Финансовые учреждения по всему миру усовершенствовали процедуры должной проверки клиентов/знай своего клиента до степени чистого искусства. В некоторых случаях учреждения собирают более 600 отдельных полей информации, а некоторые используют более 14 интерфейсов данных для поддержки
сочетание внутренних систем и внешних поставщиков данных. Доходит до того, что мы знаем о наших клиентах, связанных с ними сторонах и их владельцах больше, чем о самих себе. Но, как говорится, «Ни одно доброе дело не остается безнаказанным», и CDD/KYC
не заканчивается сбором данных только о клиентах.
Вся эта работа по должной осмотрительности — сбор вопросов, интерфейсы данных и службы проверки связи, анализ расширенных отношений, пометка и последующие действия — вероятно, потребуется повторить, чтобы снизить риск более полно и более реалистично. Я думаю о
этот более широкий подход называется «Познай свой мир» или KYW.
В KYW у вас есть несколько основных категорий, нуждающихся в должной осмотрительности:
- Клиенты
- Все связанные стороны клиентов
- Вендоры
- Сотрудники
- Менеджеры
- Приложения ИИ/МО
- Все известные взаимосвязи между категориями, кроме категории 2 и категорией 1.
Вся комплексная проверка, которую вы проводите со всеми категориями, преследует одну цель: выявить и снизить риск финансовых преступлений.
Давайте немного поговорим о дополнительных категориях в подходе KYW:
Продавцы: нет никакой разницы в уровне должной осмотрительности, которую вы должны проводить в отношении поставщика, чем в отношении покупателя. Поймите и снизьте множество рисков, связанных с поставщиками.
Сотрудники и менеджеры. Это тот вопрос, с которым у большинства людей в финансовых учреждениях возникает проблема: «Зачем нам это делать? Это сотрудники и руководители учреждения». Комплексная проверка сотрудников и менеджеров отличается, но
это просто должное усердие, чтобы установить, каково ожидаемое поведение сотрудников или менеджеров. Позже — аналогично тому, как вы отслеживаете данные о своих клиентах при поиске неожиданного поведения — вы будете делать то же самое с сотрудниками и менеджерами. Вы отслеживаете
данные, а не клиент или сотрудник. Только когда срабатывает флаг беспокойного поведения, нужные люди узнают об этом, чтобы принять меры.
Приложения ИИ: это категория, которая сначала заставляет людей делать двойные выводы, пока они не остановятся и не задумаются об этом. В отрасли, которая следует модели «Покажи мне» буквально в каждом процессе и процедуре, которую мы выполняем, ИИ кажется исключением — проблематичным.
исключение.
Начнем с того, что сформулируем то, о чем мы говорим, когда говорим «приложения ИИ». Системы искусственного интеллекта, которые вы регулярно видите в телевизионных драмах, — это просто вымышленные средства развлечения; до настоящей мыслящей машины еще далеко.
То, что мы часто называем ИИ, на самом деле имеет тенденцию быть МО или машинным обучением. И хотя он не обладает независимым интеллектом, он может учиться. Вот где проблема заключается в шоу-мне индустрии.
Сейчас компьютерный алгоритм может учиться тремя способами: обучение с учителем, подкрепление и обучение без учителя. Метод с учителем кажется наиболее прозрачным, потому что вы видите данные, которые использовались для обучения системы. Этот метод ограничен
в правилах, которые вы можете применить, и вы должны создать все условия в данных, которые вы ему подаете.
Второй вариант — это метод подкрепления, который требует проверки человеком по мере обучения.
Затем мы приходим к дикому, дикому западу: обучение без присмотра. Неконтролируемое обучение так же, как это звучит. В неконтролируемом режиме вы предоставляете алгоритму данные и позволяете системе разобраться в правилах, которые вы предоставляете относительно того, что означают данные. Вот почему
вам нужно будет подключиться, оценить риски и контролировать свои приложения ML / AI. Учитывая требование отрасли «покажи мне», вы можете думать, что знаете, что делают ваши приложения ML/AI, но вам не так-то просто доказать это.
Неизвестные отношения: Неочевидные или неизвестные отношения между вашими различными категориями могут ничего не значить или могут быть моментом а-ха, чтобы узаконить или делегитимировать чье-то поведение.
В заключение, подход «Познай свой мир» предполагает как более широкий, так и более глубокий взгляд на источники серьезного риска в вашем учреждении. И поскольку это мониторинг поведения с помощью данных, мы можем отслеживать риски, не будучи чрезмерно агрессивными или несправедливыми по отношению к отдельным людям.
Когда мы проводим поведенческий мониторинг, мы никогда не смотрим на объект. Скорее, мы ищем поведение или различные варианты поведения, очевидные в данных. И когда мы их находим, тогда и только тогда поведение привязывается к какой-либо сущности: покупателю, поставщику или AI/ML.
Заявка.
- финансовый муравей
- блокчейн
- блокчейн конференция финтех
- перезвон финтех
- coinbase
- Coingenius
- крипто конференция финтех
- FinTech
- финтех приложение
- Финтех инновации
- Финтекстра
- OpenSea
- PayPal
- PayTech
- платный путь
- Платон
- Платон Ай
- Платон Интеллектуальные данные
- ПлатонДанные
- платогейминг
- razorpay
- Revolut
- Ripple
- квадратный финтех
- полоса
- тенсент финтех
- ксеро
- зефирнет