Вместе с тем, схемы, направленные на обход механизмов ПОД/ФТ, также не стоят на месте, пытаясь найти новые пути для реализации своих преступных намерений.
В данном противостоянии финансовым организациям, а также иным организациям, являющимся субъектами финансового мониторинга, уделена особая роль. В частности, такие субъекты обязаны осуществлять мероприятия по надлежащей проверке клиентов, а также осуществлять мониторинг их деятельности в целях своевременного информирования подразделений финансовой разведки, которые в зависимости от страны, входят в те или иные государственные контролирующие структуры.
Соответственно, создание эффективных инструментов выявления лиц, связанных с отмывание денег или финансированием терроризма, является чрезвычайно важной задачей.
Вместе с тем, учитывая значительное количество клиентов, использующих услуги финансовых посредников, а также проводимых ими операций, весьма актуален вопрос автоматизации процессов, направленных на ПОД/ФТ. Актуальность вопроса подкрепляется и новым этапом развития финансовых продуктов и услуг, которые находятся на этапе активного развития (использование блокчейн, дистанционное установление деловых отношений и т.п.).
Как правило, мониторинг операций клиентов осуществляется посредством специально разработанных сценариев в рамках имеющихся нормативных правовых актов и типологий уполномоченных органов или собственных наработок субъекта финансового мониторинга. Корректность работы данных сценариев напрямую влияет на эффективность финансового мониторинга и соблюдение требований законодательства о ПОД/ФТ.
Учитывая значимую роль информационных систем и анализируемых ими данных, хорошие перспективы в процессах построения системы ПОД/ФТ может иметь машинное обучение. Согласно мнению ряда международных экспертов, использование машинного обучения позволит решать поставленные задачи более эффективно за счет отхода от классического статистического подхода, а также посредством постоянного обучения инструментов решения задач. Машинное обучение включает в себя два типа обучения:
– индуктивное обучение, основанное на выявлении эмпирических закономерностей и изучения прецедентов;
– дедуктивное обучение, предполагающее перенос в базу знаний системы наработанного опыта специалистов Организации или консультантов.
Безусловно, машинное обучение не стоит рассматривать как панацею или легкий вариант совершенствования системы ПОД/ФТ, однако, оно может оказаться весьма полезным инструментов при построении эффективной системы ПОД/ФТ. В частности, машинное обучение может пригодиться при разработке и совершенствовании процессов выявления подозрительных операций, а также анализе информации о клиенте и его бенефициарных собственниках. Искусственный интеллект уже далеко не термин из фантастических фильмов, а наша с Вами реальность, использование которой позволит совершенствовать ранее разработанные механизмы выявления подозрительной активности клиентов и контрагентов, в том числе, снижая риск ложных срабатываний при ее выявлении.
Процедуры ПОД/ФТ включают в себя такие этапы, как надлежащая проверка клиентов, или мониторинг их операций. Вместе с тем, очевидно, что данные этапы должны быть гармонично выстроены в рамках риск-ориентированного подхода и взаимосвязаны в целях построения единой системы мониторинга, использующей результаты обоих этапов. Данный поход применяется далеко не во всех организация, однако его использование безусловно необходимо для более глубокого и системного анализа. Отсутствие такого подхода оставляет без внимания большой пласт сведений, которые могли бы в дальнейшем позволить выявить / предотвратить возможные преступления.
Использование информации, полученной в рамках надлежащей проверки клиента, анализа новых операций, а также исторические данные по уже проведенным операциям это та триада, необходимая для полноценного анализа в целях ПОД/ФТ. Использование открытых источников и информационных баз дополняет картину так называемого поведенческого профиля клиента и может позволить выработать более грамотных подход работы с ним, а также, как говорилось выше, снизить процент ложных срабатываний в процессе выявления подозрительной активности и, что немаловажно высвободить человеческие ресурсы, затрачиваемые на техническую работу, зачастую несвязанную с анализом.
Максимальная автоматизация информационных систем, повышение эффективности их работы это приоритет для крупных и не только организаций, стремящихся к созданию эффективной системы ПОД/ФТ, и да, использование машинного обучения, безусловно, потенциально хороший инструмент в достижении данной цели.
Информационные системы должны взять на себя весь объем информационных данных, где может совершить ошибку человек, оставив специалистам возможность анализировать наиболее подозрительные кейсы, в которых уже необходим профессиональный инстинкт реального аналитика.