L’AI per riconoscere anomalie comportamentali e fenomeni criminosi. Una tecnologia capace di adattarsi ai cambiamenti e di scoprire nuovi modelli per un rilevamento futuro più intelligente. «Gli algoritmi AML basati sull’AI, in sostanza, imparano dinamicamente – afferma Vincenzo Farace, Direttore Tecnico di Metoda Finance. E possono quindi aiutare gli intermediari bancari a individuare un’attività criminosa e prevedere quanto è probabile che un cliente non rimborsi un finanziamento o svolga un’operazione fraudolenta».
I dati sono misurabili
Difatti, anziché esaminare ogni transazione singolarmente, gli algoritmi fanno un’analisi globale e contestuale per rilevare transazioni anomale. Seguendo precisi parametri: di prodotto, cliente e tipo di rischio. «Attraverso la piattaforma SICRAT 2.0, l’AI non solo ha a disposizione miliardi di dati registrati in apposite base dati, ma li confronta costantemente con i dati oggetto dell’analisi – spiega Farace –, secondo schemi configurabili e, soprattutto, misurabili per le banche».
Il deep learning per la ricerca
Inoltre, incorporando il deep learning per la progettazione degli algoritmi, si ottiene «una ricerca rapida, guidata proprio dall’intelligenza artificiale, all’interno della libreria dell’azienda, che contiene oltre 300 indicatori di anomalie – aggiunge Farace. I modelli utilizzano anche variabili proxy correlate con variabili sensibili: ad esempio, il codice postale è altamente correlato alla tabella “provincia” sui crimini di usura, utilizzo del contante, frodi fiscali, etc.».
AML e AI: vantaggi e ambiti di utilizzo
Tre gli ambiti di maggiore impiego per questa tecnologia: «le fasi di onboarding monitoring, insieme al transaction e on-going monitoring, dove rientrano le componenti di KYC, scansione liste e rilevazioni comportamenti anomali – precisa Farace. I vantaggi sono immediati: le attività ispettive, difatti, si riducono, mentre i falsi positivi sono quasi eliminati nella scansione liste e nella valutazione del rischio».
I dati sono anche via app
Per leggere bene i dati, naturalmente, tutto deve risultare user friendly «Per questo, è necessario che tutte le informazioni sia fruibili anche da app mobile – conclude Farace. Difatti, la nostra piattaforma end-to-end fornisce liste in tempo reale e monitora i comportamenti anomali con un’interfaccia integrata».
Verso l’approccio risk-based
Per le banche «stare al passo, per non subire l’aggressione costante è essenziale – conclude Farace. Adottare un approccio risk-based vuol dire anche rispondere con soluzioni che consentano di prevenire le truffe più diverse. Serve quindi un sistema in continua evoluzione, che si autoalimenta, dove la valutazione del rischio effettuata dalle banche è documentata, aggiornata e messa a disposizione delle Autorità (MEF, UIF, DIA, NSPV, Autorità di vigilanza di settore) e degli organismi di autoregolamentazione».
Questo articolo è stato pubblicato sul numero di settembre 2022 di AziendaBanca ed è eccezionalmente disponibile gratuitamente anche sul sito web. Se vuoi ricevere AziendaBanca, puoi abbonarti nel nostro shop.
