معرفی و دانلود کتاب آینده تجارت و امور مالی: کاربردهای هوش مصنوعی در سیستم بانکداری و خدمات مالی قوانین مبارزه با پولشویی

معرفی کتاب آینده تجارت و امور مالی: کاربردهای هوش مصنوعی در سیستم بانکداری و خدمات مالی قوانین مبارزه با پولشویی

کتاب آینده تجارت و امور مالی، اثری آموزنده برای آشنایی با کاربردهای هوش مصنوعی در صنعت بانکداری و جلوگیری از پولشویی است. آبیشک گوپتا، دویجندرا نات دوی ودی و جیگار شاه، نویسنده‌های کتاب، نقش فزاینده‌ی هوش مصنوعی را در انجام خدمات مالی و تامین امنیت مالی بررسی کرده‌اند. پس از مطالعه‌ی کتاب حاضر با فایده‌های متنوع هوش مصنوعی در تشخیص جرائم مالی آشنا می‌شوید.

درباره‌ی کتاب آینده تجارت و امور مالی

کتاب آینده تجارت و امور مالی (Future of Business and Finance)، منبعی برای کسب اطلاعات درباره‌ی کاربردهای هوش مصنوعی در حوزه‌ی بانکداری است. آبیشک گوپتا (Abhisek Gupta)،‌ دویجندرا نات دوی ودی (Dwiiedi Dawijendra Nath) و جیگار شاه (Jigar Shah) در کنار توضیح نقش هوش مصنوعی در فرایندهای بانکی، فرایند‌های مربوط به مبارزه با پولشویی را در این اثر بررسی کرده‌اند. مطالعه‌ی این کتاب به خواننده کمک می‌کند تا با روندهای نوین و چالش‌های پیش‌ روی صنعت مالی آشنا شود و در جریان روش ساخت مسیرهای پیشرفت و بهبود در این حوزه با کمک هوش مصنوعی قرار بگیرد.

مطالب کتاب آینده تجارت و امور مالی با مروری بر پولشویی آغاز می‌شود. بر اساس این مرور، منظور از پولشویی، فرایند پنهان‌ کردن پول‌های غیرقانونی و وارد کردن آن‌ها به معامله‌های رسمی اقتصادی است. این فرایند از 2 منبع مختلف سرچشمه می‌گیرد. پول در منبع نخست با کارهای مجرمانه مانند قاچاق مواد مخدر و رشوه‌گیری حاصل می‌شود و در منبع دوم از منابعی مانند فرار مالیاتی به‌ دست می‌آید. نویسنده‌ها در کنار تعریف کاملی از پولشویی، انواع، سازوکارها و رویکردهای موسسه‌های مالی در برابر آن را بررسی کرده‌اند.

در بخش بعدی کتاب آینده تجارت و امور مالی، مدیریت و کنترل جرائم اقتصادی در موسسه‌های مالی توضیح داده شده است. خواننده با مطالعه‌ی این بخش از اهمیت مدیریت جرم‌های مالی آگاه می‌شود. مطالب کتاب حاضر با مروری بر راهکارهای فناوری ادامه پیدا می‌کند. تمامی روندهای نوظهور در جلوگیری از پولشویی در این قسمت مطرح شده است. پس از این توضیحات، آبیشک گوپتا، دویجندرا نات دوی ودی و جیگار شاه به مراحل برنامه‌ریزی برای استفاده از هوش مصنوعی در جرائم مالی پرداخته‌اند. از دیدگاه نویسنده‌ها، هوش مصنوعی با ارائه‌ی ابزارهای پیشرفته برای تشخیص الگوهای مشکوک در حجم وسیع داده‌ها و نظارت دقیق‌تر بر تراکنش‌ها به جلوگیری از پولشویی کمک می‌کند. همچنین، این فناوری امکان شناسایی مشتریان پرخطر و ارتقای کارایی سیستم‌های سنتیِ مبارزه با پولشویی را فراهم می‌آورد.

مطالب کتاب آینده تجارت و امور مالی با توضیحاتی درباره‌ی استفاده از هوش مصنوعی در زمینه‌ی تحقیقات، چالش‌های اخلاقی در استفاده از برنامه‌های کاربردی مبتنی بر هوش مصنوعی و راه‌اندازی بهترین واحد کنترل جرائم مالی با کمک هوش مصنوعی، خاتمه پیدا می‌کند. نکته‌هایی مانند سوءاستفاده از اطلاعات شخصی در این بخش بررسی شده‌اند. آشنایی خواننده با این نکته‌ها، شرایطی برای راه‌اندازی بهترین واحد کنترل جرائم مالی با کمک هوش مصنوعی، امکان تشخیص مؤثرتر تراکنش‌های مشکوک، پیشگیری از پولشویی و افزایش امنیت مالی را فراهم می‌‌کند.

کتاب آینده تجارت و امور مالی را انتشارات فرتاک، چاپ و روانه‌ی بازار کرده است. علیرضا ماهیار و الهام فراهانی، برگردان این اثر به فارسی را انجام داده‌اند.

کتاب آینده تجارت و امور مالی برای چه کسانی مناسب است؟

مدیران صنعت بانکداری، پژوهشگران و متخصصان هوش مصنوعی و کارشناسان حوزه‌ی مبارزه با پولشویی و جرائم مالی به‌عنوان مخاطب‌های کتاب حاضر شناخته می‌شوند.

در بخشی از کتاب آینده تجارت و امور مالی: کاربردهای هوش مصنوعی در سیستم بانکداری و خدمات مالی قوانین مبارزه با پولشویی می‌خوانیم

یک FI یا یک مؤسسۀ مالی می‌تواند بدون اینکه بداند درگیر جرائم مالی شود. این مسئله می‌تواند در هر مقطعی از رابطه با مشتری اتفاق بیفتد. برای جلوگیری از این امر، راه‌حل‌های AML سازمانی همۀ حوزه‌های احتمالی خطر و قرار گرفتن در معرض جرائم مالی، از جمله چرخۀ عمر مشتری را هدف قرار می‌دهند. با افزایش تراکنش‌های مالی جهانی و موارد نادری که FIs‌ها (مؤسسات مالی) در جرائم مالی درگیر آن‌ها شده‌اند، رگولاتور نسبت به علت عدم وجود بررسی‌های دقیق در این بخش فعال‌تر شده‌اند.

مؤسسات مالی روی استراتژی‌ها و راهکارهایی برای کشف جرائم مالی سرمایه‌گذاری کرده‌اند. گزینه‌های موجود تغییرات و پیشرفت‌های قابل‌توجهی را در 15 سال گذشته شاهد بوده‌اند. صنعت فناوری اطلاعات نقش مهمی در توسعۀ استراتژی‌های نظارت بر جرائم مالی ایفا کرده است که از نظارت تخصصی در سطح فردی به نظارت در سطح سازمانی و اکنون به هوش مصنوعی تبدیل شده است. راهکارهای هوشمند فعال سهم صنعت فناوری اطلاعات در نظارت بر ریسک جرائم مالی در 15 سال گذشته ادامه داشته است. در این فصل، زمینه جرائم مالی ارتکابی از طریق مؤسسات مالی در طول ارتباط با مشتری مورد بحث قرار می‌گیرد. همچنین ماژول‌ها و محصولات مختلف موجود برای رسیدگی به جرائم مالی را به همراه ویژگی‌های کلیدی آن‌ها و بازخورد مشتریان در مورد آنچه باعث رضایت یا نارضایتی آن‌ها می‌شود، بررسی خواهیم کرد. این فصل به گونه‌ای طراحی شده است که خوانندگان کتاب را به درک جامعی از حوزه‌های تمرکز کلیدی که باید در هنگام ارزیابی هر محصول جرم مالی مورد توجه قرار دهند، برساند. علاوه بر این، این فصل یک نمای کلی از بازار نرم‌افزار AML ارائه می‌کند و ویژگی‌های راهکارهای جدیدی را که توسط فین‌تک‌ها و رگ‌تک‌ها راه‌اندازی شده‌اند، که برای نیازهای خاص صنعت طراحی شده‌اند، برجسته می‌کند. این فصل با این توصیه به پایان می‌رسد که رگولاتور ها، مؤسسات مالی و ارائه‌دهندگان محصول باید با هم همکاری کنند تا یک دفتر جرائم مالی برای تبادل اطلاعات ایجاد کنند.

فهرست مطالب کتاب

سخن مترجمین
در مورد نویسندگان
کلمات اختصاری
فصل اول: مروری بر موضوع پولشویی
1-1- مقدمه
1-2- مروری بر انواع مختلف پولشویی
1-3- مکانیسم‌های پولشویی
1-4- ناظران به پولشویی چه واکنش‌هایی نشان می‌دهند؟
1-5- مؤسسات مالی در برابر مبارزه با پولشویی و تأمین مالی تروریسم چه واکنشی نشان می‌دهند؟
1-6- مروری بر پولشویی
منابع فصل 1
فصل دوم: مدیریت و کنترل جرائم مالی در مؤسسات مالی
2-1- مقدمه
2-2- طراحی سازمان برای جرائم مالی
2-3- ساختار گزارش دهی در سازمان مالی
2-4- مدیریت عملکرد برای تیم انطباق
فصل سوم: مروری بر راهکارهای فناوری
3-1- مقدمه
3-2- راهکارها
3-3- عملکردهای پشتیبان یا فنی
3-4- سازمان‌ها چه نیازی به راهکارهای AML دارند؟
3-5- مروری بر بازار AML
3-6- روندهای نوظهور در راهکارهای AML
فصل چهارم: سازماندهی داده برای یک واحد FCC
4-1- مقدمه
4-2- ابعاد داده مربوط به تجزیه‌وتحلیل جرائم مالی
4-3- چالش‌های فرامرزی مرتبط با داده‌ها
4-4- چالش‌های داده مرتبط با GDPR
4-5- زمینه‌های بهبود برای ایجاد بهترین داده سازمانی
4-6- دانش هوش مصنوعی و کاربرد آن برای مدیران انطباق
4-7- بهبود کیفیت و یکپارچگی داده‌ها در KYC
4-8- از بین بردن داده‌ها
4-9- داشتن رهبری مناسب برای سازماندهی داده‌ها
4-10- تکامل بهترین داده‌های سازمانی
فصل پنجم: زمینه‌چینی و برنامه‌ریزی برای هوش مصنوعی در جرائم مالی
5-1- مقدمه
5-2- نیروهای شکل‌دهندۀ اکوسیستم FCC
5-3- از چه مشکلاتی در هنگام طراحی سازمان FCC دارای هوش مصنوعی باید اجتناب ورزید؟
5-4- تنظیم نقشۀ راه سازمان هوش مصنوعی
5-5- ساخت بلوک‌هایی برای عملکرد انطباق بهترین سازمان‌های مبتنی بر هوش مصنوعی
فصل ششم: استفاده از یادگیری ماشین در ارزیابی مؤثر ریسک مشتری
6-1- مقدمه
6-2- پردازش مشتری (KYC) (سیاست شناخت مشتری)
6-3- تحریم‌ها و نظارت بر فهرست پیگیری (نظارت بر واچ لیست‌ها)
6-4- از فرآیند انطباق چه انتظاراتی می‌توانیم داشته باشیم؟
6-5- بررسی دقیق مشتری
فصل هفتم: نظارت بر تراکنش‌های مالی مؤثر مبتنی بر هوش مصنوعی
7-1- مقدمه
7-2- آستانه‌گذاری دقیق
فصل هشتم: بهینه‌سازی هشدار مبتنی بر یادگیری ماشینی
8-1- مقدمه
8-2- رویکردهای مختلف برای ارزیابی ریسک مشتری از طریق یادگیری ماشینی
8-3- نظارت و امتیازدهی در سطح مشتری
فصل نهم: استفاده از هوش مصنوعی درزمینۀ تحقیقات و تجسس‌ها
9-1- مقدمه
9-2- نیازهای اطلاعاتی برای یک محقق
9-3- کاربرد هوش مصنوعی در بهینه‌سازی تحقیقات
فصل دهم: چالش‌های اخلاقی در استفاده از برنامه‌های کاربردی مبتنی بر هوش مصنوعی
10-1- مقدمه
10-2- سوءاستفاده از اطلاعات شخصی
10-3- معرفی سوگیری
10-4- سوگیری در طراحی الگوریتم یادگیری ماشینی
10-5- چالش‌های اخلاقی در توسعۀ Al برای AML
10-6- روش‌هایی برای جلوگیری از سوگیری در هوش مصنوعی
فصل یازدهم: راه‌اندازی بهترین واحد کنترل جرائم مالی مبتنی بر هوش مصنوعی (FCCU)
11-1- مقدمه
پیوست‌ها
پیوست 1: این بخش‌بر ارزیابی تکنیک‌های مختلف یادگیری ماشینی تمرکز دارد.
پیوست 2: فهرست ابعادی که به عنوان متغیرهای مشتق شده برای توسعۀ مدل و تجزیه‌وتحلیل رفتار ایجاد می‌شوند
فهرست منابع