在《逆境中的加速:反洗钱合规中人工智能和机器学习的应用状况》报告和一个补充调查数据仪表盘中,参考研究了全球850多名ACAMS会员提供的洞见。根据ACAMS的调查,这些会员的雇主企业预估每年全球国内生产总值(GDP)的2%至5%,即8000亿至2万亿美元,应用于技术监测洗钱。
为了满足合规专业人员简化反洗钱合规流程的需求,人工智能和机器学习俨然已成为合规专业人员的关键技术,从而进一步打击金融犯罪和洗钱行为。其中超过一半(57%)的受访者表示已经在反洗钱合规流程中部署了人工智能/机器学习并开始试点人工智能解决方案,或者计划在未来的12-18个月内实施相关解决方案。
“世界各地监管评判金融机构的合规作为越来越多地依据其提供的智能(信息)的有效性,所以66%的受访者认为监管机构希望其机构利用人工智能和机器学习也就不足为奇了。” ACAMS首席分析师兼内容编辑总监 Kieran Beer表示:“尽管反金融犯罪领域的许多方——监管者和金融机构,正在加快步伐利用这些先进的分析技术,但显然大家都希望这些工具将产生真正有效的金融智能来抓捕坏人。”
对于这个技术的应用, 28%(资产超过10亿美元)的大型金融机构自称是人工智能技术方面的创新者及快速采用者。令人鼓舞的是,16%的相对小型金融机构(估值低于10亿美元的机构)也认为自己是人工智能应用的行业领导者。
KPMG美国金融犯罪和美国法证技术服务首席解决方案负责人Tom Keegan表示:“看到很大比例的小型金融机构自称是行业的领导者,这打破了小型金融机构无法获得先进技术解决方案的神话。随着不同规模的组织都受到同等程度的监管审查,这些数字继续上升会变得非常重要。”
无论机构规模如何,银行在提高准确性和生产力的同时,还要面对来自新冠疫情随之带来的挑战。也许正是这种压力促进了该行业加速高级分析在反洗钱的应用。据受访者称,人工智能和机器学习采用的两个主要驱动因素是:
提高调查和监管文件的质量(40%)。
减少误报及因其产生的运营成本(38%)。
SAS金融犯罪与合规总监David Stewart说:“疫情引发了消费者行为的全新转变让许多金融机构看到,静态的、基于规则的监控策略的准确性或适应性远远低于行为型决策系统。人工智能和机器学习技术本质上是动态的,能够智能地适应市场变化和新出现的风险并整合到现有的合规计划中,将干扰降到最低。早期使用的客户正在获得显著的效率,同时帮助客户遵守不断提高的监管期望。”
欲了解更多关于人工智能和机器学习在反洗钱合规方面的采用情况,请查看反洗钱网络研讨会—真相揭秘:关于在打击洗钱和金融犯罪中采用人工智能的全球洞察力。
