– Юрий Николаевич, по поводу искусственного интеллекта (ИИ) чаще всего звучат опасения – мол, преступники уверенно ставят его себе на службу. Что можно противопоставить этой продвинутой преступности?
– Не менее продвинутую систему безопасности, так же основанную на новейших технологиях. На эту тему имеется ряд академических исследований. Так, база данных научных исследований Dimensions AI содержит уже более пяти тысяч публикаций, связанных с темами «Борьба с отмыванием денег» и «Искусственный интеллект» в 2023 году, что значительно больше, чем показатель 2022 года (3,9 тыс) и показатель 2021 года (2,3 тыс).
– А прок-то от этих исследований есть? Или «преступный» ИИ пока побеждает?
– Прок обязательно будет. Да, вопрос о том, как будет реализован весь потенциал искусственного интеллекта в борьбе с финансовыми преступлениями, остается все еще нерешенным.
А пока, увы, картина не очень радужная. В отчете Европола за 2023 год подсчитано, что в Европейском союзе ежегодно изымается менее двух процентов доходов от организованной преступности. Другими словами, предполагаемые 85 миллиардов долларов, расходуемые на борьбу с финансовыми преступлениями каждый год, приносят доход менее 5 миллиардов долларов в виде возвращенных преступных активов.
– Не густо. Тогда какова отдача от этих академических исследований?
– Пришло понимание, что искусственный интеллект сделался решающим фактором в борьбе с мошенничеством. Он обеспечивает мониторинг и анализ в реальном времени, обнаружение аномалий и методы профилирования. К сожалению, пока те, кто противодействует с мошенничеству, используют ИИ, мошенники также используют его же для разработки еще более продвинутых способов обмана людей, которые даже лучшие современные системы не могут обнаружить.
– То есть, преступники опережают?
– Не всегда, но – все же. Поэтому речь сейчас идет о разработке неких глобальных антикриминальных систем на основе ИИ. Мы не говорим сейчас о частных случаях мошенничества – разновидностей много. Есть замысел объединить все методы борьбы в некий общий, универсальный механизм. Что-то типа израильской системы ПВО-ПРО «Железный купол» - если такая аналогия уместна.
– Такое возможно?
– Почему нет? Сейчас многие организации переходят к мониторингу на основе ИИ в реальном времени. Например, крупный государственный банк в Индии внедрил систему управления мошенничеством на предприятии SAS для охвата нескольких продуктов, каналов и транзакций на протяжении всего жизненного цикла клиента. Используя расширенную аналитику и автоматизацию, система позволила обнаруживать и предотвращать мошенничество в реальном времени. Пакет решений SAS способствовал бесшовной интеграции с различными каналами и использовал модели искусственного интеллекта/машинного обучения для мониторинга и реагирования на потенциальное мошенничество, обеспечивая минимальные потери.
– Звучит мудрено. Как это выглядит на практике?
– Устойчивость к мошенничеству создается с помощью Collaboration. Есть такая технология, предполагающая не разовое, автономное решение. При этом учитывается, что эволюция Gen AI также несет в себе различные риски — киберпреступники используют технологию дипфейков для создания синтетических личностей, тем самым внедряя мошеннические схемы в новые каналы, такие как аудио- и видеозвонки. Эти сложные мошенничества привели к всплеску захватов счетов и мошенничества с авторизованными push-платежами, поскольку жертвы неосознанно помогают совершать эти преступления.
Поэтому финансовые учреждения должны внедрять масштабируемые решения на основе искусственного интеллекта, которые могут адаптироваться к новым угрозам, и дополнять их общекорпоративными программами повышения осведомленности о мошенничестве и партнерствами в различных отраслях, которые обеспечат надежную защиту от мошенничества.
Предотвращение мошенничества требует скоординированных усилий со стороны финансовых учреждений, регулирующих органов и правоохранительных органов. Согласно недавнему исследованию SAS и Ассоциации сертифицированных экспертов по борьбе с мошенничеством (ACFE), 83% специалистов по борьбе с мошенничеством планируют взять на вооружение инструменты Gen AI в течение следующих двух лет. ИИ предлагает непревзойденные возможности для повышения операционной эффективности, улучшения клиентского опыта и снижения рисков.
- Главная роль искусственного интеллекта в противодействии финансовым преступлениям заключается в машинном обучении?
– Собственно, машинное обучение это и есть главная роль ИИ. Причем, по обе стороны баррикад. Именно благодаря цифровым системам и процессам и произошла революция финансовых преступлений.
С другой стороны, ИИ и машинное обучение используются для борьбы с финансовыми преступлениями, особенно в рамках программ по борьбе с мошенничеством, отмыванием денег и программ «знай своего клиента» в платежных процессорах и финансовых учреждениях. Продвинутые приложения, такие как генеративный ИИ, который включает ChatGPT, становятся все более распространенными в повседневной деятельности крупных организаций. Решения ИИ и МО обычно применяются в мониторинге транзакций и коммуникаций, комплексной проверке клиентов и количественной оценке рисков.
Например, модели машинного обучения можно обучить обнаруживать аномалии в данных транзакций, отмечая потенциальные мошеннические или несоответствующие требованиям действия для дальнейшего расследования. Это может помочь специалистам по управлению рисками анализировать полные наборы данных, а не подмножества, при моделировании поведенческих моделей в этих наборах данных. Так, модели ИИ можно использовать для быстрого анализа и понимания поведения клиентов. Представьте себе клиента, который совершает небольшие местные покупки, а затем внезапно начинает совершать крупные международные операции и приобретения. На первый взгляд, отдельные транзакции могут не вызывать пристального внимания, поскольку они появляются в рамках обычных моделей покупок в более широком смысле. Однако, рассматривая более крупные наборы данных с течением времени, эти модели могут помочь компаниям увидеть эти тенденции такими, какие они есть: аномальное поведение. Эти технологии предлагают несколько ключевых преимуществ, включая повышенную точность обнаружения финансовых преступлений, снижение ложных срабатываний и повышение эффективности процессов соответствия.
– Как-то слишком уж стремительно развивается технический прогресс. Во многих домах и даже служебных кабинетах еще сохранились стационарные дисковые телефоны. Не «перегреется» ли человечество?
– Пророчествовать не возьмусь. А насчет стремительного развития технологий – так ведь между изобретением унитарного патрона с латунной гильзой, снаряженной дымным порохом, и ядерной бомбой – расстояние всего лишь в семьдесят пять лет. Во благо ли это человечеству - можно на досуге пофилософствовать.
– Человеческий фактор еще сохраняет свое значение?
– Безусловно. Сохранение человеческого контроля имеет важное значение при развертывании технологий ИИ и машинного обучения. Хотя эти инструменты могут значительно улучшить обнаружение и предотвращение финансовых преступлений, человеческое суждение имеет решающее значение для интерпретации сложных случаев и принятия окончательных решений. Например, ИИ может пометить транзакцию как подозрительную, но аналитик-человек может предоставить контекст и определить, является ли она действительно мошеннической. Человеческий контроль также помогает в постоянном совершенствовании моделей ИИ, предоставляя обратную связь и устраняя любые предвзятости или ошибки, которые могут возникнуть. Человеческий фактор остается в центре приложений этих технологий. Это может помочь гарантировать, что в эти модели не будет внесено предвзятости, чтобы намеренно повлиять на результаты, или что сами конечные результаты не будут использоваться в непреднамеренных целях.
Полагаю, что ИИ никогда не сможет окончательно заменить человека, потому что он не обладает главным качеством нашего мозга – он не умеет сомневаться.
Вообще же, искусственный интеллект и машинное обучение могут принести огромную пользу при работе с большими наборами данных, где взаимосвязи трудно обнаружить или они просто отсутствуют. Время, необходимое аналитикам для отслеживания происхождения данных и понимания взаимосвязей внутри, будет радикально сокращено с помощью таких инструментов, как, например, графовые базы данных. По мере того, как организации генерируют больше информации в самых разных областях своей деловой практики, возможность интегрировать ИИ и машинное обучение в управление рисками будет только увеличиваться.
Компании, которые не закладывают фундамент сейчас, позже вынуждены будут догонять. Если, конечно, сумеют.
