人工智能与风险：重新构想增强型尽职调查

人工智能浪潮继续席卷各行各业，以日新月异的工具帮助我们提升速度和效率。这项技术的潜在用途和应用领域十分广阔，但生成式人工智能技术能否在简化和优化增强型尽职调查 (EDD) 流程的同时，也能避免无意中增加风险？

• 增强型尽职调查是一项重要的额外风险管理步骤，用于识别和审查高风险因素。
• 人工智能可以优化增强型尽职调查研究流程，但在尽职调查领域使用这项技术时，采用低风险方法至关重要。
• 低风险方法必须保留人工监督这一核心要素。

每段客户或第三方关系都可能为您的组织引来风险，这意味着在每一段业务关系中开展尽职调查都必不可少，这有助于识别潜在的金融犯罪和制裁风险，以及准确了解业务往来方的身份与情况。

怀疑或发现存在高风险因素后，初步筛查可能不够充分，此时就有必要开展增强型尽职调查。增强型尽职调查报告为您提供关于关键或高风险业务关系的重要信息，在决定是否与新客户或第三方合作时可发挥重要的作用。

以下例举了应触发增强型尽职调查的具体情况：

• 客户或第三方具有高风险因素
• 合作涉及的金额巨大
• 初步调查结果显示可能存在危险信号

强大可靠的增强型尽职调查可以提供常规初步筛查无法提供的额外洞察。报告包括从各种可靠来源收集的风险相关信息，以及有关调查对象的详细背景资料和情境化洞察。 

增强型尽职调查在执行得当的情况下，可帮助您在满足合规性和监管义务的同时，做出是否与新客户或第三方合作的明智决策。 

然而，增强型尽职调查研究流程十分耗时，而且会占用大量资源。仓促出具报告会增加质量低下和错报的风险，从而可能对您的公司造成重大损害。因此，必须考虑如何利用创新工具来快速高效、保证质量地开展增强型尽职调查。 

人工智能提供了一种可行的解决方案，但在增强型尽职调查中使用人工智能是否潜藏着风险？

所有新技术都会带来一定程度的风险，人工智能也不例外。可以预想到，人们对于能否将人工智能安全地应用于一般业务流程、特别是增强型尽职调查流程存在一些担忧。  

采用低风险方法可以为增强型尽职调查人员提供所需的工具，帮助他们更智能、更快捷地开展工作并高效地出具更完善可靠的增强型尽职调查报告，但低风险方法究竟是怎样的呢？

从本质上讲，低风险方法意味着采取措施避免陷入常见的陷阱，例如人工智能幻觉和偏见等使用人工智能面临的最大风险。 

人工智能幻觉是指某些生成式人工智能模型提供模糊的、似是而非的错误信息的倾向。

人工智能偏见是指结果与原始训练数据或人工智能算法有偏差，从而导致输出偏颇和潜在有害的结果。偏见可能通过训练数据等多种方式渗透到算法中，其中包括人为决策存在偏见或训练数据反映的历史或社会存在不平等现象。偏见也可能通过有缺陷的数据采样进入人工智能模型。 

那么，如何利用人工智能简化和优化增强型尽职调查流程，同时避免引入更多风险？  

最安全的方法是“打好基础”，即为输入的数据设置限制。在增强型尽职调查流程中，为人工智能写作工具提供的输入数据可以作为分析师按照现有研究方法完成研究模块的基础。然后，人工智能就可以简便地使用已收集的数据（人类分析师已确保这些数据质量可靠）来创建摘要。 

尽量降低风险的关键因素是人工监督。如果只是运用生成式人工智能技术创建一种辅助写作工具，而分析师仍可全权控制和负责，那在这种情况下风险很低。 

这种方法能优化报告结构中的基本模块，并使分析师能够将注意力集中于更具价值的环节，例如分析收集到的数据和提炼洞察，从而做出更好的决定。  

这种方法有诸多优点：在报告撰写的过程中，将生成式人工智能与现有研究能力充分结合，可以提高一系列日常任务的效率，例如更高效地创建执行摘要。这种方法还有助于提升报告的编写质量、保持一致性。

在 LSEG，我们采用低风险方法将人工智能纳入我们现有的增强型尽职调查报告流程。这种审慎应用人工智能的方式可以加强和优化内部增强型尽职调查业务的能力，分析师团队遍布 200 多个司法管辖区，使用 60 多种语言，可以生成定制报告以满足关键的业务需求。 

领先技术和值得信赖的人类智慧强强联手，我们也充分利用这一优势每年提供约 30,000 份增强型尽职调查报告，帮助企业在不牺牲业务速度的情况下更好地了解和降低动态风险。