Οικονομικό έγκλημα: Τι αλλάζει από το 2027 για τράπεζες και επιχειρήσεις – Ο καταλυτικός ρόλος της Τεχνητής Νοημοσύνης

Σε τροχιά ριζικού μετασχηματισμού εισέρχεται το ευρωπαϊκό σύστημα καταπολέμησης του οικονομικού εγκλήματος, καθώς η αντίστροφη μέτρηση για την εφαρμογή του νέου αυστηρού κανονιστικού πλαισίου έχει ήδη ξεκινήσει. Από τον Ιούλιο του 2027, τράπεζες, χρηματοπιστωτικοί οργανισμοί αλλά και ένα ευρύ φάσμα επιχειρήσεων καλούνται να αναδιαρθρώσουν εκ θεμελίων τις διαδικασίες εποπτείας, ενσωματώνοντας καινοτόμα τεχνολογικά εργαλεία και προηγμένα μοντέλα τεχνητής νοημοσύνης για τον εντοπισμό ύποπτων συναλλαγών.

Το νέο ευρωπαϊκό πλαίσιο AMLR και το χρονοδιάγραμμα εφαρμογής

Οι βασικές ρυθμίσεις του ευρωπαϊκού Κανονισμού για την καταπολέμηση της νομιμοποίησης εσόδων από παράνομες δραστηριότητες (AMLR) τίθενται σε πλήρη ισχύ στις 10 Ιουλίου 2027. Παράλληλα, το 2028 σηματοδοτεί τη λειτουργική εκκίνηση της νεοσύστατης ευρωπαϊκής Αρχής AMLA, η οποία αναλαμβάνει την άμεση εποπτεία επιλεγμένων χρηματοπιστωτικών οντοτήτων υψηλού κινδύνου, σε στενή συνεργασία με τις εθνικές εποπτικές αρχές.

Όπως επισημάνθηκε στο 3ο Financial Crime Symposium που διοργάνωσε η Deloitte στο Ωδείο Αθηνών, οι οργανισμοί οφείλουν να εκκινήσουν άμεσα έναν συστηματικό έλεγχο αποκλίσεων (gap analysis). Η προσαρμογή απαιτεί αναβάθμιση της εταιρικής διακυβέρνησης, ενίσχυση του ανθρώπινου δυναμικού και επάρκεια πόρων, με τα διοικητικά συμβούλια να φέρουν πλέον άμεση στρατηγική ευθύνη για την αποτελεσματικότητα των μηχανισμών πρόληψης.

Η ποιότητα των δεδομένων και το άλμα της Τεχνητής Νοημοσύνης

Κομβικό παράγοντα στη μετάβαση συνιστά η ποιότητα και η αξιοπιστία των δεδομένων. Τα επικαιροποιημένα στοιχεία επιτρέπουν τη διενέργεια αποτελεσματικής δέουσας επιμέλειας (due diligence) και τη διαρκή επαναξιολόγηση του προφίλ κινδύνου των πελατών, χωρίς να δημιουργούνται περιττές καθυστερήσεις στις καθημερινές συναλλαγές.

Σε αυτό το περιβάλλον, η τεχνητή νοημοσύνη παύει να αποτελεί θεωρητικό εργαλείο και μετατρέπεται σε λειτουργική ανάγκη. Οι αλγόριθμοι μηχανικής μάθησης επιστρατεύονται για τη διερεύνηση σύνθετων υποθέσεων, την ταχεία επεξεργασία εγγράφων και τη διαρκή παρακολούθηση ύποπτων μοτίβων. Ωστόσο, όπως υπογραμμίστηκε στο συνέδριο, η μετάβαση από τα πιλοτικά προγράμματα στην επιχειρησιακή πράξη προϋποθέτει αυστηρή ανθρώπινη εποπτεία, καθώς και ιχνηλασιμότητα των αλγοριθμικών αποφάσεων, δεδομένου ότι η τελική ευθύνη συμμόρφωσης παραμένει στον οργανισμό.

Διάχυση των υποχρεώσεων στην πραγματική οικονομία

Οι επερχόμενες αλλαγές δεν αφορούν αποκλειστικά το παραδοσιακό τραπεζικό σύστημα. Τα μέτρα πρόληψης επεκτείνονται και εξειδικεύονται σε κλάδους όπως η διαχείριση πιστώσεων, τα ιδρύματα πληρωμών, οι ασφαλιστικές εταιρείες, η κτηματαγορά, τα τυχερά παίγνια, καθώς και το εμπόριο έργων τέχνης και αρχαιοτήτων. Η διατομεακή ανταλλαγή πληροφοριών, υπό το πρίσμα της αυστηρής προστασίας των προσωπικών δεδομένων, αναδεικνύεται σε αναγκαία συνθήκη για την αποτελεσματική θωράκιση της αγοράς.

«Η προετοιμασία για το νέο ευρωπαϊκό πλαίσιο απαιτεί σαφείς προτεραιότητες, αξιόπιστα δεδομένα και ελέγχους που λειτουργούν αποτελεσματικά στην πράξη. Είναι μια ευκαιρία για τους οργανισμούς να ενισχύσουν την ανθεκτικότητά τους και την εμπιστοσύνη πελατών και συνεργατών», σημείωσε ο Αλέξης Χατζηπαύλου, Partner και Risk, Regulatory & Forensic Leader της Deloitte Ελλάδος, υπογραμμίζοντας ότι η διαρκής εξέλιξη του οικονομικού εγκλήματος επιτάσσει συνεχή εγρήγορση και βαθύτερη συνεργασία μεταξύ δημόσιου και ιδιωτικού τομέα.