银行流程优化——人工智能的巨大潜力
Posted: Mon Jan 27, 2025 9:14 am
德意志交易所集团 (Deutsche Börse AG) 的全资子公司 Clearstream Banking SA 已就与美国出口管制机构外国资产控制办公室 (OFAC) 的纠纷达成和解，并支付 1.52 亿美元。这场争端是关于违反对伊朗制裁的行为。
与美国当局的争端让德国商业银行付出了沉重的代价。德国第二大金融机构必须支付 14.5 亿美元才能解决违反制裁和洗钱的指控。
这两个例子显示了监控领域（即出于监管和合规原因对流程进行监控）对银行的重要性。处理交易时，会执行各种实时检查（即所谓的控制）。所有交易均经过欺诈、制裁或洗钱检查。银行的目标是实现尽可能高的违规检测率。
银行已经使用自动系统进行此类检查。然而，这些系统并没有达到 100% 的检测率。此类系统自动识别一定比例并控制剩余交易进行手动处理。如果您假设大型银行每天处理数亿笔交易，并且理想情况下其中 90% 到 95% 可以由现有系统自动处理，那么您就会看到巨大的手动工作量。
项目示例：检查交易制裁的系统
这里对于人工智能方法的使用有一个非常大的攻击点。 adesso 为一家大型国际 外汇电子邮件列表 银行构建了一个系统，该系统能够将检查制裁时手动处理的交易数量减少高达 70%。下面我将详细介绍这个系统、架构以及人工智能方法的使用。
系统描述：关于子系统的要求
从一开始，对灵活性和可变性的高要求就成为负责检查制裁的子系统的首要任务。最终，此时必须涵盖许多不同的传输格式。应用程序应该能够快速适应特定情况。当涉及传输格式时，范围特别大，因为必须考虑正式格式（例如 SEPA），但还必须考虑许多其他半正式格式。例如，自由文本中的地址和姓名的实体识别很难通过机器编程来实现，因为它太复杂了。这就是自然语言处理的用武之地，因为它能够从文本上下文中提取句子成分作为实体。为此，必须训练一个特定模型，该模型针对传输文本中的条件进行了优化，并且可以识别这些实体。
在此基础上，需要一套规则，可以在不同的制裁名单中找到公认的实体，并且产生很少的误报。这种情况下的误报是匹配 - 例如，在没有地址上下文的公司名称中。
同时，检测必须是可追溯和可重复的，以便审核员可以检查系统。
与美国当局的争端让德国商业银行付出了沉重的代价。德国第二大金融机构必须支付 14.5 亿美元才能解决违反制裁和洗钱的指控。
这两个例子显示了监控领域（即出于监管和合规原因对流程进行监控）对银行的重要性。处理交易时，会执行各种实时检查（即所谓的控制）。所有交易均经过欺诈、制裁或洗钱检查。银行的目标是实现尽可能高的违规检测率。
银行已经使用自动系统进行此类检查。然而，这些系统并没有达到 100% 的检测率。此类系统自动识别一定比例并控制剩余交易进行手动处理。如果您假设大型银行每天处理数亿笔交易，并且理想情况下其中 90% 到 95% 可以由现有系统自动处理，那么您就会看到巨大的手动工作量。
项目示例：检查交易制裁的系统
这里对于人工智能方法的使用有一个非常大的攻击点。 adesso 为一家大型国际 外汇电子邮件列表 银行构建了一个系统，该系统能够将检查制裁时手动处理的交易数量减少高达 70%。下面我将详细介绍这个系统、架构以及人工智能方法的使用。
系统描述：关于子系统的要求
从一开始，对灵活性和可变性的高要求就成为负责检查制裁的子系统的首要任务。最终，此时必须涵盖许多不同的传输格式。应用程序应该能够快速适应特定情况。当涉及传输格式时，范围特别大，因为必须考虑正式格式（例如 SEPA），但还必须考虑许多其他半正式格式。例如，自由文本中的地址和姓名的实体识别很难通过机器编程来实现，因为它太复杂了。这就是自然语言处理的用武之地，因为它能够从文本上下文中提取句子成分作为实体。为此，必须训练一个特定模型，该模型针对传输文本中的条件进行了优化，并且可以识别这些实体。
在此基础上，需要一套规则，可以在不同的制裁名单中找到公认的实体，并且产生很少的误报。这种情况下的误报是匹配 - 例如，在没有地址上下文的公司名称中。
同时，检测必须是可追溯和可重复的，以便审核员可以检查系统。