Mindtree nutzt künstliche Intelligenz und maschinelles Lernen zur weltweiten Unterstützung von Banken bei der Risikoverringerung und optimierter Compliance

WARREN, New Jersey und BANGALORE, Indien, August 8, 2018 /PRNewswire/ --

Dienstleistungsangebote nutzen Tookitaki, eine Plattform für maschinelles Lernen, zur Unterstützung von Banken bei der Automatisierung von Geldwäschebekämpfung und der Durchführung von Kontenabstimmungen  

Mindtree, ein globaler Dienstleister im Bereich digitaler Wandel und Technologie, der seinen Kunden zu rascheren Geschäftsergebnissen verhilft, setzt künstliche Intelligenz und maschinelles Lernen ein, um Banken bei der Aufdeckung von Finanzkriminalität zu unterstützen und zu einer optimierten Durchführung von Kontenabstimmungen zu verhelfen. Diese Dienstleistungen werden durch die Zusammenarbeit mit Tookitakis Plattform für maschinelles Lernen ermöglicht.

     (Logo: https://mma.prnewswire.com/media/633364/Mindtree_Logo.jpg )

Banken sowie sonstige Finanzinstitute sehen sich sowohl durch die weltweit stets raffinierter werdenden Methoden finanzieller Verbrechen herausgefordert als auch durch die zunehmend komplexer angelegten Richtlinien, die strenge Betriebsnormen und Berichterstattungsformate erforderlich machen. Die anhaltenden Bemühungen, Geldwäscherei manuell aufzudecken, die Handhabung falscher Alarme sowie fragmentierte Abgleichsverfahren sind kostspielig und zeitaufwendig. Es ist für diese Einrichtungen daher absolut notwendig, viele dieser Vorgehensweisen zu automatisieren, um Fehler zu verringern und rascher auf Vorfälle reagieren zu können.

Um sich dieser Herausforderungen anzunehmen, bieten Mindtree und Tookitaki nun folgende Dienstleistungen an:

• Intelligentes Alarmmanagement: Ein vollständig automatisiertes, sich dynamisch anpassendes Modell, das mit auf künstlicher Intelligenz und maschinellem Lernen basierenden Technologien operiert, um Verdachtsfälle präziser erkennen zu können. So wird die Anzahl falscher Alarme reduziert, wahre Positive erhöht (Verdachtsfälle, die von Regelungssystemen bzw. veralteten Systemen verfehlt werden), Kosten reduziert und die Produktivität der Analysten gesteigert. Banken können ihre Methoden der Geldwäschebekämpfung durch maschinelles Lernen optimieren.
• Intelligentes Abstimmungsmanagement: Ein automatisierter End-to-End-Ansatz zur Durchführung der Kontenabstimmung über sämtliche Unternehmensfunktionen hinweg. Die Nutzung maschinellen Lernens und Analytik führt zu erhöhten Übereinstimmungsraten, löst Ausnahmefälle, empfiehlt Anpassungsbeträge und erstellt Protokolle, um Geschäftsabläufe leichter verständlich zu machen. Auf diese Weise gewinnen Kontenabstimmungen, die zuvor subjektiv gehandhabt wurden und fehleranfällig waren, an mehr Objektivität und Präzision. Banken können Ausnahmefälle automatisch handhaben und Quellsysteme korrigieren, ohne an Compliance einzubüßen.