skip to Main Content

Metalli

L’intelligenza artificiale è la chiave delle banche contro il riciclaggio

L’AI sta rapidamente diventando la difesa chiave degli istituti europei contro il riciclaggio di denaro che finanzia il terrorismo e altre attività criminali in tutto il mondo. La lotta contro il riciclaggio di denaro (AML, Anti-Money Laundering) è una priorità fondamentale all’interno dell’Ue. L’ultima direttiva antiriciclaggio europea (AMLD IV), pubblicata nel 2015 e confermata dal…

L’AI sta rapidamente diventando la difesa chiave degli istituti europei contro il riciclaggio di denaro che finanzia il terrorismo e altre attività criminali in tutto il mondo.

La lotta contro il riciclaggio di denaro (AML, Anti-Money Laundering) è una priorità fondamentale all’interno dell’Ue. L’ultima direttiva antiriciclaggio europea (AMLD IV), pubblicata nel 2015 e confermata dal Parlamento europeo, ha imposto maggiori garanzie per i flussi finanziari provenienti da paesi ad alto rischio e rafforzato i poteri delle unità di informazione finanziaria dell’Unione europea. Per le banche che trattano con personaggi noti o sospettati di riciclaggio di denaro, le sanzioni sono elevate. Pertanto spetta in primis agli istituti bancari la responsabilità di bloccare eventuali fenomeni di questo genere.

L’approccio tradizionale è inefficace: la componente umana rischia l’errore

L’approccio tradizionale alla lotta antiriciclaggio, tuttavia, è in gran parte “manuale”, basato cioè su regole incentrate sui processi piuttosto che sui risultati. Guidate dal principio “Conosci il tuo cliente”, le banche in passato ma anche oggi, seguono passo dopo passo i processi stabiliti per verificare l’identità dei clienti, dei loro partner commerciali e degli aventi diritto sulla base delle liste di controllo AML per determinare la reputazione di chi effettua l’operazione. Questo approccio comprende strumenti che segnalano sistematicamente le transazioni in contanti e i trasferimenti che superano un determinato importo in euro o coinvolgono determinati paesi. L’AML basato quindi sulla componente “umana” monitora “manualmente” le operazioni di trasferimento attraverso una ricerca approfondita e decide quali pratiche debbano essere ulteriormente riesaminate. Questo processo, tuttavia, è inefficace nell’individuare tutte le operazioni volte ad eludere i controlli, come quelle che coinvolgono i fenomeni quali le “scatole cinesi” delle società di comodo.

L’intelligenza artificiale “impara” adattandosi alle transazioni

Nell’ultimo decennio è nata una nuova generazione di algoritmi AML basati sull’intelligenza artificiale. Realizzati grazie ad hardware avanzati, distributed processing e Big Data, i nuovi strumenti non si basano su regole o parametri rigorosamente definiti. Invece di esaminare ogni transazione singolarmente, gli algoritmi effettuano un’analisi globale e contestuale per rilevare le transazioni anomale, utilizzando parametri di prodotto, cliente e tipo di rischio definiti in modo generico. Gli algoritmi in sostanza “imparano” dinamicamente, valutando ricorsivamente il proprio output, adattandosi ai cambiamenti nell’attività di transazione e scoprendo nuovi modelli per un rilevamento futuro più intelligente.

Grazie all’intelligenza artificiale si rende più efficiente la compliance delle banche

Qual è stato il risultato dell’utilizzo della tecnologia basata sull’Intelligenza artificiale? Si è registrata una riduzione del volume delle transazioni segnalate come “da rivedere”. Gli allarmi sono raggruppati in base al livello di rischio, consentendo agli analisti di dare maggiore priorità a quelli più “pericolosi”. L’esame delle transazioni sospette, inoltre, è facilitato dagli strumenti tecnologici, che riducono i tempi necessari per l’esame manuale, rendendo più efficiente la compliance delle banche. In un test effettuato da una importante banca che ha utilizzato questa nuove tecnologia, sottolinea Gabriella Csanak Senior Industry Expert, Financial Services di T-Systems Ungheria, il numero di falsi allarmi positivi è stato ridotto del 35%. La classificazione delle transazioni segnalate per livello di rischio ha migliorato quindi l’accuratezza della banca nell’identificazione delle transazioni sospette di oltre quattro volte. L’uso dell’intelligenza artificiale e delle tecnologie di apprendimento automatico promette, dunque, di aumentare significativamente la competenza delle banche nell’individuare i modelli di riciclaggio di denaro, aiutandole a rimanere almeno un passo avanti rispetto ai terroristi e ad altri criminali della finanza.

Back To Top