Currency Data

不投资复杂的反洗钱框架的金融机构可能面临不仅在合规性方面落后的风险，而且在有效服务客户的能力方面也面临落后的风险。例如，美国已表示，在即将上任的特朗普政府的领导下，打击金融犯罪仍将是两党的优先事项。当然，不仅仅是美国。 Aml 成为头条新闻。 11 月，英国金融监管机构因未能监控反洗钱风险而对 Metro Bank 处以 2100 万美元罚款。这种监管强度与技术创新浪潮同时发生。手动流程无法与现代金融犯罪的速度和规模相匹敌，但人工智能和机器学习在反洗钱中发挥着越来越重要的作用，使金融机构能够筛选大量交易数据以实时识别异常情况。

根据 Pymnts Intelligence 和 Hawk Collaboration 的 墨西哥 telegram 手机号码列表 数据，十分之七的金融机构现在正在使用人工智能和机器学习来抵御不良行为者，“金融机构正在改进技术以打击金融犯罪。” 7 月，Hawk 联合创始人兼首席产品官 Wolfgang Berner 为 Pymnts 揭示了大型交易模型 (Ltms)（适应金融犯罪的生成人工智能模型）在建立更稳健、准确和全面的检测和预防机制方面所代表的机会。 “LTMS 无需聚合即可查看整个交易，保持广阔的视野并理解交易中的语言数据，例如指示意图的参考文本，”伯纳说。




另请参阅：合作伙伴银行观点：正如 Pymnts 的凯伦·韦伯斯特 (Karen Webster) 在 9 月初所写的那样，为何第三方风险标准为跨境支付、反洗钱和未来的金融体系提供动力，监管机构现在并不羞于积极审查和制裁金融科技和金融科技模型。银行和支付生态系统重新评估金融科技合作伙伴关系。赞助银行拒绝了更多交易，并需要更长的交易。展望未来，反洗钱系统绝不能再孤岛运行。将这些系统与欺诈检测、了解你的客户 (Kyc) 和其他合规工具集成可以帮助创建针对金融犯罪的统一防御。