EU-Kommissionen ser ud til at understøtte et øget samarbejde imellem den private og den offentlige sektor i relation til bekæmpelse af økonomisk kriminalitet. I en årrække har forskellige lovgivninger været lidt modsat rettede for finanssektoren, men det synes nu at lysne.

Det gælder blandt andet oplæggene omkring et fælleseuropæisk hvidvasktilsyn, men også med indlæg og i bemærkninger til lovforberedelserne åbnes der for, at der i national lovgivning kan åbnes for intensiveret samarbejde og data deling, imellem den private sektor og de offentlige myndigheder vedrørende bekæmpelse af økonomisk kriminalitet.

Politiforliget i Danmark fra december er et positivt fremskridt i den retning sammen med finanssektorens signifikante investeringer på området.

Også European Banking Federation har, med sine fire primære anbefalinger om hvordan det samlede forsvar mod hvidvask vil kunne forbedres i Europa, sat fokus på teknologi, samarbejde og informationsdeling samt harmonisering af EU landenes AMF/CFT lovgivning.

Disse anbefalinger, Finans Danmarks anbefalinger og politiforliget kunne åbne for en ny epoke i Danmark, hvor der i langt højere grad vil kunne samarbejdes om bekæmpelse af hvidvask, terrorfinansiering, og svindel mellem den private sektor og de offentlige myndigheder.

Det ville være meget positivt og kunne øge det kvalificerede forsvar mod den type kriminalitet i det danske samfund.

Den teknologiske understøttelse har desuden aldrig været bedre, og hovedparten af de nye it-løsninger der kan løse disse opgaver anvendes allerede mange steder - også i Danmark.

SAS Institute ser tre hovedområder, hvor et nyt samarbejde naturligt kan etableres imellem den private sektor, den offentlige sektor og myndighederne omkring bekæmpelsen af hvidvask:

1. Datadeling imellem den private og den offentligt sektor er en relativ enkel opgave med de teknologier og standardværktøjer, der anvendes i dag i finanssektoren til indberetningerne til SØIK. De selvsamme værktøjer kan anvendes i SØIK, og der eksisterer en enkel mulighed for at modernisere analysen af disse indberetninger. Det er nok i højere grad et juridisk og lovgivningsmæssigt spørgsmål, om hvilke oplysninger der kan anvendes i et nyt fælles setup omkring SØIK og finanssektoren.
2. I Danmark er antallet af indberetninger om økonomisk kriminalitet steget til ca. 60.000, og der er et naturligt behov for at øge analyseindsatsen, at automatisere evalueringen og segmenteringen af indberetningerne, og segmentere disse indenfor rammerne af SØIK dels ved at anvende lidt mere avancerede analyseværktøjer og metoder, dels og især ved at kombinere interne og eksterne datakilder. Datagrundlaget er afgørende her. Disse undersøgelses-, visualiserings- og analyseværktøjer anvendes mange steder indenfor EU, i norden og i Danmark allerede i dag.
3. Deling af informationer - herunder at dele oplysningerne omkring hvad der er falske indberetninger (False Positives) og hvilke der er sande (True Positives) - er væsentlig af flere grunde. For det første vil tiltale kunne rejses hurtigere, og de indberetninger der er falske blive arkiveret hurtigere. For det andet vil det muliggøre, at bankernes modeller, scenarier og parametre (thresholds m.v.) vil kunne optimeres. Det er klart et vigtigt element da Anti Money Laundering (AML) systemerne ikke mindst ved brug af machine learning i modellerne og algoritmer løbende skal optimeres og opdateres.

Forestiller man sig, at både finansinstitutioner og myndigheder løbende får denne viden, bliver modeller og algoritmer endnu bedre og mere præcise. Deling af denne viden er relativt enkel ud fra et teknologisk perspektiv, da de selv samme værktøjer rent faktisk kan anvendes på ”begge sider af hegnet”, dvs. hos myndighederne og hos finansinstitutionerne.

Generelt er det den enkelte finansinstitutions vurdering, hvor risikoniveauerne skal ligge i de relevante AML-discipliner. Det er ikke et teknologispørgsmål. De mange alerts er især et billede af sandsynligheden for at risikoen for at en rigtig alarm ikke identificeres kan forekomme. Og dermed risiko for at den enkelte bank bliver misbrugt til økonomisk kriminalitet, der igen vil afføde kritik fra myndighederne og evt. bøder.

Der gennemføres aktuelt modernisering af AML-systemerne, inklusiv Next Generation AML, der kan anvende de mere avancerede metoder og værktøjer. AML-optimeringsværktøjerne kan inkludere Supervised og Unsupervised machine learning, Deep Learning og Advanced text analytics. Og metoderne vi anvender er mangfoldige og kan blandt andet inkludere “Advanced segmentation”, ”above the line” og ”below the line” tuning etc. 

Behovet for at optimere AML-analyserne og at introducere kunstig intelligens og mere avancerede metoder øger dog kravet til datagrundlaget, til data governance og data kvalitet. Det øger også kravet til model governance samtidigt, idet alle model ændringer samt implikationerne for KPI’erne.

Men teknologi, værktøjer og metoder er tilgængelige. 

Generelt kan sektorsamarbejdet mellem bankerne samt den offentlige og private sektor typisk tilføre alle parter et bedre datagrundlag. Identifikationen af anomaliteter vil forbedres, og hvis alle aktører informeres om disse anomaliteter og alerts, vil man i højere grad kunne opdatere modeller og algoritmer og i fællesskab stoppe den kriminelle adfærd og økonomisk kriminalitet. Det er en naturlig samfundsopgave at forhindre økonomisk kriminalitet, der bliver mere og mere sofistikeret.

Mulighederne og løsningerne er tilstede og aktørerne er klar. Næste skridt fremstår mere som en national juridisk afklaring end et egentligt teknisk og løsningsmæssigt spørgsmål.