Oggi le banche, le assicurazioni, gli intermediari finanziari e tutta una serie di operatori non finanziari, come ad esempio le aziende concessionarie per i giochi, sono tenuti al rispetto di normative complesse che disciplinano i flussi finanziari digitali.
Il numero di norme in questo settore è decuplicato negli ultimi anni, e di conseguenza il mantenimento della compliance da parte delle fintech e delle altre organizzazioni è sempre più difficoltoso.
Le soluzioni tecnologiche che agevolano il rispetto dei requisiti normativi imposti ad un soggetto costituiscono il RegTech, Regulatory Technology. In particolare, le piattaforme software di RegTech utilizzano tecniche di Intelligenza Artificiale per l’analisi di Big Data, per offrire agli operatori finanziari sistemi di Analytics, che abilitano un monitoraggio più preciso dei fenomeni, e conseguentemente consentono di incrementare la customer satisfaction e la fiducia degli stakeholder.
Nei contesti RegTech, una delle attività più critiche è relativa al monitoraggio antiriciclaggio (AML), che determina per le organizzazioni un notevole dispendio di tempo e risorse.
Il riciclaggio (Money-Laundering) consiste nel dare una parvenza lecita a capitali (beni, denaro o altre utilità) di origine illecita, rendendone più difficile l’identificazione; L’Anti Money Laundering è un insieme di regolamenti e procedure creati al fine di prevenire e controllare il riciclaggio.
L’esplosione dei pagamenti digitali a cui abbiamo assistito negli ultimi anni, accompagnata dalla nascita di meccanismi sempre più pervasivi per il trasferimento di denaro, fa si che oggi sia sostanzialmente impossibile gestire le attività AML in modo manuale, e dunque che sia sempre più necessario avvalersi di tecnologie avanzate per la scoperta di fenomeni potenzialmente dannosi.
La piattaforma Moneying di Revelis
Revelis ha sviluppato Moneying, una piattaforma che applica tecniche di Machine Learning, Deep Learning e Text Analytics per l’analisi delle transazioni finanziarie e delle comunicazioni da parte dei clienti.
In sostanza, Moneying prevede l’automazione dei seguenti processi:
- calcolo del profilo di rischio dei clienti (KYC);
- individuazione di fenomeni AML e la segnalazione automatica a UIF dei soggetti coinvolti;
- calcolo di indicatori di rischiosità (Key Risk Indicator);
- gestione dei reclami;
- gestione delle segnalazioni degli Enti Inquirenti;
- sanzionamento della clientela retail e business;
- accesso alle informazioni sui clienti in forma completa ed integrata, tramite un fascicolo sempre disponibile.
Ma come funziona Moneying?
Moneying usa tecniche di Machine Learning per:
- valutare il profilo di rischio dei clienti;
- individuare fenomeni di potenziale riciclaggio sulla base di algoritmi di correlazione delle informazioni;
- analizzare ed identificare operazioni sospette e fenomeni relativi a coalizioni di soggetti con comportamento anomalo;
- individuare fenomeni di riciclaggio precedentemente sconosciuti;
- minimizzare i falsi positivi.
Le caratteristiche di Moneying
Tra le principali caratteristiche di Moneying è possibile citare:
- Estendibilità: il set di indicatori AML può essere esteso in modo semplice;
- Risk Scoring: per ogni utente viene valutato un profilo di rischio che tiene conto di criteri soggettivi e oggettivi;
- Data Driven: l’uso di tecniche di Big Data Analytics ed Intelligenza Artificiale consente la ricalibrazione degli indicatori al fine di garantire uno screening esaustivo e più preciso delle fattispecie di anomalia;
- Modularità: la piattaforma offre moduli funzionali distinti per AML, Risk Management, gestione delle richieste degli Enti Inquirenti e gestione dei Reclami.
L’architettura di Moneying
L’architettura funzionale di Moneying è rappresentata nella figura seguente: ogni area funzionale ha il proprio modulo implementativo che rende più agevole l’estensione della piattaforma e la sua customizzazione.
L’architettura tecnica è composta da:
- un motore di back-end preposto all’esecuzione delle procedure di Intelligenza Artificiale, basato su Rialto™, la tecnologia Revelis per l’implementazione e l’esecuzione di processi di Big Data Analitycs e di Intelligenza Artificiale;
- un’applicazione web che offre i servizi di analisi e verifica dei dati prodotti dal back-end .
Attraverso la componente Desktop di Rialto™ il data scientist effettua l’analisi dei dati sorgenti (database transazioni), progetta ed implementa le procedure di Intelligenza Artificiale utilizzando i moduli base offerti da Rialto™ e, di fatto, customizzando sul caso d’uso specifico il catalogo funzionale ed operativo offerto dalla piattaforma.
Successivamente, le procedure vengono rese eseguibili sulla componente Server di Rialto™ che si occuperà di automatizzarne l’esecuzione secondo regole definite e configurate per il caso specifico. L’output delle procedure è storicizzato in un database ad hoc (Big data Warehouse) per poter essere interrogato e mostrato agli utenti finali attraverso la web app.
Esempio di un caso di uso della piattaforma Moneying
Moneying è stata utilizzata per un’azienda di primaria importanza nel settore dei giochi, che punta sull’innovazione tecnologica come arma di prima linea nel contrasto del riciclaggio di denaro e nella lotta al finanziamento del terrorismo, per l’automatizzazione delle procedure adottate allo scopo di garantire l’efficace identificazione della clientela, il monitoraggio delle operazioni sospette e le segnalazioni verso UIF.
La sua verticalizzazione su questo scenario porta con sé le seguenti peculiarità:
- tutti i requisiti definiti dalle Autorità competenti (Ministero Interno, UIF, ADM) sono stati preliminarmente analizzati per la definizione dei KRIs;
- i KRIs sono stati definiti scientificamente, tenendo comunque conto dell’expertise di settore;
- le soglie dei KRIs, definite secondo le best practice della statistica, sono dinamiche in quanto correlate all’andamento dei dati calcolati dal Sistema;
- ad ogni giocatore è assegnato un Risk Score derivato dall’applicazione di tecniche di user profiling che tiene conto di elementi soggettivi, oggettivi e transazionali, utile sia nella fase di on-boarding di nuovi clienti che per l’assegnazione delle priorità nell’analisi dei soggetti sospettati di riciclaggio;
- ogni giocatore è analizzato trasversalmente a tutti i business e considerando anche informazioni da fonti esterne;
- l’addestramento del sistema consente l’individuazione di Risk Models.
I vantaggi per il cliente
Tra i principali vantaggi che sono stati citati dal cliente stesso dopo l’applicazione di Moneying si annoverano:
- definizione scientifica dei KRI;
- riduzione dei falsi positivi: tramite tecniche di clustering e di classificazione è stato possibile individuare un insieme di regole per la selezione di movimentazioni anomale, superando gli approcci basati su soglie statiche attualmente utilizzati;
- visione unitaria ed integrata (fonti interne ed esterne) delle posizioni analizzate che consente una ponderata valutazione dell’effettiva rischiosità;
- automatizzazione della generazione del tracciato .csv UIF per la segnalazione SOS con un risparmio di oltre il 70% del tempo attualmente impiegato.
Conclusioni
Caratteristiche, vantaggi acquisibili e fenomeni monitorabili da questa piattaforma visti attraverso questo caso di uso di un’azienda di primaria importanza nel settore dei giochi, testimonia la possibilità di applicare la piattaforma Moneying realizzata da Revelis al contesto AML indipendentemente dal business dell’azienda soggetta alla normativa AML.
La soddisfazione del cliente è per Revelis il premio per il lavoro svolto.
Autore: Francesco Cupello
Vuoi maggiori informazioni su Moneying? Contattaci.
