شرح الذكاء الاصطناعي لمكافحة غسيل الأموال

تتعرض البنوك لضغوط شديدة لاستئصال تقنيات غسيل الأموال المتطورة بشكل متزايد وتجنب الغرامات الباهظة مع إبقاء تكاليف الامتثال التنظيمي تحت السيطرة. من خلال استبدال أدوات البرمجيات القائمة على القواعد بتطبيقات مكافحة غسيل الأموال القائمة على الذكاء الاصطناعي، يمكن للبنوك تحسين قدرتها على تحديد الأنشطة المشبوهة بنسبة تصل إلى 40٪، وفقًا لتقارير شركة ماكينزي آند كومباني ، مع تقليل عدد الإيجابيات الخاطئة بشكل كبير.

تتضمن مناهج الذكاء الاصطناعي تطبيق التعلم الآلي على تقييم العملاء للتنبؤ بميلهم لارتكاب جريمة مالية. تستخدم تطبيقات مكافحة غسل الأموال أيضًا التعلم غير الخاضع للإشراف ، حيث لا يتم عرض أمثلة مُسمّاة لنظام التعلم الآلي ويستخلص العلاقات بنفسه من البيانات الخام، لتحديد سلوكيات العملاء المتغيرة والتقاط المخاطر بدقة أكبر. يمكن لأنظمة الذكاء الاصطناعي دمج نماذج للسلوك المتوقع، والتي تشير إلى الانحرافات وتحل محل القواعد الثابتة. تقوم أدوات مكافحة غسل الأموال القائمة على الذكاء الاصطناعي أيضًا بفرز أحداث السيناريو القائمة على القواعد لإغلاق التحقيقات منخفضة المخاطر تلقائيًا أو خفض أولويتها.

كيف يعمل الذكاء الاصطناعي لمكافحة غسل الأموال؟
عندما تريد الشركات أو الأفراد فتح حساب مصرفي، تقوم البنوك بإجراء تقييمات للمخاطر. ويشمل ذلك طرح سلسلة من الأسئلة على العملاء المحتملين حول عملهم وإقامتهم ومصادر دخلهم وكيف يخططون لنقل الأموال. كما تتأكد البنوك من أن العملاء المحتملين ليسوا على قوائم العقوبات الدولية التي من شأنها أن تمنعهم من تحويل الأموال. كما تحتاج إلى تحديد ما إذا كان كل فرد من الأفراد من الشخصيات السياسية المعرضة للخطر - شخصية سياسية أو أحد أفراد الأسرة أو أحد المقربين منها - مما يعرضهم لمزيد من التدقيق. ثم تقوم البنوك بإجراء عمليات KYC وتصنيف المتقدمين المحتملين فيما يتعلق بمخاطر غسل الأموال أو الاحتيال.

المشكلة هنا هي أن بعض المعلومات تعتمد على إجابات العملاء بصدق، وبالتالي تحتاج المؤسسات المالية إلى طرق آلية لمعرفة ما إذا كان النشاط المصرفي الفعلي للعملاء ينحرف عن نيتهم المعلنة. وتنظر ضوابط مكافحة غسل الأموال التقليدية إلى بيانات المعاملات، بما في ذلك الحركة الدولية للأموال، وما إذا كانت المعاملات ذات المبالغ المتشابهة تتحرك بسرعة بين الحسابات، وما إذا كان العملاء قد قسموا المعاملات الكبيرة إلى معاملات أصغر. وكثيراً ما ينقل المجرمون الأموال إلى حسابات في بلدان مختلفة تكون لوائح مكافحة غسل الأموال فيها أقل صرامة من تلك التي تفرضها بلدانهم. وتتمثل صعوبة أخرى في أن هذه السلوكيات قد يكون لها أيضاً تفسيرات حميدة.

إن الأنظمة القائمة على الذكاء الاصطناعي أفضل في تحليل البيانات للعثور على أنماط لا يستطيع المحللون البشريون ومراقبو المخاطر وحدهم اكتشافها. يمكن للبرامج تطبيق تسجيل المخاطر السلوكية للتنبؤ بميل العميل إلى ارتكاب جريمة، وتشغيل نماذج تنبؤية لإظهار ما إذا كان من الممكن إغلاق التحقيقات من المستوى الأول بأمان دون تصعيدها إلى فرق أكثر تخصصًا، ومحاكاة غسيل الأموال لتقييم فعالية أنظمة مراقبة المعاملات. يمكن أن يقلل هذا من عدد التنبيهات التي لا تشير إلى نشاط غسيل أموال فعلي، مما يساعد في تقليل تكاليف الامتثال. يمكن أن تساعد تقنية الذكاء الاصطناعي التوليدي البنوك في تلخيص التقييمات الأولية للمخاطر وصياغة تقارير الأنشطة المشبوهة لإنفاذ القانون.

تتضمن تقنيات الذكاء الاصطناعي المستخدمة بشكل شائع في مكافحة غسيل الأموال التعلم التعزيزي العميق، والشبكات التوليدية التنافسية (GANs)، والشبكات العصبية الرسومية (GNNs). تعمل الشبكات التوليدية التنافسية على التعميم من أمثلة غسيل الأموال المستفادة من بيانات التدريب للعثور على أنماط معدلة حيث يقوم المجرمون بتعديل أساليبهم. تبحث الشبكات العصبية الرسومية عن العلاقات بين الأشخاص والكيانات التي تم تعلمها أثناء التدريب، بما في ذلك العلاقات التي لم يتم تحديدها سابقًا. يساعد هذا التحليل البنوك على اكتشاف أنشطة غسيل الأموال التي تنطوي على مجموعات من الجهات الإجرامية. يمكن للتعلم التعزيزي العميق أن يعلم نماذج الذكاء الاصطناعي التعرف على العلاقات الجديدة بين نقاط البيانات من خلال تعليم النظام البحث عن ردود فعل إيجابية لاتخاذ القرار الصحيح. يمكن للنماذج بعد ذلك تكييف مراقبة المعاملات الخاصة بها مع الاستراتيجيات المتغيرة.

تستطيع أنظمة مكافحة غسل الأموال القائمة على الذكاء الاصطناعي أن تتعلم أثناء عملها. على سبيل المثال، إذا اكتشف برنامج الذكاء الاصطناعي معاملات تشترك في خصائص معينة ومن غير المرجح أن تكون غسيل أموال، فيمكنه تقديم توصيات بإجراء تغييرات على النظام الرئيسي من شأنها أن تسمح بمعاملات مماثلة في المستقبل.

وخلص تقرير صادر عن بنك إنجلترا في عام 2022 حول الذكاء الاصطناعي إلى أن "أحد أسباب أهمية الذكاء الاصطناعي هو قدرته على تمكين حالات استخدام جديدة" - على سبيل المثال، معالجة مشكلة الاحتيال على الهوية الاصطناعية، حيث ينشئ المجرمون هويات "من مجموعة من البيانات الحقيقية ... والتي قد يكون من الصعب تحديدها من قبل المحللين البشريين". يمكن لأنظمة مكافحة غسل الأموال القائمة على الذكاء الاصطناعي أيضًا استخدام الشبكات العصبية غير الخاضعة للإشراف للنظر في مصادر واسعة جدًا من البيانات، بما في ذلك عناوين IP للكمبيوتر وأنماط السلوك، لتوليد التنبيهات.

فوائد الذكاء الاصطناعي لمكافحة غسل الأموال
إن أنظمة مكافحة غسل الأموال التقليدية تحتاج إلى تعديل لتكون أكثر حساسية للأنشطة التي قد تثير علامات حمراء. إن إصدار عدد قليل جدًا من التنبيهات قد يؤدي إلى تفويت الأنشطة الإجرامية - ولفت انتباه الجهات التنظيمية وفرض غرامات عليها. إن كثرة التنبيهات قد تغمر موظفي الامتثال في البنوك، الذين يحتاجون إلى مراجعة كل علامة وتحديد كيفية التصرف بناءً عليها. لقد أظهرت أنظمة الذكاء الاصطناعي أنها قادرة على توليد نفس العدد تقريبًا من تقارير الأنشطة المشبوهة (SARs) ولكن مع عدد أقل بكثير من الإيجابيات الخاطئة. تابع القراءة لمعرفة المزيد عن هذه الفوائد وغيرها من فوائد الذكاء الاصطناعي.

زيادة/تحسين دقة اكتشاف المخاطر . يمكن أن تساعد تقنيات الذكاء الاصطناعي في تحسين دقة اكتشاف المخاطر من خلال استهلاك وتوليف كميات كبيرة من البيانات المنظمة وغير المنظمة، ثم التعرف على أنماط السلوك واكتشاف الشذوذ. يمكن للشبكات العصبية تحديد أنماط مماثلة لتلك التي تم تدريبها عليها، وتقديم توصيات يمكن أن تغلق قدرة الجماعات الإجرامية على إجراء تغييرات صغيرة على مخططات الاحتيال الخاصة بها للالتفاف على القواعد المعروفة.
خفض تكاليف التشغيل . يمكن أن تساعد أنظمة مكافحة غسل الأموال القائمة على الذكاء الاصطناعي في خفض تكاليف التشغيل من خلال خفض عدد التنبيهات الإيجابية الكاذبة التي يتعين على فرق المخاطر التحقيق فيها. يؤدي كل تنبيه إلى تحقيق من المستوى الأول، الأمر الذي يكلف وقت الموظفين. يتم إغلاق ما بين 90% و95% من هذه التنبيهات قبل تصعيدها إلى تحقيق أكثر كثافة من المستوى الثاني وتقديم تقرير عن الأنشطة المشبوهة إلى السلطات.
تحسين الامتثال والحوكمة . إن أقسام الامتثال ومنظمات تكنولوجيا المعلومات وخطوط الأعمال في البنوك تتعرض لضغوط بسبب تغير لوائح مكافحة غسل الأموال ونقص القواعد العالمية، على الرغم من أن بعض التقارب بدأ يحدث. تشجع بعض الهيئات التنظيمية، بما في ذلك في الولايات المتحدة والمملكة المتحدة، البنوك على تبني الذكاء الاصطناعي لأنظمة مكافحة غسل الأموال الخاصة بها. تستخدم المؤسسات المالية أيضًا تقنيات الذكاء الاصطناعي والتعلم الآلي لإجراء اختبارات تحديد المخاطر. يمكن للذكاء الاصطناعي أيضًا المساعدة في الحد من نشاط غسل الأموال الفائت الذي يمكن أن يؤدي إلى التدقيق التنظيمي.

حدود الذكاء الاصطناعي في مكافحة غسيل الأموال
ولن ينجح تطبيق الذكاء الاصطناعي لمكافحة غسيل الأموال إذا لم يكن لدى البنوك ما يكفي من البيانات عالية الجودة لتدريب النماذج لتقديم نتائج دقيقة باستمرار. كما تحتاج البنوك إلى التأكد من أن لديها المواهب المناسبة في طاقمها لتدريب نماذج الذكاء الاصطناعي وضبطها وصيانتها، كما تحتاج إلى مراعاة خصوصية بيانات العملاء عند تصميم الأنظمة. كما يمكن أن يكون الذكاء الاصطناعي غامضًا: فليس من الواضح دائمًا كيف يصل نظام الذكاء الاصطناعي التوليدي إلى إجاباته. تنصح ماكينزي البنوك بالاجتماع مع الجهات التنظيمية قبل وقت طويل من تطوير نظام مكافحة غسيل الأموال القائم على الذكاء الاصطناعي. تابع القراءة لمعرفة المزيد عن هذه القيود وغيرها من قيود الذكاء الاصطناعي.

جودة البيانات وتوافرها . يمكن للبيانات غير المكتملة أو غير الدقيقة أن تعيق أداء نماذج الذكاء الاصطناعي، والتي تحتاج إلى رؤية أمثلة عالية الجودة كافية أثناء تدريبها لتكون قادرة على تحديد المعاملات المشبوهة بدقة بمجرد نشرها. قد ترغب البنوك التي لديها وصول محدود إلى البيانات، وخاصة البيانات المتعلقة بأمثلة حقيقية لغسيل الأموال، في النظر في نهج آخر.
التحديات التنظيمية والامتثالية . يمكن للوائح مكافحة غسل الأموال المتغيرة باستمرار والغامضة وغير المتسقة في بعض الأحيان أن تفرض ضرائب على أقسام الامتثال في البنوك ومنظمات تكنولوجيا المعلومات وخطوط الأعمال. على سبيل المثال، تترك توصيات فرقة العمل المعنية بالإجراءات المالية (FATF)، وهي هيئة عالمية لوضع المعايير لمكافحة غسل الأموال، مجالًا واسعًا في توجيهها للسلطات الرقابية. دعا الرئيس التنفيذي لشركة جي بي مورجان تشيس جيمي ديمون إلى تبسيط متطلبات مكافحة غسل الأموال وتحسينها. بدأت القواعد تتوحد. في عام 2024، أنشأ الاتحاد الأوروبي هيئة جديدة لمكافحة غسل الأموال مقرها فرانكفورت تنطبق قواعدها على الشركات في جميع أنحاء الكتلة، دون الحاجة إلى نقلها إلى القوانين الوطنية.
القضايا التشغيلية والفنية . تحتاج معظم البنوك أيضًا إلى معالجة تحديات تكامل الأنظمة، نظرًا لأن البيانات المخزنة في الحواسيب المركزية وغيرها من الأنظمة القديمة لا تكون جاهزة عادةً للمعالجة بواسطة الذكاء الاصطناعي. كما تكافح البنوك أيضًا في الاحتفاظ ببيانات عالية الجودة بشكل كافٍ عن عملائها، وخاصة العملاء القدامى الذين قد يتم تخزين تاريخهم جزئيًا في تنسيقات غير قياسية ومأخوذة من نماذج بالقلم والورق، وفقًا لشركة الاستشارات ماكينزي آند كومباني.
النتائج الإيجابية والسلبية الكاذبة . قد تصل معدلات النتائج الإيجابية الكاذبة - المعاملات المالية الحميدة التي يتم تمييزها بواسطة البرامج باعتبارها أنشطة غسيل أموال محتملة - إلى 95٪. لكن البنوك لا تزال بحاجة إلى التحقق منها، وهي عملية مكلفة وتستغرق وقتًا طويلاً. وعلى العكس من ذلك، فإن النتائج السلبية الكاذبة - عندما تفلت المعاملات من قبل الكيانات الخاضعة للعقوبات أو غسيل الأموال الحقيقي - يمكن أن تؤدي إلى إجراءات تنظيمية وضرر سمعة.
القدرة على التكيف وتطور التكتيكات الإجرامية . إن غاسلي الأموال هم أعداء متطورون يستخدمون تقنيات متطورة باستمرار للتهرب من الكشف. وبمجرد أن يحدد المجرمون السيئون القواعد المستخدمة للكشف عن غسيل الأموال، يمكنهم تعديل سلوكهم قليلاً للتهرب منها.
المخاوف المتعلقة بالخصوصية . يتعين على البنوك التي تصمم أنظمة الذكاء الاصطناعي لمكافحة غسيل الأموال أن تأخذ في الاعتبار جوانب الخصوصية في هذه الأنظمة. تتمتع البنوك بإمكانية الوصول إلى كميات كبيرة من البيانات، بما في ذلك المعلومات الشخصية، ويجب تقييم حقوق استخدام هذه المعلومات في سياقها.

حالات استخدام الذكاء الاصطناعي لمكافحة غسل الأموال
تطبق البنوك تقنيات مكافحة غسل الأموال والذكاء الاصطناعي عند جذب العملاء، ومراقبة أنشطتهم المصرفية، والإبلاغ عن السلوكيات المشبوهة للسلطات. يمكن للبرمجيات أن تجعل العمليات أسرع وأكثر فعالية من خلال بناء ملفات تعريف سلوكية من أنماط مخفية في بعض الأحيان لتصنيف المعاملات بشكل أفضل، وفحص المستندات والأخبار للعملاء المحتملين المعرضين للخطر، وتسريع كتابة التقارير التنظيمية.

مراقبة المعاملات . يمكن لنماذج الذكاء الاصطناعي مراقبة المعاملات بحثًا عن أي نشاط غير قانوني بطريقتين رئيسيتين.
التعرف على الأنماط . من خلال بيانات التدريب الخاصة بها، يمكن لنماذج الذكاء الاصطناعي أن تتعلم التعرف على أنماط المعاملات التي تتجنب أنظمة مكافحة غسل الأموال التقليدية القائمة على القواعد - على سبيل المثال، تحديد المعاملات "المنظمة"، حيث يتم تقسيم مبالغ كبيرة من المال إلى مبالغ أصغر، أو تحليل كميات كبيرة من البيانات لتحديد الشركات الوهمية المستخدمة لتحويل الأموال. يمكن للذكاء الاصطناعي أيضًا نمذجة سلوكيات العملاء المتوقعة، بالإضافة إلى الانحرافات عن تلك السلوكيات التي يمكن أن تشير إلى نشاط إجرامي، واستبدال الأساليب القائمة على القواعد التي قد لا تكون دقيقة.

المراقبة في الوقت الفعلي :
 إن سرعة المدفوعات الرقمية تحفز الطلب على أنظمة مكافحة غسل الأموال المدعومة بالذكاء الاصطناعي والتي يمكنها غربلة كميات كبيرة من البيانات بسرعة، حتى في الوقت الفعلي. قال مايكل هسو، القائم بأعمال مراقب العملة في الولايات المتحدة، في خطاب ألقاه في يناير 2024 إن المدفوعات الرقمية الأسرع تؤدي إلى احتيال أسرع، مما يضغط على البنوك لبناء "المكابح المناسبة لنظام مالي أكثر واقعية".

العناية الواجبة بالعملاء ومعرفة العميل :
يمكن للبنوك تحديد العملاء وفحصهم عبر الإنترنت باستخدام تقنيات التوجيه الآلي القائمة على الذكاء الاصطناعي للمساعدة في جعل عمليات معرفة العميل أسرع وأكثر دقة. ويشمل ذلك التحقق من الهوية الرقمية ومسح مستندات الهوية. ومن خلال المراقبة المستمرة للمعاملات، قد تتمكن البنوك من تحديد العملاء المعرضين لمخاطر عالية بشكل أفضل من خلال تحليل المزيد من البيانات مقارنة بما تسمح به المراجعات الدورية.

الإدماج الآلي . يمكن للبنوك المساعدة في تحسين السرعة والدقة عند فتح حسابات العملاء من خلال مسح مستندات الهوية للتحقق عبر الإنترنت وتطبيق الذكاء الاصطناعي لتقييم الأصالة.
المراقبة المستمرة . نظرًا لأن العملاء قد يتصرفون بشكل مختلف على مدار علاقتهم بالبنك، ولأن نتائج الانتخابات على مستوى العالم يمكن أن تغير ما إذا كان شخص ما يُعتبر هدفًا سياسيًا مكشوفًا، فإن المؤسسات المالية تستخدم أدوات تعتمد على الذكاء الاصطناعي للتحقق بشكل مستمر من المعاملات والملكية المفيدة وقوائم العقوبات والتغطية الإعلامية. يتحقق المراقبة المستمرة مما إذا كان سلوك العميل قد أصبح أكثر خطورة منذ آخر تقييم أجراه البنك له.
الإبلاغ عن الأنشطة المشبوهة (SAR) . يتعين على البنوك تقديم تقارير الأنشطة المشبوهة إلى الجهات التنظيمية للإبلاغ عن الحالات المشتبه فيها المتعلقة بغسل الأموال وتمويل الإرهاب.
يمكن لأدوات إعداد التقارير الآلية التي تعمل بالذكاء الاصطناعي التوليدي أن تساعد في إنشاء تقارير عن الأنشطة غير المشروعة بكفاءة أكبر من المحللين البشريين الذين يعملون بمفردهم.
تحسين دقة التقارير . تعاني العديد من التقارير من عدم وضوح السرد والمعلومات المفقودة، مما يترك مجالًا واسعًا للتحسين باستخدام أنظمة الذكاء الاصطناعي التوليدية، والتي يمكنها أيضًا إنشاء قوائم بالعناصر المتابعة.
فحص العقوبات . إن التحديثات المتكررة لقوائم العقوبات الدولية (مثل تلك التي حدثت بعد بداية الحرب بين روسيا وأوكرانيا) والصعوبات التي تواجه مطابقة الكيانات التجارية عبر الاختلافات في أسماء الأشخاص أو الشركات في بلدان ولغات مختلفة قد تطغى على أنظمة مكافحة غسل الأموال التقليدية.
يمكن للفحص الآلي باستخدام الذكاء الاصطناعي استخراج المعلومات وتصنيفها من المستندات غير المنظمة، والعثور على مرادفات لمصطلحات العلامة الحمراء، والتخلص من المصطلحات المتشابهة في التهجئة ذات المعاني المختلفة.
الحد من النتائج الإيجابية الخاطئة . يمكن أن تكون النتيجة الحد من النتائج الإيجابية الخاطئة، مما يتطلب عددًا أقل من المراجعات التي تستغرق وقتًا طويلاً من قبل المحللين والتي تضيف إلى التكاليف.
تحسين التحليلات والتصور : يمكن لتقنيات تصور البيانات، بما في ذلك الرسوم البيانية للعلاقات بين الأشخاص والكيانات، أن تساعد مستخدمي الأعمال غير الفنيين على رؤية التغييرات في المخاطر والتوزيع الجغرافي لحالات غسيل الأموال المشتبه بها.
التصور البياني للبيانات . بالإضافة إلى الرسوم البيانية للعلاقات، يمكن لتقنيات الذكاء الاصطناعي أن تساعد المحللين في تحديد موقع الأنشطة الخبيثة على الخرائط والبحث في لوحات المعلومات للوصول إلى تفاصيل أدق. ويمكن أن تكون النتيجة اتخاذ قرارات أسرع وأكثر فعالية.
تُظهر تقارير لوحة المعلومات المقاييس والتقدم المحرز مقابل مؤشرات الأداء الرئيسية (KPI) للمعاملات التي تتم مراقبتها، والتنبيهات التي يتم إنشاؤها، وتقارير الأنشطة المشبوهة المقدمة، والتحقيقات المفتوحة والمغلقة.
الامتثال التنظيمي . يمكن لأدوات الذكاء الاصطناعي أن تساعد المؤسسات المالية على مواكبة التحديثات التنظيمية والتكيف معها، بما في ذلك من خلال الوثائق التي تمكن إمكانية التدقيق.
التحديثات التنظيمية . إن ارتفاع غرامات غسل الأموال ومعرفة العميل، والهيئات التنظيمية الجديدة التي تهدف إلى إنفاذها، تعمل على زيادة الطلب على التكنولوجيا التي يمكن أن تساعد البنوك على مواكبة القواعد المتغيرة والحد من احتمالية فرض الغرامات من خلال استبدال العمليات اليدوية أو استكمالها بعمليات آلية.
مسارات التدقيق . يمكن لأدوات البرامج هذه أيضًا إنشاء مسارات تدقيق توضح كيفية اتخاذ قرارات مكافحة غسل الأموال وتساعد في كتابة سجلات للتدقيق تُظهر النشاط والوصول إلى البيانات.
إدارة الحالات . يمكن أن تساعد أدوات أتمتة سير العمل والتعاون في الامتثال لمكافحة غسل الأموال من خلال إعطاء الأولوية للتنبيهات والتوصية بالإجراءات وأتمتة التقارير. يمكن للبرامج تتبع التنبيهات وتوفير لوحات معلومات تعرض الأنشطة المشبوهة.
أتمتة سير العمل . قد تتمكن المؤسسات المالية من توفير ربع تكاليف الامتثال السنوية في المتوسط باستخدام أدوات أتمتة سير العمل ضد الجرائم المالية، وفقًا لشركة الاستشارات في مجال تكنولوجيا المعلومات KPMG. يمكن لأدوات الذكاء الاصطناعي أيضًا إبقاء عمليات KYC محدثة من خلال إدخال التغييرات التنظيمية في سير عمل الإدماج.
أدوات التعاون . تساعد برامج إدارة الحالات الأقسام على تنسيق أنشطتها من خلال توفير مخزن مركزي لمعلومات الامتثال.
الكشف عن الاحتيال والوقاية منه . لدى البنوك بعض الوقت لوقف غسيل الأموال بعد اكتشافه، على الرغم من أنه من الأفضل إيقاف حالات الاحتيال قبل إتمام المعاملات لتجنب الخسائر. تستخدم أنظمة الذكاء الاصطناعي التعلم التكيفي، حتى تتمكن من المساعدة في فحص المعاملات. توفر نماذج الذكاء الاصطناعي أيضًا رؤية واسعة للعملاء، حتى تتمكن البنوك من رؤية التحقيقات والتقارير التي تشمل مكافحة غسيل الأموال والاحتيال والعقوبات على الرشوة والفساد، وفقًا لشركة KPMG.
حلول متكاملة لمكافحة الاحتيال وغسيل الأموال . إن الجمع بين تقنيات مكافحة الاحتيال وغسيل الأموال في حزمة برامج واحدة يفيد البنوك من خلال مساعدة فرق مكافحة الاحتيال وغسيل الأموال في جمع بيانات العملاء ذات الصلة ومشاركتها، وتقديم نظرة عامة على المخاطر التي يواجهها البنك، وإغلاق الثغرات التي قد يستخدمها المجرمون للتهرب من الملاحظة.
التعلم التكيفي . مع تأكيد البنوك على حالات احتيال جديدة، يمكن لأنظمة الذكاء الاصطناعي استخدام هذه البيانات لتحسين الأداء بمرور الوقت، وخاصة عندما يتعلق الأمر بالعثور على حالات حافة بالقرب من عتبة الكشف والتي من المرجح أن تؤدي إلى فقدان النشاط أو نتائج إيجابية خاطئة.
كيفية دمج الذكاء الاصطناعي في مكافحة غسل الأموال
يتعين على البنوك التي ترغب في إعادة تصميم عمليات مكافحة غسل الأموال لتشمل تقنيات الذكاء الاصطناعي أن تقوم أولاً بتقييم استراتيجية البيانات الخاصة بها، بما في ذلك البيانات التي لديها. ويتعين عليها أن تفكر في كيفية استخدام الذكاء الاصطناعي عبر الأقسام وسير العمل التي تتعامل مع معرفة العميل، وإدراج العملاء، ومكافحة غسل الأموال. ويتعين تقييم الأنظمة الناتجة في سياقها للتأكد من ملاءمتها وتقييمها للامتثال التنظيمي. تابع القراءة لمعرفة المزيد عن هذه الخطوات وغيرها.

تقييم عمليات مكافحة غسل الأموال الحالية . يتعين على البنوك مراجعة كيفية مكافحتها لغسل الأموال، ومدى فعالية الأنظمة الحالية في منعها، والتكاليف التي يمكن توفيرها والتحسينات التي يمكن إجراؤها من خلال نهج قائم على الذكاء الاصطناعي.
تحديد الأهداف والمتطلبات . ينبغي للبنوك تحديد أهداف تنفيذ الذكاء الاصطناعي، بما في ذلك معايير النجاح المحددة بوضوح، مثل خفض تكاليف التشغيل والحد من عدد النتائج الإيجابية الخاطئة.
تعزيز جمع البيانات وإعدادها . تحتاج البنوك إلى التأكد من أن بياناتها نظيفة وذات جودة وكمية كافية لتدريب نماذج الذكاء الاصطناعي. كما تحتاج إلى وجود عدد كافٍ من المواهب في مجال علوم البيانات بين الموظفين لضبط النماذج وتحسين الأساليب (المزيد حول هذا لاحقًا).
اختر أدوات وتقنيات الذكاء الاصطناعي المناسبة . يعد اختيار نظام الذكاء الاصطناعي الذي يناسب حالات الاستخدام المطلوبة أمرًا أساسيًا. يجب أن تكون الأنظمة قادرة على مراقبة المعاملات في الوقت الفعلي، وتطبيق التعلم الآلي ومعالجة اللغة الطبيعية (NLP) على عمليات إدخال العملاء ومعرفة العميل، واستخدام GenAI ومعالجة اللغة الطبيعية للمساعدة في إنشاء تقارير الأنشطة المشبوهة. يمكن للبنوك استخدام التحليلات التنبؤية لتقييم السلوك الشاذ أو المريب. يمكن أن يساعد تحليل الذكاء الاصطناعي البياني في العثور على شبكات من الأشخاص والكيانات التي لا تبدو واضحة للمحللين.
تطوير وتدريب نماذج الذكاء الاصطناعي . هناك طريقتان رئيسيتان يمكن من خلالهما تدريب نماذج الذكاء الاصطناعي لمكافحة غسل الأموال. باستخدام التعلم الخاضع للإشراف - للنماذج السلوكية وتسجيل مخاطر العملاء وتسجيل الأحداث لمكافحة غسل الأموال وقوائم العقوبات - يتم عرض أمثلة مُسمَّاة للنماذج للتعلم منها. وهذا مفيد عندما يحتاج النموذج إلى التعرف على العلاقات بين المدخلات والمخرجات. بالنسبة لحالات الاستخدام مثل تقسيم العملاء واكتشاف الشذوذ، تستخدم البنوك عادةً التعلم غير الخاضع للإشراف، حيث يتم عرض حالات غير مُسمَّاة لغسل الأموال والاحتيال، بالإضافة إلى الإيجابيات الخاطئة على النماذج. بدون أي مساعدة من علماء البيانات، يتعلم النموذج تحديد خصائص كلتا المجموعتين من المعاملات. يمكن للنماذج غير الخاضعة للإشراف التعرف على العلاقات في البيانات التي لم يتم رصدها من قبل.
دمج الذكاء الاصطناعي مع الأنظمة الحالية . تعمل العديد من عمليات مكافحة غسل الأموال على أنظمة تكنولوجيا المعلومات القديمة، لذا تحتاج البنوك إلى الاستثمار في بناء روابط مع أنظمة مراقبة المعاملات وإعداد التقارير القديمة وأنواع البيانات المختلفة الخاصة بها، أو تحديث بنيتها التحتية للتعامل مع متطلبات الذكاء الاصطناعي.
تدريب ودعم الموظفين . يعد التدريب على أدوات وعمليات الذكاء الاصطناعي أمرًا مهمًا للامتثال للقواعد التنظيمية والتغلب على مقاومة الموظفين لتبني التكنولوجيا.
السعي إلى التحسين المستمر والتكيف . تم تصميم الذكاء الاصطناعي لتعزيز التعلم المستمر، وتحتاج البنوك إلى تبني عقلية مماثلة أثناء نشر واستخدام التكنولوجيا. بالنسبة لتنبيهات مكافحة غسل الأموال، تحتاج البنوك أيضًا إلى النظر في ما يسمى بقدرة استدعاء النماذج، والتي تقيس قدرتها على توليد نفس العدد تقريبًا من تقارير الأنشطة المشبوهة الفعلية من مجموعة أصغر بكثير من التنبيهات.
المساعدة في ضمان الامتثال التنظيمي . تتطور القوانين واللوائح المتعلقة بالذكاء الاصطناعي، وتحتاج البنوك إلى مواكبتها للحفاظ على الامتثال. تعد الضوابط الداخلية والتدريب وتعيين مسؤول لإدارة الامتثال المستمر أجزاءً أساسية للامتثال الفعال لمكافحة غسل الأموال.
مستقبل الذكاء الاصطناعي في مكافحة غسيل الأموال
وتتطور متطلبات مكافحة غسل الأموال التي تحددها السلطات العالمية، في حين تتعرض ميزانيات مكافحة غسل الأموال لدى البنوك لضغوط، مما يجعل التحليل والأتمتة المدعومة بالذكاء الاصطناعي أكثر جاذبية. وفي الولايات المتحدة، تدرس شبكة إنفاذ الجرائم المالية التابعة لوزارة الخزانة قواعد من شأنها توسيع نطاق قانون سرية البنوك ليشمل المستشارين الاستثماريين، بما في ذلك إلزامهم بتقديم تقارير عن الأنشطة المشبوهة. كما أمرت الهيئة التنظيمية السويسرية FINMA البنوك بإجراء مراجعات أكثر شمولاً لمكافحة غسل الأموال، ومن المتوقع أن تقدم هيئة مكافحة غسل الأموال الجديدة في الاتحاد الأوروبي المزيد من الإشراف المباشر على ما يصل إلى 40 مؤسسة مالية.

قد تتطلع البنوك إلى مضاعفة الجهود في استخدام أساليب جديدة معززة بالذكاء الاصطناعي للكشف عن الاحتيال، حيث أدى إخفاء الأموال خلف السيارات الفاخرة والمقتنيات والمجوهرات والفنون إلى جعل هذه الممارسة أكثر صعوبة في التتبع. كما يستخدم غاسلي الأموال وسائل التواصل الاجتماعي لتجنيد العمال ذوي الرتب المنخفضة لإيداع الأموال، مما يجعل النشاط الخبيث أكثر صعوبة بالنسبة للأنظمة التقليدية.

تحديث وتعزيز مكافحة غسيل الأموال (AML) لديك باستخدام Oracle
تتضمن خدمة Oracle Financial Crime and Compliance Management Cloud محركات برمجية تقوم بتسجيل الكيانات والمعاملات بشكل ديناميكي فيما يتعلق بالمخاطر وتجميد المعاملات للكيانات أو البلدان الخاضعة للعقوبات لمراجعتها على الفور بواسطة محلل. كما تتمتع بإمكانية إدارة الحالات كاملة الميزات والمصممة للطريقة التي يعمل بها المحققون.

يتضمن Oracle Financial Services Compliance Studio التحليل الإحصائي وتقنية الذكاء الاصطناعي للتعلم الخاضع للإشراف وغير الخاضع للإشراف، مما يساعد على فهم المخاطر ومراقبتها بشكل أفضل وتقليل تكاليف الحفاظ على منصة للامتثال ومكافحة الجرائم المالية.

ساعد نهج أوراكل أحد البنوك المتعددة الجنسيات الكبرى على تنفيذ نماذج الذكاء الاصطناعي في غضون ستة أسابيع وتوليد تنبيهات أقل بنسبة تتراوح بين 45% إلى 65% مع الاستمرار في إنتاج ما لا يقل عن 99% من عدد تقارير الأنشطة المشبوهة التي كانت لديها عندما كان حجم تنبيهاتها أعلى بكثير.

Oracle Financial Services Compliance Agent هي خدمة سحابية تعمل بالذكاء الاصطناعي تتيح للبنوك اختبار أنظمة مراقبة المعاملات الخاصة بها ومحاكاة الجهات الفاعلة السيئة لاختبار برامج مكافحة غسل الأموال لديها، مما يساعد على تقليل التكاليف والمخاطر التنظيمية. كما تعمل Oracle على تطوير مكون ذكاء اصطناعي توليدي لبرنامج مكافحة الجرائم المالية الخاص بها للمساعدة في كتابة سرد الحالات للتقارير.

الأسئلة الشائعة حول مكافحة غسل الأموال والذكاء الاصطناعي
هل سيتم أتمتة مكافحة غسل الأموال؟
تعمل البنوك بشكل متزايد على أتمتة عمليات مكافحة غسل الأموال باستخدام أدوات الذكاء الاصطناعي التي يمكنها جمع البيانات ومعالجتها من مختلف الإدارات. تكمل هذه الأدوات وتدعم المحللين وغيرهم من العاملين المسؤولين عن وظيفة مكافحة غسل الأموال.

ما هو الذكاء الاصطناعي التوليدي في مكافحة غسل الأموال؟
تستخدم البنوك الذكاء الاصطناعي التوليدي للبحث عن المصطلحات ذات الصلة التي لا يتم ترميزها في محركات القواعد في برامج مكافحة غسل الأموال التقليدية، لتحديد العلاقات التي يصعب اكتشافها بين المعاملات، وإنشاء سرديات للأنشطة المشبوهة وغيرها من التقارير.

ما المقصود بالأتمتة الذكية في مكافحة غسل الأموال؟
تُستخدم الأتمتة الذكية لتقليل العمل اليدوي المطلوب لمراجعة المعاملات التي يصنفها نظام مكافحة غسل الأموال بشكل غير صحيح على أنها احتيالية. ويتم ذلك من خلال تطبيق أنماط جديدة تعلمها نموذج الذكاء الاصطناعي لتصنيف المعاملات المستقبلية. ويمكن أن يساعد هذا في خفض تكاليف البنوك وتحسين الدقة.