FactSet lisää tekoälytyökaluja pankkien riskienhallintaan

FactSet on lanseerannut integroidut tekoälypohjaiset finanssirikollisuuden riskienhallintaominaisuudet osana FactSet Workstation -alustaansa. Uudet työkalut kattavat asiakastuntemuksen (KYC), rahanpesun eston (AML) ja riskienhallinnan, ja ne on suunniteltu tehostamaan keskisuurten ja alueellisten yrityspankkien vaatimustenmukaisuutta ja asiakkaiden käyttöönottoa.

Ominaisuudet, jotka ovat saatavilla yksinomaan FactSetin asiakkaille Workstation-alustan kautta, on kehitetty varmistamaan pankkialan asiakkaiden turvallinen, auditoitava ja vaatimustenmukainen toiminta. FactSetin strategisen kumppanuuden ComplyAdvantagen kanssa hyödyntävät analytiikkamoottorit mahdollistavat asiakassuhteista vastaaville henkilöille (RM) asiakkaiden käyttöönoton, seulonnan ja jatkuvan riskienvalvonnan hallinnan yhdessä, yhtenäisessä alustassa.

"FactSet on omistautunut kehittämään tarkoitukseen rakennettuja analytiikkatyökaluja, joihin sopimusneuvottelijat luottavat. Tämä lanseeraus on seuraava askel FactSetin sitoutumisessa innovaatioihin asiakkaitamme kohtaan", sanoi FactSetin pankki- ja myyntipuolen tutkimuksen johtaja Kendra Brown. "Upottamalla generatiivisen tekoälyn suoraan FactSet Workstationiin annamme asiakassuhdepäälliköille mahdollisuuden tehdä älykkäämpiä ja nopeampia päätöksiä sekä parantaa tuottavuutta."

Ilmoitus korostaa FactSetin jatkuvia investointeja pankkialalle ja sitoutumista älykkääseen automaatioon rahoitusalan ammattilaisille. Tämä uusin julkaisu auttaa asiakassuhdepäälliköitä keskittämään prospektointi-, asiakaspalvelu- ja vaatimustenmukaisuustehtävät, mukaan lukien riskien tunnistaminen ja AML-tarkistukset, yhdelle alustalle. Tämä vähentää kokonaiskustannuksia, virtaviivaistaa toimintoja ja ylläpitää vahvoja vaatimustenmukaisuusstandardeja.

Uusien tekoälyominaisuuksien avulla asiakassuhdepäälliköt voivat nopeuttaa käyttöönottoa automatisoimalla jopa 80 prosenttia KYC-, AML- ja pakotelistoitujen henkilöiden tarkistusvaiheista, mikä lyhentää asiakkaiden käyttöönottoaikoja jopa 50 prosenttia. Lisäksi koneoppimista sovelletaan virheellisten positiivisten tulosten vähentämiseen jopa 70 prosenttia, mikä antaa analyytikoille mahdollisuuden keskittyä todellisiin riskeihin.