KYC 与反洗钱开户智能体

把受监管的决定，与围绕它的那些活儿分开。

这个领域里失败的试点，多半从"让模型说是或否"开始。这个框法在合规上是错的；而不那么显眼的是，它在价值上也是错的——决定本身才是便宜的那部分。

• 处置在设计上就是要归属到某个人的。清退一条告警、接纳一位客户、提交一份可疑活动报告，都是带着名字的行为。整套制度预设了一位可问责的自然人，而没有哪种架构能把模型变成这个人。先把这一条白纸黑字定下来，再谈其他——这个论点的一般形式见问责与角色。
• 其余几乎一切都是不受监管的苦力活。调取工商登记文件、沿着股权链往上找出超过持股门槛的受益所有人、把同一个名字的三种音译对上、检查某份证件是否已过期、找出这条告警实际指向的那篇负面新闻。工时都花在这里，智能体也该待在这里。
• 产出是一份案卷，不是一个裁决。把智能体设计成产出一个结构化的包——证据、来源、每条命中之所以命中的具体原因、尚存的疑问——并附上一个作为"建议"的建议处置。分析师的工作于是从"重建一份论证"变成"检查一份写好的论证"，而这是量级上更便宜的任务。
• 然后度量正确的东西。指标不是模型准确率，而是：在召回率不变的前提下，每分析师工时内、以一份检查官会接受的论证记录关闭掉的告警数。这句话里的每一个限定条件都在承重，而团队会悄悄丢掉的正是最后那个。

制裁筛查是一个确定性系统，模型必须待在它外面。

这是热情造成最大破坏的那个具体位置。语言模型确实很擅长判断两个名字是不是指同一个人——而这恰恰是不能交给它的那份活。

• 匹配器必须在数年之后仍可复现。检查官问：某个名字在某一天为什么没有命中。要回答，就得用同一套算法、同一个阈值、对着同一个名单版本重跑一遍——并得到同样的结果。一个在采样下非确定、被厂商静默更新、且无法钉到某个版本的模型答不了这个问题，理由见可复现性与非确定性。
• 阈值校准如今已是明确的监管期待。2025 年底生效的欧洲银行管理局《限制性措施指引》要求机构拿出证据证明筛查参数经过校准。那是一句关于"可调、可测的系统"的话，它描述的不是一段提示词。
• 所以模糊匹配器要保持经典、带版本、并被钉死。音译规则、语音算法、编辑距离阈值、出生日期容差。乏味、可审计、站得住脚——并且每一次筛查事件上都盖着当时的名单版本与配置变更。
• 把模型放到匹配的另一侧，那里它才帮得上忙。一旦命中已经存在，模型去汇集能区分开的证据——登记文件里不同的出生日期、不同的国籍、一家注册历史毫不相干的法人主体——并起草排除该命中的理由。它减少的是分析师花在一条命中上的时间；它绝不决定这条命中存不存在。
• 绝不让模型去挑阈值。放松匹配阈值是一项由委员会作出并记录在案的风险偏好决策。它不是用来改善你智能体精确率得分的调参旋钮，而一个正在优化评测指标的团队会不假思索地伸手去拧它。

负面媒体筛查是模型真正挣到饭钱的地方——也是它编造的地方。

负面新闻筛查是整条流程里唯一真正属于语言问题的一段，同时也是"流畅而错误的答案"最难被抓住的一段。

• 难题是实体消歧，不是情感判断。这是同一个 John Chen 吗？一份关于同名另一人的文章被自信地摘要出来，正是这里的特征性失败，而它读起来与一份正确的摘要一模一样。要求智能体写明哪些属性对上了——雇主、城市、年龄、职务——并标出哪些没对上。
• 每一条断言都必须引用一份检索到的文档，否则它不存在。没有来源，就没有断言。这是把接地做成一条硬性架构约束，而不是一句提示词指令：起草环节只应当能够引用检索集合内的文档，而输出里一条没有引用的断言是一个应由检查捕获的缺陷，不是一种文风偏好。
• 在作决定的那一刻把来源快照下来。文章会被修改、被付费墙挡住、被删除。案卷需要的是检索到的那份文本在决定作出时的样子，并按一份能活得比那篇文章更久的留存计划保存——副本问题见留存与法务保全。
• 区分指控、起诉、定罪与撤稿。它们的分量各不相同，而一个把它们压平成"与欺诈有关"的摘要器，既对客户产生不公平的结果，也产出一份站不住的案卷。把这个区分做成一个必填字段，而不是指望散文去传达。
• 时效与法域会改变答案。一项已届满的前科、一桩被驳回的案件、一份来自新闻自由状况众所周知有问题的法域的报道——这些都需要连同上下文一起呈现，因为分析师的判断依赖于它，而模型不会主动提供。
• 检索覆盖是一种无声的失败模式。如果你的检索漏掉了客户母国市场的本地语言媒体，这份案卷会读起来很干净，而且是错的。要按语言、按地区对着一个已知阳性集合测召回，而不是只看聚合值。

经济账：在召回率固定的前提下压误报，绝不反过来。

商业理由在精确率，监管敞口在召回率。两者朝相反方向拉扯，而整个项目成败就取决于把其中一个按住不动。

• 把召回率固定成一条约束，然后再去优化其余一切。任何降低检出的变更都是一次风险偏好变更，需要走与调阈值同一套治理审批——绝不能是某项工程改进的副作用。把这一条写进评测闸门，让一次模型更新无法悄悄把它换掉。
• 价值体现为每条告警的分析师分钟数，而且它会放大。在处置质量不变的前提下把一次 22 分钟的调查压到 6 分钟，就是全部回报所在；而在 95% 误报率下，这个体量乘数极其可观。像人工复核的成本那样去建模，因为在这里复核者是遥遥领先的主导成本项。
• 当心复核质量的陷阱。当智能体大多数时候是对的，分析师就会开始不读证据直接批准它的建议——而剩下的那些失败，恰恰是看着合理的那些。橡皮图章式的清退比积压更糟，因为它带着一份"有人复核过"的记录。
• 所以要长期抽样重审。随机抽取一部分由智能体协助完成的清退，让第二位分析师在盲态下重做一遍，是唯一能同时检测出模型漂移与人的漂移的度量。把它当作一项持续成本来编预算，而不是上线时的一次性活动。
• 给队列切出一档智能体真正能扛下来的分诊。最清楚的收益来自那些机械性的排除——命中的是一位已故人士而出生日期对不上、法人名称撞车而某条登记记录足以澄清。把这些划成一个具名类别、配自己的质量目标，而不是试图把所有类别的平均值一起抬起来。

边做边把检查记录攒出来，因为事后重建不出来。

两年后的一次检查，问的是某个具体客户在某个具体日期上的事。你需要的一切都必须在当时就被记录下来，而其中大部分默认是不会被记录的。

• 在每一份案卷上盖上那个行为三元组。模型版本、提示词版本、工具与检索配置，以及当时生效的名单版本。行为就是这一整个元组——这一点灰度发布与版本化讲过——而"我们当时用的是当前模型"不是一个能答复检查官的答案。
• 保存证据本身，而不是指向它的链接。登记摘录、证件、文章正文、筛查结果——按检索到的原样、按决定作出时的样子保存。链接失效的时间尺度，恰好就是检查工作的时间尺度。
• 记录分析师改了什么。人在哪里不同意那份建议，是你最有价值的数据集：它既是漂移信号，也是评分标准的训练信号，还是"复核是真的"的证据。把差异连同一条必填理由一起捕获，做法可参照标注运营。
• 写给一个当时不在场的读者。理由必须能独立成立——不用内部黑话，不写"如前所述"。检验标准是：一位新来的分析师仅凭这份案卷能否得出同样的结论；而在放量之前，值得拿真实案例把这个检验跑一遍。
• 现在就准备好那些与 AI 相关的提问。当系统落入欧盟《人工智能法案》的高风险范畴时，自动生成日志的义务按它自己的时间表适用——见面向智能体的欧盟人工智能法案——而它是叠加在金融犯罪记录之上的，不是替代品。

拿已结案例做灰度，并让退出通道一直可见。

这个领域有一份异常好用的回测材料：多年的告警，每一条都带着人工处置结论。用它，同时要留神它能说明什么、不能说明什么。

• 先在已关闭的告警上跑影子。让智能体跑历史案例，把它的建议与当年分析师的处置作对比。分歧就是这一阶段的全部产出——每一条都要读，因为其中一部分会是"智能体对了、而历史案卷错了"的情形，那会改变整场讨论。
• 不要把过去的处置当作真值。它们里面裹着你正想修掉的积压压力、不一致与橡皮图章。一致率是一次合理性检查，不是一个目标——用模型做裁判面临的是同一个天花板问题。
• 然后并行运行，并让分析师对建议保持盲态。先把智能体的答案给人看，会锚定人的判断并毁掉你的度量。让两边独立工作一段时间，是唯一能干净地读出"智能体到底加了什么"的办法。
• 每个指标都按国籍、姓名来源与语言切片。筛查系统在不同命名传统上失败得并不均匀，而叠在上面的模型可能把这种不均匀放大。不同人群之间误报率的落差，同时是一个公平性问题和一个监管问题，而聚合数字把两者都藏了起来。
• 准备一个关掉之后队列仍能运转的开关。如果智能体在某个周一被停用，团队必须还能靠人工把积压干下去。这意味着蜜月期里不要让人手掉到人工底线之下，也意味着要演练那条备用路径——论点见优雅降级。
• 在监管方自己发现之前告诉他们。模型风险管理的期待本来就适用；一项悄悄长出了语言模型的金融犯罪控制，比一项事先说明并附上验证证据的控制，是糟糕得多的一场谈话。

相关：财务智能体讲更大的职能，保险理赔智能体讲另一个受监管队列里"先证据后决定"的同一种形状，审计轨迹讲那份记录，人在回路讲那次批准为何不能沦为形式。