Utvikler bedre metoder for å avdekke hvitvasking i Norge

Det siste halve året har Kantega investert millioner i en større satsing på anti-hvitvasking. Vi har med støtte fra Innovasjon Norge kartlagt utfordringer i finansnæringen, og undersøkt mulighetene for samarbeid på tvers.

Vi har intervjuet over 100 personer i over 40 virksomheter og organisasjoner. Disse inkluderer store og små banker, myndighetsaktører som Økokrim og Datatilsynet, virksomheter innen eiendomsmegling, forsikring og revisjon, i tillegg til en rekke teknologileverandører.

Vi har snakket med ledere og med ansatte som sitter operativt med anti-hvitvasking. Formålet har vært å se og lære hvordan de jobber, hvilke problemstillinger de står overfor og hvordan systemene fungerer – og ikke fungerer. Innsikten vi har fått har vi brukt som grunnlag til utvikling av konsepter for å forbedre systemstøtten for anti-hvitvaskingsarbeid i norske banker.

Enorme beløp hvitvaskes årlig

FN estimerer at det hvitvaskes beløp tilsvarende 2 – 5 prosent av verdens BNP årlig. Innsatsen for å forhindre hvitvasking har økt betydelig både på myndighetsnivå og i finansinstitusjoner verden over, men alt for mange unngår fortsatt å bli oppdaget. Midlene flyttes gjennom mange ledd, noe som gjør det vanskelig å oppdage hvor pengene kommer fra – og hva de brukes til.

Slik foregår hvitvasking

Hvitvasking av penger er et fenomen som mange av oss primært kjenner fra TV og film, blant annet fra TV-serier som Sopranos, Narcos og Breaking Bad. I Breaking Bad kjøper Walter og Skylar White opp et bilvaskeri som brukes for å hvitvaske midler som stammet fra narkotikasalg.

Kreativiteten blant ekte kriminelle er minst like stor som den vi kjenner fra filmlerretet. Teknikker som brukes for hvitvasking inkluderer blant annet opprettelse av stråselskaper, fiktive fakturaer, bruk av kontoer i mange banker og flytting av midler på tvers av landegrenser. Ulike teknikker brukes gjerne flere ganger slik at opprinnelsen til midlene tilsløres ytterligere.

Kriminelle er avhengig av å hvitvaske utbyttet fra kriminell aktivitet for at midlene kan brukes uten å vekke mistanke. Forhindring og avdekking av hvitvasking er derfor viktig for å redusere kriminalitet i samfunnet.

Kostbar kamp

Kampen mot hvitvasking prioriteres høyt av norske og europeiske myndigheter. De senere årene har også bøtenivået økt kraftig, slik at de økonomiske konsekvensene for finansinstitusjoner som ikke gjør jobben sin har blitt betydelige. Eksempelvis har Finanstilsynet varslet et mulig overtredelsesgebyr på 400 millioner til DNB for manglende etterlevelse av hvitvaskingsregelverket. Danske Bank opplevde at aksjekursen ble halvert og at markedsverdien dermed sank med over 100 milliarder kroner etter en avsløring av at bankens estiske filial hadde tillatt transaksjoner som burde vært stoppet.

Risikoen for å bli straffet økonomisk er en av årsakene til at bankene de siste årene har ansatt betydelig flere som arbeider med å forhindre hvitvasking. Sammenslutningen av europeiske banker (EBF) sier at europeiske banker bruker så mye som 100 milliarder euro årlig i kampen mot økonomiske kriminalitet.

Noen funn

Alle norske banker overvåker transaksjonene til kundene sine, som testes mot regler som flagger oppførsel som må undersøkes ytterligere. Dessverre er det svært krevende å lage presise regler som kun treffer de transaksjonene som er mistenkelige. Mye tid går derfor med til å undersøke varsler som viser seg å være helt normal aktivitet, såkalte “falske positive”. Undersøkelsene gjøres av ansatte, og det er rom for å spare store ressurser ved å redusere antallet falske positive.

Det er vanskelig å avdekke hvitvasking som foregår på tvers av banker. Det er begrensninger knyttet til hva bankene kan dele med hverandre, og det eksisterer ingen infrastruktur som letter deling av informasjon som det er tillatt å dele.

Flere banker har begynt å ta i bruk maskinlæring innen anti-hvitvasking. Maskinlæring kan både forbedre treffsikkerheten til transaksjonsovervåkingen og hjelpe til med å luke ut falske positive. En stor utfordring for å kunne ta i bruk maskinlæring i større skala er krav om at beslutningene skal være etterprøvbare. Det skal altså være mulig for mennesker å forstå hvorfor en transaksjon eller kunde har blitt flagget.

En annen utfordring er å lære opp maskiner til å avdekke nye hvitvaskingsmønstre, altså å ikke bare bli bedre på å finne ting som ligner på noe man har sett før. Kantega jobber med teknikker som retter seg mot begge disse områdene, blant annet med såkalt forklarbar kunstig intelligens

Det er et stort ønske i finansbransjen om samarbeid på anti-hvitvaskingsområdet. Dette er ikke et område bankene konkurrerer på, det vil gagne alle aktørene om flere blir bedre på å avdekke snusk. Mange kjenner på at mye innsats går med til å overholde lover og regler, uten at det nødvendigvis fører til at mer kriminalitet blir stoppet. Håpet er at dette vil endre seg i årene som kommer, ved hjelp av bedre hjelpemidler og lovverk som tillater tettere samarbeid mellom bankene.

Videre

I tiden framover vil vi fortelle mer om hva vi har avdekket i prosjektet og hvilke konsepter vi jobber videre med. Samarbeid og delingsvilje er fremdeles nøkkelen til å lykkes. Hvis du vil vite mer eller involvere deg på en eller annen måte, er det bare å ta kontakt med oss.