چگونه پرداخت های فوری بر کاهش جرایم مالی تأثیر می گذارد

گیبل توضیح می‌دهد که طبق تعریف، پرداخت‌های فوری نیاز به زمان واقعی دارند، بنابراین از منظر جرم مالی، بررسی‌های امنیتی باید بسیار سریع و دقیق باشد. اگر فرآیند به آرامی پیش نرود، منجر به وقفه در تجربه مشتری، از دست دادن حسن نیت مشتری و تاثیر منفی بر شهرت برند می شود. به عنوان مثال می توان به چکی اشاره کرد که در صف بررسی دستی قرار می گیرد، یا اگر چک ها دقیق نیستند منجر به کلاهبرداری مشتری می شود. بنابراین بانک‌ها باید پروتکل‌های امنیتی خود را رعایت کنند.

«از آنجایی که بررسی ها در حال انجام است، یک نسبت همیشه نیاز به بررسی دارد. این زمان می برد که می تواند به تجربه مشتری آسیب برساند." گیبل بیان کرد. همچنین یک عامل هزینه برای بانک‌ها وجود دارد که هنگام مهاجرت به آنی باید از قبل درباره سیستم‌ها و فرآیندهایی که برای این حرکت آماده کرده‌اند فکر کنند.»

هاگراس همچنین روشی را توضیح داد که در آن هوش مصنوعی عاملی برای کاهش جرم در تراکنش‌های فوری خواهد بود، زیرا از اتوماسیون برای ارائه یک تجربه کاربری یکپارچه استفاده می‌کند. این با یک مسیر حسابرسی محکم همراه است تا افزایش مقیاس را برای بانک ها آسان تر کند. هوش مصنوعی همچنین می‌تواند از طریق غربالگری تحریم‌ها و فرآیندهای مبارزه با پولشویی، با شناسایی خودکار محل وقوع تقلب، با جرایم مالی مبارزه کند، در حالی که اجازه می‌دهد موارد مثبت کاذب به طور خودکار بدون ایجاد اختلال در تجربه مشتری پردازش شوند.

[محتوای جاسازی شده]

هاگراس گفت: «تقلب یک نبرد مداوم است.

وی ادامه داد: «هوش مصنوعی مسئول تولید مدل‌هایی است که می‌توانند انواع مختلف الزامات نظارتی را دنبال کنند و بانک‌ها و مؤسسات مالی را قادر می‌سازد تا با اعتماد از هوش مصنوعی استفاده کنند. کلید انجام این کار استفاده از هوش مصنوعی قابل توضیح است. مدل های تولید شده به راحتی توسط کاربران تجاری و مقامات بزرگتر قابل درک، تجزیه و تحلیل و از همه مهمتر تقویت و حسابرسی می شوند.

مدل‌های جعبه مات توسط بسیاری از تنظیم‌کننده‌ها پذیرفته نمی‌شوند، زیرا به‌اندازه کافی فرآیندهای تصمیم‌گیری مدل را هنگام تولید خروجی توضیح نمی‌دهند. او نتیجه گرفت که فرآیندهای هوش مصنوعی قابل توضیح برای Temenos یک تمرکز کلیدی است و رعایت مقررات فعلی و آینده "قابلیت توضیح" هوش مصنوعی ضروری خواهد بود.