# Питер Казинс из WorkFusion: Как цифровые сотрудники и ИИ ловят олигархов и наркокартели

Источник: https://www.youtube.com/watch?v=8tsd0i72N-I
Канал: Eye on AI
Опубликовано: 29.05.2024

---

Современная финансовая система сталкивается с беспрецедентным ростом объемов транзакций и усложнением методов отмывания денег, что делает традиционные методы комплаенса недостаточно эффективными. Питер Казинс (Peter Cousins), технический директор компании WorkFusion, в интервью Крейгу Смиту на подкасте Eye on AI рассказывает, как гибридный подход, сочетающий классическое машинное обучение и генеративный ИИ, позволяет создавать «цифровых сотрудников» для борьбы с финансовыми преступлениями и обхода санкций.

## 🤖 Роль генеративного ИИ в финансовом комплаенсе
[[JUMP:00:00]]

По мнению Питера Казинса, генеративный ИИ (GenAI) в финансовом секторе сегодня чаще всего используется для повышения продуктивной эффективности в бэк-офисах или HR-функциях, однако его внедрение в процессы обнаружения мошенничества и комплаенса происходит осторожнее [03:09]. Это связано с тем, что «мидл-офисы» финансовых учреждений не могут позволить себе ошибок и часто готовы пожертвовать уровнем автоматизации ради точности и предсказуемости [03:47].

Основные тезисы использования GenAI от Питера Казинса:

*   **Гибридная модель (Триада):** Эффективнее всего GenAI работает в связке с классическим ИИ и человеком. Казинс называет это «панельной моделью» принятия решений [04:15].
*   **Экономика технологий:** Классические методы ИИ (например, NLP) в тысячу раз дешевле и в тысячу раз быстрее, чем генеративные модели [09:31].
*   **Решение спорных моментов:** GenAI выступает в роли «второй пары глаз» для классического ИИ, когда тот находится на «границе уверенности» (confidence bubble) [00:13]. В таких случаях GenAI помогает принять окончательное решение («tiebreaker»), прежде чем привлекать человека [09:57].

## 💼 Цифровые сотрудники: от инструментов к агентам
[[JUMP:04:28]]

В WorkFusion под термином «цифровой сотрудник» понимают не просто инструмент, а программного агента, способного выполнить полный рабочий процесс от начала до конца [04:54].

Ключевые обязанности цифрового сотрудника:

1.  Сбор данных из различных источников (включая неструктурированные документы).
2.  Анализ и манипуляция данными в соответствии с правилами и стандартами [05:09].
3.  Вынесение решений или подготовка рекомендаций.
4.  **Создание обоснования:** Генерация понятного нарратива (narrative report), который могут прочитать коллеги, руководство или регуляторы. Казинс подчеркивает, что «объяснимость» (explainability) в ИИ критически важна: система должна показать, на основе какого конкретного факта или пассажа в документе было принято решение [06:03].

## 📑 Сценарий использования: Санкционный скрининг
[[JUMP:06:17]]

Конфликт в Украине вызвал резкий рост санкционных списков, что создало колоссальную нагрузку на банки [06:30]. Основная проблема здесь — огромное количество ложных срабатываний (false positives). Системы оповещения верхнего уровня имеют всего миллисекунды на принятие решения и вынуждены «закидывать максимально широкую сеть», создавая эффект иголки в стоге сена [07:08].

Питер Казинс приводит примеры типичных ошибок, которые цифровой сотрудник отсеивает автоматически:

*   **Омонимия и контекст:** Если название санкционной компании совпадает с названием улицы в адресе обычного клиента, ИИ понимает, что это адрес, а не юридическое лицо, и закрывает уведомление без участия человека [07:33].
*   **Стоп-слова:** Анализ слов-шумов (Bank, LLC, Corp) помогает отсеять совпадения, которые не имеют веса для идентификации [08:12].
*   **Исследовательская работа:** Если простых признаков недостаточно, цифровой сотрудник инициирует «цифровую погоню за бумагами»: просматривает платные источники (Thomson Reuters, LexisNexis) и открытый интернет (Google), собирая досье для окончательного решения человека [08:40].

## 🔍 Проверка бенефициаров и «враждебные медиа»
[[JUMP:10:25]]

Важной частью работы является анализ UBO (Ultimate Beneficial Ownership) — выявление конечных бенефициаров, которые реально «дергают за ниточки» [10:39]. Кроме того, банки используют анализ Adverse Media (негативной информации в СМИ), чтобы найти «грязь» на потенциального клиента или партнера [20:24].

Трудности анализа СМИ, которые решает ИИ:

*   **Сложные связи:** GenAI лучше классического NLP справляется с транзитивными ссылками, личными местоимениями и скрытыми намеками в длинных текстах [22:08].
*   **Контекст вовлеченности:** ИИ должен различать, является ли субъект преступником или жертвой в новостной статье, а также оценивать серьезность правонарушения (например, арест на политическом протесте не всегда является дисквалифицирующим фактором для банка) [21:41].

## 🛠 Технологический стек и проблема галлюцинаций
[[JUMP:11:59]]

Для предотвращения галлюцинаций WorkFusion использует GenAI в основном для разметки данных (labeling) в режиме zero-shot. Люди проверяют эту разметку, и только затем эти данные используются для обучения классических моделей ИИ, которые выполняют основную работу в реальном времени [13:07].

По словам Казинса, платформа WorkAI построена на принципах гибкости:

*   **Модели:** Поддерживаются Azure OpenAI (GPT-4), Google (Palm, Gemini) и Amazon [23:13]. Для консервативных клиентов, требующих полной приватности, используется модель Mistral, развернутая внутри защищенного контура [23:51].
*   **Оркестрация:** Для переключения между моделями используется библиотека LangChain [24:32].
*   **Интерфейс:** Благодаря GenAI пользователи могут создавать правила комплаенса на естественном языке (например: «Эскалировать все платежи свыше $1 млн в радиусе 250 миль от границы России»), которые система преобразует в структурированный код [15:06].

## 🏦 KYС: От периодических проверок к «вечному» мониторингу
[[JUMP:25:56]]

Традиционный процесс «Знай своего клиента» (KYC) часто сводится к формальной проверке раз в несколько лет. Казинс критикует этот подход, указывая на громкие провалы в попытках внедрить pKYC (Perpetual KYC — вечный KYC) [26:45]. Основная причина неудач заключалась в том, что банки научились собирать сигналы о проблемах, но не имели мощностей для их обработки, создавая огромные «залежи» необработанных кейсов.

По утверждению CTO WorkFusion, их решение позволяет:

*   Снимать с повестки до 80% низкорисковых сигналов и сущностей с помощью автоматического анализа [28:02].
*   Интегрироваться с Thompson Reuters для событийного мониторинга: система анализирует только то, что изменилось за последние 8–24 часа, вместо перепроверки всей базы [31:08].
*   Выявлять связи с наркокартелями или российскими олигархами, которые используют британские паспорта при открытии счетов [28:54].

## 🛡 Безопасность и регуляторные риски
[[JUMP:36:21]]

Казинс признает, что финансовые институты крайне осторожны. Ни одна система ИИ не идет сразу «в бой». Процесс внедрения включает:

1.  **UAT (User Acceptance Testing):** Длительное тестирование пользователями [37:03].
2.  **Копайлотинг:** ИИ принимает решения параллельно с человеком, пока статистика не подтвердит его надежность [37:16].
3.  **Модельный риск-менеджмент:** Подготовка детальных отчетов для регуляторов, объясняющих логику работы алгоритмов [38:08].

В завершение Казинс отмечает, что борьба с финансовыми преступлениями — это «гонка вооружений». Преступники также используют ИИ для сокрытия своих следов, поэтому банкам необходимо оставаться на шаг впереди [43:34]. Хотя ИИ делает работу санкционных субъектов в мейнстримной финансовой системе все более сложной, технологии остаются «обоюдоострым мечом» [43:21].