在反洗黑錢流程中使用人工智能（AI）技術，對於金融機構至關重要，以嚴守監管法規，並打擊金融罪案。然而，數據分析與人工智能軟件供應商 SAS 聯同其合作夥伴畢馬威（KPMG）最新發佈的一項反洗黑錢技術應用調查（AML technology study）顯示，業界對AI的興趣持續增加，但其全面實施仍然緩慢。
(新聞稿)
該項全球調查訪問850名公認反洗錢師協會（Association of Certified Anti-Money Laundering Specialists，ACAMS）會員，結果顯示：
- AI與機器學習（ML）的採用率仍然偏低。僅18%的受訪者表示已實際應用AI／ML解決方案，另有18%正試用AI／ML解決方案及25%計劃在未來12至18個月內實施AI／ML，而40%則暫無採用AI／ML的計劃。
- 對生成式AI（GenAI）技術的興趣濃厚，但態度謹慎。近半數受訪者表示正在試用GenAI（10%）或處於探索階段（35%），對於一項新興技術而言，該比例並不算低。然而，仍有55%的受訪者暫無採用GenAI的計劃。
整合之路：AI與機器學習在反洗黑錢合規方面的應用現況就2021年發表的類似調查報告進行更新跟進，探討AI／ML現於反洗黑錢領域的最新情況。SAS亦同時推出相關的數據儀表板，讓用戶可按地區及機構規模探索、可視化及篩選調查結果。
ACAMS首席分析師兼編輯總監Kieran Beer表示：「調查顯示，AML從業員認為監管機構對AI的態度有所降溫。51%的受訪者表示其監管機構推動或鼓勵AI／ML創新，較2021年下降15個百分點。認為監管機構對AI／ML應用持謹慎或擔憂態度的比例從28%上升至36%，而形容監管機構『拒絕變革』的比例更從6%上升超過一倍至13%。」
KPMG國際全球欺詐與金融犯罪轉型主管兼KPMG德國合夥人Timo Purkott指出：「AI與機器學習並非解決所有金融犯罪挑戰的靈丹妙藥，但在某些範疇，尤其是涉及大量數據的領域，相關技術便顯得越為有效，包括實現交易監控警報自動化、進行企業整體風險評估、報告可疑活動、AML審查、減少誤報等依靠數據的應用。機構必須加強數據管理基建投資，將AI與ML的價值提升到最高，有效打擊金融罪犯。」
全面實施AI及ML以創造價值
調查就企業如何在反洗黑錢領域應用AI技術，以及為何在日常營運中全面整合AI技術方面進展緩慢，帶來多項深入的見解。
機構正在發掘更多AI／ML的應用場景。在2021年的首次調查中，78%的受訪者將提高調查和監管備案的質量（40%）或減少誤報（38%）列為採用AI／ML的主要驅動因素。而在是次調查中，答案則更多元化。雖然首兩大原因依然不變，但合計百分比下降至67%。同時，檢測複雜風險由17%上升至21%，而「以上皆不是」選項則由5%躍升至13%。
而不採用AI／ML的原因亦有所變化。預算限制是之前廣泛採用AI的最大障礙，佔39%。在是次調查中，這個選項下降至34%，取而代之的是缺乏監管法規迫切需求（37%）。缺乏相關技能的憂慮亦有所減退，相關選項的百分比從近五成下降至11%。然而，「其他」選項由5%大幅攀升至19%。
減少誤報的需求更為首要。當被問及部署AI／ML的優先領域時，最常見的答案是減少現有監控系統的誤報，佔38%（較2021年上升8%）。數據豐富自動化以支援調查和盡職審查（25%）及透過先進建模技術偵測嶄新風險（23%）仍是熱門選項，但兩者均較上次調查下跌數個百分點。其餘13%的受訪者則選擇了客戶分群以進行行為分析。
減少誤報及漏報亦是AI／ML最具價值的領域，佔38%仍位列首位。然而，其他兩個選項——更好更快的調查（34%）及高低風險警報分類（28%）—則緊隨其後。
機器學習影響力龐大，但自然語言處理（NLP）亦不容忽視。當被問及三大最具影響力的技術排名時，機器學習再次以58%遙遙領先，較2021年上升6%。機械人流程自動化則下降至28%，而自然語言處理（NLP）以14%排名第三。雖然機器學習在大量數據中找出當中模式的能力別具影響力，但NLP較低的排名又是否意味著合規團隊因能力不足而錯過了早期預警訊號？
打好基礎提升競爭優勢
SAS風險、欺詐及合規解決方案高級副總裁Stu Bradley表示：「要全面釋放AI及機器學習所有的潛力，關鍵在於數據源、團隊與技術的整合。整合的第一步是建立一個集合所有數據源的數據生態系統。在是次ACAMS調查中，86%的受訪者表示已進行某種形式的AML、欺詐及資訊安全流程整合，而近三分之一的機構已在這三大範疇中實現全面案件管理能力。另有三分之一透過跨職能團隊合作部署控制措施以防止金融犯罪風險。有些機構可能正在等待監管指引。但那些已率先考慮管治需要而積極推動數據與運營整合的企業，為AI及ML負責任創新奠下穩健的基礎，將會超越猶豫不決的競爭對手，把握優勢，早著先機。」