L’utilizzo della tecnologia AI nei processi antiriciclaggio (antiriciclaggio, AML) è diventato fondamentale per le istituzioni finanziarie che si impegnano a rispettare le normative ea combattere i crimini finanziari. Tuttavia, la nuova edizione di uno studio sulle tecnologie antiriciclaggio condotto da SAS, leader nel settore dei dati e dell’AI, con il contributo del partner KPMG e su un pool di 850 membri dell’Association of Certified Anti-Money Laundering Specialists (ACAMS), rileva che l’interesse per l’AI continua a essere superiore alla sua piena implementazione anche rispetto al 2021, anno di prima conduzione della ricerca.
L’adozione dell’intelligenza artificiale e del Machine Learning (ML) rimane modesta
Solo il 18% degli intervistati si riferisce ad avere soluzioni di AI/ML in pipeline di produzione, mentre un altro 18% è in fase di pilotaggio. Il 25% prevede di implementare soluzioni AI/ML nei prossimi 12-18 mesi, mentre il 40% non ha in programma l’adozione di AI/ML.
L’interesse per le tecnologie di GenAI è forte, ma apparentemente cauto
Quasi la metà degli intervistati dichiara di essere attualmente in fase di sperimentazione (10%) o di scoperta (35%) dell’AI generativa, una percentuale non da poco per una tecnologia emergente. Tuttavia, il 55% non ha intenzione di adottare la GenAI.
Le organizzazioni stanno identificando un maggior numero di utilizzi dell’AI/ML
Quest’anno, il 67% degli intervistati ha citato il miglioramento della qualità delle indagini e dei risultati normativi o la riduzione dei falsi positivi come motivo principale per l’adozione dell’AI/ML, segnando un dato in calo dell’11% rispetto al 2021. Nel frattempo, l’individuazione di rischi complessi è passata dal 17% al 21%.
Anche i motivi per non adottare l’AI/ML si sono evoluti
Nel 2021, il principale ostacolo all’adozione dell’AI era rappresentato dai vincoli di budget, indicato dal 39% dei rispondenti. Oggi la percentuale è scesa al 34% ed è stata superata dalla mancanza di un imperativo normativo, citato dal 37%. Anche la mancanza di competenze disponibili sta diventando meno preoccupante, con una percentuale che è scesa di quasi la metà all’11%.
La riduzione dei falsi positivi è una priorità crescente
Quando è stato chiesto loro quali fossero le priorità per l’implementazione dell’AI/ML, gli esperti di AML intervistati hanno citato la riduzione dei falsi positivi nei sistemi di sorveglianza esistenti al 38% (con un aumento dell’8% rispetto al 2021). Anche l’automatizzazione dell’arricchimento dei dati per le indagini e la due diligence (25%) e l’individuazione di nuovi rischi con tecniche di modellazione avanzate (23%) sono rimaste risposte popolari, sebbene entrambe siano diminuite di diversi punti rispetto al sondaggio precedente. Il restante 13% degli intervistati ha citato la segmentazione dei clienti per l’analisi comportamentale.
La riduzione dei falsi positivi e negativi è stata anche la prima risposta per l’area di maggior valore dell’AI/ML, con il 38%. Tuttavia, le altre due scelte disponibili – indagini migliori e più rapide (34%) e gestione degli avvisi ad alto e basso rischio (28%) – non erano molto distanti.
Il machine learning sta avendo un grande impatto, ma l’NLP non è da sottovalutare
Quando è stato chiesto di classificare tre tecnologie in base al loro impatto, il machine learning è stato ancora una volta la prima scelta con il 58%, con un aumento del 6% rispetto al 2021. L’automazione robotica dei processi è scesa al 28%, mentre l’elaborazione del linguaggio naturale (NLP) è stata l’ultima scelta con il 14%. “La chiave per liberare tutto il potenziale dell’AI e del machine learning è l’integrazione delle fonti di dati, dei team e della tecnologia. Il primo passo verso questa integrazione è la creazione di un ecosistema di dati che combinano quelli provenienti da tutte le fonti“, ha dichiarato
Stu Bradley, Senior Vice President di Risk, Fraud and Compliance Solutions di SAS: “In questo sondaggio ACAMS, l’86% degli intervistati ha dichiarato di aver effettuato una qualche forma di integrazione tra i processi di antiriciclaggio, frode e sicurezza informatica. Quasi un terzo ha una capacità di case management completamente integrata tra queste funzioni, mentre un altro terzo collabora attraverso team cross-functional per implementatori controlli volti a prevenire l’esposizione ai crimini finanziari. Le aziende che procedono con l’integrazione dei dati e delle operazioni tenendo conto della governance stanno gettando le basi per un’innovazione responsabile nell’AI e nel ML e godranno di un vantaggio competitivo rispetto a quelle che esitano ”.
