त्वरित भुगतान वित्तीय अपराध शमन को कैसे प्रभावित करेगा

गेबल बताते हैं कि परिभाषा के अनुसार, तत्काल भुगतान वास्तविक समय की मांग करता है, इसलिए वित्तीय अपराध के नजरिए से, सुरक्षा जांच बहुत त्वरित और सटीक होनी चाहिए। यदि प्रक्रिया सुचारू रूप से नहीं चलती है, तो इसके परिणामस्वरूप ग्राहक अनुभव में रुकावट आती है, ग्राहक सद्भावना में कमी आती है और ब्रांड प्रतिष्ठा पर नकारात्मक प्रभाव पड़ता है। उदाहरणों में एक चेक शामिल है जो मैन्युअल समीक्षा के लिए कतार में समाप्त हो जाता है, या यदि चेक सटीक नहीं है तो ग्राहक को धोखा दिया जा सकता है। इसलिए बैंकों को अपने सुरक्षा प्रोटोकॉल में शीर्ष पर रहने की आवश्यकता है।

“जैसा कि जाँच हो रही है, एक अनुपात को हमेशा जाँच की आवश्यकता होगी। इसमें समय लगता है जो ग्राहक अनुभव को नुकसान पहुंचा सकता है। गेबल ने कहा। "बैंकों के लिए एक लागत कारक भी है, जिन्हें तत्काल स्थानांतरण करते समय इस कदम के लिए तैयार प्रणालियों और प्रक्रियाओं के बारे में पहले से सोचने की आवश्यकता होती है।"

हैग्रास ने यह भी बताया कि एआई तत्काल लेनदेन में अपराध को कम करने में एक कारक कैसे होगा, क्योंकि यह एक सहज उपयोगकर्ता अनुभव प्रदान करने के लिए स्वचालन का लाभ उठाएगा। बैंकों के लिए स्केल-अप को आसान बनाने के लिए इसे एक ठोस ऑडिट ट्रेल के साथ जोड़ा गया है। एआई प्रतिबंध स्क्रीनिंग और एंटी-मनी लॉन्ड्रिंग प्रक्रियाओं के माध्यम से वित्तीय अपराध का मुकाबला कर सकता है, स्वचालित रूप से पता लगा सकता है कि धोखाधड़ी कहाँ हो रही है, जबकि ग्राहक अनुभव को बाधित किए बिना झूठी सकारात्मकता को स्वचालित रूप से संसाधित करने की अनुमति देता है।

[एम्बेडेड सामग्री]

हाग्रास ने टिप्पणी की, "धोखाधड़ी एक सतत लड़ाई है।"

उन्होंने आगे कहा: “एआई यह सुनिश्चित करने के लिए जिम्मेदार होगा कि वे ऐसे मॉडल तैयार करें जो सभी विभिन्न प्रकार की नियामक आवश्यकताओं का पालन कर सकें, जिससे बैंकों और वित्तीय संस्थानों को विश्वास के साथ एआई का उपयोग करने में सक्षम बनाया जा सके। ऐसा करने की कुंजी समझाने योग्य एआई का उपयोग करना है। जेनरेट किए गए मॉडल को आसानी से समझा जाता है, विश्लेषण किया जाता है, और सबसे महत्वपूर्ण बात यह है कि व्यावसायिक उपयोगकर्ताओं और बड़े अधिकारियों द्वारा संवर्धित और ऑडिट किया जाता है।

अपारदर्शी बॉक्स मॉडल कई नियामकों द्वारा स्वीकार नहीं किए जाते हैं क्योंकि वे आउटपुट उत्पन्न करते समय मॉडल की निर्णय लेने की प्रक्रियाओं को पर्याप्त रूप से समझा नहीं पाते हैं। उन्होंने निष्कर्ष निकाला कि टेमेनोस के लिए व्याख्या योग्य एआई प्रक्रियाएं एक प्रमुख फोकस हैं, और वर्तमान और भविष्य के एआई 'व्याख्यात्मकता' नियमों को पूरा करना आवश्यक होगा।