ИИ приходит в комплаенс в крипто, 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 была отдельной категорией. Мы потратили первые несколько лет на объяснение банкам и регуляторам, почему прозрачность публичного реестра — это возможность, а не угроза. Десять лет спустя я наблюдаю, как то же самое непонимание прикрепляется к искусственному интеллекту (ИИ), и это стоит индустрии времени, которого у нее нет.

В разговорах доминируют две истории. Первая гласит, что ИИ скоро полностью заменит команды комплаенса. Вторая утверждает, что ИИ слишком непредсказуем, чтобы подпускать его к регулируемой финансовой деятельности. Я не верю ни в одну из них, и говорю это как человек, чья компания с 2015 года оценила риски более чем 2800 поставщиков виртуальных активов (VASP) и потратила последние два года на добавление ИИ туда, где он действительно помогает, как отдельный слой, а не как нечто, встроенное в инструменты комплаенса, от которых зависят наши клиенты.

Начнем с проблемы, которую поднимает каждый сотрудник по комплаенсу, с которым я разговариваю, в первые пять минут: шум. Система скрининга на санкции, настроенная так, как это делает нервный банк, может выдавать ложные срабатывания в количестве около 95%. Мониторинг транзакций не сильно отстает. Поэтому обученный аналитик, который понимает типологии и может читать потоки средств, тратит большую часть рабочего дня на очистку оповещений, которые никогда не были рисками: отклонение совпадений имен по распространенной фамилии, чтение пяти негативных новостей, которые оказываются о совершенно другом человеке. Каждая такая проверка негативных новостей занимает у аналитика 10–20 минут. Вот такая реальная текстура работы в сфере комплаенса сегодня, и именно поэтому хорошие люди выгорают в этой профессии.

Здесь автоматизация заслуживает своего места, и это место уже уже, чем предполагает хайп. Я не занимаю нейтральную позицию. Scorechain AI существует для того, чтобы предоставить аналитику один отчет: оценку риска кошелька, типы взаимодействовавших с ним сущностей, а также названные сервисы и контрагенты, с которыми он имел дело. Это работа, которая раньше означала часы ручного отслеживания по реестру. Но обратите внимание, что отчет делает и чего не делает. Он ничего не решает. Он сжимает доказательства так, чтобы сотрудник по комплаенсу, который должен подписать это решение и защитить его перед регулятором позже, мог прочитать его за минуты и затем принять решение. В этом и заключается вся суть игры. Хорошая автоматизация не сокращает функцию комплаенса; она выводит ее с беговой дорожки сортировки обратно к сфере суждений.

Это различие имеет значение, потому что альтернатива опасна. В регулируемой среде модель не может отчитываться перед руководителем. Шестая директива по противодействию отмыванию денег (AMLD6) и Регламент по рынкам криптоактивов (MiCA) требуют от учреждения объяснения и ответственности за свои решения. «Алгоритм пометил это» не является защитой при проверке, а «алгоритм пропустил это» еще хуже. Поэтому единственная ответственная архитектура — это ИИ как поддерживающий слой, лежащий поверх надежных данных, с назначенным сотрудником по комплаенсу, сохраняющим за собой право принятия решения и ответственность, которая за ним следует. Человеческий надзор — это не тренировочные колеса, которые мы снимаем, как только модель созревает. Это архитектура.

И модель хороша ровно настолько, насколько хороши данные, лежащие в ее основе. Это та часть, которую упускают из виду внешние наблюдатели. Сама по себе ИИ, читающая блокчейн, видит только анонимные строки символов, передающие ценность другим анонимным строкам. Она не может определить, что кошелек тремя шагами выше по цепочке является санкционированной биржей, или что контрагент, получающий средства, — это миксер, а не поставщик зарплат. Предоставление этого недостающего контекста — вся задача блокчейн-аналитики: привязка идентичности и риска к сырым ончейн-активностям, отслеживание косвенного воздействия через несколько шагов, а не просто проверка адреса перед вами, и оценка его на основе более чем миллиарда точек данных и более миллиона крипто-сущностей, которые мы промаркировали с 2015 года. Возьмем конкретный случай: кошелек на первый взгляд выглядит чистым, но отслеживание его потоков показывает, что большая часть его баланса поступила, два шага назад, с адреса, связанного с оператором вымогателей. Это вывод, к которому модель никогда не пришла бы на основе сырых ончейн-данных, и который сотрудник по комплаенсу должен использовать для действий. Подайте модели этот контекст, и она сможет рассуждать на твердой почве. Подайте ей тонкие данные, и она выдаст уверенный бред, который в сфере комплаенса опаснее честного пробела, потому что он пропускает то, что не должно быть пропущено.

Вот что я нахожу по-настоящему новым. ИИ больше не только инструмент, который используют команды комплаенса; он становится участником рынка, который они мониторят. Автономные агенты, инициирующие платежи в рамках предустановленных лимитов, перешли от демонстраций к развертыванию, подталкиваемые реальной инфраструктурой: стандарт Coinbase x402 для платежей между машинами, протокол Visa Trusted Agent, интеграция PayPal и OpenAI при оформлении заказа. Программное обеспечение начинает транзакционировать с другим программным обеспечением, рассчитываясь криптоактивами, в объемах, которые любая казначейская команда не могла бы сопоставить вручную.

Это поднимает вопрос, на который индустрия еще не дала четкого ответа: как применять принципы Know Your Transaction к контрагенту, который является программным обеспечением? Направление, по крайней мере, ясно. Когда агенты совершают транзакции самостоятельно, контроль не может ограничиваться только онбордингом. Он перемещается на сам уровень транзакции: мониторинг в реальном времени, ограничения скорости, происхождение данных и возможность вмешательства, пока деньги еще находятся в пути. Прозрачность, которую мы годами защищали перед скептиками, оказывается единственной вещью, которая делает автономную ончейн-активность вообще поддающейся аудиту.

Это будущее, которое мы решили построить, а не ждать его. Мы недавно запустили Scorechain MCP, который предоставляет доступ к нашей оценке риска и интеллекту о сущностях через Model Context Protocol — новый стандарт, позволяющий агентам ИИ напрямую вызывать внешние инструменты. Интеллект живет в нашей платформе, а ИИ остается вне ее, обращаясь за ответами, а не будучи встроенным в сам инструмент комплаенса. Принцип прост: агент никогда не должен совершать транзакции вслепую. Прежде чем перевести средства или одобрить контрагента, он может одновременно спросить у Scorechain, является ли этот адрес санкционированной сущностью, миксером, известным мошенничеством или чистым частным кошельком, и получить в ответ оценку риска. Это не гипотетическая пропускная способность. Мы уже проводим более 1,5 миллиона проверок AML в день, и вызов для скрининга занимает примерно 235 миллисекунд, что достаточно быстро, чтобы вписаться в живую транзакцию, а не замедлить ее. Мы размещаем его там, где живут эти агенты и рабочие процессы, в виде приложения внутри ChatGPT и Claude, а также в виде интеграции на платформах автоматизации, таких как n8n и Zapier. Проверка комплаенса, встроенная в поток в момент принятия решения, стоит гораздо больше, чем та, которая добавляется после того, как деньги уже перемещены. Самая базовая проверка, появляется ли адрес в списке санкций, не должна стоять за платным доступом для кого бы то ни было. Именно поэтому мы предлагаем его в виде бесплатного API скрининга на санкции, который может вызвать любой разработчик, агент или рабочий процесс. Скрининг на наличие санкционного воздействия — это не то место, где провайдер комплаенса должен извлекать ценность; это фундамент, на котором должна стоять вся индустрия.

Здесь происходит сдвиг второго порядка, с которым эмитенты токенов и управляющие активами только начинают сталкиваться. Когда ценность перемещается в стейблкоины и токенизированные активы со скоростью машины, риском, который имеет значение, становится не только отдельная транзакция, но и сам актив: кто его держит, насколько концентрировано это владение и какая часть предложения находится у санкционированных или иных высокорисковых сущностей. Это другой вопрос, чем мониторинг транзакций, и именно на него отвечает наша Digital Asset Intelligence, давая эмитенту или управляющему активами видение держателей и воздействия на уровне актива до того, как они выпустят, разместят или распределят его.

Европа более готова к этому, чем ей приписывают. MiCA и AMLD6 уже предполагают непрерывный мониторинг и четкую подотчетность, а не разовую проверку на входе, и режим, который предполагает, что деятельность должна быть объяснимой, — это именно то, что вам нужно, когда программное обеспечение начинает двигать деньги. Так что да, ИИ приходит в комплаенс в крипто. Он уберет большую часть утомительной работы, и я приветствую это. Но он не уберет необходимость в суждениях, подотчетности и проверяемых данных. Он повышает планку по всем трем направлениям. Те команды, которые относятся к ИИ как к более быстрому аналитику, опирающемуся на надежные ончейн-данные и строго контролируемые человеком, — это те, кто останется стоять, когда машины начнут совершать транзакции. Это ближе, чем думает большинство людей.