AI och maskininlärning är centrala tekniklösningar för att effektivisera bekämpning av ekonomisk brottslighet och penningtvätt, samt för regelefterlevnad som är kopplad till det arbetet. Mer än hälften (57 procent) av de tillfrågade använder AI och maskininlärning i sina processer, testar AI-lösningar eller planerar att börja använda sådana under de kommande 12–18 månaderna.
– Tillsynsmyndigheter över hela världen bedömer i allt högre grad finansföretags regelefterlevnad baserat på den information de bidrar med till brottsbekämpning. Därför är det ingen överraskning att 66 procent av de tillfrågade uppfattar att tillsynsmyndigheter vill att de ska använda AI och maskininlärning. Det har tagit tid för många myndigheter och företag att komma igång med avancerade analyser för att stävja finansiell brottslighet. Trots det finns det en förhoppning om att verktygen ska bidra till att snabbt identifiera brottslingar, säger Kieran Beer, chefsanalytiker och chef för redaktionellt innehåll på ACAMS
28 procent av de stora finansaktörerna, de som har tillgångar över 1 miljard dollar, anser sig vara innovatörer och tidiga användare av AI. Men även 16 procent av mindre aktörerna ser sig som branschledare vad gäller AI.
– Att en så stor andel mindre organisationer utmärker sig som branschledare visar att det dessa lösningar inte bara är relevanta för stora aktörer som många kanske vill tro. Eftersom både mindre och större organisationer omfattas av samma nivå av myndighetskontroll är det viktigt att den här utvecklingen fortsätter, menar Tom Keegan, Principal U.S. Solution Leader for Financial Crimes and America Forensic Technology Services på KPMG.
Oavsett företagens storlek finns det ett tryck på att motverka pandemins effekter. Avancerad analys för penningtvätt underlättar det, genom högre noggrannhet och produktivitet. De två främsta drivkrafterna för AI och maskininlärning är enligt undersökningen att förbättra kvaliteten på utredningar och anmälningar (40 procent), samt att minska antalet falska larm, så kallade “false positives”, vilka medför ökade driftskostnader (38 procent).
– Pandemin har medfört stora förändringar av konsumenters beteenden. Det har fått många finansföretag att inse att statiska, regelbaserade övervakningsstrategier inte är lika exakta eller anpassningsbara som strategier baserade på beteendeanalys. AI och maskininlärning är dynamiska till naturen. Lösningarna kan anpassa sig till förändringar och nya risker. De kan integreras snabbt i befintliga lösningar för regelefterlevnad, med små driftstörningar. De som börjar använda sådana här lösningar får ofta betydligt förbättrad effektivitet, samtidigt som de lever upp till lagstiftning, säger Sofia Mosesson, nordisk rådgivare för bekämpning av finansiella brott och efterlevnad på SAS Institute.
publicerad 15 september 2021