“Per un impiego efficace di intelligenza artificiale e ‘big data’ nel Aml non basta rafforzare le competenze matematiche o informatiche degli addetti anti-riciclaggio di banche e altri soggetti obbligati. Servono anche esperti di ‘scienze umane’ capaci, da un lato, di distinguere le anomalie statistiche dalle condotte realmente criminali e, dall’altro, di governare le ‘macchine intelligenti’ minimizzando distorsioni e rischi per la privacy”. Lo ha affermato Michele Riccardi, vice-direttore di Transcrime e amministratore di Crime&tech, in occasione della presentazione oggi, nel corso di un webinar, dello studio “Next Generation Aml: indagine tra le banche e gli altri soggetti obbligati in Italia sull’uso dei big data e dell’intelligenza artificiale in ambito anti-riciclaggio”, condotto da Crime&tech, spin-off di Università Cattolica del Sacro Cuore-Transcrime, e sponsorizzato da Sas.
“Machine learning, analisi di rete e altri approcci di Advanced Analytics, integrati in unico framework, consentono di superare i limiti delle soluzioni tradizionali di Anti Money Laundering. Ampliano il patrimonio informativo potenzialmente utilizzabile e consentono di potenziare gli attuali presidi di antiriciclaggio, per rilevare più facilmente nuovi schemi di riciclaggio non ancora identificati, come quelli che stanno emergendo con i piani di Recovery plan legati al Covid-19”, ha aggiunto Carmelo Garofalo, Fraud & Security Intelligence Practice Manager di Sas.