ИИ в комплаенсе: от автоматизации рутины к перестройке функции

Искусственный интеллект способен существенно изменить работу комплаенс-подразделения. Но его практическая ценность заключается не в том, чтобы заменить специалиста или самостоятельно принимать решения о добросовестности работников и контрагентов. Главный эффект возникает тогда, когда ИИ освобождает сотрудников от поиска, копирования, сверки и первоначальной обработки информации, позволяя сосредоточиться на оценке рисков и подготовке управленческих решений.

Современная комплаенс-функция работает с большим количеством разрозненных данных: договорами, закупочной документацией, сведениями о контрагентах, обращениями работников, нормативными актами, судебной практикой, платежами, результатами проверок и сообщениями средств массовой информации. Значительная часть времени уходит не на экспертный анализ, а на сбор и систематизацию этих сведений. Именно эту часть работы целесообразно передавать технологиям.

ИИ — это не один инструмент

На практике автоматизация комплаенса строится из нескольких классов решений. Генеративный ИИ анализирует и обобщает тексты, сравнивает документы, готовит проекты заключений, отчетов и разъяснений. Системы распознавания документов извлекают сведения из сканов, договоров, анкет, счетов и служебных записок. Программные роботы переносят данные между системами, запускают проверки, заполняют карточки и формируют отчеты. Аналитические модели выявляют отклонения, повторяющиеся связи, необычные операции и сочетания факторов риска. Системы управления процессами направляют материалы ответственным лицам, контролируют сроки и сохраняют историю принятия решений.

Получение данных, автоматическая проверка, выявление отклонений, подготовка предварительного вывода, решение специалиста, контроль исполнения.

ИИ становится полезен там, где он встроен в эту цепочку.

Что можно автоматизировать уже сейчас

Мониторинг законодательства и правоприменения

Комплаенс-специалисту необходимо регулярно просматривать нормативные акты, законопроекты, разъяснения государственных органов, судебную практику и отраслевые новости. ИИ может:

собирать новые документы из заданных источников;
исключать повторы;
распределять материалы по темам;
определять, какие подразделения могут быть затронуты;
готовить краткое содержание и сравнивать редакции;
формировать перечень необходимых действий и создавать задачи ответственным работникам.

Например, система обнаруживает изменение требований к обработке персональных данных. Вместо пересылки ссылки она готовит карточку: что изменилось, когда норма вступает в силу, какие процессы и локальные акты затронуты, кто должен подготовить изменения и в какой срок. Окончательную оценку выполняет юрист или комплаенс-специалист, но первичная обработка уже не требует нескольких часов ручной работы.

Проверка контрагентов

Это один из наиболее очевидных процессов для комплексной автоматизации. Существующие на рынке сервисы «Контур.Фокус», «Контур.Призма», СПАРК, Seldon.Basis и X-Compliance позволяют получать сведения о юридических и физических лицах, структуре собственности, судебных спорах, банкротстве, исполнительных производствах, санкциях, публичных должностных лицах и других факторах риска.

Настоящий эффект появляется, когда проверка включена в деловой процесс:

инициатор создает заявку на заключение договора и указывает ИНН;
через программные интерфейсы автоматически запускаются проверки;
результаты сопоставляются с внутренним классификатором факторов риска;
ИИ готовит проект досье и выделяет существенные обстоятельства;
при низком риске применяется упрощенный маршрут, при повышенном — материалы направляются специалисту;
решение, его обоснование и согласованные меры сохраняются в системе.

ИИ может установить, что у компании изменился руководитель, выросла долговая нагрузка, появились новые судебные споры и негативные публикации. Однако вывод о допустимости сотрудничества должен делать человек с учетом характера договора, суммы, критичности поставки и возможности применения компенсирующих мер.

Анализ договоров

Генеративные модели способны сравнивать договор с утвержденной формой, находить измененные или исключенные положения, извлекать сроки и суммы, выявлять противоречия между договором и приложениями, проверять наличие обязательных оговорок и готовить таблицу отклонений.

Для этого модели необходимо передать не просто договор, а контролируемый набор материалов: утвержденную форму, матрицу полномочий, перечень обязательных условий и классификатор рисков.

Результат следует представлять в проверяемой структуре: положение договора; обнаруженное отклонение; требование организации; возможный риск; рекомендуемое действие; точная цитата и номер пункта. Такой формат позволяет быстро проверить логику машины и не превращает автоматически созданный текст в готовое юридическое заключение.

Для работы с русскоязычными документами могут использоваться GigaChat API, Yandex AI Studio, корпоративные решения MWS AI, а также локально развернутые языковые модели.

Обработка анкет и документов

Directum Ario, Content AI, Smart Engines и другие системы интеллектуальной обработки документов могут распознавать текст, определять вид документа и извлекать нужные поля. После распознавания система способна:

заполнить карточку контрагента;
проверить совпадение реквизитов в разных документах;
обнаружить истекший срок доверенности;
выявить отсутствие обязательного документа;
направить запрос инициатору и сохранить комплект в электронном досье.

Необходимо предусмотреть показатель уверенности распознавания: если система сомневается в корректности ИНН, фамилии или суммы, поле должно направляться на ручную проверку.

Выявление конфликтов интересов

Автоматизация может сопоставлять сведения из деклараций работников, данные о контрагентах, состав закупочных комиссий, информацию о руководителях и владельцах компаний, известные адреса и контакты, а также историю согласований и заключенных договоров.

Система не должна автоматически объявлять наличие конфликта интересов. Ее задача — обнаружить возможное совпадение и передать его специалисту. Совпадение фамилий само по себе ничего не доказывает. Но сочетание одинакового адреса, телефона, места работы родственника и участия сотрудника в выборе поставщика уже может быть основанием для дополнительной проверки.

Контроль закупок и платежей

Классические алгоритмы и машинное обучение позволяют обнаруживать операции, которые сложно увидеть при выборочной ручной проверке. Полезными индикаторами могут быть:

разделение однородной потребности на несколько закупок;
несколько договоров с одним поставщиком около установленного порога;
систематические закупки у единственного контрагента;
повторяющиеся счета, адреса, телефоны и платежные реквизиты;
необычно короткий срок подачи заявок или низкая конкуренция;
отклонение цены от сопоставимых закупок;
серия дополнительных соглашений, существенно меняющих первоначальные условия.

Сигнал системы: «В течение 12 дней подразделение заключило четыре договора на однородные услуги с одним поставщиком. Совокупная стоимость превышает внутренний порог конкурентной процедуры. Требуется проверить наличие единой хозяйственной потребности».

Алгоритм выявляет аномалию, а человек устанавливает ее причину.

Обращения на горячую линию

ИИ способен расшифровывать аудиосообщения, скрывать отдельные персональные данные, определять тематику обращения, находить возможные дубликаты и направлять материалы ответственному подразделению. Для речевой обработки могут применяться Yandex SpeechKit, SaluteSpeech и решения Naumen.

При этом ИИ не должен оценивать правдивость заявителя, определять виновность лица или принимать решение о закрытии обращения. Эти действия требуют человеческой оценки и процессуальных гарантий.

Управление подарками, приглашениями и представительскими расходами

Работник заполняет электронную форму, после чего система определяет стоимость и категорию подарка, проверяет установленные ограничения, учитывает должность дарителя и получателя, ищет связанные закупки и переговоры, анализирует повторяемость, выбирает маршрут согласования и контролирует исполнение решения.

Особенно важно учитывать накопительный эффект: каждый отдельный подарок может соответствовать лимиту, но их регулярное получение от одного контрагента представляет иной уровень риска.

Обучение работников

На основе внутренних документов можно создать комплаенс-помощника, который отвечает на практические вопросы о подарках, конфликте интересов, проверке контрагентов и порядке сообщения о нарушениях.

Такой помощник должен отвечать только на основании утвержденных документов и приводить ссылку на конкретный пункт. Если нужного правила нет, корректный ответ системы — «требуется консультация специалиста», а не вымышленное разъяснение.

Отчетность и работа руководителя комплаенса

ИИ может еженедельно готовить краткий управленческий обзор: новые значимые риски, просроченные мероприятия, контрагенты для повторной проверки, обращения с нарушенным сроком, динамика отклонений в закупках и эффективность принятых мер.

Руководителю необходимы ответы на четыре вопроса: что произошло; почему это существенно; какие меры приняты; какое решение требуется. ИИ хорошо преобразует массив данных в такую структуру, если источники и правила расчета заранее определены.

Какие российские решения могут использоваться

Выбор продукта зависит не от популярности бренда, а от конкретной задачи:

работа с текстами и корпоративными знаниями — GigaChat API, Yandex AI Studio, решения MWS AI;
проверка контрагентов — «Контур.Фокус», «Контур.Призма», СПАРК, X-Compliance, Seldon.Basis;
распознавание документов — Directum Ario, Content AI, Smart Engines;
роботизация операций — PIX RPA, Primo RPA, Sherpa RPA;
управление процессами — Directum RX, ELMA365, Профиль, решения на базе «1С»;
речевая аналитика — Yandex SpeechKit, SaluteSpeech, Naumen Speech Analytics;
аналитика и панели мониторинга — Yandex DataLens, Visiology, PIX BI, «Форсайт»;
правовой поиск — ГАРАНТ, ИСКРА, КонсультантПлюс с обязательной проверкой первоисточника.

Языковая модель не заменит базу данных о контрагентах, а система проверки контрагентов не заменит управление процессом. Обычно требуется сочетание нескольких решений.

Три практических сценария

Сценарий 1. Ежедневный мониторинг

Робот получает новые материалы из утвержденных источников. ИИ классифицирует их, удаляет повторы и оценивает возможное влияние на организацию. Специалист получает не сто ссылок, а несколько карточек с кратким содержанием и проектом действий. После подтверждения автоматически создаются задачи ответственным подразделениям.

Сценарий 2. Проверка нового поставщика

Инициатор вводит ИНН. Система собирает сведения из внешних источников и внутренних реестров, проверяет санкции, структуру собственности, судебные споры, предыдущий опыт и возможные связи с работниками. ИИ готовит проект заключения, а специалист проверяет источники, оценивает контекст и принимает решение.

Сценарий 3. Контроль исполнения договора

После заключения договора система отслеживает сроки, дополнительные соглашения, платежи и приемку. Если цена существенно увеличилась, срок неоднократно продлевался или объем изменился без понятного основания, создается уведомление. Комплаенс сопровождает весь жизненный цикл отношений.

Готовые запросы для специалиста

Анализ договора

Сравни представленный договор с утвержденной формой. Не давай общей оценки и не придумывай отсутствующие требования. Составь перечень: пункт договора, текст отклонения, положение утвержденной формы, возможный риск, рекомендуемое действие. Для каждого вывода приведи точную цитату и номер пункта. Если данных недостаточно, укажи это отдельно.

Анализ нормативного изменения

Проанализируй документ только на основании приложенного текста. Укажи: что изменилось, дату вступления в силу, затрагиваемые процессы организации, документы, которые следует проверить, и необходимые действия. Отделяй требования нормативного акта от рекомендаций. Каждое утверждение сопровождай ссылкой на статью или пункт.

Заключение по контрагенту

На основании приложенного отчета сформируй проект аналитической справки. Не делай вывод о недобросовестности лица. Раздели сведения на подтвержденные факты, факторы риска и вопросы для дополнительной проверки. Для каждого факта укажи источник и дату актуальности. В конце предложи возможные меры управления риском.

Что нельзя передавать публичному ИИ-сервису

Без отдельного разрешения не следует загружать:

персональные данные работников и заявителей;
материалы внутренних расследований;
сведения, составляющие коммерческую тайну;
пароли, ключи и данные доступа;
закрытую закупочную информацию;
полные базы контрагентов и документы с ограниченным доступом.

Передача данных внешнему сервису является операцией обработки информации. Поэтому необходимо определить правовое основание, цель, состав данных, место их хранения, сроки удаления, условия использования поставщиком и меры защиты. Базовые требования установлены Федеральным законом от 27 июля 2006 года № 152-ФЗ «О персональных данных».

Безопасный начальный подход — обезличивать документы. Для постоянной работы с чувствительной информацией предпочтительны корпоративный программный интерфейс, закрытый контур или локальное развертывание модели.

Правила надежного использования

Для каждого ИИ-процесса необходимо определить:

владельца процесса и разрешенные источники данных;
категории запрещенной информации;
действия, которые система может выполнять самостоятельно;
решения, требующие обязательного подтверждения человека;
порядок проверки результата и реагирования на ошибки;
журнал запросов, ответов и действий;
показатели качества и сроки пересмотра модели.

Чем серьезнее последствия решения для человека или организации, тем выше должен быть уровень человеческого контроля.

Как начать: план на 90 дней

Первые 30 дней — инвентаризация

Команда фиксирует повторяющиеся операции и оценивает их по четырем критериям: трудоемкость, частота, стандартизированность и цена ошибки.

Следующие 30 дней — пилот

Выбираются два или три процесса с низким риском: подготовка кратких обзоров, сравнение редакций документов, классификация обращений или формирование проекта отчета.

Последние 30 дней — интеграция

Успешные решения встраиваются в электронный документооборот, систему управления задачами или базу проверки контрагентов. Устанавливаются показатели качества и порядок контроля.

Не стоит начинать с идеи создать универсального «ИИ-директора по комплаенсу». Эффективнее автоматизировать один конкретный процесс, измерить результат и только затем расширять систему.

Как оценить эффект

Следует измерять продолжительность проверки, долю автоматически заполненных данных, количество ручных операций, число выявленных факторов риска, долю ошибочных сигналов, соблюдение сроков, время от выявления риска до принятия мер и полноту документирования решения.

Если система формирует сотни предупреждений, которые никто не успевает проверять, автоматизация не улучшила комплаенс — она лишь создала новый информационный шум.

Почему ИИ повышает значение фундаментальных знаний

Распространение искусственного интеллекта не снижает требования к квалификации комплаенс-специалиста — напротив, делает профессиональную подготовку еще более значимой.

ИИ способен быстро обработать сотни документов и убедительно сформулировать вывод. Но он не всегда может отличить действующее требование от устаревшего, доказанный факт — от предположения, а формальное совпадение — от действительно существенного риска. Чем убедительнее выглядит ответ модели, тем важнее способность специалиста проверить его содержание.

Фундаментальные знания необходимы, чтобы:

правильно поставить задачу перед системой;
выбрать достоверные источники и проверить правовую квалификацию;
увидеть ошибку или подмену понятий;
оценить обстоятельства в контексте деятельности организации;
отделить фактор риска от доказательства нарушения;
выбрать соразмерные меры и обосновать итоговое решение.

Например, ИИ может обнаружить несколько договоров с одним поставщиком на близкие суммы. Но только специалист, понимающий закупочный процесс, способен определить, связано ли это с искусственным дроблением потребности, объективной периодичностью закупок или независимыми хозяйственными задачами.

Слабая методология, перенесенная в цифровую систему, не становится сильнее. Она лишь начинает быстрее воспроизводить ошибки и распространять их на большее количество процессов.

Этой теме посвящена отдельная публикация Ассоциации «Экспертиза» — «Фундаментальные знания и вовлеченность: основа профессионального комплаенса». В ней показано, почему специалисту недостаточно знать отдельные процедуры: необходимо видеть систему, понимать взаимосвязь права, управления, финансов, закупок и человеческого поведения, предлагать решения и участвовать в развитии стандартов организации.

ИИ меняет не профессию, а распределение работы

ИИ не обладает профессиональной ответственностью, не понимает корпоративный контекст во всей полноте и может уверенно сформулировать ошибочный вывод. Поэтому ему нельзя передавать окончательные решения о виновности работника, добросовестности контрагента или допустимости операции.

Но ИИ способен круглосуточно просматривать документы, сопоставлять сведения, обнаруживать отклонения, готовить проекты материалов и контролировать исполнение.

В результате комплаенс-специалист меньше времени тратит на механический сбор информации и больше — на оценку причин, общение с подразделениями, выбор мер управления риском и развитие системы.

Зрелый комплаенс будущего — это не подразделение, в котором людей заменили алгоритмами. Это система, в которой технологии выполняют рутинную работу, а человек сохраняет контроль над выводами, решениями и их последствиями.

Почему ИИ повышает значение фундаментальных знаний

Фундаментальные знания необходимы, чтобы:

правильно поставить задачу перед системой;
выбрать достоверные источники;
проверить правовую квалификацию;
увидеть ошибку или подмену понятий;
оценить обстоятельства в контексте деятельности организации;
отделить фактор риска от доказательства нарушения;
выбрать соразмерные меры реагирования;
принять и обосновать итоговое решение.

Аналогично система может установить совпадение адресов, телефонов или фамилий работника и представителя контрагента. Однако для вывода о конфликте интересов необходимо понимать требования законодательства, внутренние процедуры, характер полномочий работника и содержание конкретного решения.

Поэтому автоматизация требует не меньшего, а более высокого уровня профессиональной зрелости. Слабая методология, перенесенная в цифровую систему, не становится сильнее. Она лишь начинает быстрее воспроизводить ошибки и распространять их на большее количество процессов.

Этой теме посвящена отдельная публикация Ассоциации «Экспертиза» — «Комплаенс начинается с фундаментальных знаний». В ней показано, почему специалисту недостаточно знать отдельные процедуры: необходимо видеть систему, понимать взаимосвязь права, управления, финансов, закупок и человеческого поведения, предлагать решения и участвовать в развитии стандартов организации.

17 views·2 shares

17 views