Темата за изкуствения интелект отдавна излезе от сферата на любопитството и вече е част от ежедневната работа на Compliance и AML екипите.

Все повече специалисти и консултанти използват AI за писане на политики и процедури, подготовка на обучения, screening на клиенти, анализ на KYC/KYB и transaction monitoring казуси, изготвяне на становища, regulatory research и създаване на съдържание.

Основният извод от практиката ни обаче е сравнително прост – AI е добър инструмент за ускоряване и надграждане на работата, но е лош заместител на професионалната преценка.

Наблюденията по-долу се базират на реалната ни работа с платените версии на ChatGPT и Claude. Не претендираме, че това е универсална оценка на всички AI инструменти. Това е по-скоро практическото ни мнение за това къде тези инструменти действително ни помагат, къде все още не им се доверяваме и какви граници сме си поставили при използването им.

Писане на политики, правила и процедури

Това вероятно е едно от първите приложения, за които човек се сеща. Подавате тема, няколко изисквания и за минути получавате документ, чието техническо изписване иначе би отнело часове.

И точно тук е първото голямо предимство на AI – скоростта.

При добре формулирано задание текстът може постепенно да бъде адаптиран към конкретен бизнес модел, процес или регулаторно изискване. Инструментът е особено полезен при структуриране на вече разработено съдържание, унифициране на терминология, редакция, форматиране и превод.

Проблемът започва, когато базовият текст се приеме за готов продукт.

Позоваванията към конкретни членове, наредби, указания и други нормативни източници често са неточни. Генерираният документ нерядко прилича на комбинация от широко използвани шаблони и общи добри практики, които сами по себе си може да са разумни, но да нямат много общо с конкретната организация.

Получава се документ, който изглежда професионално, има правилните заглавия и терминология, но не описва как бизнесът действително работи.

Това според нас е и една от причините „AI стилът“ постепенно да започва да се разпознава. Проблемът не е, че даден текст е редактиран или подпомогнат от AI. Проблемът е когато дългите, общи и шаблонни формулировки създават впечатление, че документът е направен просто „за да го има“, без някой да е проверил дали описаните процеси съществуват в действителност.

Нашият подход е да използваме AI след много конкретно задание и да му даваме ясни насоки по отделните части на документа. След това резултатът задължително минава през професионален преглед – както от нормативна, така и от процесна гледна точка.

Има и още един риск, който лесно се подценява. След като веднъж сте валидирали дадена част от документа, последваща инструкция към AI може да доведе до „оптимизиране“ на вече проверения текст. Моделът може да съкрати параграф, да промени термин или дори да измести смисъла, без това да е поискано изрично.

Затова за нас AI е много полезен за намаляване на оперативната работа – изписване, структуриране, форматиране, редакция и превод. Не бихме се доверили обаче на политика, генерирана изцяло от нулата и приета без сериозна човешка намеса.

Обучения и презентации

При обученията ситуацията е сходна.

AI може за минути да предложи структура на програма, отделни слайдове, практически казуси и идеи за упражнения. Може да помогне с дизайна и да адаптира вече разработено съдържание към различна аудитория.

Това е удобно и спестява много време.

Но когато сме опитвали да генерираме цялостни обучения от нулата, резултатът обикновено остава прекалено базов. Информацията е правилно подредена, но е на ниво, което лесно може да бъде намерено в първите няколко резултата от обикновено интернет търсене.

Трудно се постига и местната терминология и начин на изразяване, особено когато обучението е по специфична нормативна тема.

Същото важи и за презентациите. AI може много бързо да създаде визуално завършен набор от слайдове, но без експертна редакция те често изглеждат шаблонно и съдържателно остават повърхностни.

Затова ние предпочитаме да разработим сами експертното съдържание, а AI да използваме за неговото надграждане – допълнителни примери, практически казуси, идеи за упражнения, по-добра структура или дизайн.

На практика в много случаи ни отнема по-малко време сами да създадем основното обучение, отколкото да поправяме базов AI текст.

LinkedIn, блогове и експертно съдържание

Тук AI е изключително изкушаващ.

За секунди може да напише статия, LinkedIn post или коментар по почти всяка тема. Текстът обикновено е граматически добър, структуриран и убедителен.

Проблемът е, че често не казва нищо.

Без сериозна човешка намеса съдържанието постепенно започва да звучи еднакво. Има добър увод, няколко логично подредени аргумента и прилично заключение, но липсват позиция, личен опит и реална добавена стойност.

Това е особено видимо при експертни теми.

AI позволява на човек да напише убедително звучаща статия по въпрос, който реално не разбира. За читателя без опит това може да изглежда впечатляващо. За специалиста в съответната област обаче липсата на дълбочина обикновено се разпознава много бързо.

Ние използваме AI за идеи, редакция, форматиране, заглавия и подобряване на изказа. Не го използваме като заместител на собствената ни позиция.

В крайна сметка, ако една експертна статия не съдържа убеждението, опита и гледната точка на автора, тя може да изглежда добре, но трудно ще даде реална стойност на читателя.

Screening на клиенти

Това е едно от направленията, в които според нас AI вече работи доста добре.

При open-source research и adverse media проверките инструментът може бързо да консолидира информация от различни публични източници, да работи с материали на чужди езици и да помогне за откриването на връзки между отделни факти.

Ползваме го и виждаме ясно подобрение в качеството с развитието на моделите.

Но не го използваме като единствен източник.

AI все още може да пропусне релевантна информация, да обърка лица със сходни имена или да представи остарял или грешен факт с твърде голяма увереност.

Затова при screening ние го възприемаме като допълнителен инструмент за open-source research, а не като заместител на Google, официалните източници и специализираните PEP, sanctions и watchlist screening решения.

Тук AI според нас има реална стойност, но само когато е част от по-широк процес на проверка.

Помощ при KYC/KYB, Transaction Monitoring и по-сложни казуси

Това е вероятно едно от най-интересните приложения на AI за Compliance и AML специалиста.

При добре подаден контекст моделът често предлага разумна посока за действие. Може да посочи допълнителни red flags, да предложи въпроси към клиента, да даде идеи за документи, които да бъдат поискани, или просто да покаже различна гледна точка върху казуса.

За опитен специалист това може да бъде много полезно – един вид „втори чифт очи“.

За неопитен служител обаче същият инструмент може да се превърне в нож с две остриета.

Първият проблем е, че AI може да бъде прекалено консервативен или прекалено либерален в зависимост от начина, по който е формулиран въпросът.

Вторият е, че моделите са склонни да следват контекста, който им даваме. Ако потребителят предварително е решил, че дадено поведение е подозрително и формулира въпроса си в тази посока, AI нерядко започва да потвърждава тази теза, вместо да я оспорва.

Третият и според нас най-сериозен проблем е увереността на отговора.

AI може да даде много убедителна препоръка дори когато няма достатъчно информация или когато изводът е спорен.

Опитният човек обикновено усеща това. Неопитният може просто да приеме отговора.

И тук се появява по-дългосрочен риск – служителят постепенно да спре да изгражда собствен аналитичен навик. Вместо първо да анализира клиента или транзакцията, той започва механично да задава въпроса на AI и след това механично да следва предложения отговор.

Според нас правилният подход е обратният.

Първо правиш собствен анализ. След това използваш AI, за да го оспориш, валидираш или надградиш.

Така инструментът работи за специалиста, а не специалистът за инструмента.

При това направление има и още една критична тема – информацията, която се въвежда в модела.

Ние бихме анонимизирали личните данни и конфиденциалната информация, преди реален клиентски или транзакционен казус да бъде анализиран чрез AI. И въпросът не е само GDPR. Трябва да се мисли за договорна конфиденциалност, търговска тайна, клиентски ограничения и вътрешни политики.

Качването на KYC/KYB документи, транзакционни данни или CDD/EDD материали в AI инструмент без предварителна оценка вече само по себе си е compliance риск.

Regulatory research и нормативни промени

AI е изключително удобен и за regulatory research.

При дълъг нормативен акт, guideline или consultation paper той може бързо да изведе основните теми, да сравни различни версии на документ или да покаже кои промени вероятно са релевантни за конкретен бизнес.

Това спестява много време при първоначалния анализ.

Но тук границата трябва да бъде много ясна – AI може да ни покаже къде да гледаме, но не трябва да замества самата нормативна проверка.

Моделът може да използва неактуална версия на даден документ, да пропусне изключение, да интерпретира неправилно приложимостта на дадено правило или да обърка конкретна правна препратка.

Затова, когато подготвяме финално становище, оригиналният източник винаги трябва да бъде проверен.

AI намалява времето за търсене и ориентиране. Финалното решение остава на специалиста.

Какво още ни притеснява в практиката

Наред с полезните приложения виждаме и няколко начина на използване на AI, които според нас създават съвсем реален риск.

Единият е даването на становища „на автопилот“. Въпросът се поставя в AI, генерираният отговор изглежда добре и директно се изпраща на клиент, колега или партньор. Без нормативна проверка. Без проверка на фактите. Понякога дори без внимателно прочитане.

Другият проблем е използването на AI като заместител на експертизата. Специалисти дават мнение по тема, по която не са проверили нормативната база или добрите практики, защото моделът вече е „обяснил“ въпроса.Резултатът може да бъде впечатляващо написан текст с напълно погрешен извод.

И третата тема е чувствителната информация. KYC/KYB документи, transaction data, CDD/EDD материали и друга клиентска информация не трябва автоматично да се копират в AI инструменти само защото това е удобно.

Преди една организация да позволи подобна практика, трябва ясно да е определила кои инструменти могат да бъдат използвани, за какви цели и каква информация може да бъде въвеждана в тях.

Заключение

Ние използваме AI и сме убедени, че мястото му в Compliance и AML ще става все по-голямо. Но го използваме като инструмент за надграждане на нашата експертиза, знания и опит, а не като източник на краен продукт.

Най-голямата грешка според нас би била Compliance/AML специалистът постепенно да замени собствената си преценка с автоматично генерирани отговори.

Нюхът, професионалният скептицизъм, опитът и способността да се разбере контекстът са именно качествата, които правят един специалист ценен.

AI не прави добрия Compliance/AML специалист излишен. По-скоро увеличава разликата между добрия и слабия специалист.

В ръцете на човек с опит той спестява време, показва допълнителни гледни точки, помага при анализа на големи масиви от информация и намалява оперативната работа.

В ръцете на човек без достатъчно знания може просто да произведе по-бързо една добре изглеждаща грешка.

Особено голям потенциал виждаме при анализа на данни – например при transaction monitoring, където AI може много бързо да открива зависимости, модели и свързана информация.

И точно там според нас е истинската му стойност – да ни направи по-бързи и по-ефективни, без да заменя човешката преценка и мисъл.

Как Compliance Navi може да помогне

В Compliance Navi се случва да използваме AI като част от ежедневната си работа, но винаги в комбинация с човешка експертиза, професионална преценка и контрол.

Все по-често виждаме, че реалният въпрос пред организациите вече не е дали служителите използват AI. В много компании те вече го използват.

По-важният въпрос е как го използват и какви данни въвеждат в него.

Затова можем да помогнем на организациите първо да разберат как AI реално се използва в различните им екипи – какви инструменти са в употреба, за какви задачи и каква информация се предоставя на тези системи.

На тази основа могат да бъдат разработени практически вътрешни правила – какво е позволено, какво не е, в кои случаи е необходим човешки преглед и как следва да се работи с лични данни, клиентска информация, KYC/KYB документи, транзакционни данни и друга конфиденциална информация.

Отделна тема е прегледът на самите AI решения от гледна точка на Data Protection и конфиденциалността – какви данни се обработват, къде се съхраняват, при какви условия доставчикът ги използва и дали са необходими допълнителни договорни, технически или организационни мерки.

За Compliance и AML екипите можем да разработим и конкретни практически правила за използване на AI при regulatory research, policies and procedures, screening, KYC/KYB, transaction monitoring и подготовка на становища.

Обучението на хората е също толкова важно. Не е достатъчно просто да им бъде казано „не качвайте лични данни“. Те трябва да разбират както рисковете, така и правилния начин да използват инструмента, така че да им спестява време, без да замества професионалната им преценка.

В по-широк план може да бъде направен и цялостен AI & Data Protection Compliance Review – преглед на използваните AI решения, данните, които преминават през тях, свързаните рискове и необходимите контроли.