Küzdelem a pénzügyi bűnözés ellen 2022-ben (Steve Morgan)

Nagy téma ehhez SIBOS (és a legtöbb korábbinál is) az, hogy hogyan lehet felszámolni a pénzügyi bûnözést anélkül, hogy megzavarná vagy rontaná a magas színvonalú szolgáltatási élményt.
a becsületes (és nagyon fontos és értékes) ügyfelek túlnyomó többsége.

A jelenlegi állás szerint a pénzügyi bűnözés az egekbe szökik, és a bankok egyre több kihívással néznek szembe a hatékony kockázatkezelés érdekében. Bár ez nem éppen új trend a pénzügyi szolgáltatások terén, a csalók taktikájának megváltoztatásának sebessége rányomta a szervezeteket.
hogy újragondolják biztonsági eljárásaikat és a csalárd tevékenységekre adott válaszaikat. 

Tehát hogyan juthatnak előre a bankok?

A pénzügyi bûnözéssel foglalkozó szakemberek hozzászoktak ahhoz, hogy szabálymotorokat alkalmazzanak az esetek felderítésére, és a mesterséges intelligencia (AI) és a gépi tanulás tovább javítja a felderítést és a kezelést. A mesterséges intelligencia és a gépi tanulás alkalmazása a pénzügyi bűncselekményekre vonatkozó figyelmeztetésben
A menedzsment jelentős eredményekhez vezetett, beleértve a hamis pozitív eredmények csökkenését, a kockázatok jobb észlelését és a nagyobb léptékű automatizálást.

Az egyik működési kihívás az, hogy a csalás és a pénzügyi bűncselekmények hogyan működnek, néha egymástól függetlenül működnek a pénzügyi cégeken belül. Ez a modell megfelelő lehetett évekkel ezelőtt, amikor a csalási és a pénzügyi bűnözési rendszerek eltérőek voltak, és ennek megfelelően kezelték őket,
de az olyan jelenlegi tényezők, mint a csatornák, a fizetési korlátok és a decentralizáció, elmosták a határt a csalás és a pénzügyi bűncselekmények között. 

Az elmúlt néhány évben a pénzintézetek jelentős összegeket fektettek be a továbbfejlesztett észlelési felügyeleti rendszerekbe, kihasználva az AI-ra és a gépi tanulásra szakosodott FinTech képességeit. Ez a tendencia a pénzintézetek kiváló példája
a fajta legjobb megközelítése, amely ötvözi a régebbi rendszerekbe történő befektetéseket újabb, AI-alapú technológiákkal. 

A nagy kérdés az, hogy a bankok hogyan észlelik és állítják meg hatékonyan a pénzmosási rendszereket anélkül, hogy az ügyfelek ügyfélszolgálati élményét megzavarnák? A kulcs az, hogy mozgékonyak maradjunk. Jó és jó, ha a megfelelő technológiák a helyükön vannak, de mi van
ugyanilyen fontos, hogy egy eseményt pontosan és hatékonyan lehessen kezelni. Bár senki sem akar csalásnak kitéve, sem az ügyfél, sem a bank, fontos, hogy az ügyfélélmény ne szenvedjen csorbát annak rovására. 

Tehát végső soron azt teheti, hogy amit csak tud, azt a megfelelő személyhez irányítja, naprakészen tartja az ügyfelet, és minimalizálja veszteségeit mind az ügyfél, mind a bank oldalán. Az eredményességért és a hatékonyságért folytatott küzdelem még jobban megnő, ha belegondolunk
az esetkezelési munkafolyamatokon belül eltérő automatizálási szintekkel rendelkező, eltérő észlelési rendszerek hatásai. Ez nem biztosít harmonizált felhasználói élményt az ezekért az eredményekért felelős banki alkalmazottak számára. 

Mivel a pénzintézetek továbbra is törekednek a működési költségek csökkentésére, a kockázatnak való kitettséget nem lehet feláldozni a folyamat során. Függetlenül attól, hogy a nyomozó egységek szárazföldi, szárazföldi/offshore vagy más hibrid modell alapon működnek, a cél az, hogy
a riasztást és/vagy az esetet ahhoz az elemzőhöz és/vagy vizsgálóhoz irányítsa, amelyik az összetettsége, kockázata vagy egyéb tényezők szempontjából a legalkalmasabb. Ez lehetővé teszi a cégek számára, hogy megfelelően kezeljék a kockázatokat, miközben a működési költségeket is kontrollálják.