反洗钱可疑交易甄别

1客户嘴上要的

「监测系统每天几百条预警，绝大多数是误报。做个 AI 把误报自动排除掉，人工量降 80%。」

这是症状或现成方案，不一定是真问题。下面看两种做法。

2照字面做，会怎么烂

3好 FDE 的实际走法

共 8 周，分 5 个阶段。带三角标记的是这一步最容易踩的坑。

1. 1

   第 1 周看一条预警的时间花在哪（不碰代码）

   • 跟反洗钱中心 4 个甄别岗各坐半天，逐条计时。一条预警平均 30 分钟，真正判断只要 3 分钟。其余时间在核心系统翻流水、在客户信息系统查身份和职业、查交易对手是不是本行客户，最后在监测系统里手写一段排除理由。
   • 真问题不是「判断误报」，是「取证和写理由太慢」。成功标准改成：单条预警处理时长 30 分钟 → 10 分钟；历史已上报的可疑案例一条都不能被建议排除；最终决定和签字仍由甄别岗做。
   • 踩坑别把「降低预警量」当目标。预警规则和阈值归合规部和总行管，调规则是另一个项目，FDE 碰了就是越权。
2. 2

   第 2 周定范围 + 先见合规和模型风险

   • 砍范围：只做预警量最大的 3 类规则（如「短期内资金分散转入、集中转出」「频繁大额现金存取」），约占预警量的 60%。
   • 第一时间约合规部负责人和模型风险管理岗，把边界讲清楚：AI 只做两件事——汇集证据；在甄别岗选定「排除」或「上报」方向之后，按所选方向起草理由。AI 不给方向建议，也不输出结论。拿到他们的书面意见，比任何 demo 都重要。
   • 踩坑流水和身份信息是最敏感的数据。部署只能在行内，先确认行内有可用的私有化模型和算力，否则方案要改成「规则 + 模板」，不用大模型。
3. 3–5

   第 3–5 周原型 + 用真案例做 evals

   • 做「预警甄别工作台」：点开一条预警，自动拉出近 90 天流水汇总、交易对手画像、身份与交易是否匹配（如「退休人员月入账数百万」），每条链接回原系统。证据分「支持可疑」「支持正常」两栏列出；甄别岗看完证据、选定方向后，系统再按行里的理由模板起草理由。
   • evals 分两套：① 历史 50 条已上报案例，「支持可疑」栏漏列关键可疑事实的必须是 0 条；② 200 条已排除预警，请 2 名资深甄别岗盲评草稿，「直接可用或小改可用」达到 80%。
   • 踩坑大模型会编金额。规定理由里的金额、笔数、日期只能从查询结果填入，模型只写连接句，生成后自动比对数字。
4. 6

   第 6 周Demo + 并肩试运行

   • 让甄别岗本人用当天真实预警跑一周，后台记录每条处理时长和草稿改写比例。常见反馈：「对手画像有用，理由太长」——据此把理由改成三段式短模板。
5. 7–8

   第 7–8 周交接（含投产确认）交接

   • 多出两周，是因为要走行内投产流程，并由合规部确认甄别操作规程的修订。这一步省不掉，提前排进计划。
   • 交接给反洗钱中心一位甄别组长，教他维护理由模板和证据清单；科技部门指定一名开发维护数据接口。运行手册写清：草稿与事实不符时以甄别人判断为准，并登记反馈。

4这个案例教给你的可复用判断