AI时代的反洗钱：当机器发出警报时，谁来负责？

汇捷资讯监管合规关注「AI时代的反洗钱：当机器发出警报时，谁来负责？」。文中涉及Deriv。主体名称、时间、金额、牌照和监管结果以正文为准，不另作推断。

背景概述

根据 黄金形态通APP 报道，在线经纪商 Deriv Group 首席风险与合规官 Joanna Frendo 发表客座评论，探讨人工智能在反洗钱合规中的责任归属问题。文章指出，合规专业人士心中普遍存在一个疑问：当AI系统做出合规决策并出现问题时，谁该负责？这是一个治理问题，全球监管框架尚未给出明确统一的答案。AI正越来越多地嵌入受监管金融机构的合规运营中，交易监控、客户准入、风险评分和可疑活动检测等核心反洗钱与反恐融资职能，在许多全球机构中已部分或大幅由自动化系统驱动。这总体上是积极的发展，AI能处理人类团队无法匹配的体量，识别分析师难以捕捉的模式，并减少长期导致合规运营效率低下的误报负担。然而，AI并未解决问责这一根本问题。

关键要点

文章的核心要点包括：

• AML框架建立在人类做出判断的前提上，无论是合规官评估风险，还是洗钱报告官决定提交报告，每一步都有人可以被质询和问责。
• AI改变了这一链条，但并未取代它。系统发出警报、评分或升级，但人工复核往往因量大而流于形式，削弱了“人工签名”背后的实际判断。
• 全球监管机构开始要求AI模型必须可靠、透明、可解释。合规官面临实际挑战：如果监管机构要求解释数月前系统为何放行某笔交易，能否以经得起审查的方式说明？
• 重点应从“机器”做决策转向“机器”赋能专家判断。Deriv 实施了一套结构化AI驱动的工作流，确保透明度和人工主导的监督。
• 真正的问责需要与部署同步的治理层。每个AI辅助决策必须归入定义好的类别，部分可在预先批准的参数内自主执行，其他则需强制人工复核。每个类别必须在合规职能内指定内部负责人，而非技术职能，能够用平实语言解释特定决策的原因。

影响解读

文章对合规行业的影响解读如下：

首先，问责模糊性难以承受重大执法行动。当前责任分散在技术供应商、合规职能和高级管理层之间，这种模糊性在重大执法行动后将难以存续。

其次，将人工监督视为形式主义，会制造问责的表象而无实质。真正的合规文化，能够承受国际监管压力，建立在理解自身行动背后原因的人之上。

第三，机器可以发出警报，但无法被问责。责任仍在于围绕机器构建治理框架的人，而这正是责任应属之处。

第四，Deriv 的实践表明，AI驱动的工作流可以提升合规效率和一致性。当内部客户风险评估系统检测到客户活动提升风险时，AI工具自动触发，生成全面客户档案，包括所有相关个人详情和跨平台交易活动，确保实时描绘客户行为。专门的EDD分析代理进行初步评估，突出关注领域并提供可操作见解，使合规运营团队能快速行动。同一AI工具还能起草可疑活动报告或可疑交易报告，满足严格截止期限，如某些司法管辖区要求的24小时提交。

关键对比：传统AML与AI辅助AML

未来展望

文章认为，解决问责问题需要建立与AI部署同步的治理层。具体而言：

• 每个AI辅助决策必须归入定义好的类别，明确哪些可在预先批准的参数内自主执行，哪些需要强制人工复核。
• 每个类别必须在合规职能内指定内部负责人，而非技术职能，能够用平实语言解释特定决策的原因。
• 监管机构将越来越要求AI模型可靠、透明、可解释，合规官需要能够解释数月前的系统决策。
• 真正的合规文化应建立在理解行动背后原因的人之上，而非将人工监督视为形式。

文章总结道，机器可以发出警报，但无法被问责。责任仍在于围绕机器构建治理框架的人，而这正是责任应属之处。

编辑总结

Joanna Frendo 的评论指出了AI在反洗钱合规中一个关键但常被忽视的治理问题：问责。AI提升了效率和准确性，但并未改变AML框架以人类判断为基础的前提。当机器发出警报时，最终责任仍应由人来承担。Deriv 的实践展示了AI如何赋能而非替代专家判断，通过结构化工作流确保透明度和人工监督。然而，行业整体仍需建立明确的治理层，为每个AI辅助决策指定类别和内部负责人。监管压力将淘汰问责模糊的做法，真正的合规文化需要人们理解自身行动的原因。机器可以发出警报，但无法被问责——责任属于构建治理框架的人。