Cho đến gần đây, trước khi hành vi trộm cắp danh tính kỹ thuật số và gian lận thanh toán trực tuyến trở thành những kẻ đứng đầu bảng xếp hạng trong tổng số gian lận tài chính, gian lận nội bộ chiếm gần 70% tổng số trường hợp hàng năm.

AI có khả năng phá vỡ việc giám sát gian lận nội bộ ngân hàng, nhưng các FIs đã sẵn sàng lao vào chưa?

Tuy nhiên, gian lận của nhân viên trong các tổ chức tài chính (FIs) vẫn là một chủ đề cấm kỵ và không được thảo luận hoặc báo cáo thường xuyên, có thể để tránh làm hoen ố hình ảnh và danh tiếng của FI.

Mặc dù FIs đã và đang chi ngân sách khổng lồ cho các công cụ và công nghệ tiên tiến để ngăn chặn và ngăn chặn các hành vi gian lận do khách hàng hoặc tội phạm bên ngoài thực hiện, cần phải có một nỗ lực tích cực để ngăn chặn và phát hiện các hành vi gian lận nội bộ do nhân viên của FIs tự thực hiện hoặc thông đồng với các các bữa tiệc.

Phát hiện gian lận nội bộ trong FIs – bối cảnh hiện tại


Trong những năm qua, quy mô gian lận nội bộ trong FIs đã đạt đến mức đáng kinh ngạc. Nhân viên FI ở vị trí độc nhất có quyền truy cập vào tài khoản khách hàng, tài khoản và hồ sơ nội bộ FI, chính sách tổ chức, hệ thống xử lý các khoản vay sinh lợi, giao dịch, chuyển tiền, hạn mức tín dụng, thanh toán hóa đơn, v.v. Tuy nhiên, bối cảnh giám sát và phát hiện gian lận nội bộ vẫn chưa trưởng thành ở hầu hết các FIs trên toàn cầu. Dưới đây là một số thách thức hiện tại trong lĩnh vực này:

Thiếu các chính sách và thủ tục được lập thành văn bản về giám sát và báo cáo gian lận nội bộ – Hầu hết các FI có chức năng quản lý gian lận chuyên dụng và ba tuyến phòng thủ tiêu chuẩn xung quanh nó. Tuy nhiên, thông thường trọng tâm là các chính sách và thủ tục để ngăn ngừa, phát hiện và giảm thiểu rủi ro gian lận bên ngoài liên quan đến khách hàng hoặc bên thứ ba. Việc giám sát và ngăn ngừa gian lận nội bộ đòi hỏi các chính sách được soạn thảo rõ ràng, các thủ tục được ghi chép đầy đủ và giáo dục nhân viên về hành vi đạo đức. Một cơ chế quản lý gian lận nội bộ chính thức có vai trò then chốt trong việc ngăn chặn và giám sát các hành vi gian lận của nhân viên.

Thiếu các khuôn khổ để đánh giá rủi ro gian lận nội bộ và kiểm soát trên cơ sở năng động – Giống như bất kỳ chức năng quản lý rủi ro nào, quản lý rủi ro gian lận nội bộ yêu cầu đánh giá rủi ro gian lận của nhân viên và thiết kế các biện pháp kiểm soát tương ứng. Bắt buộc phải xem xét tính hiệu quả của các biện pháp kiểm soát đó đồng thời theo dõi các rủi ro mới một cách thường xuyên. Các khuôn khổ như vậy hiện không phổ biến lắm trong FIs.

Thiếu các công cụ và giải pháp công nghệ để giám sát gian lận của nhân viên – Các báo cáo cho thấy hầu hết các gian lận nội bộ trong FIs đều được phát hiện trong quá trình đánh giá nội bộ hoặc thông qua tố giác, ít nhất 12 đến 15 tháng sau khi gian lận đó được thực hiện. Một trong những lý do cho điều này là hầu hết các FIs không có nền tảng công nghệ để giám sát các hoạt động của nhân viên chống lại gian lận.

Các nền tảng công nghệ dựa trên quy tắc dễ bị nhân viên sai phạm phá vỡ – Trong các FIs nơi mà các giải pháp công nghệ đã được triển khai để theo dõi các gian lận nội bộ, chúng được coi là thuộc các mô hình dựa trên quy tắc truyền thống. Những nhân viên có hành vi gian lận được phát hiện là thông thạo các quy tắc đó và lên kế hoạch tỉ mỉ cho các hoạt động phạm tội của họ bằng cách phá vỡ các quy tắc đó. Do đó, cần có một công cụ phát hiện gian lận dựa trên hành vi để theo dõi các hoạt động của nhân viên.

Hệ thống và dữ liệu bị phân mảnh dẫn đến thiếu cái nhìn tổng thể về dấu ấn của nhân viên – Thông thường, nhân viên FI phải truy cập vào nhiều hệ thống cho công việc thường ngày của họ, bao gồm tài khoản khách hàng, tài khoản nội bộ và báo cáo cũng như nhiều phòng và tầng của tòa nhà văn phòng. Dữ liệu về dấu chân của nhân viên trên các hệ thống và vị trí này thường không được tổng hợp và do đó không thể có được cái nhìn thống nhất về các hoạt động của nhân viên trong toàn tổ chức. Đây là một yêu cầu quan trọng để xác định các dấu hiệu đỏ trong trường hợp nhân viên có hành vi không phù hợp.

Tưởng tượng lại các giải pháp phát hiện gian lận nội bộ trong FIs sử dụng AI
Khi chúng ta bước sang một thập kỷ mới, với những hứa hẹn mới để chống lại gian lận và các tội phạm tài chính khác, điều cấp thiết là phải xem xét các giải pháp thông minh có thể ngăn chặn và phát hiện các gian lận nội bộ. Với việc các cơ quan quản lý khuyến khích sử dụng các công nghệ tiên tiến như phân tích, học máy (ML) và các dạng trí tuệ nhân tạo (AI) khác trong việc quản lý rủi ro tội phạm, dưới đây là một số giải pháp về cách AI có thể được tận dụng để chống lại gian lận nội bộ tại FIs:

Đánh giá rủi ro và kiểm soát tự động trong toàn doanh nghiệp – Các giải pháp do AI hỗ trợ có thể được sử dụng để đánh giá các rủi ro gian lận nội bộ vốn có, các biện pháp kiểm soát hiện có và tính hiệu quả của chúng cũng như rủi ro tồn đọng trên cơ sở động thường xuyên, trái ngược với việc thực hiện thủ công hàng năm. Điều này có thể được thiết lập theo địa lý, sản phẩm, ngành nghề kinh doanh (LoB), loại nhân viên và nhiệm kỳ (vĩnh viễn so với hợp đồng, mới gia nhập và lâu năm), vai trò của nhân viên (giao diện người dùng so với giao diện người dùng / quản trị viên CNTT) và như thế.

Phân tích thống nhất dữ liệu nhân viên trên tất cả các hệ thống, truy cập vật lý và kỹ thuật số – Chế độ xem 360 độ về dấu ấn nhân viên của FI trên cơ sở vật chất và hệ thống điện tử có thể giúp phân tích và thông minh về hành vi của nhân viên. Điều này có thể bao gồm các quyền truy cập bất thường vào tài khoản, máy móc hoặc tòa nhà / phòng, các đặc quyền không phổ biến được cung cấp và thu hồi trong thời gian ngắn, dấu hiệu về số giờ bất thường dành cho văn phòng (ví dụ: đi làm muộn, làm việc trong ngày lễ) và các hoạt động được thực hiện trong thời gian đó.

Lập hồ sơ hành vi dựa trên học máy và phát hiện hoạt động bất thường – Một mô hình kết hợp trong đó nền tảng dựa trên quy tắc truyền thống hoạt động kết hợp với nền tảng phát hiện hành vi bất thường và lập hồ sơ hành vi của nhân viên dựa trên ML có thể cải thiện hiệu quả của việc phát hiện gian lận nội bộ trong FIs. Nền tảng dựa trên quy tắc kiểm tra hành vi của nhân viên dựa trên các tình huống tĩnh, gắn cờ một hoạt động khi bất kỳ tình huống hoặc ngưỡng nào bị vi phạm, ví dụ: đăng nhập vào hệ thống ngân hàng của một nhân viên đang nghỉ việc. Mô hình ML phát hiện những điểm khác biệt bằng cách so sánh hành vi của đồng nghiệp khi một nhân viên được phát hiện là đặc biệt đi chệch khỏi mô hình hoạt động mong đợi của họ. Điều này có thể bao gồm giờ làm việc, loại tài khoản được tiếp xúc, khối lượng và tần suất cập nhật thông tin chi tiết của khách hàng, ngày nghỉ được nghỉ (hoặc không được nghỉ), v.v.

Phân tích mạng và liên kết bằng cách sử dụng dữ liệu nội bộ và bên ngoài của nhân viên và khách hàng – Nhân viên FI có thể thực hiện hành vi gian lận khi thông đồng với các nhân viên khác, khách hàng hoặc bên thứ ba. Việc xác định các hành vi gian lận như vậy đòi hỏi phải phát hiện ra các mối liên kết và mối quan hệ ẩn giữa các bên như vậy, cả nội bộ và bên ngoài FI. Tích hợp dữ liệu nội bộ của FI với dữ liệu bên ngoài, bao gồm cả phân tích mạng xã hội nếu có liên quan, có thể giúp tạo ra các tín hiệu cảnh báo sớm về hoạt động gian lận.

Quy trình điều tra tự động về các cảnh báo nhân viên đáng ngờ – Bàn làm việc thông minh dựa trên AI cung cấp hình ảnh trực quan về các hoạt động bất thường của nhân viên, mối liên kết và điểm rủi ro có thể xúc tiến việc phân tích và điều tra theo ngữ cảnh về sự cố gian lận nội bộ. Dữ liệu phong phú và thông tin chi tiết có thể nâng cao chất lượng, hiệu quả và thời gian hoàn thành việc báo cáo và truy tố những hành vi vi phạm như vậy.

Hướng tới sự gián đoạn do AI dẫn dắt trong quản lý gian lận nội bộ: hành trình phía trước


Quản lý gian lận nội bộ trong các ngân hàng phải được thúc đẩy mạnh mẽ bởi dữ liệu và được hỗ trợ bởi AI, với lượng lớn nhân viên vật lý và kỹ thuật số có trong toàn doanh nghiệp. Hệ thống cảnh báo mạnh mẽ có thể cho phép phát hiện sớm, trong khi các quy trình kiểm soát hiệu quả có thể ngăn chặn hoàn toàn các hành vi gian lận như vậy.

Tích hợp dữ liệu bên trong và bên ngoài, liên kết dữ liệu của nhân viên với khách hàng và bên thứ ba, đồng thời kết hợp dữ liệu có cấu trúc và không có cấu trúc như các cuộc trò chuyện và email có thể tạo ra các dấu hiệu đỏ và các mẫu hành vi của nhân viên có rủi ro cao.

Cả ba trụ cột – con người, quy trình, công nghệ – phải phù hợp với nhau để có một khuôn khổ phát hiện và ngăn chặn gian lận nội bộ mạnh mẽ. AI có khả năng phá vỡ việc giám sát gian lận nội bộ ngân hàng, nhưng các FIs đã sẵn sàng lao vào cuộc chưa?

Sujata Dasgupta là nhà lãnh đạo ngành từng đoạt nhiều giải thưởng quốc tế và là Trưởng phòng Tư vấn Tuân thủ Tội phạm Tài chính Toàn cầu tại Tata Consultancy Services Ltd., có trụ sở tại Stockholm, Thụy Điển.

Cô có hơn 20 năm kinh nghiệm, đã làm việc chuyên sâu trong các lĩnh vực KYC, Xử phạt, AML và Gian lận trong các hoạt động ngân hàng, dịch vụ CNTT và tư vấn.

Cô ấy là một nhà lãnh đạo tư tưởng, tác giả, người viết chuyên mục và diễn giả xuất sắc, và thường xuyên được các tạp chí quốc tế danh tiếng phỏng vấn về những phân tích và ý kiến ​​của cô ấy về các chủ đề đương đại trong lĩnh vực này.

BÌNH LUẬN

Vui lòng nhập bình luận của bạn
Vui lòng nhập tên của bạn ở đây