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

يعمل جون فلورز كمدير عالمي لأسواق المال 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 التقنية المالية وغيرها من الشركات التي تخضع لتنظيم صارم. 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 من القيادة. لأنه حتى الأخطاء الصغيرة يمكن أن تنتج عنها عواقب غير متناسبة، فإن القضاء على الثغرات الصغيرة في عمليات معرفة عميلك (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 بشكل استثنائي 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 المزيفة، يمكنهم إنشاء مستندات وسجلات تبدو حقيقية بما يكفي لخداع المحللين والأنظمة الآلية الأساسية.

إضافة إلى ذلك، يمكن لأتمتة مدعومة بالذكاء الاصطناعي وGenAI أن تساعد البنوك على 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 إرباكًا للعملاء وتأخير الموافقات. ويكون الأمر أكثر سوءًا عندما لا تتوافق المعلومات المطلوبة بوضوح مع المتطلبات التنظيمية الخاصة بالسلطة القضائية أو أكثر، مما يخلق عبئًا إضافيًا على المحللين الذين يتعين عليهم بعد ذلك حل التباينات.

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

2. اكتشاف الاحتيال في الهوية

نماذج الرؤية الحاسوبية المدعومة بالذكاء الاصطناعي والكشف عن الهوية الاصطناعية يمكن أن تشير إلى العملاء الذين تبدو مستنداتهم أو تاريخهم المالي مزيفًا أو مسروقًا، حتى لو بدت شرعية للمحللين البشريين. تقوم هذه الأدوات بدمج البيانات من مصادر متعددة مع مرور الوقت، ويمكنها رؤية الروابط بين البيانات التي قد يغفل عنها البشر، ولا يمكن لمحركات القواعد التقليدية فك رموزها. بسرعة، تربط هوية العميل بالنشاط الواقعي وتثير علامات تنبيه عند ظهور تباينات، بحيث يمكن للمحللين التحقيق.

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 البيانات التي تحتاجها البنوك لتقييم الامتثال لمكافحة غسيل الأموال، وتحديد مجالات للتحسين، وإعداد التقارير للأطراف الداخلية والجهات التنظيمية. 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 بصرية، 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 تحديث المنصات غير الذكية يدويًا. 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 للامتثال بشكل مستمر للسياسات الجديدة وتطبيقها.

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 الجهات التنظيمية على دور المؤسسات المالية في الجرائم الدولية، وتطور قدرات المجرمين على التهرب من ضوابط KYC و AML التقليدية، فإن دمج الذكاء الاصطناعي في سير عمل KYC و AML هو الطريقة الأكثر فاعلية لتعزيز الحماية الآن وفي المستقبل.