تخطّ إلى المحتوى
كل الرؤى الذكاء الاصطناعي لمكافحة الاحتيال والجريمة المالية

أتمتة فرز تنبيهات مكافحة غسل الأموال مع إبقاء المحلّل في الحلقة

معظم تنبيهات مكافحة غسل الأموال ضجيج، لكن لا بدّ من مراجعتها على أي حال. إليك كيف نؤتمت الإثراء وتحديد الأولويات وصياغة القرار مع إبقاء المحلّل مسؤولاً.

متخصصون في القطاع المالي يعملون على مبادرة للذكاء الاصطناعي

تضع أتمتة فرز تنبيهات مكافحة غسل الأموال المساعدَ على العمل التجميعي. فهو يجمع الأدلة، ويُثري كل تنبيه، ويصوغ مسوّدة أولى للتقرير، ويرتّب قائمة الانتظار بحسب المخاطرة المرجّحة. أما المحلّل فما زال يقرأ الحالة، ويتّخذ قرار التصرّف فيها، ويوقّع. وكل خطوة مؤتمتة تُسجَّل كي يتمكّن المفتّش من إعادة بناء ما جرى بعد أشهر.

لنبدأ بالمشكلة الصريحة. يُطلق نظام مراقبة المعاملات تنبيهات أكثر بكثير مما يستطيع فريق أن يحقّق فيها بشكل مُجدٍ، وتُغلَق الغالبية العظمى منها دون اتخاذ أي إجراء إضافي. يقضي المحلّلون معظم نوبة العمل على أجزاء ليست تحقيقاً بالمرّة: سحب ملف العميل، وتتبّع الطرف المقابل، ومراجعة التنبيهات وتقارير الأنشطة المشبوهة (SARs) السابقة، وفحص الأسماء مقابل قوائم العقوبات والأشخاص المعرَّضين سياسياً (PEP)، ونسخ كل ذلك في مذكّرة الحالة. الحكم يستغرق دقائق. أما التجميع فيستغرق اليوم كله. هذا الاختلال هو موضع الأتمتة الصحيح، وهو أيضاً حيث يُلحق البناء المتهاون ضرراً حقيقياً، لأن الإثراء الواثق الحامل لمعلومة قديمة أو خاطئة يبدو تماماً كإثراء صحيح.

ما الذي يجمّعه المساعد

الفرز مهمة استرجاع (retrieval) ومطابقة قبل أن يكون مهمة استدلال. لكل تنبيه، يجمع المساعد القطع التي كان المحلّل سيجمعها بيده لولا ذلك:

  • ملف العميل والحساب، والنشاط المتوقّع، وتصنيف مخاطر اعرف عميلك (KYC) كما كانت وقت إطلاق التنبيه.
  • تفاصيل الطرف المقابل، بما في ذلك أي كيان تمّت تسويته (resolved entity) خلف السلسلة النصية الخام على الدفعة.
  • التنبيهات السابقة، وتقارير الأنشطة المشبوهة (SAR) المقدَّمة سابقاً، وتاريخ التصرّفات على العميل والشبكة نفسها.
  • إصابات فحص العقوبات والأشخاص المعرَّضين سياسياً (PEP) والأنباء السلبية (adverse-media)، مع منطق المطابقة الذي أنتجها.
  • المعاملات التي أطلقت القاعدة فعلاً، مع العتبة (threshold) والنمط التصنيفي (typology) الذي انطلق.

استدعاء هذه الأنظمة هو الجزء السهل. الجزء الصعب هو تسوية الكيانات (entity resolution) عبر مصادر بيانات متضاربة، والصحّة في لحظتها الزمنية (point-in-time). إذا أثرى المساعد تنبيهاً عمره ثلاثة أسابيع باستخدام سجل العميل اليوم، فقد يُلحق تصنيف مخاطر أو علاقة لم تكن موجودة وقت تسوية المعاملة. هذا هو التطلّع إلى الأمام (lookahead)، نفس مشكلة التسريب (leakage) التي تكافحها عند بناء النماذج، وفي الفرز يُفسد كلاً من مجموعة التقييم (eval set) لديك ومسار التدقيق. كل معلومة يُظهرها المساعد ينبغي أن تحمل نسبها (lineage): أيّ نظام، أيّ حقل، واعتباراً من متى. المحلّل الذي يقرأ الحالة يحتاج أن يرى المصدر، لا مجرّد الادّعاء.

تحديد الأولويات، وكيف لا تبنيه

قائمة الانتظار هي الهدف الثاني. لا تستحق كل التنبيهات القدر نفسه من الاهتمام، والعمل عليها بترتيب وصولها يُهدر المورد الأندر في المؤسسة. نموذج تحديد أولويات يرتّب التنبيهات بحسب المخاطرة المرجّحة يتيح للفريق إنفاق ساعاته حيث تهمّ.

كن متعمّداً هنا. نموذج الترتيب الذي يعيد ترتيب العمل التحقيقي هو نموذج يقع ضمن إطار مخاطر النماذج لديك، وفي الولايات المتحدة يعني ذلك انطباق توقّعات SR 11-7: تطوير موثَّق، وتحقّق (validation) مستقل، ومراقبة بعد دخوله الخدمة. يحتاج إلى مجموعة تقييم (eval set) مُعنونة مبنية من التصرّفات التاريخية، وهو يحمل فخّاً واضحاً. إذا دُرِّب فقط على التنبيهات التي أغلقها المحلّلون، فلن تتعلّم أبداً من الحالات التي لم يجدوا وقتاً لفتحها قطّ. هذا الانحياز في العيّنة (sampling bias) يجعل النموذج يبدو أحدّ مما هو عليه.

بعض المبادئ التي نلتزم بها:

  • رتّب، ولا تُغلِق تلقائياً، ما لم تُقيَّم شريحة محدّدة منخفضة المخاطر تقييماً كافياً لتبرير المعالجة المباشرة (straight-through processing). وحتى حينئذٍ، أبقِ مالكاً مُسمّى ومراجعة معتمدة على عيّنة للفئة المُغلقة تلقائياً.
  • حدّد ميزانية صريحة للإيجابيات الكاذبة (false-positive budget) وقِس مقابلها، كي تصبح عبارة “خفّضنا التنبيهات” رقماً يستطيع خط الدفاع الثاني التحقّق منه بدلاً من أن تكون ادّعاءً.
  • راقب الانحراف (drift). فالأنماط التصنيفية تتغيّر، والعتبات يُعاد ضبطها في المنبع، والنموذج المعاير على مزيج العام الماضي يتحلّل بصمت. دوّن وتيرة إعادة المعايرة بدلاً من الارتجال بها في نهاية الربع.

صياغة القرار دون امتلاكه

القطعة الأخيرة هي التقرير. يصوغ المساعد سردية التصرّف: ما الذي انطلق، وما الذي وجده الإثراء، ولماذا يشير إلى الإغلاق أو التصعيد. هذا مفيد حقاً. فمذكّرة الحالة الفارغة هي حيث يفقد المحلّلون وقتهم وحيث يتسلّل التضارب عبر الفريق.

وهي أيضاً حيث يجب أن يكون خطّ إبقاء المحلّل في الحلقة (human-in-the-loop) حادّاً. المسوّدة اقتراح. يقرأها المحلّل، ويطابقها مع الأدلة، ويحرّرها، ثم يتّخذ القرار. يجب أن يسجّل النظام ما اقترحه المساعد، وما غيّره المحلّل، والقرار النهائي مقروناً بهوية المحلّل. حين توصي مسوّدة بالتصعيد ويختار المحلّل الإغلاق بدلاً منه، فإن هذا الخلاف يستحقّ الحفظ. إنه يهمّ للحالة الفردية، وكعنوان (label) يخبرك أين يتباين المساعد ومحقّقوك.

ضوابط تهمّ عملياً:

  • لا يختلق المساعد قطّ معلومة لإكمال سردية. فإذا فشل الإثراء، تقول المسوّدة إن الحقل مفقود بدلاً من التخمين. الرقم الخاطئ الذي يبدو صحيحاً هو نمط الفشل الذي ينتهي به المطاف أمام جهة تنظيمية.
  • يبقى التصعيد إلى تقديم تقرير نشاط مشبوه (SAR) قراراً بشرياً. يستطيع المساعد أن يملأ مسبقاً سردية، لكن حكم التقديم والتوقيع النهائي يخصّان شخصاً.
  • تُسجَّل كل خطوة مؤتمتة مع المدخلات والمصادر والطوابع الزمنية، كي تبقى الحالة قابلة لإعادة البناء بعد فترة طويلة من انتقال المحلّل إلى غيرها.

لا شيء من هذا يُقلّص الفريق أو يسلّم القرار إلى آلة. يفتح المحلّلون حالة مُجمّعة سلفاً، بأدلة مجموعة، وقائمة انتظار مرتّبة بحسب المخاطرة، ومسوّدة يمكنهم قبولها أو تمزيقها. تبقى المساءلة حيث يتوقّع المشرف والمفتّش أن يجداها: على الشخص المُسمّى الذي وقّع القرار.

الأسئلة الشائعة

هل يستطيع الذكاء الاصطناعي إغلاق تنبيهات مكافحة غسل الأموال تلقائياً؟

ليس في معظم البرامج. النمط الأكثر أماناً هو المعالجة المباشرة (straight-through processing) فقط لشريحة ضيّقة ومُقيَّمة من عمليات الإغلاق منخفضة المخاطر، مع بقاء كل قرار منسوباً إلى محلّل مُسمّى يمكن أن يسأله المفتّش.

هل تُغيّر أتمتة الفرز التزاماتك المتعلقة بمخاطر النماذج؟

نعم. أي نموذج يُسجّل النقاط أو يُرتّب أو يصوغ يصبح جزءاً من جرد نماذجك ويقع ضمن نظام التحقّق (validation) لديك، بما في ذلك التوقّعات الواردة في SR 11-7. تعامل مع مساعد الفرز باعتباره نموذجاً لا مجرّد أداة.

ما أكبر خطر يتعلق بالبيانات في أتمتة الفرز؟

الصحّة في لحظتها الزمنية (point-in-time). يجب أن يعكس الإثراء ما كان معروفاً وقت إطلاق التنبيه، لا حالة سجل العميل اليوم، وإلّا فإن أرقام تقييمك ومسار التدقيق لديك يصبحان كلاهما خاطئين بصمت.

قراءات ذات صلة

#مكافحة غسل الأموال

صياغة سرديات تقارير الأنشطة المشبوهة (SAR) بنماذج اللغة، بأمان

سردية تقرير النشاط المشبوه وثيقة قانونية، لا إجابة روبوت محادثة. وفي ما يلي كيف نولّد مسودات تقارير مؤسَّسة على الأدلة وقابلة للمراجعة، تستشهد بمصادرها.

#مكافحة غسل الأموال

خفض الإنذارات الكاذبة في مراقبة المعاملات عبر تعلُّم الآلة

مراقبة مكافحة غسل الأموال القائمة على القواعد تُغرق المحلّلين في إنذارات كاذبة. في ما يلي هندسة الخصائص وطبقات النمذجة التي نعتمدها لخفض الإنذارات الكاذبة دون تفويت النشاط المشبوه الحقيقي.

#النمذجة المالية

ابنِ للمحلل مساعدًا ذكيًا، لا بديلًا عنه

النماذج المالية التي يصوغها الذكاء الاصطناعي ما زالت تحتاج إلى محلل يتحمّل مسؤولية الافتراضات. هنا يثبت المساعد الذكي جدواه، وهنا يضع الإنسان توقيعه.

#البنية المعمارية

أين يصلح الذكاء الاصطناعي الوكيل في القطاع المالي، وأين لا يصلح

ينتشر الذكاء الاصطناعي الوكيل بسرعة في فرق العمل المالية. والسؤال المفيد ليس هل نتبناه أم لا، بل أي القرارات نترك للوكيل أن يتخذها وحده، وأيها يوقّع عليها إنسان.

تعمل على شيء مشابه؟

أخبِرنا عن بياناتك وسير العمل المحيط بها، وسنعطيك رأياً صريحاً.

احجز مكالمة تعريفية مدتها 30 دقيقة