Мошенничество становится все более технологичным, а традиционные правила и разрозненные системы все хуже справляются с его скоростью. ИИ может помочь банкам быстрее выявлять аномалии, снижать число ложных срабатываний и видеть связи между счетами, устройствами и участниками схем. Но эффективность таких решений зависит от трех основополагающих факторов: высокого качества данных, объяснимости моделей и эффективного обмена информацией и сотрудничества между организациями.
Мошенничество все чаще развивается быстрее, чем компании успевают перестраивать контрольные процедуры. Эффективная antifraud-функция сегодня — это не только расследования после инцидента, а зрелая система раннего выявления, встроенная в продукты, процессы, культуру и бизнес-метрики. На примере банковской практики видно, почему организациям важно смотреть не только на отдельные подозрительные операции, но и на связи между участниками, скорость движения средств и собственные управленческие пробелы.
Корпоративное мошенничество принято связывать прежде всего с действиями конкретных нарушителей. Однако не менее важно понять, какие решения руководства позволили нарушениям возникнуть, приобрести масштаб и долго оставаться незамеченными. На примере двух обезличенных кейсов Элина Мошкович показывает, как конфликт интересов, ошибочно сконструированные KPI и недостаточная независимость контрольных функций превращают отдельные злоупотребления в системный риск для бизнеса.
