來源:

| 2021-05-21 | 信報財經新聞 | 管理新思維

監管科技與金融合規

統籌:陳志輝教授及中大EMBA課程

主持:潘嘉陽、李靜宜

嘉賓:李家明(標保有限公司行政總裁)

RegTech順應合規趨勢

李:我們在節目介紹過不同的科技,例如FinTech(金融科技),今天則來介紹RegTech。Reg是Regulation的縮寫,RegTech也就是監管科技。嘉賓家明所任職的公司,曾獲多項金融科技獎項,我們正好向你請教。先請問RegTech有沒有具體定義?

明:RegTech除了譯作監管科技,也有人稱為合規科技。根據國際金融協會(The Institute of International Finance),那是指運用新科技,更有效及更有效率地滿足各類合規要求;而英國金融監督管理局(Financial Conduct Authority)則解釋為協助金融服務業符合規範的新技術。

李:RegTech為何會於近年冒起?

明:近十年法律法規大幅增加,根據湯森路透的《2018年合規成本報告》,全球的金融法律法規平均每7分鐘就錄得一次更新。單靠人手實在難以全面跟進,也容易掛一漏萬,因此適宜借助科技。加上違規罰款也愈發頻繁和嚴厲,金融機構都希望尋求更完善的合規方案。

RegTech金融應用實例

潘:了解過它的定義,可否具體介紹一些科技,讓我們更清楚箇中運作?

明:金融機構要迅速了解法律法規的變動,因而出現了「機器可讀」技術,由機器來對比新舊版本,以解讀新的監管要求;然後機器亦會自行尋找、修改銀行內部合規程序的相關部分,合規工作的效率遂得以提升。另一類RegTech則協助金融機構KYC(know your customer),識別客戶身份。

潘:好比我在網上銀行轉賬,系統便要求我上載證件,又要自拍肖像,讓它確認用戶正是本人。那正運用了科技來進行KYC。

明:是的。另外,金管局於去年9月,向業界發表了《合規科技通訊》期刊,當中也有一些應用實例。其中一例是監察銀行職員與客戶之間的對話,尤其當中有推銷成份的話,監管機構對這些內容有所規管,例如不能誇張失實,也必須讀出風險披露聲明;假如顧客表示沒有興趣,職員也不應繼續強行推銷。

以往銀行通常依靠人力監聽電話錄音內容,去發掘違規或不當的推銷行為。但那非常費時失事,結果只能複查一小部分的錄音,易有漏網之魚。有見及此,有科技公司運用「自然語言處理」(natural language processing,NLP)和機器學習技術來開發RegTech方案,把錄音翻譯成文字,要找出違規內容便較為容易。

潘:轉化成文字之後,便可尋找當中是否有涉嫌違規的字眼,例如「必賺」、「回報率保證達30%」之類。

明:是的,但機器解讀也會有誤。當系統找到這類字眼,便給上司警示,再由他親自覆核。機器只是協助篩選,但已能大幅提升效率。

潘:當客戶與銀行職員對話,發現職員突然說要進行電話錄音,其實可能就是要運用RegTech來輔助合規工作了。

明:金管局所列的另一例子,則是監察內部同事的操守。假如職員從事了不當行為,銀行便可能要負上嚴重的法律責任。那要如何防範?以往可能要經常檢查職員的工作、電郵或電話紀錄來進行監察,以揭發異常狀況。但假如真有發現,那也可能為時已晚。

有銀行便採用人工智能(AI),對員工的活動進行更全面的分析。系統會從更多來源獲取數據,包括員工的所有工作活動和請假記錄,並觀察員工在放假期間會否仍然讀取銀行的資料庫。那有助評估職員是否屬於「將會出現異常行為」的潛在高危個案,並提早發出警報。畢竟銀行要爭取時間,盡早發現不當行為,從而防微杜漸,在這方面RegTech正能派上用場。

李:而且AI可進行全天候監察,畢竟電腦不會疲勞,並不需要休息和請假。

應收賬管理 RegTech實戰

潘:為了符合監管要求,貴公司又有哪些運用RegTech的實際例子?

明:我們的公司為銀行和財務公司進行應收賬管理,向欠債人追收還款,當中也要遵守很多規矩。例如我們被委派向欠債人追款,其中牽涉很多個人資料,如電話、地址、身份證號碼。我們在傳送和處理這些資料時要進行加密,確保不會外洩。

另外,打電話催追時,則無須人手撥號,可使用自動撥號機器,機器會按照call list(撥號清單)打電話,有人接聽時才接駁給同事。如此一來,員工無須接觸欠債方的電話號碼,能加強保障私隱。

潘:在機器學習方面,你們又有什麼應用?

明:我們每天跟欠債方的通話多達上千段,也要確保對話內容沒有違規。早年只能靠人手監聽,大約只能聽4%至5%的錄音內容。換句話說有九成以上的內容都沒有監聽,顯然有所不足。

後來,我們運用了機器學習技術,開發出語音識別引擎,成功把對話翻譯成文字,有助加快找出異常訊息。這項技術要克服各種困難,尤其香港人說話多是中英夾雜,最初機器也難以分辨。我們要先把各種錄音以人手翻譯,給機器參考,進行對比。初時機器辨識的準繩度只有50%,但經過大半年學習,已達90%以上。

李:說實在的,就算由真人進行,也不會百分百準確。早期我們用傳呼機,常收到「請回到電台」的訊息,但顯示出來的卻是「請回到天台」。後來傳呼機的訊息也愈來愈準確。機器也一樣,只要給它足夠的時間和材料去學習,便能逐漸完善,繼而能為合規工作作出更大貢獻。

有關內容和相片由中大EMBA課程提供