完整定義
反洗錢人工智慧(AML AI)是指運用人工智慧技術,特別是機器學習和自然語言處理,來自動化和增強金融機構偵測和預防洗錢活動的能力。它能分析大量的交易數據,識別異常模式,並生成警報,以供人工審查。
白話說明
你在銀行 App 看到多筆看起來正常的轉帳,卻懷疑有人在拆單洗錢嗎?
你可以把反洗錢人工智慧想成交易紀錄的巡邏員,它會在大量金流裡找出可疑組合。
它的任務不是把所有異常都直接定罪,而是先把高風險案件挑出來,讓法遵團隊優先複核。
記住這句
不是抓每筆怪交易,而是先把最值得查的名單排出來
比喻:AML AI 就像一個 24 小時不打烊的金融偵探 -- 它會自動審查所有銀行交易,找出那些看起來怪怪的、不符合常理的金錢流動,幫忙抓出洗錢的壞蛋。
容易混淆
反洗錢人工智慧 vs 詐欺偵測?
反洗錢人工智慧:用模型找出可疑金流與異常交易模式
詐欺偵測:用模型找出騙帳號、盜刷或假交易
最關鍵的區別:AML 看的是資金流向與洗錢鏈,詐欺偵測看的是欺騙行為本身
反洗錢人工智慧 vs 異常偵測?
反洗錢人工智慧:重點在合規、風險分級與人工覆核
異常偵測:重點在找出偏離常態的資料點
最關鍵的區別:異常偵測是方法,AML AI 是把方法放進金融合規流程
反洗錢人工智慧 vs 信用評分?
反洗錢人工智慧:看大量交易脈絡,常搭配規則與模型一起用
信用評分:看的是借款人未來違約風險
最關鍵的區別:AML 管可疑金流,信用評分管還款能力,目的不同
實際案例
銀行的分拆轉帳
同一個帳戶一天內被拆成很多小額匯款,模型把這些連起來看,發現像是在躲避監控門檻
加密貨幣出金
交易所用模型比對地址關聯、時間密度與金額型態,把高風險提款先交給人工審查
演算法與應用
- 重點
- 輸入
- 你要看什麼
- 交易金額、頻率、對手帳戶、地理位置
- 為什麼重要
- 可疑行為通常藏在多個欄位一起看才看得出來
- 重點
- 模型
- 你要看什麼
- 分類模型、異常偵測、圖模型
- 為什麼重要
- 不同模型對不同洗錢手法各有優勢
- 重點
- 流程
- 你要看什麼
- 規則加模型再加人工覆核
- 為什麼重要
- 金融場景不能只靠模型分數
情境判斷
Q1:某帳戶突然連續轉出很多接近門檻的小額款項,系統應該優先做什麼?
先列入高風險名單,因為這種拆單行為很像刻意規避監控
Q2:模型抓到很多可疑案件,但人工複核後大多是正常交易,這代表什麼?
代表誤報太高,可能要調整閾值、特徵或規則,不是直接把模型丟掉
常見問題
不一定。規則系統穩定、可解釋,適合已知型態;模型擅長找新模式。實務上通常兩者一起用。
歷史交易資料、標註過的可疑案件、資料清理流程,還有法遵與風控團隊一起定義什麼叫高風險。
不能。金融場景通常要保留人工複核,因為誤報、法律責任與客戶體驗都不能只交給分數處理。
出現在這些考古題
官方公告試題的逐題解析裡,這 2 題把反洗錢人工智慧列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本