Artificiële intelligentie helpt financiële misdaad indijken

Financial institutions face increasing scrutiny from regulators and must also contend with sophisticated cybercriminals. AI plays a critical role in combating financial crime, especially money laundering, which threatens financial stability and societal safety. Despite investing heavily in compliance, current methods generate many false positives, creating inefficiency. AI technology, like Discai's solution from KBC, enhances detection accuracy and efficiency, spotting money laundering cases that traditional systems might miss while reducing false positives. Investing in AI is becoming essential for banks to stay ahead of increasingly tech-savvy criminals and to maintain robust anti-money laundering defences.

Meer dan ooit zitten financiële instellingen gevangen tussen twee vuren. Enerzijds nauw op de vingers gekeken door regelgevers, die steeds meer en steeds strengere governance-eisen opleggen, anderzijds voortdurend opgejaagd door cybercriminelen, die almaar inventiever te werk gaan. De banken kunnen niet anders dan extra middelen in te zetten in hun strijd tegen de financiële misdaad. AI zorgt daarbij voor een cruciale versnelling.

Het witwassen van crimineel geld is meer dan ooit een ernstig en omvangrijk probleem, omdat het naast de stabiliteit en integriteit van ons financiële systeem ook het welzijn en de veiligheid van de samenleving bedreigt. Het VN-Bureau voor Drugs en Criminaliteit schat de hoeveelheid geld die criminelen jaarlijks witwassen op 1 à 2 biljoen euro, wat neerkomt op 2 à 5 procent van het mondiale bbp. Slechts van een tiende van al dat witwasgeld hebben we effectief weet. Amper 1 procent, of enkele miljarden euro, kunnen we vandaag recupereren. Het zijn ontstellende cijfers, die zonder meer voor zich spreken.

Dichter bij huis stoten we op statistieken die zo mogelijk nog meer tot de verbeelding spreken. Kijken we bijvoorbeeld naar ons eigen land, dan zien we een totale som aan witwasgeld die op 25,5 miljard euro wordt geschat, wat overeenstemt met 4,4 procent van ons bbp. Dat is bijna zoveel als het verwachte begrotingstekort voor België in 2023. Dat heeft onze Nationale Bank op 27 miljard euro ingeschat, of 4,7 procent van het bbp. Ook van dat witwasgeld komt uiteindelijk slechts 10 procent aan de oppervlakte. Om nog maar te zwijgen over het aandeel van die luttele 2 miljard euro dat we succesvol weten te recupereren.

Toenemende druk vanuit de regelgeving

Zo’n ernstig en omvangrijk probleem negeren is uiteraard geen optie. Dat vinden ook overheden, regelgevers en andere toezichthouders die in toenemende mate druk uitoefenen. Zo vereist de Europese AML-regelgeving (anti-money laundering) dat banken transacties monitoren, en verdachte transacties opsporen en aangeven bij de relevante handhavende instanties.

De afgelopen jaren hebben verschillende banken in Europa al hoge boetes opgelegd gekregen omdat ze tekortschoten in hun naleving van die regels voor de bestrijding van het witwassen van geld. Bovenop die financiële bestraffing heeft het niet naleven van de AML-regelgeving ook negatieve gevolgen voor de reputatie en marktpositie van de bank.

Intussen heeft de toenemende druk vanuit de regelgeving de meeste banken er wel degelijk toe aangezet om hun AML-inspanningen gevoelig op te drijven. Om criminele witwaspraktijken te voorkomen, op te sporen en te rapporteren, hebben ze de jongste jaren zwaar geïnvesteerd in extra personeel, nieuwe technologie, meer en betere data, en diverse andere hulpmiddelen.

Onvoldoende efficiënt, effectief en schaalbaar

Niet al die bijkomende inspanningen hebben echter de verwachte of vereiste vruchten afgeworpen. Een van de belangrijkste uitdagingen blijft bijvoorbeeld het grote aantal valse positieven dat de bestaande detectiesystemen genereren. Doorgaans blijkt het bij amper 5 procent van de gegenereerde alerts om een echt witwasgeval te gaan. Maar die andere 95% aan potentiële witwasgevallen die er uiteindelijk toch geen blijken te zijn, moeten de bankmedewerkers natuurlijk evengoed aan een grondig, tijdrovend onderzoek onderwerpen.

Die screening leidt bovendien mogelijk tot ontevredenheid bij klanten, die overladen worden met veelvuldige verantwoording rond hun transacties. Kortom, het is een manier van werken die ruimte biedt voor meer efficiëntie, zeker omdat er – ondanks alle inspanningen – toch nog altijd witwasgevallen door de mazen van het net glippen.

Een derde uitdaging is het gebrek aan flexibiliteit en vooral schaalbaarheid van de huidige aanpak. Die is gebaseerd op compliance-regels die bij niet-naleving automatisch een alert opleveren. Bijvoorbeeld het bedrag, het type of het tijdstip van de transactie kunnen voor een alert zorgen. De verdere afhandeling van de melding blijft echter een manueel, menselijk proces, waarbij de compliance officers van de bank uiteindelijk de transacties handmatig zullen moeten onderzoeken. Blijkt uit dat onderzoek dat het om een geldige, terechte melding gaat en dat er verdenking is van witwas activiteiten, dan doen zij officieel aangifte van het witwasgeval bij de bevoegde autoriteiten. Voegt de bank een nieuw scenario aan de screening toe, dan zorgt dat mogelijk meteen voor een groot aantal bijkomende alerts, die de compliance officers stuk voor stuk manueel moeten analyseren. Dat toont aan dat de huidige manier van werken weinig flexibel en moeilijk schaalbaar is.

Arbeidsintensief

Het probleem met de geschetste aanpak is dat het om een semi-geautomatiseerde, arbeidsintensieve manier van werken gaat. En aangezien er altijd maar meer regels bijkomen, komen er steeds meer alerts. Logischerwijs moeten de banken ook altijd maar meer mensen inzetten om de naleving van al die regels te controleren.  De extra personeelskosten die dat alles met zich meebrengt, leiden op hun beurt dan weer tot een toenemende druk op de activiteiten van de bank.

Meer fundamenteel zijn er intrinsieke grenzen aan zo’n compliance-aanpak: die is niet oneindig houdbaar. De geschiedenis van de mens leert ons dat in zo’n geval innovatieve technologie een uitkomst kan bieden. Artificiële intelligentie (AI) is zo’n technologie, begrijpt ook KBC, dat er de voorbije jaren voor koos om sterk in het domein te investeren. De antiwitwas-oplossing van Discai, de fintech dochteronderneming van KBC die de AI-toepassingen van de groep commercialiseert, maakt alvast handig gebruik van die nieuwe technologie.

Voortbouwen met AI

De toepassing van artificiële intelligentie impliceert niet dat Discai de bestaande, op regels en alerts gebaseerde aanpak helemaal overboord gooit. In zekere zin bouwt de oplossing er zelfs op verder. Want sommige AML-risico’s kun je nu eenmaal het best via zo’n op regels gebaseerde aanpak afhandelen. Daar kan een bepaalde expliciete regelgeving voor iets tussen zitten, maar ook specifieke risico’s waarvoor je als bank zelf misschien liever een nultolerantie wilt aanhouden.

Een andere optie is dat je AI-modellen enkel wilt gebruiken om de behandeling van alerts (beter) te prioriteren, en niet als een op zichzelf staande AML-oplossing. Daarbij is het wel goed om te weten dat de oplossing van Discai ook toelaat om die alerts zelf te optimaliseren. Dat de toepassing zich bij het genereren van alerts niet enkel laten leiden door de transacties van de klant, maar ook door zijn profiel en risicoscore, maakt die alerts efficiënter en effectiever.

Zijn profiel en risicoscore krijgt de klant toegekend op basis van een grondige data-analyse die een integraal onderdeel vormt van de oplossing. Het resultaat is dat je hiermee tot drie keer meer potentiële witwasgevallen in het vizier krijgt, waaronder ook een pak nieuwe die voorheen onder de radar bleven. Het bereiken van dat resultaat kost bovendien drie keer minder inspanningen en personeelsinzet. Lees: het AML-detectie systeem wordt tot drie keer efficiënter.

Gamechanger

Is artificiële intelligentie een gamechanger in de strijd tegen het witwassen van geld? Met bovenstaand resultaat voor ogen zal het u allicht niet verbazen dat we daar bij Discai van overtuigd zijn. Maar sneller dan verwacht zal investeren in AI voor de meeste banken ook gewoon uitgroeien tot een bittere noodzaak.

De reden ligt voor de hand: de witwassers onder de criminelen zijn ook niet bepaald van gisteren. Uit eigen onderzoek en ervaring weten wij bijvoorbeeld dat professionele witwassers amper een maand nodig hebben om een nieuwe compliance-regel te leren kennen en hun gedrag en werkwijze aan die regel aan te passen.

Studies hebben ook bewezen dat er intussen op het Dark Web al criminele bendes en bedrijven actief zijn die artificiële intelligentie inzetten om die nieuwe compliance-regels nog sneller te leren kennen en te ontwijken. Zij brengen allerlei profielen en patronen bij de banken en hun klanten in kaart. Willen banken met gelijke wapens blijven strijden, dan kunnen ze niet anders dan ook in AI-technologie te investeren.

Daarbij maakt het weinig uit of u een kleine of een grote bank bent. Criminelen zoeken steevast de weg van de minste weerstand. Onvermijdelijk zullen zij sneller die banken viseren die geen gebruik maken van artificiële intelligentie in hun strijd tegen witwassers. Zij vormen nu eenmaal de zwakste schakel in de bankenketting. Maar uiteindelijk zal geen enkele bank ontsnappen aan de dringende en dwingende noodzaak om in AI te investeren.

Meer dan technologie

Als het om artificiële intelligentie gaat, speelt de vrees voor het onbekende de meeste banken vandaag nog parten. Maar zoals altijd is angst een slechte raadgever. Het is daarom belangrijk om het gebruik van AI zoveel mogelijk te demystificeren. Tegelijk moeten de banken begrijpen dat het gebruik van AI-modellen in een compliance-omgeving veel meer vereist dan technologie alleen. De validatie, het beheer en het onderhoud van de AI-modellen zijn minstens even belangrijk.

Ook het belang van kwaliteiten als volledige transparantie en verklaarbaarheid mogen we niet uit het oog verliezen. Daarom is het verhaal van Discai niet compleet zonder de diensten die nodig zijn om onze AI-oplossing te onderhouden, meten van data kwaliteit, ondersteuning bij de validatie van AI-modellen, hun afstemming op de regelgeving en de noodzakelijke auditprocessen. Die combinatie van AI en menselijke expertise zorgt voor een duidelijke versnelling in de strijd van de banken tegen financiële misdaad. Wie die trein mist, raakt hopeloos achterop.