Искусственный интеллект (ИИ) трансформирует подход финансовых учреждений к борьбе с мошенничеством, и это изменение выходит за рамки систем выявления подозрительных операций. Из-за растущей скорости транзакций банки вынуждены принимать решения в гораздо более короткие промежутки времени: блокировать операцию, проводить ее более глубокий анализ или позволять ей пройти дальше.
В Бразилии Pix служит ярким примером этого изменения. Карлос Круз, руководитель отдела стратегии данных и искусственного интеллекта IBM в Латинской Америке, сообщил Olhar Digital, что банки привыкли использовать технологии защиты от атак, которые не происходили в режиме реального времени. Новая платежная система резко сократила это время реакции, требуя теперь интеграции данных, ИИ, автоматизации и транзакционного мониторинга.
Исследование, проведенное IBM Institute for Business Value (IBV), подтверждает эту тенденцию. Оно показало, что 61% опрошенных руководителей считают обнаружение рисков мошенничества наиболее перспективным применением ИИ для создания ценности для бизнеса. Далее следуют кибербезопасность (52%), а также KYC (Знай своего клиента) и AML (Противодействие отмыванию денег), упомянутые по 45%.
Это исследование было проведено в сотрудничестве с Oxford Economics и охватило 100 руководителей банков, ответственных за риски, комплаенс и валидацию, из США, Великобритании, Австралии, Индии, Сингапура и Германии. Участники были равномерно распределены по должностям директора по рискам (CRO), директора по комплаенсу (CCO) и директора по валидации (CVO), а опрос состоялся в мае 2025 года.
Основная текущая проблема заключается в преобразовании идентификации риска в немедленный ответ со стороны банка. Раньше системы ИИ и другие инструменты могли выдавать оповещения только после совершения транзакции, что позволяло проводить расследования и последующие действия. Однако при мгновенных транзакциях эта методология теряет часть своей эффективности.
Круз поясняет, что Pix сократил временной лаг между мошенничеством и отправкой денег, вынуждая банки оценивать риски в гораздо более короткие сроки. В этом контексте учреждение должно сбалансировать способность обнаруживать мошенничество с риском блокирования законных транзакций. Руководитель отмечает, что это знаменует собой изменение по сравнению с историческим использованием технологий банками, задаваясь вопросом: «Как мне настроить свою шкалу оповещений так, чтобы поймать преступника, а не повлиять на использование ресурсов реальным клиентом?» Он подчеркивает, что в прошлом ИИ использовался как инструмент реагирования, генерируя оповещения постфактум.
В настоящее время, по словам Круза, банки используют комбинацию стратегий данных, искусственного интеллекта, интеллектуальной автоматизации и непрерывного мониторинга. Эти технологии позволяют отслеживать как поведение клиента с течением времени, так и путь транзакции до ее завершения.
Исследование IBM показывает, что руководители рассматривают обнаружение мошенничества как область с наибольшим потенциалом для ИИ, но технологическая реализация также требует надежных механизмов для проверки моделей и управления рисками. Шестьдесят один процент считают валидацию критически важной для инвестиций в персонал и компетенции, в то время как 46% согласны с необходимостью контроля рисков.
Чтобы быстро определить, является ли транзакция подозрительной или действительной, банку необходим всесторонний обзор того, кто осуществляет платеж. Круз называет это центральной проблемой для учреждений: консолидировать необходимую информацию для формирования связной картины так называемого клиента-субъекта. Он уточняет, что зная, кто является клиентом для банка, становится проще отличить, что может быть мошенничеством или неправомерным использованием канала или платежного инструмента.
Ситуация усложняется, когда финансовые данные разрознены между различными организациями и услугами. Круз упоминает развитие Open Finance как усугубляющий фактор, поскольку информация об одном и том же клиенте может быть связана с множеством организаций, что затрудняет получение полной картины финансового профиля.
Исследование также подчеркивает KYC и AML как процессы, которые сложнее всего трансформировать с помощью ИИ: 43% руководителей считают их наиболее сложными, превосходя обнаружение мошенничества (36%), кибербезопасность, кредитование и ценообразование, а также отчетность о комплаенсе, все с показателем 33%. Параллельно 45% респондентов ожидают, что ИИ приведет к значительным изменениям в этих процессах KYC и AML.
Для Круза стратегия данных, ориентированная на знание клиента, позволяет отслеживать методы оплаты и выявлять поведенческие отклонения. Идея состоит в интеграции этой информации с моделями риска и исследовательскими технологиями, создавая последовательность от выявления проблемы до принятия мер.
Стратегия борьбы с финансовыми преступлениями не требует использования одной модели ИИ на всех этапах. Круз объясняет, что различные технологии могут применяться в зависимости от функции, которую они должны выполнять. Например, на этапе авторизации в реальном времени используются ресурсы, более близкие к статистике и детерминированным моделям для оценки шаблонов и разрешения или отказа в операции. В то время как для следственных действий используются другие типы моделей.
Различие, по мнению руководителя, заключается в уровне предсказуемости каждой технологии и в функции, которую она выполняет в антифрод-стратегии. В случае генеративного ИИ, который не является детерминированным, его ответы менее предсказуемы, что побуждает банки искать более глубокое понимание того, как эти технологии работают на каждом этапе борьбы с финансовыми преступлениями, чтобы знать, где их лучше использовать для защиты, а где они более подходят для расследований.
Круз добавляет, что генеративный ИИ может быть полезен в расследованиях, в то время как детерминированные модели лучше подходят для принятия решений о характере мошенничества. Кроме того, инструменты генеративного ИИ могут использоваться преступниками для усовершенствования своих атак, приводя в пример использование этих технологий для создания дипфейков, голосовых симуляций и синтетических личностей, в том числе при регистрации клиентов.
Механизмы контроля также являются приоритетами, отмеченными в исследовании. Шестьдесят три процента руководителей считают симуляции стресс-тестирования главным приоритетом в области рисков и комплаенса для масштабирования ИИ в компании, в то время как 48% выделяют контроль рисков в реальном времени. Исследование также выявляет разрыв между важностью мониторинга и его практическим применением: только 25% опрошенных специалистов утверждают, что последовательно применяют мониторинг в реальном времени в случаях использования ИИ высокого риска.
Помимо технологий, существует спрос на специалистов, способных объединить знания в области финансового мошенничества, данных, технологий, законодательства и операций. Круз отмечает, что такой профиль дефицитен из-за требования владения различными областями. Он описывает ситуацию как асимметричную гонку, где преступники, кажется, всегда на шаг впереди благодаря низкой стоимости некоторых технологий, в то время как банки борются за поиск людей, способных управлять тройным комплексом из технологий, данных и юридической и операционной части.
Круз заключает: «от обнаружения до принятия вами меры этот конвейер должен работать интегрированно».
