Fremtiden for kryptokomplianse: AI‑effektivitet bør kombineres med menneskelig dømmekraft

Når folk tenker på kunstig intelligens innen kryptovaluta, er det første som dukker opp i tankene deres handelsroboter som kan gjøre investorer rike over natten. Imidlertid forstår alle som jobber tett med krypto at AI kan gi mer hjelp i rutineoppgaver, spesielt innen etterlevelse. 

Med nesten 70% av finansinstitusjonene som prioriterer AI for risikostyring og etterlevelse, er det tydelig at bransjen er på vei til å innovere. Men det er et problem: noen ganger tar AI‑systemer beslutninger uten klare forklaringer, noe som skaper den såkalte svarte‑boks‑effekten. Dette kan føre til etiske bekymringer, og får etterlevelsesansvarlige til å spørre seg selv: Er AI i kryptoområdet et etisk puslespill som må løses, eller handler det om å forbedre hvor brukbare disse verktøyene egentlig er?

Hvordan kan AI hjelpe med etterlevelse?

Det finnes noen områder innen etterlevelse hvor AI ikke bare er bra, men det beste alternativet etter min mening. Det første er KYC/KYB, eller Know Your Customer/Business‑sjekker. Når en ny kunde registrerer seg, må de gjennomgå en levetidsverifisering. Det innebærer å slå på kameraet, skanne ansiktet og passet deres, og AI gjør faktisk en god jobb med dette. Den kan matche ansikter med ID‑er og oppdage falske dokumenter på sekunder. 

Det samme gjelder når en virksomhet ønsker å koble seg til, da de må levere en mengde verifiseringsdokumenter som bekrefter at deres virksomhet er lovlig og at pengene som kommer inn er fra tillatte handlinger. Ingen menneskelig kan behandle den mengden data så raskt og så nøyaktig som AI.

Det andre området er transaksjonsovervåking eller Know Your Transaction (KYT). I krypto betyr dette å se på hvor pengene kommer fra og hvor de går. Hvis de er knyttet til noe ulovlig som terrorfinansiering, darknet, narkotika eller enda verre, må etterlevelsesteamet vite det umiddelbart. Mange selskaper samarbeider med eksterne leverandører som bruker AI for å spore disse forbindelsene, fordi det er nesten umulig for et menneskelig team å følge hver eneste blokkjedetransaksjon. AI er imidlertid svært effektivt i dette og kan spore de mistenkelige mønstrene enkelt og på sekunder, og bryte ned i eksakte prosenter hvor pengene kommer fra.

Og sist, men ikke minst, er AI sin anvendelse i rapporteringsprosesser. Vi vet alle at innsamling og organisering av data for regulatorer vanligvis tar mye tid og kan inneholde mange små feil når det gjøres manuelt. Men AI‑drevne verktøy kan gjøre dette automatisk, levere raske og nøyaktige rapporter og holde klare registre. Disse revisjonene fungerer raskere og med færre feil, og gjør også arbeidet mye enklere for rapporteringsteamene. 

Skjevhet vs. Brukervennlighet

Selvfølgelig kan ikke AI være perfekt, da det er en relativt ny teknologi og har noen ulemper. Mange knytter dette vanligvis til et etisk dilemma og sier at AI er skjev og vet hvordan den skal diskriminere. Jeg mener imidlertid at de noen ganger klandrer AI for problemer som egentlig bare er en del av dårlig design eller dårlig brukervennlighet.

For eksempel, hvis et AI‑program avviser en persons passskanning, er det ikke alltid fordi modellen har noen fordommer. I de fleste tilfeller er det fordi systemet ikke tydelig forklarte hvilken type bilde som var nødvendig, eller fordi grensesnittet gjorde det for enkelt å laste opp et uklart bilde. Dette kan enkelt løses ved å forbedre brukeropplevelsen med klarere instruksjoner.

En annen grunn til at det ikke er noe AI‑etisk problem, er at AI‑systemer lærer og opererer basert på dataene de får. Hvis inngangsdataene allerede inneholder eksisterende menneskelige skjevheter eller ufullstendig informasjon, vil AI gjenskape disse mønstrene, ikke fordi den er iboende skjev, men fordi den speiler det den har blitt lært. Dette betyr at problemet ofte ligger i første steg, hvordan dataene ble samlet inn eller valgt, snarere enn i selve AI‑en.

Likevel kan AI i noen tilfeller ta beslutninger som etterlevelsesteamet ikke kan forklare på grunn av komplekse algoritmer og mangel på åpenhet. Med andre ord kan et AI‑program ta en beslutning, men det forteller oss ikke alltid hvorfor eller hvordan det kom frem til den konklusjonen. Det er frustrerende, men det betyr ikke nødvendigvis et etisk brudd. For å unngå slike situasjoner kommer løsningen.

Behovet for menneskelig berøring

I stedet for å se AI som en etisk trussel, bør vi se det som et kraftig verktøy som forbedrer hva et menneske kan gjøre. De beste resultatene kommer fra hybride systemer, der AI kombineres med menneskelig tilsyn og dømmekraft. Det betyr at AI skal utføre datatunge, repeterende oppgaver og flagge mistenkelige saker for grundig manuell gjennomgang. Dette samarbeidet vil tilføre ansvarlighet, selv om vi ikke fullt ut forstår nøyaktig hva AI gjør.

Det er økende bevissthet om at etterlevelse går utover bare å krysse av bokser og oppfylle forskrifter. Hver etterlevelsesansvarlig vet at det er svært viktig å bygge tillit og oppriktig forstå kundens opplevelse. Selv om AI kan analysere data og identifisere mønstre, mangler den evnen til å føle følelser eller forstå den komplette konteksten bak en kundes situasjon. 

Derfor er ekte mennesker fortsatt svært viktige for å håndtere oppgaver som krever nøye oppmerksomhet og empati. Mest sannsynlig vil AI i fremtiden lære å lese alle nyanser, men foreløpig er samarbeid den beste strategien. 

Avsluttende ord

Til slutt, selv med alle utfordringene som den svarte‑boks‑arten, ville jeg ikke gi opp AI i etterlevelse. Tvert imot finnes det oppgaver den kan utføre raskere og bedre, og mennesker klarer rett og slett ikke å holde tritt. Ingen kan skanne hundrevis av transaksjoner per sekund eller sammenligne tusenvis av ID‑er i sanntid. AI blir ikke sliten, mister ikke fokus, og anvender samme standard på hver sak, så teknologien veier mer enn sine ulemper.

Likevel kan ikke AI erstatte menneskelig tenkning og kan ikke ha en ekte samtale med en kunde for å forstå deres situasjon. Derfor er den beste tilstanden, som vi nevnte tidligere, et partnerskap: AI brukes for hastigheten og dataene, mens mennesker tar de endelige beslutningene og håndterer kommunikasjonen med kunden.