反洗錢人工智慧 是什麼？

Anti-Money Laundering AI — 反洗錢人工智慧 的完整解釋

反洗錢人工智慧（AML AI）利用AI技術自動偵測金融交易中的可疑活動，協助金融機構遵守法規，打擊洗錢犯罪。

容易混淆

反洗錢人工智慧 vs 詐欺偵測？ 反洗錢人工智慧：用模型找出可疑金流與異常交易模式 詐欺偵測：用模型找出騙帳號、盜刷或假交易 最關鍵的區別：AML 看的是資金流向與洗錢鏈，詐欺偵測看的是欺騙行為本身

反洗錢人工智慧 vs 異常偵測？ 反洗錢人工智慧：重點在合規、風險分級與人工覆核 異常偵測：重點在找出偏離常態的資料點 最關鍵的區別：異常偵測是方法，AML AI 是把方法放進金融合規流程

反洗錢人工智慧 vs 信用評分？ 反洗錢人工智慧：看大量交易脈絡，常搭配規則與模型一起用 信用評分：看的是借款人未來違約風險 最關鍵的區別：AML 管可疑金流，信用評分管還款能力，目的不同

記住這句就好

不是抓每筆怪交易，而是先把最值得查的名單排出來

實際案例

銀行的分拆轉帳 同一個帳戶一天內被拆成很多小額匯款，模型把這些連起來看，發現像是在躲避監控門檻

加密貨幣出金 交易所用模型比對地址關聯、時間密度與金額型態，把高風險提款先交給人工審查

算法與應用

重點	你要看什麼	為什麼重要
輸入	交易金額、頻率、對手帳戶、地理位置	可疑行為通常藏在多個欄位一起看才看得出來
模型	分類模型、異常偵測、圖模型	不同模型對不同洗錢手法各有優勢
流程	規則加模型再加人工覆核	金融場景不能只靠模型分數

情境判斷

Q1：某帳戶突然連續轉出很多接近門檻的小額款項，系統應該優先做什麼？ → 先列入高風險名單，因為這種拆單行為很像刻意規避監控

Q2：模型抓到很多可疑案件，但人工複核後大多是正常交易，這代表什麼？ → 代表誤報太高，可能要調整閾值、特徵或規則，不是直接把模型丟掉

常見問題

反洗錢人工智慧一定比規則系統好嗎？

不一定。規則系統穩定、可解釋，適合已知型態；模型擅長找新模式。實務上通常兩者一起用。

導入時最先要準備什麼？

歷史交易資料、標註過的可疑案件、資料清理流程，還有法遵與風控團隊一起定義什麼叫高風險。

模型分數高就能直接報警嗎？

不能。金融場景通常要保留人工複核，因為誤報、法律責任與客戶體驗都不能只交給分數處理。