Using a combination of machine learning algorithms trained on large numbers of transactions labeled as suspicious and not suspicious, and natural language processing (NLP) techniques to extract information from unstructured data, suspicious activity detection can be automated to reduce fraudulent activity.

A large multi-national bank used the C3 AI Anti-Money Laundering application to achieve a 200% increase in correctly identified suspicious cases and an 85% decrease in false positive alerts. The machine learning models were trained on 2 years of historical data from 11 input data sources. Regulator-ready SARs were also created and delivered.


En utilisant une combinaison d'algorithmes d'apprentissage automatique formés sur un grand nombre de transactions étiquetées comme suspectes et non suspectes, et des techniques de traitement du langage naturel (NLP) pour extraire des informations à partir de données non structurées, la détection des activités suspectes peut être automatisée pour réduire les activités frauduleuses. Une grande banque multinationale a utilisé l'application C3 AI Anti-Money Laundering pour obtenir une augmentation de 200 % des cas suspects correctement identifiés et une diminution de 85 % des fausses alertes positives. Les modèles d'apprentissage automatique ont été formés sur 2 ans de données historiques provenant de 11 sources de données d'entrée. Des SAR prêts pour les régulateurs ont également été créés et livrés.

Comptabilité et finance - Réduire la fraude