你知道嗎?人工智能與洗錢防制也有關係!

你知道嗎?人工智能與洗錢防制也有關係!

全球化讓世界融合,跨國商業活動的頻繁使貿易洗錢 (TBML) 反洗錢防制中最大的盲區之一。有鑑於全球貿易融資的複雜性生態系以及缺乏綜觀的金融透明度,想百分百防治該類洗錢是一項艱鉅的任務。

更別說貿易融資涉及不同地區的多家銀行,大多數跨境運輸都涉及某種形式的融資,當涉及多方時,了解你的客戶原則(KYC)之調查過程將會更加困難。在跨境貿易中,金融犯罪份子很常利用這些漏洞。

TBML 相較於其他洗錢方法更容易成為洗錢計畫中的一環,因為它可以轉移大筆資金,而不是使用其他更容易被追蹤的物資或者商品。

然而,貿易融資對銀行來說是一項不可能放棄的大業務。例如,信用體系是一個重要的收入來源。對於發展中國家來說,全球貿易是經濟增長的關鍵。在這些交易中創建了大量的文書與勞力工作機會,提供了在地民眾相當大的就業市場。

與 TBML 相關的危險信號數以百計,使用舊方法很難檢測到它們。而如今金融從業人員想使用AI來分析這些威脅。

AI監管TBML面臨的實務面落差

但是,TBML比想像中還要難以控管,TBML 的監控實務經驗如其他產業一樣碰到了理論面以及實務面之間的落差。實際上的交易並不總是與業主一開始提交給銀行的內容一致。這種差距造成了銀行很難拿捏管控的程度,因為他們無從去掌握在批准融資後資金的確切使用方式。

即使每個環節都由人工控管,銀行也只能看到部分的活動。港口當局很少(如果有的話)盤點貨物。想像一下在每個港口等待釋放的數以萬計的集裝箱。如果業主沒有一一向海關當局提供任何具體情報,海關人員即使要清點也沒有詳細名冊。

非法販運者經常開發新的複雜販運模式,利用商船、船員和港口在世界範圍內轉運非法貨物。這些走私活動很容易被遺漏,例如英國警方最近的查破了該地歷史上最大規模的非法走私移民致死事件。他們的路線可追溯到比利時澤布呂赫的港口,而案件中的集裝箱以運送餅乾為藉口通過安檢。

若將這些販運模式納管,對於企業及經濟體的好處顯而易見。銀行可以提高挹注跨國活動的頻率,而企業等經濟體就有更好的體質參與全球貿易。

2021 年 3 月,公認反洗錢師協會ACAMS發布了有關 TBML 風險指標的具體新指南。分為以下幾類:結構性風險指標、貿易活動風險指標以及賬戶和交易活動風險指標。

這項指南建議從業人員基於以上幾種指標並且參照貿易融資交易相關的大量數據,進行科學的交叉比對調查,而國際上認可的CTMA證照提供反洗錢以及防制金融犯罪的從業人員相關的能力認證。

AI有能力迅速標示高風險異常行為,即使這些行為是全新的犯罪手法

人工智能可以了解客戶的行為與過去的行為的軌跡,看見特定個人行為如何偏離權責的準則,以及標記與同一行業中的其他人相比的異常行為。

機器學習可以分析數十種與金融犯罪相關的風險指標。並自動評估與大型數據集中異常活動相關的風險區塊。有效地計算並查明風險區塊中的可疑交易活動。

應用在反洗錢領域時,AI還可以在資訊不充分的的情況下提供高準確率的相關客戶背景推測,從而創建非客戶的風險評估並且創造跨複雜路徑的透明度。例如,如果鞋類製造商以特定價格從某個國家進口原材料,然後再將這批進口原料轉移到另一個國家,這被認為是雙倍作業成本的金融犯罪高風險事件,因為特地在某個國家轉手是沒有意義的。

AI可以客觀地檢測新的突發事件以及當不可預測的事件產生時給予見解。目前許多人看好AI技術在反洗錢領域的發展空間。

(本文為讀者投稿。)