Erfolgsgeschichte

Eine große Bank senkt die Betriebskosten für die Sanktionsprüfung um die Hälfte mit einer FTE-Reduzierung von über 40%, indem sie intelligente Automatisierung einsetzt

Eine wichtige globale Bank hat ein weltweites Team von mehr als 2.000 Mitarbeitern, die sich um die Überprüfung von Zahlungssanktionen kümmern. Das Expertenteam sah sich mit einer Falsch-Positiv-Rate von über 95% konfrontiert, wenn es Zahlungen auf sanktionierte Unternehmen überprüfte, und sah sich aufgrund des steigenden Zahlungsvolumens und der jährlich wachsenden Sanktionslisten auch mit erhöhten Betriebskosten konfrontiert. Die Bank wandte einen regelbasierten Ansatz zur Unterdrückung von Falschmeldungen an, aber der Ansatz war reaktiv und konnte nicht gut skaliert werden.

Für die Bank war es entscheidend, einen intelligenteren und proaktiveren Weg zu finden, um Fehlalarme zu unterdrücken und Alarme effizienter zu verwalten, ohne das Risiko zu erhöhen. Die Lösung musste regulatorische Bedenken berücksichtigen und erklärbare Modelle zur Reduzierung von Falsch-Positiven mit vollständiger automatisierter Nachvollziehbarkeit der Entscheidungen implementieren. Sie musste auch dynamisch mit neueren falsch-positiven Mustern umgehen, viel schneller arbeiten als ein menschlicher Anwender und skalierbar sein, um steigende Treffermengen zu bewältigen, ohne Kompromisse bei der Leistung einzugehen.

Virtusa automatisierte den Sanktionsprüfungs-Workflow, indem das Unternehmen Deep-Learning-basierte Techniken der künstlichen Intelligenz nutzte und eine dynamische, skalierbare und konforme Machine-Learning-Lösung schuf, um falsch-positive Ergebnisse bei der Sanktionsprüfung zu erkennen und zu verarbeiten.

 

 

Die Herausforderung

Die Bank musste skalieren, um das steigende Zahlungsvolumen zu bewältigen und falsch-positive Ergebnisse effizienter zu handhaben.

Die wichtigsten Herausforderungen:

  •  Die Betriebskosten für den Prüfungsbetrieb waren hoch und beinhalteten die Verwaltung eines globalen Teams von mehr als 2.500 Mitarbeitern, die sich mit der Handhabung von Warnmeldungen beschäftigten.

  • Die Falsch-Positiv-Rate bei der Prüfung lag bei über 95%.

  • Die Zahlungsvolumina stiegen im Jahresvergleich um mehr als 7%, und die Größe der Sanktionslisten wuchs um mehr als 10% im Jahresvergleich.

  • Das bisherige Sanktionsfiltersystem basierte auf statischen, regelbasierten Filteralgorithmen.

Die Lösung

Virtusa analysierte die bestehende Sanktionsprüfung der Bank und schlug eine skalierbare KI-Lösung vor, die der Bank half, sowohl die Kosten zu senken als auch eine höhere Genauigkeit bei der Sanktionsprüfung zu erreichen.

Die Features umfassen:

  • Ein automatisierter Level-1-Review-Workflow für Sanktionsprüfungs-Operationen durch den Einsatz von hochentwickelten Deep-Learning-basierten KI-Modellen.

  • Mit Hilfe von neuronalen Netzwerken entwickelte Virtusa Modelle zur Erkennung benannter Entitäten (Named Entity Recognition, NER), um benannte Entitäten in Zahlungsnachrichten und Sanktionslisten genau zu identifizieren und die Entscheidungen der Betreiber nachzuahmen.

  • Um die Ergebnisse der anderen zu validieren und eine hohe Qualität der falsch-positiven Empfehlungen zu gewährleisten, haben wir mehrere Machine-Learning-Modelle eingesetzt.

  • Um nahtlose behördliche Genehmigungen zu gewährleisten, haben wir im Modell Erklärbarkeit und Nachvollziehbarkeit von Entscheidungen eingebaut.

  • Die Lösung wurde auf Open-Source-Komponenten aufgebaut und stellte eine lokale Infrastrukturbereitstellung sicher.

The Solution
Der Nutzen

Mit intelligenter Automatisierung muss sich die Bank nicht länger um die Zunahme von Fehlalarmen oder die Genauigkeit von Sanktionsprüfungen sorgen. Die Lösung half dem Unternehmen dabei, die Geschwindigkeit der Prüfung zu erhöhen und die Produktivität zu steigern.

Das Resultat war:

  • Eine Kostenreduktion von über 80% des manuellen L1-Aufwands

  • Mehr als 98% Genauigkeit

  • Über 2 mal schnellerer Zyklus des Sanktionsprüfungsprozesses

  • Mehr als 50% zusätzliche Betreiber-Bandbreite bei AML-Untersuchungen für echte positive Fälle

Zugehörige Inhalte