हिटिंग द बुक्स: कैसे दक्षिण पूर्व एशिया का सबसे बड़ा बैंक वित्तीय धोखाधड़ी से लड़ने के लिए एआई का उपयोग करता है

Yहां, रोबोट हमारी नौकरी लेने आ रहे हैं। यह एक अच्छी बात है, हमें खुश होना चाहिए क्योंकि वे जो काम कर रहे हैं वे थोड़े चूस रहे हैं। क्या आप वाकई के दिनों में वापस जाना चाहते हैं मैन्युअल वित्तीय धोखाधड़ी और मनी लॉन्ड्रिंग योजनाओं की तलाश में दुनिया के दैनिक बैंक हस्तांतरण की निगरानी, ​​फ़्लैगिंग और जांच करना? डीबीएस बैंक, सिंगापुर का सबसे बड़ा वित्तीय संस्थान, निश्चित रूप से ऐसा नहीं करता है। कंपनी ने एक अत्याधुनिक मशीन लर्निंग सिस्टम विकसित करने में वर्षों बिताए हैं जो "लेन-देन निगरानी" की सूक्ष्म प्रक्रिया को भारी रूप से स्वचालित करता है, मानव विश्लेषकों को उच्च स्तर के काम करने के लिए मुक्त करता है, जबकि प्राचीन वित्तीय नियमों के साथ नाजुक संतुलन में काम करता है जो उद्योग को बाध्य करता है। . यह आकर्षक सामान है। एआई के साथ काम करना थॉमस एच। डेवनपोर्ट और स्टीवन एम। मिलर द्वारा असंख्य तकनीकी उद्योगों के समान केस स्टडीज से भरा हुआ है, आम मानव-एआई सहयोग को देखते हुए और इन इंटरैक्शन के संभावित प्रभावों में अंतर्दृष्टि प्रदान करता है। 

के कुछ अंश एआई के साथ काम करना: मानव-मशीन सहयोग की वास्तविक कहानियां थॉमस एच. डेवनपोर्ट और स्टीवन एम. मिलर द्वारा। एमआईटी प्रेस से अनुमति के साथ पुनर्मुद्रित। कॉपीराइट 2022।

डीबीएस बैंक: एआई-संचालित लेनदेन निगरानी

1970 में अमेरिका में बैंक गोपनीयता अधिनियम, जिसे मुद्रा और विदेशी लेनदेन रिपोर्टिंग अधिनियम के रूप में भी जाना जाता है, के पारित होने के बाद से, दुनिया भर के बैंकों को बड़ी मात्रा में धन शोधन, संदिग्ध सीमा-पार प्रवाह को रोकने के लिए सरकारों द्वारा जवाबदेह ठहराया गया है। पैसा, और अन्य प्रकार के वित्तीय अपराध। डीबीएस बैंक, सिंगापुर और दक्षिण पूर्व एशिया में सबसे बड़ा बैंक, लंबे समय से एंटी-मनी लॉन्ड्रिंग (एएमएल) और वित्तीय अपराध का पता लगाने और रोकथाम पर ध्यान केंद्रित कर रहा है। अनुपालन के लिए एक डीबीएस कार्यकारी के अनुसार, "हम यह सुनिश्चित करना चाहते हैं कि बैंक के भीतर हमारे कड़े आंतरिक नियंत्रण हों ताकि अपराधी, धन शोधनकर्ता और प्रतिबंध चोर हमारी राष्ट्रीय प्रणाली के माध्यम से हमारे बैंक के माध्यम से वित्तीय प्रणाली में प्रवेश न करें। , या अंतरराष्ट्रीय स्तर पर।"

निगरानी निगरानी के लिए नियम-आधारित प्रणालियों की सीमाएं

अन्य बड़े बैंकों की तरह, डीबीएस का क्षेत्र जो इन मुद्दों पर ध्यान केंद्रित करता है, जिसे "लेन-देन निगरानी" कहा जाता है, ने इस प्रकार के काम को करने के लिए कई वर्षों तक एआई का लाभ उठाया है। इस फ़ंक्शन के लोग नियम-आधारित प्रणाली द्वारा उठाए गए अलर्ट का मूल्यांकन करते हैं। नियम उपभोक्ताओं, धन प्रबंधन, संस्थागत बैंकिंग और उनके भुगतान सहित बैंक भर में कई अलग-अलग प्रणालियों से लेनदेन डेटा का आकलन करते हैं। ये सभी लेन-देन स्क्रीनिंग के लिए नियम-आधारित प्रणाली के माध्यम से प्रवाहित होते हैं, और नियम ऐसे लेन-देन को चिह्नित करते हैं जो बैंक के साथ संदिग्ध लेनदेन करने वाले किसी व्यक्ति या संस्था से जुड़ी शर्तों से मेल खाते हैं - जिनमें संभावित मनी लॉन्ड्रिंग घटना, या किसी अन्य प्रकार की वित्तीय धोखाधड़ी शामिल है। नियम-आधारित प्रणालियाँ - अतीत में "विशेषज्ञ प्रणाली" के रूप में जानी जाती हैं - एआई के सबसे पुराने रूपों में से एक हैं, लेकिन वे अभी भी बैंकिंग और बीमा के साथ-साथ अन्य उद्योगों में भी व्यापक रूप से उपयोग की जाती हैं।

डीबीएस और दुनिया भर के अधिकांश अन्य बैंकों में, इस तरह की नियम-आधारित वित्तीय लेनदेन निगरानी प्रणाली हर दिन बड़ी संख्या में अलर्ट उत्पन्न करती है। नियम-आधारित निगरानी प्रणालियों की प्राथमिक कमी यह है कि उत्पन्न अलर्ट में से अधिकांश - 98 प्रतिशत तक - झूठी सकारात्मक हैं। लेन-देन का कुछ पहलू एक नियम को ट्रिगर करता है जो लेन-देन को अलर्ट सूची में फ़्लैग करने की ओर ले जाता है। हालांकि, एक मानव विश्लेषक द्वारा अनुवर्ती जांच के बाद, यह पता चला है कि सतर्क लेनदेन वास्तव में संदिग्ध नहीं है।

लेन-देन निगरानी विश्लेषकों को सभी प्रासंगिक लेनदेन सूचनाओं को देखते हुए प्रत्येक अलर्ट पर अनुवर्ती कार्रवाई करनी होती है। उन्हें लेन-देन में शामिल व्यक्तियों के प्रोफाइल, उनके पिछले वित्तीय व्यवहार, जो कुछ भी उन्होंने "अपने ग्राहक को जानें" और ग्राहक के कारण परिश्रम दस्तावेजों में घोषित किया है, और बैंक को उनके बारे में कुछ भी पता होना चाहिए। अलर्ट पर अनुवर्ती कार्रवाई एक समय लेने वाली प्रक्रिया है।

यदि विश्लेषक पुष्टि करता है कि लेन-देन उचित रूप से संदिग्ध है या धोखाधड़ी के रूप में सत्यापित है, तो बैंक के पास उपयुक्त अधिकारियों को एक संदिग्ध गतिविधि रिपोर्ट (एसएआर) जारी करने का कानूनी दायित्व है। यह एक उच्च-दांव वाला निर्णय है, इसलिए विश्लेषक के लिए इसे सही करना महत्वपूर्ण है: यदि गलत है, तो कानून का पालन करने वाले बैंक ग्राहकों को गलत तरीके से सूचित किया जा सकता है कि वित्तीय अपराधों के लिए उनकी जांच की जा रही है। दूसरी ओर, यदि किसी "बुरे अभिनेता" का पता नहीं लगाया जाता है और उसकी सूचना नहीं दी जाती है, तो यह धन शोधन और अन्य वित्तीय अपराधों से संबंधित समस्याओं को जन्म दे सकता है।

अभी के लिए कम से कम, नियम-आधारित प्रणालियों को समाप्त नहीं किया जा सकता क्योंकि अधिकांश देशों में राष्ट्रीय नियामक प्राधिकरणों को अभी भी उनकी आवश्यकता है। लेकिन डीबीएस के अधिकारियों ने महसूस किया कि उनके पास आंतरिक और बाहरी जानकारी के कई अतिरिक्त स्रोत उपलब्ध हैं, जिनका अगर सही तरीके से उपयोग किया जाए, तो नियम-आधारित प्रणाली से प्रत्येक अलर्ट का स्वचालित रूप से मूल्यांकन करने के लिए लागू किया जा सकता है। यह एमएल का उपयोग करके किया जा सकता है, जो अधिक जटिल पैटर्न से निपट सकता है और नियम-आधारित प्रणालियों की तुलना में अधिक सटीक भविष्यवाणियां कर सकता है।

निगरानी बढ़ाने के लिए एआई क्षमताओं की नई पीढ़ी का उपयोग करना

कुछ साल पहले, डीबीएस ने मौजूदा नियम-आधारित स्क्रीनिंग सिस्टम के संयोजन में एआई/एमएल क्षमताओं की नई पीढ़ी को लागू करने के लिए एक परियोजना शुरू की थी। यह संयोजन बैंक को संदेह के स्तर को इंगित करने वाले संख्यात्मक रूप से परिकलित संभाव्यता स्कोर के अनुसार नियम-आधारित प्रणाली द्वारा उत्पन्न सभी अलर्ट को प्राथमिकता देने में सक्षम करेगा। एमएल सिस्टम को हालिया और ऐतिहासिक डेटा और परिणामों से संदिग्ध और कपटपूर्ण स्थितियों को पहचानने के लिए प्रशिक्षित किया गया था। हमारे साक्षात्कार के समय, नई एमएल-आधारित फ़िल्टरिंग प्रणाली का उपयोग केवल एक वर्ष से अधिक समय से किया जा रहा था। सिस्टम नियम-आधारित प्रणाली द्वारा उत्पन्न सभी अलर्ट की समीक्षा करता है, प्रत्येक अलर्ट को एक जोखिम स्कोर प्रदान करता है, और प्रत्येक अलर्ट को उच्च-, मध्यम- और निम्न-जोखिम श्रेणियों में वर्गीकृत करता है। नियम-आधारित अलर्ट के इस प्रकार के "पोस्ट-प्रोसेसिंग" विश्लेषक को यह समझने में सक्षम बनाता है कि किन लोगों को तुरंत प्राथमिकता देनी है (उच्च और मध्यम-जोखिम वाली श्रेणियों में) और कौन से प्रतीक्षा कर सकते हैं (सबसे कम जोखिम वाली श्रेणी में) . इस एमएल प्रणाली की एक महत्वपूर्ण क्षमता यह है कि इसमें एक व्याख्याता है जो विश्लेषक को इस संभावना का स्वचालित मूल्यांकन करने में उपयोग किए गए सबूत दिखाता है कि लेनदेन संदिग्ध है। एआई/एमएल मॉडल द्वारा दिया गया स्पष्टीकरण और निर्देशित नेविगेशन विश्लेषक को सही जोखिम निर्णय लेने में मदद करता है।

डीबीएस ने सतर्क लेनदेन की जांच का समर्थन करने के लिए अन्य नई क्षमताओं को भी विकसित किया, जिसमें कई पक्षों में संदिग्ध संबंधों और लेनदेन का पता लगाने के लिए नेटवर्क लिंक एनालिटिक्स सिस्टम शामिल है। वित्तीय लेनदेन को नेटवर्क ग्राफ के रूप में दर्शाया जा सकता है जो नेटवर्क में नोड्स के रूप में शामिल लोगों या खातों और नोड्स के बीच लिंक के रूप में किसी भी इंटरैक्शन को दिखाता है। संबंधों के इस नेटवर्क ग्राफ का उपयोग वित्तीय प्रवाह और बहिर्वाह के संदिग्ध पैटर्न की पहचान करने और उनका आकलन करने के लिए किया जा सकता है।

समानांतर में, डीबीएस ने एक नए प्लेटफॉर्म के साथ जांच वर्कफ़्लो के लिए श्रम-गहन दृष्टिकोण को भी बदल दिया है जो निगरानी-संबंधी जांच और केस प्रबंधन के लिए विश्लेषक के लिए बहुत अधिक समर्थन को स्वचालित करता है। CRUISE कहा जाता है, यह नियम-आधारित इंजन, ML फ़िल्टर मॉडल और नेटवर्क लिंक एनालिटिक्स सिस्टम के आउटपुट को एकीकृत करता है।

इसके अतिरिक्त, CRUISE सिस्टम विश्लेषक को लेन-देन पर अनुवर्ती कार्रवाई के लिए आवश्यक बैंक भर से प्रासंगिक डेटा तक आसान और एकीकृत पहुंच प्रदान करता है। इस CRUISE परिवेश में, बैंक मामले पर विश्लेषक के काम से संबंधित सभी फीडबैक को भी कैप्चर करता है, और यह फीडबैक डीबीएस के सिस्टम और प्रक्रियाओं को और बेहतर बनाने में मदद करता है।

विश्लेषक पर प्रभाव

बेशक, ये घटनाक्रम विश्लेषकों को अलर्ट की समीक्षा करने में अधिक कुशल बनाते हैं। कुछ साल पहले, डीबीएस लेनदेन निगरानी विश्लेषक के लिए अलर्ट देखने में दो या अधिक घंटे खर्च करना असामान्य नहीं था। इस समय में कई प्रणालियों से डेटा प्राप्त करने और प्रासंगिक पिछले लेनदेन को मैन्युअल रूप से एकत्रित करने के लिए फ्रंट-एंड तैयारी का समय, और सबूतों का मूल्यांकन करने के लिए वास्तविक विश्लेषण समय, पैटर्न की तलाश करना, और अंतिम निर्णय लेना शामिल था कि अलर्ट दिखाई दिया या नहीं एक वास्तविक संदिग्ध लेनदेन होना।

CRUISE, नेटवर्क लिंक एनालिटिक्स और ML-आधारित फ़िल्टर मॉडल सहित कई टूल के कार्यान्वयन के बाद, विश्लेषक एक ही समय में लगभग एक तिहाई अधिक मामलों को हल करने में सक्षम हैं। साथ ही, इन उपकरणों का उपयोग करके पहचाने जाने वाले उच्च जोखिम वाले मामलों के लिए, डीबीएस "बुरे अभिनेताओं" को पहले की तुलना में तेजी से पकड़ने में सक्षम है। 

पारंपरिक निगरानी दृष्टिकोणों से यह कैसे भिन्न है, इस पर टिप्पणी करते हुए, लेनदेन निगरानी के डीबीएस प्रमुख ने निम्नलिखित साझा किया:

आज डीबीएस में, हमारी मशीनें बैंक के विभिन्न स्रोतों से आवश्यक समर्थन डेटा एकत्र करने में सक्षम हैं और इसे हमारे विश्लेषक की स्क्रीन पर प्रस्तुत करती हैं। अब विश्लेषक आसानी से प्रत्येक अलर्ट के लिए प्रासंगिक सहायक जानकारी देख सकता है और सहायक डेटा प्राप्त करने के लिए साठ विभिन्न प्रणालियों के माध्यम से खोजे बिना सही निर्णय ले सकता है। मशीनें अब विश्लेषक के लिए मानव की तुलना में बहुत तेजी से ऐसा करती हैं। यह विश्लेषकों के जीवन को आसान बनाता है और उनके निर्णय बहुत तेज होते हैं।

अतीत में, व्यावहारिक सीमाओं के कारण, लेन-देन निगरानी विश्लेषक बैंक के भीतर डेटा का केवल एक छोटा सा अंश एकत्र और उपयोग करने में सक्षम थे जो अलर्ट की समीक्षा करने के लिए प्रासंगिक था। आज डीबीएस में, हमारे नए उपकरणों और प्रक्रियाओं के साथ, विश्लेषक लेनदेन के बारे में बैंक के भीतर लगभग सभी प्रासंगिक डेटा तक तत्काल, स्वचालित पहुंच के आधार पर निर्णय लेने में सक्षम है। वे इस डेटा को देखते हैं, उनकी स्क्रीन पर एक संक्षिप्त तरीके से अच्छी तरह से व्यवस्थित, एक जोखिम स्कोर के साथ और एक व्याख्याकार की मदद से जो उन्हें सबूत के माध्यम से मार्गदर्शन करता है जिससे मॉडल का उत्पादन हुआ।

डीबीएस ने इन नई निगरानी प्रणालियों को बनाने और उपयोग करने में शामिल कर्मचारियों के कौशल सेट "उत्थान" में निवेश किया। अपस्किलिंग से लाभान्वित होने वाले कर्मचारियों में लेन-देन निगरानी विश्लेषक थे, जिन्हें वित्तीय अपराधों का पता लगाने में विशेषज्ञता प्राप्त थी और उन्हें नई प्रौद्योगिकी प्लेटफॉर्म और प्रासंगिक डेटा विश्लेषण कौशल का उपयोग करने में प्रशिक्षित किया गया था। टीमों ने नई प्रणालियों को डिजाइन करने में मदद की, जो जोखिम प्रकारों की पहचान करने के लिए फ्रंट-एंड कार्य से शुरू हुई। उन्होंने उस डेटा की पहचान करने के लिए इनपुट भी प्रदान किए जो उपयोग करने के लिए सबसे अधिक समझ में आता है, और जहां स्वचालित डेटा एनालिटिक्स और एमएल क्षमताएं उनके लिए सबसे अधिक सहायक हो सकती हैं।

यह पूछे जाने पर कि भविष्य में सिस्टम मानव लेनदेन विश्लेषकों को कैसे प्रभावित करेगा, डीबीएस अनुपालन कार्यकारी ने कहा:

दक्षता हमेशा महत्वपूर्ण होती है, और हमें हमेशा इसके उच्च स्तरों के लिए प्रयास करना चाहिए। हम कम लोगों के साथ अपने वर्तमान और भविष्य के निगरानी कार्यभार के लेनदेन-आधारित पहलुओं को संभालना चाहते हैं, और फिर मुक्त क्षमता को निगरानी और धोखाधड़ी की रोकथाम के नए क्षेत्रों में पुनर्निवेश करना चाहते हैं। बुरे वित्तीय व्यवहार और बुरे अभिनेताओं के हमेशा अज्ञात और नए आयाम होंगे, और हमें इस प्रकार के क्षेत्रों में अधिक समय और अधिक लोगों को निवेश करने की आवश्यकता है। जिस हद तक हम कर सकते हैं, हम अपने अधिक मानक लेनदेन निगरानी प्रयासों के भीतर प्राप्त दक्षता लाभ को पुनर्निवेश के माध्यम से करेंगे।

लेन-देन निगरानी का अगला चरण

बैंक की समग्र आकांक्षा लेनदेन निगरानी को अधिक एकीकृत और अधिक सक्रिय बनाने की है। केवल नियम-आधारित इंजन से उत्पन्न अलर्ट पर भरोसा करने के बजाय, अधिकारी "लेन-देन से ग्राहक से नेटवर्क से मैक्रो तक" स्तरों पर समग्र रूप से निगरानी करने के लिए एकीकृत जोखिम निगरानी के कई स्तरों का उपयोग करना चाहते हैं। यह संयोजन बैंक को और अधिक बुरे अभिनेताओं को खोजने में मदद करेगा, और ऐसा अधिक प्रभावी और कुशलता से करने में मदद करेगा। अनुपालन कार्यकारी ने विस्तार से बताया:

यह ध्यान रखना महत्वपूर्ण है कि धन शोधन करने वाले और प्रतिबंध लगाने वाले हमेशा काम करने के नए तरीके खोज रहे हैं। हमारे लोगों को इन उभरते खतरों से आगे रहने के लिए हमारी प्रौद्योगिकी और डेटा विश्लेषण क्षमताओं के साथ काम करने की आवश्यकता है। हम उस समय को खाली करना चाहते हैं जब हमारे लोग अलर्ट की समीक्षा के थकाऊ, मैनुअल पहलुओं पर खर्च कर रहे हैं, और उस समय का उपयोग उभरते खतरों के साथ तालमेल रखने के लिए करें।

मानव विश्लेषक एएमएल लेनदेन निगरानी में एक महत्वपूर्ण भूमिका निभाते रहेंगे, हालांकि जिस तरह से वे अपने समय का उपयोग करते हैं और उनकी मानवीय विशेषज्ञता विकसित होती रहेगी।

अनुपालन कार्यकारी ने एआई पर एक परिप्रेक्ष्य भी साझा किया: "जोखिम निगरानी में स्वचालित एआई के बजाय यह वास्तव में बढ़ी हुई खुफिया जानकारी है। हमें नहीं लगता कि हम अंतिम निर्णयों से मानवीय निर्णय को हटा सकते हैं क्योंकि मनी लॉन्ड्रिंग और अन्य वित्तीय अपराधों के संदर्भ में क्या है और क्या संदिग्ध नहीं है, के मूल्यांकन के लिए हमेशा एक व्यक्तिपरक तत्व होगा। हम इस व्यक्तिपरक तत्व को समाप्त नहीं कर सकते हैं, लेकिन हम मानवीय कार्य को कम कर सकते हैं जो मानव विश्लेषक अलर्ट की समीक्षा और मूल्यांकन के हिस्से के रूप में करता है।"

इस मामले से हमने जो सबक सीखा

• एक स्वचालित प्रणाली जो बड़ी संख्या में अलर्ट उत्पन्न करती है, जिनमें से अधिकांश झूठी सकारात्मक साबित होती हैं, मानव श्रम को नहीं बचाती हैं।

• सिस्टम की क्षमताओं को बेहतर बनाने के लिए कई प्रकार की AI तकनीक (इस मामले में, नियम, ML और नेटवर्क लिंक एनालिटिक्स) को जोड़ा जा सकता है।

• कंपनियां काम करने वाले लोगों की संख्या को कम नहीं कर सकती हैं, भले ही एआई सिस्टम इसे करने की दक्षता में काफी सुधार करे। बल्कि, कर्मचारी खाली समय का उपयोग अपनी नौकरी में नए और उच्च-मूल्यवान कार्यों पर काम करने के लिए कर सकते हैं।

• क्योंकि जटिल व्यावसायिक लेनदेन के मूल्यांकन में हमेशा व्यक्तिपरक तत्व होंगे, मूल्यांकन प्रक्रिया से मानवीय निर्णय को समाप्त नहीं किया जा सकता है।