לתפוס את החשוד,
לא להטביע את הצוות

Behavioral Analytics

מודל התנהגות ללקוח - לא רק ספים קבועים.

• Peer-group baselining
• זיהוי סטייה מפרופיל
• Structuring / smurfing detection
• ניקוד סיכון דינמי

Graph & Network Analysis

כסף זז ברשתות - לא בעסקאות בודדות.

• זיהוי קהילות ומתווכים
• Money-mule detection
• Beneficial ownership traversal
• ויזואליזציה ל-analyst

Sanctions & Watchlist

סינון בזמן אמת מול רשימות סנקציות.

• OFAC, EU, UN, מקומי
• Fuzzy matching לתעתיק
• הפחתת false-positive
• Rescreening על עדכון רשימה

SAR / דיווח בלתי רגיל

טיוטת דיווח מוכנה - האדם מאשר ומגיש.

• Narrative generation מנתוני ה-case
• מבנה לפי דרישת הרשות
• שמירת ראיות ו-timeline
• Human-in-the-loop חובה

Alert Triage & Scoring

ה-alerts החשובים למעלה, עם נימוק.

• Risk-ranked queue
• הסבר (SHAP) לכל alert
• Auto-close ל-alerts זניחים מתועד
• מדדי ביצוע לצוות

אינטגרציה ובקרת מודל

מחובר למערכות הליבה, עם ניטור המודל עצמו.

• Ingestion מ-core / payments
• Model registry + drift
• Tuning threshold מבוקר
• דוחות לרגולטור

ישראל: איסור הלבנת הון

צו איסור הלבנת הון, חובת דיווח בלתי רגיל (IRR) לרשות לאיסור הלבנת הון ומימון טרור (IMPA), והוראות בנק ישראל לניטור.

US: BSA, FinCEN, OFAC, FATF

Bank Secrecy Act, דיווח SAR ל-FinCEN, סינון OFAC, שיתוף מידע לפי 314(a)/(b), ועקרונות FATF - לגופים עם חשיפה לחו"ל.

EU: AMLD + AMLA

עמידה ב-AML Directives ובמסגרת ה-AMLA החדשה של האיחוד, כולל חובות דיווח ו-record keeping.

פחות false-positive

מה התעשייה מדווחת: מעבר מ-rule-based להיברידי (behavioral + ML) מצמצם false-positive ב-30-50% תוך שמירה על recall (Bain payments tech 2024).

איפה אנחנו נכנסים: שכבת ML מעל מנוע הכללים הקיים - בלי להחליף אותו, עם tuning מבוקר.

Graph חושף רשתות

מה התעשייה מדווחת: ניתוח רשת חושף money-mule ו-structuring שעסקה-בודדת לא מזהה.

איפה אנחנו נכנסים: בניית graph model על נתוני העסקאות, עם תצוגה שה-analyst באמת יכול לחקור.

אוטומציית SAR חוסכת זמן

מה התעשייה מדווחת: חלק ניכר מזמן ה-analyst הולך לכתיבת narrative ידנית חוזרת.

איפה אנחנו נכנסים: יצירת טיוטת narrative מנתוני ה-case - עם human-in-the-loop לפני הגשה.