運用 AI 與智慧自動化打擊金融犯罪

金融機構在打擊金融犯罪和遵守洗錢防制 (Anti-Money Laundering,AML) 法規方面所面臨的挑戰,仿如一場永無止境的漫長戰役。 

隨著應用程式的抵禦機制不斷演進,不法分子所使用的工具也日益精密,而企業需要進階的解決方案,協助其及早偵測出並有效預防洗錢情事發生。機器學習、生成式 AI,以及其它形式的智慧自動化,為金融服務產業 AML 方面的因應措施帶來新契機。 

迄今為止針對金融犯罪合規性需求所採行的勞力密集、規則取向因應辦法,不僅成本高昂,其有效性更隨著時間逐漸降低。在 2022 年,儘管各方金融機構在金融犯罪合規性需求方面的支出超過 2750 億美元,全球洗錢交易總額仍高達約為 20 兆美元,所產生的相關罰款金額達 50 億美元。 

不過,如今拜 AI 與智慧自動化應用之賜,金融犯罪偵測和調查機制式也日益精密,讓銀行、資本市場和保險公司能使用更有效的工具來遏止金融犯罪行為產生。Google Cloud 近期宣布推出新的 AML AI 產品,這是先進技術強化企業識別洗錢活動能力的最佳範例。 

Automation Anywhere 的智慧自動化平台,可將 Google AML AI 產品的結果,無縫整合進入可疑活動報告 (SAR) 調查工作流程中,讓金融服務機構得以進一步提升 AML 合規性程式的效率和有效性。讓我們從三大面向,來看看自動化何以能讓 AML 合規性流程徹底蛻變。

強化風險識別:Google AML AI 等產品,皆運用機器學習和資料探勘功能,來提升金融犯罪識別率,並降低誤判率。同時,它也能強化風險發現結果的解釋性,這對於監管機構至關重要,讓他們能夠瞭解決策背後的原因。使用 Google AML AI 後,HSBC 的金融犯罪風險偵測率提高了 2-4 倍,誤判情形也減少 60% 以上,成功改善客戶體驗。

提高調查效率:Automation Anywhere 的智慧自動化平台可自動在偵測到高風險活動時啟動 SAR、取得額外資料、統整結果內容、停用帳戶,並透過整合至風險管理及核心處理應用程式之軟體機器人發送內部/外部通訊,使金融犯罪調查相關流程得以更順暢執行。 

改善法規變更管理:在未來,AML 合規性相關辦法的變更將可透過 AI 進行追蹤與統整,使其有效性更加提升。除此之外,智慧自動化平台將可用以執行快速的流程變更,例如透過生成式 AI 來建立和部署軟體機器人的程式碼變更。

銀行需要創新與智慧的解決方案來有效打擊金融犯罪,並且需要不斷革新,導入最先進的數位科技,以持續有效因應瞬息萬變的犯罪型態。生成式 AI 讓銀行能徹底改變其 AML 流程,使其一方面能維繫市場競爭力,一方面也能確保其機構安全性不受威脅。金融罪犯日漸狡猾多智,並且為全球犯罪組織挹注大量資金,而為因應此局勢,銀行必須運用最新技術,來規模式地加速變遷速度。銀行可運用 AI 工具與智慧自動化平台,來降低金融犯罪發生的風險,並強化法規遵循。

2022 AML 資訊來源:

  • 洗錢金額超過 2 兆美元 (來源:Google Cloud)
  • 超過 2750 億美元花費在 FC 合規性需求上 (來源:Google Cloud)
  • 接近 50 億美元的 AML 違規罰款 (來源:Financial Times)

簡介 Ken Mertzel

user image

Ken Mertzel 為銀行業暨保險業的產業行銷資深總監,負責將財務資料轉譯為策略性業務資訊,藉以提高業務績效。

透過電子郵件訂閱檢視所有貼文 LinkedIn
試用 Automation Anywhere
Close

業務專用

報名以快速存取完整、個人化的產品示範

學生和開發人員專用

使用免費的 Community Edition,立即展開您的 RPA 旅程