Spoznaj svoj svet – Zapiranje kroga skrbnega pregleda (Frank Cummings)

Finančne institucije po vsem svetu so izboljšale postopke skrbnega pregleda strank/spoznajte svojo stranko do čiste umetnosti. V nekaterih primerih institucije zbirajo več kot 600 posameznih polj informacij, nekatere pa za podporo uporabljajo več kot 14 podatkovnih vmesnikov.
mešanica notranjih sistemov in zunanjih ponudnikov podatkov. Prihajamo do točke, ko o naših strankah, njihovih povezanih strankah in njihovih lastnikih vemo več, kot vemo o sebi. Toda kot pravi pregovor, "Nobeno dobro dejanje ne ostane nekaznovano," in CDD/KYC
se ne konča z zbiranjem podatkov samo o strankah.

Vse to skrbno delo – zbiranje vprašanj, podatkovni vmesniki in storitve ping, analiza razširjenih odnosov, označevanje in spremljanje – bo verjetno treba ponoviti, da se tveganje bolj celovito in bolj realistično zmanjša. mislim na
ta širši pristop kot "Spoznaj svoj svet" ali KYW.

V KYW imate več glavnih kategorij, ki potrebujejo skrbni pregled:

1. Stranke, ki so
2. Vse povezane stranke strank
3. Prodajalci
4. Zaposleni
5. Vodje
6. AI/ML aplikacije
7. Vsa znana razmerja med kategorijami razen kategorije 2 in kategorijo 1

Vsi skrbni pregledi, ki jih opravite z vsemi kategorijami, so z enim namenom: odkriti in ublažiti tveganje finančnih kaznivih dejanj.

Poklepetajmo malo o dodatnih kategorijah v pristopu KYW:

Prodajalci: Ni razlike v ravni skrbnega pregleda, ki bi ga opravili pri prodajalcu, kot pri stranki. Razumeti in ublažiti nešteta tveganja, ki jih predstavljajo prodajalci.

Zaposleni in menedžerji: To je tisto, s čimer ima večina ljudi v finančnih institucijah težave: »Zakaj bi to počeli? To so zaposleni in vodje zavoda.” Skrbni pregled, ki ga izvajate pri zaposlenih in vodjih, je drugačen, vendar
treba je le s skrbnim pregledom ugotoviti, kakšno je pričakovano vedenje zaposlenih ali vodij. Kasneje – podobno kot spremljate svoje podatke o strankah, ko iščete nepričakovano vedenje – bi storili enako z zaposlenimi in vodji. Vi spremljate
podatke – ne stranke ali zaposlenega. Šele ko se sproži zastavica zaskrbljujočega vedenja, bi pravi ljudje izvedeli za to, da bi ukrepali.

Aplikacije umetne inteligence: To je kategorija, zaradi katere ljudje sprva naredijo dvoboj – dokler se ne ustavijo in razmislijo o tem. V industriji, ki sledi modelu »Pokaži mi« v dobesedno vseh procesih in postopkih, ki jih izvajamo, se zdi, da je umetna inteligenca izjema – problematična
izjema.

 Začnimo z okvirjem, o čem govorimo, ko rečemo aplikacije AI. Sistemi umetne inteligence, ki jih redno vidite v televizijskih dramah, so le izmišljena vozila za zabavo; pravi misleči stroj je še daleč. 

Kar pogosto imenujemo AI, je v resnici ML ali strojno učenje. In čeprav ni samostojno inteligenten, se lahko uči. Tu je težava v industriji pokaži mi. 

Obstajajo trije načini, iz katerih se lahko zdaj uči računalniški algoritem: nadzorovano učenje, okrepitev in nenadzorovano. Zdi se, da je nadzorovana metoda najbolj pregledna, saj vidite podatke, ki so bili uporabljeni za usposabljanje sistema. Ta metoda je omejena
v pravilih, ki jih lahko uporabite, in morate ustvariti vse pogoje v podatkih, ki jih dovajate. 

Druga možnost je metoda ojačitve, ki zahteva človeško potrditev, ko se uči. 

Potem pridemo na divji, divji zahod: nenadzorovano učenje. Učenje brez nadzora je tako, kot se sliši. Pri nenadzorovanem algoritmu daste podatke in pustite sistemu, da po pravilih, ki jih podate, ugotovi, kaj podatki pomenijo. To je razlog, zakaj
morali bi vključiti, stopiti tveganje in spremljati svoje aplikacije ML/AI. Glede na imperativ pokaži mi v industriji morda mislite, da veste, kaj počnejo vaše aplikacije ML/AI, vendar tega ne morete zlahka dokazati. 

Neznana razmerja: Neočitna ali neznana razmerja med vašimi različnimi kategorijami ne morejo pomeniti ničesar ali pa so lahko Ah-Ha trenutek za legitimizacijo ali delegitimizacijo vedenja nekoga.

Skratka, pristop Spoznaj svoj svet vključuje širši in globlji pogled na vire resnih tveganj v vaši ustanovi. In ker gre za spremljanje vedenja prek podatkov, lahko spremljamo tveganje, ne da bi bili preveč invazivni ali nepošteni do posameznikov.
Ko spremljamo vedenje, subjekta nikoli ne pogledamo. Namesto tega iščemo vedenje ali različna vedenja, razvidna iz podatkov. In ko jih najdemo, je takrat in samo takrat vedenje povezano z nekakšno entiteto: stranko, prodajalcem ali AI/ML
Uporaba.