重新思考现有的测试系统以创造潜力
每家银行都处理金融变动。这个数字根据银行的方向和重点而有很大差异。控制是这些金融运动的中心任务之一。这项任务必须在短时间内高质量地完成。这是确保遵守所有法律法规的唯一方法。
由于洗钱或欺诈，银行每年损失数十亿美元。此外，如果不按照流程执行此类控制，还会受到欧盟或 BaFin 的严厉处罚。除了行动和指南之外，例如在“了解你的客户”领域，还有其他行动领域。
这方面的一个例子是货币交易的禁运分析。所有财务变动都会受到检查。这是根据禁运和制裁清单进行的。这检查金融交易是否与融资和/或支持向国家、个人或组织转移某些商品直接相关。
银行已经使用系统来确保这一点。他们根据规则和规范检 医院联系清单 查交易，并可以快速决定哪些可以毫无问题地发布，哪些需要手动检查。
超过 64 亿笔交易需要检查——这是自动化必须支持的地方
由于规格复杂，部分资金动向仍需人工核对，耗费大量精力。在典型情况下，大约有百分之二的情况需要手动控制。每年交易量为 64 亿笔（持续增长），这意味着每年需要手动控制 1.29 亿笔交易。如果每笔交易平均花费 30 秒，这相当于 200 多年的时间花费。
通过使用机器学习算法等现代人工智能方法，可以克服这一挑战，并可以显着减少需要手动检查的金融交易数量。这些程序可用于识别实体（例如发件人、收件人或预期用途），而这些实体又可以根据一组规则（禁运和制裁名单）进行检查。
adesso 的方法确保在最短的时间内取得成功
adesso 提供了一个平台来工业化这种方法，并建立在我们客户使用的既定方法的基础上。该平台提供的微服务可以适应每种支付格式和银行的个性化要求，因此可以不断开发（培训）。
为了完美服务于每种支付格式的特殊功能，为每种支付格式构建了单独的神经网络。简单来说，神经网络是不同节点的连接来处理数据，从而保证单个实体的高识别率。根据客户要求对机器学习模型进行个性化调整是客户的财产，并且直接作为相应银行的知识。
通过这种方法实现的处理质量和速度优于纯粹基于规则的方法。此外，这种方法还可以用于高度监管的环境中。根据要求和情况，选择其他实施和项目方法。
一般来说，我们的方法基于敏捷方法。在将在三个月内推出的最小可行产品（MVP）中，数据、人工智能模型、规则和规范将在目标概念中进行检查和实施。然后将 MVP 投入生产。重点是透明度以及高质量和安全性，每项行动都会与客户讨论和协调。
结论
综上所述，可以说，基于机器学习算法的方法可以显着提高质量，减少人工工作量，并快速实现投资回报 (ROI)。
您想了解更多关于 adesso 世界中令人兴奋的话题吗？那么请看一下我们之前发布的博客文章。