Framgångssagor

En stor bank halverar driftskostnaderna för sanktionsscreening och minskar antalet heltidsanställda med över 40 % genom att utnyttja intelligent automatisering

En ledande global bank har ett globalt team på mer än 2 000 anställda som hanterar bankens screening av betalningssanktioner. Teamet stötte på mer än 95 % felaktigt positiva resultat vid kontroll av betalningar för sanktionerade parter. Dessutom hade företaget ökande driftskostnader på grund av stigande antal betalningar och växande sanktionslistor varje år. Banken använde ett regelbaserat tillvägagångssätt för felaktigt positiva resultat, men metoden var reaktiv och kunde inte skalas upp på ett effektivt sätt.

Det var avgörande för banken att hitta ett smartare och mer proaktivt sätt att förebygga felaktigt positiva resultat och hantera varningar på ett mer effektivt sätt utan att höja risknivån. Lösningen skulle hantera regleringsmässiga frågor och implementera minskning av felaktigt positiva resultat samt erbjuda komplett spårning av automatiserade beslut. Den skulle även dynamiskt hantera nya mönster med felaktigt positiva resultat, arbeta snabbare än en mänsklig operatör och kunna skalas upp för att hantera ökande träffvolym utan att kompromissa när det kom till prestandan.

Virtusa automatiserade arbetsflödet för sanktionskontroller genom att använda djupinlärningsbaserad artificiell intelligens och genom att skapa en dynamisk, skalbar och kompatibel maskininlärningslösning för att identifiera och hantera felaktigt positiva resultat inom kontrollerna.

 

 

Utmaningen

Banken behövde skala upp för att hantera de ökande betalningsvolymerna och hantera falska positiva fall på ett effektivare sätt.

De största utmaningarna:

  •  Driftskostnaderna för sanktionskontroller var höga och inkluderade hantering av ett globalt team på mer än 2 500 personer som arbetar med att hantera varningar.

  • Andelen felaktigt positiva resultat inom sanktionskontroller var mer än 95 %.

  • Betalningsvolymerna ökade med mer än 7 % och sanktionslistan ökade med mer än 10 % jämfört med föregående år.

  • Det äldre systemet för sanktionsfiltrering baserades på statiska, regelbaserade algoritmer för filtrering.

Lösningen

Virtusa analyserade bankens befintliga sanktionsscreening och föreslog en skalbar AI-lösning som hjälpte banken att sänka sina kostnader och uppnå högre precision i sanktionsscreeningen.

Funktioner inkluderar:

  • Ett automatiserat arbetsflöde för granskning av sanktioner på nivå 1 med hjälp av sofistikerade AI-modeller baserade på djupinlärning.

  • Med hjälp av neurala nätverk utvecklade Virtusa modeller för igenkänning av namngivna enheter (Named Entity Recognition, NER) för att korrekt identifiera namngivna enheter i betalningsmeddelanden och sanktionslistor och för att efterlikna operatörens beslut.

  • För att validera varandras resultat och säkerställa hög kvalitet på falskt positiva rekommendationer använde vi flera modeller för maskininlärning.

  • För att säkerställa smidiga myndighetsgodkännanden byggde vi in modellförklaringar och beslutsspårbarhet.

  • Lösningen byggdes på komponenter med öppen källkod och säkerställde en lokal infrastrukturimplementering.

Lösningen
Fördelen

Med intelligent automatisering behövde banken inte längre oroa sig över falska positiva utfall och noggrannheten vid sanktionsscreening. Lösningen hjälpte dem att öka hastigheten vid granskningen av sanktioner och förbättra produktiviteten.

Resultatet blev:

  • En kostnadsminskning på mer än 80 % inom manuellt L1-arbete.

  • Mer än 98 % noggrannhet.

  • Mer än dubbelt så snabb processcykel för sanktionsbedömning.

  • Mer än 50 % ökad operatörsbandbredd med AML-undersökningar för sanna fall.

Relaterat innehåll