Удар па кнігах: як найбуйнейшы банк Паўднёва-Усходняй Азіі выкарыстоўвае штучны інтэлект для барацьбы з фінансавымі махлярствамі

Yes, робаты прыходзяць, каб заняць нашы працоўныя месцы. Гэта добра, мы павінны быць шчаслівыя, таму што гэтыя працоўныя месцы, якія яны прымаюць, накшталт адстой. Вы сапраўды хочаце вярнуцца ў часы ўручную маніторынг, пазначэнне і расследаванне штодзённых банкаўскіх пераводаў у свеце ў пошуках фінансавых махлярстваў і схем адмывання грошай? DBS Bank, найбуйнейшая фінансавая ўстанова Сінгапура, вядома, не робіць. Кампанія патраціла гады на распрацоўку перадавой сістэмы машыннага навучання, якая ў значнай ступені аўтаматызуе дробязны працэс «сачэння за транзакцыямі», вызваляючы людзей-аналітыкаў для выканання працы больш высокага ўзроўню, працуючы ў далікатным балансе са старажытнымі фінансавымі правіламі, якія звязвалі галіну . Гэта захапляльная рэч. Праца з ІІ Томаса Х. Дэвенпорта і Стывена М. Мілера напоўнена аналагічнымі тэматычнымі даследаваннямі з мноства тэхналагічных галін, якія разглядаюць звычайнае супрацоўніцтва чалавека і штучнага інтэлекту і даюць зразумець магчымыя наступствы гэтых узаемадзеянняў. 

Урывак з кнігі Праца з штучным інтэлектам: рэальныя гісторыі супрацоўніцтва чалавека і машыны Томас Х. Дэвенпорт і Стывен М. Мілер. Друкуецца з дазволу The MIT Press. Аўтарскае права 2022.

DBS Bank: назіранне за транзакцыямі на аснове AI

З моманту прыняцця ў 1970 годзе ў ЗША Закона аб банкаўскай таямніцы, таксама вядомага як Закон аб справаздачнасці аб валюце і замежных аперацыях, урады прыцягвалі банкі ва ўсім свеце да адказнасці за прадухіленне адмывання грошай, падазроных трансгранічных патокаў вялікіх аб'ёмаў грошы і іншыя віды фінансавых злачынстваў. DBS Bank, найбуйнейшы банк у Сінгапуры і Паўднёва-Усходняй Азіі, ужо даўно засяроджваецца на барацьбе з адмываннем грошай (AML), а таксама на выяўленні і прадухіленні фінансавых злачынстваў. Па словах выканаўчага дырэктара DBS па адпаведнасці, «мы хочам пераканацца, што ў нас ёсць жорсткі ўнутраны кантроль у банку, каб злачынцы, асобы, якія адмываюць грошы, і тыя, хто ўхіляецца ад санкцый, не пранікалі ў фінансавую сістэму ні праз наш банк, ні праз нашу нацыянальную сістэму. , або на міжнародным узроўні».

Абмежаванні заснаваных на правілах сістэм назірання

Як і ў іншых буйных банках, вобласць DBS, якая засяроджваецца на гэтых пытаннях, называецца «назіранне за транзакцыямі», на працягу многіх гадоў карысталася перавагамі штучнага інтэлекту для выканання такога тыпу працы. Людзі, якія займаюцца гэтай функцыяй, ацэньваюць абвесткі, створаныя сістэмай, заснаванай на правілах. Правілы ацэньваюць даныя транзакцый з мноства розных сістэм банка, у тым ліку для спажыўцоў, сістэмы кіравання багаццем, інстытуцыйных банкаўскіх паслуг і іх плацяжы. Усе гэтыя транзакцыі праходзяць праз заснаваную на правілах сістэму праверкі, а правілы пазначаюць транзакцыі, якія адпавядаюць умовам, звязаным з фізічнымі або юрыдычнымі асобамі, якія здзяйсняюць падазроныя транзакцыі з банкам, звязаныя з магчымым адмываннем грошай або іншым тыпам фінансавага махлярства. Сістэмы, заснаваныя на правілах - у мінулым вядомыя як «экспертныя сістэмы» - з'яўляюцца адной з найстарэйшых форм ІІ, але яны ўсё яшчэ шырока выкарыстоўваюцца ў банкаўскай і страхавой сферы, а таксама ў іншых галінах.

У DBS і большасці іншых банкаў па ўсім свеце заснаваныя на правілах сістэмы назірання за фінансавымі транзакцыямі кожны дзень ствараюць вялікую колькасць папярэджанняў. Асноўным недахопам заснаваных на правілах сістэм назірання з'яўляецца тое, што большасць - да 98 працэнтаў - атрыманых папярэджанняў з'яўляюцца ілжывымі спрацоўваннямі. Некаторыя аспекты транзакцыі запускаюць правіла, якое прыводзіць транзакцыю да пазначэння ў спісе абвестак. Аднак пасля наступнага расследавання, праведзенага аналітыкам-чалавекам, высветлілася, што папярэджаная транзакцыя насамрэч не падазроная.

Аналітыкі назірання за транзакцыямі павінны сачыць за кожным папярэджаннем, праглядаючы ўсю адпаведную інфармацыю аб транзакцыях. Яны таксама павінны ўлічваць профілі асоб, якія ўдзельнічаюць у транзакцыі, іх мінулыя фінансавыя паводзіны, усё, што яны заявілі ў раздзеле «ведай свайго кліента» і ў дакументах належнай абачлівасці кліента, а таксама ўсё, што банк можа ведаць пра іх. Адсочванне папярэджанняў - гэта працаёмкі працэс.

Калі аналітык пацвярджае, што транзакцыя абгрунтавана падазроная або прызнана махлярствам, банк нясе юрыдычнае абавязацельства выдаць адпаведным органам Справаздачу аб падазронай дзейнасці (SAR). Гэта рашэнне з высокай стаўкай, таму аналітыку важна прыняць яго правільна: у выпадку памылкі законапаслухмяныя кліенты банка могуць быць памылкова апавешчаныя аб тым, што іх расследуюць па фінансавых злачынствах. З іншага боку, калі «дрэнны акцёр» не будзе выяўлены і не паведамлена пра яго, гэта можа прывесці да праблем, звязаных з адмываннем грошай і іншымі фінансавымі злачынствамі.

Прынамсі на дадзены момант сістэмы, заснаваныя на правілах, нельга ліквідаваць, таму што нацыянальныя рэгулюючыя органы ў большасці краін усё яшчэ патрабуюць іх. Але кіраўнікі DBS зразумелі, што ім даступна шмат дадатковых крыніц унутранай і знешняй інфармацыі, якія пры правільным выкарыстанні могуць быць выкарыстаны для аўтаматычнай ацэнкі кожнага папярэджання з сістэмы, заснаванай на правілах. Гэта можа быць зроблена з дапамогай ML, які можа мець справу з больш складанымі шаблонамі і рабіць больш дакладныя прагнозы, чым сістэмы, заснаваныя на правілах.

Выкарыстанне магчымасцей штучнага інтэлекту новага пакалення для паляпшэння назірання

Некалькі гадоў таму DBS пачала праект па прымяненні магчымасцей AI/ML новага пакалення ў спалучэнні з існуючай сістэмай праверкі на аснове правілаў. Гэтая камбінацыя дазволіць банку расставіць прыярытэты для ўсіх папярэджанняў, створаных сістэмай, заснаванай на правілах, у адпаведнасці з лічбава разлічаным балам верагоднасці, які паказвае ўзровень падазрэння. Сістэма ML была навучана распазнаваць падазроныя і махлярскія сітуацыі на аснове апошніх і мінулых даных і вынікаў. На момант нашых інтэрв'ю новая сістэма фільтрацыі на аснове ML выкарыстоўвалася крыху больш за год. Сістэма разглядае ўсе папярэджанні, створаныя сістэмай, заснаванай на правілах, прысвойвае кожнаму папярэджанню ацэнку рызыкі і класіфікуе кожнае папярэджанне на катэгорыі з больш высокай, сярэдняй і нізкай рызыкай. Гэты тып «пост-апрацоўкі» заснаваных на правілах папярэджанняў дазваляе аналітыку расшыфраваць, якім з іх варта неадкладна аддаць прыярытэт (для катэгорый вышэйшага і сярэдняга рызыкі), а якія можна пачакаць (для катэгорый найменшага рызыкі). . Важнай магчымасцю гэтай сістэмы ML з'яўляецца тое, што яна мае тлумачэнне, якое паказвае аналітыку доказы, якія выкарыстоўваюцца для аўтаматычнай ацэнкі верагоднасці таго, што транзакцыя падазроная. Тлумачэнне і кіраваная навігацыя, якія дае мадэль AI/ML, дапамагаюць аналітыку прыняць правільнае рашэнне аб рызыцы.

DBS таксама распрацавала іншыя новыя магчымасці для падтрымкі расследавання папярэджаных транзакцый, у тым ліку сістэму Network Link Analytics для выяўлення падазроных адносін і транзакцый паміж рознымі бакамі. Фінансавыя аперацыі могуць быць прадстаўлены ў выглядзе сеткавага графіка, які паказвае людзей або ўліковыя запісы, якія ўдзельнічаюць у якасці вузлоў у сетцы, і любыя ўзаемадзеяння ў якасці сувязяў паміж вузламі. Гэты сеткавы графік адносін можа быць выкарыстаны для выяўлення і далейшай ацэнкі падазроных мадэляў фінансавых прытокаў і адтокаў.

Паралельна DBS таксама замяніла працаёмкі падыход да працэсу расследавання новай платформай, якая аўтаматызуе для аналітыкаў большую частку падтрымкі расследаванняў, звязаных са назіраннем, і вядзення спраў. Ён называецца CRUISE і аб'ядноўвае вынікі механізма, заснаванага на правілах, мадэль фільтра ML і сістэму Network Link Analytics.

Акрамя таго, сістэма CRUISE забяспечвае аналітыку лёгкі інтэграваны доступ да адпаведных даных з усяго банка, неабходных для кантролю за транзакцыямі, якія расследуе аналітык. У гэтым асяроддзі CRUISE банк таксама фіксуе ўсе водгукі, звязаныя з працай аналітыкаў над справай, і гэтыя водгукі дапамагаюць далейшаму ўдасканаленню сістэм і працэсаў DBS.

Уплыў на аналітыка

Вядома, гэтыя падзеі робяць аналітыкаў значна больш эфектыўнымі ў праглядзе папярэджанняў. Некалькі гадоў таму было нярэдка, калі аналітык па назіранні за транзакцыямі DBS марнаваў дзве ці больш гадзін на вывучэнне папярэджання. Гэты час уключаў час падрыхтоўкі інтэрфейсу для атрымання даных з некалькіх сістэм і ўручную супастаўлення адпаведных мінулых транзакцый, а таксама час фактычнага аналізу для ацэнкі доказаў, пошуку заканамернасцей і прыняцця канчатковага рашэння аб тым, ці з'явілася папярэджанне. быць добрасумленнай падазронай здзелкай.

Пасля ўкаранення некалькіх інструментаў, у тым ліку CRUISE, Network Link Analytics і мадэлі фільтра на аснове ML, аналітыкі могуць вырашыць прыкладна на адну траціну больш выпадкаў за той жа прамежак часу. Акрамя таго, у выпадках высокай рызыкі, якія ідэнтыфікуюцца з дапамогай гэтых інструментаў, DBS можа злавіць «дрэнных акцёраў» хутчэй, чым раней. 

Каментуючы, чым гэта адрозніваецца ад традыцыйных падыходаў да назірання, кіраўнік аддзела назірання за транзакцыямі DBS падзяліўся наступным:

Сёння ў DBS нашы машыны здольныя збіраць неабходныя дапаможныя даныя з розных крыніц па ўсім банку і прадстаўляць іх на экране нашага аналітыка. Цяпер аналітык можа лёгка ўбачыць адпаведную дапаможную інфармацыю для кожнага папярэджання і прыняць правільнае рашэнне, не шукаючы ў шасцідзесяці розных сістэмах, каб атрымаць дапаможныя даныя. Цяпер машыны робяць гэта для аналітыка значна хутчэй, чым чалавек. Гэта палягчае жыццё аналітыкаў і робіць іх рашэнні значна больш рэзкімі.

У мінулым з-за практычных абмежаванняў аналітыкі назірання за транзакцыямі маглі збіраць і выкарыстоўваць толькі невялікую частку даных у банку, якія мелі дачыненне да разгляду папярэджання. Сёння ў DBS з нашымі новымі інструментамі і працэсамі аналітык можа прымаць рашэнні, грунтуючыся на імгненным аўтаматычным доступе практычна да ўсіх адпаведных даных аб транзакцыі ў банку. Яны бачаць гэтыя даныя, добра арганізаваныя ў сціснутым выглядзе на сваім экране, з адзнакай рызыкі і з дапамогай тлумачэння, які накіроўвае іх праз доказы, якія прывялі да выхаду мадэлі.

DBS інвеставала ў павышэнне навыкаў супрацоўнікаў, якія ўдзельнічалі ў стварэнні і выкарыстанні гэтых новых сістэм назірання. Сярод супрацоўнікаў, якія атрымалі выгаду ад павышэння кваліфікацыі, былі аналітыкі па назіранні за транзакцыямі, якія валодалі вопытам у выяўленні фінансавых злачынстваў і прайшлі навучанне выкарыстанню новай тэхналагічнай платформы і адпаведным навыкам аналізу даных. Каманды дапамаглі распрацаваць новыя сістэмы, пачынаючы з інтэрфейснай працы па вызначэнні тыпалогій рызыкі. Яны таксама прадаставілі ўваходныя дадзеныя для вызначэння даных, якія найбольш мэтазгодна выкарыстоўваць і дзе аўтаматызаваны аналіз даных і магчымасці ML могуць быць для іх найбольш карыснымі.

Адказваючы на ​​​​пытанне, як сістэмы паўплываюць на аналітыкаў транзакцый з людзьмі ў будучыні, кіраўнік аддзела адпаведнасці DBS сказаў:

Эфектыўнасць заўсёды важная, і мы заўсёды павінны імкнуцца да яе больш высокага ўзроўню. Мы хочам вырашаць звязаныя з транзакцыямі аспекты нашай бягучай і будучай працоўнай нагрузкі сачэння з меншай колькасцю людзей, а потым рэінвеставаць вызваленыя магчымасці ў новыя сферы сачэння і прадухілення махлярства. Заўсёды будуць існаваць невядомыя і новыя вымярэнні дрэнных фінансавых паводзін і дрэнных удзельнікаў, і нам трэба ўкладваць больш часу і больш людзей у гэтыя тыпы сфер. У той ступені, у якой мы можам, мы будзем рабіць гэта шляхам рэінвеставання павышэння эфектыўнасці, якога мы дасягнулі ў рамках нашых больш стандартных намаганняў па назіранні за транзакцыямі.

Наступны этап назірання за транзакцыямі

Агульнае імкненне банка - каб назіранне за транзакцыямі стала больш інтэграваным і больш актыўным. Замест таго, каб спадзявацца толькі на абвесткі, якія ствараюцца механізмам, заснаваным на правілах, кіраўнікі хочуць выкарыстоўваць некалькі ўзроўняў інтэграванага назірання за рызыкамі для цэласнага маніторынгу ад узроўняў "транзакцыі да ўліковага запісу і кліента да сеткі і да макра". Такая камбінацыя дапаможа банку знайсці больш дрэнных удзельнікаў і зрабіць гэта больш эфектыўна і вынікова. Выканаўчы аддзел адпаведнасці ўдакладніў:

Важна адзначыць, што асобы, якія адмываюць грошы і ўхіляюцца ад санкцый, заўсёды знаходзяць новыя спосабы дзеянняў. Нашы супрацоўнікі павінны працаваць з нашымі тэхналогіямі і магчымасцямі аналізу дадзеных, каб апярэджваць гэтыя новыя пагрозы. Мы хочам вызваліць час, які нашы супрацоўнікі марнуюць на стомныя, ручныя аспекты прагляду абвестак, і выкарыстоўваць гэты час, каб ісці ў нагу з новымі пагрозамі.

Аналітыкі-людзі будуць працягваць адыгрываць важную ролю ў назіранні за транзакцыямі AML, хаця тое, як яны выкарыстоўваюць свой час, і іх чалавечы вопыт будуць працягваць развівацца.

Выканаўчы аддзел па адпаведнасці таксама падзяліўся пунктам гледжання на штучны інтэлект: «Гэта сапраўды дапоўнены інтэлект, а не аўтаматызаваны штучны інтэлект у назіранні за рызыкамі. Мы не лічым, што можам пазбавіцца чалавечага меркавання ад канчатковых рашэнняў, таму што заўсёды будзе суб'ектыўны элемент у ацэнцы таго, што з'яўляецца, а што не падазроным у кантэксце адмывання грошай і іншых фінансавых злачынстваў. Мы не можам ліквідаваць гэты суб'ектыўны элемент, але мы можам звесці да мінімуму ручную працу, якую выконвае чалавек-аналітык падчас прагляду і ацэнкі папярэджанняў».

Урокі, якія мы вынеслі з гэтай справы

• Аўтаматызаваная сістэма, якая стварае вялікую колькасць папярэджанняў, большасць з якіх аказваюцца ілжывымі спрацоўваннямі, не эканоміць чалавечую працу.

• Некалькі тыпаў тэхналогіі штучнага інтэлекту (у дадзеным выпадку правілы, ML і Network Link Analytics) можна камбінаваць для паляпшэння магчымасцей сістэмы.

• Кампаніі не могуць скарачаць колькасць людзей, якія выконваюць працу, нават калі сістэма штучнага інтэлекту істотна павышае эфектыўнасць яе выканання. Хутчэй, супрацоўнікі могуць выкарыстоўваць вызвалены час для працы над новымі і больш каштоўнымі задачамі на сваёй працы.

• Паколькі ў ацэнцы складаных дзелавых аперацый заўсёды будуць суб'ектыўныя элементы, чалавечае меркаванне не можа быць выключана з працэсу ацэнкі.