https://forms.gle/bmeurFX91jaGPgWM8
https://forms.gle/bmeurFX91jaGPgWM8

新聞

疫情加速銀行採用 AI 技術防制洗錢

2021 / 10 / 22
編輯部
疫情加速銀行採用 AI 技術防制洗錢
COVID-19促使遠距、無接觸金融服務持續增加,加以加密貨幣、虛擬資產等年輕世代投資新寵趨使各國政府,包含台灣金管會紛紛出手管制納入洗錢防制。整體金融環境劇變與政策規範趨嚴,使金融機構原本已繁重的合規工作更加吃力。全球分析商SAS、專業諮詢機構KPMG(安侯建業),及ACAMS(公認反洗錢師協會)最新發布的反洗錢技術研究顯示,光是美國銀行業每年在反洗錢合規的成本已高達250億美元,然儘管2020年非常艱難,AI(人工智慧) 和 ML(機器學習)在反洗錢合規的採用趨勢仍不斷成長,超過半數以上 (57%) 受訪者已經在反洗錢合規程序中部署 AI/ML,或預計在接下來的 12 到 18 個月內實行這項技術。 

SAS 台灣總經理陳愷新觀察指出,洗錢防制為高度勞力密集的產業,在顧及人力成本及客戶體驗雙重考量下,如何遵循法規,降低被鉅額裁罰的風險,成台灣金融機構連年被檢視的課題。針對報告所指技術,陳愷新進一步解析: 「傳統的技術已無法因應疫情帶來的劇變,而AI和ML因可智慧地擷取市場模式和行為的變化,被組織輕鬆整合到現有系統中,無需顛覆或捨棄底層基礎架構;不僅可減少調查時間、降低誤報和因此產生的營運成本,更能察覺偵測潛在的複雜風險,因此隨著金融犯罪日趨複雜,需求也同步強勁提升。」

疫情助長詐欺犯罪   AI即時偵測阻斷交易

這份《在逆境中加速發展:運用AI 和機器學習技術於反洗錢合規機制的現況分析》(Acceleration Through Adversity: The State of AI and Machine Learning Adoption in Anti-Money Laundering Compliance )研究報告中,ACAMS 調查了旗下每個會員所屬組織運用相關技術偵測洗錢活動的成本,估計每年佔全球 GDP 2% 到 5%,每年花費高達 8,000 億美元到 2 兆美元。
 
調查顯示為有效因應 COVID-19 帶來的影響,目前有三分之一的金融機構正加速將 AI 與機器學習 (ML) 應用到反洗錢 (AML) 技術上。同時,另外 39% 的合規專業機構表示,即使受到疫情的干擾,也會持續推動內部採用AI/ML來防制洗錢 。
 
ACAMS 首席分析師暨編輯部門總監 Kieran Beer 表示:「全球越來越多的監管機關將依據金融機構呈報給執法單位的智慧技術成效來衡量其合規工作,近年來,包括美國、英國、新加坡等監管機構大力鼓勵反洗錢合規方面的技術創新。因此有 66% 的受訪者認為監管機關是希望金融機構等能適時利用 AI 和機器學習技術。儘管有許多致力打擊金融犯罪的監管機關和金融機構才剛接觸這些先進的分析技術,但不難看出所有人都期盼這類工具能帶來真正有益處的金融智能,協助他們讓不法分子落網。」
 
在這波趨勢下,率先採納相關技術的不只是大型金融機構。除了 28% 的大型金融機構 (即資產超過 10 億美元者) 認為自己是最快採用 AI 技術的創新者,亦有 16% 的小型金融機構 (即資產價值低於 10 億美元者) 將自己視為率先採用 AI 技術的業者。
 
美國 KPMG 金融犯罪與美國鑑識技術服務部首席解決方案主管 Tom Keegan 表示:「有很高比例的小型金融組織認為自己是業界領導者,打破了小型金融組織無法實施先進技術解決方案的迷思。目前所有規模的組織都必須接受相同程度的監管審查,整體趨勢讓採用AI技術數據攀升。」
 
此外,無論機構規模大小,銀行業務皆受到 COVID-19 干擾而備感壓力,期間還要設法提高準確度和生產力,也促成業界加快採用進階分析技術處理反洗錢。根據受訪者調查,促使他們採用 AI 和 ML 的兩個主要因素是:
  • 改善調查和法規申報文件的品質 (40%)。
  • 降低誤報率並減少相關的營運成本 (38%)。 
SAS 金融犯罪與法規遵循部門主管 David Stewart 表示:「疫情導致消費者行為徹底改變,許多金融機構也意識到,靜態規則導向監控策略的準確度和因應能力之不足。動態技術的AI 和 ML,能夠根據市場變化和風險進行調整,且在最低干擾下迅速與現有的合規計畫整合。早期採用者不只在效率方面有顯著成長,也能協助所屬機構輕鬆遵循更加嚴格的法規要求。」