簡単なAML・KYCソリューションをお探しですか？
残念ながら、そのようなものは存在しません。金融機関では、複雑な検証と審査のプロセスが、変化し続けるマネーロンダリング防止要件と相まって、本人確認を取り巻く課題が増えています。この状況が変わることはないでしょう。しかし、AI搭載のKYCソリューション は、名称の照合率を大幅に向上させ、手作業での調査の必要性を大幅に減らすと同時に、KYC手続きの効率化に役立ちます。
KYCの重要性
国連は、毎年8千億ドルから2兆ドルが世界中の犯罪者たちの資金洗浄の対象になっていると推定しています。これは世界経済の2%から5%に相当します。[1] この資金は凶悪犯罪により得られたもので、その資金源にもなっています。 そのような犯罪には、テロ、人身売買、武器売買、麻薬取引、児童の性的虐待などが含まれます。世界中の議会では、資金の流れが止まればこれらの犯罪は大幅に減少すると考えられています。そのため、ほとんどの国が厳格なマネーロンダリング防止法を定めています。
このような法律を遵守するため、金融機関は厳しいKYC要件を満たさなければなりません。KYCは、口座開設時およびその後も顧客の身元を定期的に確認するために義務付けられているプロセスです。これらの要件は、犯罪を減らし、透明性を確保し、金融システムの完全性を保つことを目的としています。
KYC・AMLプロセスは、次の要素で構成されています
顧客の本人確認：金融機関は、パスポート、運転免許証、その他政府発行の身分証明書などにより、顧客の本人確認を行います。
リスク評価：金融機関は、さまざまなリスク評価ツールとプロセスを使用して、顧客、潜在顧客、取引によってもたらされるリスクを評価および管理します。
デューデリジェンスの強化：銀行は、リスクの高い見込み客、顧客、取引に対して、より高いセキュリティレベル (「厳格な顧客管理措置」) を適用します。
継続的な監視：AML法を遵守するため、金融機関は顧客の口座が有効な期間、定期的に口座を監視しています。
記録管理：銀行のKYC要件では、金融機関が顧客の身元、取引、およびKYCに関連するあらゆるコミュニケーションの包括的な記録を保持することが義務付けられています。
KYCコンプライアンスへの取り組みの見直し：銀行は、変化し続けるAML措置について理解し、それに応じてKYC審査手順を調整する必要があります。
変わり続ける規制への対処
KYCプロセスが非常に困難なのは、変わり続けるAML要件に遅れずについていく必要があるためです。
2023年10月、米国上院は、金融犯罪取締ネットワーク (FinCEN) に対し、マネーロンダリングを目的としたデジタル資産の使用を防止するためのガイダンスを発行するよう求める法案を提出しました。[2] 欧州連合 (EU) では、第5次マネーロンダリング対策指令の施行から1年も経たない2020年後半に第6次マネーロンダリング対策指令が施行されました。
これらは、緩和の兆しが見えないAML規制サイクルのほんの2つの例にすぎません。進化し続けるマネーロンダリングの手口に対応するため、議会では新たな法令が制定され続けています。金融機関は、AML要件を満たすためにどんなに懸命に取り組んでも、新たな犯罪によって新たな法律が生まれ、KYC要件がさらに厳しくなるという悪循環に陥っています。
このような状況が金融機関にとって課題となっています。しかし、適切なKYCソリューションの導入は、金融機関だけでなく様々なビジネスにおいて AML要件をより簡単に満たせるだけでなく、ビジネス改善の改善にもつながります。
KYCの課題
問題は、未だほとんどの銀行が適切なKYCソリューションを導入していないことです。Babel Streetは、人工知能 (AI) にKYCプロセスを劇的に改善する力があると信じています。しかし、世界経済フォーラムによると、世界において何らかのAI技術を使用している銀行はわずか56%に留まります。[3] 多くの金融機関では、未だルールベースによるKYCを行っています。このようなプロセスは時間がかかる上、エラーも発生しやすく、多大な手作業が必要になります。
ルールベースのKYCプロセスでは、AMLの専門家が一連の条件をまとめて体系化し、特定の取引でその条件が満たされた場合、システムがマネーロンダリングが行われている可能性があることを調査担当者に警告します。その典型的な例が取引金額制限です。AMLシステムは、一定額を超えるすべての送金を記録し、調査担当者にフォローアップするよう警告します。[4] このような警告のごく一部は実際に犯罪行為を示している可能性がありますが、PwCは、金融機関で毎年発せられる数百万件の警告のうち、最大95％が誤検出であると推定しています。[5] 実際の調査担当者がこれらの警告をすべて確認する必要があるため、AMLの検出作業は必要以上に多大な費用と時間がかかります。
AI搭載ソリューションによるKYCの改善
人工知能 (AI) は、各機関が脅威に対抗し、コンプライアンスの向上に役立ちます。多言語対応の名称照合、エンティティの関連付け、関係性の検出機能により、人や企業、組織を迅速に特定し、それらの繋がりをマッピングできます。政府等によるID、法的文書、顧客のメールなど、AIソフトウェアはさまざまな言語の構造化データと非構造化データを徹底的に調査し、レポートを作成し、詳細な関係性を可視化して、照合結果がにどの程度信頼性があるかを示すことができます。これにより、AIはKYCのコストと時間を削減すると同時に、金融機関によるAML法への違反や、それに伴う罰金の可能性を劇的に減らすことができます。
エンティティの関連付けの向上
エンティティの関連付けは、受信データ内の名称を、ナレッジベースや商用ナレッジベース内のアイデンティティとインテリジェントに照合します。これらのテクノロジーは、前述したものと同じ名前のバリエーションを考慮しつつ、情報を実際の人物や場所、組織に結び付けます。その手段の1つが、生年月日、出生地、親族、SNSなどのハンドル名、Facebook IDなどの他の識別要素とエンティティの照合です。また、外国語の文字で書かれた名称の音訳にも役立ちます。
アドバースメディアモニタリングの強化
アドバースメディアモニタリングとは、クライアントや潜在顧客がマネーロンダリングの前提となる犯罪を犯した可能性があるという兆候がないか、公的および商用利用可能なデータソース (ニュースレポートなど) にクエリを実行するプロセスです。顧客のオンボーディング時およびその後定期的に実施されるアドバースメディアスクリーニングは、金融業界のKYCデューデリジェンスの重要な一部となっています。
マネーロンダリングやその他の金融犯罪を阻止するための継続的な取り組みの中で、世界中の多くの規制機関がアドバースメディアモニタリングを推奨するようになっています。世界規模のマネーロンダリング防止監視団体である金融活動作業部会は、国際顧客デューデリジェンス基準に、アドバースメディアモニタリングを取り入れています。[6] EUは、2017年以降、特定のリスクの高い状況に対してアドバースメディアスクリーニングを義務付けています。[7] 米国では、FinCENが金融機関の顧客デューデリジェンスに「適切なリスクベースの手続き」を義務付けています。[8] これは多くの金融機関にとって、アドバースメディアスクリーニングシステムの導入を意味します。
名称照合とエンティティ解決のサポートに使用されるものと同じテクノロジーが、アドバースメディアスクリーニングの改善にも活用できます。
セキュリティの強化
KYCソリューションは、オンラインでの取引や操作におけるセキュリティを大幅に強化します。堅牢な本人確認と認証のプロセスを導入することで、金融機関は顧客にとって安全な環境を構築し、口座への不正アクセスや個人情報漏洩のリスクを軽減します。
自然言語処理による名称照合の改善
名称照合は複雑です。完全に一致することはめったになく、不一致であることが明確ではない場合もあります。金融やその他の業界における、迅速性が求められリスクの高い名称照合には、独自の照合しきい値を設定し、ユースケースやリスク許容度に合わせて照合パラメーターを微調整できる、AI搭載の自然言語処理機能が必要です。
プロセスは顧客の本人確認から始まります。銀行は、潜在顧客の本人確認を行い身元を特定するために、パスポートや免許証など、政府発行の書類を使用する必要があります。銀行口座を申請する人物「Pete Smith」が、銀行口座開設の際に使用した運転免許証に記載の「Peter A. Smith Jr.」と合法的に同一人物なのかを確認する必要があります。この作業には、名称照合テクノロジーが役立ちます。スペルミス、別名、ニックネーム、言語の違いなど、名前のバリエーションを考慮して名前を確認します。
顧客の本人確認に使用されるものと同じ名称照合テクノロジーを導入して、国内外の監視リストと照合し、顧客データをスクリーニングすることもできます。また、このテクノロジーは、政治的に影響力のある人物、制裁対象団体、犯罪活動に関連する団体を特定するデータベースとも照会し、スクリーニングします。たとえば、米国では、外国資産管理局 (OFAC) が発行する特別指定国民および資格停止者 (SDN) リストに、国家安全保障、外交政策、または経済政策に脅威を与えると米国政府によって特定された人物、団体、企業、国、政府、その他の団体が挙げられています。OFACはSDNリストを使用して、これらのグループが米国の金融システムにアクセスできないようにしています。金融機関は、顧客や潜在顧客の情報をSDNやその他の監視リストと照らし合わせる必要があります。
ビジネス上のメリット
金融機関は、AML要件を満たすためにAI搭載のKYCソリューションを導入しますが、これらのソリューションはビジネスの改善にも活用できます。
まずはじめに、これらのソリューションにより不正検出機能が向上します。詐欺は、金融機関の収益に直接影響を与える複雑な犯罪です。金融機関はそれに対処するため、利用可能なあらゆる技術的リソースを導入する必要があります。
AIはパターン認識に優れており、これは不正の検出に特に重要な機能です。実際、教師なし機械学習 (アルゴリズムがラベルのないデータセットを分析し、人間の介入なしにパターンを検出する機械学習の一種) により、人間のアナリストだけでは発見できない不正パターンを特定することができます。
しかし実際には、不正検出にAIを使用している金融機関は非常に少ないのが現状です。KYC・AMLプロセスと同様に、現在の不正検出のほとんどは、疑わしい活動にフラグを立てるルールベースのシステムに依存しています。しかし、取引のルールやそれを回避する方法は、犯罪を行う側にすぐに見破られてしまいます。
それに比べて、AIはより優れた手段と言えます。機械学習アルゴリズムは、数時間でペタバイト単位の情報を分析できるため、不正行為のパターンをより迅速かつ正確に検出できます。また、これらのソリューションの性質により、不正検出にかかる人員と関連コストの削減にも役立ちます。
金融の枠を超えた KYCソリューションの用途
名称照合とエンティティ関連付け機能はAML要件の遵守に不可欠ですが、その用途は金融業界に限られたものではありません。一例として、 公的医療保険において、米国では「医療保険改革法（Affordable Care Act）」に基づき医療保険料の支払い支援を求める際に、身分証明書、、所得証明書、および雇用主が提供する保険に関する情報を提示する必要があります。メディケアおよびメディケイドサービスセンターは、申請者の身分、収入や保険加入の有無がが真実であることを確認する必要があります。名称照合とエンティティの関連付け技術が役立ちます。そして、医療の提供においても名称照合が重要になります。医療提供者と保険会社は、適切な医療が適切な患者に確実に提供されるように、患者の記録を迅速に見つけて結び付ける必要があります。国境警備局は、入国を許可すべき訪問者と、脅威をもたらす可能性のある訪問者を判断するため、断続的に名前を照合しなければなりません。その他の政府情報収集機関は、膨大な量の非構造化データに基づいてプロファイルを作成する際に、エンティティの関連付けが必要になります。
また、KYC・AMLソリューションは、顧客体験の向上にもつながり、これはさまざまな方法で実現されます。これらのソリューションは、新規口座開設、送金、その他のサービスを迅速化できます。厳格な顧客デューデリジェンスプロセスにより新規口座の開設や資金の受け取りに時間がかかり、潜在顧客や顧客の不満につながる可能性があります。そのような場合、顧客は待つよりも、より迅速に対応してくれる金融機関で口座を開設するかもしれません。
次のシナリオは、消費者に支出や貯蓄のための総合口座を提供している大手フィンテック企業です。これらの口座では、給与振込を含む資金の受け取りなどが簡単にできる専用カードを顧客に提供しています。しかし、名称照合に課題があり、このシステムで記録されている顧客名が、受取人の名前と若干異なる場合があります。システムは、「Rebecca Hockenbury」という名前の顧客を「Rebecca Haukenbury」、「Becky Hockenbury」、「Hockenbury, Rebecca」と同一人物であることを認識することができず、これらの受取人名をそれぞれ手作業で調査・照合する必要があります。このプロセスにより、資金を利用できるようになるまでの時間がかかり過ぎるため、より手続きが速い金融機関に乗り換えてしまいました。
AIを活用したあいまい検索が可能な名称照合ソリューションを使えば、この顧客のような状況を回避することができます。ファジィ論理（あいまい性）は、判断を行う際に「真」の度合いを考慮するコンピューティングアプローチです。ファジィ論理を名称照合に使用すると、似たような名前を識別し、これらの名前が同じ人物を指している可能性をランク付けできるため、人よる調査が不要になります。
また、金融機関は、KYCプラットフォームを使用してそれぞれの顧客の情報を一元的に把握し、顧客固有のニーズを満たす商品やサービスを提供することで、顧客体験を向上させることもできます。このプロセスにより、顧客獲得と顧客維持の取り組みが改善されます。
現在多くの金融機関では、顧客データがデータレイクに保存されているか、サイロ化されたウェアハウスに分散しています。AML、KYC、不正防止のための名称照合やエンティティ解決に使用されるものと同じAI機能により、金融機関は誰が誰なのかを把握することができ、これはビジネスにとって非常に重要なことです。これにより、金融機関は提供するサービスやマーケティングの取り組みを適切に調整し、顧客とのより強固な関係を築くことができます。
KYC・AMLソリューションに求められるもの
金融機関やその他の組織が、変わり続けるAML規制の遵守という課題に対応し、その他のビジネス上のメリットを得るために、AI搭載のKYCソリューションが必要であることは明らかです。しかし、ソリューションには何を求めるべきでしょうか？
拡張性と柔軟性
KYCソリューションは、取引量の増加に対応できる十分な拡張性を備えている必要があります。また、ソリューションには、独自の照合しきい値を設定し、オンプレミスかクラウドか、デプロイ方法を選択できる柔軟性も求められます。
リアルタイムの多言語名称照合機能
優れた名称照合ソリューションは、数十の言語とさまざまな文字に対応しています。また、リアルタイムで大量の照合が必要となる状況で一致を判断する際に、さまざまな言語的要因やコンテキストを考慮できる、最先端のアルゴリズムが使用されています。
実績のあるエンティティの関連付け機能
ソーシャルメディア、ディープウェブ、ダークウェブ、メッセージボードに拡散されたデータセットを、言語を超えて継続的に検索することでエンティティを解決するKYCソリューションをお勧めします。
既存のシステムとの容易な統合
システムの移行に多額の費用をかけずに、KYCソリューションを既存のテクノロジーと容易に統合できるAPIを備えたソリューションを選択することで、システムの移行に多額な費用をかけずに済みます。
まとめ
現在、迅速で自動化された名称照合とエンティティの関連付けという差し迫ったニーズに十分に対応できないKYCシステムが非常に多く使用されています。そのようなシステムは処理速度が遅く、大量のデータセットの調査には不向きで、ヒューマンエラーも発生しやすくなります。APIベースでAIを活用した、相互運用可能な名称照合およびエンティティの関連付けソリューションは、金融機関やその他の企業がAML要件をより適切に遵守すると同時に、ビジネスの改善に役立ちます。
Babel StreetのAI搭載のKYCソリューションは、厳格なAML要件を満たし、以下の方法でビジネスを改善するために必要な名称照合およびエンティティの関連付け機能を金融機関に提供します。
- 口座開設、検証、スクリーニングプロセスの効率化
- 人による調査時間の大幅な短縮
- 誤検出の最大90%の削減および検出漏れの低減
- 各顧客の一元的な把握による、AML要件のより適切な遵守と、営業・マーケティングの取り組みの改善
Babel Streetはこれらのメリットを提供することで、金融機関がリスクと信頼性のギャップを埋めるのにも役立ちます。リスクと信頼性のギャップとは、AML要件に準拠するために調査しなければならないデータの量や種類の増加と、組織がそのデータを監視するために利用できるリソースとの間に広がりつつある溝を指します。
巻末資料
1. United Nations, “Money Laundering Overview,” 2022, https://www.unodc.org/unodc/en/money-laundering/overview.html
2. Congress.Gov, “S.2669 — Digital Asset Anti-Money Laundering Act of 2023,” 2023, https://www.congress.gov/bill/118th-congress/senate-bill/2669/text#:~:text=Introduced%20in%20Senate%20(07%2F27%2F2023)&text=To%20require%20the%20Financial%20Crimes,assets%2C%20and%20for%20other%20purposes.&text=A%20BILL-,To%20require%20the%20Financial%20Crimes%20Enforcement%20Network%20to%20issue%20guidance,assets%2C%20and%20for%20other%20purposes
3. World Economic Forum, “Forging New Pathways: The Next Evolution of Innovation in Financial Services,” 2020, https://www3.weforum.org/docs/WEF_Forging_New_Pathways_2020.pdf
4. Deloitte, “Why artificial intelligence is a game changer for risk management,” 2016, https://www2.deloitte.com/content/dam/Deloitte/us/Documents/audit/us-ai-risk-powers-performance.pdf
5. Basis Technology, “What Can AI Do for Risk Technology Today?” 2018, https://www.basistech.com/honest-ai/what-can-ai-do-for-risk/
6. Financial Action Task Force, “The FATF Recommendations,” February, 2023, https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Fatf-recommendations.html
7. Directive (EU) 2015/849 of The European Parliament and of the Council of The European Union. May 20, 2015. https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:32015L0849&rid=2
8. Finance Crimes Enforcement Network, “Joint Statement on the Risk-Based Approach to Assessing Customer Relationships and Conducting Customer Due Diligence,” July 6, 2022, https://www.fincen.gov/sites/default/files/2022-07/Joint%20Statement%20on%20the%20Risk%20Based%20Approach%20to%20Assessing%20Customer%20Relationships%20and%20Conducting%20CDD%20FINAL.pdf.
開示事項
この文書に記載されているすべての名称、企業、事象は架空のものです。実在の人物 (生死を問わない)、場所、会社、製品と同一とみなすことは意図されておらず、そのように推測されるべきでもありません。
