在日趋严格化的全球反洗钱监管形势之下，金融机构迫切地需要提升反洗钱工作质量和效率。而洗钱活动专业化、复杂化、跨国化、电子化等趋势却又加大了金融机构反洗钱工作难度。近年来，金融科技（FinTech）的兴起为金融机构应对反洗钱这一“难啃的骨头”提供了巨大推动力。国内外很多金融机构、金融科技公司和学术研究者已经对人工智能、大数据分析、云计算等技术在反洗钱中的应用进行了一定探索。然而，由于严监管态势下试错成本极高，因此国内外金融业界整体上保持着稳健、审慎的探索步伐。而从学术界来看，现有学术研究中多存在重理论建模而轻实践探索的现象，致使研究成果可落地性不足。整体上，“金融科技助力反洗钱”仍是一项处于初步探索阶段的课题，尚未形成成熟的理论和应用体系。
基于现有研究与实践，本文对金融科技助力反洗钱的思路框架进行梳理。首先解决“何处助力”的问题：定位金融科技在反洗钱工作中的“发力点”，而它们往往是金融机构在反洗钱工作中所面临的技术性难点或问题。在每一个“发力点”上，基于对这些难点或问题背后原因的分析，给出基于金融科技的解决思路，从而解决“如何助力”的问题。在文章结尾处，我们还将对金融科技助力反洗钱所需的配套机制进行探讨。
整体上，金融机构要做好反洗钱工作，首先必须准确把握外部反洗钱形势——包括机构当地的反洗钱监管形势和洗钱风险分布状况。因此，反洗钱监管要求解读和机构洗钱风险评估工作对金融机构十分重要。这两项工作涉及大量的文本分析与数据分析工作，这意味着金融科技在其中大有可为。具体来看，根据《打击洗钱、恐怖融资和扩散融资的国际标准：FATF建议》以及《中华人民共和国反洗钱法》、《金融机构反洗钱规定》等国内法律，金融机构反洗钱工作主要包括：反洗钱内部控制、客户身份识别、大额与可疑交易报告、客户与交易信息保存、协助司法调查等。其中，客户身份识别、大额与可疑交易报告、客户与交易信息保存这三项工作涉及大量的数据处理、分析工作，因此也可以成为金融科技的用武之地。
一、金融科技助力反洗钱形势分析
01
问题1
分支机构对当地反洗钱监管政策理解不到位，故而常出现反洗钱工作与当地监管要求不符现象，使机构面临较大的被处罚风险，该问题主要存在于境外分支机构中，尤其是在反洗钱监管规定频出的欧美国家。
主要原因：
除了历史原因以外，语言、思维方式、工作习惯等方面差异所导致的监管要求理解偏差也是主要原因之一。
解决思路：
(1) 运用人工智能领域中的知识图谱技术构建境外监管文件要素库，以实现境外监管文件智能解读。
(2) 运用人工智能领域的自然语言处理（NLP）技术从金融机构内部制度文件中提取要素，通过内部制度文件要素在监管文件要素库中的检索、匹配等，实现被处罚风险的智能识别。
02
问题2
分支机构对当地洗钱风险分布状况了解不足，故而常常出现反洗钱措施与实际洗钱风险状况不符的现象。
主要原因：
分支机构洗钱风险评估机制不足，其中一大问题在于缺乏合理的评估工具。
解决思路：
运用人工智能领域中的监督学习技术，从地域洗钱现状、监管要素以及分支机构客户、业务等方面提取风险因素，进而构建分支机构洗钱风险评估模型。
二、金融科技助力客户身份识别工作
01
问题1
客户尽职调查工作流于形式，缺乏对客户身份的穿透式分析。
主要原因：
客户尽职调查机制不完善，缺乏有效的调查模板和分析模型。
解决思路：
(1) 运用人工智能领域中的知识图谱技术构建客户洗钱风险点知识库，并运用人工智能领域中的自然语言处理（NLP）技术构建客户标签提取模型，通过客户标签在客户洗钱风险点知识库中的检索、匹配等，实现客户洗钱风险智能识别（已有业界实践）。
(2) 运用大数据分析领域中的社会网络分析技术，构建客户社交网络分析模型，以对客户交易目的与性质、实际控制人和受益人进行识别分析（已有学术研究）。
(3) 运用人工智能领域中的监督学习技术，构建客户洗钱风险智能评估模型。
02
问题2
客户相关文件（例如国际业务中的SWIFT报文）的信息提取主要依赖人力，工作效率较低且存在较大操作风险隐患。
主要原因：
缺乏有效的文本信息提取工具。
解决思路：
运用人工智能领域中的自然语言处理（NLP）技术，提取并整理客户相关文件中的关键要素（例如客户基本信息、交易对手、委托代理关系等），并通过客户文件关键要素在客户洗钱风险点知识库中的检索、匹配等，实现客户洗钱风险智能识别（已有业界实践）。
03
问题3
名单筛查方式落后，无法应对重名、音译差别、输入偏差（例如外文名中少输入一个“·”符号）等问题。
主要原因：
名单筛查方式主要依靠精准匹配，缺乏具有较高准确率的模糊匹配工具。
解决思路：
(1) 运用人工智能领域中的自然语言处理（NLP）技术，构建可以实现模糊匹配的名单筛查模型（已有业界实践）。
(2) 运用人工智能领域中的流程自动化（RPA）技术，构建客户尽调和名单管理工作辅助机器人，实现客户身份识别工作中部分流程的自动完成。
三、金融科技助力大额与可疑交易报告工作
01
问题1
可疑交易监测模型的准确率和覆盖率不足，存在大量的漏报、误报现象。
主要原因：
传统监测模型基于较为简单的线性多因子模型，其数据分析能力较弱，难以达到较高的监测准确率和覆盖率。
解决思路：
运用人工智能领域中的监督学习技术，利用客户特征、客户关联关系、交易特征等多维信息和海量数据，构建可疑交易智能监测模型（已有业界实践和理论研究）。
02
问题2
可疑交易甄别分析以及报告撰写工作严重依赖人力，工作效率较低且存在较大操作风险隐患。
主要原因：
缺乏有效的交易数据分析模型。
解决思路：
(1) 运用大数据分析领域的社会网络分析、聚类分析等技术，结合数理统计、数论等方面的知识，构建资金网络分析模型、客户与交易匹配度分析模型、交易金额倍数特征分析模型等（已有业界实践和理论研究）。
(2) 运用人工智能领域中的流程自动化（RPA）技术，构建甄别工作辅助机器人，实现可疑交易甄别工作中部分流程的自动完成。
(3) 运用人工智能领域的自然语言处理（NLP）技术，实现可疑报告的自动生成。
四、金融科技助力客户与交易信息保存工作
01
问题
面对大量客户和交易数据，IT系统的数据处理效率不足。
主要原因：
缺乏高效的数据处理（包括数据采集、存储、检索、加工、变换、传输、计算等）工具。
解决思路：
运用云计算技术搭建大数据处理平台，实现海量数据的高效处理（已有业界实践）。
五、关于金融科技助力反洗钱所需配套机制的探讨
按照当前的全球反洗钱形势，未来金融机构仍将保持稳健的反洗钱技术应用发展步伐。我们认为，在发展过程中我国金融业界和学术界应该注重以下几点：
1. 金融科技在反洗钱中的有效应用需要以高质量的客户和交易数据作为支撑，但客户数据收集是一项高难度系统工程，如何提升客户数据完整性和真实性，是商业银行所面临的一大棘手问题。一套完善的客户数据收集机制，除了有效的数据收集方法和工具之外，还需要在岗位、职责、制度、流程、人员、系统等方面采取合理的配套措施。
2. 金融机构应建立有效的反洗钱技术工具开发需求分析、可行性分析和科技风险评估机制，包括相关岗位、职责、制度、流程、人员、系统、方法、工具等。
3. 金融业界应加强与学术界的联系（例如通过引入研究人才开展相关研究），从而逐步打破反洗钱技术应用相关研究与实践之间的隔阂，使研究成果更具实践价值。
转发自：智领反洗钱