belkiz November 12, 2020


konsep keuangan bisnis

Ini adalah kontribusi tamu oleh John O’Neill. Jika Anda ingin mengirimkan kontribusi, silakan hubungi Bill Beatty untuk detail pengirimannya. Terima kasih.

Jika Anda bekerja di layanan keuangan maka Anda sudah sadar bahwa mengetahui pelanggan Anda (KYC) bukan hanya proses yang penting, itu juga merupakan persyaratan hukum. Ini adalah bagian dari tugas penting yang dilakukan bank untuk menangani anti pencucian uang (AML) dan kejahatan keuangan lainnya.

Kembali pada bulan Juni 2017, Petunjuk AML Keempat Komisi Eropa menetapkan aturan baru untuk membantu memerangi pencucian uang. Hal ini dilengkapi pada Januari 2020 dengan Arahan AML Kelima, yang bertujuan untuk meningkatkan transparansi tentang siapa sebenarnya yang memiliki perusahaan dan entitas keuangan lainnya.

Demikian pula, pada Mei 2018, Jaringan Penegakan Kejahatan Keuangan AS (FinCEN) mewajibkan bank untuk memverifikasi identitas pelanggan yang memiliki, mengontrol, dan mendapatkan keuntungan dari perusahaan ketika mereka membuka rekening.

Terlepas dari upaya tersebut, penerapan kebijakan KYC di dalam bank dan lembaga keuangan tidak selalu ketat atau sepenuhnya berhasil. Sejak 2008, denda global untuk ketidakpatuhan terhadap AML, Know Your Customer (KYC), dan peraturan sanksi telah melebihi $ 36 miliar, dengan $ 10 miliar pada 2019 saja. Tahun lalu, 12 dari 50 bank teratas dunia didenda karena ketidakpatuhan. Dan berdasarkan aktivitas sanksi sepanjang tahun ini, angka tersebut akan meningkat pada tahun 2020.

FinCEN baru-baru ini melaporkan bahwa mereka sedang memodernisasi persyaratan AML-nya, yang kemungkinan besar mencakup pedoman KYC yang diperbarui. Apa artinya ini bagi mereka yang bekerja dengan kepatuhan, dan bagaimana hal ini memengaruhi status quo?

Pertama, mari kita periksa tiga komponen yang membentuk program KYC yang efektif:

  • Program Identifikasi Pelanggan (CIP)
  • Uji Tuntas Pelanggan (CDD)
  • Pemantauan berkelanjutan

Dalam hal CIP dan CDD, lembaga keuangan menerapkan langkah-langkah selama orientasi klien untuk menyaring dengan siapa mereka berbisnis. Ini berarti pelanggan baru disaring sesuai dengan kebijakan bank dan terhadap daftar pantauan sebelum diizinkan untuk melakukan bisnis. Di mana proses KYC ini bisa goyah, bagaimanapun, adalah dengan pemantauan yang berkelanjutan (atau kekurangannya) pelanggan, terutama mereka yang hadir sebagai berisiko tinggi. Karena profil pelanggan dapat berubah dari waktu ke waktu, lembaga keuangan mungkin gagal mencegah pencucian uang atau pendanaan teroris jika mereka tidak mempertahankan proses yang memungkinkan peninjauan berkelanjutan atau berkala.

Laporan terbaru oleh Financial Conduct Authority, “Financial Crimes Thematic Review” menemukan: “Sekitar tiga perempat bank dalam sampelnya, termasuk sebagian besar bank besar, tidak selalu mengelola nasabah berisiko tinggi dan Politically Exposed Persons (PEPs) hubungan yang efektif dan harus berbuat lebih banyak untuk memastikan bahwa mereka tidak digunakan untuk tujuan pencucian uang. FSA mengidentifikasi kelemahan serius dalam sistem dan kontrol bank. “

Selain pemeriksaan CIP dan CDD saat onboarding, banyak model KYC tradisional meninjau pelanggan pada periode lain dalam hubungan tersebut. Misalnya, tidak jarang banyak institusi melakukan skrining dengan interval satu, tiga dan lima tahun. Namun pendekatan ini masih menyisakan banyak waktu di mana bank tidak memiliki wawasan atau pengawasan terhadap perubahan profil nasabah.

Dengan adanya kendala ini, mengapa bank dan LK lainnya tidak mengambil langkah untuk meningkatkan program KYC mereka? Salah satu alasannya adalah banyak lembaga bergantung pada proses yang sangat manual, sehingga memakan waktu dan tidak efisien. Manusia memilah-milah dokumen atau data dalam jumlah besar untuk mencari inkonsistensi atau transaksi yang mencurigakan tidak hanya membutuhkan banyak waktu, tetapi juga rentan terhadap kesalahan manusia.

Pindah ke model yang lebih otomatis dan berbasis AI memungkinkan pemantauan berkelanjutan atau dinamis. Setiap perubahan pada profil pelanggan dapat disorot, dan peringatan dapat dipicu kapan saja. Jika AI menggunakan algoritme pembelajaran mesin, AI tidak hanya dapat memindai data terstruktur dan tidak terstruktur dalam jumlah besar 24 jam sehari, tetapi juga dapat belajar dan beradaptasi agar menjadi lebih akurat, mengurangi jumlah positif palsu yang memerlukan penyelidikan. Dengan mempelajari dan memetakan pola baru perilaku yang mencurigakan, sistem AI yang dapat dijelaskan dapat membantu institusi mengambil tindakan pencegahan dan mengurangi risiko ketidakpatuhannya.

Seperti yang dicatat oleh pendekatan Transformasi McKinsey terhadap AML dan laporan kejahatan keuangan: “AI juga dapat memastikan bahwa pembelajaran dari pemantauan transaksi atau positif palsu digunakan untuk menyempurnakan pertanyaan KYC awal, mengoptimalkan tidak hanya proses KYC tetapi juga seluruh rantai nilai AML.”

Dengan solusi AI, lembaga akan mendapatkan pemantauan terus menerus, dan kualitas pemantauan akan meningkat seiring waktu. Lebih lanjut, masalah dapat diatasi saat terjadi dan dengan keamanan kepatuhan 100%. Hasilnya adalah peningkatan, proses pembelajaran tanpa akhir yang otomatis, namun dapat dikontrol, dan dengan peningkatan efektivitas.

Tentang John O’Neill:

John O’Neill menerima gelar Ph.D. di bidang Teknik Kimia dari University of Illinois, memodelkan kumpulan data besar pada superkomputer. Dia bekerja di industri teknologi di Chicago selama 25 tahun terakhir, terutama di bidang pembelajaran mesin dan Kecerdasan Buatan. Novel pertamanya, The Robots of Gotham, dirilis pada 2017 oleh Houghton Mifflin dengan nama Todd McAulty.

Olahraga http://54.248.59.145/ Bandar Togel Terpercaya dengan ratusan game menarik untuk dimainkan.