Hawk
Pencegahan pencucian uang dan deteksi penipuan <i>cloud-native</i>, berfokus pada pengurangan positif palsu.
Hawk adalah startup pencegahan kejahatan keuangan asal Munich, Jerman, yang menggabungkan mesin aturan tradisional dengan pembelajaran mesin (machine learning) secara paralel: aturan menangani ambang batas kepatuhan yang jelas, sementara model mendeteksi anomali yang terlewat oleh aturan. Hasil dari keduanya disajikan bersama kepada penyelidik.
Fitur Utama
- Mesin aturan dan pembelajaran mesin paralel
- Pelacakan peringatan yang dapat dijelaskan (explainable)
- Pemantauan transaksi secara <i>real-time</i>
- Penyaringan sanksi dan daftar hitam
- Arsitektur <i>cloud-native</i> berbasis API
Kelebihan
- Waktu penerapan lebih cepat dibandingkan perangkat lunak tradisional
- Peringatan yang transparan dan mudah dijelaskan untuk kebutuhan regulator
- Pengurangan positif palsu menjadi nilai jual utama produk
Kekurangan
- Skala perusahaan tergolong kecil dengan sedikit contoh adopsi dari lembaga berskala sangat besar
- Dukungan lokal di Asia Pasifik perlu diverifikasi lebih lanjut
- Penerapan berbasis <i>cloud</i> dapat menjadi tantangan bagi kebijakan keamanan siber beberapa lembaga
Contoh Penggunaan
- Pemantauan transaksi bank digital
- Deteksi penipuan untuk lembaga pembayaran
- Optimalisasi peringatan sistem yang sudah ada
- Digitalisasi alur kerja investigasi kepatuhan
Catatan Editor
Biaya tersembunyi terbesar dalam sistem AML (Anti-Money Laundering) bukanlah harga pembelian perangkat lunaknya, melainkan waktu tenaga kerja yang terbuang untuk menangani peringatan palsu setiap hari. Inilah metrik utama yang harus Anda gunakan untuk mengukur efektivitas biaya.
FAQ
Apakah pembelajaran mesin saja tidak cukup? Mengapa masih membutuhkan aturan?
Regulator mewajibkan ambang batas yang jelas dan dapat diaudit untuk skenario tertentu (seperti pelaporan transaksi di atas nominal tertentu), yang hanya dapat dipenuhi melalui aturan. Pembelajaran mesin melengkapi aturan dengan mendeteksi pola anomali di luar aturan; keduanya saling melengkapi, bukan saling menggantikan.
Apakah sistem ini dapat digunakan hanya untuk mengurangi positif palsu dari sistem yang ada?
Ya, ini adalah jalur adopsi yang umum: sistem yang ada tetap berjalan, lalu peringatan dikirim ke Hawk untuk penilaian ulang dan pemeringkatan. Cara ini memiliki risiko yang lebih rendah dan lebih mudah mendapatkan persetujuan internal.
