银行转向人工智能以规避监管关注 - 《华尔街日报》

专家表示，随着机器学习技术日益协助标记可疑交易，金融犯罪执法网络(FinCEN)等监管机构可能会提高他们的预期。图片来源：EPA/Shutterstock机器正在介入金融犯罪领域——至少机器学习技术是如此——人工智能应用的爆发式增长正在改变执法部门对金融机构和企业的期望标准。

专家指出，随着金融犯罪侦测AI技术的声名鹊起，金融机构及其他受监管实体将面临部署更先进技术的内外双重压力。

美国财政部金融犯罪执法网络前高级执法官员、现Guidehouse咨询公司合伙人阿尔玛·安戈蒂表示：“谁都不愿落后，因为这会让你成为焦点。这终将成为监管层的硬性要求。”

安戈蒂称，拜登政府更为严格的合规要求，正推动落后企业奋力追赶。

新型AI解决方案旨在改革金融机构等实体长期沿用的低效合规模式。传统合规部门通常采用费时费力的人工方式，试图在如山的合法交易与合规客户数据中大海捞针般筛查犯罪线索。

支持者表示，人工智能能以更少人力更高效地完成工作，并能持续监控客户与交易是否存在洗钱及制裁违规行为。

Napier科技有限公司首席运营官格雷格·沃森图片来源：Napier科技有限公司Napier科技有限公司首席运营官格雷格·沃森表示：“大型金融机构每年在合规审查上投入高达数百亿美元，这些工作完全可以实现自动化。“该公司提供人工智能驱动的合规平台，客户包括瑞士信贷集团和汇丰控股有限公司。

沃森称，在某个假设的金融机构中，人工智能可将需要进一步调查的案例从10万例减少到数百例，从而帮助客户更高效配置调查资源。

“这个市场非常庞大且持续增长，“沃森说。他透露，总部位于伦敦的Napier在疫情期间新增约120名员工，以开拓庞大的美国市场。

英国剑桥金融犯罪软件公司Featurespace创始人戴维·埃克塞尔表示，该公司采用自适应机器学习技术，目前已发展为服务全球客户的平台，客户包括NatWest集团和汇丰等大型银行。

埃克塞尔指出，监管机构已开始期待银行运用机器学习技术，相比基于传统技术的系统，机器学习在标记可疑交易时能实现更复杂精细的分析。

Quantifind公司首席执行官阿里·图赫曼表示，使用传统方法产生的误报率"高得离谱”，而更智能的软件有助于解决这一问题。

这家总部位于加州帕洛阿尔托、提供人工智能风险筛查自动化服务的企业，能够读取所谓的非结构化数据（即从公开渠道获取的数据），而不仅限于银行自有记录。

图赫曼还指出机构面临的另一难题——疫情引发的持续劳动力短缺，这使得银行即使有意向也无法继续采用传统人力密集型工作方式。

“现在根本不可能招到足够人手来填补这些岗位，“他说。

图赫曼表示，尽管监管机构尚未明确要求，但客户已开始要求其系统具备持续运行背景调查的功能，甚至对现有客户也要进行"了解你的客户"核查。

“他们认为金融犯罪执法网络要求永久性KYC的态势已很明确，“图赫曼说。

布拉德维尔律师事务所合伙人塞斯·杜沙姆图片来源：布拉德维尔律师事务所曾任美国司法部高级官员、现为布拉德维尔律师事务所合伙人的塞斯·杜沙姆指出，随着自动化和AI技术日益成为标配，即便最终出现合规疏漏，执法机构通常也愿意对付出努力的企业网开一面。

但他表示，具体产品的实际运作细节才是决定执法反应的关键因素。

“如果[它]是一款廉价现成、从不更新、极少测试且在业内名不见经传的产品，那它反而会拖你后腿，”杜沙姆先生表示，“和其他所有事物一样，这类产品必须经过压力测试、反复评估。”

杜沙姆指出，鉴于本届政府加强了执法力度，对合规性的更高要求已延伸至各行业的中型企业。这些企业为应对不断变化的制裁、贿赂和尽职调查问题，开始采用金融机构级别的智能工具。

“这正在考验企业是否有能力自信地‘识别问题’并打破各部门间的信息孤岛，”他说，“很自然地，他们会问‘天啊，难道我们不能用软件来帮忙解决吗？’”

联系作者理查德·范德福德，邮箱：[email protected]