AI znajduje coraz szersze zastosowanie w walce z praniem pieniędzy, ale tempo jej wdrażania jest za wolne

Potwierdza to raport przygotowany na podstawie globalnej ankiety przeprowadzonej wśród 850 członków Stowarzyszenia Certyfikowanych Specjalistów ds. Przeciwdziałania Praniu Pieniędzy (ACAMS).

Tylko 18% respondentów zgłosiło wykorzystywanie rozwiązań sztucznej inteligencji i uczenia maszynowego (ML) w pełnym zakresie, kolejne 18% prowadzi projekty pilotażowe, natomiast 25% planuje wdrożyć AI i ML w ciągu najbliższych 12-18 miesięcy.

40% ankietowanych nie planuje zastosowania tych technologii w najbliższej przyszłości.

Jeśli chodzi o generatywną sztuczną inteligencję (GenAI), to 10% respondentów twierdzi, że obecnie prowadzi projekty pilotażowe, a 35% analizuje możliwości GenAI, natomiast 55% respondentów nie planuje wdrożenia tej technologii.

Nowe podejście organów regulacyjnych do AI

„Praktycy AML uważają, że organy regulacyjne ochłodziły swoje podejście do  sztucznej inteligencji” – powiedział Kieran Beer, Chief Analyst and Director of Editorial Content w ACAMS.

„51% procent ankietowanych ekspertów stwierdziło, że regulatorzy zachęcają ich do innowacji z wykorzystaniem AI/ML – to 15-punktowy spadek w porównaniu z poprzednią edycją tego badania z 2021 roku.

Liczba osób, które stwierdziły, że organy regulacyjne obawiają się lub są ostrożne w kwestii wykorzystania AI/ML wzrosła z 28% do 36%, a liczba osób opisujących instytucje nadzorcze jako oporne na zmiany wzrosła ponad dwukrotnie z 6% do 13%” – dodał ekspert.

„Sztuczna inteligencja i uczenie maszynowe nie są magicznym rozwiązaniem dla każdego wyzwania związanego z przeciwdziałaniem przestępstwom finansowym. Pokazują jednak, że są coraz bardziej skuteczne w różnych obszarach – zwłaszcza tych obejmujących duże ilości danych” – powiedział Timo Purkott, Global Fraud and Financial Crime Transformation Lead w KPMG International i Partner w KPMG w Niemczech.

„Obejmuje to automatyzację alertów, generowanie ocen ryzyka dla całego przedsiębiorstwa, zgłaszanie podejrzanych działań, kontrole AML, dążenie do zmniejszenia liczby fałszywych alarmów i wiele innych zastosowań.

Organizacje muszą inwestować w infrastrukturę zarządzania danymi, aby zmaksymalizować wartość sztucznej inteligencji i uczenia maszynowego oraz wyprzedzić przestępców” – podkreśla ekspert.

Czytaj także: Połowa firm zwiększy inwestycje w AI pokazuje nowy Barometr EFL

AI/ML generują wartość, gdy są w pełni wdrożone

Badanie przyniosło szereg spostrzeżeń na temat tego, w jaki sposób technologia AI jest wykorzystywana w obszarze przeciwdziałania praniu pieniędzy i dlaczego firmy mogą być powolne w jej pełnej integracji ze swoimi operacjami:

– organizacje identyfikują więcej zastosowań dla AI/ML. W pierwszej edycji badania w 2021 r., jako główny powód wykorzystania AI/ML, 78% respondentów podało poprawę jakości procesów dochodzeń i ustaleń regulacyjnych (40%) lub zmniejszenie liczby fałszywych alarmów (38%).

W tym roku odpowiedzi na to pytanie były bardziej zróżnicowane. Te dwie najważniejsze odpowiedzi były nadal takie same, ale ich łączny odsetek spadł o 11 punktów procentowych do 67%. Tymczasem wykrywanie złożonych zagrożeń wzrosło z 17% do 21%, a „żadne z powyższych” wzrosło z 5% do 13%;

– zmieniły się powody, dla których nie przyjęto AI/ML. W 2021 r. główną przeszkodą w stosowaniu sztucznej inteligencji były ograniczenia budżetowe (39%). W najnowszym badaniu odsetek ten spadł do 34% i został wyprzedzony przez brak imperatywu regulacyjnego, który wzrósł nieznacznie do 37%.

Brak dostępnych kompetencji również staje się coraz mniejszym problemem, a odsetek ten spadł o prawie połowę do 11%. Jednak kategoria „Inne” odnotowała znaczny wzrost z 5% do 19%;

– zmniejszenie liczby fałszywych alarmów jest rosnącym priorytetem. Zapytani o swoje priorytety w zakresie wdrażania AI/ML, eksperci AML wymienili redukcję fałszywych alarmów w istniejących systemach nadzoru na poziomie 38% (wzrost o 8% od 2021 roku).

Automatyzacja wzbogacania danych na potrzeby dochodzeń i due diligence (25%) oraz wykrywanie nowych zagrożeń za pomocą zaawansowanych technik modelowania (23%) również pozostały popularnymi odpowiedziami, choć oba spadły o kilka punktów w porównaniu z poprzednim badaniem.

Pozostałe 13% respondentów wymieniło segmentację klientów na potrzeby analizy behawioralnej.

Zmniejszenie liczby fałszywych alarmów było również główną odpowiedzią na pytanie, który obszar oferuje największą wartość z AI/ML, na poziomie 38%.

Jednak pozostałe dwa dostępne wybory – lepsze i szybsze dochodzenia (34%) oraz triaging alertów wysokiego i niskiego ryzyka (28%) – nie były daleko w tyle;

– uczenie maszynowe jest preferowaną technologią. Poproszeni o uszeregowanie trzech technologii w oparciu o ich wpływ, uczenie maszynowe ponownie okazało się najlepszym wyborem – 58% wskazań, co oznacza wzrost o 6% od 2021 roku.

Automatyzacja procesów odnotowała odpowiedni spadek do 28%, podczas gdy przetwarzanie języka naturalnego (NLP) było ostatnim wyborem na poziomie 14%.

Czytaj także: AI przynosi firmom największe korzyści w obszarze cyberbezpieczeństwa

Budowanie przewagi konkurencyjnej

„Kluczem do uwolnienia pełnego potencjału sztucznej inteligencji i uczenia maszynowego jest integracja źródeł danych, zespołów i technologii.

Pierwszym krokiem w kierunku tej integracji jest ustanowienie ekosystemu danych, który łączy dane ze wszystkich źródeł” – powiedział Stu Bradley, Senior Vice President of Risk, Fraud and Compliance Solutions w SAS.

„86% respondentów badania zgłosiło pewną formę integracji między procesami przeciwdziałania praniu pieniędzy i nadużyciom oraz bezpieczeństwem informacji.

Prawie jedna trzecia z nich posiada w pełni zintegrowane możliwości zarządzania sprawami w ramach tych funkcji. Kolejna jedna trzecia współpracuje za pośrednictwem wielofunkcyjnych zespołów w celu wdrożenia kontroli zapobiegających narażeniu na przestępstwa finansowe.

Niektóre organizacje mogą wciąż czekać na wytyczne regulacyjne. Jednak firmy, które już dziś dążą do integracji danych i operacji z myślą o zarządzaniu, kładą podwaliny pod odpowiedzialne innowacje w zakresie sztucznej inteligencji i będą cieszyć się przewagą nad tymi, którzy się wahają” – dodał ekspert.

Czytaj także: Tylko 15% prezesów w Polsce ufa AI jako narzędziu wspierającemu rozwój ich firm

***

Raport The road to integration: The state of AI and machine learning adoption in anti-money laundering compliance, będący kontynuacją podobnej ankiety opublikowanej w 2021 r., bada obecny stan wykorzystania technologii AI i ML w obszarze przeciwdziałania praniu pieniędzy.

SAS opublikował też pulpit nawigacyjny, który umożliwia użytkownikom przeglądanie, wizualizację i filtrowanie wyników ankiety według regionu i wielkości instytucji.