بناء Sentinel: استدلال بالذكاء الاصطناعي لفرز تنبيهات AML مع مسار تدقيق كامل

95% من تنبيهات نظام TM لديك إيجابيات كاذبة. ومحققوك يعرفون ذلك.

ينتج بنك متوسط عشرات الآلاف من تنبيهات AML سنويا. وبين 90% و98% منها إيجابيات كاذبة. يراجع كل تنبيه محقق مدرب يدويا: يجلب تاريخ معاملات 90 يوما، ويفحص تنبيهات العميل السابقة، ويقارن سلوكه بخطوط أساس أقرانه، ويراجع KYC وبيانات الأطراف المرتبطة، ويكتب تعليل القرار. أربع من هذه الخطوات الخمس هي تجميع للمعلومات — لا إصدار أحكام.

لم يغير نموذج خدمات الضبط لدى الشركات الأربع الكبرى هذا الرقم خلال عقد. ليست العقدة في محرك القواعد، بل فيما يحدث بعد تفعيل القاعدة.

ما هو Sentinel وما ليس هو

Sentinel هو طبقة الاستدلال التي تعمل فوق نظام مراقبة المعاملات القائم لديك. لا يستبدل Actimize أو SAS أو Verafin أو Oracle FCCM أو منظومتك الداخلية. لكل تنبيه يصدره نظامك، يقوم Sentinel بما يلي:

1. يجمع تاريخ معاملات 90 يوما والتنبيهات السابقة وخطوط أساس الأقران وKYC في سياق واحد.
2. يجري تحليل Claude بمرحلتين: تنتج الأولى تحليلا مهيكلا، وتراجعه الثانية بحثا عن إشارات خطر فائتة.
3. يصدر قرارا متحققا منه باستخدام Pydantic (clear · clear_with_note · escalate_to_l2 · escalate_to_sar · request_additional_info) مع أدلة مستشهد بها.
4. يسجل كل مدخل ومخرج وختم إصدار في مسار التدقيق.

يرى المحقق ملف قضية جاهزا، لا شاشة فرز: درجة احتمالية باستدلال معاير، وإشارات خطر مرتبطة بمعرفات معاملات، وعوامل تخفيف من التاريخ الفعلي للعميل، وقرارا موصى به، وأسئلة محددة للإجابة حين يلزم الحكم البشري.

ثلاث وحدات، نمط معماري واحد

نطبق نمط الاستدلال نفسه على ثلاثة طوابير AML مختلفة بنيويا. الوصفة المشتركة: مخرجات مهيكلة متحقق منها بـ Pydantic، ومحلل ومراجع على مرحلتين، وأدلة لكل ادعاء، وسجل تدقيق كامل.

المبادئ غير القابلة للتفاوض التي وجهت كل قرار

عندما بدأنا البناء، سجلنا خمسة أمور لن نتنازل عنها، ورفضنا الميزات التي كانت ستخرقها.

• يستشهد كل تعليل بمعرفات معاملات محددة أو نقاط بيانات العميل. لا استدلال غامض. هذا ما يجعل المخرجات قابلة للدفاع عنها تدقيقيا، وهو أول ما يدققه المنظمون ومسؤولو BSA.
• مخرجات مهيكلة فقط. يعيد كل استدعاء Claude ملف JSON متحققا منه بـ Pydantic. لا تحليل لنص حر في المراحل اللاحقة.
• استدلال بمرحلتين. تحلل المرحلة الأولى، وتراجع الثانية الأولى بحثا عن إشارات خطر فائتة. تسجل المرحلتان.
• مسار تدقيق كامل. يسجل كل قرار للذكاء الاصطناعي وإصدار التعليمات وإصدار النموذج وبصمة سياق الإدخال والقرار البشري. ينبغي أن يتمكن المنظم من إعادة بناء أي قرار بعد أشهر.
• لا بيانات تعريف شخصية حقيقية أبدا في العرض التجريبي. تعمل البيئة التجريبية ببيانات اصطناعية بنسبة 100%. تنتقل المشروعات المدفوعة إلى بيئتك ضمن ضوابط مخاطر النماذج لديك.

المنظومة التقنية

بسيط حيث ينبغي، ودقيق حيث يهم.

• طبقة البيانات: DuckDB — تحليلات مدمجة في ملف واحد. مثالي لقابلية نقل العرض، وينتقل بسلاسة إلى مستودع بياناتك القائم في المشروع المدفوع.
• الخلفية: Python 3.11+ وFastAPI وPydantic للتحقق من المخططات.
• الاستدلال: Anthropic SDK — Claude Sonnet لمرحلتي الفرز وكاتب SAR؛ وHaiku للمرحلة الأولى من قوائم المراقبة حيث تهم التكلفة، مع وجود مراجعة في المرحلة الثانية على أي حال.
• الواجهة الأمامية: React + Vite وTailwind وRecharts وshadcn/ui — منظومة مستقلة لبيئة عرض المبيعات؛ ويمكن استبدالها بواجهة المحققين لديك في المشروعات المدفوعة.
• التدقيق: سجلات JSON لكل تحليل تحت audit/logs/. سجل مستقل ومكتمل لكل قرار.

ثلاث حالات تجريبية تثبت الفكرة

يستعرض عرض المبيعات ثلاثة تنبيهات تحديدا. إنها المنتج نفسه، لا مواد تسويقية.

ما سنقدمه لفريقك

خدمة لإثبات القيمة لمدة أسبوعين برسوم ثابتة. نعمل على بياناتك المنقحة أو الاصطناعية، حتى خمسة أنماط و10,000 تنبيه تاريخي. تحصل على بيئة تجريبية عاملة في بيئتك، ومكتبة تعليمات مضبوطة لتصنيفك، ووثائق مخاطر نماذج مناسبة لفريق MRM، وملخص تنفيذي لحزمة مجلس الإدارة.

للتفاصيل الكاملة — الوحدات ومخطط البنية ولقطات البيئة التجريبية العاملة وحسابات توفير الوقت لثلاثة أحجام — راجع صفحة منتج Sentinel .