AI 反洗錢系統

張庭瑜，把 AI 導入洗錢防制，敦陽科技、Synergies 聯手幫銀行省下 6 成人力，數位時代，2018.05.23

為因應年底亞太防制洗錢組織(APG)來台評鑑，金融業者無不投入大量成本做到合規，Synergies董事長張宗堯舉例，以對全球銀行業者來說，過去一年至少增加20%的反洗錢（Anti Money Laundering，AML）法遵成本。 

只不過就算花大錢導入AML系統，系統只能初步篩選出可疑的人物、公司或交易，後續還是得仰賴大量人力審查案件的風險高低。敦陽科技董事長梁修宗指出，衍生的人力需求和成本甚至比系統建置成本還高，而敦陽和Synergies合作結合AI推出的AML解決方案，就是瞄準這塊缺口，提高案件處理效率。

目前，國內中大型銀行的洗錢防制大致可分為四部分，包含名單檢核、風險評估、交易偵測和貿易融資。Synergies產品總監柳可芸解釋，以名單檢核為例，系統會將客戶姓名和洗錢名單資料庫比對，但因為有很多同名同姓的人，因此系統篩選出可疑名單後，行員要再根據背景、出入地域、交易行為去判斷是不是資料庫內的那個人。 

柳可芸表示，若以每天產生一到兩千的案件計算、每件做10分鐘來看，過去光是名單檢核部分，每天就要消耗100小時、相當於12.5個人力，但加上AI後，可將人力降至6人，省下60%的法遵人力、相當於每年2億元成本。「希望用AI技術，幫銀行降低成本，進入『監管科技』的世代。」她說。

張庭瑜，靠模仿人腦抓漏，精誠攜手新創Graphen推AI反洗錢工具，數位時代，2018.08.17

在降低誤報率方面，傳統反洗錢系統在警示規則設定上較簡單，舉例來說，只要發現某帳戶在一個月內有大於三筆國際電匯、且金額大於1萬美元，就會跳出警示，但Graphen的AI反洗錢系統則會加上該公司的職業特性、與交易對手的關係等等，判斷總體風險，篩選掉低風險的案例。例如，同樣都是頻繁的大額交易，發生在貿易公司上屬於低風險，但若為美容從業人員則屬高風險。 

事實上，Graphen這套AI反洗錢系統過去已有不錯成績，Graphen亞洲區總經理曾儒龍指出，以美國客戶的案例來看，AI系統抓出50個傳統反洗錢系統漏報的案例，其中有27件確實有洗錢疑慮。... 

陶亞光表示，Graphen特別之處在於採用「圖運算平台」，模擬人類策略判斷、情緒、邏輯推理的方式，特別適合用於反洗錢、不良貸款風險偵查這類的分析型應用。 

曾儒龍解釋，傳統關聯式資料庫是先按資料類型將資料存入，之後互相比對才能算出彼此的關連性，由於這當中需要耗費大量電腦計算力，因此以往只能選擇少數指標計算關聯、可以設定的規則有限。 

但在Graphen開發的「圖運算平台」中，關聯本身就是一種特徵，很容易就能找出複雜網路裡的關係，以反洗錢來說，可輕易找出兩大集團間有哪些連結，而這些連結很可能就是串連洗錢的關鍵。

李靜宜，搶攻銀行新一波反洗錢市場！老牌SI精誠資訊引進 Graphen 人工智慧反洗錢方案， iThome，2018-08-18

林清詠提到，國外反洗錢系統已經相當完善且成熟，但是在偵測效能還有很大的問題，像是會出現假異常訊號，或是漏掉可能涉及洗錢的異常訊號，銀行往往得額外派出大量人力處理反洗錢異常訊號。他解釋，偵測出來的每一個異常訊號，都還是得靠專業金融人員來判斷，就算一個異常訊號要用半小時處理，還是需要大批中高階專業人才來執行，尤其大型銀行的交易訊息都是上萬筆起跳，更是耗費人力。他舉例，德意志銀行（Deutsche Bank）內部光是負責反洗錢的人力就需要 1400 人，而即便是小型銀行，也要有幾百位的人力來執行才夠。... 

范植德也補充，反洗錢組織在全球規範的作業型態，其實分了許多種類的業態進行追蹤，也會依照本地的市場行為，採取不同業態的篩選。當各國需評鑑的業態確立後，將由主管機關定義業態的業務規定。他提到，臺灣是由金管會以反洗錢組織的業態為基本架構，並針對臺灣本地實際市場行為去定義，例如針對銀行，就過濾出53項需要執行的業務規定、證券業是36項、信託業務則是24項。金融機構就可把業務規定放到反洗錢系統，再由AI系統角度去過濾異常訊號。