6、AI在金融交易监控与医疗编码领域的应用

AI在金融交易监控与医疗编码领域的应用

1. DBS银行：AI驱动的交易监控

自相关法规出台以来，全球银行都肩负着预防洗钱、可疑跨境大额资金流动及其他金融犯罪的责任。新加坡及东南亚最大的银行DBS银行，长期专注于反洗钱（AML）以及金融犯罪的检测与预防。

1.1 基于规则的监控系统的局限性

DBS银行的“交易监控”部门多年来一直利用AI进行相关工作。该部门人员评估基于规则的系统发出的警报。这些规则会评估银行多个系统的交易数据，包括消费者、财富管理、机构银行及其支付系统等。交易流经基于规则的系统进行筛选，规则会标记与银行进行可疑交易的个人或实体相关的交易。

基于规则的系统（过去称为“专家系统”）是AI的早期形式，在银行、保险等行业仍广泛使用。然而，在DBS银行和全球大多数银行，这类系统每天会产生大量警报，其中高达98%是误报。交易的某些方面触发规则使其被标记，但经人工分析师跟进调查后，发现这些交易实际上并无可疑之处。

分析师需要跟进每个警报，查看所有相关交易信息，考虑交易涉及人员的资料、过往金融行为、“了解你的客户”和客户尽职调查文件中的声明等。跟进警报是一个耗时的过程。如果分析师确认交易可疑或为欺诈，银行有法律义务向有关当局提交可疑活动报告（SAR）。这一决策至关重要，错误判断可能导致守法客户被错误调查，或者“不良行为者”未被发现和报告，引发洗钱等金融犯罪问题。

目前，基于规则的系统无法被淘汰，因为大多数国家的监管当局仍有要求。不过，DBS银行高管意识到，正确利用内部和外部的额外信息，结合机器学习（ML），可以自动评估基于规则系统发出的每个警报。ML能处理更复杂的模式，做出比基于规则的系统更准确的预测。