MENU

De maatschappelijke risico’s die verbonden zijn aan witwassen en financieren van terrorisme, staan bij banken al geruime tijd hoog op de agenda. Toch zijn er nog verschillende interne uitdagingen binnen KYC- (know your customer) en CDD- (customer due diligence) projecten. Eén daarvan is de enorme datastroom op orde krijgen. Door slimmer gebruik te maken van kunstmatige intelligentie (AI) kan dit proces worden versneld en verbeterd. Hoe wij dit voor ons zien? Dat lees je in deze blog.  

Artificiële intelligentie (AI) is natuurlijk allang geen nieuw begrip meer binnen de bancaire sector. Het wordt namelijk veelvuldig gebruikt bij verschillende processen zoals bij de klantenservice. Maar als het gaat om risicobeheersing en veiligheid, dan stuiten we toch op enkele uitdagingen. Hierbij moet je denken aan de mate van transparantie en de uitlegbaarheid.  

Publiek vertrouwen 

De kwaliteit van risicobeheersing maakt of kraakt het publieke vertrouwen van een bank. Want één misstap en alle ogen zijn gericht op de bancaire sector. Eerder gebruik van AI binnen KYC leidde tot teleurstelling omdat bevindingen niet goed onderbouwd konden worden. Toch kan AI banken ondersteunen in de strijd tegen witwassen en financieren van terrorisme. Toezichthouders eisen echter wel dat gebruikgemaakt wordt van logische en transparante algoritmes.  

Transparante AI 

Bij de inzet van AI wordt snel gedacht aan het verwerken van grote hoeveelheden data. Maar AI kan –  mits er wordt gewerkt met de nieuwe generatie én transparante oplossingen – ook worden toegepast op zeer specialistische vraagstukken. Transparante AI toont namelijk een logische gedachtegang achter de gemaakte beslissingen. Welke factoren hebben de grootste invloed gehad op deze beslissingen? Dat wil de toezichthouder weten.  

Door gebruik te maken van het als-dan-principe kunnen achteraf de juiste conclusies worden getrokken én is het algoritme verdedigbaar tegenover toezichthouders. Dus: laat de techniek de informatie verzamelen en laat experts de juiste conclusies trekken.  

Maar hoe ziet dit er in de praktijk uit? Hieronder beschrijven we twee gebruiksscenario’s van AI voor identiteitsverificatie.  

Link analyse 

Eén van de voordelen van AI is de identificatie van transacties welke leiden tot Ultimate Beneficial Ownership (UBO), de ‘uiteindelijke belanghebbende’. Zelfs ongestructureerde gegevens kunnen zo worden geëxtraheerd. Dit helpt analisten verbinding te leggen tussen transacties van over de hele wereld.  

Natural Language Processing  

Natural Language Processing (NLP) is een tak binnen kunstmatige intelligentie. NLP leert machines menselijke taal begrijpen. Het doel? Het bouwen van systemen welke tekst kunnen begrijpen, taken kunnen uitvoeren zoals een vertaling én het plegen van een onderwerpclassificatie. 

Door op de juiste manier gebruik te maken van AI kan fraude met succes worden geëlimineerd zonder de klantervaring teniet te doen. 

Eén andere grote interne uitdaging binnen CDD- en KYC-projecten is het vinden en – nog belangrijker – het behouden van goede en intrinsiek gemotiveerde analisten. Het lijkt zoeken naar een speld in een hooiberg. In dit e-book geven we praktische handvatten om dit patroon te doorbreken. 

Kennis . 2 juni 2021 . Voor jouw carrière

Interview met CDD-Analist, Marwin Hut

Ben jij benieuwd hoe de werkdag van een van onze CDD-analisten eruit ziet? Wat hun verantwoordelijkheden zijn? Waar ze energie van krijgen en wat Etage 0 voor hen heeft betekend?
In dit interview spreken we Marwin Hut en geeft hij antwoord op onder andere bovenstaande vragen.

Kennis . 22 april 2021 . Voor opdrachtgevers

3 vragen over KYC-experts beantwoord

Projecten binnen CDD en KYC zijn enorm. In veel gevallen gaat het om honderden tot duizend mensen binnen één project. De vraag naar analisten met de juiste skills en drijfveren stijgt met de dag, het aanbod is echter zeer beperkt.  

Boost jouw carrière

Boost jouw carrière. Toegang tot ons kennisplatform & andere team professionals.

 

Beoordeling Feedback Company: 9.2 / 10