Bekæmpelse af økonomisk kriminalitet i 2022 (Steve Morgan)

Et stort emne for dette SIBOS (og de fleste tidligere også) er, hvordan man kan udrydde økonomisk kriminalitet uden at forstyrre eller forringe serviceoplevelser af høj kvalitet for
langt størstedelen af ​​ærlige (og meget vigtige og værdifulde) kunder.

Som det ser ud, skyder den økonomiske kriminalitet i vejret med banker, der står over for flere og flere udfordringer med at håndtere risici effektivt. Selvom dette ikke ligefrem er en ny trend for finansielle tjenesteydelser, har den hastighed, hvormed svindlere ændrer deres taktik, presset organisationer
at genoverveje deres sikkerhedsprocedurer og reaktion på svigagtige aktiviteter. 

Så hvordan kan bankerne komme videre?

Specialister i økonomisk kriminalitet er vant til at anvende regelmotorer til at opdage sager, og i stigende grad kunstig intelligens (AI) og maskinlæring forbedrer opdagelsen og styringen yderligere. Anvendelse af kunstig intelligens og maskinlæring til advarsel om økonomisk kriminalitet
ledelse har ført til betydelige resultater, herunder reduktioner i falske positiver, forbedret risikodetektion og øget automatisering i stor skala.

En operationel udfordring er, hvordan svig og økonomisk kriminalitet fungerer, nogle gange fungerer uafhængigt inden for finansielle virksomheder. Denne model kan have været passende for år siden, da ordninger for bedrageri og økonomisk kriminalitet var forskellige og forvaltes i overensstemmelse hermed,
men aktuelle faktorer som kanaler, betalingsskinner og decentralisering har sløret grænsen mellem bedrageri og økonomisk kriminalitet. 

I de sidste par år har finansielle institutioner investeret kraftigt i forbedrede detektionsovervågningssystemer, der drager fordel af funktionerne fra FinTech's, der specialiserer sig i AI og maskinlæring. Denne tendens er et godt eksempel på finansielle institutioner
inkorporerer en best-of-breed-tilgang, der kombinerer investeringer i ældre systemer med nyere, AI-baserede teknologier. 

Det store spørgsmål at stille er, hvordan kan banker effektivt spotte og stoppe hvidvaskordninger uden at ødelægge kundeserviceoplevelsen for kunderne? Nøglen er at forblive smidig. Det er godt at have de rigtige teknologier på plads, men hvad er det
lige så vigtigt er det at kunne triage en hændelse præcist og effektivt. Selvom ingen ønsker at blive udsat for svindel, hverken kunde eller bank, er det vigtigt, at kundeoplevelsen ikke lider på bekostning af det. 

Så i sidste ende, hvad du kan gøre, er at rute, hvad du kan, til den rigtige person, holde kunden opdateret og minimere dine tab på kundesiden såvel som på banksiden. Kampen om effektivitet og effektivitet øges endnu mere, hvis man tænker på
virkningerne af uensartede detektionssystemer med forskellige niveauer af automatisering inden for deres sagshåndteringsarbejdsgange. Dette giver ikke en harmoniseret brugeroplevelse for bankmedarbejdere, der er ansvarlige for disse resultater. 

Da finansielle institutioner fortsat søger at reducere driftsomkostningerne, kan eksponering for risiko ikke ofres i processen. Uanset om efterforskningsenheder opererer på onshore, onshore/offshore eller en anden hybridmodelbasis, er målet effektivt at
sende en advarsel og/eller en sag til den analytiker og/eller efterforsker, der er bedst egnet til dens kompleksitet, risiko eller andre faktorer. Dette gør det muligt for virksomhederne at styre risici korrekt, mens de kontrollerer driftsomkostningerne.