Veel financiële instellingen zijn bezig met het ontwikkelen en implementeren van Artificiële Intelligentie (AI)-modellen, met als doel om hun witwascontroles effectiever en efficienter te kunnen uitvoeren. Cruciaal voor het succes van deze geavanceerde oplossingen, alsmede voor basisprocessen omtrent Financieel Economische Criminaliteit (FEC), is dat de data basis op orde is. Dit is en blijft een belangrijke uitdaging voor veel financiële instellingen zoals banken.
Dit was een van de belangrijkste inzichten uit het FEC Data evenement wat recentelijk plaatsvond op het Benelux hoofdkantoor van financial services-dienstverlener Delta Capita. Tijdens dit evenement kwamen vertegenwoordigers van verschillende banken en fintechs bij elkaar om te praten en van elkaar te leren omtrent het onderwerp FEC Data.
“Dit evenement wilden we graag organiseren zodat deelnemers met elkaar konden sparren over de uitdagingen en oplossingen waar zij binnen hun eigen organisatie mee te maken krijgen en over nadenken”, aldus Rob van der Kruijs die na zijn overstap van ING nauw betrokken is bij Delta Capita’s Data & Tech praktijk.
Er is veel geloof in de mogelijkheden van (Generative) AI en zo kwamen tijdens het evenement mooie voorbeelden van succesvolle implementaties voorbij. Er zijn bijvoorbeeld in het Transactie Monitoring (TM)-domein slimme beoordelingsmodellen, gericht op het reduceren van false positives, geimplementeerd. En binnen het Customer Due Dilligence (CDD) domein wordt er bijvoorbeeld gekeken hoe Gen AI kan helpen met het (meer) automatisch genereren van samenvattingen van klantuitvraag-gesprekken.
Maar waar de eerste successen zijn geboekt met deze geavanceerde mogelijkheden, herkenden de deelnemers ook flinke uitdagingen. Zo is het bijvoorbeeld belangrijk dat wanneer er een AI-gebaseerd Transactie Monitoring-model gebruikt wordt, in plaats van een simpeler ‘rule based’ TM-model, er meer aandacht is voor hoe een uitkomst tot stand is gekomen.
AI-modellen worden vaak als een ‘black-box’ beschouwd. Om bij de analist vertrouwen te creëren in de resultaten van het model is het daarom cruciaal voor de gebruiker om inzicht te hebben in de onderliggende beslissingen die in het model zijn gemaakt en hoe die hebben geleid tot een bepaalde uitkomst.
Naast de technologische ontwikkelingen waar veel banken zich op focussen, zijn er tegelijkertijd trends & strategische pijlers binnen deze organisaties die erom vragen dat de data basis op orde is. Zo wordt een positieve klantervaring bijvoorbeeld gezien als een belangrijk speerpunt voor veel banken.
Het contactmoment tussen de klant en de CDD-analist tijdens een klantonderzoek, kan dan ook een belangrijke rol spelen in een positieve danwel negatieve klantervaring. Het is voor banken daarom essentieel om haar CDD klantinformatie accuraat en up to date te hebben, zodat wanneer dit klantcontact plaatsvindt, dit zo soepel mogelijk verloopt.
Daarnaast is het belangrijk, als een bank risico-gebaseerd wil werken, de data uit de verschillende FEC domeinen eenvoudig beschikbaar is en gecombineerd kan worden. Met deze inzichten kan dan een zo’n volledig mogelijk klantprofiel worden gevormd waarop een analist dan zijn/haar analyses kan maken.
De deelnemers aan het evenement benoemden echter dat juist deze basis, het beschikbaar hebben van de goede kwaliteit data uit meerdere bronnen, in de prakijk een uitdaging vormt. Doordat er verschillende systemen worden gebruikt en de FEC-domeinen nog in beperkte mate met elkaar samenwerken blijkt het vaak lastig om op een eenvoudige manier de benodigde data te krijgen.
Aan deze hygiëne factor zal echter wel moeten worden voldaan als banken hun witwascontroles daadwerkelijk efficienter en effectiever willen inrichten. Het is dan ook noodzakelijk dat banken hier extra aandacht voor hebben ondere andere door middel van gedegen data management.
Banken zullen ook stevig moeten blijven inzetten op de geavanceerde technologieën bij het bestrijden van Financieel Economische Criminaliteit. Echter in deze context, zal ook de basis data op orde moeten zijn om de potentie van AI-modellen volledig tot wasdom te laten komen binnen het FEC domein. Deze data vormt immers de belangrijkste input voor deze modellen en zal dus uiteindelijk ook bepalend zijn voor hoe succesvol AI is in het effectiever en efficienter uitvoeren van witwascontroles.
