Rahanpesulain mukaan asiakkaasta on tehtävä riskiarvio ja mitoittaa tuntemistoimenpiteet havaitun riskin perusteella. Monelle rahanpesulain tarkoittamalla ilmoitusvelvollisella ei ole kovinkaan läheistä suhdetta asiakkaaseen, vaan käsittelee sitä vain nimenä ja sopimuksina asiakastietojärjestelmässä. Asiakkaan riskisyys selvitetään silloin käytännössä julkisista rekistereistä saaduilla tiedoilla, joita verrataan asiakkaan aktiviteetista saatuihin tietoihin.

Ilmoitusvelvollisen on arvioitava asiakkaan yksilöllinen riski. Jos arviointi tapahtuu manuaalisesti ihmisen toimesta, riskinä on tunteisiin perustuva päätöksenteko ja systemaattisuuden puute.

On mahdollista luoda algoritmi riskien käsittelyyn ja sitä kautta riskiluokitteluun. Automatisoitu riskiarvio pienentää virheen mahdollisuutta ja seuloo asiakaskunnasta helposti ne asiakkaat, joille täytyy tehdä perusteellisemmat tuntemistoimenpiteet. Rahanpesulain henki tulee toteutettua automaattisen päätöksenteon kautta ja virheen mahdollisuus pienenee. Resurssit tulee kohdennettua paremmin, koska compliance-vastuuhenkilöt voivat keskittyä todellisiin riskin aiheuttajiin.

Automaattisen riskiarvion pohjana on tiedot, jotka asiakkaasta on kerätty julkisista rekistereistä ja asiakkaalta itseltään. Suomessa ei valitettavasti asiakkaan tuntemista voi tehdä pelkästään julkisista rekistereistä saaduilla tiedoilla. Koottujen tietojen perusteella määritetään, mitkä vastaukset on ilmoitusvelvollisen toiminta huomioon ottaen riskiä lisääviä tekijöitä. Jokainen riskitekijä pisteytetään niin, että kerätyistä tiedoista voidaan muodostaa pisteluku asiakkaan riskisyydelle. Raja-arvojen perusteella annetaan asiakkaalle riskiluokitus. 

Automaattisessa riskiluokituksessa on tärkeää, että ilmoitusvelvollisen vastuuhenkilö ymmärtää automaattisen päätöksenteon logiikan ja pystyy sen tarvittaessa avaamaan ja muuttamaan. Tiedon on oltava tarkasti kategorisoitua ja tiedon merkittävyydelle on pystyttävä antamaan painoarvo. 

 

Jukka Kojola

Clento Oy:n perustajaosakas ja AML-asiantuntija.