Inteligența artificială (AI) și învățarea automată (ML) au devenit esențiale pentru instituțiile financiare care doresc să își consolideze strategiile de combatere a spălării banilor (AML). Cu toate acestea, un nou studiu realizat de SAS, cu sprijinul KPMG, arată că, deși există un interes puternic pentru aceste tehnologii, adoptarea lor rămâne relativ scăzută.
Sondajul, desfășurat la nivel global pe un eșantion de 850 de membri ai Asociației Specialiștilor Certificați în Combaterea Spălării Banilor (ACAMS), evidențiază decalajul dintre potențialul AI și utilizarea sa efectivă în detectarea și prevenirea tranzacțiilor financiare ilicite.
Nivelul actual de adoptare a AI în procesul AML
Potrivit studiului, doar 18% dintre respondenți au implementat soluții bazate pe AI și învățare automată în sistemele lor operaționale. Alți 18% testează în prezent aceste tehnologii, în timp ce 25% plănuiesc să le adopte în următoarele 12-18 luni. Totuși, 40% dintre organizații nu au planuri concrete de implementare a AI/ML, ceea ce sugerează o reticență considerabilă în utilizarea acestor soluții.
AI generativă atrage un interes semnificativ, dar utilizarea sa rămâne limitată. Aproximativ 10% dintre respondenți testează activ soluții bazate pe AI generativă, în timp ce 35% se află în faza exploratorie. Pe de altă parte, 55% nu au planuri de integrare a acestei tehnologii emergente în procesele AML.
Principalele provocări în adoptarea AI în AML
Deși AI și ML promit eficientizarea detectării activităților suspecte și reducerea alertelor false, mai multe bariere împiedică implementarea lor la scară largă:
- Integrarea datelor: Instituțiile financiare întâmpină dificultăți în consolidarea și corelarea surselor de date relevante.
- Lipsa unei guvernanțe clare: Multe companii așteaptă directive suplimentare din partea autorităților de reglementare.
- Resurse limitate și rezistență la schimbare: Implementarea AI necesită investiții substanțiale și schimbări organizaționale majore.
"Cheia pentru deblocarea întregului potențial al AI și ML este integrarea surselor de date, a echipelor și a tehnologiei. Organizațiile care investesc în aceste aspecte vor avea un avantaj competitiv semnificativ", a declarat Stu Bradley, Senior Vice President la SAS.
Cum este utilizată AI în combaterea spălării banilor?
Sondajul a identificat principalele utilizări ale tehnologiilor AI/ML în procesul AML, comparativ cu un studiu similar realizat în 2021:
- Îmbunătățirea calității investigațiilor și respectarea reglementărilor rămân priorități pentru 67% dintre respondenți (în scădere cu 11% față de 2021).
- Reducerea alertelor false a devenit o preocupare majoră, fiind citată de 38% dintre participanți, cu o creștere de 8% față de 2021.
- Detectarea riscurilor complexe a înregistrat o creștere de 4%, ajungând la 21% dintre respondenți.
În ceea ce privește tehnologiile cu cel mai mare impact asupra proceselor AML, învățarea automată (ML) rămâne lider, fiind considerată cea mai importantă de 58% dintre specialiști. Automatizarea proceselor robotizate (RPA) a scăzut la 28%, în timp ce procesarea limbajului natural (NLP) este menționată de doar 14% dintre respondenți.
Viitorul AI în conformitatea cu normele AML
Pe măsură ce reglementările devin mai stricte, iar criminalitatea financiară se sofistică, AI și ML vor juca un rol esențial în procesul de conformitate și prevenție. Implementarea cu succes a acestor tehnologii va depinde de:
- Crearea unui ecosistem de date consolidat, care să permită analize mai precise și identificarea mai rapidă a comportamentelor suspecte.
- Adoptarea unui cadru de reglementare clar, care să ofere îndrumare pentru utilizarea AI/ML.
- Investiții continue în tehnologie și educație, pentru a asigura integrarea eficientă a AI în strategia globală de combatere a spălării banilor.
Deși implementarea AI în AML este încă în stadiu incipient, studiul sugerează că tehnologia va deveni un standard în procesul de monitorizare și prevenție în anii următori.
Comentariul va fi postat dupa aprobare