av Tara Abdi, VD & Co-Founder, Brayns.
”Vi har för dålig data.” Det har blivit en av finansbranschens slitna ursäkter. En av flera syndabockar för varför utfallen för motverkande av finansiell brottslighet inte blir bättre. Varje gång onboarding fastnar, varje gång team drunknar i falska träffar och varje gång regulatoriska krav känns övermäktiga, pekar man på datan. Som om felet låg hos kunderna, hos folkbokföringen eller i någon diffus yttre faktor.
Utan att förenkla eller förringa en komplex fråga behöver vi tala klarspråk: det är inte alltid datan det är fel på. Finansbranschen sitter redan på mer information än någonsin. Problemet är vår egen oförmåga att använda den. Systemstöden är inte tillräckligt anpassade, våra processer är fragmenterade och våra strategier bygger på en verklighet som inte längre existerar. Samtidigt ligger de kriminella hästlängder före oss.
Narrativet om ”dålig data” har vuxit fram som en bekväm syndabock. Det förskjuter ansvaret bort från oss själva. Om datan är dålig ja, då kan inte onboarding bli bättre, då kan inte riskbedömningen bli skarpare, då kan inte regelefterlevnadskraven uppfyllas snabbare. Vi har ursäkten färdig, både för oss själva, för tillsynsmyndigheter och för styrelserummen.
Men den bilden är delvis falsk. De flesta aktörer har redan tillgång till grundläggande uppgifter om sina kunder. Problemet är inte att datan saknas, utan att vi inte lyckas koppla ihop och tolka den på ett meningsfullt sätt. Resultatet blir att onboarding som borde ta minuter i stället tar dagar, att PEP- och sanktionsscreening leder till massvis med falska träffar per kund och att resurser binds upp i ett manuellt brus istället för i det som verkligen spelar roll: att identifiera och stoppa risker.
Ironiskt nog är det ofta inte regelverken som är den största flaskhalsen. Det är bland annat våra system. Teknik som byggdes för en annan tid, innan realtidsbetalningar, globala plattformar och digitala kundflöden. System som saknar intelligens, som inte pratar med varandra och som saknar förmåga att göra det mest grundläggande: väga ihop datapunkter och skapa en helhetsbild. Felet ligger i hur vi valt att strukturera vårt arbete. ”Dålig data” är inte en objektiv sanning, det är ett symptom på felaktig strategi och felaktiga systemstöd.
Det är här AI kommer in. Med AI blir datans kvalitet inte längre den avgörande flaskhalsen. Istället blir själva förmågan att upptäcka mönster och sammanhang det som driver utfallet.
Tre enkla datapunkter – förnamn, efternamn, födelsedatum – kan med AI förvandlas från något ”otillräckligt” till en bas för 70 procent färre falska träffar och onboardingtider som går från dagar till minuter. Det som tidigare kallades ”dålig data” kan med AI bli källan till precisa och kraftfulla resultat.
Det är inte magi. Det är inte en svart låda. Det är vad som händer när intelligensen flyttar in i själva kärnan av regelefterlevnadsarbetet, istället för att tejpas utanpå gamla system. AI kan analysera, väga, lära och förbättra och på så sätt göra även bristfälliga datapunkter användbara.
Det verkliga skiftet handlar om mindset. Så länge vi pratar om ”dålig data” har vi en passiv hållning där vi väntar på bättre register, bättre kundunderlag, bättre input. Med AI kan vi tänka annorlunda: vi bygger system som gör oss kapabla att använda den data vi redan har med ett utfall som vi inte har räknat med är möjligt.
Det är skillnaden mellan datapanik och datakapacitet. Mellan att skylla på externa faktorer och att ta kontroll över den egna förmågan. Mellan regelefterlevnad som är en bromskloss och regelefterlevnad som är en accelerator för affären.
Självklart kan datakvaliteten alltid förbättras. Och det är också här AI gör skillnad. Vi kan börja med att använda de enorma datamängder vi redan har på ett effektivt och intelligent sätt som dagens system inte förmår. När vi frigör humankapital från manuella, ineffektiva uppgifter kan vi dessutom rikta resurserna mot det som faktiskt förbättrar datan över tid. Det blir en dubbel effekt: bättre utfall här och nu och en kontinuerlig höjning av datakvaliteten framåt.
Att skylla på datan är inte bara ineffektivt. Det är också ett sätt att undvika ansvar. För frågan om datans användbarhet är i grunden en fråga om strategi. Har vi rätt system? Har vi rätt processer? Har vi modet att använda ny teknologi?
AI är här. Och det är de bolag som nu vågar implementera transparenta, AI-drivna lösningar som kommer ligga steget före. Inte bara i att uppfylla regelverk och förbättra utfallet i kampen mot finansiell brottslighet, utan i att bygga snabbare, smartare och mer konkurrenskraftiga affärer.
Vi måste en gång för alla göra upp med myten om “dålig data”. Det är inte datan som sviker oss, det är vi som sviker datan.
