Know Your World – Zamknięcie kręgu należytej staranności (Frank Cummings)

Instytucje finansowe na całym świecie ulepszyły procedury Customer Due Diligence/Poznaj swojego klienta do punktu czystej sztuki. W niektórych przypadkach instytucje gromadzą ponad 600 indywidualnych pól informacji, a niektóre wykorzystują do obsługi ponad 14 interfejsów danych
połączenie systemów wewnętrznych i zewnętrznych dostawców danych. Dochodzimy do punktu, w którym wiemy więcej o naszych klientach, ich podmiotach powiązanych i ich właścicielach, niż wiemy o sobie. Ale jak mówi przysłowie: „Żaden dobry uczynek nie pozostaje bezkarny” i CDD/KYC
nie kończy się na zbieraniu danych tylko o klientach.

Cała ta praca polegająca na należytej staranności — zbieranie pytań, interfejsy danych i usługi ping, analiza rozszerzonych relacji, oznaczanie i działania następcze — prawdopodobnie będą musiały zostać powtórzone w celu pełniejszego i bardziej realistycznego ograniczenia ryzyka. Myślę o
to szersze podejście jako „Poznaj swój świat” lub KYW.

W KYW istnieje kilka głównych kategorii wymagających należytej staranności:

1. Klientów
2. Wszystkie powiązane strony klientów
3. Sprzedawcy
4. Zatrudnienie
5. Zarządzający
6. Aplikacje AI/ML
7. Wszystkie znane relacje między kategoriami innymi niż kategoria 2 do kategorii 1

Cała analiza due diligence, którą przeprowadzasz we wszystkich kategoriach, ma jeden cel: identyfikację i ograniczenie ryzyka przestępstw finansowych.

Porozmawiajmy trochę o dodatkowych kategoriach w podejściu KYW:

Sprzedawcy: Nie ma różnicy w poziomie należytej staranności, który wykonałbyś w przypadku dostawcy, niż w przypadku klienta. Zrozum i ogranicz niezliczone ryzyko stwarzane przez dostawców.

Pracownicy i menedżerowie: To jest ten problem, z którym większość osób w instytucjach finansowych ma problem: „Dlaczego mielibyśmy to robić? Są to pracownicy i kierownicy instytucji.” Należyta staranność, którą wykonujesz w stosunku do pracowników i menedżerów, jest inna, ale
to tylko należyta staranność, aby ustalić, jakie są oczekiwane zachowania pracowników lub menedżerów. Później – podobnie jak w przypadku monitorowania danych klientów podczas szukania nieoczekiwanych zachowań – zrobisz to samo z pracownikami i menedżerami. Monitorujesz
dane – nie klient ani pracownik. Tylko wtedy, gdy zostanie wyzwolona flaga dotycząca niepokojącego zachowania, właściwi ludzie będą o tym wiedzieć, aby podjąć działania następcze.

Aplikacje AI: jest to kategoria, która na początku powoduje, że ludzie robią doubletake – dopóki nie przestaną i nie pomyślą o tym. W branży, która stosuje model „Pokaż mi” w dosłownie każdym procesie i procedurze, które wykonujemy, sztuczna inteligencja wydaje się być wyjątkiem – problematycznym
wyjątek.

 Zacznijmy od określenia tego, o czym mówimy, gdy mówimy o aplikacjach AI. Systemy sztucznej inteligencji, które regularnie oglądasz w serialach telewizyjnych, to tylko fikcyjne pojazdy rozrywkowe; prawdziwa maszyna myśląca jest jeszcze daleko. 

To, co często nazywamy sztuczną inteligencją, to tak naprawdę ML, czyli uczenie maszynowe. I chociaż nie jest niezależnie inteligentny, może się uczyć. W tym właśnie tkwi problem w branży show-me. 

Istnieją trzy metody, których algorytm komputerowy może się nauczyć od teraz: uczenie nadzorowane, wzmacnianie i nienadzorowane. Metoda nadzorowana wydaje się być najbardziej przejrzysta, ponieważ widzisz dane, które zostały użyte do trenowania systemu. Ta metoda jest ograniczona
w regułach, które możesz zastosować, i musisz stworzyć wszystkie warunki w danych, które go karmisz. 

Drugą opcją jest metoda wzmacniania, która wymaga walidacji przez człowieka, gdy się uczy. 

Następnie dochodzimy do dzikiego, dzikiego zachodu: nienadzorowana nauka. Nauka bez nadzoru jest taka, jak się wydaje. W trybie nienadzorowanym podajesz algorytmowi dane i pozwalasz systemowi zorientować się według podanych przez Ciebie zasad dotyczących znaczenia danych. Dlatego
musisz wdrożyć, ocenić ryzyko i monitorować swoje aplikacje ML/AI. Biorąc pod uwagę imperatyw branży, możesz pomyśleć, że wiesz, co robią Twoje aplikacje ML/AI, ale nie możesz tego łatwo udowodnić. 

Nieznane relacje: Nieoczywiste lub nieznane relacje między różnymi kategoriami mogą nic nie oznaczać lub mogą być momentem Ah-Ha, aby legitymizować lub delegitymizować czyjeś zachowanie.

Podsumowując, podejście Know Your World obejmuje zarówno szersze, jak i głębsze spojrzenie na źródła poważnego ryzyka w Twojej instytucji. A ponieważ jest to monitorowanie zachowania za pomocą danych, możemy monitorować ryzyko bez nadmiernej inwazyjności lub niesprawiedliwości wobec osób.
Kiedy prowadzimy monitoring behawioralny, nigdy nie patrzymy na temat. Raczej szukamy zachowania lub różnych zachowań widocznych w danych. A kiedy je znajdziemy, wtedy i tylko wtedy zachowanie jest powiązane z jakimś podmiotem: klientem, dostawcą lub sztuczną inteligencją/ML
Podanie.