Jak GenAI może usprawnić screening sankcyjny

Jak działa standardowe narzędzie do screeningu sankcyjnego?

Listy sankcyjne, czyli pierwszy etap screeningu sankcyjnego

Pierwszym etapem screeningu jest pobranie rekordów z list sankcyjnych, publikowanych przez poszczególne kraje i organizacje międzynarodowe. Najwygodniejszą metodą jest skorzystanie z komercyjnych dostawców agregujących i aktualizujących na bieżąco różne listy. Listy sankcyjne przekazywane są do tzw. silnika sankcyjnego. Na jego wejściu podawane są także dane dotyczące weryfikowanego podmiotu lub transakcji. Silnik porównuje dane z listami sankcyjnymi, m.in. poprzez algorytmy dopasowania rozmytego (tzw. fuzzy matching), pozwalające na analizę podobieństwa pomiędzy dwoma ciągami znaków. Następnie generowane są alerty dotyczące podmiotów lub transakcji, w których silnik wykrył wyrażenia wystarczająco podobne do tych występujących na listach sankcyjnych. Dzięki zastosowaniu takich algorytmów możliwa jest identyfikacja poszukiwanych nazw i wyrażeń także wtedy, gdy występują w nich przestawione litery (tzw. literówki), zamieniona została kolejność wyrazów (np. imienia i nazwiska) lub użyte zostały inicjały lub formy skrócone pełnych nazw.

Screening sankcyjny i przegląd danych

Kolejnym etapem jest manualny przegląd alertów. W instytucjach finansowych z reguły odpowiadają za niego zespoły analityków, którzy weryfikują dopasowania i podejrzenia co do zbieżności nazw czy innych informacji, które mogą wskazywać, że podmiot został objęty sankcjami. Realizacja transakcji jest wstrzymana do czasu weryfikacji alertu. Przy dużej liczbie alertów generuje to potrzebę zwiększania liczby analityków zaangażowanych w ich przeglądy (aby nie spowalniać procesu). W konsekwencji proces screeningu staje się mało efektywny, ze względu na rosnące koszty operacyjne.

Dla dużych instytucji alerty fałszywie pozytywne (ang. false positive) mogą stanowić nawet 95 proc. wszystkich alertów. Mogą się na nie składać przypadkowe dopasowania, kiedy nazwy z trafień tylko wydają się podobne, ale w rzeczywistości odnoszą się do różnych podmiotów.

Proces ręcznego przeglądu danych jest czasochłonny i monotonny. Jednocześnie przy niewielkim procencie alertów prawdziwie pozytywnych (ang. true positive) pojawia się ryzyko przeoczeń, zwłaszcza w organizacjach z bardzo dużą liczbą alertów.

Screening sankcyjny ze wsparciem AI?

Rozwiązaniem odpowiadającym na opisane powyżej wyzwania jest wsparcie procesu przez zaawansowane rozwiązanie, oparte na zautomatyzowanych mechanizmach zmniejszających liczbę alertów fałszywie pozytywnych, jak również usprawniających proces przeglądu alertów.

Copilot dla screeningu odpowiada na te potrzeby. Autorskie narzędzie EY, oparte na algorytmach sztucznej inteligencji, usprawnia proces weryfikacji i czyni go bardziej efektywnym. Model AI przeprowadza analizę danych i informacji, sugerując, jaką decyzję należy podjąć, podając dodatkowo precyzyjne uzasadnienie. Ostateczną decyzję podejmuje analityk, przy czym potrzebuje na nią znacznie mniej czasu. Co istotne, system działa w dużej skali, automatycznie przetwarzając wygenerowane alerty niezależnie od ich liczby. Model jest skonfigurowany w taki sposób, że sugeruje decyzje tylko w przypadku bardzo wysokiego prawdopodobieństwa prawidłowej oceny. W pozostałych przypadkach model odstępuje od oceny i dany alert jest analizowany w tradycyjny sposób. Nasze testy wskazują, że taka parametryzacja modelu pozwala ograniczyć czas pracy analityka sankcyjnego nawet o 80 proc.

Kolejną zaletą rozwiązania jest możliwość integracji wielu źródeł danych, aby jak najdokładniej ocenić alert. Narzędzie może być również elastycznie wdrożone i zintegrowane z istniejącymi procesami roboczymi (ang. workflow) oraz działać w zgodzie z regulacjami. Może być implementowane w chmurze lub lokalnie, w zależności od potrzeb, zapewniając bezpieczeństwo i poufność danych.