La lotta al riciclaggio di denaro (AML, acronimo di Anti-Money Laundering) e ai crimini finanziari sono prioritari in Europa. Lo dimostrano ben 5 direttive dedicate al tema. La prevenzione e il contrasto al riciclaggio impongono alle banche e alle altre istituzioni finanziarie procedure lunghe e complesse, che fortunatamente possono essere semplificate dalla tecnologia. Ma prima di vedere in che modo, approfondiamo cosa prevede la legislazione in materia di AML.
Banche e normativa antiriciclaggio
Il Vecchio Continente ha varato 5 direttive antiriciclaggio, le ultime delle quali nel 2015 e 2018. In sintesi, le novità della quinta direttiva antiriciclaggio sono:
- estensione dell’ambito di applicazione agli operatori in valute virtuali;
- introduzione di regole più dettagliate per l’adeguata verifica;
- implementazione di misure di trasparenza rispetto alla titolarità di società e trust;
- potenziamento dei poteri delle Federal Intelligence Unit per promuovere collaborazione e analisi domestica.
Entrambe le direttive europee potenziano la prevenzione del riciclaggio e valorizzano un approccio imperniato sul rischio, fondamentale per definire misure preventive e controlli.
L’approccio imperniato sul rischio presuppone che le banche e gli altri intermediari finanziari adottino un sistema in continua evoluzione, che documenti e aggiorni periodicamente la valutazione del rischio e la metta a disposizione delle Autorità: Mef (Ministero dell’Economia e delle Finanze); Uif (Unità Informazione Finanziaria); Dia (Direzione Investigativa Antimafia); Nspv (Nucleo Speciale Polizia Valutaria).
Se le banche trattano con personaggi che hanno compiuto violazioni della normativa antiriciclaggio o sono sospettati di farlo, sono soggette a sanzioni molto elevate. In questo contesto, è essenziale che gli istituti di credito controllino prima le transazioni ai fini anti-riciclaggio e quindi dispongano di strumenti adatti e in tempo reale.
Il primo di questi è l’adeguata verifica della clientela. Concretamente, le banche consegnano ai clienti un questionario articolato, contenente domande ripetitive, da aggiornare e verificare periodicamente. Un’attività lunga e dispendiosa, che la tecnologia può rendere più semplice e fluida grazie a intelligenza artificiale (AI) e machine learning. L’AI indica la capacità dei software di svolgere funzioni e compiti tipiche dell’intelligenza umana. Il machine learning indica la capacità delle macchine di impiegare algoritmi per realizzare applicazioni che migliorano automaticamente le prestazioni nel tempo grazie ad analisi di nuovi dati e ad approcci analitici avanzati.
Come la tecnologia può semplificare l’antiriciclaggio
Nel dettaglio, AI e machine learning consentono alle banche di:
- superare i limiti delle soluzioni precedenti di AML grazie alla loro capacità di analizzare una grande mole di dati;
- ridurre i falsi positivi (ossia di coloro che sembra conducano attività di riciclaggio, sebbene non sia così);
- monitorare maggiormente i clienti ai fini dell’antiriciclaggio;
- classificare in modo più efficiente le operazioni.
Metoda Finance ha sviluppato una piattaforma basata su AI e machine learning per individuare riciclaggio e altri crimini finanziari: SICRAT 2.0.
Metoda Finance è una RegTech italiana nata nel 1991 che fornisce soluzioni su antiriciclaggio, segnalazioni di vigilanza (Banca d’Italia, EBA, ESMA, SRB, Consob), qualità dei dati, registro dei crediti, comunicazione all’Agenzia delle Entrate, automazione dell’attività creditizia. Metoda Finance fa parte di Hya Holding, gruppo privato che si pone come digital integrator globale, fornendo soluzioni software e infrastrutture digitali ad aziende dei settori telecomunicazioni, finanza, utility, servizi, PA, marittimo. La società conta più di 50 dipendenti e oltre 200 clienti. Tra essi, rientrano i principali gruppi bancari italiani, sim, sgr, intermediari finanziari non bancari, centri servizi, banche online e assicurazioni. Per loro Metoda Finance ha creato la piattaforma SICRAT 2.0.
La piattaforma SICRAT 2.0 di Metoda Finance
La piattaforma SICRAT 2.0 va a caccia di fenomeni di riciclaggio e criminali attraverso algoritmi basati sull’intelligenza artificiale, tecnologie biometriche, analisi dei big data, dei testi, della rete. Gli algoritmi analizzano miliardi di dati , confrontandoli con altri dati registrati in apposite basi dati. Grazie a questo confronto, gli algoritmi individuano ed esaminano le situazioni anomale o sospette, impiegando parametri di prodotto, cliente e tipo di rischio definiti ex ante. L’AI applica algoritmi basati su regole ben definite, ma al contempo grazie al machine learning apprende anche dalle diverse situazioni, adattandosi ai cambiamenti nelle transazioni e imparando nuovi modelli per rilevare meglio in futuro i crimini finanziari.
Inoltre, SICRAT 2.0 incorpora il deep learning per la progettazione di indicatori di anomalie basati sulla struttura delle transazione. Ciò significa che i modelli si avvalgono di variabili proxy, ossia variabili che ne sostituiscono altre sensibili non misurabili o non osservabili, ma altamente correlate a queste ultime. Per esempio, il codice di avviamento postale è correlato alla tabella provincia relativa a crimini di usura e frodi fiscali.
Ciò aiuta le banche a scovare le attività criminose e a prevedere quando un cliente non rimborserà un finanziamento o attuerà un’operazione fraudolenta. In particolare, gli ambiti in cui è più utile la piattaforma sono: adeguata verifica, monitoraggio delle transazioni e della clientela. I principali vantaggi che offre SICRAT 2.0 sono: riduzione delle attività ispettive, eliminazione o calo drastico dei falsi positivi nella scansione delle liste, valutazione del rischio. Così le banche sono sicure di rispettare le normative antiriciclaggio in modo semplice e fluido, avvalendosi delle più avanzate tecnologie.
