圖片來源：CRIF IMAGES

　　近年來，洗錢防制（Anti-Money Laundering, AML）、反資恐（Countering Financing of Terrorism, CFT）、反武擴和反金融犯罪等議題在全球範疇蓬勃發展。隨著金融工具和犯罪態樣的變化，如何建立一個持續演進且有效的行業法遵合規機制則成為了重點。

　　隨著美國紐約州金融服務署（Department of Financial Services, New York State, NYDFS）等歐美主要金融監管機關，逐漸提高了對於認識你的客戶（Know Your Customer, KYC）及客戶盡職調查（Customer Due Diligence, CDD）的要求標準和項目後，我國在洗錢防制（AML）的立法及執行上也逐漸與先進國家逐步看齊，國內金融機構多數都已建置基本洗錢防制系統，並配合商業資料庫提供的名單進行認識你的客戶（KYC）與客戶盡職調查（CDD）中的姓名檢核工作。

　　然而，在2020年金管會仍對國內金融機構祭出2500餘萬之裁罰，其癥結不外乎因實際作業中，針對姓名檢核作業的困難性，以及法遵洗防單位因沒有有效的科技協助，僅能暫且仰賴大量人力而導致工作量繁重。 如何就台灣金融環境需求導入新技術來執行洗錢防制、負面新聞檢核等，仍是市場上共同的、持續性的課題。在FATF（Financial Action Task Force,）提出的40項建議中指出：「除了一般的盡職調查外，金融機構應徹底瞭解往來機構事業的本質，並透過公開資訊檢核該機構的聲譽，以及該機構是否被有效的監管。」因此，在這樣的背景之下，各國包括台灣的金融機構，為蒐集並分析客戶的資訊、背景，紛紛進行負面新聞檢核的相關發展。然而由於新聞資訊蒐集始終缺乏標準與系統，一般仍是使用Google等入口網站作為來源，卻也因此成為了金管會在進行相關稽查時，各家做法歧異最大、也最常產生瑕疵進而導致被裁罰的項目。

　　網路新聞的公信力、可信度、正確性稱差不齊、難以控管，欲用作洗錢防制相關參考資訊沒有想像中的容易，普遍面臨三大困難：（一）巨量的資訊、（二）內容的正確性、（三）名稱匹配。CRIF中華徵信所為解決上述困難，導入AI技術為國內負面新聞檢核領域落實全面性與完整性。為解決數量繁多的問題，使用者在CRIF提供的專門平台進行搜尋，所有新聞來源皆為符合規格的網路主流媒體。再透過AI學習關鍵字及分數模型，由文章內容去定義每一則新聞在常態分布下的得分，供使用者篩選欲蒐集的正面、負面新聞內容。針對公司行號名稱，已可透過設定多組關鍵字的方式交叉比對是否為該公司相關內容。如此一來，上述三大困難在目前商業環境的應用上，已被有效解決且趨於成熟。

　　同時CRIF中華徵信所亦開發出法學判決書解析，透過AI學習語意分析，將過往難以規格化的判決書內容完整解析，判斷出明確的兩造雙方、案由、結論等資訊，讓使用者在對往來廠商進行資料收集時，能夠再多一個公開、公正、可靠且有絕對公信力的資料來源參考。倘若再結合徵信報告、票信查詢等工具來掌握目標對象之背景資料、營運狀況、財務數據、票信紀錄、往來金融機構等資訊，更可以將KYC的基礎概念進一步優化，將不論公司內部或外部政府對於洗錢防制、風險控管的品質提升，達成更完整、全面、嚴謹，且與全球商業金融環境一致的標準化流程。