전 세계적으로 금융 기관은 고객 실사/고객 알기 절차를 순수 예술 수준으로 향상했습니다. 경우에 따라 기관은 600개 이상의 개별 정보 필드를 수집하고 일부는 지원을 위해 14개 이상의 데이터 인터페이스를 사용합니다.
내부 시스템과 외부 데이터 제공자의 혼합. 우리가 우리 자신에 대해 아는 것보다 고객, 관련 당사자 및 소유자에 대해 더 많이 알고 있는 지경에 이르렀습니다. 그러나 "어떤 선행도 처벌받지 않는다"라는 말이 있듯이 CDD/KYC는
고객에 대한 데이터 수집으로 끝나지 않습니다.
모든 실사 작업(질문 수집, 데이터 인터페이스 및 핑 서비스, 확장된 관계 분석, 플래그 지정 및 후속 조치)을 반복하여 위험을 보다 완전하고 더 현실적으로 완화해야 합니다. 내 생각 엔
"Know Your World" 또는 KYW와 같은 보다 광범위한 접근 방식입니다.
KYW에는 실사가 필요한 몇 가지 주요 범주가 있습니다.
- 고객
- 고객의 모든 관련 당사자
- 공급 업체
- 교직원
- 관리자
- AI/ML 애플리케이션
- 범주 2와 범주 1을 제외한 범주 간의 알려진 모든 관계
모든 범주에 대해 수행하는 모든 실사는 금융 범죄의 위험을 식별하고 완화하는 한 가지 목적을 위한 것입니다.
KYW 접근 방식의 추가 범주에 대해 조금 이야기해 보겠습니다.
공급업체: 고객에 대해 수행하는 것과 공급업체에 대해 수행하는 실사 수준에는 차이가 없습니다. 공급업체가 제기하는 수많은 위험을 이해하고 완화합니다.
직원 및 관리자: 금융 기관에서 가장 많은 사람들이 고민하는 문제는 다음과 같습니다. 이들은 기관의 직원이자 관리자입니다.” 직원과 관리자에 대한 실사는 다르지만
직원이나 관리자의 예상 행동이 무엇인지 확인하는 것은 실사일 뿐입니다. 나중에 예상치 못한 행동을 찾을 때 고객 데이터를 모니터링하는 방법과 유사하게 직원 및 관리자에게도 동일한 작업을 수행합니다. 모니터링 중입니다
데이터 - 고객이나 직원이 아닙니다. 관련 행동 플래그가 트리거된 경우에만 올바른 사람들이 후속 조치를 위해 이에 대해 알 수 있습니다.
AI 응용 프로그램: 처음에는 사람들이 멈추고 그것에 대해 생각할 때까지 이중 판단을 하게 만드는 범주입니다. 말 그대로 우리가 수행하는 모든 프로세스와 절차에서 "Show me" 모델을 따르는 산업에서 AI는 예외인 것 같습니다.
예외.
AI 애플리케이션이라고 할 때 우리가 말하는 내용을 구성하는 것으로 시작하겠습니다. TV 드라마에서 자주 볼 수 있는 인공 지능 시스템은 오락을 위한 가상의 수단일 뿐입니다. 진정한 사고 기계는 아직 멀었다.
우리가 흔히 AI라고 부르는 것은 실제로 ML 또는 머신 러닝에 가깝습니다. 독립적으로 지능적이지는 않지만 학습할 수 있습니다. 쇼미 산업의 문제는 바로 여기에 있다.
지금부터 컴퓨터 알고리즘이 학습할 수 있는 세 가지 방법이 있습니다: 지도 학습, 강화 및 비지도. 시스템을 훈련하는 데 사용된 데이터를 볼 수 있기 때문에 감독 방식이 가장 투명해 보입니다. 이 방법은 제한적
적용할 수 있는 규칙에서 제공하는 데이터에서 모든 조건을 생성해야 합니다.
두 번째 옵션은 학습할 때 사람의 검증이 필요한 강화 방법입니다.
그런 다음 우리는 거칠고 황량한 서부로 갑니다. 감독되지 않은 학습입니다. 비지도 학습은 들리는 것과 같습니다. 감독되지 않은 상태에서는 알고리즘에 데이터를 제공하고 데이터가 의미하는 바에 관해 제공한 규칙에 따라 시스템이 파악하도록 합니다. 이는 이유
ML/AI 애플리케이션을 온보딩하고, 위험을 평가하고, 모니터링해야 합니다. 업계의 쇼미(show-me) 의무를 감안할 때 ML/AI 애플리케이션이 무엇을 하는지 안다고 생각할 수 있지만 이를 쉽게 증명할 수는 없습니다.
알 수 없는 관계: 다른 범주 간의 명확하지 않거나 알 수 없는 관계는 아무 의미가 없거나 누군가의 행동을 합법화하거나 합법화하는 아하 순간이 될 수 있습니다.
결론적으로, Know Your World 접근 방식은 기관에서 심각한 위험의 원인을 보다 광범위하고 심층적으로 살펴봅니다. 그리고 데이터를 통한 행동 모니터링이기 때문에 개인에게 과도하게 침습적이거나 불공평하지 않고 위험을 모니터링할 수 있습니다.
우리가 행동 모니터링을 할 때, 우리는 결코 그 주제를 보지 않습니다. 오히려 데이터에서 명백한 행동이나 다른 행동을 찾습니다. 그리고 우리가 그것들을 찾았을 때 비로소 행동은 고객, 공급업체 또는 AI/ML과 같은 어떤 종류의 엔터티와 연결됩니다.
신청.
