Когда мы говорим о KYC, обычно мы думаем о банках, деньгах и платежах, но KYC может иметь более широкие аспекты и варианты использования, помимо «денег». Процесс KYC был принят правительствами и даже применялся для подрядчиков, рабочих и служащих. Но что такое ЗСК?
KYC — это полное знание личности клиента и его потенциальных рисков. Это непростая задача для организации, которую нужно выполнять в отношении каждого отдельного клиента, особенно с учетом меняющихся правил, ценового давления, устаревшие системы и более тщательный контроль со стороны регулирующих органов. Сумма, которую эти организации тратят на регулирование и соблюдение, не является устойчивой. Таким образом, им определенно нужна помощь, чтобы снизить затраты, не отставать от расширяющихся правил и избегать штрафов — я бы сказал, им нужна помощь машин.
Область искусственного интеллекта (ИИ) может сыграть большую роль в процессе KYC. Он может упростить процесс регулирования и соблюдения требований, в некоторой степени устранить мошенничество, устранить человеческие ошибки, автоматизировать повторяющиеся задачи и помочь сократить время и затраты. Вот некоторые, но не все моменты, которые лучше иллюстрируют роль ИИ в процессе KYC:
- Обработка изображений: помогает выполнять сканирование контрольных документов в реальном времени и улучшает автоматизированный процесс принятия решений. Вот несколько примеров: 1- элементы безопасности в официальных документах, таких как удостоверение личности, водительские права или паспорт и т. д. 2- исследование шрифтов и пиксельных искажений в документе. 3-обнаружение манипулирования/редактирования изображений.
- Распознавание образов и когнитивный механизм: проверка загруженных документов на несоответствия в режиме реального времени и почти мгновенный результат.
- Анализ поведения: сбор данных, например, от чат-бота, и выполнение анализа поведения этих данных может помочь определить потенциальные риски клиента и принять соответствующее правильное решение, например, автоматически повторно запустить KYC на клиента или предупредить бизнес обо всех обнаруженных потенциальных рисках, чтобы они могли действовать соответствующим образом.
- Анализ ссылок: использование аналитических моделей ИИ для анализа различных типов объектов и транзакций, а также изучения ассоциаций и взаимосвязей между ними сделает процесс KYC более эффективным и мгновенным.
- OCR: использование интеллектуального механизма извлечения данных и автоматическое заполнение документов KYC обеспечивает улучшенную и быструю адаптацию клиентов.
Во время моего веб-серфинга я нашел очень интересный некоммерческий проект (appducks api), который занимается некоторыми аспектами ИИ, о которых я упоминал выше. У них все еще есть многообещающая работа в процессе — я с нетерпением жду возможности протестировать их в ближайшее время. Я начал тестировать их API с помощью Postman и получил очень хороший результат. Итак, я решил поделиться с вами своими тестовыми примерами. Это может помочь другим разработчикам использовать некоторые из этих конечных точек API в своих следующих проектах, как это помогло мне с приложением, которое я недавно создал.
- Для тестирования API вам необходимо установить postman на свой локальный компьютер.
- Перейдите в appducks API и выберите ту конечную точку, которую хотите использовать. Это хорошо задокументировано.
Начнем тестирование:
возьмем конечную точку https://api.appducks.com/face/matcher. Эта конечная точка принимает два параметра: face1 и face2, и оба являются просто URL-адресами изображений.
поэтому давайте выберем два изображения: Image1 и Image2
вот результат почтальона:
Это звучит здорово! Я обнаружил, что расстояние менее 0,5 кажется правильным порогом, чтобы сказать, что два изображения принадлежат одному и тому же человеку. Однако команда appducks считает, что лучший порог — 0,6.
Ура, просто и удобно! Я хотел бы увидеть больше таких API в ближайшем будущем. Я использовал эти API в одном из приложений, которые я продаю на NativeBase Market, и оно отлично сработало. Пожалуйста, проверьте это, если вы заинтересованы!
Спасибо за чтение! ♡
