Att screena kunder och partners mot sanktions- och PEP-listor faller i kategorin delvis: AI kan utföra matchningen, men en människa bedömer varje träff och godkänner eller avvisar den, med motivering. Detta är inte en uppgift som ni överlämnar till AI och sedan släpper. Det är en uppgift där AI snabbar upp sökarbetet medan människan fortsätter fatta beslutet.
Tre faktorer avgör utfallet här: compliance, felkostnader och volym. Den sistnämnda, volym, är faktiskt gynnsam för automatisering: många företag screenar hundratals till tusentals relationer, ofta upprepat vid varje transaktion eller periodisk omprövning. Det är precis den typ av repeterbart, strukturerat arbete som AI är bra på — därav också poängen 4 på strukturerad grad.
Men compliance och felkostnader får båda en 1, och det drar utfallet mot 'delvis'. Sanktionslagstiftning (såsom Sanktiewet 1977, EU-förordningar och Wwft) är tvingande rätt. Ett falskt negativt — en träff som inte identifieras som en träff — kan innebära att ett företag gör affärer med en sanktionerad part. Felkostnaderna är då inte symboliska: det handlar om böter, straffrättsligt ansvar och skada på anseendet. Ett falskt positivt kostar tid och irritation, men går att åtgärda. Denna asymmetri är precis anledningen till att tillsynsmyndigheter förväntar sig att en människa gör den slutliga bedömningen, inte en algoritm.
Därtill kommer bedömningsutrymme: en poäng på 2. Att matcha namn är tekniskt enkelt, men att bedöma en träff — är 'Mohammed Al-Rashid' i ert CRM samma person som den likbenämnda posten på EU:s sanktionslista, eller en tillfällig namne? — kräver kontext, källdokument och ibland förfrågningar. Det är människoarbete, och det kommer det att fortsätta vara även när verktygen blir bättre.
En grossist registrerar en ny leverantör i CRM-systemet. Screeningverktyget matchar automatiskt företagsnamnet och styrelseledamotens namn mot aktuella EU-, OFAC- och nationella sanktionslistor. Det uppstår en träff: en styrelseledamot med ett liknande namn finns på en PEP-lista (politically exposed person). Det innebär inte automatiskt ett problem — PEP-status är en riskindikator, inte ett förbud — men en compliance officer måste utreda detta: rör det sig om samma person, och om så är fallet, vilken skärpt kontroll krävs då? Den bedömningen, med underlag, är den del som förblir människoarbete.
För ett företag med få internationella relationer och en låg riskprofil — tänk på en lokal tjänsteleverantör som nästan uteslutande arbetar med kända, inhemska kunder — är volymen av screeningar så låg att automatisering ger litet i utbyte. Där kan manuell kontroll fungera lika bra utan att ett automatiserat verktyg tillför mervärde.
Omvänt gäller: för en finansiell institution, ett handelsföretag med många gränsöverskridande relationer, eller ett företag som står under skärpt tillsyn, är volymen så hög och skyldigheten så strikt att manuell screening utan AI-stöd knappt är genomförbar längre. Där är ett screeningverktyg med aktuella listor ingen lyx utan i praktiken en nödvändighet — med det förbehållet att bedömningen av träffar förblir människoarbete.
Detta mönster — hög volym, höga felkostnader, strikt reglering — förekommer i vidare bemärkelse. Jämför det med vad kan AI ta över inom grossisthandeln, där internationell handel väcker liknande compliance-frågor, eller med vårdsektorn, se vad kan AI ta över inom vården, där patientsäkerhet innebär samma asymmetriska felkostnader.
En AI-agent kan idag: automatiskt matcha nya och befintliga relationer mot aktuella sanktions- och PEP-listor, tillämpa fuzzy matching på namnvarianter och translitterationer, prioritera vilka träffar som mest sannolikt är relevanta, och förbereda ett dossier med källdokument för granskaren. Det sparar avsevärt mycket utredningsarbete.
Randvillkoren är dock: de kopplade sanktionslistorna måste vara aktuella — listor ändras regelbundet, ibland med kort varsel — och varje träff bedöms manuellt av någon med befogenhet och kunskap att godkänna eller avvisa, med en dokumenterad motivering. Utan dessa två randvillkor är det inte en compliant process.
Denna sida beskriver en uppgift, inte en funktion eller ett team. Om och hur ni använder den frigjorda tiden för en compliance officer eller riskhanterare på annat sätt är ett val som ligger hos arbetsgivaren. För beslut som påverkar personalstyrkan gäller egna lagkrav som denna sida inte tar hänsyn till.
Vill ni veta hur många av timmarna i er funktion eller avdelning som redan idag går att stödja med AI? Den kostnadsfria snabbanalysen från ftetoai består av tolv frågor, kräver inget konto och ger en indikation på hur stor del av era uppgifter som redan nu går att överta med AI. Den fullständiga arbetsanalysen, som går djupare in på specifika processer som sanktionsscreening, är fortfarande under utveckling — den erbjuder vi alltså inte ännu, men vi meddelar här så snart den blir tillgänglig.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.