文章总结： 交行江苏省分行上线基于多模态大模型的反洗钱智能监测服务，通过OCR、NLP与代码生成技术自动将央行风险提示转为SQL规则，实现监测精准度提升30%、误报率降10%、模型迭代提速40%，并减少客户经理50%人工核查量，已在分行内控合规部试点，后续全行推广。
综合评分： 82
文章分类： AI安全,数据安全,安全工具,金融科技,解决方案
交行江苏省分行大模型加持反洗钱监测，精准度提升30%
点击关注→
智探AI应用
2025年12月25日 19:04
广东
“基于大模型的反洗钱智能监测服务”能有效优化反洗钱筛查业务流程，预计可实现监测精准度提升30%、可疑交易误报率降低10%、风险监测模型迭代速率提升40%，并为客户经理减轻50%人工核查工作量。
来源｜智探AI应用
文｜欧文
以下为全文
近日，江苏省金融科技创新监管工具新一批创新应用公示。公告显示，交通银行江苏省分行申报的“基于大模型的反洗钱智能监测服务”，为本次拟纳入的创新应用之一。
据了解，该创新应用运用多模态大模型、光学字符识别、自然语言处理等技术，聚焦反洗钱业务领域，提取并分析中国人民银行发布的洗钱风险提示文件中的有效信息，综合行内数据，建设优化可疑交易监测模型，打造从非结构化文档到可执行规则的自动化流水线，为分行的反洗钱数据筛查提供支持。
具体而言，借助大模型技术，创新应用能检索历史风险和规则假设，生成当前的模型建议。而依托大模型的代码生成能力，对已生成的规则描述，结合数据字典（表结构、字段名、业务术语映射），将自然语言描述转化为精准的业务逻辑，生成对应的SQL查询语句，进行反洗钱监测。
此外，创新应用还能运用自然语言处理技术，识别并提取关键实体和关系，将洗钱手法分为规则类和尽调类，输出结构化数据，概括洗钱手法的核心要素。
最终，该应用在业务效率和数据准确度方面实现了创新突破：在业务效率方面，通过流程自动化替代传统反洗钱业务人员手动提炼风险点并“翻译”为文字描述、技术人员手动将文字描述转化为SQL语句并建立可疑交易监测模型进行数据筛查，减少对工作人员经验和专业程度的依赖，缩短分析时间，避免遗漏隐秘规则，提高了可疑交易监测效率；在数据准确度方面，通过OCR、大模型、自然语言处理等技术手段，实现洗钱风险提示文件中数据识别、提取、分析的自动化处理，进一步提升反洗钱筛查的全面性、准确性。
交通银行江苏省分行表示，“基于大模型的反洗钱智能监测服务”能有效优化反洗钱筛查业务流程，预计可实现监测精准度提升30%、可疑交易误报率降低10%、风险监测模型迭代速率提升40%，并为客户经理减轻50%人工核查工作量。
按照风险可控的部署规划，该创新应用初期将在交通银行江苏省分行内控合规部/法律事务部投入使用，后期将在全行内控合规部/法律事务部推广使用。
智探AI应用交流群，有兴趣的朋友请添加群主：cosmic-walker 备注：公司+姓名+职务+AI入群。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：智探AI应用 点击关注→《交行江苏省分行大模型加持反洗钱监测，精准度提升30%》