随着金融犯罪环境的复杂化，监管机构正日益重视将先进的技术解决方案应用于反洗钱实践。2022年，中国人民银行、公安部、国家监察委员会、最高人民法院、最高人民检察院、国家安全部、海关总署、国家税务总局、银保监会、证监会、国家外汇管理局联合印发了《打击治理洗钱违法犯罪三年行动计划（2022-2024年）》，决定于2022年1月至2024年12月在全国范围内开展打击治理洗钱违法犯罪三年行动，行动计划注重“风险为本”。这和今年我国即将出台的《反洗钱法（修订草案）》中加强监测各类新型洗钱风险的要求是一脉相承的。

　　其实早在2017年9月13日，国务院办公厅也发表过关于《国务院办公厅关于完善反洗钱、反恐怖融资、反逃税监管体制机制的意见（国办函〔2017〕84号）》的指导意见，鼓励通过创新技术妥善应对伴随新业务和新业态出现的风险。该文还提到并鼓励反洗钱义务机构利用大数据、云计算等新技术提升反洗钱和反恐怖融资工作有效性。这些都表达了监管和执法机构对于反洗钱和反恐怖融资工作的重视，并充分展示了国家对反洗钱工作技术领域应用的前瞻性。

　　从国际上的监管趋势看，美国反洗钱监管机构“金融犯罪执法网络”（FinCEN）在《Joint Statement on Innovative Efforts to Combat Money Laundering and Terrorist Financing》一文强调了技术创新在反洗钱中的重要性。FinCEN指出，现代金融犯罪手段日益复杂，加密货币的使用更使交易难以追踪，这些新兴风险需要金融机构利用先进的技术来提高识别能力。FinCEN的报告强调，金融机构应采纳人工智能（AI）和大数据分析技术，以增强对异常交易和潜在洗钱行为的监测能力。

　　然而，尽管监管的前瞻性与技术进步性为反洗钱工作提供了新的工具与思路，许多金融机构并未完全合理地将技术应用于日常反洗钱工作中。普华永道合规咨询团队与金融机构深度合作与沟通，发现某些机构的反洗钱日常工作中，存在如下问题：

　　有限的风险特征难以应对快速迭代的洗钱手法。当前的金融犯罪分子不断采用更复杂多变的新型洗钱手法，使传统反洗钱的风险特征与模型难以及时发现与应对。尤其在电信诈骗领域，金融犯罪份子要求更快的跑分速度与更大的出金流量，往往在极短时间内就可以完成大额资金转移。传统的专家经验模型多为几个风险特征的条件组合，一是受限于有限的风险监测指标，二是受限于较为单一的风险预警模式，对较为复杂的交易行为模式识别表现不足。

　　专家经验模型效率难以大量提升。根据普华永道合规咨询团队与金融机构线下的沟通与合作发现，自身反洗钱工作能力较强的机构，往往已经对此类专家经验模型进行了多轮迭代与优化，模型的效能难以再次得到大量提升。面对新型的洗钱手法，金融机构只能通过持续新增与优化专家经验模型来应对。而专家经验模型缺乏灵活性，久之则造成机构反洗钱模型规则体系过于庞大，同时又难以跟上洗钱手法的快速变化，导致在识别风险交易方面存在不足与滞后。

　　机构对人工智能模型的可解释性与效率依然存在顾虑。机构普遍认为，人工智能模型的本质是一个“黑盒”，并无法像专家经验模型一样“通俗易懂”且具备较高的可解释性。可解释性指模型不仅给出预测结果，并能提供清晰的依据，而机构往往对人工智能模型的可解释性存在顾虑。与此同时，机构可能欠缺能够维护与管理人工智能模型的技术工作人员，对模型长期的维护与监控有效性存在顾虑。

　　综上，尽管金融机构已经意识到专家规则模型的局限性，但在实际操作中，许多机构在提升反洗钱监测工作效率时，依然面临困难。对此，普华永道合规咨询团队提出如下建议：

　　一、从内外部风险提示出发，建立全面的风险特征指标库。

　　其中内部的风险来源有机构历史的案例研究积累、涉及机构热点舆情等，而外部的风险来源包括但不限于监管指引、司法案例和同业实践等。普华永道建议机构对风险来源进行梳理，并对风险信号从身份、行为、交易和其他4个维度出发，建立案例库、场景库、规则库、指标库以及模型库（下简称“五库”），统一开发风险交易特征，全面覆盖洗钱风险监测需求。通过对洗钱风险“五库”的开发和持续维护，机构可以更准确且动态地评估风险，识别潜在的洗钱活动，制定相应的应对策略并快速应对，提升应对较为复杂的交易行为模式的效率与有效性。

　　图一：洗钱风险信息库准备的主要来源

　　二、将AI建模技术应用在反洗钱监测业务环节中

　　相较于专家经验模型，人工智能模型能够分析大量的交易数据，识别复杂的模式，并自我学习和调整，以适应新的洗钱手法，具有更高的监测精度和适应能力，有助于提升对高风险交易的识别和响应速度。具体来说，当前反洗钱AI建模应用主要有下面几个相对比较成熟的应用点：

　　1. 拓展规则模型覆盖不好或效率不高的业务场景

　　由于规则模型的固有局限性，一些复杂或新型的业务场景下，规则模型难以做到全面覆盖。例如，随着金融科技的快速发展，跨境支付、电商平台支付、数字货币交易等新兴业务频繁涌现，新业态风险层出不穷；又例如，传统规则模型往往无法高效地覆盖新型团伙洗钱犯罪手法。而人工智能模型凭借其强大的数据处理能力和模式识别技术，可以在这些规则模型表现不佳的场景中发挥重要作用。例如，针对洗钱团伙的监测，人工智能模型可以通过分析交易网络、识别异常群体行为，发现隐藏在合法交易背后的非法资金流动，通过监测团伙成员之间的资金互动，AI能够捕捉到洗钱团伙之间的交易模式，揭露其核心成员以及资金链条的运作方式，以便在发现异常群体行为时，快速响应并标记可疑交易。

　　图二：通过对客户、账户、交易特征进行特定风险场景的

　　风险刻画

　　2. 对规则模型产生的预警进行“二次”风险评价

　　将人工智能模型引入规则模型预警后的“二次”风险评价环节，能够显著提升监控的精准度。预警排序算法Alert Risk Scoring（或简称“ARS”）作为一项提升反洗钱审理效率的技术手段，能够帮助机构有效优化审理资源。其核心在于通过对所有预警进行风险评估和排序，将高风险预警排在审查流程的前列，低风险或风险不显著的预警则置于后续处理环节。这一机制使得稽核人员能够优先处理高风险案件，从而减少低风险预警的干扰，最大化地利用有限的审查资源。同时，预警排序还能帮助审查人员迅速聚焦在最具威胁性的交易上，提升工作效率，降低漏报高风险交易的可能性。在实践中，ARS不仅能够减少审理负担，还能有效地提高预警的处理速度和准确率，有助于金融机构实现更合理的资源配置，并加强对高风险交易的应对能力。

　　3. 对客户进行分层和风险预测

　　在反洗钱模型中，客户风险分层（Customer Segmentation）是客户风险评级CRR（Customer Risk Rating）过程中广泛应用的技术，通过对客户按类型、交易形态或者风险进行划分，机构能够更好提升监测的有效性和效率。首先，分层模型会基于客户的历史交易行为、账户活动、身份信息、风险评分等多维度数据，将客户分为不同的组群，不同组群的客户会接受不同形式、强度或者频次的监测。同时，客户分层还能帮助机构制定有针对性的客户风险防控措施，进一步在更早的阶段预防洗钱行为发生的可能性。

　　图三：通过聚类算法按照客户交易金额和频次进行

　　分层的示例

　　来源：普华永道美国

　　三、建议金融机构建立反洗钱模型生命周期管理机制，以确保反洗钱模型的持续有效性。

　　反洗钱模型生命周期管理机制有两大重点，一是模型文档与模型迭代的连续性，确保在模型文档中，就风险特征、模型选择、模型输出、模型应用四个方面展开，阐述模型的有效性与可解释性，并详细记录模型运行后每一次优化与迭代的原因与测试结果；二是模型的持续监测和评估产品嵌入系统，确保反洗钱工作人员以较小的技术学习成本获得对模型运行过程中的持续监测与输出情况，按需及时调整和改进模型，以应对新的风险和挑战。模型生命周期管理有助于保持模型的稳定性和准确性，确保其在不断变化的金融环境中仍能发挥有效作用。

　　将AI融入反洗钱工作的提升，是打击金融犯罪的大势所趋。随着监管趋势的变化和金融犯罪手段的不断演进，金融机构需要适应技术创新，保持对新技术的持续学习，主动应对复杂和动态的金融风险，提升对金融犯罪的防范能力，更好地保护金融系统的安全和稳定。

　　作为全球领先的咨询服务机构，普华永道合规咨询团队在反洗钱领域积累了丰富的经验与专业知识。针对金融机构在反洗钱工作中面临的挑战，普华永道可提供一系列创新解决方案，帮助机构在技术应用和运营效率方面实现全面提升。普华永道合规咨询团队能够协助金融机构构建完善的反洗钱模型体系，从初始的数据采集、风险信号识别，到特征工程设计、模型的测试及迭代优化，提供全流程的专业支持；特别是在引入AI技术的过程中，普华永道可以为金融机构提供针对性的技术指导，帮助其克服模型的“黑盒”困境，提升AI模型的可解释性和信任度。

　　此外，普华永道积累了丰富的行业实践经验，能够帮助客户识别不同业务场景下的风险特征，确保模型的覆盖范围与适应能力。同时，普华永道还为客户提供模型生命周期管理的全方位支持，帮助金融机构建立完善的模型监控机制，确保模型在日常运营中的持续高效运行。通过提供从技术到合规的全方位服务，普华永道合规咨询致力于帮助金融机构在打击金融犯罪的道路上行稳致远。

关注同花顺财经（ths518），获取更多机会