Combattre la criminalité financière en 2022 (Steve Morgan)

Un gros sujet pour ça Sibos (et la plupart des précédents aussi) est de savoir comment éradiquer la criminalité financière sans perturber ou dégrader les expériences de service de haute qualité pour le
grande majorité de clients honnêtes (et très importants et précieux).

À l'heure actuelle, la criminalité financière monte en flèche, les banques étant de plus en plus confrontées à des défis pour gérer efficacement les risques. Bien qu'il ne s'agisse pas exactement d'une nouvelle tendance pour les services financiers, la vitesse à laquelle les fraudeurs changent de tactique a poussé les organisations
à repenser leurs procédures de sécurité et leur réponse aux activités frauduleuses. 

Alors, comment les banques peuvent-elles aller de l'avant ?

Les spécialistes de la criminalité financière sont habitués à appliquer des moteurs de règles pour détecter les cas, et de plus en plus l'intelligence artificielle (IA) et l'apprentissage automatique améliorent encore la détection et la gestion. Application de l'IA et de l'apprentissage automatique à l'alerte aux crimes financiers
a conduit à des résultats significatifs, notamment une réduction des faux positifs, une meilleure détection des risques et une automatisation accrue à grande échelle.

L'un des défis opérationnels est le fonctionnement de la fraude et des crimes financiers, qui opèrent parfois indépendamment au sein des entreprises financières. Ce modèle était peut-être approprié il y a des années, lorsque les stratagèmes de fraude et de criminalité financière étaient dissemblables et gérés en conséquence,
mais des facteurs actuels tels que les canaux, les rails de paiement et la décentralisation ont brouillé la frontière entre la fraude et les crimes financiers. 

Au cours des dernières années, les institutions financières ont investi massivement dans des systèmes de surveillance de détection améliorés, tirant parti des capacités des FinTech spécialisées dans l'IA et l'apprentissage automatique. Cette tendance est un excellent exemple d'institutions financières
intégrant une approche de pointe qui associe les investissements dans les systèmes hérités aux nouvelles technologies basées sur l'IA. 

La grande question à se poser est de savoir comment les banques repèrent et arrêtent efficacement les stratagèmes de blanchiment d'argent sans gâcher l'expérience de service client pour les clients ? La clé est de rester agile. C'est bien beau d'avoir les bonnes technologies en place, mais qu'est-ce
il est tout aussi important de pouvoir trier un incident avec précision et efficacité. Bien que personne ne veuille être exposé à la fraude, qu'il s'agisse du client ou de la banque, il est important que l'expérience client n'en pâtisse pas. 

Donc, en fin de compte, ce que vous pouvez faire, c'est acheminer ce que vous pouvez à la bonne personne, tenir le client informé et minimiser vos pertes côté client ainsi que côté banque. La lutte pour l'efficacité et l'efficience augmente encore plus si l'on considère
les effets de systèmes de détection disparates avec différents niveaux d'automatisation dans leurs flux de travail de gestion de cas. Cela ne fournit pas une expérience utilisateur harmonisée pour les employés de la banque responsables de ces résultats. 

Alors que les institutions financières continuent de chercher à réduire les coûts opérationnels, l'exposition au risque ne peut être sacrifiée dans le processus. Que les unités d'enquête opèrent sur une base onshore, onshore/offshore ou tout autre modèle hybride, l'objectif est de
diriger une alerte et/ou un cas vers l'analyste et/ou l'enquêteur le mieux adapté à sa complexité, à son risque ou à d'autres facteurs. Cela permet aux entreprises de gérer correctement les risques tout en contrôlant les coûts d'exploitation.