近期案例分析，如香港¹ 和印度,² 備受矚目的人工智慧 (AI) 導向詐欺事件，凸顯了人工智慧帶動的金融犯罪威脅日益嚴重，尤其是在亞太地區。與此同時，一些領先的金融機構 (FI)³ 正在採取透過人工智慧加強的防制洗錢 (AML) 制度，使用自然語言處理技術進行法規遵循監控，並利用深度學習模型來偵查複雜金融網路中的非法資金流動。

為應對這些不斷演變的威脅，金融機構必須審慎有責地將人工智慧整合到現有的防制洗錢框架之中。這包括持續監控、採用監管技術 (regtech)、與執法機關 (LE) 展開合作，以及根據《銀行保密法》和防制洗錢金融行動工作組織 (FATF) 建議等全球法規遵循標準定期評估風險。金融機構一旦實施人工智慧驅動的防制洗錢策略，可增強詐欺偵測，提高法規遵循效率，維護全球金融體系的健全誠信。

防制洗錢法規遵循的人工智慧角色

人工智慧在防制洗錢法規遵循領域中的應用徹底改變了金融機構偵測和管理非法金融活動的方式。監管機構^4,5 和金融機構⁶ 正利用人工智慧驅動工具來主動偵測異常情況並阻止非法金融活動，包括機器學習演算法、即時交易監控、行為分析等。

機器學習演算法：這些演算法可以分析大量資料，識別出可能顯示存在洗錢活動的異常模式和行為。機器學習模型從新資料中持續學習，可以適應新興威脅，並逐漸提高偵測準確性。

即時監控交易：這些系統利用進階分析技術來標記偏離既定模式的交易，以便立即進行調查和採取行動。這種主動方法有助於在洗錢活動升級為更嚴重的金融犯罪之前加以阻斷。

透過人工智慧緩釋風險：人工智慧可高速處理大量資料，使其成為金融界降低風險的寶貴工具。金融機構⁷ 正利用人工智慧來增強其風險評估流程，確保及時發現和應對潛在威脅。

行為分析：透過人工智慧進行的行為分析可分析客戶和員工的行為，發現可能存在詐欺活動的異常情況。人工智慧對照正常行為模式，偵測出可能顯示洗錢企圖的異常情況，以便金融機構採取防範措施。

增強盡職調查：借助人工智慧驅動的增強盡職調查流程，金融機構能夠對高風險客戶實施深入的背景核對。人工智慧運用交叉參照多個資料來源，可全面瞭解客戶風險狀況，幫助金融機構就其業務關係做出明智決策。

本文探討了將人工智慧整合到有效防制洗錢策略的四大關鍵支柱：法規遵循與監管一致；培訓與意識；持續測試與改進；以及事件應對與報告。

1. 法規遵循與監管一致

為了維持法規遵循與監管一致，建議金融機構按照防制洗錢金融行動工作組織 (FATF)《防制洗錢 / 打擊資助恐怖活動 (CTF) 法規遵循手冊》的規定⁸ ，記錄人工智慧導向流程，以確保透明度，並遵守監管機構指南。 在設計人工智慧系統時應遵守本地和國際防制洗錢法規，包括防制洗錢金融行動工作組織建議⁹ 以及歐洲證券和市場管理局 (ESMA)《金融工具市場指令 II》(MiFID II)¹⁰ 的要求，以確保遵守不斷變化的法規遵循要求。制定一套可解釋性框架至關重要，以便監管機構和利益相關者能夠理解人工智慧導向的決策，並遵循美國國防高階研究計劃局 (DARPA)¹¹ 制定的可解釋人工智慧原則。此外，還必須定期更新人工智慧系統，以反映監管變化和新興洗錢威脅，並利用巴塞爾防制洗錢指數¹² 等資源，及時應對不斷變化的風險和法規遵循期望。

為遵循最佳實務，建議各機構確保其人工智慧驅動的防制洗錢策略，與相關監管要求及產業標準保持一致。這包括持續監控、採用監管科技，以及維持人工智慧模型的透明度和可解釋性。

例如，歐洲中央銀行¹³ 等金融監管機構要求金融機構提供人工智慧決策流程的詳細記錄，以確保遵循監管規定。一些司法管轄區要求建立可解釋框架，確保人工智慧驅動的防制洗錢工具能夠提供可向人類解釋的輸出，以便實施監管監督和提交法規遵循報告。

針對人工智慧的可解釋性開發結構化框架，讓監管機構和利益相關者能夠理解決策過程。此外，必須定期更新人工智慧系統，以反映監管變化和新興洗錢威脅，並利用來自全球金融情報機構的資料，及時應對不斷變化的風險。

新加坡金融管理局¹⁴ 等監管機構強調了風險為本的人工智慧稽核的重要性，要求金融機構記錄人工智慧模型的行為，確保機器學習系統遵守防制洗錢指令和監管期望。

2. 培訓與意識

為讓員工瞭解人工智慧在防制洗錢工作中的應用方式及其潛在利弊，需要對員工展開培訓。定期培訓計劃和宣傳活動有助於確保員工有效、負責任地使用人工智慧工具。

防制洗錢領域能否成功有效運用人工智慧，取決於作業系統的專業人士能力。根據 ACAMS 培訓計劃，為確保熟練使用人工智慧驅動的防制洗錢工具並熟練解讀警報，需要持續進行員工培訓。根據《金融犯罪稽查局警示：針對金融機構的深偽媒體詐騙》¹⁵ 等資源提供的資訊，需要持續進行有關新興威脅的培訓，以助工作人員應對不斷演變的非法金融手法。此外，金融機構必須按照美國國家標準技術研究所 (NIST)《網路安全持續改進》的要求，開發結構化回饋機制，¹⁶ 以根據實際使用情況最佳化人工智慧系統的性能。金融機構整合這些要素，能夠提升法規遵循水平，提高人工智慧驅動防制洗錢工作的效率，並加強對金融犯罪的整體防範。

一些金融機構已將人工智慧驅動防制洗錢的培訓納入法規遵循制度，要求員工定期完成人工智慧驅動監控工具和詐欺偵測技術的評估。例如，《金融犯罪稽查局警示：針對金融機構的深偽媒體詐騙》¹⁷ 強調了人工智慧在助長和打擊金融犯罪中的兩面性。犯罪分子利用人工智慧來深度偽造身分、自動建立錢騾帳戶，並利用人工智慧最佳化的交易進行洗錢，使得非法行動更難被偵測。與此同時，金融機構利用人工智慧進行進階交易監控、加強風險為本的盡職調查，並進行即時異常偵測，使防制洗錢法規遵循工作更加健全。金融犯罪稽查局強調，需要建立透明的人工智慧模型 ¹⁸、進行監管協作，並打造平衡的人類參與機制，以緩釋風險，同時利用人工智慧潛力來維護金融誠信。

持續進行有關新興威脅的培訓有助於法規遵循專員應對不斷演變的非法金融手法。此外，開發結構化回饋機制，人工智慧模型可根據實際使用情況和分析師意見來改進性能（如美國國家標準技術研究所《持續改進網路安全》）。

例如，英國金融行為監管局¹⁹ 等監管機構和法規遵循機構正在展開人工智慧宣傳計劃，確保專業人士瞭解人工智慧在防範金融犯罪領域的風險和機遇。金融機構整合這些要素，能夠提升法規遵循水平，提高人工智慧驅動防制洗錢工作的效率，並加強對金融犯罪的整體防範。

3. 持續測試與改進

此外，還需持續測試和改進人工智慧模型，以提升偵測能力。人工智慧模型必須利用各種技術（例如賽仕軟體研究所的人工智慧模型改進框架中的技術）進行定期更新，並借助新資料來提高準確性。²⁰ 根據 ACAMS 防制洗錢最佳實務研究的建議²¹ ，應定期審查人工智慧系統，確保其持續有效，並做出必要調整。金融機構透過業內同行合作²² ，並遵循沃爾夫斯堡集團的防制洗錢原則²³ 可促進金融機構與監管機構之間更深入交流見解和最佳實務。此外，透過各種資源（例如麻省理工學院有關金融犯罪的人工智慧研究）來瞭解人工智慧的進展情況²⁴，可確保防制洗錢框架的同步發展。金融機構經由整合這些原則，可最佳化人工智慧驅動的防制洗錢策略，確保遵循法規，提升偵測能力，並主動緩釋金融犯罪風險。

例如，採用人工智慧導向防制洗錢工具的金融機構應經常重新調整相關模型，以確保交易監控系統能夠有效應對新興金融犯罪模式。人工智慧模型必須使用不斷演進的資料集進行訓練，以便金融機構動態改進風險評分機制。定期審查人工智慧系統，可確保效能持續且進行必要的調整。

防制洗錢金融行動工作組織 (FATF) 等監管機構已引入人工智慧模型驗證框架，要求金融機構對其人工智慧驅動防制洗錢工具進行獨立評估，以確保工具持續遵循法規且可靠。此外，瞭解人工智慧的進展，可確保防制洗錢框架的同步演進，以降低新興威脅的風險。

金融機構還應與學術研究機構持續合作，努力改進人工智慧驅動防制洗錢方法，並在其法規遵循框架中納入相關見解。金融機構經由整合這些原則，可最佳化人工智慧驅動的防制洗錢策略，確保遵循法規，提升偵測能力，並主動緩釋金融犯罪風險。²⁵

4. 事件應對、升級和呈報

金融機構必須建立健全的事件應對和呈報機制，及時處理與人工智慧相關的金融犯罪。與執法機關和監管機構合作，有助於確保有效報告和調查可疑活動。

為確保人工智慧導向防制洗錢策略能夠有效追蹤、通報和升級可疑活動，需要建立健全的事件應對框架。強烈建議金融機構按照防制洗錢金融行動工作組織《可疑活動報告指南》²⁶ 的規定，制定明確的事件應對計劃，以調查人工智慧生成警報，並報告金融犯罪事件。根據金融犯罪稽查局 (FinCEN) 可疑活動報告 (SAR) 提交指南，²⁷ 通過人工智慧導向工具自動提交可疑活動報告，以提升監管報告的效率和準確性。維護完整的稽核軌跡，並遵守 ISO/IEC 27001²⁸ 稽核與法規遵循標準，可確保人工智慧導向決策和行動的透明度和監管審查。金融機構整合健全的事件應對機制，可以加強人工智慧在防制洗錢法規遵循方面的作用，並在打擊金融犯罪的過程中，進一步緩解風險和確保法規遵循。

例如，金融機構已實現人工智慧導向可疑活動報告的自動化，透過簡化資料收集、風險評估和提交可疑活動報告的流程，提高了監管報告的效率。利用人工智慧導向工具自動提交可疑活動報告（金融犯罪稽查局的可疑活動報告提交指南），還可提高監管報告的準確性。維護完整的稽核軌跡，可確保人工智慧決策和行動的透明度和監管審查。

此外，採用人工智慧導向防制洗錢策略的機構已實施風險為本的上報機制，確保自動標記高風險交易，加強審查和監管通知。監管指南提供人工智慧應用指導，鼓勵金融機構加強其風險管理框架。²⁹

金融機構整合健全的事件應對機制，可以加強人工智慧在防制洗錢法規遵循方面的作用，並在打擊金融犯罪的過程中，進一步緩解風險和確保法規遵循。

結論

人工智慧與防制洗錢策略的整合正在改變金融行業，為偵查和防範洗錢活動提供了強大工具。利用機器學習演算法、即時交易監控和行為分析，金融機構可加強風險緩釋工作，提高防制洗錢的法規遵循效率。但是，人工智慧的雙重性質使我們必須在創新、安全與法規遵循之間謹慎取得平衡。採用最佳實務並專注於四大關鍵支柱——法規遵循與監管一致、培訓與意識、持續測試與改進，以及事件應對與報告——金融機構可利用人工智慧更為有效地打擊金融犯罪。

隨著金融犯罪的不斷演進，為維護穩健的法規遵循框架，需要整合人工智慧導向防制洗錢策略。根據監管標準建立人工智慧系統、持續展開培訓和宣傳活動、基於持續測試和行業協作來最佳化人工智慧模型，以及制定明確的事件應對計劃，金融機構能夠充分發揮人工智慧在打擊非法金融方面的潛力。架構完善的人工智慧導向防制洗錢策略不僅能夠提高法規遵循效率，還能鞏固全球金融體系的健全誠信，以防範新興威脅。

Kishani A. Udugampola，博士，MBA，MA，CAMS-FCI，CAMS，CFE，紐約聯邦儲備銀行，

免責聲明：本文僅代表作者的看法和觀點，並不代表 FRBNY 或聯邦儲備系統的官方觀點。

1. “Hong Kong MNC suffers $25.6 million loss in deepfake scam”（一家香港跨國公司在深度偽造騙局中被騙走 2,560 萬美元），《經濟時報》，2024 年 2 月 6 日，https://economictimes.indiatimes.com/industry/tech/hong-kong-mnc-suffers-25-6-million-loss-in-deepfake-scam/articleshow/107465111.cms
2. “Sunil Mittal exposes AI scam, says ‘my voice was perfectly articulated’ in cloning attempt”（Sunil Mittal 揭露了人工智慧騙局，並指出，在克隆騙局中，「虛擬人的聲音與我本人聲音完全相同」），《經濟時報》，2024 年 10 月 21 日，https://economictimes.indiatimes.com/news/india/sunil-mittal-exposes-ai-scam-says-my-voice-was-perfectly-articulated-in-cloning-attempt/articleshow/114430557.cms
3. “Global Risk Survey”（全球風險調查），PwC，https://www.pwc.com/gx/en/issues/risk-regulation/global-risk-survey.html
4. Tyler Pathe，“Reserve Bank of India pilots new MuleHunter.AI solution to help identify mule accounts”（印度儲備銀行試行新的AI 解決方案，以幫助識別錢騾帳戶），Fintech Futures，2024 年 12 月 10 日，https://www.fintechfutures.com/ai-in-fintech/reserve-bank-of-india-pilots-new-mulehunter-ai-solution-to-help-identify-mule-accounts
5. “Use of Artificial Intelligence for Monitoring of Suspicious Activities,”（使用人工智慧監測可疑活動），香港金融管理局，https://brdr.hkma.gov.hk/eng/ doc-ldg/docId/getPdf/20241122-3-EN/20241122-3-EN.pdf
6. “Global Risk Survey”（全球風險調查），PwC，https://www.pwc.com/gx/en/issues/risk-regulation/global-risk-survey.html
7. 同上。
8. “FATF Compliance Handbook: Guidance on the Risk-Based Approach to Combating Money Laundering and Terrorist Financing—High Level Principles and Procedures”（防制洗錢金融行動工作組織法規遵循手冊：打擊洗錢和資助恐怖活動的風險為本方法指南——高階準則和程序），防制洗錢金融行動工作組織，https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Fatfguidanceontherisk-basedapproachtocombatingmoneylaunderingandterroristfinancing-highlevelprinciplesandprocedures.html
9. “FATF Recommendations”（防制洗錢金融行動工作組織建議），防制洗錢金融行動工作組織，https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Fatf-recommendations.html
10. “ESMA provides guidance to firms using artificial intelligence in investment services”（歐洲證券和市場管理局針對在投資服務中使用人工智慧的公司提供相應指南），歐洲證券和市場管理局，2024 年 5 月 30 日，https://www.esma.europa.eu/press-news/esma-news/esma-provides-guidance-firms-using-artificial-intelligence-investment-services
11. “Explainable Artificial Intelligence”（可解釋人工智慧），美國國防高階研究計劃局
12. “Basel AML Index”（巴塞爾防制洗錢指數），巴塞爾治理研究所，https://baselgovernance.org/basel-aml-index
13. “Artificial intelligence: A central bank’s view”（人工智慧：中央銀行的觀點），歐洲中央銀行，2024 年 7 月 4 日，https://www.ecb.europa.eu/press/key/date/2024/html/ecb.sp240704_1~e348c05894.en.html
14. “Artificial Intelligence Model Risk Management”（人工智慧模型風險管理），新加坡金融管理局，2024 年，https://www.mas.gov.sg/publications/monographs-or-information-paper/2024/artificial-intelligence-model-risk-management
15. “FinCEN Alert on Fraud Schemes Involving Deepfake Media Targeting Financial Institutions”（金融犯罪稽查局警示：針對金融機構的深偽媒體詐騙），金融犯罪稽查局，2024 年 11 月 13 日，https://www.fincen.gov/sites/default/files/shared/FinCEN-Alert-DeepFakes-Alert508FINAL.pdf
16. “The NIST Cybersecurity Framework (CSF) 2.00”（美國國家標準技術研究所網路安全框架 (CSF) 2.00），美國國家標準技術研究所，2024 年，https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.29.pdf；“AI Risk Management Framework”（人工智慧風險管理框架），美國國家標準技術研究所，https://www.nist.gov/itl/ai-risk-management-framework
17. “FinCEN Alert on Fraud Schemes Involving Deepfake Media Targeting Financial Institutions”（金融犯罪稽查局警示：針對金融機構的深偽媒體詐騙），金融犯罪稽查局，2024 年 11 月 13 日，https://www.fincen.gov/sites/default/files/shared/FinCEN-Alert-DeepFakes-Alert508FINAL.pdf
18. “Managing Artificial Intelligence-Specific Cybersecurity Risks in the Financial Services Sector”（管理金融服務領域中有關人工智慧的網路安全風險），美國財政部，2024 年 3 月，https://home.treasury.gov/system/files/136/Managing-Artificial-Intelligence-Specific-Cybersecurity-Risks-In-The-Financial-Services-Sector.pdf
19. “AI Update: Further to the Government’s Response to AI White Paper”（人工智慧更新：政府對人工智慧白皮書的回應），英國金融行為監管局，https://www.fca.org.uk/publications/corporate-documents/artificial-intelligence-ai-update-further-governments-response-ai-white-paper
20. “Trustworthy AI Governance: Model Cards”（可信賴的人工智慧治理：模型卡），SAS，2024 年 4 月，https://www.sas.com/en_us/news/press-releases/2024/april/trustworthy-ai-governance-model-cards.html
21. ACAMS Publishes Transaction Monitoring Best Practice Guide”（ACAMS 發布交易監控最佳實務指南），Napier AI，2023 年 6 月 16 日，https://www.napier.ai/post/transaction-monitoring-acams
22. “Best Practices for Compliance Management on AI Risk Policies”（人工智慧風險政策法規遵循管理的最佳實務），Veritas，https://www.veritas.com/blogs/best-practices-for-compliance-management-on-ai-risk-policies
23. “Wolfsberg Principles for Using AI and Machine Learning in Financial Crime Compliance”（沃爾夫斯堡原則：在金融犯罪法規遵循中使用人工智慧和機器學習），沃爾夫斯堡集團，https://www.wolfsberg-principles.com/resources
24. “The AI Risk Repository”（人工智慧風險資料庫），麻省理工學院，2024 年，https://airisk.mit.edu/
25. “How generative AI can help banks manage risk and compliance”（生成式人工智慧如何幫助銀行管理風險和法規遵循），麥肯錫公司，2024 年 3 月 1 日，https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/how-generative-ai-can-help-banks-manage-risk-and-compliance#/
26. “The FATF Recommendations”（防制洗錢金融行動工作組織建議），防制洗錢金融行動工作組織，https://www.fatf-gafi.org/en/topics/fatf-recommendations.html；“International Standards on Combating Money Laundering and the Financing of Terrorism and Proliferation: The FATF Recommendations”（防制洗錢金融行動工作組織建議《防制洗錢及打擊資助恐怖主義與武器擴散國際標準》），防制洗錢金融行動工作組織，2025 年 2 月，https://www.fatf-gafi.org/content/dam/fatf-gafi/recommendations/FATF%20Recommendations%202012.pdf.coredownload.inline.pdf
27. “Suspicious Activity Reports”（可疑活動報告），金融犯罪稽查局，https://www.fincen.gov/suspicious-activity-reports-sars
28. “ISO/IEC 27001: Information Security Management”（ISO/IEC 27001：資訊安全管理），國際標準化組織，https://www.iso.org/standard/27001
29. “High-level Principles on Artificial Intelligence”（人工智慧的高階原則），香港金融管理局，2019 年 11 月 1 日，https://brdr.hkma.gov.hk/eng/doc-ldg/docId/getPdf/20191101-1-EN/20191101-1-EN.pdf