Houd je van cookies? 🍪 We gebruiken cookies, we gaan gewoon naar onze website, we slaan geen persoonlijke gegevens op. Door onze site te gebruiken, lezen we je graag Cookiebeleid, Privacybeleid en Servicevoorwaarden.
Het digitale tijdperk heeft KYC-analisten een ongekende toegang verschaft tot een overvloed aan informatie over personen en bedrijven. Krantenartikelen, online blogs en sociale media zijn met één klik toegankelijk en filterbaar en kunnen belangrijk nieuws over een klant van een financiële instelling aan het licht brengen. Door de overvloed aan gegevens, onvolledige en onbevestigde informatie en nepnieuws is de analyse van negatieve media echter een last geworden voor compliance-afdelingen, wat het tijdperk inluidt van kunstmatige intelligentie en machine-learning voor het screenen van klanten.
Adverse media checks, ook wel bekend als negative news checks, is het proces waarbij een cliënt van een financiële instelling (particulier of bedrijf) wordt gescreend op nieuwsartikelen, gerechtelijke vervolging of soortgelijke inhoud die van invloed kan zijn op het uiteindelijke risico van de cliënt door zijn betrokkenheid bij witwassen, terrorisme, fraude, belastingontduiking of andere soorten misdrijven aan het licht te brengen.
Deze inspectie begint bij het begin van de zakenrelatie en maakt deel uit van de voortdurende beoordeling van het klantenrisico, zoals uiteengezet in KYC/CDD regelgeving die alle financiële instellingen moeten naleven. Het doel is de potentiële bedreigingen te beperken die uitgaan van criminelen die gebruik willen maken van de financiële diensten van de instelling, de transparantie van elke transactie te waarborgen, de reputatie van de instelling te beschermen, eventuele juridische repercussies te voorkomen en de financiële markten te vrijwaren van misbruiken.
Het resultaat van de analyse kan leiden tot de niet-aanvaarding van de cliënt, de verhoging van het risico van een cliënt, de indiening van een SAR, of de beëindiging van de relatie met de cliënt.
Wat is de wetgeving achter nadelige media?
Op internationaal vlak heeft de Financiële Actiegroep Witwassen van Geld (FATF) in haar Risk-Based Approach Guidance identificeert nadelige zoekopdrachten in de media als onderdeel van de "Enhanced Due Diligence" (EDD)-praktijk met betrekking tot de risicobeoordeling van individuele klanten.
De Wolfsberg Groep stelt een gelijkaardig concept voor in haar Correspondent Banking Due Diligence Questionnaires, screening van negatief nieuws een onderdeel te maken van de risicogebaseerde benadering voor sectoren of groepen die een hoger risico vormen voor financiële instellingen, zoals correspondentbankieren en politiek prominente personen (PEP's).
In Europa dook het begrip negatief nieuws voor het eerst op in de vierde anti-witwasrichtlijn, 4AMLD van 20 mei 2015. Het beschrijft de noodzaak om te screenen op schadelijke media als onderdeel van het EDD-proces en moet ook worden toegepast wanneer er een toename is van de hoeveelheid informatie die nodig is voor Customer Due Diligence (CDD)-doeleinden.
In de Verenigde Staten heeft FinCEN in haar definitieve regel commentaar gegeven op haar Customer Due Diligence Requirements for Financial Institutions stelt dat financiële instellingen op risico gebaseerde procedures moeten ontwikkelen om te bepalen of aanvullende screening, met name "negative media search programs", aangewezen is.
Welke bronnen worden gebruikt voor het screenen van negatief nieuws?
Negatief nieuws kan worden afgeleid uit een verscheidenheid van officiële nieuwsbronnen of ongestructureerde gegevensbronnen zoals sociale media, internetfora of databanken.
Het is echter altijd belangrijk om de kwaliteit, de geloofwaardigheid en de onafhankelijkheid van de bron die u gebruikt te controleren om niet het risico te lopen bevooroordeeld, gedeeltelijk of nepnieuws te gebruiken.
Nieuwsartikelen verschaffen niet alleen elementen over één enkel individu of bedrijf, maar kunnen ook de namen bevatten van directe of indirecte connecties met andere individuen of bedrijven die een bedreiging kunnen vormen voor de financiële instelling.
De bronnen die worden gebruikt voor het screenen van schadelijke media kunnen talrijk zijn en zijn afhankelijk van de doelstellingen van de sector. De bronnen variëren van primaire zoekmachines tot sanctielijsten, overheidslijsten, andere officiële bestanden, sociale media en alle andere informatie die accurate informatie kan verschaffen om het doel van het onderzoek te dienen.
Hoe kan ik handmatig naar negatief nieuws zoeken?
De meest gebruikelijke manier om handmatig te zoeken naar negatief nieuws met betrekking tot een klant is door de naam (of afkorting) van de persoon of het bedrijf in te voeren in een zoekmachine. Verschillende zoekmachines, zoals Google, bieden een functie waarmee men uitsluitend nieuwsartikelen kan zoeken. Zodra een nieuwsbericht is gevonden, zullen de compliance-analisten het bekijken en vergelijken met de persoonlijke informatie van de klant om te bepalen of het artikel een echte hit is met potentiële impact of een vals-positief.
Handmatig zoeken is echter tijdrovend en moeizaam. Alleen al de hoeveelheid informatie die op het internet te vinden is, maakt een nauwkeurig en grondig onderzoek onmogelijk. Het kan als ondoeltreffend worden beschouwd omdat mediabronnen kunnen worden gemist, artikelen in verschillende talen kunnen zijn die de analist niet kent of niet in aanmerking neemt, en bepaalde bronnen slechts beperkt toegankelijk kunnen zijn. Dit is moeilijk vol te houden als de financiële instelling snel groeit en er dagelijks nieuwe cliënten bijkomen.
Naar schatting wordt er dagelijks 2,5 exabytes aan gegevens gecreëerd. Dat is 1 miljard gigabyte of het equivalent van elke dag 15.625.000 nieuwe smartphones met 64 GB geheugen in handen hebben.
Hoe kunnen geautomatiseerde hulpmiddelen helpen bij het opsporen van schadelijke media?
Software die is afgestemd op de behoeften van de financiële instelling kan het screeningproces voor negatief nieuws automatiseren, waardoor de tijd die nodig is om media-inhoud te zoeken, wordt verkort en de nauwkeurigheid van de juiste treffers wordt verhoogd.
Veel geautomatiseerde instrumenten bieden globale, gecureerde inhoud die in real time feedback kan geven en die regelmatig wordt bijgewerkt. Zij maken het ook mogelijk om rapporten en statistieken te genereren over het aantal echte hits voor de gescreende klant(en), met slechts één klik op de knop. Bepaalde tools bieden managementfuncties voor het beoordelen en waarderen van de informatie die in de software wordt verstrekt. Screening kan ook zo worden ingesteld dat het automatisch op een bepaalde periode, tijd of datum wordt uitgevoerd, waardoor de analist meer vrijheid heeft.
Tijdens het KYC/CDD-proces, zowel de onboarding- als de toetsingsfase, worden diverse risico's voor cliënten vaak waargenomen dankzij geautomatiseerde instrumenten.
Ondanks de talrijke voordelen kunnen screeninginstrumenten voor ongunstige media duur en moeilijk op te zetten zijn, omdat parameters moeten worden ingesteld, drempels moeten worden aangepast (te grote drempels kunnen resulteren in een overvloed aan valse treffers, terwijl te kleine drempels belangrijke artikelen kunnen uitsluiten), wanneer geautomatiseerde controles moeten worden uitgevoerd, welk gewicht aan welke trefwoorden moet worden toegekend, en welke bronnen moeten worden gebruikt.
Een consultant inhuren om u te helpen bij het opzetten van de screeningtool voor negatief nieuws van uw financiële instelling, bevrijdt u van de last om dit zelf te moeten doen en biedt u jarenlange expertise op het gebied van het tot een minimum beperken van vals-positieve berichten.
Wat is de toekomst van screeninginstrumenten voor schadelijke media?
Softwareontwikkelaars zijn begonnen kunstmatige intelligentie, machinaal leren en natuurlijke taalverwerking te integreren in hun screeningtools voor schadelijke media voor betere prestaties en ongeëvenaarde precisie.
Machine-learning, een reeks computeralgoritmen die in staat zijn ervaring te verbeteren, kan nu artikelen scannen tegen een ongelooflijke snelheid en met een diepgang en nauwkeurigheid die ongeëvenaard is in vergelijking met andere geautomatiseerde standaardhulpmiddelen.
Kunstmatige intelligentie is in staat om in een artikel te beoordelen of de naam van een individu of een bedrijf betrokken is bij een misdrijf of slechts genoemd wordt in de nieuwsbron. Alleen al uit de taal van het artikel kan het ook afleiden wat het algemene sentiment is dat het artikel probeert uit te drukken, d.w.z. of de persoon die in het artikel wordt genoemd, betrokken is bij iets negatiefs of iets positiefs, en hoe negatief de bewoordingen en uitdrukkingen zijn.
De nieuwe instrumenten scheren ook niet alleen de oppervlakte van mediabronnen af, maar graven diep in het open web, het deep web en alle soorten gestructureerde en ongestructureerde inhoud. Natural language processing (NLP), een subgebied van de kunstmatige intelligentie dat grote hoeveelheden gegevens in natuurlijke taal kan analyseren, is in staat nieuws in andere talen vast te leggen dat onmogelijk zou zijn indien dit zowel handmatig als met traditionele geautomatiseerde hulpmiddelen zou gebeuren.
De software van de toekomst, die nu al in productie is, zal een buitengewone kracht hebben bij het vastleggen van schadelijke media-inhoud over personen en bedrijven, waardoor manueel zoeken en klassieke geautomatiseerde instrumenten overbodig worden en de prestaties van compliance-afdelingen worden verbeterd.
Wat is «fuzzy matching?»
Fuzzy matching is een functie van veel geautomatiseerde screeningprogramma's voor negatief nieuws waarmee alle naamvarianten en spelfouten van personen en bedrijven kunnen worden opgespoord, bijvoorbeeld Elizabeth, Elisabeth, of Elsbeth. Het is nuttig voor financiële instellingen die klanten hebben met namen in een andere taal die kunnen variëren afhankelijk van het gebied waar ze vandaan komen. Een voorbeeld hiervan zijn Arabische namen die vaak variaties hebben zoals het gebruik van "bin" of "ben" voor hun achternaam.
Hoe kunnen financiële instellingen hun screening van negatief nieuws verbeteren?
Er zijn een aantal maatregelen die financiële instellingen kunnen nemen om hun screening van negatieve media te verbeteren. Hieronder volgen enkele tips:
1
Negatief nieuws screeningsbeleid: het opstellen van een welomschreven beleid kan de doeltreffendheid van het screeningproces verhogen en tijdverlies verminderen. Het moet bepalen wie moet worden gescreend, door wie en hoe vaak; het moet de verschillende bedrijfslijnen coördineren, de procedure voor de escalatie van echte hits vastleggen, en bepalen welke acties moeten worden ondernomen na de analyse van een echte hit (bijvoorbeeld het schrijven van een SAR of het beëindigen van de relatie met de cliënt).
2
Geautomatiseerde hulpmiddelen: financiële instellingen zouden moeten investeren in een geautomatiseerd instrument, aangezien dit tijd bespaart, nauwkeuriger is dan handmatig zoeken, en automatisch rapporten genereert.
3
Booleaans zoeken op internet: Als een financiële instelling momenteel niet kan investeren in een geautomatiseerd instrument, betekent dit niet dat zij haar cliënten niet zou moeten screenen op negatief nieuws. Een Booleaanse internetzoekopdracht maakt het mogelijk de naam van een persoon of een bedrijf te combineren met trefwoorden die verband houden met negatief nieuws door gebruik te maken van AND of OR om een string te creëren. De trefwoorden kunnen zijn "witwassen van geld" of "fraude". Het is een soort handmatig zoeken. Men moet zich er echter van bewust zijn dat de meeste zoekmachines een beperking stellen aan de lengte van de zoekopdracht, wat betekent dat variaties van de trefwoorden kunnen worden uitgesloten van de string (bijvoorbeeld fraude en frauduleus).
4
Kwaliteit klantgegevens: Als uw financiële instelling investeert in een geautomatiseerd instrument, zorg er dan voor dat uw klantgegevens up-to-date en volledig zijn. De software zal die informatie gebruiken bij het screenen tegen externe negatieve nieuwsdatabases. Door de klantgegevens te verrijken en de kwaliteit ervan te verhogen, kan de tool de kwaliteit van de overeenstemmingsresultaten verbeteren.
This article is clear, professional and interesting. It really stimulates me to know more about ways to protect individual reputation even if it is not directly linked to financial analysis . I thank dr. Siggia for this important hint!
This article is full of informative. I can relate very well. Because I'm part of same profile. With one of blue chip company. For eg: Adverse Media Screening, Sanctions Screening, Financial Crimes etc.
Wat zijn lege vennootschappen en wat zijn hun AML-risico's? Leer wat een lege vennootschap is, hoe ze worden gebruik...
Red FlagsTue 30 May 2023
Deskundigen op het gebied van risicobeheer en compliance met de regelgeving
Pideeco is een adviesbureau dat juridische diensten, zakelijke oplossingen, operationele assistentie en educatief materiaal biedt voor professionals in de financiële sector.
We zijn gevestigd in Brussel en zijn gespecialiseerd in diensten voor het naleven van wettelijke risico's in de eurozone.
Pideeco combineert professionele kennis van regelgeving en technische expertise om het bedrijfsreputationele en operationele risico te beschermen. Onze unieke klantgerichte aanpak helpt ons bij het bouwen van strategische en legitieme kostenefficiënte oplossingen.
Als u met ons als team werkt, betekent dit dat u complementaire mensen kunt bereiken, wat out-of-the-box denken en innovatieve visie.
This article is clear, professional and interesting. It really stimulates me to know more about ways to protect individual reputation even if it is not directly linked to financial analysis . I thank dr. Siggia for this important hint!
This article is full of informative. I can relate very well. Because I'm part of same profile. With one of blue chip company. For eg: Adverse Media Screening, Sanctions Screening, Financial Crimes etc.