Thomson Reuters: 199% ROI и 95% сокращение мошенничества благодаря ИИ-агентам для комплаенса

Thomson Reuters, один из мировых лидеров в области информационных решений, достиг впечатляющего результата: 199% ROI от внедрения ИИ-агентов для комплаенса. Независимое исследование Forrester Consulting подтвердило, что это решение позволило сократить мошенничество на 95% и освободить до 20 рабочих часов в месяц для каждого сотрудника, занимающегося комплаенсом.

В каждой крупной компании комплаенс, это не только соблюдение законов, но и огромный пласт ручной работы: проверка документов, сверка данных, мониторинг транзакций. Эта рутина съедает бюджет, отвлекает ценных специалистов от основной работы и несёт в себе постоянный риск ошибок и многомиллионных штрафов. Так быть не должно, современные ИИ-агенты уже умеют брать эту нагрузку на себя.

Комплаенс как источник проблем: до внедрения ИИ-агентов

До внедрения ИИ-агентов, компании, особенно в финансовом и производственном секторах, сталкивались с разрозненными инструментами и отсутствием единой системы для управления комплаенсом. Это приводило к колоссальной ручной работе: сотрудники использовали электронные таблицы, изолированные базы данных и несвязанные рабочие процессы для управления налоговыми, торговыми, юридическими и рисковыми требованиями.

Последствия были ощутимы: онбординг клиентов мог затягиваться на дни или даже недели из-за необходимости ручных проверок. Проверка регуляторов требовала мобилизации больших команд и сбора данных вручную. Одобрение экспортных заказов, критически важное для производственных компаний, занимало 2-3 дня. Это не только замедляло бизнес-процессы, но и создавало постоянную угрозу многомиллионных штрафов за несоблюдение требований, а риск мошенничества оставался высоким из-за человеческого фактора и ограниченных возможностей ручного мониторинга.

Почему обычная автоматизация не справлялась

Многие компании уже имели какие-то системы автоматизации, но они были фрагментированы и не могли обеспечить комплексный подход к комплаенсу. Стандартные решения часто фокусировались на отдельных аспектах, например, на налоговой отчётности или торговых декларациях, но не могли объединить все эти функции в единую, интеллектуальную систему. Они не умели адаптироваться к изменяющимся регуляторным требованиям в реальном времени и требовали постоянного ручного вмешательства для обновления данных и правил.

Нужен был инструмент, способный не просто автоматизировать отдельные задачи, а взять на себя роль интеллектуального координатора, который бы проактивно управлял всем циклом комплаенса, минимизируя человеческий фактор и обеспечивая актуальность информации в условиях постоянно меняющегося законодательства.

Как проектировали ИИ-агентов для комплаенса

Основная идея заключалась в создании платформы, которая бы объединила все аспекты комплаенса — налоговые, торговые, юридические и рисковые — в единую интеллектуальную сеть. ИИ-агентов проектировали таким образом, чтобы они могли не просто выполнять заданные скрипты, а проактивно анализировать данные, выявлять аномалии и предотвращать риски, становясь центральным звеном в стратегии управления соответствием.

Ключевые функции, заложенные в ИИ-агентов:

• Автоматизированная проверка личности и скрининг санкций. Агенты должны были в реальном времени проверять новых клиентов и транзакции на соответствие санкционным спискам и регуляторным требованиям, сокращая время онбординга и минимизируя риски.
• Непрерывный мониторинг транзакций. Вместо периодических ручных проверок, ИИ-агенты осуществляли постоянный мониторинг, выявляя подозрительную активность и потенциальное мошенничество, значительно повышая скорость реагирования на угрозы.
• Единый источник данных. Агенты интегрировались с существующими ERP, CRM и торговыми системами через более чем 200 API, собирая все необходимые данные в одном месте и обеспечивая единый источник правды для всех комплаенс-процессов, устраняя разрозненность информации.
• Проактивное управление рисками. Система перешла от реактивного обнаружения инцидентов к проактивному предотвращению, используя алгоритмы машинного обучения для предсказания и минимизации рисков на основе исторических данных и текущих тенденций.

Внедрение и этапы трансформации

Внедрение проходило поэтапно, начиная с наиболее критичных и ресурсоёмких областей. Первым делом ИИ-агентов задействовали для автоматизации рутинных проверок, таких как скрининг санкций и верификация личности. Это позволило быстро продемонстрировать ценность решения и получить поддержку от команд, показав ощутимые результаты в короткие сроки.

Далее, по мере накопления данных и обучения моделей, агенты стали брать на себя более сложные задачи: непрерывный мониторинг транзакций, автоматическое формирование отчётов и даже предварительную оценку рисков при одобрении экспортных заказов. Важным аспектом стало обучение сотрудников работе с новой системой. Вместо того чтобы полностью заменить людей, ИИ-агенты стали их помощниками, освобождая от рутины и позволяя сосредоточиться на анализе и принятии стратегических решений, требующих человеческого интеллекта и опыта.

Результаты

Результаты оказались впечатляющими. Снижение риска мошенничества на 95% эквивалентно экономии $1 млн в дисконтированной стоимости за три года. Операционная эффективность выросла на $11,8 млн за тот же период, благодаря экономии 20 часов в месяц на каждого сотрудника в юридических, рисковых, налоговых и торговых отделах. Например, управление зоной внешней торговли, которое раньше требовало семи штатных сотрудников, теперь выполняется тремя, а одобрение экспортных заказов сократилось с нескольких дней до секунд. Эти цифры подтверждают, что ИИ-агенты не просто оптимизируют процессы, а кардинально меняют операционную модель, превращая комплаенс из центра затрат в конкурентное преимущество.

Как перенести это на ваш бизнес

Кейс Thomson Reuters показывает, что ИИ-агенты могут радикально улучшить комплаенс и операционную эффективность в любой компании, где есть значительные объёмы рутинной работы и высокие риски. С чего начать:

• Идентифицируйте рутинные и рисковые операции. Начните с анализа процессов, которые требуют много ручного труда, подвержены ошибкам или несут высокие риски для бизнеса (например, онбординг клиентов, мониторинг транзакций, подготовка отчётов).
• Создайте единый источник данных. Интегрируйте разрозненные системы и базы данных, чтобы ИИ-агенты могли получать полную и актуальную информацию для анализа и принятия решений, устраняя информационные барьеры.
• Начните с автоматизации скрининга и мониторинга. Внедрите ИИ-агентов для автоматической проверки соответствия, скрининга санкций и непрерывного мониторинга, чтобы перейти от реактивного к проактивному управлению рисками, обеспечивая постоянную бдительность.
• Обучайте и масштабируйте. Постепенно расширяйте функционал ИИ-агентов, передавая им более сложные задачи и обучая сотрудников работе с новыми инструментами, чтобы они могли максимально эффективно использовать возможности новой системы.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру