رونمایی FIS و آنتروپیک از عامل هوش مصنوعی برای تحقیقات پول‌شویی
نویسنده: PYMNTS | ۱۵ اکتبر ۲۰۲۶
بر اساس بیانیه‌ای که روز پنجشنبه (۱۵ اکتبر) منتشر شد، عامل هوش مصنوعی توسعه‌یافته به دست شرکت‌های FIS و آنتروپیک (Anthropic) اکنون به‌صورت تجاری در دسترس تمام بانک‌های مستقر در ایالات متحده قرار گرفته است.
به گزارش PYMNTS، ابزار FIS AML Investigations Agent نخستین بار در ماه مه معرفی شد، اما در آن زمان «عامل هوش مصنوعی جرایم مالی» نام داشت. این ابزار برای کمک به انجام تحقیقات مربوط به مبارزه با پول‌شویی طراحی شده است.
استن سوالبنست (Stan Szwalbenest)، مدیر بخش تقلب سازمانی و جرایم مالی در FIS، در این بیانیه گفت: «دلیل کند شدن روند تحقیقات این نیست که تحلیلگران توانایی قضاوت درستی ندارند. مشکل اینجاست که شواهد در سامانه‌های مختلف پراکنده‌اند و با تمام هشدارها به یک شکل برخورد می‌شود. FIS با یکپارچه‌سازی داده‌های سامانه‌های بانکی اصلی، پرداخت‌ها و سایر اطلاعات موردنیاز تحقیقات، به تحلیلگران کمک می‌کند کار خود را سریع‌تر پیش ببرند، درحالی‌که کنترل تمام تصمیم‌ها همچنان در اختیار خودشان باقی می‌ماند.»
طبق این بیانیه، راهکار جدید نخستین محصول از نوع خود در FIS است و سازوکارهای کنترلی داخلی آن تضمین می‌کنند که تصمیم‌گیری نهایی در تمام مراحل بر عهده تحلیلگران باشد. FIS این عامل هوش مصنوعی را با همکاری آنتروپیک و بانک Amalgamated Bank، به‌عنوان شریک طراحی محصول، توسعه داده است. این ابزار اکنون در بانک Amalgamated به کار گرفته شده است.
بر اساس این بیانیه، بررسی فرایندهای تحقیقاتی بانک Amalgamated و ارزیابی قابلیت‌های موردانتظار عامل هوش مصنوعی مبارزه با پول‌شویی نشان می‌دهد که این ابزار احتمالاً می‌تواند زمان لازم برای بررسی هشدارها و انجام تحقیقات را کاهش دهد. به این ترتیب، کارشناسان فرصت بیشتری خواهند داشت تا بر پرونده‌های پیچیده‌ای تمرکز کنند که رسیدگی به آن‌ها به قضاوت و بررسی دقیق‌تری نیاز دارد.
در این بیانیه درباره شیوه عملکرد ابزار آمده است: «این عامل هوش مصنوعی به‌جای آنکه با همه هشدارها یکسان برخورد کند، شرایط و ویژگی‌های خاص هر مشتری را در بررسی‌ها لحاظ می‌کند. پیش از گردآوری شواهد، نوع مشتری، سوابق فعالیت او و الگوی رفتاری موردانتظارش را با هشدار صادرشده تطبیق می‌دهد. به همین دلیل، خلاصه‌ای که در پایان تهیه می‌شود، از همان ابتدا متناسب با رفتارهای عادی و غیرعادی آن مشتری تنظیم شده است. برای مثال، افزایش فصلی واریز وجه نقد با واریزهایی که عمداً در مبالغی اندکی پایین‌تر از آستانه‌های قانونی گزارش‌دهی فدرال انجام می‌شوند، تفاوت دارد. همچنین یک انتقال وجه بین‌المللی معمول با حواله برون‌مرزی بدون توجیه مشخص به منطقه‌ای پرریسک یکسان نیست. این عامل هوش مصنوعی چنین تفاوت‌هایی را شناسایی می‌کند و دلایل تشخیص خود را برای تحلیلگر توضیح می‌دهد.»
گزارش سپتامبر PYMNTS Intelligence با عنوان «راهنمای سرمایه‌گذاری صادرکنندگان کارت: سرمایه‌گذاری برای آینده و ایجاد مزیت رقابتی» نشان داد که ۸۹ درصد از صادرکنندگان کارت قصد دارند طی یک سال آینده دست‌کم یکی از قابلیت‌های هوش مصنوعی برای مقابله با تقلب را به کار بگیرند یا استفاده از آن را گسترش دهند.
نیمی از صادرکنندگان کارت، شناسایی تقلب و امتیازدهی به میزان ریسک آن را مهم‌ترین قابلیت هوش مصنوعی دانستند که باید به سامانه‌های خود اضافه کنند. همچنین ۶۳ درصد اعلام کردند که به‌طور مشخص برای استفاده از فناوری تشخیص تقلب در لحظه برنامه‌ریزی کرده‌اند.
PYMNTS روز پنجشنبه در گزارشی نوشت: «تصمیم‌گیری درباره تقلب به‌طور مداوم و هم‌زمان با انجام تراکنش‌های واقعی صورت می‌گیرد. این تصمیم‌ها اغلب باید آن‌قدر سریع گرفته شوند که خریدهای معتبر تأیید شوند، بدون آنکه موانع غیرضروری برای دارندگان کارت ایجاد شود.»