海外送金にからんだ不正行為（マネー・ロンダリングやテロ資金の送金など）の手口が巧妙化し、金融当局は金融機関に対してAML対策の強化を求めています。金融機関各社も、AMLに多額のリソース（IT投資とスタッフ）を投入していますが、不正手口の巧妙化に対して対策が遅れがちです。ここでは、人工知能を活用したAMLツールを導入した英スタンダード・チャータード銀行の事例をご紹介します。
■ AMLに関する金融機関の事業環境
海外送金にからんだ不正行為（マネー・ロンダリングやテロ資金の送金など）を阻止するため、金融機関は多額のリソースを投入してAML対策を実施しているが、犯罪手口は常に進化しており、対策も改善を続ける必要がある。加えて、ファースター・ペイメントの普及やグローバル貿易の増加、複数の国をまたがる取引が増えるなど、犯罪者が付け入る隙も増えている。金融機関は、精査が必要となる取引件数の増加に悩まされているが、フォルス・ポジティブ（注）が90%に達しており悩みは深い。
（注）AMLにおけるフォルス・ポジティブ：正常な取引であるにもかかわらず、不正の可能性があるとしてアラートの対象（＝人的精査が必要）と誤認すること。またはそのトランザクション。
各国の金融当局は、犯罪の巧妙化に対して、金融機関のマネロン対策をこれまでの「ルールベース」から「リスクベース」へ変更/強化するよう要請している。人工知能を活用してリスクベース評価を行う新しいテクノロジーにも、一定の理解を示している。
一方、テクノロジーもこの要請に応えられるようになってきた。ビッグ・データの分析用に人工知能を活用した様々なテクニックやツールが多数登場しており、既存のAMLベンダーがこれらを応用したり、AIベースのAMLツールに特化したフィンテック・スタート・アップが誕生している。加えて、不正行為の分析に活用できる様々な外部データが、サードパーティーから入手できるようになってきた。金融機関は、これらを活用してリスク評価方策をアップグレードしようとしている。
■ スタンダード・チャータード・バンクの事例
英国のグローバル金融機関である、Standard Chartered銀行（以下SC）は、預かり資産US$720Bの大手銀行である（日本のメガバンクとりそな銀行の中間規模）。本店はロンドンだが、リテール事業は英国外が営業地域で、85か国にある支店1200か所の多くはアジア/アフリカ/中東に立地している。同行のAML対策部門は、スタッフ1500人で年間10億ドランザクションを精査しているが、前述のような問題に頭を痛めている。
2018年、SCはAML対策強化のため新たなツールに求める機能を以下のように定義、様々なオプションの検討を始めた。
・フォルス・ポジティブ減少に効果があること
・人的精査にかかかる時間を短縮できること（各種ビジュアライゼーション・ツール/ダッシュボード機能など）
・現在利用しているツールと併存可能なこと（API機能など）
・現在利用している過去7年分の取引データ等をそのまま活用できること
・ツールの頻繁な改善/テストを簡単に行えること（アジャイル開発）
・今後登場するであろう新たな分析手法も取り入れることができること（オープン・アーキテクチャー/フレキシブルなプラットフォームなど）
同行は、検討を9か月間行い、2016年創業の英国のフィンテック企業Quantexa社の導入を決定した。同社は、AIを使った以下のような分析機能を提供し、SCでは、これらを組み合わせることでリスク分析機能を強化している。
（1）Dynamic Entity Resolution
KYCやCDDの際、定性的な顧客マスターの参照に加えて、精査時にリアルタイムで内外の情報（他社との取引関係や送金状況、直近の資本関係の変化や人事などの最新状況（アンストラクチャー・データ含む））を加味して、直近のAMLリスクを判断する。
（2）Dynamic Segmentation
定性的な分類条件（例えば、業種や売上げ規模、従業員数など）によるセグメンテーションではなく、精査したいケース毎の条件（例えば、季節変動が大きい商品を扱っている小売業など）に合わせてダイナミックに顧客セグメンテーションを行い、同じセグメントに属する他企業の行動と比較するなどの手法で、AML面での特異な動きがないかどうかを把握する。
（3）Network/Link Analysis
内外の様々なデータを活用して個人/企業のリレーション・シップをネットワーク図として表示する。KYC/CDDやアラート分析時の活用に加え、アラートを発するかどうかのアルゴリズムの中でもリレーションの強さ/弱さをリスク判断の材料として組み込む。
■ 導入成果
スタンダード・チャータード銀行は、クオンテクサの導入にあたって、アジャイル開発を全面的に採用、まず5が月目で一部の機能をリリース、9か月後に第二弾、18か月後には7年分のデータすべての読込みを終えた。この間、社内の分析チームに対しては、新しい分析ツールのトレーニングを徹底的に行ったという。また、AIを使った分析手順に関しては、英国/シンガポール/香港の金融当局に対してその詳細を説明し、当局の意向とすり合わせたという。
当初計画が全面稼働した現在、SCではフォルス・ポジティブは最大75%減少したとしている。また、人的な精査においてもデータの大部分が自動収集可能となり、また様々なビジュアライゼーション・ツールも利用できるようになったことで、判断に要する時間が「数日から数時間（From Days to Hours）に減少」したとしている。また、判断に自信を持てるようになったことも大きいとしている。
SCでは、社内外から取り込むデータの種類を増やすことで、ネットワーク/リンク分析の強化を図るとともに、Trade FinanceやCorrespondet bankingなどの複雑なサービスに絡まる不正の分析にも取り組みたいとしている。同行の今後に加え、人工知能を活用したAMLの取組み事例に注目しておきたい。
Add new comment