ИИ-ассистент для проверки клиента

2024 год.

Повышение точности оценки клиента и соответствия нормативам AML

Маркетинг Финансы Стратегия Продажи Клиентский сервис

Какую проблему решали

Проведение оценки клиента вручную занимает много времени, особенно при обработке большого объема неструктурированной информации

Необходимо учитывать большое разнообразие данных о клиенте и его действиях, понимать историю взаимодействия с каждым пользователем и контект запросов с его стороны

Для оперативной и точной проверки клиентов недостаточно использовать структурированные статистические данные, необходимо учитывать и источники информации, ранее недоступные для автоматизированной машинной обработки

Решение проблемы

Технологии LLM повышают способность проводить углубленный анализ данных о клиенте, полученных из различных источников, позволяя обрабатывать огромные массивы неструктурированной информации (юридические контракты, финансовая отчетность, корреспонденция клиентов, новостные статьи и пр.). Используется в процессах оценки кредитных рисков, процедурах AML и KYC.

Процесс KYC в значительной степени зависит от наличия информации для данной компании или лица. Неправильное отображение информации может привести к тому, что клиент не сможет вести с вами бизнес. С другой стороны, отсутствие информации может привести к ведению бизнеса с клиентами, которых вы должны исключить.

Применяемые технологии

Gen AI, то есть генеративный искусственный интеллект, значительно расширяет возможности оптимизации процедур Know Your Customer (KYC) и Anti-Money Laundering (AML). Финансовые учреждения, борющиеся с трудоемкими, подверженными ошибкам, ручными и дорогостоящими проверками KYC и AML, выиграют от скорости, эффективности и точности, обеспечиваемых ИИ; при этом обеспечивая соответствие требованиям.

Сочетание мощности генеративного ИИ и больших языковых моделей (LLM) с миллиардами параметров оптимизирует автоматизацию процессов KYC и AML. Благодаря дополнительной мощности этих моделей сбор данных, проверка и оценка рисков проходят более эффективно. Это ускоряет адаптацию новых клиентов, улучшает качество обслуживания клиентов, снизит уровень ошибок и потенциально сэкономит миллиарды долларов, которые в настоящее время тратятся на ручные проверки. LLM также могут значительно повысить точность и надежность задач обработки данных, что имеет решающее значение для приложений AML. Эти технологии повышают способность проводить углубленный анализ настроений на основе текстовых данных

Бизнес-процесс

До проекта:

Банк собирает базовые данные о клиентах: ФИО, адрес и контактные данные
Compliance-отдел проводит ручную проверку, использует базы данных и списки блокировок
Анализ неструктурированной информации требует участия юридических и финансовых экспертов

После проекта:

Cбор и обработка информации, включая юридические и финансовые документы, автоматизируется
Оценка кредитных рисков и KYC за счет более точных и быстрых выводов ИИ становится точнее
Интеграция информации позволяет своевременно реагировать на потенциальные риски