银行和骗子在玩一场永无止境的猫捉老鼠的游戏。一方面，骗子四处转移资金，以消除犯罪痕迹。另一方面，银行正密切关注表明金融欺诈的可疑活动。
支付银行Banking Circle首席商务官、前“反洗钱”全球主管利维娅•贝尼斯提(Livia Benisty)表示:“犯罪分子将资金层层通过金融系统，以掩盖其原始来源，最终将资金清洗干净，并将其整合到金融系统中，用于任何类型的购买或投资。”该银行在“反洗钱”中率先使用人工智能。
反洗钱法规要求银行和金融服务机构展示发现这种行为的方法。
对金融公司来说，风险很高。未能保持足够的反洗钱(AML)控制可能会导致数百万英镑的罚款。
对于一家规模较小的私人银行——比如，有150名客户每周进行几笔交易——理论上，分析师可以在电子表格上手动查看交易，并标记出可疑行为。
但由于大型金融公司每天处理数十万甚至数百万笔交易，使用人工流程发现可疑活动就像大海捞针一样。
这就是为什么银行和金融公司越来越多地采用人工智能(AI)来大规模监控和预防欺诈。事实上，Banking Circle已经开发了一种混合解决方案，将人工智能、机器学习(ML)和传统的基于规则的方法结合起来，用于Banking Circle代表客户处理的所有交易。
从基本自动化到AML中的AI
AML中的AI可以追溯到基本的基于规则的系统。银行将设置一个自动的固定规则，可能会指出可疑行为，比如支付金额的门槛。
贝尼斯蒂解释说:“银行对个人和可口可乐这样的公司会有不同的规则，这是至关重要的，因为大多数人和公司的消费模式和数量都非常不同。”
几十年来，银行一直在使用基本的基于规则的技术来标记可疑的金融活动。随着时间的推移，这些规则变得更加复杂，从而可以更有针对性地处理“反洗钱”。
Benisty解释道:“你需要根据不同类型的规则来区分你的客户群。”“这些规则可以是特定时期内的消费金额，或者特定时期内的交易数量。它甚至可能是金融机构希望客户与之互动的机构、公司或人的类型。”
然而，即使是更先进的静态规则也有缺陷，其特点是固定的、狭窄的参数，这意味着消费者必须通知他们的银行出国旅行，以避免他们的账户被冻结。
贝尼斯蒂说:“这完全是毫无意义的，因为它仍然阻塞了你的信用卡，你仍然需要花费时间和金钱在伦敦时间凌晨4点打电话给客服，因为你被卡住了。”“所以当静态规则出现问题时，当它们太二元化时，就会发生这种情况。”
一份报告进一步强调了当今基本的“反洗钱”系统所面临的问题，误报率高达95%。这是指一笔合法交易被标记为潜在可疑，而实际上它是清白的，突显出行业内的低效率。
更高级的AI
越来越多金融公司采用的更先进的“反洗钱”系统严重依赖人工智能和机器学习来检测复杂的模式。
人工智能模型没有静态的交易阈值，而是可以同时通过多个变量查看客户在滚动周期内的消费模式。
Benisty解释道:“基于人工智能的‘反洗钱’系统不只是查看一个指标来表明防御中的风险，而是能够发现付款的其他特征，这可能表明可疑活动的可能性更大。”“这是下一个层次——你不只是根据一个指标来衡量，而是根据一系列指标来衡量，具有一定权重的指标更有可能构成可疑行为。”
指向可疑活动的一系列指标不会从一开始就由分析师具体定义;该系统将能够识别异常值，或看起来更像先前产生升级或可疑活动文件的警报的活动。
贝尼斯蒂表示，人工智能“更好地掌握了数据”，可以检测出人类由于交易的数量和复杂性而无法发现的模式。没有人工智能或机器学习，银行“相当依赖”静态规则。
虽然人工智能有很多炒作，但Benisty对它的好处和局限性有一个更接地气的看法。
她说:“人工智能能做的是开始寻找那些上升到更高级别并逐步升级的支付的不同特征——因此更有可能表明可疑行为。”
AI在AML中的应用
大多数大型银行已经在使用“反洗钱”人工智能工具，根据风险对交易警报进行排序，然后自动清除低于特定风险级别的交易。
但是，尽管人工智能在反洗钱方面具有优势，但从了解采购流程到实施解决方案，采用更先进的工具仍存在障碍。
Benisty说，一个常见的挑战是担心如果一家公司采用人工智能解决方案，监管机构将如何反应，因为他们担心他们无法解释人工智能是如何做出决定的。
“我认为在这方面有一点沉默。我认为有一种观点认为，由于人工智能被过度炒作，它就像是万能的解决方案。”
然而，公司不需要深究——他们可以从基本的人工智能开始，随着时间的推移引入更多的规则。对于银行来说，有机会将人工智能纳入“反洗钱”，作为现有数字化转型项目的一部分。
此外，监管机构在监管科技领域对人工智能系统的了解越来越多，Benisty预计这将推动进一步的采用。
也许并不令人意外的是，较新的金融科技公司更有能力接受人工智能“反洗钱”工具，因为它们不会被相同的传统技术堆栈所困。
“这比进入一家有200年历史、主要靠并购建立起来的机构要容易得多。这甚至不是说他们的数据很混乱——而是他们收购的另外五家公司的数据很混乱，通常分布在多个地区，数据格式也不同，比如纸质文档，”Benisty解释道。
然而，在交易量显著较高的大型银行中，人工智能的价值最大。
Benisty说:“在过去的一年里，通过各种形式的数据分析，包括使用我们自己的人工智能规则，我们看到我们的支付数量翻了一番，并将警报数量保持在静态水平。”“因此，命中率有效地提高了。”
用人工智能预测欺诈行为?
随着银行越来越多地采用人工智能技术来监控和预防金融欺诈，这项技术的下一步发展方向是什么?
对于Benisty来说，它正朝着预测模型的方向发展，在预测模型中，活动模式揭示了犯罪分子可能从事欺诈活动的新方式。
这可能会让银行在永恒的猫捉老鼠游戏中领先一步。
“通过人工智能，我们检测类型学——所以模式就是行为分析，”Benisty说。“基于这些模式，我们会做出明智的决定来捕捉犯罪活动。我们已经证明了这是一种成功的方法，然而，一旦你发现了一个模式，罪犯就会转移;你可能还需要几年时间才能再次使用它。这完全是在向后看。理想情况下，我们希望它能实时发现一种新模式，这真的很令人兴奋。”
目前的系统在很大程度上仍然依赖于从犯罪分子过去的行为中学习，此外，发现新的犯罪方法在很大程度上仍然依赖于犯罪分子搞砸。Benisty举了一个例子，一名黑帮成员通过短信应用程序发送了一张他的狗的照片，之后毒贩被抓获。警察放大了狗的标签，上面显示了黑帮成员的电话号码。
犯罪分子是否能够改变策略，避开未来的预测人工智能模型?Benisty认为他们会。
“我不认为这种情况会停止。我认为罪犯总能找到办法。更不用说总有现金，”她说。
“但我认为这里的关键是更快地发现新的行为模式，更好地识别真正的风险所在，而不是感知的风险所在。与此同时，这是为了消除噪音，这样金融公司就不会付钱给那么多分析师，让他们坐在那里，摆脱他们无聊得要死的一级热门产品。”
与技术领先的支付银行Banking Circle建立付费合作伙伴关系。
