Snowflake و Amazon Quick تقللان التحقق من AML من ساعة إلى خمس دقائق

اتحدت أمازون وسنوفليك لتسريع أحد أكثر العمليات استهلاكاً للعمالة في التكنولوجيا المالية — التحقق من العمليات المريبة للكشف عن تبييض الأموال (AML). تجاوزت النتائج التوقعات: تم تقليل وقت التحليل من ساعة ونصف إلى أقل من خمس دقائق.

لماذا كانت هذه مشكلة

تستقبل البنوك والشركات المالية يومياً آلاف التنبيهات بشأن معاملات قد تكون مريبة. يجب التحقق من كل تنبيه يدويّاً — يقوم المحلل بمراجعة سجل الدفع، وبيانات العميل، والجغرافيا، أنماط الإنفاق. يستغرق ذلك من نصف ساعة إلى ساعة ونصف لكل حالة. العملية مكلفة وبطيئة وعرضة للأخطاء البشرية. تقف فرق الامتثال في البنوك الكبرى أحياناً في انتظار التحقق. تتأخر العمليات، يشتكي العملاء، تزداد التكاليف. الأهم من ذلك، من المستحيل التحقق من جميع التنبيهات بنفس درجة الدقة. يجب تحديد الأولويات، مما يعني أن شيئاً قد يمر بدون ملاحظة.

كيفية عمل Amazon Quick + Snowflake Cortex

يتصل Amazon Quick Flows و Snowflake Cortex AI عبر Model Context Protocol (MCP). سير العمل يجمع تلقائياً المعلومات حول العميل والمعاملة، ويمررها إلى الذكاء الاصطناعي، ويتلقى توصية حول حالة التنبيه. يتعين على المحلل فقط تأكيد أو رفض قرار الآلة. تعمل العملية على النحو التالي: تأخذ النظام البيانات من أنظمة الدفع وسجل العميل وملفه الشخصي KYC (Know Your Customer) وجغرافيا المعاملة. يحلل Snowflake Cortex كل هذا في السياق ويقدم تقييم المخاطر — مرتفع أو متوسط أو منخفض. عند الحاجة، يقترح النظام خطوات إضافية أو، إذا كان الخطر منخفضاً بوضوح، يغلق التنبيه تلقائياً.

ما يفعله النظام

• جمع البيانات من مصادر مختلفة (أنظمة الدفع وسجل المعاملات وقواعس بيانات KYC)
• تحليل سلوك العميل من خلال Snowflake Cortex AI
• ترتيب المخاطر تلقائياً مع التوضيح
• تحضير التقرير للمحلل
• التسجيل للامتثال والتدقيق

يحدث كل هذا في ثوانٍ بدلاً من ساعة واحدة إلى ساعة ونصف.

الأرقام من الاختبارات

أجرت أمازون وسنوفليك الاختبارات وحصلت على هذه النتائج:

• وقت التحقق من التنبيه: من 30–90 دقيقة إلى أقل من 5 دقائق
• عبء عمل المحلل: انخفض بنسبة 80–90%
• الإنتاجية: يمكن لفريق واحد معالجة 10 أضعاف عدد التنبيهات
• الدقة: الذكاء الاصطناعي يكتشف الأنماط التي يفتقدها الإنسان

تعتمد النتائج على تعقيد التنبيه وحجم البيانات وإعدادات سير العمل، لكن حتى في أسوأ السيناريوهات، المكاسب كبيرة.

ما يعنيه هذا للخدمات المالية

تحصل المنظمات المالية على أداة لاكتشاف الاحتيال وتبييض الأموال بشكل أسرع، مع تحرير الناس من العمل الروتيني. هذا مهم بشكل خاص عندما تزداد الأحجام ويصبح من الصعب العثور على متخصصي الامتثال. بالنسبة إلى AWS وسنوفليك، هذا مثال آخر على كيف يمكن للذكاء الاصطناعي أن يحدث فرقاً حقيقياً في عمليات المؤسسة و MCP يصبح معياراً لدمج الأنظمة المختلفة.