中國北京,2021年8月13日——三分之一的金融機構正在加速采用人工智能和機器學習(ML)進行反洗錢(AML)技術來應對疫情。與此同時,另有39%的合規專業人士表示,雖然受到疫情的干擾,但金融機構對人工智能/機器學習(AI/ML)的需求有增無減。SAS、畢馬威(KPMG)和公認反洗錢師協會(ACAMS)在一項新的反洗錢技術研究中探討了這些行業趨勢和其他內容。

在《逆境中的加速:反洗錢合規中人工智能和機器學習的應用狀況》報告和一個補充調查數據儀表盤中,參考研究了全球850多名ACAMS會員提供的洞見。根據ACAMS的調查,這些會員的雇主企業預估每年全球國內生產總值(GDP)的2%至5%,即8000億至2萬億美元,應用于技術監測洗錢。

為了滿足合規專業人員簡化反洗錢合規流程的需求,人工智能和機器學習儼然已成為合規專業人員的關鍵技術,從而進一步打擊金融犯罪和洗錢行為。其中超過一半(57%)的受訪者表示已經在反洗錢合規流程中部署了人工智能/機器學習并開始試點人工智能解決方案,或者計劃在未來的12-18個月內實施相關解決方案。

“世界各地監管評判金融機構的合規作為越來越多地依據其提供的智能(信息)的有效性,所以66%的受訪者認為監管機構希望其機構利用人工智能和機器學習也就不足為奇了。” ACAMS首席分析師兼內容編輯總監 Kieran Beer表示:“盡管反金融犯罪領域的許多方——監管者和金融機構,正在加快步伐利用這些先進的分析技術,但顯然大家都希望這些工具將產生真正有效的金融智能來抓捕壞人。”

對于這個技術的應用, 28%(資產超過10億美元)的大型金融機構自稱是人工智能技術方面的創新者及快速采用者。令人鼓舞的是,16%的相對小型金融機構(估值低于10億美元的機構)也認為自己是人工智能應用的行業領導者。

KPMG美國金融犯罪和美國法證技術服務首席解決方案負責人Tom Keegan表示:“看到很大比例的小型金融機構自稱是行業的領導者,這打破了小型金融機構無法獲得先進技術解決方案的神話。隨著不同規模的組織都受到同等程度的監管審查,這些數字繼續上升會變得非常重要。”

無論機構規模如何,銀行在提高準確性和生產力的同時,還要面對來自新冠疫情隨之帶來的挑戰。也許正是這種壓力促進了該行業加速高級分析在反洗錢的應用。據受訪者稱,人工智能和機器學習采用的兩個主要驅動因素是:

1.提高調查和監管文件的質量(40%)。

2.減少誤報及因其產生的運營成本(38%)。

SAS金融犯罪與合規總監David Stewart說:“疫情引發了消費者行為的全新轉變讓許多金融機構看到,靜態的、基于規則的監控策略的準確性或適應性遠遠低于行為型決策系統。人工智能和機器學習技術本質上是動態的,能夠智能地適應市場變化和新出現的風險并整合到現有的合規計劃中,將干擾降到最低。早期使用的客戶正在獲得顯著的效率,同時幫助客戶遵守不斷提高的監管期望。”

欲了解更多關于人工智能和機器學習在反洗錢合規方面的采用情況,請查看反洗錢網絡研討會—真相揭秘:關于在打擊洗錢和金融犯罪中采用人工智能的全球洞察力。