تعلم الآلة لمراقبة معاملات مكافحة غسل الأموال: تقليل الإنذارات الكاذبة من دون فقدان التغطية

بقلم فريق Eurisko

شبكة عصبية تغذي نواة معالج، تجسيداً لتبني الذكاء الاصطناعي في المؤسسات

في معظم البنوك، يتبين أن أكثر من تسعين في المئة من التنبيهات التي تولّدها مراقبة معاملات مكافحة غسل الأموال لا شيء. يقضي المحللون أيامهم في إغلاق تنبيهات عن مدفوعات رواتب تجاوزت عتبة وحوالات طابقت قاعدة دولة، بينما تتوزع الأنماط المهمة، الإيداعات المهيكلة عبر الحسابات وشبكات البغال والغسل القائم على التجارة، بشكل رقيق عبر القواعد بحيث لا ينطلق تنبيه واحد. وتُقاس الكلفة بعدد الموظفين، وبالملاحظات التنظيمية عن التراكم، وبالغسل الذي يمر.

لا يحل تعلم الآلة محل القواعد التي يتوقع المنظّم رؤيتها. بل يغيّر ما يقضي فريق الامتثال وقته فيه. يشرح هذا الدليل كيف، وما يقبله المنظّمون في الخليج والمشرق، وما يحتاج البنك إلى وضعه لنشره.

لماذا تفشل القواعد وحدها

القواعد عتبات وأنماط مكتوبة: إيداعات نقدية فوق مبلغ، تحويلات إلى ولايات عالية المخاطر، حركة سريعة للأموال. وهي شفافة، وهو ما يحبه المنظّمون، وثابتة، وهو ما يحبه الغاسلون أكثر. تُضبط كل قاعدة بمعزل عن غيرها، فيكون حجم التنبيهات الإجمالي مجموع قرارات معقولة فردياً. وترى القواعد معاملة واحدة أو حساباً واحداً في المرة، فيكون السلوك المشبوه فقط في المجمل، عبر الحسابات والأطراف المقابلة والزمن، غير مرئي. وتولّد كل قاعدة إنذارات كاذبة بنسبة عدد العملاء المشروعين الذين يشبهون النمط، وهو كثير في سوق ذات تدفقات حوالات وافدين كبيرة.

ما يضيفه تعلم الآلة

ترتيب أولويات التنبيهات هو الاستخدام الأول والأقل إثارة للجدل: نموذج مدرَّب على نتائج التنبيهات السابقة يقيّم كل تنبيه جديد حسب احتمال تصعيده إلى تقرير نشاط مشبوه، فيعمل المحللون على الحالات الأعلى خطورة أولاً ويمكن إغلاق الذيل الأدنى خطورة بمراجعة أخف أو تلقائياً وفق سياسة موثقة. وترى البنوك عادة انخفاض الحجم الذي يجب على المحللين التحقيق فيه بالكامل إلى النصف أو أكثر من دون فقدان أي إيجابيات حقيقية.

كشف الشذوذ السلوكي هو الثاني: نماذج تتعلم النمط الطبيعي لكل عميل وكل شريحة وتعلّم الانحرافات التي لم تُكتب القواعد لها. وتحليلات الشبكات هي الثالث: أساليب الرسوم البيانية التي تجد عناقيد الحسابات المرتبطة بتحويلات أو أجهزة أو عناوين أو مستفيدين، وهكذا تُهيكل فعلاً شبكات البغال ومخططات التمويه. وتقف تسوية الكيانات أساساً لكل ذلك، لأن الشخص أو الشركة نفسها تظهر بتباينات طفيفة في الاسم والمعرّف عبر الأنظمة.

النشر بشكل يقبله المنظّمون

يتبع المنظّمون في السعودية والإمارات والكويت وعُمان ولبنان جميعاً معايير مجموعة العمل المالي ويقبلون جميعاً التقنية التي تحسّن الفعالية، شرط أن يستطيع البنك تفسيرها وإثباتها. والنمط المقبول هو تشغيل النماذج إلى جانب القواعد لا بدلاً منها. تبقى القواعد خط الأساس التنظيمي والحد الأدنى للتغطية. وترتب النماذج أولويات ما تنتجه القواعد، وتضيف تنبيهات تفوّتها القواعد، ويُتحقق منها مقابل النتائج نفسها. وكل قرار نموذج قابل للتفسير على مستوى التنبيه: أي الخصائص قادت الدرجة، بلغة يستطيع المحلل والفاحص متابعتها. وتوثَّق العتبات وسياسات الإغلاق التلقائي ويوافق عليها مسؤول الإبلاغ عن غسل الأموال وتُختبر قبل الإطلاق وبعده.

التحقق هو الجزء الأكثر تقليلاً. فالنموذج المدرَّب على نتائج التنبيهات السابقة يتعلم قرارات المحللين السابقين بما فيها أخطاؤهم، لذا تحتاج مجموعة التدريب إلى مراجعة، ويحتاج النموذج إلى اختبار على حالات معروفة وسيناريوهات فريق أحمر، ويحتاج الأداء إلى مراقبة للانزياح مع تغيّر سلوك العملاء وأساليب الغسل.

البيانات ونموذج التشغيل

النماذج بجودة البيانات فقط: سجلات معاملات كاملة عبر المنتجات والقنوات، وبيانات العملاء واعرف عميلك، ومعلومات الأطراف المقابلة، وبيانات الأجهزة والجلسات من القنوات الرقمية، وسجل التنبيهات والحالات مع النتائج. وتجد معظم البنوك أن بناء طبقة بيانات موحدة للجرائم المالية هو غالبية العمل، وأنه يؤتي ثماره عبر الاحتيال ومكافحة غسل الأموال وفحص العقوبات معاً.

ويتغير نموذج التشغيل أيضاً. ينتقل المحللون من تصفية الطوابير إلى التحقيق في حالات مرتبة الأولوية وتقديم ملاحظات تحسّن النماذج. ولكل من مالك النموذج في الامتثال ووظيفة التحقق في المخاطر وفريق البيانات والهندسة في التقنية أدوار محددة. ويعمل النظام داخل حدود بيانات البنك، وهو ما تتطلبه قواعد الإقامة في معظم المنطقة على أي حال.

القضبان الفورية ترفع المخاطر

تنقل المدفوعات الفورية والخدمات المصرفية المفتوحة المشكلة من الليل إلى الزمن الحقيقي. تُموَّل حسابات البغال وتُفرَّغ خلال دقائق، وأمام البنك المستلم ثوانٍ للتصرف. وهذا يقرّب مكافحة غسل الأموال من الاحتيال: الخصائص السلوكية والإشارات الشبكية نفسها التي تكشف الغسل بعد وقوعه تستطيع تقييم دفعة قبل تسويتها. والبنوك التي بنت طبقة البيانات الموحدة وبنية النماذج لمكافحة غسل الأموال هي القادرة على توسيعها إلى فحص المدفوعات في الزمن الحقيقي من دون البدء من جديد.

كيف تساعد Eurisko

تبني Eurisko منصات بيانات الجرائم المالية وأنظمة تعلم الآلة لبنوك في الخليج ولبنان: ترتيب أولويات التنبيهات، والكشف السلوكي والشبكي، والقابلية للتفسير على مستوى التنبيه، والتحقق والمراقبة، مدمجة مع محركات القواعد وإدارة الحالات القائمة ومنشورة داخل البنك. إن كان فريق الامتثال لديكم يغرق في التنبيهات، فبإمكان فريق الذكاء الاصطناعي لدينا أن يريكم ما يدعمه سجل تنبيهاتكم أنتم.

أسئلة وأجوبة

الأسئلة الشائعة.

هل يستطيع تعلم الآلة أن يحل محل مراقبة مكافحة غسل الأموال القائمة على القواعد؟

عملياً لا، ولا يتوقع المنظّمون ذلك. النموذج المقبول هو القواعد كخط أساس تنظيمي مع تعلم الآلة يرتب أولويات التنبيهات التي تنتجها، ويضيف كشفاً للأنماط التي تفوّتها القواعد، ويُتحقق منه ويُفسَّر بالمعيار نفسه.

كم يقلل تعلم الآلة الإنذارات الكاذبة في مكافحة غسل الأموال؟

ترى البنوك عادة انخفاض حجم التنبيهات التي تتطلب تحقيقاً كاملاً إلى النصف أو أكثر عبر ترتيب الأولويات القائم على النماذج، من دون فقدان إيجابيات حقيقية، متى دُرّب النموذج على نتائج تاريخية مراجَعة وتُحقق منه. وتعتمد النتائج بشدة على جودة البيانات ومجموعة القواعد القائمة.

هل يقبل منظّمو الخليج الذكاء الاصطناعي في امتثال مكافحة غسل الأموال؟

نعم، ضمن توقعات مخاطر النماذج والفعالية المتوافقة مع معايير مجموعة العمل المالي. يجب على البنوك تفسير قرارات النماذج على مستوى التنبيه، وتوثيق العتبات وسياسات الإغلاق التلقائي والموافقة عليها، والتحقق قبل النشر وبعده، ومراقبة الانزياح، وإبقاء المساءلة البشرية لدى مسؤول الإبلاغ عن غسل الأموال.

لنبدأ البناء

هل لديك فكرة طموحة؟

ابدأ مشروعك ←

عمليات بحث شائعة

انتقل إلى