Dünyanızı Tanıyın – Durum tespiti çemberini kapatmak (Frank Cummings)

Küresel finans kurumları, Müşteri Durum Tespiti/Müşterinizi Tanıyın prosedürlerini saf sanat noktasına kadar geliştirmiştir. Bazı durumlarda, kurumlar 600'den fazla bireysel bilgi alanı toplar ve bazıları desteklemek için 14'ten fazla veri arayüzü kullanır.
dahili sistemler ve harici veri sağlayıcıların bir karışımı. Müşterilerimiz, onların ilgili tarafları ve sahipleri hakkında kendimiz hakkında bildiklerimizden daha fazlasını bildiğimiz bir noktaya geliyor. Ama "Hiçbir iyilik cezasız kalmaz" sözünde olduğu gibi ve CDD/KYC
sadece müşteriler üzerinde veri toplama ile bitmez.

Tüm bu durum tespiti çalışmaları - soru toplama, veri arayüzleri ve ping hizmetleri, genişletilmiş ilişkilerin analizi, işaretleme ve takip etme - Riski daha tam ve daha gerçekçi bir şekilde azaltmak için muhtemelen tekrarlanmalıdır. düşünüyorum
“Dünyanı Tanı” veya KYW olarak bu daha geniş yaklaşım.

KYW'de, Durum Tespitine ihtiyaç duyan birkaç ana kategoriniz var:

1. Müşteriler
2. Müşterilerin tüm ilgili tarafları
3. Satıcılar
4. Çalışan
5. Yöneticileri
6. AI/ML uygulamaları
7. Kategori 2 ve kategori 1 dışındaki kategoriler arasındaki bilinen tüm ilişkiler

Tüm kategorilerle yaptığınız tüm durum tespiti tek bir amaç içindir: mali suç riskini belirlemek ve azaltmak.

KYW yaklaşımındaki ek kategoriler hakkında biraz sohbet edelim:

Satıcılar: Bir satıcı üzerinde yapacağınız durum tespiti düzeyinde, bir müşteri için yaptığınızdan hiçbir fark yoktur. Satıcıların oluşturduğu sayısız riski anlayın ve azaltın.

Çalışanlar ve Yöneticiler: Finans kurumlarındaki çoğu insanın sorun yaşadığı konu budur: “Bunu neden yapmak isteyelim ki? Bunlar kurumun çalışanları ve yöneticileridir.” Çalışanlar ve yöneticiler üzerinde yaptığınız durum tespiti farklıdır, ancak
sadece çalışanların veya yöneticilerin beklenen davranışlarının ne olduğunu belirlemek için gereken özeni gösterir. Daha sonra - beklenmedik davranışlar ararken müşteri verilerinizi nasıl izlediğinize benzer şekilde - aynısını çalışanlar ve yöneticiler için de yapardınız. izliyorsun
veriler – müşteri veya çalışan değil. Yalnızca ilgili davranış bayrağı tetiklendiğinde, takip etmek için doğru insanlar bunu bilir.

Yapay Zeka Uygulamaları: Bu, insanların durup üzerinde düşünene kadar ilk başta çifte çekim yapmasına neden olan kategoridir. Yaptığımız her süreç ve prosedürde "Bana göster" modelini takip eden bir sektörde, yapay zeka bir istisna gibi görünüyor - sorunlu
istisna.

 AI Uygulamaları dediğimizde ne hakkında konuştuğumuzu çerçeveleyerek başlayalım. Televizyon dizilerinde düzenli olarak gördüğünüz Yapay Zeka sistemleri sadece eğlence amaçlı kurgusal araçlardır; gerçek düşünme makinesi hala çok uzakta. 

Genellikle AI dediğimiz şey, gerçekten ML veya makine öğrenimi olma eğilimindedir. Ve bağımsız olarak zeki olmasa da öğrenebilir. Gösterme endüstrisindeki sorun burada yatıyor. 

Bir bilgisayar algoritmasının bundan sonra öğrenebileceği üç yöntem vardır: denetimli öğrenme, pekiştirme ve denetimsiz. Denetimli yöntem en şeffaf gibi görünüyor çünkü sistemi eğitmek için kullanılan verileri görüyorsunuz. Bu yöntem sınırlı
kurallarda uygulayabilirsiniz ve beslediğiniz verilerde tüm koşulları oluşturmanız gerekir. 

İkinci bir seçenek, öğrenirken insan tarafından onaylanmasını gerektiren pekiştirme yöntemidir. 

Sonra vahşi, vahşi batıya geliyoruz: denetimsiz öğrenme. Denetimsiz öğrenme kulağa geldiği gibidir. Denetimsiz olarak, verileri algoritmaya verirsiniz ve sistemin, verilerin ne anlama geldiğine ilişkin sağladığınız kurallarla çözmesine izin verirsiniz. Bu nedenle
ML/AI Uygulamalarınızı dahil etmeniz, risk oranı belirlemeniz ve izlemeniz gerekir. Endüstrinin bana göster zorunluluğu göz önüne alındığında, makine öğrenimi/AI uygulamalarınızın ne yaptığını bildiğinizi düşünebilirsiniz, ancak bunu çok kolay kanıtlayamazsınız. 

Bilinmeyen ilişkiler: Farklı kategorileriniz arasındaki açık olmayan veya bilinmeyen ilişkiler hiçbir şey ifade etmeyebilir veya birinin davranışını meşrulaştırmaya veya meşrulaştırmaya yönelik Ah-Ha anı olabilir.

Sonuç olarak, Dünyanızı Tanıyın yaklaşımı, kurumunuzdaki ciddi Risk kaynaklarına hem daha geniş hem de daha derin bir bakış açısı getirir. Ve bu, veri yoluyla davranış izleme olduğu için, bireylere aşırı derecede istilacı veya haksız olmadan Riski izleyebiliyoruz.
Davranışsal izleme yaptığımızda konuya hiç bakmıyoruz. Bunun yerine, verilerde belirgin olan davranışı veya farklı davranışları ararız. Ve onları bulduğumuzda, ancak o zaman ve ancak o zaman davranış bir tür varlığa bağlıdır: bir müşteri, bir satıcı veya bir AI/ML
Uygulama.