Finanssisektorilla toimiville organisaatioille talousrikollisuuden haasteiden kanssa painiminen ei ole uutta. Transaktiomonitoroinnista on muodostunut yksi keskeisistä tekijöistä talousrikollisuuden torjunnassa. Luotto- ja maksulaitosten lisäksi myös fintech-yhtiöiden on tärkeää tunnistaa heihin liittyvät velvoitteet maksuliikenteen seurannassa. 

Transaktiomäärien kasvaessa rahanpesun ja terrorismin rahoituksen estäminen muuttuu myös jatkuvasti haastavammaksi, ja näin ollen perinteisten transaktiomonitorointiprosessien tehokkuutta joudutaan kehittämään ja parantamaan. Parannusta tarvitaan esimerkiksi organisaatioiden kasvavien kulujen pitämiseksi kurissa AML-vaatimusten lisääntyessä ja sääntelyn kiristyessä. Transaktiomonitoroinnin toimintamallia optimoimalla finanssilaitos pystyy luomaan prosessista lisäarvoa tuottavan osan koko organisaation riskienhallintajärjestelmään. Analytiikalla, koneoppimisalgoritmeilla sekä prosessien ja sääntöpohjaisten järjestelmien hienosäädöllä voidaan tehostaa niin monitorointiprosesseja kuin hälytysten käsittelyä.

Transaktiomonitoroinnin haasteet

Digitaaliset maksut ovat kasvattaneet transaktioiden lukumääriä merkittävästi. Sääntelyn lisääntymisen ja kiristymisen myötä finanssisektorin yritysten on täytynyt tarkentaa transaktiomonitorointia, joka on nostanut manuaalisesti tutkittavien tapausten määrää. Epäjohdonmukaiset, hajanaiset ja standardoimattomat transaktiomonitorointiprosessit ovat johtaneet henkilöstön tuottavuuden laskuun transaktiomäärien kasvaessa. Tehottomat prosessit ja järjestelmät johtavat siihen, että tavanomaisesta poikkeavia tai epäilyttäviä liiketoimia ei aina havaita ja siten kyetä raportoimaan viranomaisille asianmukaisesti. Pitkälti manuaalisten hälytysten käsittelyprosessien voidaankin nähdä kasvattavan tehottomuutta ja heikentävän kontrollien laatua. On myös tärkeää huomioida, että ilmoitusvelvolliselle osoitettujen vaateiden noudattamatta jättämisestä saattaa seurata esimerkiksi rikemaksuja sekä mainehaittoja finanssisektorin yrityksille. 

Lisääntyneet transaktiomäärät ja talousrikollisuuden käyttäytymisen muutos ovat johtaneet jatkuviin investointeihin. Teknologisilla investoinneilla prosesseja pystytään skaalaaman tehokkaammiksi, automatisoimaan ja kohdentamaan henkilöresurssit korkean riskin tapauksiin oikea-aikaisesti sekä hallitsemaan henkilöstötarpeen ja manuaalisen työn kasvua. Teknologia ei kuitenkaan yksin ratkaise transaktiomonitoroinnin ongelmia, vaan se tulee sovittaa muiden organisaation prosessien kanssa yhteen.

Mahdollisuudet transaktiomonitoroinnin kehittämisessä

Mahdollisuudet transaktiomonitoroinnin kehittämisessä voidaan jakaa kahteen eri lähestymistapaan: sääntöpohjaisen monitoroinnin optimointiin ja monitoroinnin tehostamiseen tekoälyä hyödyntäen. Sääntöpohjaista monitorointia kehittämällä järjestelmiä pystytään tehostamaan ja optimoimaan. Lopputuloksena havaitaan epäilyttäviä ja tavallisesta poikkeavia transaktioita tarkemmin ja sitä kautta enemmän, ja aikaa vievää manuaalista työtä aiheuttavia false positive -osumia havaitaan puolestaan vähemmän. Kyseistä prosessien tehostamista pystytään tekemään muun muassa organisaation asiakkaiden laadukkaammalla segmentoinnilla, uusien skenaarioiden ja raja-arvojen luomisella sekä transaktiotyyppien kartoittamisella. Tehokkaampien prosessien seurauksena osumat ovat todennäköisemmin sellaisia, jotka muodostavat todellisen rahanpesun, terrorismin rahoittamisen tai pakoteliitännäisen riskin. False positive -osumat voidaan myös käsitellä helpommin, pienemmillä resursseilla ja haastavammat tapaukset sen sijaan siirtää automaattisesti kokeneimpien asiantuntijoiden manuaaliseen käsittelyyn. 

Uusia teknologioita hyödyntämällä finanssisektorin organisaatioiden on mahdollista tehdä talousrikollisuuden torjunnasta toimivampaa, nopeampaa ja kustannustehokkaampaa. Esimerkiksi tekoälyn avulla transaktiomonitoroinnin prosesseihin voidaan lisätä koneoppimisen sekä syväoppimisen tuomia mahdollisuuksia. Näitä mahdollisuuksia voidaan hyödyntää esimerkiksi maksujen monitoroinnissa sekä rikollisen toiminnan tunnistamisessa. Koneoppimisen avulla voidaankin yhdistelemällä eri riski-indikaattoreita havaita sellaista epäilyttävää maksukäyttäytymistä, jota perinteiset sääntöpohjaiset järjestelmät eivät kykene tunnistamaan. Tekoälyllä pystytään myös vähentämään false postive -osumien määrää. Suurimman lisäarvon teknologisista ratkaisuista kuitenkin saa, kun ne on optimoitu organisaation muiden transaktiomonitoroinnin prosessien kanssa yhteen.

Miten KPMG voi auttaa?

Autamme yritystäsi monitoroinnin jokaisella osa-alueella, niin prosessien kehittämisessä kuin teknologisten investointien kartoittamisessa ja implementoinnissa. Voimme yhdessä organisaatiosi kanssa tunnistaa teille sopivimmat monitoroinnin prosessit sekä auttaa arvioimaan näiden prosessien tehokkuutta. Lisäksi olemme apunasi myös toimintojen suunnittelussa ja kehittämisessä, jotta ne vastaavat yrityksesi riskinottohalukkuutta ja riskitoleranssia sekä nykyajan teknologian mahdollisuuksia. Autamme organisaatiotasi muodostamaan prosessit päivittäistä työtänne varten. Teknologia ei itsessään riitä ratkaisemaan transaktiomonitoroinnin ongelmia, vaan se tulee yhteensovittaa organisaation prosessien, kontrollien ja datan kanssa. Autammekin optimoimaan koko transaktiomonitoroinnin toimintamallin, joka tuottaa suurimman lisäarvon organisaatiolle.

Meillä on laaja kokemus finanssisektorilta muun muassa monitorointijärjestelmien tehokkuuden arvioinnissa ja parantamisessa, sekä yrityksen teknologisten valmiuksien testaamisessa ja kehittämisessä. Suoritamme lisäksi muun muassa AML Review -palveluita, joiden avulla organisaatiosi saa hyvän kokonaiskäsityksen yrityksenne rahanpesun torjunnan ja terrorismin rahoittamisen estämisen tilasta. Tyypillisesti tällainen läpikäynti sisältää muun muassa seuraavat kokonaisuudet: 

• asiakkaan tunteminen
• transaktioiden monitorointi
• pakotteiden noudattaminen.

Tarjoamme myös tulosten läpikäynnin, joka sisältää konkreettisia parannusehdotuksia.

Seuraamme jatkuvasti transaktiomonitoroinnin ja regulaation kehitystä ja autamme mielellämme organisaatiotanne arviomaan niiden vaikutuksia. Olethan yhteydessä meihin, mikäli mietit miten muutokset saattavat vaikuttaa organisaationne liiketoimintaan tai halutessasi arvioida tai kehittää talousrikollisuuden torjunnan prosesseja.

Ota yhteyttä: