ИИ встал стеной на пути отмывания денег
Более половины респондентов (57%) заявили, что либо уже внедрили ИИ и/или машинное обучение в свои AML-процессы, либо проводят тестирование, либо планируют их внедрить в ближайшие 12-18 месяцев.
Респонденты - независимо от величины их компаний - также отмечают, что пандемия Covid-19 выступила дополнительным катализатором внедрения. Предъявляемые ею вызовы требуют еще более высокой точности и производительности, которой невозможно достичь без современных аналитических инструментов.
Кроме того, по мнению участников исследования, двумя основными стимулами внедрения ИИ и машинного обучения выступают, во-первых, повышение качества расследований и своевременное уведомление регулятора о подозрительных операциях (этот фактор назвали 40% респондентов) и, во-вторых, снижение количества ложных срабатываний и сопутствующих им затрат (38% респондентов).
CTO Softline Digatal Максим Милков отмечает, что ИИ-алгоритмы активно используются в AML-продуктах игроков финансового сектора. С помощью методов машинного обучения, нейросетевых подходов, графовых алгоритмов решаются задачи рискового скоринга клиентов банка, выявляются аномалии, классифицируются тексты для сопоставления ОКВЭД и назначения платежа и т.д.
Чаще всего для решения AML-задач организации разрабатывают in-house решения с привлечением собственной, либо приглашенной команды data scientist и data engineer, подчеркивает Максим Милков. В архитектуре комплексных продуктов все чаще используются открытые решения для сбора, хранения, обработки и анализа данных, средства непрерывной разработки и внедрения как кода, так и ИИ моделей (Dev/MLops).
Поскольку финансовый сектор довольно закрытые организации, вряд ли стоит ожидать переход AML-процессов в облака, что могло быть предпосылкой к созданию продуктов и их доступности даже для некрупных игроков финансового сектора, считает Максим Милков. Очевидно, что востребованность ИИ в AML-продуктах будет расти повсеместно, поэтому мы ожидаем рост спроса на специалистов в ИИ и BigData в формате Time&Material.
Lиректор по развитию бизнеса ИТ-компании "Крок" в коммерческих банках Александр Филиппов подчеркивает, что методы ИИ используются очень активно сейчас в передовых банках для сценарного анализа, текстовой аналитики, динамического профилирования. Современные AML-платформы работают в том числе на анализе больших данных, проверке скриптов и сценариев действий пользователя. ИИ и машинное обучение в данном случае применяют для работы с этими данными и выявления отклонений от нормального "пользовательского пути". Технологии искусственного интеллекта, качественная аналитика и работа с большими данными важны для успешного выстраивания ПОД/ФТ процессов с учетом требований регулятора и с изменением требований ЦБ использование современных методов обработки данных, в том числе ИИ, будет обязательным в этом вопросе.
Аналитик ГК "Финам" Леонид Делицын отмечает, что машинное обучение сейчас внедряется и в информационной безопасности, и в AML. Модель более или менее понятна. Есть нормальное состояние системы (описываемой набором параметров) и есть состояние с взломщиком или мошенническими действиями. Аналитику может быть даже сложно разобраться, чем они отличаются. Соответственно, если накопить достаточно много образцов нормальной ситуации и ситуации с нарушением, то можно натренировать классификатор так, чтобы он подавал сигнал тревоги.
В том, что финансовые организации ускорили внедрение AML именно в период пандемии, прецендента нет, подчеркивает Леонид Делицын. Предиктивную аналитику они тоже начали использовать в период Второй мировой войны, когда банковские клерки ушли выполнять свой воинский долг. Именно тогда начали описывать и формализовывать работу клерков по скорингу заемщиков. Поэтому финансовые организации внедряют сейчас ИИ для автоматизации не только AML, но и всех других видов деятельности.
Одна из главных движущих сил во внедрении AML - это регуляторы, отмечает Леонид Делицын. Не исключено, что связь между эпидемией и ускорением внедрения AML отсутствовала бы, если бы не они. Но пандемия активизировала киберкриминал, киберкриминалу нужно воспользоваться заработанным, а властям нужно этому воспрепятствовать.
Власти повсюду усиливают борьбу с отмыванием денег, но за это кто-то должен заплатить, и власти хотели бы, чтобы это были банки. Кроме того, они хотели бы, чтобы вся информация собиралась и обрабатывалась централизованно, соответственно, стандартное решение на основе ИИ выглядит гораздо привлекательнее сотен различающихся собственных процедур банков, подчеркивает Леонид Делицын.
Аналитик "Фридом Финанс" Евгений Миронюк отмечает, что цифровизация банковского сектора в России находится на уровне западных стран. Вероятно, крупные банковские экосистемы используют собственные разработки, а остальные банки тестируют ИИ-решения в AML на базе SAS или других ERP-систем.
Востребованность ИИ в AML-процессах будет расти, более того остается существенный потенциал совершенствования алгоритмов ИИ, подключения данных биометрической идентификации, различных баз данных, считает Евгений Миронюк.
