هوش مصنوعی چگونه به مبارزه با پول‌شویی کمک می‌کند؟

پول‌شویی یکی از بزرگ‌ترین اقدام‌های مجرمانه در سطح بین‌المللی محسوب می‌شود. تنظیمگران قانونی و دولت‌ها همیشه بانک‌ها را زیر فشار قرار می‌دهند تا حجم و ارزش پول‌شویی را در سیستم خود کاهش دهند. آن‌ها باید قوانینی پیاده‌سازی کنند تا انجام فرایندهای پول‌شویی را برای مجرمان دشوار کند؛ اما چنین رویکردهایی در عمل، بسیار دشوار است. بسیاری از مؤسسه‌های مالی امروزه برای آسان‌ترشدن فعالیت‌های مبارزه با پول‌شویی از هوش مصنوعی استفاده می‌کنند تا فعالیت‌های غیرعادی را در میان داده‌های بی‌شمار شناسایی کنند. بانک‌ها برای مبارزه با پول‌شویی علاوه‌بر توانایی مقیاس‌دهی عظیم به فعالیت‌ها، باید تقسیم‌بندی و دانه‌بندی داده‌ها را نیز با دقت انجام دهند.

محدودیت‌ تنظیمگری‌های قانونی در اکثر کشورهای جهان ردگیری موفقیت یا شکست فعالیت‌های مبارزه با پول‌شویی را دشوار می‌کند. بانک‌ها وظیفه دارند فعالیت‌های ظاهرا جعلی و خراب‌کارانه را شناسایی و آن‌ها را به مقام‌‌های قانونی اعلام کنند. مقام‌های قانونی فقط در دو کشور جهان گزارش فعالیت‌های بعدی خود را به بانک‌ها اعلام می‌کنند. باتوجه‌به نبود اطلاع‌رسانی دقیق عملگران قانونی، بانک‌ها هیچ‌گاه آمار مناسبی از موفقیت یا شکست فعالیت‌های مبارزه با پول‌شویی (AML) نخواهند داشت.

مشکل تنظیمگری قانون

بانک‌های اروپایی بیش از بانک‌های دیگر نقاط جهان با مشکلات تنظیمگری قانون روبه‌رو هستند. آن‌ها علاوه‌بر قوانین داخلی کشور، باید با قوانین اتحادیه‌ی اروپا نیز هماهنگ شوند. اکثر مؤسسه‌ها وکلای متعددی دارند تا قانون‌گذاری‌های گوناگون موجود در کشور خود و اتحادیه‌ی اروپا را با هدف جلوگیری از هرگونه سوءبرداشت و عملکرد غلط تفسیر کنند. درواقع، آن‌ها باید از قوانین پیچیده به سؤال‌هایی این‌چنینی پاسخ دهند: محدودیت گزارش‌دهی چقدر است؟ کدام فعالیت‌ها و مشتریان باید به مقام‌های قانونی گزارش شوند؟ همین موارد نشان می‌دهد مبارزه با پول‌شویی پیچیدگی‌های بسیاری دارد.

مسئولیت‌هایی که تنظیمگران قانون برعهده‌ی بانک‌ها و مؤسسه‌های مالی قرار می‌دهند، هیچ‌گاه ثابت نیستند؛ به‌ویژه در اتحادیه‌ی اروپا که قوانین داخلی با قوانین اتحادیه ترکیب می‌شود و مجلس هر کشور شیوه‌ی اجرایی و نظارتی منحصربه‌فردی در پیش می‌گیرد.

بانک‌ها دربرابر انواع قوانین و شیوه‌های اجرای سازمان‌های بالادست باید رویکردی سریع در تحلیل داده‌های مفید به‌کار بگیرند تا از هرگونه جریمه و رخدادهای مشابه پیشگیری کنند. البته مشکلات متعدد آن‌ها به اقدام‌های پیشگیرانه محدود نیست. بانک‌ها باید با قوانین و دستورالعمل‌های متعدد تحریم مالی کشورهای دیگر نیز هماهنگ شوند؛ تحریم‌هایی که مقاصد انتقال پول را برای فعالیت‌های بین‌المللی محدود می‌کنند. درحال‌حاضر، بسیاری از سازمان‌های مالی در هماهنگی با چنین سطحی از پیچیدگی با دشواری‌های متعدد روبه‌رو هستند.

مقیاس چالش

ابعاد پول‌شویی در سطح جهانی چیزی حدود دوهزار میلیارد دلار تخمین زده شده که تنها ۰/۲ درصد از آن شناسایی می‌شود. اکثر بانک‌ها برای شناسایی چنین حجمی از فعالیت‌های مجرمانه نیازمند نرم‌افزارهای حرفه‌ای تحلیلی هستند. فناوری موردنیاز برای چنین تحلیل‌هایی اکنون وجود دارد؛ اما هنوز به مرحله‌ی عملیاتی نرسیده است.

چالش بانک‌ها، تنها در ابعاد عظیم پول‌شویی خلاصه نمی‌شود و دسته‌بندی دقیق تراکنش‌ها دشواری‌های متعددی برای مؤسسه‌ها ایجاد می‌کند. آن‌ها تراکنش‌هایی را برای بررسی انتخاب و دسته‌بندی می‌کنند که برخی اوقات اشتباه در آن‌ها برنامه‌های مبارزه با پول‌شویی را با مشکل مواجه می‌کند. بانک‌ها با استفاده از تحلیل حرفه‌ای و هوش مصنوعی، توانایی بهینه‌سازی الگوریتم‌های خود را خواهند داشت تا از تشخیص‌های اشتباه جلوگیری کنند.

روش‌های پول‌شویی روز‌به‌روز پیچیده‌تر می‌شوند و نیازمند مبارزه‌های هوشمندانه هستند

برای بررسی دقیق‌تر مزیت‌های به‌کارگیری هوش مصنوعی تصور کنید هر سیستم عادی روزانه ۱۰۰ فعالیت مشکوک را شناسایی می‌کند. در اکثر مواقع، تنها یکی‌دو فعالیت پول‌شویی هستند و بقیه را می‌توان تراکنش یا فعالیت غیرعادی و قانونی دانست. هوش مصنوعی می‌تواند در دقیق‌ترکردن انتخاب و بررسی اولیه به‌کمک سیستم‌‌ها بیاید. چنین رویکردی باعث کاهش انتخاب‌های اولیه و صرفه‌جویی در زمان تیم‌های بررسی می‌شود تا با دقت بیشتر گزینه‌های مشکوک را بررسی کنند.

بانک‌ها باید علاوه‌بر شناسایی فعالیت‌های مشکوک، چگونگی انتخاب خود را نیز به مقام‌‌های مسئول گزارش دهند. درواقع، باید روش دسته‌بندی نیز توضیح داده شود. به‌عنوان مثال، هر مؤسسه‌ی مالی باید نشان دهد آیا از مدل پیش‌بینی استفاده می‌کند؟ چگونه انتخاب‌های خود را بهینه‌سازی می‌کند؟ درنهایت، مؤسسه‌های مالی و بانک‌ها باید اثبات کنند انتخاب‌هایشان براساس تعصب یا سوگیری عمدی یا غیرعمدی نبوده است. استفاده از الگوریتم ابزارهای لازم را دراختیار بانک‌ها قرار می‌دهد تا چرایی انتخاب فعالیت‌ها در دسته‌بندی مشکوک را توضیح دهند.

رقابت دشوار با تکنیک‌های پول‌شویی

توضیحات مذکور نشان داد هوش مصنوعی می‌تواند در بهبود بهینه‌سازی و شفاف‌سازی فعالیت‌های مبارزه با پول‌شویی نقش مهمی ایفا کند. با‌این‌حال، روش‌های پول‌شویی نیز روز‌به‌روز بهینه‌‌سازی می‌شوند و راهکارهایی برای دورزدن قانون توسعه می‌یابد. در چنین وضعیتی، الگوریتم‌های مبارزه‌ای با سرعت زیادی توسعه نمی‌یابند.

مبارزه با پول‌شویی را مانند بازی شطرنج در نظر بگیرید. اگر قصد داشته باشید در بازی پیروز شوید، باید چند حرکت جلوتر را پیش‌بینی کنید. مجرمان فعال در بازار پول‌شویی نیز چنین رویکردی دارند. آن‌ها به‌محض پیداکردن راه فرار قانونی، از آن بهره‌برداری و هزاران دلار پول را ازطریق حفره‌ی قانونی مبادله می‌کنند. وقتی محصول جدیدی به سیستم بانکی اضافه می‌شود، کلاه‌برداران پیش از آزمایش‌ کامل و بررسی‌های امنیتی،‌ راهی برای سوءاستفاده از آن پیدا می‌کنند. به‌محض پیاده‌سازی راهکارهای امنیتی، مسیری دیگر برای پول‌شویی انتخاب می‌شود.

بانک‌ها در مبارزه‌ی طاقت‌فرسا با فعالیت‌های پول‌شویی، درنهایت به این مانع برخورد می‌کنند که همیشه سازمان‌ها و افرادی وجود دارند که به موفقیت فعالیت‌های مبارزه با پول‌شویی تمایلی ندارند. در تمامی نقاط جهان، ماشین‌های اقتصادی متعددی وجود دارند که برای درآمدزایی هرچه‌بیشتر، وابسته به پول‌شویی هستند. درنهایت، فعالان نبرد مبارزه با پول‌شویی باید با سرعت سریع‌تر و هوشمندی بیشتر فعالیت کنند.

هوش مصنوعی در مسیر مبارزه با پول‌شویی

نیاز به هوشمندی و چابکی در مبارزه با پول‌شویی اهمیت هوش مصنوعی و تحلیل‌های عمیق را دوچندان می‌‌کند. وقتی تحلیل‌های به‌موقع و عمیق از جریان‌های مالی به بانک‌ها ارائه شود، این فناوری‌ها دانش و بینشی کاربردی را در تشخیص سریع و هوشمندانه‌ی ناهنجاری دراختیار فعالان قرار می‌دهند.

تحلیل عمیق و سریع داده‌ها کمک شایانی به تشخیص سریع جرایم می‌کند

هوش مصنوعی توانایی فعالیت در مقیاس و سرعت زیاد را دارد که قابلیت تیم‌های مبارزه با پول‌شویی را در پیشی‌گرفتن از مجرمان افزایش می‌دهد. تشخیص سریع نمادهای فعالیت مجرمانه با استفاده از قابلیت‌های هوش مصنوعی ممکن می‌شود و مواردی همچون انتقال پول به حساب‌های شناخته‌‌شده‌ی پول‌شویی یا مقاصد نامشخص و مشکوک سرعت می‌یابد. هوش مصنوعی همچنین توانایی شناسایی رویکردهایی را دارد که نیروی انسانی برخی اوقات از آن عاجز است. درواقع، با پیاده‌سازی این تکنیک‌ها، بینشی عمیق‌تر درمقایسه‌با رویکردهای قبلی دراختیار فعالان قرار می‌گیرد.

بانک‌ها باید با پیاده‌سازی هرچه سریع‌تر فناوری‌های جدید هوش مصنوعی،‌ سلاح خود در مبارزه با پول‌شویی را تقویت کنند. بانک‌داری آنلاین امروز به توسعه‌ی روش‌های مدرن‌تر فعالیت‌های مجرمانه نیز منجر شده است؛ اما تحلیل‌های پیشرفته و پیاده‌سازی هوش مصنوعی می‌تواند راهکارهایی کاربردی را دربرابر فعالیت پیشرفته مجرمان ایجاد کند./منبع:زومیت