Banken worstelen al jaren met het effectiever en efficiënter inrichten van hun KYC-proces. Het aantal mensen dat in dit vakgebied actief is neemt nog steeds toe en wordt steeds bekwamer, maar de uitdagingen worden ook steeds groter. Kunstmatige intelligentie lijkt een belangrijk middel te worden voor banken om criminaliteit en veiligheidsrisico’s te voorkomen.
KYC (know your customer), CDD (customer due diligence), klantcontrole, klantregistratie, termen die stuk voor stuk door elkaar heen worden gebruikt en ruwweg op hetzelfde neerkomen: het voorkomen van financiële fraude en het witwassen van geld. Geen enkele bank, groot of klein, lijkt hier immuun voor te zijn.
Twee experts van dataconsultancybureau Xomnia, Sara Yuste Fernandez Alonso en Robin Schut stellen dat kunstmatige intelligentie het KYC-proces kan verbeteren. Beide zijn Analytics Translator bij Xomnia en houden zich in hun werk onder meer bezig met de mogelijkheden en risico’s van kunstmatige intelligentie.
“Door gebruik te maken van AI in het KYC-proces kunnen de verwerkingstijd, het handmatige werk en de risico's die voortvloeien uit menselijke fouten aanzienlijk worden verminderd, terwijl de klantervaring en klantconversie worden verbeterd”, legt Yuste Fernandez Alonso uit.
“AI kan echt helpen in elke stap van het proces”, voegt Schut toe. In de onderstaande Q&A gaan de twee experts op deze inhoud verder in.
Waar zit de toegevoegde waarde van AI in witwasbestrijding, en specifiek in KYC?
Normaal gesproken gaat een klant naar de (fysieke) frontoffice van een bank om bijvoorbeeld een rekening te openen of een lening aan te vragen. Daar begint dan al het KYC-proces. Tegenwoordig kan dit ook online, waarbij de klant een identiteitsbewijs en alle benodigde documenten thuis kan uploaden. Het proces van het beoordelen van de documenten kan echter weken tot maanden duren.
Technologieën zoals OCR (Optical Character Recognition) worden gebruikt om automatisch documenten te verwerken waarop potentiële klanten persoonlijke gegevens zoals naam, geslacht, adres of burgerservicenummer invullen.
Deze gegevens worden vervolgens vergeleken met de officiële documenten en er wordt gekeken of er discrepanties zijn tussen de verstrekte gegevens en de officiële gegevens. Zo worden er ook gezichtsherkenningsmodellen gebruikt om gegevens te vergelijken en te kijken of de klant inderdaad de eigenaar is van de aangeleverde documenten.
Ook modellen voor detectie van levensechtheid worden gebruikt in fraudebestrijding, omdat criminelen over veel middelen beschikken om zich voor te doen als iemand waarvan ze bijvoorbeeld stiekem een video hebben gemaakt. Zeker in de tijd van de COVID-19 pandemie waren dergelijke technologieën zeer waardevol, omdat bankkantoren veelal gesloten waren en klanten uitsluitend via een online aanvraag konden worden aangenomen.
Hoe zit het met de toepassing van AI in Customer Due Diligence (CDD) en doorlopende controle?
Bij het KYC-proces is het essentieel om klanten te screenen op Politically Exposed Persons (PEPs) en Sancties, om zo potentiële witwaspraktijken te voorkomen. Traditionele tools genereren echter vaak 'hits' bij klanten met dezelfde achternaam als verdachte personen, wat resulteert in veel onterechte meldingen. AI kan valse meldingen verminderen door een risicoscore te genereren met verschillende datapunten, zoals locaties van apparaten en IP-adressen.
Tijdens het KYC-proces segmenteren financiële instellingen vaak hun portfolio in klanten met een laag, gemiddeld of hoog risico, gebaseerd op expertregels. AI kan dit proces versnellen door optimalisatiemodellen te gebruiken om de portfolio-risicoachterstand te prioriteren en de gewichten van toegepaste regels te optimaliseren.
Het is belangrijk op te merken dat de meeste instellingen de segmentatie niet volledig aan de AI-modellen overlaten. Ze combineren de uitvoer van deze modellen met expertregels om te voldoen aan regelgeving en om de begrijpelijkheid te behouden.
Wat is ‘Explainable AI’ in de bankenwereld, en wat hebben banken eraan?
Financiële instellingen worden sterk gereguleerd, met verplichtingen zoals de 'Duty of Care'. Hierbij moeten banken grondig onderzoek doen naar klanten om financiële risico's te minimaliseren, zoals bij het verstrekken van leningen.
Dit vereist uitgebreide achtergrondcontroles, wat resulteert in het opslaan van enorme hoeveelheden gegevens en de noodzaak om (cloud) infrastructuren uit te breiden.
Toenemende wetgeving zoals de Wwft legt extra druk op Nederlandse banken, die verplicht zijn om klant- en transactiecontroles uit te voeren. Met de groeiende digitalisering kiezen banken voor geautomatiseerde benaderingen, maar dit botst met de 'Duty of Care' omdat de beslissingen van AI-modellen vaak moeilijk te verklaren zijn.
De oplossing voor dit dilemma is de opkomst van 'Explainable AI', die modelinzichten begrijpelijk maakt voor mensen. Dit helpt bij het uitleggen van beslissingen aan klanten en voldoet aan regelgevingsvereisten, waardoor risico's worden verminderd en misvattingen over AI worden aangepakt.
Veel regelgeving, waaronder de EU's AI-wetgeving, vereist zelfs dat financiële instellingen hun gebruik van AI kunnen uitleggen. Dit benadrukt het belang van transparantie in besluitvorming om sterke klantrelaties op te bouwen.