Zamislite algoritam koji svake sekunde pregleda hiljade finansijskih transakcija i obeležava one sumnjive. To je postalo moguće zahvaljujući napretku u razvoju veštačke inteligencije poslednjih godina i veoma je atraktivan i vredan predlog za banke koje su preplavljene ogromnim količinama dnevnih transakcija i nalaze se pred sve većim izazovom u borbi protiv finansijskog kriminala, pranja novca, terorizma i korupcije. Ipak, pri korišćenju prednosti veštačke inteligencije moramo da budemo prilično obazrivi. Kompanije koje je koriste za otkrivanje i sprečavanje zločina, takođe, se suočavaju sa novim izazovima, kao što je algoritamska predrasuda, što je problem koji se javlja kada algoritam veštačke inteligencije sistemski dovede do pogrešnog tretiranja grupe određenog pola, etničke pripadnosti ili verske opredeljenosti. Proteklih godina algoritamska predrasuda, koja nije bila dovoljno kontrolisana, narušila je reputaciju kompanija koje su je koristile. Izuzetno je važno da uvek budemo svesni da se različite predrasude mogu pojaviti.
Na primer, 2019. godine utvrđeno je da je algoritam koji upravlja kreditnim karticama kompanije „Epl“ razvio predrasude prema osobama ženskog pola, što je izazvalo negativne reakcije javnosti. Kompanija „Amazon“ je 2018. godine morala da prekine korišćenje alata za zapošljavanje na bazi veštačke inteligencije koji je, takođe, pokazao određene predrasude prema ženama. Banke se suočavaju sa sličnim izazovima dok se uz pomoć veštačke inteligencije bore protiv finansijskog kriminala, dok istovremeno pokušavaju da izbegnu sve moguće zamke.
Hvatanje zločinaca
Borba protiv finansijskog kriminala obuhvata praćenje mnogobrojnih transakcija. Na primer, holandska banka ABN AMRO trenutno ima oko 3.400 zaposlenih koji su uključeni u pregledanje i nadgledanje transakcija. Tradicionalno nadgledanje oslanja se na sisteme zasnovane na pravilima koji su kruti i ne mogu da uoče mnoge finansijske pretnje kao što su finansiranje terorizma, ilegalna trgovina i prevare pri finansiranju ekoloških i zdravstvenih projekata. Ti sistemi prepoznaju legitimne transakcije kao nedozvoljene i označavaju ih kao sumnjive. Zbog toga je analitičarima veoma teško da prate silne podatke koji se nalaze pred njima. To je glavna oblast u kome algoritmi veštačke inteligencije mogu da pomognu. Stručnjaci mogu da ih obuče kako da prepoznaju izuzetke, odnosno, transakcije u kojima klijenti odstupaju od uobičajenog ponašanja. Tim koji se bavi naukom o podacima iz odeljenja za inovacije i dizajn banke ABN AMRO, na čijem je čelu Malou van den Berg, izgradio je modele koji pomažu u pronalaženju nepoznatog u finansijskim transakcijama.
Tim je bio veoma uspešan u pronalaženju nelegalnih transakcija, a istovremeno je smanjio lažne sumnjive transakcije. Za razliku od statičnih pravila, algoritmi mogu da se prilagode promenljivim navikama klijenata, ali i da otkriju nove vrste opasnosti koje se pojavljuju kako se finansijski obrasci postepeno menjaju. „Ako naš algoritam označi transakciju kao odstupanje od uobičajenog obrasca ponašanja klijenta, saznaćemo zašto. Na osnovu dostupnih informacija proveravamo da li transakcija odstupa od uobičajenog obrasca ponašanja klijenta. Ako istraga ne razjasni transakciju, uvek možemo da se obratimo klijentu“, kaže van den Berg. Banka ABN AMRO koristi nenadgledano mašinsko učenje, što je deo veštačke inteligencije koji može da pregleda ogromne količine neoznačenih podataka i pronađe relevantne obrasce koji mogu da nagoveste legalne i sumnjive transakcije. Nenadgledano mašinsko učenje može da pomogne pri stvaranju dinamičnih sistema za otkrivanje finansijskog kriminala, ali kao i druge grane veštačke inteligencije, i modeli nenadgledanog mašinskog učenja mogu da razviju skrivene predrasude koje mogu da nanesu štetu ako se sa njima ne postupa pravilno.
Uklanjanje neželjenih predrasuda
Timovi koji se u bankama bave naukom o podacima i analizom podataka moraju da pronađu pravu ravnotežu tamo gde algoritmi veštačke inteligencije mogu da pronađu nezakonite transakcije, a da pri tom ne naruše ničija prava. Kreatori sistema veštačke inteligencije trebalo bi da izbegavaju da u svoje modele uključuju problematične promenljive kao što su pol, rasa i etnička pripadnost. Ipak, problem je u tome što druge informacije mogu da postanu posrednici za uključivanje tih istih elemenata, a stručnjaci za veštačku inteligenciju moraju da se uvere da ti posrednici ne utiču na algoritme pri donošenju odluka. Na primer, u slučaju „Amazonovog“ pogrešnog algoritma za zapošljavanje, iako se pol nije izričito uzimao u obzir pri odlukama o zapošljavanju, algoritam je naučio da negativne procene povezuje sa biografijama u kojima se nalaze ženska imena ili sa terminima, kao što je „ženski šahovski klub“.
Odeljenje koje je odgovorno za ishod analiza praćenja transakcija preuzima i odgovornost za pravedan tretman klijenata. Tek kada stručnjaci koji se bave naukom o podacima prihvate rad i analize algoritma, model može da se koristi na podacima klijenta. Tim za nadzor transakcija banke ABN AMRO unapred i povremeno procenjuje potencijalne predrasude kako bi sprečio te negativne efekte.
Uravnotežena saradnja
Jedan od izazova sa kojima se suočavaju kompanije koje koriste algoritme veštačke inteligencije je odlučivanje o tome koliko će detalja svog sistema veštačke inteligencije otkriti . S jedne strane, kompanije žele da u potpunosti iskoriste zajednički rad na algoritmima i tehnologiji, dok s druge žele da spreče da ih zlonamerni akteri izigraju. Pored toga, imaju zakonsku dužnost da zaštite podatke o klijentima. Banka ABN AMRO ne objavljuje detalje svojih poduhvata u borbi protiv kriminala, ali postoji snažna tendencija razmene iskustva, gde različita odeljenja stavljaju na raspolaganje svoje algoritme i tehnike kako bi postigli bolje rezultate. Ipak, istovremeno postoje velika ograničenja u korišćenju podataka i statistika klijenata. Tamo gde postoji potreba za deljenjem podataka, podaci se anonimizuju kako bi se osiguralo da identiteti klijenata ne budu otkriveni spoljnim partnerima.
Veštačka inteligencija je uvela bankarstvo, kao i mnoge druge sektore, u novu fazu razvoja. Pošto finansijski prestupnici postaju sve prefinjeniji u svojim metodama i taktikama, bankarima će biti potrebna sva raspoloživa pomoć da bi zaštitili svoje klijente i svoju reputaciju. Saradnja u celom bankarskom sektoru na razvoju pametnih tehnologija za borbu protiv finansijskog kriminala koje poštuju prava svih klijenata može biti jedan od najboljih saveznika bankara širom sveta.