Studien baseras på svar från 850 medlemmar i ACAMS – världens största nätverk för experter inom anti-finansiell brottslighet – och ger en uppdaterad bild av hur långt branschen kommit i användningen av AI. Resultaten visar att endast 18 procent av organisationerna har AI eller maskininlärning i produktion. Ytterligare 18 procent befinner sig i pilotfas, medan 25 procent planerar implementation inom ett till ett och ett halvt år. Samtidigt uppger hela 40 procent att de inte har några aktuella planer alls.
– I Norden ser vi att banker och andra finansiella aktörer har ett tydligt intresse för att använda AI i kampen mot penningtvätt. Men det finns också en utbredd försiktighet, ofta kopplad till osäkerhet kring regulatoriska krav. För att möta en alltmer komplex hotbild krävs en tydlig strategi för både AI-användning och datahantering, säger Rasmus Dalsgaard, rådgivare inom bekämpning av finansiell kriminalitet på SAS Institute.
Generativ AI väcker intresse – men få tar nästa steg
När det gäller generativ AI befinner sig en majoritet fortfarande i utforskningsfas. Endast 10 procent testar tekniken aktivt, medan 35 procent uppger att de befinner sig i en förberedande fas. Samtidigt har mer än hälften inga konkreta planer. Studien visar dock att AI har stor potential – särskilt i arbetet med att automatisera varningsflöden i transaktionsövervakning, effektivisera riskbedömningar och förbättra hanteringen av misstänkta aktiviteter. Men vägen dit är inte utan hinder.
Endast hälften av deltagarna i studien uppger att deras tillsynsmyndighet främjar innovation inom AI, vilket är en tydlig minskning från föregående mätning. Andelen som upplever myndigheterna som försiktiga har ökat till 36 procent och 13 procent beskriver dem som motvilliga till förändring. Samtidigt visar undersökningen att osäkerhet kring reglering är ett växande hinder – från 29 till 37 procent sedan 2021. Budgetbegränsningar har minskat något som upplevt hinder, medan kompetensbrist uppges av färre än tidigare (11 procent).
Falsklarm och ineffektiva utredningar bromsar insatser
Vid en prioritering av användningsområden för AI inom penningtvättsbekämpning rankas minskning av falska positiva larm högst (38 procent), följt av förbättrad hantering av kunddata vid utredningar (34 procent) och mer effektiv prioritering av riskvarningar (28 procent). För att detta ska fungera krävs dock en teknisk grund att stå på.
– Organisationer som lyckas integrera data, team och teknik på ett strukturerat sätt lägger grunden för ansvarsfull AI-användning. De kommer också att ha ett försprång gentemot dem som avvaktar, säger Rasmus Dalsgaard.
Data och samarbete nycklar till framgång
Studien visar att 86 procent av respondenterna har någon form av samarbete mellan funktioner som AML, bedrägeribekämpning och informationssäkerhet. Nästan en tredjedel har redan fullt integrerade system för fallhantering – en förutsättning för att lyckas dra nytta av AI i praktiken.
Om undersökningen
Rapporten The road to integration: The state of AI and machine learning adoption in anti-money laundering compliance är en uppföljning till en liknande studie från 2021. Den ger en aktuell bild av hur AI och ML används inom AML-arbetet globalt. En interaktiv datavisualisering finns tillgänglig för att utforska resultaten utifrån region och institutionstyp.
Aktuellt
SENASTE
