AI-система KYC/AML compliance
KYC (Know Your Customer) и AML (Anti-Money Laundering) — это не просто проверка документов. Это непрерывный процесс: верификация при onboarding, мониторинг транзакций на протяжении всего жизненного цикла клиента, автоматическое выявление подозрительных паттернов. При объёме в тысячи клиентов в день автоматизация неизбежна — регулятор при этом требует не просто «работает», но и «можем объяснить каждое решение».
Компоненты KYC-системы
Document verification. OCR + Computer Vision для паспортов, ВУ, СНИЛС, загранпаспортов. Extraction полей (ФИО, дата рождения, серия/номер) + проверка целостности документа (MRZ, голограммы, шрифты). Провайдеры: AWS Textract, Azure Document Intelligence, или собственная модель на базе TrOCR.
Identity matching. Сравнение фото в документе с селфи: face verification (1:1 matching) с порогом cosine similarity > 0.85 на эмбеддингах ArcFace/FaceNet. Liveness detection обязателен — без него KYC уязвим для атак с фото.
Sanctions & PEP screening. Автоматическая проверка по санкционным спискам и спискам политически значимых лиц. Fuzzy matching обязателен — имена транслитерируются по-разному, опечатки в документах. Levenshtein distance + phonetic algorithms (Soundex, Double Metaphone) для русских/арабских имён.
Enhanced Due Diligence (EDD). Для высокорисковых клиентов — автоматический сбор из открытых источников: новостной мониторинг (упоминания в контексте фрода/коррупции), корпоративные реестры, судебные базы. NLP для классификации тональности упоминаний.
AML: мониторинг транзакций
Две задачи: rule-based alerting (обязательные по регуляторным требованиям) и ML anomaly detection (ловит то, что правила не предусмотрели).
Обязательные правила (Росфинмониторинг): операции >600 000 руб., операции с наличными, операции с высокорисковыми юрисдикциями — это не заменяем ML, это compliance.
ML-слой работает поверх: выявляет структурирование (дробление сумм чуть ниже порога), unusual velocity, round-trip схемы (деньги уходят и возвращаются через цепочку), insider trading паттерны.
Graph-based AML — наиболее эффективный подход для выявления money laundering rings:
# Пример построения транзакционного графа
G = nx.DiGraph()
for txn in transactions:
G.add_edge(txn.sender_id, txn.receiver_id,
amount=txn.amount,
timestamp=txn.timestamp)
# Выявление циклов (layering patterns)
cycles = list(nx.simple_cycles(G))
suspicious_cycles = [c for c in cycles if len(c) <= 5]
# Community detection для выявления closed groups
communities = nx.algorithms.community.greedy_modularity_communities(G)
GraphSAGE на транзакционном графе обнаруживает coordinated laundering networks с precision 0.78, recall 0.82 на тестовых данных — значительно лучше, чем tabular модели (precision 0.61, recall 0.69).
Объяснимость для регулятора
ЦБ РФ и Росфинмониторинг требуют обоснования подозрительных операций при подаче СФТ (сообщение о финансовых транзакциях). Система должна генерировать читаемый текстовый отчёт, а не просто score.
SHAP для tabular модели: «транзакция помечена как подозрительная из-за: нетипичная сумма (+3.2σ), новая юрисдикция (Кипр, первый раз за 2 года), velocity превышает норму в 12x».
LLM-синтез отчёта по SHAP-объяснению + контексту транзакции: читаемый compliance-документ без ручной работы аналитика.
Практический кейс
Банк, onboarding 800 новых клиентов в день (физлица и ИП). Ручной KYC: 15–20 минут на клиента, команда из 12 человек. Задержки до 2 рабочих дней.
После внедрения AI KYC/AML:
- 73% клиентов проходят automated fast track за 3–5 минут
- 22% — дополнительные проверки с AI-подготовленным summary для аналитика (экономия времени аналитика: 70%)
- 5% — manual review (сложные случаи, документы плохого качества)
- Среднее время onboarding: 7 минут vs. 2 рабочих дня
- False positive rate по AML алертам снизился с 94% до 61% (меньше пустых проверок)
- 3 реальных AML-кейса выявлены ML-детектором, пропущенные правилами
Регуляторный контекст
В России: ФЗ-115 «О противодействии легализации...», требования Росфинмониторинга, Положение ЦБ 375-П. Все автоматизированные решения должны протоколироваться с обоснованием. Использование биометрии в KYC — ФЗ-152 + согласие субъекта.
Сроки: 8–14 недель для базового KYC + transaction monitoring, 4–8 месяцев для комплексной AML-системы с граф-анализом и auto-reporting.