Google Cloud zaprezentował nowy produkt, AML AI, oparty na sztucznej inteligencji, mający na celu walkę z praniem pieniędzy. To odpowiedź na globalny problem prania pieniędzy, który rocznie absorbuje od 2 do 5% światowego PKB, co wynosi do 2 bilionów dolarów.
Niestety, fundusze te często pochodzą z nielegalnych źródeł, takich jak handel narkotykami, handel ludźmi czy finansowanie terroryzmu.
Walka z praniem pieniędzy stanowi wyzwanie dla instytucji finansowych. Co roku monitorują one co najmniej cztery miliardy transakcji, starając się wykryć coraz bardziej wysublimowane nielegalne działania.
Aktualne metody wykrywania prania pieniędzy, oparte na ręcznie definiowanych regułach, niestety często zawodzą. Osoby zaangażowane w pranie pieniędzy zdobywają wiedzę na temat tych systemów i potrafią je omijać.
Większość alertów generowanych przez systemy monitorowania okazuje się fałszywymi alarmami. Tylko około 2% z nich kończy się rzeczywistym raportem o podejrzanej działalności. Fałszywe alarmy wymagają czasochłonnej manualnej weryfikacji, odciągając uwagę od prawdziwych zagrożeń.
AML AI od Google Cloud to alternatywa dla tradycyjnych systemów. Analizuje dane banku, w tym wzorce transakcji i dane klientów, dostosowując się do zmian, aby zapewnić dokładniejsze wyniki. Wykorzystuje technologie Google Cloud, takie jak Vertex AI i Big Query.
Pierwsze wyniki zastosowania AML AI są obiecujące. HSBC, jeden z klientów Google Cloud, zauważył, że narzędzie pozwala na wykrycie nawet do czterokrotnie więcej prawdziwych zagrożeń prania pieniędzy. Dodatkowo, liczba fałszywych alarmów spadła o ponad 60%.
AML AI nie tylko zwiększa skuteczność wykrywania nielegalnych działań, ale również pozytywnie wpływa na obsługę klienta.
Google Cloud ma ambicje dalszego rozwoju. W przyszłości planuje wprowadzić produkty oparte na generatywnej sztucznej inteligencji dla branży usług finansowych, mające na celu zwiększenie produktywności pracowników.
Jeżeli zainteresował Cię ten tekst, zobacz więcej naszych artykułów na temat AI w cyberbezpieczeństwie.
