Biết thế giới của bạn - Kết thúc vòng tròn thẩm định (Frank Cummings)

Các tổ chức tài chính trên toàn cầu đã nâng cao quy trình Thẩm định khách hàng/Biết khách hàng của bạn đến mức hoàn toàn nghệ thuật. Trong một số trường hợp, các tổ chức thu thập hơn 600 trường thông tin riêng lẻ và một số sử dụng tới 14 giao diện dữ liệu để hỗ trợ.
sự kết hợp giữa hệ thống nội bộ và nhà cung cấp dữ liệu bên ngoài. Đã đến lúc chúng ta biết nhiều hơn về khách hàng, các bên liên quan và chủ sở hữu của họ hơn là chúng ta biết về chính mình. Nhưng giống như người ta thường nói, “Không có việc tốt nào sẽ không bị trừng phạt” và CDD/KYC
không chỉ dừng lại ở việc thu thập dữ liệu về khách hàng.

Tất cả công việc thẩm định đó—thu thập câu hỏi, giao diện dữ liệu và dịch vụ ping, phân tích các mối quan hệ mở rộng, gắn cờ và theo dõi—có thể cần phải được lặp lại để giảm thiểu Rủi ro một cách đầy đủ và thực tế hơn. tôi nghĩ về
cách tiếp cận rộng hơn này là “Biết thế giới của bạn” hay KYW.

Trong KYW, bạn có một số hạng mục chính cần Thẩm định:

1. khách hàng
2. Tất cả các bên liên quan của khách hàng
3. Các nhà cung cấp
4. Nhân viên
5. Quản lý
6. Ứng dụng AI/ML
7. Tất cả các mối quan hệ đã biết giữa các danh mục khác với danh mục 2 với danh mục 1

Tất cả các hoạt động thẩm định mà bạn thực hiện với tất cả các danh mục đều nhằm một mục đích: xác định và giảm thiểu rủi ro phạm tội tài chính.

Hãy trò chuyện một chút về các danh mục bổ sung theo cách tiếp cận KYW:

Nhà cung cấp: Không có sự khác biệt về mức độ thẩm định bạn sẽ làm với nhà cung cấp so với bạn làm với khách hàng. Hiểu và giảm thiểu vô số rủi ro do các nhà cung cấp gây ra.

Nhân viên và Người quản lý: Đây là vấn đề mà hầu hết mọi người trong các tổ chức tài chính đều gặp phải: “Tại sao chúng ta lại muốn làm điều này? Đây là những nhân viên và người quản lý của tổ chức.” Sự thẩm định mà bạn thực hiện đối với nhân viên và người quản lý là khác nhau, nhưng
việc xác định hành vi được mong đợi của nhân viên hoặc người quản lý chỉ là sự thẩm định. Sau này—tương tự như cách bạn giám sát dữ liệu khách hàng của mình khi tìm kiếm hành vi không mong muốn—bạn cũng sẽ làm như vậy với nhân viên và người quản lý. Bạn đang theo dõi
dữ liệu – không phải khách hàng hay nhân viên. Chỉ khi cờ liên quan đến hành vi được kích hoạt thì những người phù hợp mới biết về nó để theo dõi.

Ứng dụng AI: Đây là danh mục lúc đầu khiến mọi người phải suy nghĩ gấp đôi – cho đến khi họ dừng lại và suy nghĩ về nó. Trong một ngành tuân theo mô hình “Cho tôi xem” theo đúng nghĩa đen trong mọi quy trình và thủ tục mà chúng ta thực hiện, AI dường như là một ngoại lệ—một vấn đề có vấn đề.
ngoại lệ.

 Hãy bắt đầu bằng cách định hình những gì chúng ta đang nói đến khi nói Ứng dụng AI. Các hệ thống Trí tuệ nhân tạo mà bạn thường thấy trên các bộ phim truyền hình chỉ là phương tiện hư cấu để giải trí; máy tư duy thực sự vẫn còn xa. 

Cái mà chúng ta thường gọi là AI có xu hướng thực sự là ML hay máy học. Và mặc dù nó không thông minh một cách độc lập, nhưng nó có thể học hỏi. Đó là vấn đề nằm ở ngành công nghiệp show-me. 

Hiện tại, có ba phương pháp mà thuật toán máy tính có thể học: học có giám sát, tăng cường và không giám sát. Phương pháp được giám sát có vẻ minh bạch nhất vì bạn có thể thấy dữ liệu được sử dụng để huấn luyện hệ thống. Phương pháp này bị hạn chế
trong các quy tắc bạn có thể áp dụng và bạn phải tạo tất cả các điều kiện trong dữ liệu bạn cung cấp. 

Tùy chọn thứ hai là phương pháp củng cố, yêu cầu xác nhận của con người khi nó học. 

Sau đó, chúng ta đến với miền Tây hoang dã: học tập không giám sát. Học không giám sát đúng như tên gọi của nó. Trong chế độ không giám sát, bạn cung cấp dữ liệu cho thuật toán và để hệ thống tìm ra theo các quy tắc bạn cung cấp về ý nghĩa của dữ liệu. Đây là lý do tại sao
bạn sẽ cần phải triển khai, đánh giá rủi ro và giám sát Ứng dụng ML/AI của mình. Do yêu cầu phải cho tôi xem của ngành, bạn có thể nghĩ rằng bạn biết các ứng dụng ML/AI của mình đang làm gì, nhưng bạn không thể chứng minh điều đó một cách dễ dàng. 

Mối quan hệ không xác định: Mối quan hệ không rõ ràng hoặc không xác định giữa các danh mục khác nhau của bạn có thể không có ý nghĩa gì hoặc có thể là khoảnh khắc Ah-Ha để hợp pháp hóa hoặc ủy thác hành vi của ai đó.

Tóm lại, cách tiếp cận Biết thế giới của bạn có cái nhìn rộng hơn và sâu hơn về các nguồn Rủi ro nghiêm trọng trong tổ chức của bạn. Và vì đó là giám sát hành vi thông qua dữ liệu nên chúng tôi có thể giám sát Rủi ro mà không xâm phạm quá mức hoặc không công bằng đối với các cá nhân.
Khi thực hiện giám sát hành vi, chúng tôi không bao giờ nhìn vào đối tượng. Đúng hơn, chúng tôi tìm kiếm hành vi hoặc các hành vi khác nhau hiển nhiên trong dữ liệu. Và khi chúng tôi tìm thấy chúng, thì và chỉ khi đó hành vi đó mới được gắn với một loại thực thể nào đó: khách hàng, nhà cung cấp hoặc AI/ML
Ứng dụng.