Искусственный интеллект войдет в сферу регулирования криптовалют, но не так, как думает большинство людей

Пьер Жерар, генеральный директор и соучредитель Scorechain.

Когда мы основали Scorechain в Люксембурге в 2015 году, «блокчейн-аналитика» еще не существовала как отдельная категория. Первые несколько лет мы объясняли банкам и регулирующим органам, почему прозрачность публичного реестра — это возможность, а не угроза. Десять лет спустя я наблюдаю, как то же самое недопонимание распространяется и на искусственный интеллект (ИИ), и это обходится отрасли в имеющееся у нее время.

В дискуссиях доминируют две версии. Первая гласит, что ИИ вскоре полностью заменит команды по соблюдению нормативных требований. Вторая утверждает, что ИИ слишком непредсказуем, чтобы допускать его к регулируемой финансовой деятельности. Я не верю ни в одну из них, и говорю это как человек, чья компания с 2015 года провела оценку рисков более чем 2800 поставщиков услуг виртуальных активов (VASP) и последние два года внедряет ИИ там, где он действительно помогает, в качестве отдельного уровня, а не как нечто встроенное в инструменты обеспечения соответствия нормативным требованиям, от которых зависят наши клиенты.

Начнём с проблемы, которую поднимает каждый сотрудник отдела комплаенса, с которым я разговариваю, в течение первых пяти минут: шум. Система проверки на соответствие санкциям, настроенная так же, как её настраивает нервничающий банк, может выдавать ложные срабатывания в количестве порядка 95%. Мониторинг транзакций не сильно отстаёт. Поэтому квалифицированный аналитик, человек, который понимает типологии и может анализировать движение средств, большую часть рабочего дня тратит на устранение предупреждений, которые никогда не представляли собой риски: игнорирование совпадений по распространённой фамилии, чтение пяти негативных публикаций в СМИ, которые на самом деле описывают совершенно другого человека. Каждая из этих проверок негативных публикаций в СМИ занимает у аналитика от 10 до 20 минут. Такова реальная структура работы в сфере комплаенса сегодня, и именно поэтому хорошие специалисты выгорают из профессии.

Именно здесь автоматизация занимает своё место, и это место гораздо уже, чем предполагает ажиотаж. Я не занимаю нейтральную позицию. Scorechain AI существует для того, чтобы предоставить аналитику один-единственный отчёт: оценку риска кошелька, типы сущностей, с которыми он взаимодействовал, и указанные сервисы и контрагенты, с которыми он был связан. Раньше это была работа, которая занимала часы ручного tracпо реестру. Но обратите внимание на то, что этот отчёт делает и чего не делает. Он ничего не решает. Он сжимает доказательства, чтобы сотрудник, ответственный за соблюдение нормативных требований, тот, кто должен утвердить это решение и защитить его перед регулятором, мог прочитать его за несколько минут и затем принять решение. В этом вся суть. Хорошая автоматизация не сужает функцию соблюдения нормативных требований; она сводит её с конвейера сортировки и возвращает к принятию решений.

Это различие имеет значение, потому что альтернатива опасна. В регулируемой среде модель не может отчитываться перед надзорным органом. Шестая директива по борьбе с отмыванием денег (AMLD6) и Регламент о рынках криптоактивов (MiCA) требуют от учреждения объяснять и обосновывать свои решения. «Алгоритм выявил проблему» — это не оправдание при проверке, а «алгоритм подтвердил проблему» — еще хуже. Поэтому единственно ответственная разработка — это искусственный интеллект в качестве вспомогательного слоя, работающего поверх достоверных данных, с назначенным ответственным лицом, принимающим решения и несущим ответственность за их принятие. Человеческий контроль — это не вспомогательное средство, которое мы убираем после того, как модель созреет. Это архитектура.

И качество модели зависит от того, что лежит в её основе. Именно это упускают из виду посторонние. Сам по себе ИИ, анализирующий блокчейн, видит только анонимные последовательности символов, перемещающие ценность в другие анонимные последовательности. Он не может определить, что кошелёк, находящийся на три шага выше по потоку, является санкционированной биржей, или что контрагент, получающий средства, является миксером, а не поставщиком услуг по выплате заработной платы. Восполнение этого недостающего контекста — вся задача аналитики блокчейна: привязка идентификацииdentрисков к необработанной активности в блокчейне, tracкосвенных рисков на нескольких шагах, а не просто проверка адреса перед вами, и оценка их на основе более миллиарда точек данных и более миллиона криптосущностей, которые мы обозначили с 2015 года. Рассмотрим конкретный случай: кошелёк на первый взгляд выглядит чистым, но tracего потоков показывает, что большая часть его баланса поступила на два шага назад с адреса, связанного с оператором программы-вымогателя. Это тот вывод, к которому модель никогда не пришла бы, основываясь только на необработанных данных блокчейна, и именно на этом должен действовать сотрудник, отвечающий за соблюдение нормативных требований. Если дать модели контекст, она сможет рассуждать на твердой основе. Если же дать ей скудные данные, она будет выдавать увереннуюdent , что с точки зрения соответствия требованиям опаснее, чем честный пробел, потому что это скрывает то, чего не должно было бы скрывать.

Вот что я считаю действительно новым. Искусственный интеллект перестал быть просто инструментом, используемым командами по соблюдению нормативных требований; он становится участником рынка, за которым они следят. Автономные агенты, инициирующие платежи в рамках заданных лимитов, перешли из стадии демонстрации в стадию развертывания, чему способствует реальная инфраструктура: стандарт x402 от Coinbase для платежей между машинами, протокол Trusted Agent от Visa, интеграция PayPal и OpenAI при оформлении заказа. Программное обеспечение начинает взаимодействовать с другим программным обеспечением, обрабатывая криптоактивы в таких объемах, которые ни одна казначейская команда не смогла бы воспроизвести вручную.

Это поднимает вопрос, на который отрасль еще не дала однозначного ответа: как применить «Знай свою транзакцию» к контрагенту, который является программным обеспечением? Направление, по крайней мере, ясно. Когда агенты совершают транзакции самостоятельно, контроль не может ограничиваться только этапом регистрации. Он переносится на сам уровень транзакций: мониторинг в реальном времени, ограничения скорости, происхождение и возможность вмешательства, пока деньги еще находятся в процессе обращения. Прозрачность, которую мы годами защищали от скептиков, оказывается единственным, что делает автономную деятельность в блокчейне вообще подлежащей аудиту.

Это будущее, к которому мы решили стремиться, а не ждать. Недавно мы запустили Scorechain MCP, который предоставляет доступ к нашей системе оценки рисков и анализу данных о сущностях через протокол контекста модели (Model Context Protocol) — новый стандарт, позволяющий агентам ИИ напрямую обращаться к внешним инструментам. Интеллектуальные функции находятся внутри нашей платформы, а ИИ остается вне её, запрашивая ответы напрямую, а не интегрируясь в сам инструмент обеспечения соответствия требованиям. Принцип прост: агент никогда не должен совершать транзакции вслепую. Прежде чем перевести средства или одобрить контрагента, он может одновременно спросить Scorechain, является ли этот адрес санкционированной организацией, миксером, известной мошеннической схемой или чистым частным кошельком, и получить в ответ оценку риска. Это не гипотетическая пропускная способность. Мы уже проводим более 1,5 миллиона проверок на соответствие требованиям AML в день, и ответ на запрос на проверку поступает примерно за 235 миллисекунд — достаточно быстро, чтобы находиться внутри текущей транзакции, а не замедлять её. Мы размещаем его там, где фактически находятся эти агенты и рабочие процессы, в виде приложения внутри ChatGPT и Claude, а также в виде интеграции с платформами автоматизации, такими как n8n и Zapier. Проверка на соответствие требованиям, которая находится внутри процесса, в момент принятия решения, стоит гораздо больше, чем та, которая добавляется после того, как деньги уже были потрачены. Самая базовая проверка, например, наличие адреса в санкционном списке, не должна быть платной для всех. Именно поэтому мы предлагаем ее в виде бесплатного API для проверки на соответствие санкциям поставщик услуг по обеспечению соответствияtrac; это основа, на которой должен стоять весь рынок.

Здесь происходит сдвиг второго порядка, который эмитенты токенов и управляющие активами только начинают осознавать. Когда стоимость переходит в стейблкоины и токенизированные активы со скоростью машин, важным риском становится уже не только отдельная транзакция, но и сам актив: кто им владеет, насколько сконцентрировано это владение и какая часть предложения находится у подсанкционных или иным образом высокорискованных организаций. Это отличается от мониторинга транзакций, и именно на этот вопрос призвана ответить наша система Digital Asset Intelligence , предоставляя эмитенту или управляющему активами информацию об держателях и подверженности риску на уровне отдельных активов до того, как они выпустят, разместят или распределят токены.

Европа к этому готова лучше, чем принято считать. MiCA и AMLD6 уже предполагают непрерывный мониторинг и четкую подотчетность, а не разовую проверку, и режим, предполагающий объяснимость операций, — это именно то, что нужно, когда программное обеспечение начинает управлять денежными средствами. Так что да, ИИ появится в сфере соблюдения нормативных требований в криптоиндустрии. Он избавит от множества рутинной работы, и я это приветствую. Чего он не устранит, так это необходимости в экспертной оценке, подотчетности и проверяемых данных. Он повысит планку по всем трем параметрам. Команды, которые рассматривают ИИ как более быстрого аналитика, основанного на надежной информации из блокчейна и находящегося под строгим контролем человека, — это те, кто останется на плаву, когда машины начнут совершать транзакции. Это ближе, чем думает большинство людей.