Conosci il tuo mondo – Chiudere il cerchio della due diligence (Frank Cummings)

Le istituzioni finanziarie di tutto il mondo hanno potenziato le procedure di Due Diligence/Know Your Customer fino al punto di puro art. In alcuni casi, le istituzioni raccolgono oltre 600 singoli campi di informazioni e alcune utilizzano fino a 14 interfacce dati per supportare
un mix di sistemi interni e fornitori di dati esterni. Stiamo arrivando al punto in cui sappiamo di più sui nostri clienti, sulle loro parti correlate e sui loro proprietari di quanto sappiamo di noi stessi. Ma come dice il proverbio, "Nessuna buona azione rimane impunita" e CDD/KYC
non finisce con la raccolta dei dati sui soli clienti.

Tutto quel lavoro di due diligence - la raccolta delle domande, le interfacce dati e i servizi di ping, l'analisi delle relazioni estese, la segnalazione e il follow-up - probabilmente devono essere ripetuti per mitigare il rischio in modo più completo e realistico. penso a
questo approccio più ampio come "Know Your World" o KYW.

In KYW, hai diverse categorie principali che necessitano di Due Diligence:

1. Clienti
2. Tutte le parti correlate dei clienti
3. Vendors
4. I dipendenti
5. I gestori
6. Applicazioni AI/ML
7. Tutte le relazioni note tra categorie diverse dalla categoria 2 alla categoria 1

Tutta la due diligence che fai con tutte le categorie ha un unico scopo: identificare e mitigare il rischio di reati finanziari.

Parliamo un po' delle categorie aggiuntive in un approccio KYW:

Fornitori: non c'è differenza nel livello di due diligence che faresti su un fornitore rispetto a quello che fai per un cliente. Comprendere e mitigare la miriade di rischi posti dai fornitori.

Dipendenti e dirigenti: questo è quello con cui la maggior parte delle persone negli istituti finanziari ha un problema: “Perché dovremmo volerlo fare? Questi sono dipendenti e dirigenti dell'istituto". La due diligence che fai su dipendenti e manager è diversa, ma
è solo la due diligence per stabilire quale sia il comportamento atteso dei dipendenti o dei dirigenti. In seguito, in modo simile a come monitori i dati dei tuoi clienti quando cerchi comportamenti imprevisti, avresti fatto lo stesso con dipendenti e manager. Stai monitorando
i dati, non il cliente o il dipendente. Solo quando viene attivato un flag di comportamento preoccupante, le persone giuste lo sapranno per dare seguito.

Applicazioni AI: questa è la categoria che all'inizio induce le persone a fare un doppio tentativo, fino a quando non si fermano a pensarci. In un settore che segue il modello "Mostrami" letteralmente in ogni processo e procedura che facciamo, l'IA sembra essere un'eccezione, un problema
eccezione.

 Iniziamo con l'inquadrare ciò di cui stiamo parlando quando diciamo Applicazioni AI. I sistemi di intelligenza artificiale che vedi regolarmente nelle fiction televisive sono solo veicoli immaginari per l'intrattenimento; la vera macchina pensante è ancora lontana. 

Ciò che spesso chiamiamo IA tende veramente ad essere ML o machine learning. E anche se non è autonomamente intelligente, può imparare. È qui che sta il problema in un'industria dello spettacolo. 

Ci sono tre metodi che un algoritmo informatico può imparare da ora: apprendimento supervisionato, rinforzo e non supervisionato. Il metodo supervisionato sembra essere il più trasparente perché vengono visualizzati i dati utilizzati per addestrare il sistema. Questo metodo è limitato
nelle regole che puoi applicare e devi creare tutte le condizioni nei dati che gli fornisci. 

Una seconda opzione è il metodo di rinforzo, che richiede la convalida umana mentre apprende. 

Poi arriviamo al selvaggio, selvaggio west: l'apprendimento senza supervisione. L'apprendimento senza supervisione è proprio come sembra. Senza supervisione, fornisci i dati all'algoritmo e lascia che il sistema capisca dalle regole che fornisci riguardo al significato dei dati. Ecco perché
dovresti eseguire l'onboarding, valutare il rischio e monitorare le tue applicazioni ML/AI. Dato l'imperativo show-me del settore, potresti pensare di sapere cosa stanno facendo le tue applicazioni ML/AI, ma non puoi dimostrarlo molto facilmente. 

Relazioni sconosciute: le relazioni non ovvie o sconosciute tra le tue diverse categorie non possono significare nulla o possono essere il momento Ah-Ha per legittimare o delegittimare il comportamento di qualcuno.

In conclusione, un approccio Know Your World prende uno sguardo più ampio e più approfondito alle fonti di grave rischio nel tuo istituto. E poiché si tratta di un monitoraggio del comportamento tramite dati, possiamo monitorare il rischio senza essere eccessivamente invasivi o ingiusti nei confronti degli individui.
Quando eseguiamo il monitoraggio comportamentale, non guardiamo mai l'argomento. Piuttosto, cerchiamo il comportamento o comportamenti diversi evidenti nei dati. E quando li troviamo, allora e solo allora il comportamento è legato a un'entità di qualche tipo: un cliente, un fornitore o un AI/ML
Applicazione.