Anti Money Laundering en Artificial Intelligence

Financiële instellingen staan voor grote uitdagingen op het gebied van Anti-Witwassen of Anti Money Laundering (AML). De introductie van Kunstmatige Intelligentie (AI) in de systemen en procedures voor AML is een enorme kans voor de financiële sector, maar heeft ook zijn keerzijde.

Net als bij elke baanbrekende technologie zijn er zowel voordelen als risico's verbonden aan het gebruik ervan. Dit dilemma wordt verder gecompliceerd door de nieuwe Artificial Intelligence wet van de Europese Unie (EU AI Act). Deze wet introduceert strikte regelgeving voor privacy en het ethisch gebruik van AI-technologieën. In dit snel veranderende landschap worden banken geconfronteerd met de dubbele uitdaging om AI in AML te omarmen, maar tegelijkertijd te voldoen aan de normen die zijn vastgesteld door de EU AI Act.

AI Personeelstraining is gespecialiseerd in het trainen van medewerkers in AI en op het gebied van AML. Al vroeg realiseerden we ons dat deze catch-22 situatie een gigantische transformatieproces tot gevolg zal hebben, en daar kunnen we een rol in spelen.

AI Personeelstraining is een solide partner voor bedrijven die te maken hebben met Customer Due Diligence, Know Your Customer procedures en Anti Money Laundering. We verzorgen trainingsprogramma's voor medewerkers op alle niveaus, helpen AI beleid te maken en ondersteunen bij de implementatie van AI.

AI effectief integreren in AML systemen is een grote uitdaging voor financiële instellingen en daar kunnen wij in ondersteunen.

Wat houdt de EU AI Act in voor Financiële instellingen?

EU AI Act introduceert nieuwe regelgeving voor AI, gebaseerd op ethische gronden, transparantie en menselijk toezicht. Het biedt een algemene definitie van AI-systemen en classificeert ze volgens hun risiconiveaus (Smuha et al., 2021). Onderzoek wijst uit dat de EU AI Act de implementatie van AI-gestuurde AML-systemen in de EU zal compliceren.

De belangrijkste aandachtspunten van AI-toepassingen met een hoog risico in financiële instellingen zijn die betrekking hebben op bijvoorbeeld kredietscores en beoordelingen van wetshandhaving en naleving vereisten. AI mag geen beslissingen alleen nemen. Vanwege het feit dat de wet pas kort geleden aangenomen is en pas in 2025 in werking treedt, is er voor Toezichthouders (AFM en DNB bijv.) en financiële instellingen nog geen maatstaf. Regelgevende instanties adviseren financiële instellingen nog niet, zij moeten eerst gaan zien hoe ze het toezicht gaan uitvoeren. En dat belooft ook al een flinke klus te worden.

Uitdagingen voor regelgeving en generatieve AI

De Act richt zich ook specifiek op generatieve AI. Het vereist transparantie en actieve preventie van illegaal gebruik. De wet maakt openbaarheid noodzakelijk, maar in hoeverre? Ook spelen ethische overwegingen in door AI gegenereerde outputs een rol. AI mag uiteraard niet discrimineren of gaan discrimineren op basis van data. Bij Transactiemonitoring bijvoorbeeld kan dit een grote rol spelen.

De rol van AI in AML-naleving

AML-teams moeten zich aanpassen aan de bestuursnormen van de EU AI Act, vooral voor de genoemde AI-toepassingen met hoog risico. Dit omvat het bewaken van de kwaliteit en correctheid van gegevens, het waarborgen van menselijk toezicht en het bijhouden van uitgebreide gegevens.

Menselijk toezicht op AI

De Act vereist expliciet voortdurende monitoring van alle AI-oplossingen (door echte mensen) om continue naleving van regels en voorschriften te garanderen. Dit vraagt om meer samenwerking, tussen bijv. banken en regelgevers, in AI-bestuur en risicobeheer. Meer transparantie en toezicht zijn nodig om het gebruik van algoritmen effectief te sturen (Krijger, 2023).

Navigeren door AI-implementaties in AML

Onderzoek toont aan dat de complexiteit van AI-toepassingen in AML wel  begeleiding van regelgevende autoriteiten kan gebruiken. Zo willen instellingen wel graag geïnformeerd worden over de striktheid van hun waarschuwingsfilters. Maar zover is het nog niet. Voorlopig is het voor banken een balanceeract.  Wanneer de AML filters en transactiemonitoring filters te strak staan komt er een enorme stroom aan 'triggers' die door mensen gecontroleerd moeten worden. Dat levert veel extra werk op en doet de efficiëntie van de voordelen van AI teniet.

Staan de filters niet strak genoeg, dan kan het voorkomen dat een instelling een boete krijgt omdat er onvoldoende aan de poortwachtersrol is voldaan. Kortom, de enorme technische mogelijkheden van AI in AML zijn er wel, maar hoe dit in de praktijk gebruikt kan gaan worden hangt van een aantal factoren af.

Hoe kan AI Personeelstraining hierbij helpen?

Best Practises voor banken bij de implementatie van AI in AML systemen

1. Een sterk Governance en AI-beleid instellen: Het ontwerp, de ontwikkeling en de implementatie van AI-hulpmiddelen moeten onderworpen zijn aan strikte governance, interne en externe regels en toezicht om naleving van regelgeving en ethische normen te garanderen.
2. Duidelijke doelstellingen en succescriteria definiëren: Het is raadzaam om een duidelijke verklaring van doelstellingen te hebben als basis voor AI-gestuurde AML-oplossingen. Het definiëren van wat succes inhoudt en het vaststellen van prestatie-indicatoren is essentieel om te volgen of de outputs van de AI de doelstellingen halen op een acceptabel niveau van risico.
3. Transparantie in ontwerp: Het ontwerpproces moet duidelijk maken dat het AI-systeem transparant is, wat verificatie (bijvoorbeeld door regelgevers) en audit mogelijk maakt. Deze transparantie is cruciaal om ervoor te zorgen dat de AI en de onderliggende algoritmen geverifieerd kunnen worden en in lijn zijn met regelgevende vereisten .
4. Samenwerking, training van personeel en nalevingsmonitoring: Succesvolle integratie van AI in het ecosysteem van een bank vereist wilskracht, inzet van het management, training van personeel en samenwerking tussen bedrijven, leveranciers, regelgevers en overheid. Zowel AML-teams als technologie aanbieders en consultants zijn verantwoordelijk voor het monitoren van de naleving van AI-oplossingen, en procedures moeten worden gedocumenteerd in bijbehorende technische documentatie. AI Personeelstraining ondersteunt financiële instellingen bij deze uitdagingen.

Door deze beste praktijken te volgen, kunnen banken de integratie van AI in hun (bestaande) systemen voor AML optimaliseren.

Wat betreft 'ethische volwassenheid' bij de implementatie van AI, verwijzen we naar een studie van Krijger et al. (2022).

Impact van AI op de toekomst van professionals

Katalysator voor groei

67% denkt dat AI een transformationele of grote impact zal hebben op hun beroep in de komende vijf jaar en 66% voorspelt dat AI nieuwe professionele carrièrepaden zal creëren.

Meer productiviteit

Bijna de helft (45%) van de professionals richt hun aspiraties voor kunstmatige intelligentie op verbeterde productiviteit, met verwachte voordelen voor hun talent, klanten en omgeving.

Toegevoegde waarde

“Het leveren van hoogwaardig advies” staat bovenaan de lijst van essentiële motivatie voor AI, waarbij AI professionals zal leiden naar een nieuw tijdperk van advies.

Responsible AI

Verantwoordelijke AI is een belangrijk vraagstuk en een maatschappelijke noodzaak. Professionals zien als grootste gevaar: onnauwkeurigheid (25%), gegevensbeveiliging (15%) en ethiek (15%).

Een goede implementatiestrategie voor AI

1. Personeelstraining: Wij bieden uitgebreide trainingsprogramma's op maat voor medewerkers om te leren werken met AI-systemen, met een focus op het begrijpen van AI-outputs en het nemen van geïnformeerde beslissingen. Ethiek speelt hierin een grote rol .
2. Het ontwerp van AI-systeem: Implementeer AI-systemen die zijn ontworpen om gevallen met een hoog risico of afwijkingen te markeren voor menselijke beoordeling, zorg ervoor dat de AI fungeert als een ondersteunend hulpmiddel in plaats van als enige besluitvormer. Documenteer alle stappen in het proces zorgvuldig.
3. Voortdurende monitoring: Stel een systeem in voor regelmatige monitoring en controle van zowel AI- als menselijke beslissingen om nauwkeurigheid, naleving en continue verbetering te garanderen. Op deze manier kan compliance met wet- en regelgeving het best gegarandeerd worden.

Welk AML systeem is het systeem van de toekomst?

Onderzoek wijst uit dat een hybride systeem, dus met AI en met controle door mensen het meest effectief en op de lange termijn het meest voordelig is. Door het aannemen van een hybride mens-AI-benadering kunnen financiële instellingen, met de hulp van AI Personeelstraining, de beste resultaten met AI bereiken en een precieze AML-naleving. Organisaties blijven daarmee in overeenstemming met de regelgevingsnormen die zijn vastgesteld door oa. de EU AI Act.

Zijn banken al klaar voor de EU AI Act?

Bij een recent onderzoek dat we gedaan hebben onder Compliance medewerkers wereldwijd bleek dat veel banken nog niet klaar zijn voor de EU AI Act. Het implementeren van de juiste AML benadering (bijv. de hybride mens-AI benadering) is al complex, maar de EU Act maakt deze taak ingewikkelder.

Ethische normen en de poortwachtersrol van banken

De rol van banken in ons financiële systeem is ook die van poortwachter. Banken moeten bijv. transacties monitoren om fraude/witwassen te voorkomen maar zich ook aan strenge privacy- en ethische normen houden.  Dat is zeker een punt van zorg. Kijkend naar de boetes die worden opgelegd wanneer er niet goed wordt 'opgelet' op witwassen, is het logisch dat banken graag zoveel mogelijk informatie  verzamelen en gebruiken. Hoe meer data, hoe beter je aan de regelgeving kan voldoen. Echter, vanuit een ethisch perspectief moeten we overwegen of dit gerechtvaardigd is. Dit is een complex vraagstuk. Volledige transparantie over gevoelige modellen kan tegenstrijdig zijn met hun doel. Er moet zinvol toezicht zijn op algoritmes, data en gebruik van AI door deskundigen. Daarnaast is het belangrijk om democratisch de gemaakte afwegingen te overwegen. Transparantie is cruciaal, maar het volledig onthullen van gevoelige modellen kan riskant zijn. Het is belangrijk dat experts zinvol toezicht houden. De politiek zal zich hier de komende jaren ongetwijfeld over gaan buigen.

Hoe moeten banken het aanpakken?

Het inzetten van AI in de strijd tegen witwassen is zowel spannend als uitdagend. Deze technologie kan het speelveld compleet veranderen door zowel de nauwkeurigheid als de snelheid van financiële controles te verbeteren. Maar let op, het is geen kinderspel! Financiële instellingen stuiten op allerlei hobbels op de weg: van de integriteit van data en ethische kwesties tot aan de noodzaak van glasheldere transparantie en het afstemmen op de nieuwste regelgeving. En laten we de afstemming van het systeem niet vergeten.

En vergeet de menselijke touch niet! De combinatie van mens en machine is waar het verschil gemaakt gaat worden. Daarom is het up-to-date houden van je team met AI en Ethiek trainingen zo belangrijk. Met een slimme strategie, die continu monitoren en samenwerken met regelgevers en experts omarmt, zetten we organisaties op het juiste spoor naar een AI-gerichte aanpak. Zo pakken we financiële criminaliteit aan, terwijl we ook nog eens aan alle regels voldoen.

Kortom, het is een dynamische tijd voor iedereen in de financiële sector die met AI aan de slag gaat!

AI Personeelstraining is daarom een unieke speler in het veld van AI-training en beleidsontwikkeling. Een overzicht van wat we voor uw organisatie kunnen betekenen:

1. Medewerkers Training: We bieden op maat gemaakte trainingen met als doel uw medewerkers te leren werken met en te profiteren van de voordelen van AI en GPT in bijvoorbeeld AML & KYC processen. Dit omvat het schrijven van effectieve instructies voor AI, die bedrijfsprocessen optimaliseren en de efficiëntie verhogen.Lees hoe wij medewerkers opleiden
2. Hulp bij het opstellen van AI beleid: AI is niet alleen een technologische tool; het heeft ethische, juridische en operationele implicaties. We helpen bedrijven bij het opstellen van een AI-beleid dat deze overwegingen in acht neemt, zodat ze de voordelen van AI volledig kunnen benutten terwijl ze beschermd zijn tegen mogelijke risico's.Compliance met wetgeving staat daarbij centraal.
3. Implementatie van AI-beleid: Een beleid op papier is slechts de eerste stap. We begeleiden bedrijven bij de daadwerkelijke implementatie van dit AI beleid in hun dagelijkse bedrijfsvoering. En dat is geen klus die snel ophoudt. De wet- en regelgeving veranderen en AI ontwikkelt zich razendsnel.
4. Juridische ondersteuning: Met de constant veranderende technologische landschap komt ook een evoluerende set van wet- en regelgeving. We helpen bedrijven juridisch up-to-date te blijven met betrekking tot AI, zodat ze altijd in overeenstemming zijn met de wet- en regelgeving.

Ga het gesprek over AI en AML met ons aan

Wilt u weten wat wij voor u kunnen betekenen? Iedere instelling is uniek en iedere implementatie van AI in AML is dat ook. Graag horen wij van u tegen welke problemen uw instelling aanloopt en hoe wij u daarbij van dienst kunnen zijn.

Gerelateerde trainingen:
- Training Etische AI implementatie
- AI in Anti Money Laundering

Veelgestelde vragen over AI en AML

1. Hoe kunnen banken AI implementeren in AML?
   • Antwoord: Banken kunnen AI in AML implementeren door eerst een sterk beleid en governance structuur op te zetten. Dit houdt in dat AI-systemen onderworpen moeten zijn aan strikte interne en externe regelgeving en toezicht. Daarnaast is het cruciaal om duidelijke doelstellingen en succescriteria te definiëren, en te zorgen voor transparantie in het ontwerp van AI-systemen. Ook is het belangrijk om regelmatige training en nalevingsmonitoring te implementeren, en samenwerking te zoeken met technologieaanbieders, regelgevers en overheid.
2. Hoe moeten banken met AI en ethiek omgaan?
   • Antwoord: Banken moeten AI en ethiek benaderen door zich te richten op transparantie, menselijk toezicht en het waarborgen van eerlijkheid in AI-algoritmen. Ze moeten ervoor zorgen dat AI-systemen niet discrimineren op basis van data en dat er zinvol toezicht is op algoritmen, data en het gebruik van AI. Het opstellen van een ethisch AI-beleid en het regelmatig trainen van personeel in ethische kwesties gerelateerd aan AI is hierbij essentieel.
3. Wat houdt de EU AI Act in?
   • Antwoord: De EU AI Act introduceert nieuwe regelgeving voor het gebruik van AI, met nadruk op ethische gronden, transparantie en menselijk toezicht. De wet biedt een algemene definitie van AI-systemen en classificeert ze volgens hun risiconiveaus. AI-toepassingen met een hoog risico, zoals die in de financiële sector, vereisen extra voorzichtigheid, met name in termen van transparantie en naleving van ethische normen.
4. Welke gevolgen heeft AI voor AML?
   • Antwoord: AI heeft de potentie om AML-processen te verbeteren door verhoogde efficiëntie en nauwkeurigheid in het detecteren van verdachte activiteiten. Echter, het brengt ook uitdagingen met zich mee, zoals de noodzaak voor strikte naleving van regelgeving en het waarborgen van ethische toepassing. AI kan helpen om patronen te herkennen die voor mensen moeilijk waarneembaar zijn, maar vereist ook zorgvuldige monitoring en afstemming om valse positieven te minimaliseren.
5. Maakt AI AML-processen beter?
   • Antwoord: Ja, AI kan AML-processen verbeteren door het analyseren van grote hoeveelheden data en het identificeren van patronen die wijzen op witwasactiviteiten. AI helpt bij het versnellen van de besluitvorming en het verhogen van de nauwkeurigheid, maar moet wel verantwoordelijk en ethisch worden ingezet om effectief te zijn.
6. Zijn banken klaar voor de EU AI Act?
   • Antwoord: Veel banken werken aan het klaarstomen voor de EU AI Act, maar er is nog een weg te gaan. De implementatie van AI in overeenstemming met de EU AI Act vereist aanzienlijke aanpassingen in termen van beleid, training, en systeemontwerp. Uit recent onderzoek blijkt dat sommige banken al aanzienlijke vooruitgang hebben geboekt, terwijl anderen nog in de beginfase zijn van het aanpassen aan de nieuwe regelgeving.

Reageren? Dat kan via Linkedin

De auteur, B.N van der Laan, heeft voor zijn Masteropleiding uitgebreid onderzoek gedaan naar Artificial Intelligence in Anti Money Laundering

Bronnen

Moody’s. (2023, July 5). Meet regulatory expectations on AI-led AML. Retrieved January 3, 2024, from https://www.moodys.com/web/en/us/kyc/resources/insights/meet-regulatory-expectations-on-artificial-intelligence-led-aml.html

Moran, S. (2023, April 28). Market Surveillance and AI – Two Use Cases. Emerj Artificial Intelligence Research. https://emerj.com/ai-sector-overviews/market-surveillance-and-ai-two-use-cases/

Mwangi, N., & Mwangi, N. (2019, May 29). Understanding Internal Audit: COSO Framework. Assure UK. https://www.assureuk.co.uk/understanding-internal-audit-coso-framework/

Navigating the EU AI Act: Implications for Financial Institutions. (n.d.). https://www.dechert.com/knowledge/onpoint/2023/7/navigating-the-eu-ai-act--implications-for-financial-institution.html