Der er stor interesse for at bruge AI i kampen mod økonomisk kriminalitet i Norden. Men en ny undersøgelse fra SAS Institute i samarbejde med KPMG viser, at interessen stadig er langt større end den faktiske anvendelse.
I takt med at økonomisk kriminalitet – herunder hvidvaskning af penge – bliver mere og mere sofistikeret, stiger behovet for effektive værktøjer til at forebygge og opdage mistænkelige aktiviteter. Her kan AI, generativ AI og maskinlæring (ML) spille en vigtig rolle, men brugen af dem i den finansielle sektor er stadig beskeden.
Det billede understøttes af en global undersøgelse blandt medlemmer af Association of Certified Anti-Money Laundering Specialists (ACAMS) – verdens største netværk af eksperter i økonomisk kriminalitet. Undersøgelsen er gennemført af SAS Institute i samarbejde med revisionsforeningen KPMG og er baseret på svar fra 850 ACAMS-medlemmer.
Undersøgelsen fremhæver:
• Kun 18 pct. af de adspurgte kan rapportere, at de har AI/ML-løsninger i produktion. Andre 18 pct. er i gang med at teste teknologierne, mens 25 pct. planlægger at implementere AI/ML inden for de næste 12-18 måneder. Hele 40 pct. har enten ingen eller aktuelle planer om at arbejde med AI og ML.
• Der er stor interesse for generativ AI generelt, men man tøver tilsyneladende med at kaste sig ud i teknologien. Næsten halvdelen af respondenterne beskriver, hvordan de enten er i en testfase (10 pct.) eller en udforskende fase (35 pct.), når det drejer sig om generativ AI. 55 pct. har ingen konkrete planer om at bruge teknologien.
-I Norden ser vi, at banker og finansverdenen generelt har en stor interesse i at bruge AI i kampen mod hvidvaskning af penge. Men der er også en udbredt forsigtighed, som ofte hænger sammen med usikkerhed om de lovgivningsmæssige krav. For at imødegå et stadig mere komplekst trusselsbillede er der brug for en klar strategi for både brugen af AI og datahåndtering, siger Stephanie Ora, Global Lead for Financial Crimes Analytics hos SAS.
AI skaber værdi, men møder modstand
Selvom AI og ML endnu ikke er implementeret i stor stil, peger undersøgelsen på den forretningsmæssige værdi af de to teknologier, især inden for områder, der kræver behandling af store mængder data.
Teknologierne bruges bl.a. til at automatisere alarmflows i transaktionsovervågning, forbedre risikovurderinger og strømline rapporteringen af mistænkelige aktiviteter.
Samtidig står den finansielle sektor også over for flere udfordringer. Kun 51 pct. af de adspurgte føler, at myndighederne fremmer innovation med AI og ML, hvilket er et fald på 15 procentpoint sammenlignet med en lignende undersøgelse fra 2021. Samtidig mener flere, at myndighederne enten er for forsigtige (36 pct.) eller direkte modvillige over for forandringer.
Budgetbegrænsninger spiller også en rolle, men færre ser det som en væsentlig barriere (et fald fra 39 pct. til 34 pct.). På den anden side er usikkerhed om lovgivningen nu den største bekymring (37 pct.). Mangel på intern ekspertise fylder mindre end tidligere og nævnes kun af 11 pct.
Når virksomheder implementerer AI og ML, er den højeste prioritet at reducere falske positiver i overvågningssystemer (38 pct.). Derefter følger bedre håndtering af kundedata i undersøgelser og due diligence-processer (34 pct.) samt mere effektiv prioritering af risikoalarmer (28 pct.).
Integration af data og processer er nøglen til succes
For at få fuldt udbytte af AI og ML kræver det en stærk datastyringsinfrastruktur, der forbinder funktioner som bekæmpelse af hvidvaskning af penge (AML), forebyggelse af svindel og informationssikkerhed.
Hele 86 pct. af de adspurgte samarbejder allerede på tværs af disse områder, og næsten en tredjedel har fuldt integrerede sagsbehandlingssystemer.
-Organisationer, der integrerer data, teams og teknologi på en struktureret måde, skaber et solidt fundament for ansvarlig brug af AI. Det sikrer ikke kun overholdelse af lovkrav, men giver også et bedre grundlag for beslutningstagning, reducerer risici og optimerer arbejdsprocesser. Hvis du formår at udnytte dette, vil du få en klar konkurrencefordel i en stadig mere datadrevet verden, siger Stephanie Ora afslutningsvis.
Rapporten ”The road to integration: The state of AI and machine learning adoption in anti-money laundering compliance” er en opfølgning på en lignende undersøgelse fra 2021. Den giver et opdateret billede af, hvordan AI og ML bruges i arbejdet med bekæmpelse af hvidvaskning af penge på globalt plan.
