人工智能：转型中通过人工智能采纳实现财富来源转型 一种由人工智能赋能的业务主导战略

Supporting AI adoption in AML/CFT转型中通过人工智能采纳实现财富来源转型⼀种由⼈⼯智能赋能的业务主导战略毕马威。创造不同。2026年9月kpmg.com/cn1通过⼈⼯智能采纳实现财富来源转型© 2026 KPMG, a Hong Kong SAR partnership and a member firm of the KPMG global organisation of independent member firms affiliated with KPMG International Limited, a private English company limitedby guarantee. All rights reserved.目录执⾏摘要01 战略背景与问题定义02 结构类型与风险特征03 低效量化与控制有效性04 目标运营模式：向合理性智能转型05 技术实施架构06 治理、模型风险与负责任部署07 实施路线图08 董事会指标、管理信息与道德监督09 结构限制与伦理边界10 结论附录A：实施⼿册附录B：术语表与技术说明附录C：治理控制矩阵附录D：运营指标与管理仪表盘⽰例2通过⼈⼯智能应⽤实现财富来源转型© 2026 KPMG, a Hong Kong SAR partnership and a member firm of the KPMG global organisation of independent member firms affiliated with KPMG International Limited, a private English company limitedby guarantee. All rights reserved.执行摘要变革的必要性⾹港银⾏业凭借稳健的财务实⼒步⼊2026年，资产负债规模与存款持续扩张，增⻓动⼒焕新，并⽇益聚焦于绩效、增⻓与信任。财富来源正⾯临转折点。对于在⾹港及其他复杂⾦融中⼼运营的银⾏⽽⾔，传统以⽂件为主导的财富来源流程已难以应对现代反洗钱/反恐融资⻛险管理在规模、复杂性和举证标准⽅⾯的要求。与此同时，私⼈财富管理、数字资产、代币化与⼈⼯智能正成为⾏业的核⼼主题。近期⾏业展望也表明，银⾏越来越需要将AI嵌⼊运营各环节，以产⽣可量化的⽣产⼒提升，⽽⾮为创新⽽创新。拟议应对方案本⽩⽪书主张，财富来源应从静态验证流程重组为受管控的智能能⼒：⼀种能够关联记录、映射所有权与控制权、检验经济合理性、从⽂件中提取证据、识别异常并⽀持可辩护、基于⻛险的决策的能⼒。传统财富来源⽅法已⽆法适应这⼀环境。以⽂件为中⼼的流程往往仅验证记录的存续性，却未能确定财富积累在经济、结构及时间上是否合理。由此产⽣的控制模式成本⾼昂、标准不⼀且难以扩展，还会造成不必要的客⼾摩擦，引发升级处理过载、误报率⾼及机构知识碎⽚化等问题。为何此事影响超越私人银行范畴该挑战在私⼈银⾏及超⾼净值财富结构中最为突出——客⼾关系敏感性、跨境所有权、信托、私⼈投资⼯具及数字资产使得财富来源审查在商业层⾯极为复杂且极易触发升级流程。然⽽，问题远不⽌于私⼈财富领域。在零售银⾏、商业银⾏及全功能银⾏的⾼⻛险客⼾强化尽职调查中，财富来源同样是关键环节——证据质量薄弱、决策标准不⼀及未解决积压问题可能引发监管⻛险、审计⻛险与⾦融犯罪⻛险。Chad Olsen合伙⼈，法务会计主管，⾹港特别⾏政区毕⻢威中国33通过⼈⼯智能应⽤变⾰财富来源通过⼈⼯智能应⽤变⾰财富来源© 2026 KPMG, a Hong Kong SAR partnership and a member firm of the KPMG global organisation of independent member firms affiliated with KPMG International Limited, a private English company limitedby guarantee. All rights reserved.人工智能与人类判断的角色本文结构管理得当的⼈⼯智能可以⽀持实体解析、知识图谱构建、财富合理性建模、⾃然语⾔处理、异常检测和持续监控。⼈⼯智能不应取代专业判断。善加利⽤，它可以增强机构智能、优先处理分析师的注意⼒、提⾼证据质量并加强决策依据的可靠性，同时让⼈类对解释、升级处理和最终判断负责。本⽩⽪书旨在提供⼀份实⽤蓝图，将知情监管流程从⽂档主导的控制体系重塑为受管控的智能能⼒。它⾸先诊断当前知情监管流程的结构性弱点，然后提出⽬标运营模式、技术架构、治理框架、分阶段实施路线图、董事会级报告模型和伦理边界条件。本⽂兼顾战略性和实⽤性：董事会和⾼级管理层可重点关注治理、指标和伦理部分，⽽合规、⾦融犯罪、数据、技术和模型⻛险团队可将附录作为实施参考。关键信息概览战略问题当前约束人工智能驱动的响应预期成果提升对控制权、影响⼒和结构性不透明度的可⻅性⼿动重建实体、链接与受益所有权实体解析与知识图谱分析复杂所有权结构依赖⽂件存在性⽽⾮财务连贯性合理性建模、情景测试与市场对标对申报财富叙述进⾏更⼀致的检验经济合理性依赖分析师对“证据”的解读基于AI的证据提取与⽭盾检测更早发现内部不⼀致性叙述不一致信息披露与⽂件优化优先级并减少低价值升级基于规则的警报缺乏⼯作范围上下⽂复合⻛险评分与⼯作流路由升级过载模型验证、可解释性、漂移监控与覆盖⽇志监管信⼼与可证明的有效性⾃动化⻛险不透明且审计追踪薄弱治理与保障4通过采⽤⼈⼯智能转变财富来源© 2026 KPMG, a Hong Kong SAR partnership and a member firm of the KPMG global organisation of independent member firms affiliated with KPMG International Limited, a private English company limitedby guarantee. All rights reserved.Supporting AI adoption in AML/CFT01战略背景与问题定义⾹港的财富来源挑战是战略性的，⽽⾮程序性的。这座城市融合了深厚的银⾏流动性、成熟的私⼈财富架构、不断增⻓的家族办公室⽣态系统以及⽇益活跃的数字资产活动。许多传统财富来源框架的战略弱点在于，它们将财富来源视为⽂档合规性任务。这种⽅法容易陷⼊⽂档幻觉：证据数量可能增加，但对相关情况的理解并未同步提升。更有效的框架会评估，在考虑所有权结构、交易历史、市场状况、⾏业经济、司法管辖区⻛险和⾏为模式后，所声明的财富积累是否合理。这些特性在商业上是积极的，但也增加了判断客⼾积累财富是否合法、连贯且与已知经济状况⼀致的复杂性。根据《打击洗钱及恐怖分⼦资⾦筹集条例》及相关监管指引的监管要求，⾦融机构需在⻛险较⾼时实施强化尽职调查，了解资⾦来源和财富来源，持续监测客⼾关系，并展⽰基于⻛险的⽐例原则。监管重点⽇益转向有效性：机构能否证明控制措施在实践中有效，⽽不仅仅是存在相关程序。采⽤财富来源⼈⼯智能并⾮单纯的技