全球金融机构已将客户尽职调查/了解您的客户程序提升到了纯粹的艺术水平。 在某些情况下，机构收集 600 多个单独的信息领域，有些使用超过 14 个数据接口来支持
内部系统和外部数据提供者的混合。 它已经到了我们对客户、他们的相关方和他们的所有者的了解比我们对自己了解更多的地步。 但就像俗话说的那样，“没有善行会受到惩罚”，以及 CDD/KYC
不仅限于客户数据收集。
所有尽职调查工作——问题收集、数据接口和 ping 服务、扩展关系分析、标记和跟进——可能需要重复进行，以更全面、更现实地降低风险。 我想
这种更广泛的方法称为“了解你的世界”或 KYW。
在 KYW，您有几个主要类别需要尽职调查：
- 合作伙伴
- 客户的所有关联方
- 卖家
- 员工
- 经理
- 人工智能/机器学习应用
- 类别 2 以外的类别与类别 1 之间的所有已知关系
您对所有类别进行的所有尽职调查都是为了一个目的：识别和降低金融犯罪的风险。
让我们谈谈 KYW 方法中的其他类别：
供应商：您对供应商的尽职调查水平与您对客户的尽职调查水平没有区别。 了解并减轻供应商带来的无数风险。
员工和经理：这是金融机构中大多数人的问题：“我们为什么要这样做？ 这些是该机构的员工和管理人员。” 你对员工和经理的尽职调查是不同的，但是
确定员工或经理的预期行为只是尽职调查。 稍后——类似于在寻找意外行为时监控客户数据的方式——你会对员工和经理做同样的事情。 你在监控
数据——而不是客户或员工。 只有当相关行为标志被触发时，正确的人才会知道它以便跟进。
人工智能应用：这个类别一开始会导致人们犹豫不决——直到他们停下来思考它。 在一个在我们所做的每一个过程和程序中都遵循“Show me”模型的行业中，人工智能似乎是一个例外——一个有问题的
例外。
让我们从构建我们所说的 AI 应用程序时所谈论的内容开始。 您经常在电视剧中看到的人工智能系统只是虚构的娱乐工具； 真正的思考机器还很遥远。
我们通常所说的人工智能往往是真正的机器学习或机器学习。 虽然它不是独立智能的，但它可以学习。 这就是展示行业的问题所在。
计算机算法现在可以学习三种方法：监督学习、强化和无监督学习。 监督方法似乎是最透明的，因为您可以看到用于训练系统的数据。 此方法有限
在您可以应用的规则中，您必须在提供的数据中创建所有条件。
第二种选择是强化方法，它需要在学习时进行人工验证。
然后我们来到狂野的西部：无监督学习。 无监督学习就像听起来一样。 在无监督的情况下，您向算法提供数据，并让系统根据您提供的关于数据含义的规则来计算。 这就是为什么
您需要加入、评估和监控您的 ML/AI 应用程序。 鉴于该行业的“展示我”的必要性，您可能认为您知道您的 ML/AI 应用程序在做什么，但您无法很容易地证明这一点。
未知关系：不同类别之间不明显或未知的关系可能毫无意义，或者可能是使某人的行为合法化或非法化的“啊哈”时刻。
总之，“了解你的世界”方法对贵机构中严重风险的来源进行了更广泛和更深入的研究。 而且因为它是通过数据进行行为监控，我们可以监控风险，而不会过度侵入或对个人不公平。
当我们进行行为监测时，我们从不看主题。 相反，我们寻找数据中明显的行为或不同行为。 当我们找到它们时，只有这样，行为才会与某种实体相关联：客户、供应商或 AI/ML
应用。
