هل يستطيع الذكاء الإصطناعي مساعدة البنوك على محاربة غسيل الأموال؟

340

عمليات غسيل الاموال كانت ولازالت من أكثر العمليات المالية التي تحتاج تدقيقاً للكشف عنها حيث أن المجرمون يستخدمون طرق ملتوية ليخدعوا البنوك. على هذا النحو, ليس من المستغرب أن المؤسسات المالية تتطلع إلى حلول جديدة مثل الذكاء الإصطناعي (AI), وبالتحديد التعلم الآلي (ML) للمساعدة في زيادة فعالية أداء برامج مكافحة غسل الأموال لمكافحة الجريمة المالية .

سواء نظرت إلى عمالقة دوليين مثل HSBC و Standard Chartered Bank أو بنوك إقليمية مثل Maybank و DBS, يتعاون الجميع مع شركات مثل fintechs لتطوير حلول تقنية خاصة بهم لمكافحة الجريمة المالية.

مع إعتماد التعلم الآلي, يمكن للمؤسسات المالية تحليل كميات كبيرة من أصول البيانات و “التعلم” من النتائج.

لماذا يتم إستخدام الذكاء الإصطناعي لمكافحة الجريمة المالية؟

مع التحول الرقمي والثورة التكنولوجية وواجهات برمجة التطبيقات المفتوحة والنماذج الناشئة, هناك فجوة آخذة في الإتساع بين ما يجب أن يكون عليه برامج ملاحقة الجريمة المالية ووضعها الحالي.

وليس من المستغرب أن يتعلق الأمر بتقليص الهوة والإستفادة من هذه التقنيات الجديدة لبناء برنامج ملاحقة يحمي الأنظمة ويضمن عدم قيام الجهات الفاعلة أو المجرمين السيئين بإستغلال الأنظمة.

فهم المخاطر والتحديات

يجب قضاء الوقت في فهم المشكلة وتحديد أفضل الحلول المناسبة إستنادًا إلى سياق العمل والبيئة.

بالإضافة إلى ذلك, يجب على فرق المتابعة الماليه التأكد من أن نموذج التعلم الآلي الذي يتم تصميمه متناسق ومرن وقابل للتعديل.

كما يجب أن تكون فرق المتابعة على إستعداد للإقرار والإعتراف بأن نماذج التعلم الآلي تحمل نصيبها العادل من المخاطر التي يمكن أن تشمل عيوب التقنية والإفتراض وحتى التحيزات البشرية.

للتغلب على هذا, يجب أن تكون هناك حوكمة مناسبة لضمان الإتساق في التصميم, وأن هذه النماذج يتم إختبارها والتحقق من صلاحيتها لتكون ملائمة للغرض وتناسب متطلبات العمل.

نفس القدر من الأهمية هو الحاجة إلى إطار قوي للدفاع عن الخوارزميات المستخدمة من قبل الماكينة وفك تشفيرها.

بعبارة أخرى, يجب أن تكون المخرجات شفافة وقابلة للتدقيق.

سيظل المهنيون في مجال المتابعة المالية, حتى وهم يعتمدون على مخرجات نموذج التعلم الآلي, بحاجة إلى التأكد من قدرتهم على فهم القرارات التي يتخذها النموذج وشرح كيفية قيام البرنامج بتشكيل النتائج.

في نهاية المطاف, فإن الهدف لأي فريق يعتمد التعلم الآلي هو موائمة الخوارزميات مع المتطلبات القانونية والتنظيمية.

لتلخيص وإيضاح وتوفير ضمان قوي بأن الأهداف التنظيمية تتحقق من خلال إستخدام الإبتكارات الحديثة أمر بالغ الأهمية.

“دعونا لا ننسى أن نماذج التعلم الآلي تشكل جزءًا من إطار التحكم لإدارة مخاطر الجرائم المالية بشكل أفضل”.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه

https://techwireasia.com/2019/01/can-ai-and-ml-really-help-banks-fight-money-laundering/

 

 

 

تعليقات