искусственный интеллект  финансовые преступления  ИИ  технологии искусственного интеллекта  отмывание  отмывание денежных средств  противодействие отмыванию  незаконная финансовая деятельность  индустрия финансовых услуг  машинное обучение  управление рис