AI 및 지능형 자동화를 통한 금융 범죄 대응

금융 기관이 금융 범죄에 맞서 싸우고 AML(자금 세탁 방지) 규정을 준수하는 것은 끝나지 않는 군비 경쟁과 같습니다.

범죄자들이 사용하는 도구의 정교함은 범죄에 대응하는 애플리케이션만큼이나 빠르게 진화하고 있으며, 비즈니스가 자금 세탁을 탐지하고 방지하는 데 한발 앞서 나가기 위해서는 향상된 솔루션이 필요합니다. 머신러닝과 생성형 AI는 다른 형태의 지능형 자동화와 결합하여 금융 서비스 업계가 AML 노력을 강화할 수 있는 획기적인 기회를 제공합니다.

금융 범죄 규정 준수를 위한 기존의 노동 집약적인 규칙 기반 접근 방식은 비용이 많이 들고 시간이 지남에 따라 효율성이 떨어지고 있습니다. 총 자금 세탁 거래는 약 2조 달러에 달하며, 2022년에는 전 세계적으로 50억 달러의 벌금이 부과될 것으로 예상됩니다. 금융 기관이 금융 범죄 규정 준수에 2,750억 달러 이상을 지출했음에도 불구하고 이러한 결과로 이어졌습니다.

그러나 오늘날 금융 범죄 탐지 및 조사는 AI와 지능형 자동화의 적용으로 훨씬 더 정교해지고 있으며 은행, 자본 시장 및 보험 회사가 한발 앞서 대응할 수 있는 개선된 도구를 제공하고 있습니다. Google Cloud가 최근 발표한 새로운 AML AI 제품은 첨단 기술이 기업의 자금 세탁 활동 식별 능력을 어떻게 향상시키는지 보여주는 완벽한 예입니다.

금융 서비스 조직은 Automation Anywhere의 지능형 자동화 플랫폼을 통해 SAR(의심스러운 활동 보고) 조사 프로세스의 워크플로에 Google의 AML AI 제품 결과를 원활하게 통합하여 AML 규정 준수 프로그램의 효율성과 효과를 개선할 수 있습니다. 자동화를 통해 AML 규정 준수 프로세스를 혁신할 수 있는 세 가지 방법을 살펴보겠습니다.

위험 식별 향상: Google의 AML AI와 같은 제품은 머신러닝과 데이터 마이닝 기능을 활용하여 금융 범죄 식별을 개선하고 오탐지 경고를 줄입니다. 아울러 규제 기관이 결정이 내려진 이유를 이해할 수 있도록 하는 데 가장 중요한 위험 결과의 설명 가능성도 향상시킵니다. HSBC는 Google의 AML AI를 사용하여 금융 범죄 위험에 대한 탐지율을 2~4배 높이고 오탐지 경고를 60% 이상 줄임으로써 고객 경험을 개선할 수 있었습니다.

조사 효율성 향상: Automation Anywhere의 지능형 자동화 플랫폼은 모든 위험 관리 및 코어 처리 애플리케이션과 통합되는 소프트웨어 Bot을 통해 고위험 활동이 감지되면 SAR을 열고, 추가 데이터를 소싱하고, 결과를 요약하고, 계정 보류를 시작하고, 내부/외부 커뮤니케이션을 전송하는 프로세스를 자동화하여 금융 범죄 조사를 간소화할 수 있습니다.

규제 변경 관리 개선: 향후에는 생성형 AI를 사용하여 AML 규정의 변경 사항을 추적하고 요약함으로써 AML 규정 준수를 더욱 강화할 수 있습니다. 또한 지능형 자동화 플랫폼은 소프트웨어 Bot의 코딩 변경 사항을 생성하고 배포하기 위해 생성형 AI를 사용하여 신속한 프로세스 변경을 촉진할 수 있습니다.

은행은 금융 범죄에 효과적으로 대응하기 위해 혁신적이고 지능적인 솔루션이 필요하며, 범죄자보다 앞서 나갈 수 있는 최첨단 디지털 기능을 구현하기 위해 지속적으로 발전해야 합니다. 생성형 AI는 은행이 AML 프로세스를 혁신할 수 있는 도구를 제공하고, 기관을 보호하는 동시에 시장에서 경쟁할 수 있도록 지원합니다. 금융 범죄자들이 더욱 교묘해지고 있고 그들의 불법 활동이 글로벌 범죄 조직에 자금을 지원함에 따라 은행은 최신 기술을 활용하여 대규모 혁신을 가속화함으로써 대응해야 합니다. 은행은 AI 도구와 지능형 자동화 플랫폼을 도입하여 금융 범죄 리스크를 최소화하고 규정 준수를 강화할 수 있습니다.

2022 AML 정보 출처: