Bir atom fizikçisi, birinin üzerine basmadan önce gömülü bir kara mayınını ortaya çıkarabilecek molekülü arar. Yıllar sonra, bankaların meşru görünen insanlar, şirketler ve ödemeler zincirinin içinde saklanan dolandırıcıyı bulmasına yardımcı oluyor.
Bu bir şaka gibi görünebilir, ancak Ari Tuchman'ın kariyerinin ve 2009 yılında kurduğu Quantifind'in arkasındaki fikir tam olarak bu. Kara mayınları ile kara para aklama arasındaki bağlantı sinyal tespitidir: Hiçbir anlam ifade etmeyen büyük bir bilgi yığını içinde tehlike anlamına gelen küçük bir ipucunu bulmak.
Stanford'da Tuchman, kara mayınlarıyla ilişkili eser miktardaki patlayıcıyı tespit etmek için tasarlanmış kuantum sensörler üzerinde çalıştı. Makine öğrenimi, bu küçük kimyasal sinyali atmosferdeki sıradan moleküllerden ayırmaya yardımcı oldu, böylece tehdit bir kişi zor yoldan öğrenmeden önce tespit edilebiliyordu.
Parayı takip edin ve sorun şaşırtıcı derecede benzer görünüyor. Dolandırıcılar kendilerini belli etmezler. Bir şirketin, bir karşı tarafın, bir yöneticinin veya her biri tek başına meşru görünebilecek bir dizi işlemin arkasına saklanırlar.
Quantifind, parayla birlikte hareket eden ilişkileri (karşı taraflar, yöneticiler, kurumsal bağlantılar, haber raporları ve diğer bağlantılar dahil) tarayarak ait olmayan kişi veya kuruluşu bulur. Bu, önünüzdeki zeminin güvenli olmadığını söyleyen molekülü havada bulmanın mali suç eşdeğeridir.
Mali Suçların Yüzde 99 Sorunu
Quantifind'i bu şekilde tanımlamak, mali suç taramasında neyin bozuk olduğunu da ortaya koyuyor. Bankalar olası sinyalleri toplamada çok iyi hale geldi, ancak hangilerinin önemli olduğuna karar vermede yeterince iyi değiller.
Tuchman, PYMNTS CEO'su Karen Webster'a yaptığı açıklamada, "Sektörün yüzde 99 yanlış pozitif beklentisi olduğunu unutmamalısınız. Başka hangi endüstriler bu düzeyde bir hatayı tolere ediyor?" dedi.
Bankalar bu noktaya dikkatsiz oldukları için gelmedi. Yanlış bir negatif, bir kara para aklayıcının, dolandırıcının veya ulusal güvenlik tehdidinin geçmesine izin verebilir, bu nedenle eski sistemler mümkün olan en geniş ağı atar ve araştırmacılara yakaladıkları hemen her şeyi verir.
Sonuç, gürültü üzerine inşa edilmiş bir soruşturma sistemidir. Yanlış pozitifler zaman ve para tüketir, meşru müşterileri incelemeye tabi tutar ve gerçekten tehlikeli sinyali görmeyi zorlaştırır çünkü hiçbir yere varmayan çok büyük miktardaki uyarıların altına gömülüdür.
Webster, yanlış yapmanın maliyetine daha keskin bir vurgu yaptı. Sonuçlar sadece paradan ibaret değil. Kötü bir değerlendirme bir işlemi durdurabilir, bir hesabı kapatabilir veya meşru bir müşteriyi soruşturmaya çekebilir.
Tuchman, Quantifind'in görevinin, araştırmacılara ulaşmadan önce kötü uyarıları azaltmak olduğunu, şüpheli faaliyetlerin işlem gerektirip gerektirmediğine karar vermekten sorumlu kişilerin yerini almak olmadığını söyledi. Bu ayrım, yapay zeka bir riski bulmaktan onun üzerinde harekete geçmeye geçtikçe daha da önemli hale geliyor.
Para Hareketine Uygulanan Dokuz Derece Ayrılık
Tek başına bir işlem genellikle en önemli soruyu cevaplayamaz: Bunun arkasında gerçekte kim var? Tuchman, Çin'den Meksika'daki bir üretim tesisine sevk edilen plastikleri ve ardından bitmiş ürünlerin Kaliforniya'ya gitmesini örnek gösterdi.
Bu ticaret ve ödeme modeli bir oyuncak üreticisini tanımlayabilir veya fentanil kaçakçılığını gizleyebilir. Cevap mutlaka sevkiyatın veya ödemenin kendisinde değil, etrafındaki ağda ve şirketlerin, yöneticilerin, karşı tarafların ve geçmişlerin birbirine uyup uymadığında yatar.
Az geçmişi olan yeni kurulmuş bir şirket daha yakından incelenmeyi hak edebilir; tıpkı faaliyet gösterdiğini iddia ettiği sektörle tuhaf bir şekilde bağlantısız görünen bir kuruluş gibi. Quantifind, bir araştırmacının tüm zinciri görebilmesi için bankaların düzinelerce ayrı veri kümesini bir araya getirmek zorunda kalmaması adına bu çevresel kaynakları birleştirir.
Suçlular Ajan Edindiğinde
Acil durum artıyor çünkü yapay zekaya erişenler sadece bankalar değil. Bir zamanlar sahte e-postalar, faturalar veya kimlikler üretmek için insanlara ihtiyaç duyan bir suçlu, bu işin çoğunu artık otomatikleştirebilir ve daha önce imkansız olan bir ölçekte yapabilir.
Tuchman, "Artık bir ajanın günde 10.000 tane üretmesini anında sağlayabilirim," dedi. Webster stratejik soruyu net bir şekilde ortaya koydu: "Suçluların kendi ajanları olduğunda ne olur?"
Bu, bankaların bulması gereken sinyalin hem hacmini hem de şeklini değiştiriyor. Ayrıca Tuchman'ın en büyük genel amaçlı dil modelinin her mali suç işi için otomatik olarak doğru cevap olduğu konusunda neden şüpheci olduğunu açıklamaya da yardımcı oluyor.
Bazı tarama kararlarının birkaç yüz milisaniye içinde alınması gerekirken, diğer görevler saatler içinde 100 milyon varlığın taranmasını gerektirebiliyor. Bunlar, hız, doğruluk ve kontrolün bir modelin her şeyden biraz yapabilme yeteneğinden daha önemli olduğu özel, yüksek hacimli mühendislik problemleridir.
Tespit Karar Değildir
Tuchman, büyük bankaların riski tespit eden ajanlara hızla yöneldiğini, ancak bir müşterinin kaderine karar verebilecek ajanlar konusunda çok daha dikkatli olduklarını söyledi. Bazı bankalar kendi iş akışı ajanlarını oluşturuyor ve istihbarat için dış sistemler kullanıyor, diğerleri ise daha çok satıcılara güveniyor.
Quantifind, risk sinyallerini bankanın seçtiği herhangi bir ajana veya iş akışına sağlayabilir veya yazılım yığınının daha fazlasını kendisi sunabilir. Tuchman bu role aracı yazılım (agentic middleware) adını veriyor. Basitçe ifade etmek gerekirse Quantifind kanıtları bulur ve düzenler, ardından bankanın sistemine ve araştırmacılarına bundan sonra ne olacağına karar vermeleri için teslim eder.
Tuchman, "Temel bir modelin insanları bankadan atmasına, hesaplarını kapatmasına, paralarını otomatik olarak federal yetkililere teslim etmesine izin verirseniz, başınızı belaya sokarsınız," dedi. Önemli kararlar üzerindeki kontrolün şimdilik insanlarda kalmasını bekliyor ve önümüzdeki 12 ay içinde büyük bankalarda tamamen aracı karar vermenin standart hale gelmesini beklemiyor.
Beş yıl içinde bankaların bu çizgiye çok daha yaklaşacağını tahmin ediyor, bu da yönetişimin olaydan sonra yapılan bir inceleme olmaktan çıkıp sistemin bir parçası haline gelmesi gerektiği anlamına geliyor. Ayrıca yapay zekanın kendi performans raporlamasını üretmesini, potansiyel olarak FinCEN veya OCC gibi düzenleyicilere kararların ve doğruluğun otomatik ölçümlerini sunmasını ve insanların sonuçları kontrol etmesini bekliyor.
