U vrijeme pandemije COVID-19, mnoge mjere protiv pranja novca i financiranja terorizma (u daljnjem tekstu samo „AML/CFT“) prolaze kroz provjeru izdržljivosti. Iznimka nisu ni automatizirani AML/CFT sustavi za praćenje (u daljnjem tekstu „AML sustavi“). Kako “neobično” stanje društva utječe na funkcionalnost ovih sustava? Predavač akademije Martin Mužný održao je akademiji vrlo zanimljivo predavanje čiju ću glavnu ideju pokušati sažeti u uvodnom članku rubrike o AML sustavima. Počinitelji kriminalnih radnji spremni su iskoristiti i najmanju priliku koja se pojavi pod krinkom pandemije. Obveznici se stoga ne bi trebali opustiti u svojim AML/CFT mjerama, na što, usput rečeno, upozorava i stajalište EBA-e [1] i češkog Ureda za financijsku analitiku. Povećani zahtjevi postavljaju se kako na provedbu identifikacije klijenta u kontekstu sigurnosnih mjera, vidi npr. naš video blog [2], tako i na sustav praćenja AML/CFT. AML sustav jedan je od glavnih stupova AML/CFT mjera jer je upravo on obično središnje mjesto na kojem se sakupljaju potrebni podaci o klijentima, bilo u obliku identifikacijskih podataka, transakcija ili drugih čimbenika rizika potrebnih za sastavljanje profila rizika klijenta. Ti se podaci koriste za ispunjavanje zakonske obveze neprekidne provjere klijenta kako bi se pravovremeno otkrili pokazatelji potencijalno sumnjivih transakcija koji u slučaju trajne sumnje moraju biti prijavljeni Uredu za financijsku analitiku. Kvalitetno postavljanje AML sustava još je važnije u situacijama u kojima su drugi načini otkrivanja potencijalno sumnjivih transakcija uvelike smanjeni ili potpuno odsutni, npr. identificiranje klijenta u fizičkoj prisutnosti pomoću ljudskog faktora u identifikaciji. Međutim, kvaliteta AML sustava u praksi uvelike varira ovisno o vrsti i veličini institucije. Glavni razlikovni faktor zasigurno može biti činjenica koristi li institucija AML sustav razvijen interno po mjeri, tzv. in-house, ili ima robusno komercijalno rješenje koje može ponuditi mnogo složenih funkcionalnosti AML-a, a koje interno rješenje obično nema iz razloga vremenski i financijski zahtjevnog razvoja. Oba pristupa međutim imaju jedno zajedničko, metodu otkrivanja potencijalno sumnjivih transakcija pomoću takozvanih scenarija ili pravila. Cilj svakog scenarija/pravila je praćenje određene tipologije pranja novca ili financiranja terorizma. AML sustavi u tu svrhu koriste različite pristupe od jednostavnih pravila otkrivanja kao što su generiranje unaprijed definiranog pregleda svih transakcija, uključujući usporedbu iznosa transakcije u odnosu na vrstu klijenta, pa sve do sofisticiranih pravila. Ona polaze od bihevioralnih scenarija koji uzimaju u obzir statističko profiliranje klijenata i njihovo uobičajeno ponašanje ili izravno elemente djelomične ili potpune umjetne inteligencije (tzv. semi ili full AI), koja zna profilirati ponašanje svakog klijenta posebno te do određene mjere preporučiti i prijedloge za prilagodbu pravila detekcije AML sustava (npr. missing link analiza). Drugi odlučujući kriterij je utvrditi radi li AML sustav samo u tzv. off-line režimu rada, kada u pravilu prima ulazne informacije u obliku doze (batch) iz prethodnog dana (tzv. režim D + 1), ili djelomično ili u potpunosti u stvarnom vremenu (tzv. real time), što opet postavlja veće zahtjeve za rad i uglavnom je domena robusnijih komercijalnih rješenja. Pretežita većina klijenata obveznika u sadašnje vrijeme suštinski mijenja svoje uobičajeno ponašanje što uzrokuje drastične promjene u njihovom profilu transakcija. Ova situacija može uzrokovati, i u početku je zasigurno i uzrokovala, da AML sustav koji je postavljen na “uobičajeno” ponašanje klijenta u određenom segmentu sada generira povećani broj lažnih upozorenja (tzv. false positive). Razlog je taj što AML sustav ovu promjenu ocjenjuje rizičnom iako je prouzročena legitimnim razlozima. Istodobno, povećani broj lažnih upozorenja nerazmjerno opterećuje kapacitete odjela koji se bave provjeravanjem obveznika, uslijed čega može upravo ta sumnjiva transakcija koja je trebala biti na vrijeme otkrivena, blokirana i prijavljena Uredu za financijsku analitiku kao sumnjiva, ostati neprimijećena. Ova situacija paradoksalno je poseban izazov upravo za najnovije tehnologije koje koriste gore spomenute principe umjetne inteligencije. Razlog je taj što ti AML sustavi koriste kalibraciju u obliku modela podataka za dulje vremensko razdoblje kako bi naučili što je “ispravno” ponašanje klijenta. Međutim, problem se javlja na dvije razine. Prvo, u situaciji u kojoj se ovi AML sustavi implementiraju upravo u ovo vrijeme, pa uče što je “ispravno”, a pri povratku u normalno stanje detektirat će promjenu u ponašanju klijenta kao sumnjivu. Druga je mogućnost suprotna prvoj situaciji, odnosno dobro će kalibriranom sustavu biti potrebno duže vremensko razdoblje kako bi se prilagodio novoj situaciji i prestao ocjenjivati trenutnu situaciju kao sumnjivu. To svakako podrazumijeva zahtjeve za daljnjim razvojem ovih modernih tehnologija, posebno s naglaskom na bržoj prilagodbi elemenata umjetne inteligencije, što su neki od vodećih proizvođača već najavili. S obzirom na gore navedeno, obveznici bi trebali posvetiti veću pažnju postavkama svojih AML sustava, obaviti temeljitu analizu svih pravila otkrivanja i prilagoditi ih novoj situaciji kako bi u skladu sa zakonskim zahtjevima imali dovoljno učinkovit i efektivan sustav za ublažavanje i učinkovito upravljanje rizicima legalizacije prihoda od kriminalnih aktivnosti i financiranja terorizma. Više o ovoj temi s našim predavačem, bilo na seminarima koje sami organiziramo ili na individualnom treningu prilagođenom vašim potrebama.
[1] Izjava EBA-e o mjerama ublažavanja rizici financijskog kriminala u COVID-19 pandemija
AML officer s više od 16 godina prakse u policiji u borbi protiv korupcije. S činom pukovnika vodio je poseban odjel koji je primao kaznene prijave Ureda za financijsku analitiku. Više puta je nagrađivan za borbu protiv pranja novca, djelovao je kao član pregovaračkog tima ČR u obrani donesenih AML mjera u Vijeću Europe u Strasbourgu. Već šest godina uspješno pruža usluge u privatnom sektoru širom spektra obveznika.