Theo khảo sát gần đây của Công ty phần mềm phân tích toàn cầu FICO, 95% các ngân hàng Việt Nam tin rằng AI (trí tuệ nhân tạo) sẽ tăng cường các nỗ lực chống rửa tiền. Tuy nhiên cũng có nhiều người bày tỏ sự không chắc chắn làm thế nào để vận hành công nghệ tiên tiến này.
Ngược lại, khi được hỏi về hiệu quả của công nghệ cũ dựa trên các quy tắc (rule-based), 64% ngân hàng Việt Nam cho biết họ vẫn tin vào khả năng của các hệ thống tuân thủ chống rửa tiền (AML) này, mặc dù 45% cho biết họ gặp phải những khó khăn đáng kể khi điều chỉnh chúng.
Cuộc khảo sát cho thấy, những thách thức chính đối với các giải pháp tuân thủ AML hiện có trong khu vực là: Khả năng đáp ứng các loại rủi ro tuân thủ mới trong các kênh và sản phẩm; khả năng cung cấp giải pháp tuân thủ tích hợp đầu cuối; cơ sở hạ tầng để cập nhật nhanh chóng với các thay đổi trong quy định.
Tại châu Á - Thái Bình Dương, các ngân hàng đa quốc gia thiên về sử dụng hệ thống AML của các nhà cung cấp giải pháp, trong khi việc sử dụng hệ thống tự phát triển phổ biến hơn với các ngân hàng trong nước.
Một trong những chỉ số hàng đầu thúc đẩy sự thay đổi trong chiến lược chống tội phạm tài chính là trải nghiệm của khách hàng. Hơn 2/5 số người được hỏi xếp việc này là một trong những cân nhắc hàng đầu của họ với 17% các ngân hàng châu Á - Thái Bình Dương xem đó là yếu tố chính đằng sau cách tiếp cận hiện tại và tương lai của họ.
Các ngân hàng bị thách thức bởi sự cần thiết phải có thêm thông tin để đối phó với tỷ lệ cảnh báo cao từ các hệ thống không hiệu quả, trong khi không làm phiền khách hàng với các câu hỏi xác minh không ngừng. Tiếp đến, các yếu tố cần cân nhắc xếp hạng thứ hai và thứ ba bởi các ngân hàng bao gồm, thiệt hại danh tiếng và tổn thất tài chính trực tiếp. Khi nói đến thách thức tội phạm tài chính, gần 1/2 số ngân hàng được khảo sát đã nêu vấn đề tốc độ phản ứng với các mối đe dọa mới, trong khi 1/3 tin rằng đạt được khả năng phát hiện chính xác vẫn là một thử thách quan trọng.
Giải pháp tuân thủ toàn diện của FICO kết hợp các kỹ thuật máy học tiên tiến được thiết kế để giải quyết những thách thức này bằng cách cải thiện đáng kể độ chính xác của các cảnh báo thông qua các mô hình phân tích nâng cao được cấp bằng sáng chế như phân cụm mềm và điểm nguy cơ có thể giúp các tổ chức tài chính vận hành AI trong các chiến lược tuân thủ hiện có của họ.
Tại Việt Nam, 96% ngân hàng cho biết, họ sẽ tiếp tục đầu tư tuân thủ trong năm tới và 27% có kế hoạch để tăng đáng kể khoản đầu tư này vào năm 2021.
Theo khảo của Công ty phần mềm phân tích toàn cầu FICO, 64% số ngân hàng được khảo sát ở Việt Nam cho biết, họ vẫn tin vào khả năng của các hệ thống tuân thủ PCRT (AML(; 45% ngân hàng đang “chật vật” để sửa đổi hệ thống AML dựa trên quy tắc hiện có.
Tuy nhiên 95% các ngân hàng Việt Nam tin rằng AI sẽ tăng cường các nỗ lực chống rửa tiền và 96% ngân hàng cho biết họ sẽ tiếp tục đầu tư vào công nghệ trong năm tới; 27% có kế hoạch để tăng đáng kể khoản đầu tư này vào năm 2021.
Đại diện một số lãnh đạo ngân hàng cho hay: Các hệ thống tích hợp AI có thể đem lại khả năng xác định, nhận diện và ưu tiên các cảnh báo, giúp hỗ trợ đưa ra quyết định nhanh chóng khi quản trị tội phạm tài chính, qua đó cải thiện năng suất. Hơn nữa, việc tự động hóa các tác vụ thủ công, sàng lọc hồ sơ khách hàng hiện tại và quy tắc kinh doanh, cũng như lường trước rủi ro dựa vào lịch sử dữ liệu trên hệ thống làm tăng hiệu quả và tính ứng dụng cho các ngân hàng. Ngoài ra, việc dự đoán và lường trước rủi ro thông qua hoạt động giám sát, phân tích và dự đoán rủi ro liên tục dựa trên Học máy (ML) và AI giúp cải thiện khả năng quản trị rủi ro. Với AI, FICO có thể xây dựng hệ thống dữ liệu và công cụ phân tích hồi quy các dữ liệu giao dịch của khách hàng và phân loại nhóm khách hàng và mỗi nhóm được phân tích trên 30 khía cạnh khác nhau, theo dõi theo chu trình đi của tiền từ đó phát hiện các giao dịch khả nghi và chu trình rửa tiền, đưa ra những cảnh báo sớm để ngân hàng có quyết định điều tra sâu hơn hay không. Giải pháp này cũng kết hợp yếu tố động học (ví dụ vào dịp Tết thì chi tiêu sẽ tăng nhiều) để tránh cảnh báo sai.