详细内容或原文请订阅后点击阅览
AI 与金融犯罪预防：银行为何需要采取平衡的方法
对于银行来说，人工智能是一枚双面硬币：虽然它为提高运营效率开辟了许多可能性，但也可能带来外部和内部风险。金融犯罪分子正在利用该技术制作可以绕过计算机和人类检测的深度伪造视频、声音和虚假文件，或增强电子邮件欺诈活动。在美国 […] 文章《人工智能与金融犯罪预防：银行为何需要平衡方法》首先出现在 Unite.AI 上。
来源:Unite.AI对于银行来说，人工智能是一枚双面硬币：虽然它为提高运营效率开辟了许多可能性，但也可能带来外部和内部风险。
金融犯罪分子正在利用该技术制作可以绕过计算机和人类检测的深度伪造视频、声音和虚假文件，或增强电子邮件欺诈活动。根据德勤最近的一份报告，仅在美国，生成式人工智能预计将使欺诈损失的年增长率加速到 32%，到 2027 年达到 400 亿美元。
深度伪造视频 德勤报告因此，也许银行的应对措施应该是用更好的工具武装自己，利用人工智能预防金融犯罪。事实上，金融机构已经开始在反金融犯罪 (AFC) 工作中部署人工智能——监控交易、生成可疑活动报告、自动检测欺诈等。这些有可能加速流程并提高准确性。
问题在于银行没有在 AI 实施与人类判断之间取得平衡。如果没有人类参与，AI 的采用可能会影响合规性、偏见和对新威胁的适应性。
我们认为，金融领域采用 AI 应采取谨慎、混合的方法，这种方法将继续需要人工投入。
基于规则和 AI 驱动的 AFC 系统之间的区别
基于规则和 AI 驱动的 AFC 系统之间的区别传统上，AFC（尤其是反洗钱 (AML) 系统）按照合规团队为响应法规而制定的固定规则运行。例如，在交易监控的情况下，这些规则是根据特定的预定义标准（例如交易金额阈值或地理风险因素）实施的，以标记交易。