这是一个大话题 SIBOS （以及大多数过去的）是如何在不破坏或降低高质量服务体验的情况下消除金融犯罪
绝大多数诚实的（并且非常重要和有价值的）客户。
目前，金融犯罪正在急剧上升，银行在有效管理风险方面面临着越来越多的挑战。尽管这并不是金融服务的新趋势，但欺诈者改变策略的速度已经推动组织
重新考虑他们的安全程序和对欺诈活动的应对措施。
那么银行如何才能取得领先呢？
金融犯罪专家习惯于应用规则引擎来检测案件，越来越多的人工智能 (AI) 和机器学习正在进一步改进检测和管理。将人工智能和机器学习应用于金融犯罪警报
管理取得了重大成果，包括减少误报、改进风险检测以及大规模提高自动化程度。
一项运营挑战是欺诈和金融犯罪如何运作，有时在金融公司内部独立运作。多年前，当欺诈和金融犯罪计划不同并进行相应管理时，这种模式可能是合适的，
但当前的渠道、支付轨道和去中心化等因素已经模糊了欺诈和金融犯罪之间的界限。
在过去几年中，金融机构利用金融科技专门从事人工智能和机器学习的功能，大力投资增强检测监控系统。这种趋势是金融机构的一个典型例子
采用最佳方法，将对遗留系统的投资与基于人工智能的新技术相结合。
要问的一个大问题是，银行如何有效地发现和阻止洗钱计划，而又不影响客户的客户服务体验？关键是要保持敏捷。拥有正确的技术固然很好，但什么是
同样重要的是能够准确有效地对事件进行分类。虽然没有人希望遭受欺诈，无论是客户还是银行，但重要的是客户体验不会因此而受到影响。
因此，最终您能做的就是将您能做的事情转给合适的人，让客户了解最新情况，并最大限度地减少客户方和银行方的损失。如果您考虑到，对有效性和效率的斗争会更加激烈
案件管理工作流程中具有不同自动化水平的不同检测系统的影响。这无法为负责这些结果的银行员工提供统一的用户体验。
随着金融机构不断寻求降低运营成本，在此过程中不能牺牲风险敞口。无论调查单位是在陆上、陆上/海上还是其他混合模式下运作，目标都是有效地
将警报和/或案例发送给最适合其复杂性、风险或其他因素的分析师和/或调查员。这使得公司能够在控制运营成本的同时正确管理风险。
