在最近的一次采访中, 加拿大FINTRAC金融情报部门首席合规官兼副主任Donna Achimov强调了他们如何越来越多地使用人工智能来监控涉嫌洗钱和恐怖主义融资的银行活动. 采取这一行动的一个动机是，可疑活动报告的数量在过去5年中增加了两倍, averaging over 500,000 per year. FINTRAC在2023财年增加了28%的员工. However, 还是跟不上体积的变化, 像机器学习这样的人工智能技术可以帮助更有效地识别大量数据集中的模式.
这一发展表明，监管机构和银行之间存在潜在冲突，因为两者都希望推进技术以提高效率和效益. 许多银行都有兴趣在金融犯罪领域部署人工智能技术，以减少交易监控系统产生的误报数量. 误报对银行来说是非常昂贵的，因为它们需要人工干预来评估警报并决定是否进一步调查或提交可疑交易报告(STR)。. 这是在浪费时间和精力，而这些时间和精力本可以花在更有价值的活动上, 它还创造了一种环境，因为必须审查大量错误数据，因此可能会错过真正的阳性结果. 想想那些目光呆滞、整天盯着行李x光片的运输安全管理局工作人员——他们已经采用了计算机视觉技术来突出潜在的可疑物品，以帮助人们对抗疲劳.
机器学习算法可以在之前的str上进行训练，并确定潜在的误报, 使人工操作团队能够专注于更有可能是洗钱或恐怖主义融资准确指标的警报. 这项技术的潜在好处是显著的. Still, 许多机构担心监管机构可能会对基于人工智能的流程提出更高的标准, 使他们在实际发生可疑活动时面临执法行动的风险. 这种担忧是合理的，因为最近对银行进行的与“反洗钱”相关的罚款中，有许多都是因为监管机构认定，银行没有在应该提交STR的时候提交. 这就造成了两个不同组织的人工智能辅助判断发生冲突的环境.
我们是否正在进入一个银行应用人工智能技术来减少工作量的世界, 监管机构也在利用同样的能力来增加它? 随着人工智能能力变得更加强大和易于使用, 该行业必须共同努力，建立标准和最佳做法，以防止“机器人对机器人”暴力造成的潜在动荡.
#金融犯罪#反洗钱/KYC #AI #十大电子游艺平台首选#csrigg
