È stato presentato oggi, nel corso di un webinar, lo studio Next Generation AML: indagine tra le banche e gli altri soggetti obbligati in Italia sull’uso dei big data e dell’intelligenza artificiale in ambito anti-riciclaggio, condotto da Crime&tech, spin-off di Università Cattolica del Sacro Cuore - Transcrime, e sponsorizzato da SAS.
Lo studio, il primo di questo tipo mai condotto in Italia, ha indagato gli ambiti d’impiego, i benefici, i rischi e gli ostacoli all’adozione di soluzioni tecnologiche avanzate per il contrasto al riciclaggio di denaro e al finanziamento del terrorismo (AML/CFT) da parte di banche, assicurazioni, istituzioni finanziarie e società di giochi/scommesse in Italia. Le informazioni sono state raccolte tramite un questionario online, un focus group e interviste bilaterali, coinvolgendo un campione di più di 40 soggetti obbligati che rappresentano circa il 50% del totale attivo del settore finanziario e del gaming nel nostro paese.
Tra i principali risultati (lo studio completo è disponibile qui) il rapporto rileva che:
• Solo il 53% dei rispondenti utilizza soluzioni tecnologiche avanzate in ambito AML/CFT, ma la percentuale è ancora più bassa (39%) tra i soggetti più piccoli (con meno di 3,000 dipendenti);
• C’è però un forte interesse verso queste soluzioni, con l’84% del campione pronto a fare investimenti nel prossimo futuro per adottarle e/o rafforzarle se già adottate;
• Intelligenza artificiale (AI), analisi di Big data ed analisi testuale sono le soluzioni più impiegate mentre tecnologie biometriche, blockchain e cloud computing quelle meno diffuse;
• L’uso di soluzioni tecnologiche avanzate in ambito AML è percepito come efficace, soprattutto nel transaction monitoring, nel monitoraggio continuo della clientela e nella riduzione dei falsi positivi;
• I falsi positivi generati dai sistemi AML in uso rappresentano in media il 46% delle operazioni e/o clienti identificati come ‘ad alto rischio’. Per un terzo del campione (soprattutto in ambito bancario) il valore dei falsi positivi è stimato addirittura all’80%;
• I costi elevati, le difficoltà di personalizzazione e integrazione rappresentano l’ostacolo principale all’adozione di soluzioni avanzate in ambito AML/CFT.
• Le informazioni più utilizzate oggi dai sistemi AML sono i dati sulle transazioni, le anagrafiche della clientela e le ‘liste’ (persone politicamente esposte, precedenti giudiziari e adverse media). Dati camerali e societari non risultano impiegati in maniera sistematica.
• Le iniziative ritenute più utili da adottare a livello nazionale per facilitare l’adozione di soluzioni AML/CFT avanzate sono l’introduzione di incentivi di natura economica (es. sgravi fiscali per investimenti in questo ambito) e corsi di formazione/aggiornamento.
«Per un impiego efficace di intelligenza artificiale e big data nel AML non basta rafforzare le competenze matematiche o informatiche degli addetti anti-riciclaggio di banche e altri soggetti obbligati - ha affermato Michele Riccardi, vice-direttore di Transcrime e amministratore di Crime&tech -. Servono anche esperti di ‘scienze umane’ capaci, da un lato, di distinguere le anomalie statistiche dalle condotte realmente criminali e, dall’altro, di governare le ‘macchine intelligenti’ minimizzando distorsioni e rischi per la privacy».
«Machine learning, analisi di rete e altri approcci di Advanced Analytics, integrati in unico framework, consentono di superare i limiti delle soluzioni tradizionali di Anti Money Laundering - ha aggiunto Carmelo Garofalo, Fraud & Security Intelligence Practice Manager di SAS -. Ampliano il patrimonio informativo potenzialmente utilizzabile e consentono di potenziare gli attuali presidi di antiriciclaggio, per rilevare più facilmente nuovi schemi di riciclaggio non ancora identificati, come quelli che stanno emergendo con i piani di recovery plan legati al Covid-19».
