(©Envato)
Według analiz Global Regulatory Outlook podmioty finansowe wydają coraz większe sumy na działania związane z wypełnianiem wymogów regulacyjnych.
Ponad jedna trzecia pytanych zarządzających obszarem Compliance (zgodności z regulacjami) twierdzi, że w kończącym się roku ich instytucje wydadzą na ten cel między 1 a 5 proc. całkowitej wartości swoich budżetów. 12 proc. firm wyda między 6 a 10 proc., a kolejne 12 proc. wyda ponad jedną dziesiątą rocznego budżetu.
Gwałtownie spada liczba przedsiębiorstw finansowych szacujących omawiane wydatki na poziomie poniżej procenta całkowitego budżetu firmy – w 2017 roku było to 21 proc. badanych firm, obecnie jedynie 9 proc.
Podobną tendencję widać po stronie instytucji nadzorujących rynek – w przypadku Rezerwy Federalnej (2,2 mld dolarów w 2018 roku) i Europejskiego Banku Centralnego (576 mln euro w 2019 roku) wyraźnie widać wzrost kosztów nadzoru, które obciążają przecież głównie podmioty nadzorowane.
Wykładniczy wzrost danych
Organy nadzoru stoją w obliczu coraz bardziej dynamicznego i cyfrowego rynku oraz rosnącej wykładniczo liczby złożonych i często nieustrukturyzowanych danych.
Coraz częstsze staje się sięganie po technologię nadzorczą określaną jako suptech.
Do ich przetworzenia istniejące, słabo zintegrowane i mało zautomatyzowane, oparte często na ocenie jakościowej procesy okazują się nieefektywne i niezwykle pracochłonne. To samo w sobie może kreować ryzyko. Stąd coraz częstszym rozwiązaniem staje się sięganie po technologię nadzorczą określaną jako „suptech” (supervisory technology).
Jej zastosowanie, jak wynika z analizy Banku Światowego, będzie najefektywniejsze jeśli jest zaplanowanym elementem strategii nadzoru, a nie pasywnym wykorzystywaniem dostępnych narzędzi cyfrowych.
Niektóre instytucje mogą nie osiągać odpowiedniego stopnia dojrzałości organizacyjnej i technicznej, aby je wdrożyć lub obszar nadzorowany jest relatywnie niewielki i ich przydatność, również w sensie ekonomicznym, będzie ograniczona. Sięgnięcie po technologię „suptech” oznacza też przesunięcie działań w kierunku nadzoru opartego na zarządzaniu ryzykiem, bo wdrażane rozwiązania generują dodatkowe dane, które dają podstawy do eksperckich walidacji ryzyk. Wdrażanie technologii „suptech” ma charakter generacyjny:
– na pierwszym etapie chodzi głównie o zarządzanie obiegiem danych i analizę jakościową (opisową);
– na drugim następuje digitalizacja i automatyzacja niektórych procesów manualnych;
– na kolejnym poziomie wdrażana jest architektura danych big data;
– najbardziej zaawansowana generacja wiąże się z zastosowaniem sztucznej inteligencji w fazie finalnej.
Całość ma umożliwiać oparcie nadzoru na procesach zautomatyzowanych zarówno w obszarze zbierania danych, jak i ich przetwarzania oraz analizy.
Dotyczy to przede wszystkim nadzoru związanego z monitorowaniem przestrzegania odpowiednich regulacji i zachowań rynkowych, bo tu wolumeny danych są znacznie większe.
Nowe narzędzia są niezbędne do przeciwdziałania m.in. praniu brudnych pieniędzy czy wyłudzeniom.
Nowe narzędzia są niezbędne do przeciwdziałania nowym formom cyfrowych przestępstw finansowych (pranie brudnych pieniędzy, wyłudzenia itp.), mniej potrzebne natomiast do kontroli o charakterze ostrożnościowym (wymogi kapitałowe, zarządzanie ryzykiem systemowym).
Cyfrowe hurtownie
Na obecnym etapie największe korzyści, szczególnie dla podmiotów nadzorowanych, przynosi automatyczne zbieranie niezagregowanych danych (data-input) przez podmioty komercyjne lub ich pobieranie przez systemy regulatora (data–pull).
Przykład pierwszego podejścia reprezentuje nadzór austriacki – tamtejszy bank centralny (OeNB) zbudował, we współpracy z miejscowymi bankami, specjalną platformę opartą na bezpośrednim interfejsie między ich systemami, co umożliwia podmiotom nadzorowanym przekazywanie danych w ustandaryzowanych formatach.
Z kolei Narodowy Bank Rwandy oferuje rozwiązanie typu data-pull, polegające na pobieraniu danych z systemów IT nadzorowanych instytucji i przetwarzaniu ich w odpowiednie raporty. Towarzyszyć temu musi odpowiednio zorganizowana hurtownia danych. W ten sposób praca manualna została wyeliminowana, a dokładność oraz integralność danych wzrasta.
Zbliżone korzyści ma przynieść oparcie dostępności danych o interfejs API, które testuje w Polsce KNF. Z kolei kodowanie wymogów regulacyjnych w języku algorytmów (MRER), dzięki którym maszyny same pobierają informacje z systemów podmiotów nadzorowanych, czytają je i przetwarzają, pilotuje brytyjski Financial Conduct Authority.
Zastosowanie znajduje także technologia blockchain, która może służyć do rejestracji wszystkich transakcji instytucji finansowych (market ledger) w formie zaszyfrowanej, nieusuwalnej i niezmienialnej, które będą dostępne z poziomu systemów IT organu nadzorującego. Dodatkową zaletą tych rozwiązań jest możliwość korzystania z danych w czasie rzeczywistym.
Sztuczna inteligencja wspiera nadzorców
Automatyzacja może też służyć zarządzaniu reklamacjami i skargami klientów. Taki system wykorzystuje Bank Litwy.
Do niedawna były dostarczane pocztą tradycyjną lub elektroniczną i obsługiwane „ręcznie”. Teraz cały proces został zdigitalizowany, co oznacza, że klienci wnoszą reklamacje online i dzięki temu mogą śledzić postępy w ich rozpatrywaniu. Bank natomiast wykorzystuje je do analizy ryzyk związanych z działalnością dostawców usług finansowych, których jest ponad 500.
Analizie nieustrukturyzowanych danych służą systemy walidacyjne oparte na uczeniu maszynowym (machine learning), w tym eksploracja tekstu (text mining). W ten sposób można analizować materiały reklamowe czy umowy konsumenckie, bo maszyna rozumie język naturalny i go przetwarza, a sztuczna inteligencja (AI) identyfikuje pozytywne oraz negatywne opinie, a także posty w mediach społecznościowych (sentiment analysis). To pomaga w wykrywaniu podejrzanych transakcji.
W Holandii nadzorowane podmioty dostarczają bankowi centralnemu (DNB) raporty w formacie SIRA, oparte właśnie o zautomatyzowane analizy tekstu. Warto zauważyć, że DNB testuje też technologię sieci neuronowych do identyfikacji problemów płynnościowych banków, dzięki czemu może szybciej podejmować działania prewencyjne.
Rozwiązania AI oferują jednak nadzorcom rynku znacznie więcej, tym bardziej, że naśladują ludzkie myślenie, włączając stawianie i testowanie hipotez na podstawie olbrzymich zbiorów danych. Jeśli miałby to robić człowiek byłoby to niewykonalne. W ten sposób AI może wykrywać anomalie w zachowaniach różnych graczy rynkowych, ale także klientów, co pomaga szybciej wykrywać i przeciwdziałać wyłudzeniom oraz przeprowadzać tzw. risk scoring.
Faza wstępna
Jak widać korzyści z zastosowania technologii wykraczają poza oszczędność czasu i środków finansowych związanych z realizacją nadzoru. Jednak rozwiązania „suptech” w większości jurysdykcji znajdują się we wstępnej lub eksperymentalnej fazie rozwoju, a poziom operacyjny osiągnęła jedna trzecia badanych przez Instytut Stabilności Finansowej z 39 organizacji nadzorczych w 31 krajach.
Większość instytucji rozwija je samodzielnie lub wspólnie z zewnętrznymi deweloperami bądź uczelniami wyższymi.
Jedna czwarta sięga po rozwiązania oferowane przez zewnętrznych dostawców. Ponad jedna czwarta organizacji ma opracowaną strategią „suptech” (roadmap), nieco mniej nadzorców wdraża rozwiązania „suptech” w ramach procesów digitalizacji – służą temu laboratoria i akceleratory innowacji lub hackatony organizowane w celu rozwiązania konkretnych problemów.
Jednak aż połowa analizowanych organizacji nadzorczych nie ma żadnej strategii cyfrowej.
Przyśpieszenie rozwoju „suptech” wymaga zaangażowania światowych organizacji finansowych.
Przyśpieszenie rozwoju technologii „suptech” wymaga międzynarodowej współpracy i koordynacji oraz zaangażowania światowych organizacji finansowych, tym bardziej, że globalizacja rynków musi prowadzić do transgranicznych działań nadzorczych.
Stąd postulat zbudowania cyfrowej platformy, poprzez którą krajowi regulatorzy i nadzorcy mogliby wymieniać się doświadczeniami, docelowo tworząc wspólne standardy. Przykładem takiego rozwiązania adresowanego dla banków centralnych jest Innovation Hub wdrażany właśnie przez Bank Rozrachunków Międzynarodowych (BIS).