Почему ИИ все еще пытается понять финансовые преступления - и что это значит для команд по соблюдению требований
6 июня 2025 г.Искусственный интеллект ↓ искусственный суждение
Это 2025 год, и генеративный ИИ пишет стихи, бронирование встреч и контракты на составление. Но попросите его пометить компанию Shell, направляющую незаконную криптографию санкционированным организациям - и это может потерпеть неудачу, впечатляюще.
В мире, где финансовые преступления развиваются быстрее, чем алгоритмы могут не отставать, самый большой миф в Regtech заключается в том, что ИИ может «решить» соответствие. СПОЙЛЕР: Это не может. По крайней мере, пока нет.
А для специалистов по соответствию этот разрыв не является академическим - это оперативный риск.
Реальность ИИ в соответствии
Усыновление ИИ быстро ускоряется. СогласноОтчет Банка Англии на 2024 год по ИИ в финансовых услугахВ75% фирм уже используют ИИ, и еще 10% планируют его принять в течение следующих трех летПолем Тем не менее, широко распространенное использование не гарантирует эффективность, особенно в соответствии с требованиями. Многие учреждения все еще полагаются наОбнаружение на основе правилв качестве их основной линии обороны, которая может быть недостаточно для современных финансовых преступлений.
Почему отключение?
Потому что в то время как ИИ превосходит при выявлении закономерностей, финансовые преступления - это не только шаблоны, но и о намерениях.
Money Mule, использующий новый идентификатор устройства, не будет отключить нейронную сеть, обученную данным мошенничества на устаревшем. Схема отмывания на основе торговли, направленная через «чистую» юрисдикцию, может летать под радаром. ИИ нужен контекст, и преступники являются экспертами в его удалении.
Системы на основе правил:Все еще держит линию (на данный момент) большинство стеков соответствия сегодня по-прежнему полагаются на логику, основанную на правилах-сценарии «if-then», предназначенные для запуска оповещений, когда пороговые значения нарушаются (например, транзакции свыше 10 000 долларов США, отношения с санкционированными странами, необычные поведенческие изменения).
Их легко объяснить, одобрено регулятором и относительно простым для настройки. Но они также хрупкие. Преступники играют их с небольшими вариациями, и они генерируют огромные объемы оповещений - подавляющее большинство из которых являются ложными позитивами.
Вот почему ИИ был введен - чтобы уменьшить шум. Но без контекста ИИ может совершать разные ошибки, просто тихо.
Будущее не о замене правил-это сочетание их с помощью контекстных, объяснимых моделей.
Ложные позитивы, ложные негативы и узкое место соблюдения.
Одним из обещаний ИИ в соответствии является сокращение ложных срабатываний. Но на практике?
«Большинство участников признают проблемы прозрачности, связанные с использованием моделей AI/ML».- Обследование управления рисками Deloitte Emea, 2023
Выбор не только между уменьшением шума и повышением эффективности - это между прозрачностью и риском. Если ваш инструмент для искусственного интеллекта представляет объект для подозрительной деятельности, но ваш сотрудник по соблюдению не может объяснить, почему регуляторы зададут вопросы, которые ваша модель не может ответить.
Финансовое преступление - это состязательная система
Вот основная задача: AI предполагает, что мир ведет себя статистически. Преступники этого не делают.
Они исследуют, уклоняются и адаптируются. Каждый раз, когда система обнаруживает метод отмывания, создается новый, чтобы проскользнуть мимо нее.
В кибербезопасности это известно как состязательная среда - настройка, в которой злоумышленники постоянно тестируют вашу защиту. Финансовая преступность ведет себя так же. Традиционная контролируемая учебная борьба здесь. Это похоже на игру в шахматы, когда ваш противник тайно меняет правила после каждого шага.
Так в чем же альтернатива?
Передобывающие команды по соблюдению отдаляются от моделей искусственного искусства «Black Box» к более умной, композиционной инфраструктуре риска. Это означает системы, которые сочетают в себе объяснение, гибкость и человеческий надзор.
Вот как это выглядит на практике:
- Гибридные объяснимые системы
Модели, которые сочетают в себе логику на основе правил с приоритетом, управляемой искусственным интеллектом. Они уменьшают шум и сохраняют аудиторство.
Вместо того, чтобы заменить существующие правила двигателей, ведущие группы по соблюдению строительны гибридные инфраструктуры, которые позволяют аналитикам понять, почему транзакция была помечена, какие данные повлияли на решение и как она соответствует политике.
В этом руководстве изложены ключевые стратегии улучшения объяснения ИИ в системах соответствия - от проектирования модели до регулирующего выравнивания.
- Скрининг и сортировка в реальном времени
Обработка партии создает задержку. Современные системы оценивают транзакции и контрагенты в режиме реального времени, повышая как эффективность, так и скорость отклика.
- Человек в петле ИИ
Без регулярных отзывов аналитиков дрейфовать модели искусственного интеллекта. Умные лидеры по соблюдению требований внедряют людей в ключевые моменты в процессе, чтобы постоянно обучать и повысить производительность системы.
- Адверские тестирование и красное командование
Как и в кибербезопасности, моделируемое преступное поведение может использоваться для проверки надежности ваших систем AML. Это поможет вам открыть для себя слепые пятна, прежде чем плохие актеры.
Что команды по соблюдению должны делать сейчас
Если вы создаете или покупаете системы искусственного интеллекта для соответствия в 2025 году, вот что нужно расставить приоритеты:
- Не просто автоматизируйте- Контекстуализация - высокопроизводительная модель без контекста риска - это просто дорогой генератор шума.
- Требование объяснения от ваших поставщиков- Вы должны быть в состоянии отследить, почему модель помечает или проигнорировала транзакцию - вплоть до функции данных.
- Инвестировать в наблюдаемость, не только производительность. Регуляторы будут все чаще ожидать доказательств того, что ваши системы контролируются, поддерживаются, поддерживаются и подвергаются стрессу.
- Сложите свою защиту- Ни одна модель или правила двигателя не поймают все. Компонируемая система инструментов, правил и людей - ваш лучший шанс на устойчивость.
Окончательная мысль: речь идет не только о искусственном интеллекте - речь идет о системе дизайна AI - мощный инструмент, но в изоляции этого недостаточно. Будущее соответствия заключается в модульных, объяснимых системах в реальном времени, которые объединяют логику правил, понимание ИИ и человеческий опыт борьбы с состязательным поведением в масштабе.
До тех пор лучшие специалисты по соблюдению не будут просто использовать ИИ - они допрашивают его.
Источники и дальнейшее чтение:
Истинная стоимость соблюдения финансовых преступлений Глобальное исследование, 2023 г.
Обследование управления рисками Deloitte Emea (2023)
FATF РУКОВОДСТВО ПО НАЗНАЧЕНИЕ ОСНОВА
Улучшение объяснения ИИ: ключевые стратегии для соответствия и регтех
Банк Англии,Искусственный интеллект в Великобритании Финансовые услуги 2024
Оригинал