كيف يمكن لـ KYC المدعوم بالذكاء الاصطناعي تقليل المخاطر غير المتناظرة للبنوك؟

جون فلورز يشغل منصب رئيس الأسواق المالية العالمي في eClerx. مع أكثر من 30 عامًا من الخبرة في قطاع خدمات التكنولوجيا المالية، شغل مناصب تنفيذية متنوعة على جانبي تكنولوجيا الأعمال والتواصل مع العملاء.

اكتشف أهم أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

يقرأها التنفيذيون في JP Morgan و Coinbase و Blackrock و Klarna وغيرهم

يشكل المخاطر غير المتوازنة تهديدًا مستمرًا للبنوك والشركات المالية والتكنولوجية وغيرها من الشركات ذات التنظيم الصارم. يمكن أن تؤدي مراجعة العناية الواجبة غير المكتملة لعميل واحد والتي تتجاهل تورطه في غسيل الأموال أو جرائم أخرى إلى غرامات بملايين الدولارات، وتضر بالسمعة، وتدفع إلى اتخاذ إجراءات تنظيمية على أعلى المستويات القيادية. لأنه حتى الأخطاء الصغيرة يمكن أن تترتب عليها عواقب كبيرة، فإن القضاء على الثغرات الصغيرة في عمليات التعرف على العميل (KYC) ضروري لحماية المؤسسات وأصحاب المصلحة فيها.

تقليديًا، يتطلب الامتثال الفعال لـ KYC ومكافحة غسيل الأموال (AML) تقييمًا شاملاً لمخاطر العميل أثناء عملية الانضمام، يتبعه مراقبة مجدولة للتغيرات في ملف المخاطر أو السلوك، غالبًا من خلال عمليات يدوية جدًا عرضة للتأخير. الآن، تتيح الذكاء الاصطناعي والأتمتة تعزيز عمليات KYC وتحسين الرقابة على AML باستخدام البيانات في الوقت الحقيقي وتمكين نهج أكثر استباقية لمنع الجرائم المالية.

ما هي أدوار الذكاء الاصطناعي في تقليل مخاطر KYC/AML؟

تحدث أخطاء تشغيلية وغرامات على الرغم من استثمار البنوك الكبير في عمليات وحلول AML/KYC. قدرت شركة Juniper Research إنفاق العالم على KYC في عام 2024 بلغ 30.8 مليار دولار العام الماضي. ومع ذلك، لا تزال العديد من المؤسسات تعتمد على المعالجة اليدوية وتحديث بيانات العملاء، مما يبطئ عملية الانضمام ويؤخر التحديثات التي يمكن أن تكشف عن تغييرات في ملف المخاطر.

يمكن لأتمتة بعض هذه العمليات باستخدام أتمتة العمليات الروبوتية القائمة على القواعد (RPA) أن تسرع الأمور، لكنها قد تؤدي إلى معدلات عالية من الإيجابيات الكاذبة التي تتطلب مزيدًا من الوقت للمراجعات اليدوية. في الوقت نفسه، يستخدم المجرمون تقنيات متقدمة لتجنب الكشف بواسطة عمليات KYC و AML. باستخدام الذكاء الاصطناعي وبيانات الهوية المزورة أو المسروقة، يمكنهم إنشاء وثائق وسجلات تبدو حقيقية بما يكفي لخداع المحللين والأنظمة الآلية الأساسية.

إضافة الأتمتة المدعومة بالذكاء الاصطناعي وGenAI إلى RPA يمكن أن يساعد البنوك في مواجهة هذه التحديات بطرق متعددة.

1. تجربة انضمام العملاء

كجزء من عملية KYC، توفر الشركات للعملاء الجدد قائمة بالمستندات والبيانات التي لا يمكنهم التحقق منها بشكل مستقل. عندما لا يتم التواصل بفعالية حول هذه المتطلبات، قد يسبب ذلك ارتباكًا للعملاء وتأخير الموافقات. هذا صحيح بشكل خاص عندما لا تتوافق المعلومات المطلوبة بوضوح مع المتطلبات التنظيمية الخاصة بالسلطة القضائية المعنية، مما يخلق عبئًا إضافيًا على المحللين الذين يتعين عليهم حل التباينات.

باستخدام نموذج معالجة اللغة الطبيعية المدعوم بالذكاء الاصطناعي في عملية الانضمام، يمكن للبنوك التواصل بشكل فعال وطلب المعلومات المناسبة استنادًا إلى اللوائح الخاصة بالسلطات القضائية المعنية. النتيجة هي عملية انضمام أسرع وأقل عرضة للأخطاء الناتجة عن اختيار خانة خاطئة أو تقديم مستندات لا تتوافق مع المتطلبات المحلية والداخلية. يمكن لهذا أن يمنع وجود فجوات وأخطاء في البيانات قبل دخولها النظام.

2. كشف الاحتيال في الهوية

نماذج الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي والكشف عن الهوية الاصطناعية يمكنها تحديد العملاء الذين تبدو مستنداتهم أو سجلاتهم المالية مزورة أو مسروقة، حتى لو بدت شرعية للمحللين البشريين. تقوم هذه الأدوات بدمج البيانات من مصادر متعددة مع مرور الوقت، وتتمكن من رؤية الروابط بين البيانات التي قد يغفل عنها البشر، ولا يمكن لمحركات القواعد التقليدية فك رموزها. تربط بسرعة هوية العميل بالنشاطات الواقعية وتثير علامات تحذيرية عند ظهور تناقضات ليتم التحقيق فيها.

3. المراقبة في الوقت الحقيقي لـ KYC و AML

الحفاظ على بيانات العملاء بعد الانضمام هو عملية لا تنتهي. مراقبة أنشطة العميل مع المؤسسة، والبحث عن أخبار سلبية عنه، وفهم أي تغييرات في شبكات أعماله، أمر حاسم لتجنب فقدان علامات على تغير في ملف مخاطر العميل. يمكن لنماذج GenAI تنظيم هذا النوع من المراقبة في الوقت الحقيقي من خلال استيعاب البيانات من منصات ومصادر متعددة، وتحديد مستوى مخاطر أساسي لكل عميل، وإرسال تنبيهات عند ظهور بيانات جديدة تشير إلى تغير في ملف المخاطر.

4. الامتثال والتقارير

توفر حلول الانضمام والمراقبة الشاملة أيضًا رؤى بياناتية ضرورية لتقييم الامتثال لمكافحة غسيل الأموال، وتحديد مجالات للتحسين، وإعداد تقارير لأصحاب المصلحة الداخليين والمنظمين. لا تقتصر حلول تقارير GenAI على استيعاب كميات هائلة من البيانات والإجابة على الأسئلة، بل يمكن تدريبها أيضًا على عرض المعلومات المعالجة باستخدام رسوم بيانية وخرائط سهلة الفهم، على لوحات المعلومات، وفي التقارير. تتيح هذه الرؤية لقيادة البنك التعرف على المشكلات الناشئة وإيقافها قبل أن تتفاقم.

5. التكيف مع التغييرات التكنولوجية والتنظيمية

تتعلم أنظمة GenAI والأتمتة المدعومة بالذكاء الاصطناعي من مدخلاتها. هذا يعني أنه يمكن تدريبها على التكيف عندما تربط البنوك مصادر بيانات ومنصات تكنولوجية جديدة، دون الحاجة إلى إعادة بناء كاملة أو عملية تكامل طويلة. يتيح ذلك للمؤسسات الاستفادة بشكل أكبر من استثماراتها في الذكاء الاصطناعي مع مرور الوقت.

كما يسهل قدرات التعلم في الذكاء الاصطناعي على البنوك تحديث متطلباتها عند تغير اللوائح. عادةً ما يستغرق تدريب واختبار نماذج KYC المدعومة بالذكاء الاصطناعي على إرشادات جديدة وقتًا أقل من التحديث اليدوي للأنظمة غير الذكية. وهو أسرع أيضًا من تدريب المحللين على إرشادات جديدة. يمكن للذكاء الاصطناعي أن يساعد أيضًا في هذا التدريب، من خلال الإجابة على الأسئلة البسيطة أو تلخيص التغييرات بصيغ سهلة القراءة. يمكن للمحللين الحصول بسرعة على المعلومات الحالية التي يحتاجونها لاتباع وتنفيذ السياسات الجديدة باستمرار.

تقليل المخاطر غير المتوازنة لـ KYC/AML باستخدام الذكاء الاصطناعي

تمثل أدوات KYC و AML المدعومة بالذكاء الاصطناعي مستقبل إدارة المخاطر المالية. فهي يمكن أن تقلل بشكل حاد من تعرض البنوك للمخاطر غير المتوازنة اليوم، وتتكيف مع البيئات التكنولوجية والتنظيمية المتطورة لحماية المؤسسات من التهديدات المستقبلية. مع تزايد تدقيق المنظمين في دور المؤسسات المالية في الجرائم الدولية، وتطور المجرمين لمهاراتهم في التهرب من أنظمة KYC و AML التقليدية، فإن دمج الذكاء الاصطناعي في سير عمل KYC و AML هو الطريقة الأكثر فاعلية لتعزيز الحماية الآن وفي المستقبل.