SAS: Banken gebruiken sinds start pandemie meer AI in strijd tegen witwassen

Een derde van de financiële instellingen zet in reactie op COVID-19 versneld in op AI en machine learning (ML) voor anti-witwastechnologie (AML). Ondertussen zegt nog eens 39 procent van de compliance professionals dat hun AI/ML-adoptieplannen onverminderd doorgaan, ondanks de verstoring van de pandemie. Deze en andere trends in de sector zijn onderzocht in een nieuw onderzoek naar AML-technologie door SAS, KPMG en de Association of Certified Anti-Money Laundering Specialists (ACAMS).

Het rapport ‘The State of AI and Machine Learning Adoption in Anti-Money Laundering Compliance’ en aanvullend het survey data dashboard, bevatten de resultaten van een onderzoek onder meer dan 850 ACAMS-leden wereldwijd. ACAMS heeft hen gevraagd in welke mate hun werkgever gebruikmaakt van technologie om witwaspraktijken op te sporen, die jaarlijks worden geschat op 2 procent en 5 procent van het wereldwijde BBP - of 684 miljard tot 1,7 biljoen euro.

AI en ML hebben zich ontpopt als belangrijke technologieën voor compliance-professionals om hun  AML compliance processen te optimaliseren voor de bestrijding van financiële criminaliteit en het witwassen van geld. Meer dan de helft (57 procent) van de respondenten heeft AI/ML al eens ingezet in zijn of haar AML-compliance processen, is bezig met het testen van AI-oplossingen of is van plan deze in de komende 12 tot 18 maanden te implementeren.

Eugene van Kampen, senior fraudeadviseur bij SAS, zegt: “Toezichthouders stellen steeds hogere eisen aan de bestrijding van witwassen en terrorismefinanciering, en de kwaliteit van rapportering. Omdat criminelen steeds geavanceerdere technieken en methoden tot hun beschikking hebben, wordt het echter steeds lastiger voor financiële instellingen om hun criminele activiteiten op te sporen. Het gebruik van alleen op regel gebaseerde detectie is niet meer voldoende en moet gecombineerd worden met meer geavanceerde technologieën, zoals AI en ML, waarbij een detectiesysteem een zelflerend vermogen heeft.”

Koploper bij AI-adoptie
Het zijn niet alleen de allergrootste financiële instellingen die vooroplopen bij de invoering van deze technologie. Achtentwintig procent van de grote financiële instellingen, met een vermogen van meer dan 840 miljoen euro, beschouwt zichzelf als innovator en early adopter van AI-technologie. Bemoedigend is ook dat 16 procent van de kleinere financiële instellingen (met een waarde van minder dan 840 miljoen euro) zichzelf beschouwt als koploper op het gebied van AI-adoptie.

"Een sterk percentage kleinere financiële organisaties bestempelt zichzelf als voorlopers. Dit ontkracht de mythe dat geavanceerde technologische oplossingen buiten het bereik van kleinere financiële organisaties liggen," zegt Tom Keegan, Principal U.S. Solution Leader for Financial Crimes and America Forensic Technology Services, KPMG. "Nu zowel kleinere als grotere organisaties onderworpen zijn aan hetzelfde niveau van regelgeving, is het belangrijk dat deze cijfers blijven stijgen."

Ongeacht de grootte van de instelling, is de druk op banken om de disruptie door COVID-19 het hoofd te bieden en tegelijkertijd de nauwkeurigheid en productiviteit te verhogen, de mogelijke stimulans voor de versnelde inzet van geavanceerde analytics voor AML in de sector.

De twee belangrijkste drijfveren voor de toepassing van AI en ML zijn volgens de respondenten:
- Verbetering van de kwaliteit van onderzoeken naar financiële criminaliteit en van FIU-rapportages (40 procent).
- Het verminderen van false positives en de daaruit voortvloeiende operationele kosten (38 procent).

"Door de radicale verschuiving in consumentengedrag, aangewakkerd door de pandemie, zijn veel financiële instellingen gaan inzien dat statische, op regels gebaseerde monitoringsstrategieën niet zo accuraat of adaptief zijn als gedragsgerichte besluitvormingssystemen", zegt David Stewart, directeur van Financial Crimes and Compliance bij SAS. "AI- en ML-technologieën zijn van nature dynamisch en kunnen zich op intelligente wijze aanpassen aan veranderingen in de markt en opkomende risico's. Daarnaast kunnen ze snel in al aanwezige compliance-programma's worden geïntegreerd, met minimale disruptie. Early adopters behalen aanzienlijke efficiëntieverbeteringen terwijl ze hun instellingen helpen te voldoen aan de groeiende vereisten op het gebied van regelgeving."

Meer inzicht in de stand van zaken met betrekking tot de adoptie van AI en ML in AML compliance: bekijk het on-demand AML webinar The Truth Revealed: Global Insights on the Adoption of AI in the Fight Against Money Laundering and Financial Crime.