Zjawisko prania brudnych pieniędzy to problem, z którym zmagają się organy bezpieczeństwa oraz instytucje finansowe na całym świecie. Jego rozpoznawanie i skuteczne przeciwdziałanie jest trudne, ponieważ metody wprowadzania do obrotu brudnego pieniądza ciągle się zmieniają. W Kanadzie postanowiono sięgnąć po pomoc sztucznej inteligencji i uczenia maszynowego.
Sztuczna inteligencja pomoże łamać schematy?
Zanim jednak o właściwym zastosowaniu sztucznej inteligencji, kilka słów wyjaśnienia samego zjawiska prania brudnych pieniędzy. Jest to proces dążący do takiego wprowadzenia wartości pieniężnych pochodzących z przestępstwa do obrotu, by niemożliwym było odkrycie pochodzenia ich rzeczywistego źródła. Zanim łupy z przestępczej działalności zostaną wykorzystane, przechodzą długą drogę, podczas której najczęściej są rozbijane na znacznie mniejsze kwoty, którymi dokonywany jest szereg transakcji. Co do zasady musi być ich na tyle dużo, by niemożliwym stała się identyfikacja pierwotnego pochodzenia środków. Dopiero tak wyprany pieniądz może służyć organizatorom procederu za bezpieczny środek płatniczy.
Maskowanie pochodzenia środków, realizowane najczęściej poprzez ich rozdrobnienie i wielokrotny obrót, odbywa się według ściśle określonych schematów, tak, by cały czas sprawować nad nimi kontrolę. Nad rozpracowaniem tych schematów codziennie pracują setki specjalistów na całym świecie, którzy w swojej pracy wykorzystują zaawansowane oprogramowanie komputerowe do analizy transakcji. Jako, że to w dalszym ciągu za mało, postanowiono wykorzystać rozwiązania bardziej inteligentne.
Kanada daje dobry przykład
Pierwszym państwem, które zdecydowało się zastosować sztuczną inteligencję i uczenie maszynowe do wykrywania przypadków prania brudnych pieniędzy jest Kanada. Tamtejszy Financial Transactions and Reports Analysis Centre of Canada poinformował o wykryciu, tylko w 2019 roku, 2276 przypadków prania pieniędzy i finansowania terroryzmu. Tych mogło być znacznie więcej, jednak z uwagi na ograniczenia obecnej technologii z pewnością wszystkich nie udało się wykryć. Materiał, który należałoby przeanalizować składał się z ponad 25 milionów raportów o transakcjach, pochodzących z różnych instytucji finansowych. Zadanie na pozór niewykonalne, dla sztucznej inteligencji może okazać się możliwe, dlatego jej zastosowanie wydaje się w pełni uzasadnione.
Bezpieczeństwo finansowe jest więc kolejną dziedziną życia, którą najnowsze technologie mogą usprawnić i odmienić. Próbujący prać brudne pieniądze będą musieli liczyć się z koniecznością stawienia czoła nowemu, potężnemu przeciwnikowi, który widzi znacznie więcej niż dotychczasowe, konwencjonalne rozwiązania. Osobiście trzymam mocno kciuki, by polscy analitycy AML również mogli korzystać z tego typu rozwiązań – dla nich każde nowe narzędzie jest na wagę złota.