Page 197 - 台灣金融創新:觀點與對策
P. 197
第九章 185
趨勢與對策
人工智慧以其自動化特性,極適合成為構築 RegTech 的一
環。 同時人工智慧不僅具有篩選大量數據的能力,且可建立
非結構化數據的特徵提取,因此越來越多金融科技業者開始利
用人工智慧來提供洗錢防制的解決方案。
防制洗錢的現行做法,主要針對兩點,一是監視可疑的資
金流動,二是對新開帳戶進行查核。每當有新顧客上門要求開
戶,銀行就有責任針對新顧客實地查核,確認其身分及該帳戶
的受益所有權,並與洗錢黑名單交叉比對。 鑒於個人與機構
帳戶所有權結構的複雜性,KYC 的程序中充斥著人工作業。
而針對資金流動的監控,銀行通常會使用外部軟體商提供的資
料分析軟體,再以人工作業審視每日的可疑資金移動,但這些
可疑交易中有很多可能只是因為達到了某些預設的警示基準
(benchmark) 而被標記 ( 例如戶頭間突然有大量金錢轉移 ),滿
足這個條件的交易未必都是洗錢行為。 先被標記而後查無洗
錢實據的交易事件佔所有被標記交易事件的比例,稱為誤報率
(false-positive rate)。銀行偵測洗錢交易的誤報率通常都相當高
( 超過 90%),這代表銀行虛擲過多人力在過濾可疑交易事件
上。 另一方面,對於某些銀行未知的洗錢手法,則由於沒有
預設相應的警示基準,很可能在第 1 關就逃過偵測。 簡單來