Jahrzehntelang bedeutete die Aufdeckung von Finanzkriminalität, dass mehr Leute eingestellt werden mussten, um mehr Warnmeldungen zu prüfen. Die meisten dieser Warnungen erwiesen sich als unbegründet.
Als ich letzte Woche beim Banking on the Future Discussion board von Semafor in Washington sprach, Revolut US-CEO Cetin Duransoy sagte, dass die KI-Transaktionsüberwachungssysteme des FinTech jetzt Folgendes leisten:statistisch deutlich besser als menschliche Überprüfungen der Transaktionen.“ Die menschlichen Ermittler des Unternehmens konzentrieren sich jetzt ausschließlich auf Fälle mit höherem Risiko.
Was das System tatsächlich tut
Der Compliance-Stack von Revolut läuft in 39 Ländern, wobei die Agent-KI sowohl das Know-Your-Buyer-Onboarding als auch die laufende Transaktionsüberwachung übernimmt. Die Architektur trennt die Arbeit nach Risikostufe: Die KI übernimmt die Screening-Ebene mit hohem Volumen und geringerer Komplexität, während menschliche Ermittler Fälle bearbeiten, die einer Beurteilung bedürfen.
Die Betriebslogik ist unkompliziert. Retail Banker Worldwide gemeldet dass herkömmliche AML-Systeme bei bis zu 95 % der Warnungen falsch optimistic Ergebnisse generieren. Jeder einzelne dieser Fehlalarme landet in einer menschlichen Warteschlange, verschlingt die Zeit der Ermittler und produziert nichts. Ein KI-System, das das Falsch-Positiv-Volumen reduziert, entlastet Ermittler für Arbeiten, die statische, regelbasierte Systeme nicht bewältigen können. Die weltweiten Compliance-Kosten zur Bekämpfung der Geldwäsche sind auf über 274 Milliarden US-Greenback professional Jahr gestiegen, wobei ein Großteil dieser Ausgaben für die Bearbeitung minderwertiger Warnmeldungen verwendet wird und nicht für die Festnahme tatsächlicher Krimineller.
Die Wirtschaftlichkeit dieses Modells battle bereits angespannt. Echtzeitzahlungen machten sie noch schlimmer. Banken, die Euro-Überweisungen gemäß den SEPA-Sofortzahlungsregeln abwickeln, müssen AML-Prüfungen, Sanktionsüberprüfungen und Betrugserkennung innerhalb eines 10-Sekunden-Fensters abschließen – eine Anforderung, die herkömmliche Compliance-Systeme nicht erfüllen konnten. Als die Federal Reserve die FedNow®-Dienste aufhob Transaktionslimit von 1 Million US-Greenback auf 10 Millionen US-Greenback im letzten Jahr, erforderten Sofortüberweisungen mit hohem Betrag, die den Compliance-Groups einst bis zum Ende des Tages zur Prüfung Zeit ließen, Entscheidungen in Echtzeit.
Wie sich die Branche neu aufbaut
Andere Institutionen haben das gleiche Experiment durchgeführt. Nasdaq Verafin angekündigt Im Juli berichteten Betatester des Agenten-KI-Techniques von einer Reduzierung der Arbeitsbelastung bei der Überprüfung von Sanktionsprüfungen und Warnungen um mehr als 80 %, wobei menschliche Ermittler auf Fälle mit höherem Risiko umgeleitet wurden. HSBC sagte Durch den Einsatz der AML-KI von Google Cloud konnten die Falsch-Positiv-Fälle um 60 % gesenkt und gleichzeitig zwei- bis viermal mehr bestätigte verdächtige Aktivitäten erkannt werden als beim Vorgängermodell.
Werbung: Scrollen Sie, um fortzufahren
Die Zuwächse spiegeln eher einen strukturellen Wandel als eine schrittweise Verbesserung wider. Die herkömmliche Compliance basierte auf statischen Regeln, die auf bekannten Mustern basierten. Diese Regeln führten zu dem Downside falsch positiver Ergebnisse. Die Systeme, die sie ersetzen, erstellen im Laufe der Zeit Verhaltensbasislinien und kennzeichnen Abweichungen statt Schwellenwertüberschreitungen, was bedeutet, dass sie mit zunehmendem Transaktionsvolumen genauer werden.
Wohin sich die Bedrohung bewegt
Die Compliance-Verschiebung verläuft in beide Richtungen. Betrüger generieren jetzt überzeugende synthetische Identitäten mit realistischen Dokumenten und KI-generierten Bildern und erstellen über Monate hinweg Kreditprofile, bevor sie einen Betrug begehen. Diese Identitäten bestehen die standardmäßige KYC-Überprüfung, da sie noch nie zuvor bei einer Prüfung durchgefallen sind. Experian gefunden dass quick 60 % der Unternehmen zwischen 2024 und 2025 einen Anstieg der Betrugsverluste meldeten, wobei die agentische KI es Bots ermöglicht, komplexe Betrügereien durchzuführen, ohne dass ein Mensch im Spiel ist.
PYMNTS-Geheimdienst gefunden dass 68 % der Finanzinstitute ihre Ausgaben für Betrugserkennung im Vergleich zum Vorjahr erhöhten. Im April: FinCEN und das OCC gemeinsam ausgegeben eine vorgeschlagene Regelsetzung, um das bestehende prozessgesteuerte AML-Compliance-Modell durch ein Modell zu ersetzen, das auf risikogewichteter Wirksamkeit basiert, einem Regulierungsrahmen, der Ergebnisse gegenüber dem Papierkramvolumen belohnt.
Für die gesamte PYMNTS-Berichterstattung über KI und digitale Transformation abonnieren Sie die Tageszeitung Publication zu KI und digitaler Transformation.
Discussion about this post