又如，可疑案件描述信息依赖人工总结，这影响了案件上报流程效率以及案件审核流程信息的可管理性、可追溯性 。对此，大型金融机构需要提升反洗钱审查管理效率 。大型金融机构交易基数大，系统报警的可疑交易数量庞大，而人工审核后上报率低，耗费了大量的人力审核成本，迫切需要以“风险为本”为原则，指导和优化反洗钱资源配置 。
“大型银行一般都配备了几百人的反洗钱人工审核队伍 。而采用AI(人工智能)反洗钱技术能够帮助金融机构在控制风险的同时，节省30%以上的审核工作量，相当于每年节省数千万的人力成本 。”第四范式技术有限公司副总裁柴亦飞表示，AI反洗钱还能够提高可疑案件监测能力，补充漏报案件，帮助客户规避不必要的监管处罚，以及法律、声誉和经营风险 。
迭代优化反洗钱规则体系
“人工智能技术是一项可迭代的系统工程，将充分结合有监督和无监督算法，侦测新型洗钱特征，并迭代优化反洗钱可疑案宗评价模型；此外，结合算法侦测的新获特征，运用多分类模型，还可实现智能识别反洗钱类型，并强化反洗钱可疑评价模型，实现重点可疑案件识别 。”柴亦飞表示，人工智能模型可以反哺反洗钱知识库，实现知识积累，迭代优化反洗钱规则体系，并实现反洗钱审核闭环优化体系 。
那么，如何建设反洗钱可疑交易智能分析平台？采访人员在采访中了解到，具体可分为4个阶段 。
阶段一是精准识别，也就是通过审查案宗建立AI识别模型，借助高维离散特征更精确的刻画能力，大幅提升反洗钱识别精准率，精确定位可疑案宗，优化审查人员资源分配 。
阶段二是辅助审核，即通过人工智能技术识别模型中的模型特征，经过业务和工程解析，转化成支撑案宗判定的佐证信息 。同时，建模数据通过数据处理，也可成为重要的交易案宗统计分析信息 。
阶段三是知识沉淀，即引入更多人工智能技术，加强AI辅助业务的能力 。例如，引入知识图谱技术，通过对第三方机构数据进行受益人识别，将数据中的信息提炼整理，有目标地开展有效使用 。而引入NLP技术和文字识别技术，可提供反洗钱监测工作的预警分析等需求 。
阶段四是探索新知，这是AI模型迭代探索阶段，在横向维度建立多分类模型，对于反洗钱种类中的重点种类，通过AI模型进行分类 。在纵向维度，精细化反洗钱可疑案件识别模型，通过足够的数据积累，建立客户洗钱风险等级划分模型 。
值得一提的是，有业内专家表示，尽管AI技术潜力巨大，但仍是反洗钱工作的辅助手段之一，在实际应用中，金融服务行业还需要更好地了解人工智能的风险和局限性 。
【人工智能助力反洗钱升级】
推荐阅读
- 人工智能进入新的发展阶段
- @所有人!助力余杭大径山,就差你一票!
- 蜜蜡|有荧光反应就是真蜜蜡？没有就是假的？大错特错！
- 十大微单相机排行最新 微单反相机
- 先从这些概念入门AI
- 如何删除隐藏文件
- 余杭径山茶数字化气候溯源系统助力国家现代农业产业园创建
- 被反派BOSS宠上天是什么体验 我怀了反派的孩子
- 租赁|一二三未来：零零后反内卷
- 人工智能应用的10个主要行业