Migliorare la verifica aziendale con l’intelligenza artificiale: una nuova frontiera nella lotta globale contro la frode?

Damian Borth, professore del dipartimento AIML (Artificial Intelligence & Machine Learning, Intelligenza artificiale e apprendimento automatico) presso l'Università di San Gallo, spiega come l'utilizzo di dati aperti, standardizzati e di alta qualità sulle persone giuridiche all'interno di modelli di intelligenza artificiale può consentire interazioni aziendali più trasparenti, efficienti e sicure in tutto il mondo.

---

---

Nell'economia digitale globale di oggi, la verifica dell'identità delle persone giuridiche non è mai stata così fondamentale o impegnativa. Di conseguenza, vi è un crescente interesse nello sviluppo delle potenzialità della tecnologia dell’intelligenza artificiale (AI) al fine di automatizzare la verifica e il monitoraggio delle entità. Aumentando l’efficienza e l’efficacia dei processi di importanza fondamentale, è possibile ridurre il rischio di frode e altre attività criminali, contribuendo a creare un ambiente aziendale più sicuro per tutti.

Tuttavia, le sfide rimangono. Molte applicazioni di intelligenza artificiale esistenti non possono essere utilizzate perché i dati sottostanti non sono standardizzati, facilmente consumabili e condivisibili. Ciò comporta non solo lo spreco di una preziosa potenza di calcolo, ma aggrava anche errori sistemici.

Numerosi sviluppi, tendenze e iniziative recenti riguardanti gli standard dei dati e il monitoraggio delle transazioni affrontano le sfide che hanno tradizionalmente ostacolato le attività antiriciclaggio (AML). Potrebbe spiegare il ruolo che possono svolgere l'intelligenza artificiale e la tecnologia di apprendimento automatico?

L’intelligenza artificiale e l’apprendimento automatico promettono grandi passi avanti nell’affrontare le sfide antiriciclaggio migliorando l’efficienza e l’efficacia dei processi di monitoraggio e conformità delle transazioni. Queste tecnologie possono analizzare vasti set di dati per identificare modelli complessi o anomalie e individuare attività fraudolente, migliorando significativamente il rilevamento di transazioni sospette. Inoltre, l’intelligenza artificiale può adattarsi e imparare dai nuovi dati, il che la rende preziosa negli scenari AML in evoluzione in cui i truffatori e gli enti di monitoraggio cercano di superarsi a vicenda.

In che modo la combinazione della tecnologia di intelligenza artificiale e dei dati di alta qualità può aiutare a quantificare e gestire meglio i rischi aziendali globali?

L’intelligenza artificiale e le fonti di dati esterne di alta qualità possono migliorare significativamente la gestione dei rischi migliorando l’accuratezza della verifica aziendale. Gli algoritmi di intelligenza artificiale possono anche automatizzare il monitoraggio dei dati delle persone giuridiche, contribuendo a un ambiente finanziario globale più sicuro, riducendo al minimo il rischio di frode.

Man mano che le operazioni aziendali diventano sempre più automatizzate, come valuterebbe l'equilibrio tra il valore aggiunto e i rischi della tecnologia AI?

L’automazione dei processi di identificazione, resa possibile dall’intelligenza artificiale e dall’apprendimento automatico, offre maggiore efficienza e migliora l’accuratezza dei dati forniti, migliorando la conformità normativa e rafforzando la fiducia nelle transazioni commerciali.

Tuttavia, potrebbe anche introdurre rischi come potenziali errori sistemici, distorsioni interpretative o vulnerabilità della sicurezza informatica. Per ridurre tali rischi, è essenziale trovare un equilibrio tra l’automazione e la supervisione umana, nonché garantire solide misure di sicurezza.

Quanto sono importanti i dati aperti, affidabili, standardizzati e di alta qualità per la comunità del settore AI?

In breve, tali dati sono fondamentali e sono sempre stati considerati vitali per sviluppare con successo sistemi di intelligenza artificiale. Questo tipo di dati garantisce che i modelli AI siano addestrati su informazioni accurate, portando a risultati più efficaci e affidabili. La standardizzazione facilita l’interoperabilità tra sistemi AI diversi e migliora la riproducibilità della ricerca nell'ambito dell'AI. I dati di alta qualità riducono inoltre le distorsioni interpretative e migliorano le capacità decisionali dei modelli, il che è fondamentale per le applicazioni in settori sensibili come la finanza e i sistemi legali.

Ha collaborato con GLEIF su un modello per identificare e suggerire la forma giuridica corretta di un'entità. Potrebbe riassumere i risultati principali?

È innanzitutto importante riconoscere che identificare e comprendere la forma giuridica di un'entità è fondamentale per numerosi processi finanziari e aziendali. Tuttavia, le numerose forme giuridiche tra le giurisdizioni e all'interno di esse introducono una notevole complessità. La capacità di identificare automaticamente la forma giuridica di un'azienda e di collegarla al corrispondente codice ELF (Entity Legal Form, forma giuridica dell'Entity) può quindi sbloccare innumerevoli vantaggi: aumento della trasparenza, riduzione dei rischi e incremento dell'efficienza operativa.

La nostra collaborazione con GLEIF ha prodotto un modello di intelligenza artificiale, noto come LENU (Legal Entity Name Understanding, Comprendere il nome della persona giuridica), in grado di prevedere con precisione la forma giuridica di un'entità utilizzando solo il suo nome e la sua giurisdizione. Il modello linguistico che abbiamo addestrato è stato in grado di collegare modelli specifici nelle denominazioni giuridiche e nella nomenclatura specifica della giurisdizione per derivarne forme giuridiche. L'elevata precisione del modello dimostra le potenzialità dell'intelligenza artificiale nel migliorare l'affidabilità dei dati aziendali. Ciò può accelerare il processo di emissione dei codici LEI e ridurre significativamente l'impegno a livello di verifica manuale.

Abbiamo riassunto i nostri risultati in un documento di ricerca scientifica intitolato "Transformer-based Entity Legal Form Classification" (Classificazione delle forme giuridiche delle entità basate sui trasformatori). Lo studio evidenzia le notevoli potenzialità dei modelli basati sui trasformatori nel promuovere lo sviluppo della standardizzazione e dell'integrazione dei dati. L’introduzione della forma giuridica tramite dati standardizzati aggiunge maggiore sicurezza alle attività di associazione delle persone giuridiche, consentendo solide coppie di mappatura su più set di dati, poiché ogni persona giuridica può avere una sola forma giuridica.

L'elevata precisione del modello dimostra le potenzialità dell'intelligenza artificiale nel migliorare l'affidabilità dei dati aziendali. Ciò può accelerare il processo di emissione dei codici LEI e ridurre significativamente l'impegno a livello di verifica manuale.

In che modo i dati standardizzati delle persone giuridiche, come il codice LEI, potrebbero contribuire all'ecosistema di ricerca e sviluppo dell'intelligenza artificiale?

I dati LEI standardizzati arricchiscono la ricerca sull’intelligenza artificiale, fornendo un set di dati globale e coerente per l'addestramento e il test dei modelli di intelligenza artificiale in contesti finanziari e legali. Questa uniformità migliora l’affidabilità del modello tra le giurisdizioni e ottimizza le prestazioni delle soluzioni AI. I set di dati LEI possono anche facilitare la ricerca sull’intelligenza artificiale in aree quali il rilevamento delle frodi, la verifica delle entità e la conformità normativa. Fungendo da benchmark di riferimento, i dati LEI possono svolgere un ruolo chiave nella valutazione dei modelli AI nel settore finanziario.

Qual è il suo messaggio per il futuro?

Il futuro dell’intelligenza artificiale, potenziato da dati standardizzati e aperti, racchiude un immenso potenziale di trasformazione per i settori finanziario e legale. Sfruttando appieno questa sinergia, favoriremo rapidi miglioramenti che garantiranno sistemi finanziari globali più trasparenti, efficienti e sicuri. Questa evoluzione promette una maggiore conformità normativa, una riduzione delle frodi e una comprensione più profonda delle complesse reti finanziarie.

In sintesi, vedremo e comprenderemo di più su un mondo che attualmente non è ancora facilmente accessibile.

---