Jak w procesach AML ograniczyć wyniki false positive i false negative?

W procesach realizowanych przez instytucje obowiązane w obszarze przeciwdziałania praniu pieniędzy i finansowaniu terroryzmu kluczową rolę odgrywa rzetelne i wiarygodne weryfikowanie podmiotów oraz skuteczne wykrywanie transakcji podejrzanych.

Procesy te są obarczone ryzykiem wystąpienia błędów, spośród których na szczególną uwagę zasługują te związane z uzyskaniem wyników fałszywie pozytywnych lub fałszywie negatywnych, czyli odpowiednio false positive i false negative. Mogą mieć one znaczący wpływ na efektywność realizacji procesów AML oraz procesów KYC.

Czym są wyniki false positive?

False positive to wynik fałszywie pozytywny, który jest też nazywany fałszywym alarmem lub fałszywym pozytywem. Występuje on wtedy, gdy proces wyszukiwania, analizy i weryfikacji prowadzi do oznaczenia transakcji jako podejrzanej albo osoby lub podmiotu jako związanych z podwyższonym ryzykiem AML, chociaż w rzeczywistości nie istnieje żadne realne nielegalne działanie lub zagrożenie.

Wyniki fałszywie pozytywne mogą pojawić się na skutek problemów takich jak podobieństwo danych, brak lub niewłaściwe informacje kontekstowe, zbyt sztywne algorytmy i procedury czy niekompletność, niedokładność lub nieaktualność danych.

Oto kilka przykładów występowania wyników false positive w procesach KYC:

• Oznaczenie legalnie funkcjonującej firmy jako podejrzanej wyłącznie ze względu na działalność w sektorze wysokiego ryzyka AML, np. w handlu metalami szlachetnymi czy ubezpieczeniach. Takie błędne przypisanie może być wynikiem nadmiernie rygorystycznych oraz zbyt wąskich kryteriów weryfikacyjnych, a także niewłaściwego rozumienia de-riskingu.
• Oznaczenie osoby fizycznej jako związanej z podwyższonym ryzykiem AML w wyniku uzyskania informacji o tym, że istnieje osoba o tym imieniu i nazwisku, która ma status PEP lub RCA. W tym wypadku błąd może być rezultatem braku weryfikacji innych danych osobowych niż imię i nazwisko, np. gdy w danym kraju żyje kilka osób o tym samym imieniu i nazwisku.
• Rezygnacja z nawiązania współpracy lub realizacji transakcji z podmiotem, którego nazwa występuje na liście sankcyjnej. Błędna ocena podmiotu może wynikać z powtarzalności nazw lub występowania nazw złożonych z kilku słów.

Czym są wyniki false negative?

False negative to wynik fałszywie negatywny, który jest również określany jako fałszywe pominięcie lub fałszywy negatyw. Może on wystąpić w sytuacjach, gdy procesy wyszukiwania, analizy i weryfikacji nie powiadamiają o rzeczywiście podejrzanych transakcjach lub nieprawidłowo zidentyfikowanych podmiotach i osobach, uznając je za niegenerujące ryzyka AML.

Wyniki fałszywie negatywne mogą być skutkiem m.in. braku lub niewystarczającej ilości danych, złej jakości bazy źródłowej czy nieprawidłowych procedur identyfikacji, analizy i weryfikacji.

Przykładowymi sytuacjami związanymi z uzyskaniem wyników false negative są:

• Brak wykrycia beneficjenta rzeczywistego w wyniku zbyt pobieżnego procesu KYC w odniesieniu np. do podmiotu o skomplikowanej strukturze własnościowej.
• Brak zidentyfikowania osoby fizycznej jako wymagającej zastosowania wzmożonych środków bezpieczeństwa finansowego, np. na skutek braku sprawdzenia jej statusu PEP czy RCA.
• Podjęcie współpracy lub realizacja transakcji z podmiotem objętym sankcjami, ze względu np. na korzystanie z nieaktualnych list sankcyjnych lub niesprawdzenie wszystkich obowiązujących sankcji.

Jakie mogą być konsekwencje false positive i false negative?

Wyniki typu false positive i false negative mogą prowadzić do złych decyzji – zarówno z punktu widzenia prawnego, jak i biznesowego. Wzrasta przez to ryzyko związane z prowadzeniem działalności gospodarczej, podnosi koszty, generuje opóźnienia, pogarsza doświadczenia klientów oraz naraża firmę na dotkliwe sankcje regulacyjne m.in. w kontekście przepisów odnoszących się do przeciwdziałania praniu pieniędzy i finansowaniu terroryzmu (w tym sankcje administracyjne, finansowe, a nawet karne).

Błędy false positive mogą dodatkowo prowadzić do niezadowolenia klientów z powodu wydłużania procesów ich obsługi czy blokowania ich transakcji bez uzasadnionego powodu. Zaś błędy false negative mogą prowadzić do nieświadomego udziału firmy w procederach przestępczych i umożliwienia przeprowadza nielegalnych operacji finansowych.

Jak ograniczyć ryzyko wyników false positive i false negative?

Przeglądanie wyników fałszywie pozytywnych oraz próby zidentyfikowania wyników fałszywie negatywnych to jedne z najbardziej czasochłonnych zadań specjalistów ds. AML oraz compliance. Firmy muszą więc znaleźć równowagę między wykrywaniem false positive i false negative a minimalizacją ryzyka prawnego i biznesowego.

Chcąc ograniczyć ryzyko uzyskiwania wyników false positive i false negative w procesach KYC, konieczne jest stosowanie odpowiednich procedur oraz narzędzi do identyfikacji, analizy i weryfikacji transakcji oraz podmiotów, a także ich odpowiednia konfiguracja i dopasowanie do indywidualnej sytuacji.

Podstawową kwestią jest właściwy dobór parametrów, aby uwzględniać wszystkie kluczowe kryteria wyszukiwania, identyfikacji, weryfikacji oraz oceny ryzyka klienta jak i instytucji obowiązanej.

Dodatkowo, stosowane metody muszą bazować na wiarygodnych, dokładnych, szczegółowych, zharmonizowanych i na bieżąco aktualizowanych źródłach danych na temat m.in. beneficjentów rzeczywistych, sankcji, ostrzeżeń instytucji nadzorujących czy działalności i krajów wysokiego ryzyka. Mogą to być źródła pierwotne, np. unijne i polskie listy sankcyjne czy Centralny Rejestr Beneficjentów Rzeczywistych (CRBR).

Korzystanie z powyższych źródeł wymaga jednak dużo czasu i uwagi poświęcanych na mozolne sprawdzanie wielu baz danych. Dlatego korzystną opcją są kompleksowe i rzetelne rozwiązania takie jak Listy restrykcyjne iAML, gdzie w jednym miejscu i jednym wyszukiwaniem można dokonać sprawdzenia osoby lub podmiotu – na listach PEP i RCA, w CRBR, na listach sankcyjnych, liście ostrzeżeń KNF, listach PKD podwyższonego ryzyka oraz krajów podwyższonego ryzyka.

Ważną rolę odgrywa ponadto stosowanie zoptymalizowanych, dostosowanych do indywidualnej sytuacji i aktualnych algorytmów w systemach AML – takich, które skutecznie wykrywają podejrzane transakcje oraz ryzykowne podmioty poprzez np. analizę danych historycznych, sprawdzanie wielopoziomowych kryteriów oceny czy wykorzystywanie modeli predykcyjnych.

Niebagatelne znaczenie mają również szkolenia AML, które uczą pracowników odpowiedzialnych za przeciwdziałanie praniu pieniędzy i finansowaniu terroryzmu, jak prawidłowo dokonywać weryfikacji podmiotów i transakcji.

***

Chcesz mieć pewność, że rzetelnie weryfikujesz klientów i kontrahentów?
Chcesz ograniczyć liczbę wyników false positive i błędów false negative?

Skorzystaj z List restrykcyjnych iAML – kompleksowego, rzetelnego, ustrukturyzowanego, aktualnego i łatwego w użyciu narzędzia do weryfikacji osób oraz podmiotów!
Weź udział w eksperckim Szkoleniu iAML – w formie e-learningu, szkolenia stacjonarnego lub zdalnego, które będzie odpowiadało Twoim indywidualnym potrzebom!