Page 197 - 台灣金融創新：觀點與對策

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