L鈥橧ntelligenza Artificiale si conferma come una delle principali risorse per il settore finanziario, sempre pi霉 messo alla prova da sfide quali il contrasto al riciclaggio di denaro e al finanziamento del terrorismo.
Gi脿 da qualche anno, il , l鈥檕rganismo globale di controllo che stabilisce gli standard internazionali per prevenire le attivit脿 criminali associate al riciclaggio di denaro e al finanziamento del terrorismo, incoraggia l鈥檜tilizzo delle nuove tecnologie per supportare le istituzioni finanziarie nella valutazione dei rischi AML/CFT (Anti-Money Laundering/Counter Financing of Terrorism). Questo per garantire maggiore accuratezza, tempestivit脿 e completezza, rafforzando l鈥檈fficacia delle misure regolamentari e di prevenzione.
In questo quadro si inserisce anche il progetto di ricerca condotto dall鈥�Istituto sistemi informativi e networking (ISIN) in collaborazione con i business partner e . Il progetto, finanziato dall鈥�, ha portato allo sviluppo di una soluzione all鈥檃vanguardia, basata sull鈥檌ntelligenza artificiale, che garantisce la sicurezza dei dati sensibili e consente di individuare in maniera efficiente le relazioni pi霉 a rischio.
La piattaforma 猫 stata concepita per rivoluzionare il modo in cui le istituzioni finanziarie affrontano il tema del Know Your Customer, del continous monitoring e l鈥檕rganizzazione dei processi di identificazione e verifica dei clienti.
Una caratteristica distintiva di FinVA 猫 la sua capacit脿 di 鈥済eneralizzare鈥�. Grazie ad avanzati algoritmi di machine learning e all鈥檜nicit脿 della metodologia di formalizzazione dell鈥檈xpert knowledge, la piattaforma riesce a gestire i processi di Customer Due Diligence (CDD), una procedura standardizzata per l鈥檃deguata verifica del cliente e la valutazione del rischio a esso associato, attribuendo un punteggio di rischio alle relazioni contrattuali e analizzando le transazioni alla luce del contesto del cliente in cui avvengono.
Queste caratteristiche non soltanto consentono un鈥檃ccurata analisi predittiva sul rischio contrattuale, capace di anticipare i rischi e di migliorare l鈥檈fficacia delle misure di conformit脿.
Il punto di maggior valenza 猫 che esse consentono anche di ridurre dell鈥�85% i cosiddetti 鈥渇alsi positivi鈥�, le transazioni che i sistemi di analisi AML tradizionali fanno risultare essere a rischio e quindi oggetto di potenziale segnalazione alle Autorit脿 di Vigilanza, generando impatti significativi in termini di tempo, costi e risorse.
In conclusione, FinVA segna un progresso significativo per le istituzioni finanziarie, evidenziando come l鈥橧ntelligenza Artificiale possa essere impiegata non solo per potenziare i processi di compliance, ma anche per diminuire i costi, migliorando al tempo stesso la sicurezza e l鈥檈fficacia nella lotta contro le attivit脿 finanziarie illecite.