Cunoaște-ți lumea – Închiderea cercului de due diligence (Frank Cummings)

Instituțiile financiare la nivel global au îmbunătățit procedurile Customer Due Diligence/Know Your Customer până la punctul de pură artă. În unele cazuri, instituțiile colectează peste 600 de câmpuri individuale de informații, iar unele folosesc mai mult de 14 interfețe de date pentru a susține
o combinație de sisteme interne și furnizori externi de date. Se ajunge la punctul în care știm mai multe despre clienții noștri, părțile lor afiliate și proprietarii lor decât știm despre noi înșine. Dar, așa cum se spune, „Nicio faptă bună nu rămâne nepedepsită” și CDD/KYC
nu se termină cu colectarea de date doar pentru clienți.

Toată acea muncă de due diligence – colectarea întrebărilor, interfețele de date și serviciile ping, analiza relațiilor extinse, semnalarea și urmărirea – probabil că trebuie repetate pentru a atenua riscul mai complet și mai realist. ma gandesc la
această abordare mai largă ca „Know Your World” sau KYW.

În KYW, aveți mai multe categorii majore care au nevoie de Due Diligence:

1. clienţii care
2. Toate părțile afiliate ale clienților
3. Furnizori
4. Angajați
5. Manageri
6. aplicații AI/ML
7. Toate relațiile cunoscute între categorii, altele decât categoria 2 și categoria 1

Toată diligența pe care o faceți cu toate categoriile are un singur scop: identificarea și diminuarea riscului de infracțiuni financiare.

Să discutăm puțin despre categoriile suplimentare dintr-o abordare KYW:

Furnizori: Nu există nicio diferență în nivelul de diligență pe care l-ați face față de un furnizor decât pentru un client. Înțelegeți și atenuați nenumăratele riscuri prezentate de furnizori.

Angajații și managerii: Acesta este cel cu care majoritatea oamenilor din instituțiile financiare au o problemă: „De ce am dori să facem asta? Aceștia sunt angajați și manageri ai instituției.” Due diligence pe care o faci angajaților și managerilor este diferită, dar
este doar diligență pentru a stabili care este comportamentul așteptat al angajaților sau managerilor. Mai târziu, similar cu modul în care vă monitorizați datele clienților atunci când căutați un comportament neașteptat, veți face același lucru cu angajații și managerii. Tu monitorizezi
datele – nu clientul sau angajatul. Doar atunci când este declanșat un semnal de comportament îngrijorător, oamenii potriviți vor ști despre acesta pentru a urmări.

Aplicații AI: aceasta este categoria care la început îi determină pe oameni să facă o dublare – până când se opresc și se gândesc la asta. Într-o industrie care urmează modelul „Arătați-mi” în fiecare proces și procedură pe care o facem, AI pare să fie o excepție – o problemă
excepție.

 Să începem prin a încadra despre ce vorbim când spunem Aplicații AI. Sistemele de inteligență artificială pe care le vedeți în mod regulat la dramele TV sunt doar vehicule fictive pentru divertisment; adevărata mașină de gândire este încă departe. 

Ceea ce numim adesea AI tinde să fie cu adevărat ML sau învățare automată. Și deși nu este inteligent independent, poate învăța. Acesta este locul în care se află problema într-o industrie show-me. 

Există trei metode pe care un algoritm de computer poate învăța de acum: învățare supravegheată, întărire și nesupravegheată. Metoda supravegheată pare a fi cea mai transparentă, deoarece vedeți datele care au fost folosite pentru a antrena sistemul. Această metodă este limitată
în reguli poți aplica și trebuie să creezi toate condițiile în datele pe care le alimentezi. 

O a doua opțiune este metoda de întărire, care necesită validare umană pe măsură ce învață. 

Apoi ajungem în vestul sălbatic, sălbatic: învățare nesupravegheată. Învățarea nesupravegheată este exact așa cum sună. În nesupravegheat, dați algoritmului datele și lăsați sistemul să descopere după regulile pe care le furnizați cu privire la ceea ce înseamnă datele. De-aceea
ar trebui să vă integrați, să evaluați riscul și să vă monitorizați aplicațiile ML/AI. Având în vedere imperativul industriei de a-mi arăta, s-ar putea să credeți că știți ce fac aplicațiile dvs. ML/AI, dar nu puteți dovedi acest lucru foarte ușor. 

Relații necunoscute: relațiile neevidente sau necunoscute dintre diferitele tale categorii nu pot însemna nimic sau pot fi momentul Ah-Ha pentru a legitima sau delegitima comportamentul cuiva.

În concluzie, o abordare Know Your World are atât o privire mai amplă, cât și mai profundă asupra surselor de risc serios din instituția dumneavoastră. Și pentru că este o monitorizare a comportamentului prin intermediul datelor, putem monitoriza riscul fără a fi excesiv de invazivi sau nedrepti față de indivizi.
Când facem monitorizare comportamentală, nu ne uităm niciodată la subiect. Mai degrabă, căutăm comportamentul sau comportamentele diferite evidente în date. Și când le găsim, atunci și numai atunci comportamentul este legat de o entitate de un fel: un client, un furnizor sau un AI/ML
Aplicație.