NatusAI
Analityk ds. przestępczości finansowej i kierownik zespołu analizują na ekranie sieć transakcji
  1. Strona główna
  2. Zastosowania
  3. Bankowość i usługi finansowe
Bankowość · Wykrywanie nadużyć i complianceZrealizowane · wynik u klienta

Duży bank europejski

Wykrywanie nadużyć i analityka compliance w banku: z 3 dni do czasu rzeczywistego

Wykrywanie nadużyć i analityka: od zapytań trwających 3 dni do analizy w czasie rzeczywistym – przy milionach transakcji dziennie.

Porozmawiajmy o podobnym projekcie
3 dni → <1 s

czas złożonego zapytania o powiązania

85%

skuteczniejsze wykrywanie nadużyć – według danych banku

70%

wzrost produktywności

Podsumowanie dla zarządu: analityka nadużyć i compliance

Klient
Duży bank europejski
Sektor
Bankowość i usługi finansowe
Skala
Miliony transakcji dziennie
Zakres
Wykrywanie nadużyć, raportowanie compliance, analiza dokumentów

Kontekst, decyzja, wynik

  • Kontekst. Złożone zapytania do baz danych trwały 3 dni robocze, więc wykrywanie nadużyć w czasie rzeczywistym było niemożliwe. Dane rozproszone po działach uniemożliwiały pełny obraz klienta (360°), a pracownicy tracili godziny na powtarzalne wyszukiwanie danych.
  • Decyzja. Nowa architektura zbudowana wokół powiązań: wydajna warstwa danych grafowych łącząca działy, wykrywanie anomalii z użyciem uczenia maszynowego i przetwarzanie milionów transakcji dziennie w czasie rzeczywistym. Analitycy widzą pełny kontekst każdego alertu.
  • Wynik. Odpowiedzi na złożone zapytania o powiązania w czasie poniżej sekundy zamiast 3 dni. Wykrywanie nadużyć skuteczniejsze o 85% (według danych banku), raportowanie compliance szybsze o 80%, produktywność wyższa o 70%, a satysfakcja klientów o 42%.
  • Czas do efektu. Pracownicy banku otrzymali szkolenia i dokumentację techniczną, opracowane wokół pytań, które analitycy już zadają.
Wyzwanie

Wyzwanie dla zespołów ds. nadużyć i compliance

W bankowości przydatna odpowiedź zależy od powiązań: między rachunkami, transakcjami, dokumentami, klientami i zdarzeniami. W tym banku powiązania te były rozproszone w systemach poszczególnych działów, a złożone zapytania trwały 3 dni robocze.

Opóźnienia uderzały w dochodzenia, raportowanie i każdą decyzję wymagającą spójnego obrazu. Zanim dane zostały uzgodnione, okno decyzyjne często już się zamknęło – a powolne decyzje zwiększały narażenie na nadużycia.

Jak przebiegał projekt

Droga: od zapytań trwających 3 dni do dochodzeń w czasie rzeczywistym

Wąskie gardło okazało się tkwić w powiązaniach – nie w ludziach i nie w sprzęcie.

  1. Krok 01 · Analiza

    Jak zdiagnozowaliśmy wąskie gardła

    Prześledziliśmy drogę od przetwarzania transakcji przez wykrywanie nadużyć po raportowanie compliance oraz przepływy danych między działami.

    Szukaliśmy silosów, powtarzanej pracy przy wyszukiwaniu danych i powiązań, które zespoły musiały widzieć razem. Dzięki temu pierwszą zmianę skupiliśmy na pytaniach, przy których połączone dane uwolnią najwięcej mocy przerobowych.

    Realizacja Analizę przeprowadził nasz zespół.

  2. Krok 02 · Projekt i transformacja

    Jak zbudowaliśmy model danych wokół dochodzeń

    Zaprojektowaliśmy wydajną architekturę grafowej bazy danych, zoptymalizowaną pod złożone zapytania o powiązania, i przenieśliśmy dane o relacjach do struktury dopasowanej do pracy dochodzeniowej.

    Wytrenowaliśmy modele uczenia maszynowego do rozpoznawania wzorców i wykrywania anomalii w danych transakcyjnych oraz zbudowaliśmy potok przetwarzający w czasie rzeczywistym miliony transakcji dziennie.

    Jednolita warstwa danych połączyła działy wokół wspólnego obrazu, z kontekstem operacyjnym i kontrolą dostępu wbudowanymi w projekt.

    Produkty NatusAI dla tej funkcjonalności

    Abstrakcyjna wizualizacja grafu z wersjami w czasie, w którym powiązania zachowują swoją historię
    Każda transakcja i każde powiązanie są przechowywane wraz z historią, więc wzorzec można śledzić w czasie.
Abstrakcyjna wizualizacja obrazu operacyjnego, w którym alerty, transakcje i ich historia są ze sobą połączone
Połączone dane sprawiają, że o ryzyku nadużyć zarząd może rozmawiać w oparciu o dowody.
  1. Krok 03 · Budowa

    Co zbudowaliśmy

    Silnik wykrywania nadużyć w czasie rzeczywistym z bieżącym monitorowaniem transakcji, natychmiastowymi alertami i automatyczną oceną ryzyka. Analitycy widzą aktywność, wzorzec ryzyka i jego kontekst.

    Platforma analizy dokumentów z interfejsem zapytań w języku naturalnym, zdolna przetworzyć miliony dokumentów w kilka sekund – analitycy mogą zadawać pytania do zatwierdzonych zbiorów dokumentów.

    Integracja danych klienta w ujęciu 360 stopni z dostępem międzydziałowym i narzędziami do współpracy.

    Produkty NatusAI dla tej funkcjonalności

  2. Krok 04 · Wdrożenie

    Jak zespoły wdrożyły rozwiązanie

    Szkolenia i dokumentacja techniczna dla pracowników banku, oparte na pytaniach, które analitycy już zadają, wraz z kontekstem potrzebnym, by ocenić wynik, a nie przyjmować odpowiedź z „czarnej skrzynki”.

    Produkty NatusAI dla tej funkcjonalności

Realizacja: zespół NatusAI. Etykiety produktów pokazują, który produkt NatusAI zapewnia daną funkcję lub ma ją zapewniać; status wydania podajemy w sekcji „Dla Państwa zespołu technicznego”.

Analitycy ds. przestępczości finansowej wspólnie przeglądają tabele transakcji i diagram powiązań (zdjęcie poglądowe)
Zdjęcie poglądowe.
Strona ludzka

Co zmieniło się dla zespołów ds. ryzyka, nadużyć i compliance

Mniej czekania między pytaniem a decyzją – i więcej czasu na ocenę.

  • Analitycy ds. nadużyć. Alerty przychodzą w czasie rzeczywistym wraz z grafem i historią, więc wzorzec można prześledzić przez kolejne powiązania i wyjaśnić.

  • Zespoły compliance. Raportowanie jest szybsze o 80%, bo dane są już połączone, a pytania do dokumentów można zadawać zwykłym językiem.

  • Pracownicy obsługujący klientów. Pełny obraz klienta (360 stopni) we wszystkich działach. Satysfakcja klientów wzrosła o 42%.

Mierzalne wyniki, które mają znaczenie

Efekt: analityka nadużyć i compliance w czasie rzeczywistym

3 dni → <1 s

złożone zapytania o powiązania – z 3 dni roboczych do poniżej sekundy

85%

skuteczniejsze wykrywanie nadużyć – według danych banku

70%

wzrost produktywności

80%

szybsze raportowanie compliance

42%

wyższa satysfakcja klientów

98%

dokładność analizy dokumentów według danych banku, przy milionach dokumentów miesięcznie

Dane przekazane przez klienta po zakończeniu projektu.

Dane finansowe i dochodzenia

Dokąd może prowadzić ten sam fundament

W większości banków księga główna, silnik wykrywania nadużyć, model ryzyka i ścieżka audytu działają w osobnych systemach, łączonych nocnymi przetwarzaniami wsadowymi. Połączony fundament, który uwzględnia czas, pozwala decydować, wykrywać i prognozować na bieżących danych.

Scenariusz referencyjny

Natychmiastowe decyzje kredytowe

Problem
Przyznanie kredytu lub limitu wymaga zebrania historii wnioskodawcy i sieci jego zobowiązań – zwykle to powolne łączenie danych z wielu systemów.
Podejście
Pełna historia transakcji i sieć kontrahentów są w jednym miejscu. Model scoringowy ocenia je i w ciągu chwili zwraca decyzję: akceptacja lub odmowa.
Rezultat
Decyzje kredytowe w czasie rzeczywistym w punkcie sprzedaży lub w aplikacji, poparte dokładnie tymi danymi, na podstawie których zostały podjęte.
Scenariusz referencyjny

Wykrywanie nadużyć i prania pieniędzy (AML)

Problem
Nadużycia i pranie pieniędzy ujawniają się jako wzorce w czasie – pierścienie, łańcuchy „słupów” czy nagłe serie transakcji – których kontrole wiersz po wierszu nie wychwytują.
Podejście
Śledzenie przepływu pieniędzy przez kolejne powiązania, wykrywanie obiegów zamkniętych i skoków częstotliwości oraz ocena anomalii w chwili realizacji transakcji.
Rezultat
Podejrzane wzorce oznaczane w czasie rzeczywistym, z pełną siecią powiązań i historią pod ręką – do zbadania i wyjaśnienia.
Scenariusz referencyjny

Salda i płynność

Problem
Skarbowość potrzebuje także jutrzejszych sald, a prognozy powstają w arkuszach kalkulacyjnych odłączonych od bieżącej księgi.
Podejście
Prognoza salda każdego rachunku, agregowana do poziomu oddziału i płynności całego banku, a następnie testy warunków skrajnych na tych samych danych.
Rezultat
Prognoza płynności, na której można oprzeć planowanie, odświeżana na bieżąco zamiast raz w miesiącu.

„Jak wyglądała ta ekspozycja 30 czerwca?” Każda transakcja i każde powiązanie są przechowywane wraz z historią, więc audyt, compliance i testy wsteczne działają na tych samych danych co bieżące decyzje.

Scenariusze referencyjne dla banków, ubezpieczycieli i instytucji płatniczych; mają charakter poglądowy i nie są wynikami klientów NatusAI. Ocena zdolności kredytowej i scoring mogą być zastosowaniami wysokiego ryzyka w rozumieniu załącznika III do AI Act. Zob. sekcję o ładzie AI poniżej.

Możliwość przeniesienia

Co to oznacza dla banków, ubezpieczycieli i instytucji płatniczych

Banki, ubezpieczyciele i instytucje płatnicze, które wciąż czekają na uzgodnienia wsadowe, mogą zastosować to samo podejście, zaczynając od jednej ścieżki dochodzeniowej: grupy przestępczej, wzorca roszczeń lub raportu compliance.

Zacząć od pytania, które czeka najdłużej.

Jedna ścieżka dochodzeniowa, jeden zestaw powiązań, który staje się widoczny, i zmierzony stan „przed” i „po”.

Wyjaśnialność wynika z kontekstu.

Gdy analitycy widzą sieć powiązań i historię stojące za alertem, mogą obronić decyzję przed nadzorem.

Dane tam, gdzie chce ich regulator.

Graf, historia i analityka mogą działać jako jeden system we własnej infrastrukturze banku.

Regulacje

Zaprojektowane z myślą o DORA, AML, Solvency II i ładzie AI w ramach AI Act

Instytucje finansowe muszą umieć wyjaśnić, odtworzyć i wyjść. Architektura zapewnia, że za istotne decyzje odpowiada wskazana osoba, przechowuje historię potrzebną do ich odtworzenia i może działać w obrębie własnej infrastruktury banku.

  • DORA (stosowane od 17 stycznia 2025): wdrożenie on-premise lub w UE, udokumentowana strategia wyjścia, informacje do rejestru informacji o ustaleniach umownych z zewnętrznymi dostawcami usług ICT, dowody odtworzenia (zweryfikowane odtwarzanie, NatusAI Gemini, na roadmapie)
  • AML / nadzór nad przestępczością finansową: alerty powiązane z transakcjami, kontrahentami i historią, które za nimi stoją – dla dochodzeń, które da się wyjaśnić
  • AI Act: ocena zdolności kredytowej osób fizycznych to zastosowanie wysokiego ryzyka z załącznika III; obowiązki dla samodzielnych systemów wysokiego ryzyka mają obowiązywać od 2 grudnia 2027 (z zastrzeżeniem ostatecznego przyjęcia). Nadzór ze strony człowieka, rejestrowanie zdarzeń i dokumentacja ładu danych wspierają obowiązki podmiotu stosującego
  • Solvency II / EIOPA (ubezpieczyciele): te same mechanizmy kontrolne (nadzór ze strony człowieka, rejestrowanie zdarzeń, udokumentowane przepływy danych i udokumentowany plan wyjścia) dają ubezpieczycielom dokumentację, której wymagają przeglądy systemu zarządzania i outsourcingu. DORA obejmuje ubezpieczycieli tak samo jak banki
  • RODO: przetwarzanie w środowisku banku, udokumentowane przepływy danych
  • Ryzyko modeli: dokumentacja wspierająca Państwa wewnętrzną walidację (np. SR 11-7 / OSFI E-22 dla podmiotów z USA i Kanady)

NatusAI wspiera Państwa obowiązki; nie zastępuje Państwa oceny prawnej ani zgody organu nadzoru. Jak NatusAI wspiera ład AI w kontekście AI Act, RODO, DORA i NIS2

Graf połączonej wiedzy: odpowiedzi, które można powiązać z faktami i relacjami
Dla Państwa zespołu technicznego
  • Dostarczona architektura: wydajna grafowa baza danych do zapytań o powiązania, wykrywanie anomalii z użyciem ML w danych transakcyjnych, potok przetwarzania w czasie rzeczywistym (miliony transakcji dziennie), jednolita warstwa danych łącząca działy, wieloagentowy system analizy dokumentów z interfejsem zapytań w języku naturalnym.
  • Wzorzec silnika referencyjnego: transakcje indeksowane w chwili napływu jako wersjonowane krawędzie między węzłami rachunku, klienta i kontrahenta. Graf, szeregi czasowe i ML w jednym silniku. Zapytania o stan na dowolny moment (as-of). Jeden plik binarny utrzymywany we własnej infrastrukturze.
  • Mapowanie na platformę: NatusAI Cygnus (planowane: v1), NatusAI Auriga (roadmapa), NatusAI Aquila (roadmapa), NatusAI Orion (roadmapa), NatusAI Lyra (dostępne).
Pytania

Pytania CRO i szefów zespołów ds. przestępczości finansowej

Szybkość, wyjaśnialność, wdrożenie i szersze efekty.

Jak szybkie mogą być złożone zapytania o powiązania?

W tym banku złożone zapytania, które trwały 3 dni robocze, otrzymywały odpowiedź w czasie poniżej sekundy, a system obsługiwał miliony transakcji dziennie.

Czy analitycy mogą wyjaśnić alert wygenerowany przez AI?

Tak. Każdy alert zawiera transakcje, kontrahentów i historię, które za nim stoją, więc analitycy oceniają kontekst, zamiast przyjmować wynik z „czarnej skrzynki”.

Czy rozwiązanie może działać on-premise?

Tak. Architektura może działać jako jeden system utrzymywany we własnej infrastrukturze banku.

Czy to samo podejście sprawdzi się u ubezpieczycieli?

Tak. Projekt zrealizowano w banku, a wzorzec ma zastosowanie wszędzie tam, gdzie odpowiedzi dotyczące nadużyć, roszczeń lub compliance zależą od powiązań i historii. Te same mechanizmy kontrolne wspierają dokumentację ładu, którą ubezpieczyciele przygotowują w ramach Solvency II i DORA; NatusAI nie certyfikuje zgodności.

Co poprawiło się poza wykrywaniem nadużyć?

Raportowanie compliance przyspieszyło o 80%, produktywność wzrosła o 70%, a satysfakcja klientów o 42% – dzięki pełnemu obrazowi klienta (360 stopni) we wszystkich działach.

Wyniki u klientów
Porozmawiajmy o podobnym projekcie

Które pytanie o powiązania trwa dziś za długo?

Zacznijmy od jednej ścieżki dochodzeniowej i pokażmy jej powiązania. W 30 minut nakreślimy, jak zmierzylibyśmy zmianę i jak wpisuje się ona w Państwa ramy DORA i zarządzania ryzykiem modeli.

  • Zaczynamy od fazy analizy o jasno określonym zakresie, zakończonej wyraźną decyzją: kontynuujemy czy nie.
  • Rozmowy referencyjne dotyczące tego projektu możemy zorganizować w ramach NDA, po pierwszym spotkaniu.
Porozmawiajmy o podobnym projekcieWszystkie zastosowania

Można też napisać na adres contact@natusai.com

Niewielki zespół kierowniczy omawia jednostronicowe podsumowanie wyników w sali spotkań (zdjęcie poglądowe)