使用AI和机器学习来自动化金融调查流程的QuantaVerse现在正在提供其QuantaVerseTMS Pre-TMS实体解决和风险评分 解决方案的国家/地区代码衍生功能，以 供试用。基于AI的基于云的功能可帮助金融机构努力确定交易方的潜在风险管辖区或国家/地区代码。借助此产品，金融机构可以针对实体解决流程中特别难处理的部分轻松地试用支持AI的自动化。

大多数金融机构报告说，SWIFT消息和国际ACH付款交易中通常缺少管辖区/国家/地区代码信息或格式错误。对于金融机构来说，确定交易的管辖权具有挑战性，因为每个国家/地区的编址系统都有自己的一套独特约定，这使得映射到地理区域变得困难。当SWIFT消息中的管辖权字段为空白或包含拼写错误时，人工分析人员会介入搜索Google和其他资源，以尝试根据可用的地址信息来确定交易方的位置。

如果看不到管辖区或国家/地区代码，或者在给定的时间内没有人力资源来执行此工作，则交易将进入银行的TMS，且管辖区/国家/地区代码字段为空白。缺少这些重要细节的交易将自动默认为最高风险管辖区，从而导致TMS警报，从而触发通常合法交易的耗时且代价高昂的AML警报调查。根据行业估计，所有TMS警报中大约95%是误报。

通过让银行尝试QuantaVerse-TMS之前的实体解决方案和风险评分 解决方案的国家/地区代码衍生组件 ，他们可以快速，轻松地在AML / BSA操作中体验AI。最近的大流行使自动执行这些功能变得更加明显，大流行导致金融机构的金融调查人员紧急短缺

QuantaVerse最近对一家美国大型银行进行了国家代码分析，发现其80%的专用司法管辖区为空白。“在与QuantaVerse合作之前，我们手动进行了国家代码推导，代表了数千笔交易，”首席合规官解释说。“分析和质量控制通常需要三整天才能以传统方式完成，并且由于时间限制，仅覆盖了缺少国家/地区代码的75%的电线。QuantaVerse的国家代码分析多层方法帮助我们为几乎所有实体得出正确的国家代码，从而为我们节省了不可思议的时间，同时减少了误报。”

可用性

QuantaVerse-TMS之前的实体解决方案和风险评分 解决方案的这种新改编 现已上市。金融机构可以以有限的努力和最小的成本充分利用该产品。

QuantaVerse首席执行官兼创始人David McLaughlin表示：“金融机构已经意识到，使用AI进行自动化是从我们的银行系统中消除金融的最佳方法。” “我们希望使他们尽可能轻松地介入并尝试AI来解决其实体分辨率挑战。通过这项新产品，我们为金融机构提供了机会，以了解AI如何在降低调查管辖权的同时显着提高调查效率。”

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：