Bestrijding van financiële criminaliteit in 2022 (Steve Morgan)

Een groot onderwerp hiervoor SIBOS (en ook de meeste eerdere) is hoe je financiële criminaliteit kunt uitroeien zonder de hoogwaardige dienstverlening voor de mensen te verstoren of te verlagen
overgrote meerderheid van eerlijke (en zeer belangrijke en waardevolle) klanten.

In de huidige situatie neemt de financiële misdaad explosief toe en worden banken geconfronteerd met steeds meer uitdagingen om risico's effectief te beheren. Hoewel dit niet bepaald een nieuwe trend is voor de financiële dienstverlening, heeft de snelheid waarmee fraudeurs hun tactiek veranderen, organisaties wel een duw in de rug gegeven
om hun veiligheidsprocedures en reactie op frauduleuze activiteiten te heroverwegen. 

Hoe kunnen banken dan vooruit komen?

Specialisten op het gebied van financiële misdaad zijn gewend om regels toe te passen om gevallen op te sporen, en in toenemende mate verbeteren kunstmatige intelligentie (AI) en machinaal leren de detectie en het beheer ervan. Toepassing van AI en machinaal leren op waarschuwingen over financiële misdaden
management heeft tot aanzienlijke resultaten geleid, waaronder een vermindering van het aantal valse positieven, verbeterde risicodetectie en toegenomen automatisering op grote schaal.

Een operationele uitdaging is de manier waarop fraude en financiële misdrijven functioneren en soms onafhankelijk opereren binnen financiële bedrijven. Dit model kan jaren geleden van toepassing zijn geweest, toen fraude en financiële misdaad nog niet op elkaar leken en dienovereenkomstig werden beheerd.
maar huidige factoren zoals kanalen, betalingsrails en decentralisatie hebben de grens tussen fraude en financiële misdaden doen vervagen. 

De afgelopen jaren hebben financiële instellingen zwaar geïnvesteerd in verbeterde systemen voor detectiemonitoring, waarbij ze gebruik hebben gemaakt van de mogelijkheden van FinTechs die gespecialiseerd zijn in AI en machinaal leren. Deze trend is een goed voorbeeld van financiële instellingen
met een best-of-breed-aanpak die investeringen in oudere systemen combineert met nieuwere, op AI gebaseerde technologieën. 

De grote vraag die we ons moeten stellen is: hoe kunnen banken witwaspraktijken effectief opsporen en stoppen zonder de klantenservice-ervaring voor klanten te verpesten? De sleutel is om wendbaar te blijven. Het is allemaal leuk en aardig om over de juiste technologieën te beschikken, maar wat is dat dan?
net zo belangrijk is het nauwkeurig en efficiënt kunnen beoordelen van een incident. Hoewel niemand, noch de klant, noch de bank, wil worden blootgesteld aan fraude, is het belangrijk dat de klantervaring er niet onder lijdt. 

Wat u dus uiteindelijk kunt doen, is wat u kunt naar de juiste persoon sturen, de klant op de hoogte houden en uw verliezen aan zowel de klantzijde als de bankzijde minimaliseren. De strijd om effectiviteit en efficiëntie wordt nog groter als je erover nadenkt
de effecten van ongelijksoortige detectiesystemen met verschillende automatiseringsniveaus binnen hun casemanagementworkflows. Dit biedt geen geharmoniseerde gebruikerservaring voor bankmedewerkers die verantwoordelijk zijn voor deze uitkomsten. 

Omdat financiële instellingen blijven proberen de operationele kosten te verlagen, kan de blootstelling aan risico's daarbij niet worden opgeofferd. Of onderzoekseenheden nu onshore, onshore/offshore of op basis van een ander hybride model opereren, het doel is om effectief
een waarschuwing en/of casus doorsturen naar de analist en/of onderzoeker die het meest geschikt is vanwege de complexiteit, het risico of andere factoren ervan. Hierdoor kunnen bedrijven de risico's goed beheren en tegelijkertijd de bedrijfskosten beheersen.