AML compliance a AI: budúcnosť pre banky a fintech

AML (Anti-Money Laundering) compliance je v roku 2026 jedným z najväčších nákladových centier českých bánk a fintech firiem. Zákon č. 253/2008 Sb., európska 6. AML smernica, nový úrad AMLA vo Frankfurte a tlak ČNB aj FAÚ tlačia náklady na compliance nahor. Stredne veľká česká banka platí len za AML často 80 až 250 mil. Kč ročne.

Klasické rule-based AML systémy ako Actimize, SAS alebo Oracle Financial Services pritom generujú 92 až 98 % falošne pozitívnych upozornení. Compliance officer trávi väčšinu času kontrolou alertov, ktoré nič neznamenajú. AI agent dokáže tento pomer otočiť: vyššia presnosť, menej ručnej práce a nižšie náklady.

1. Stav AML v českej banke v roku 2026

Typická stredne veľká česká banka rieši AML takto:

• Compliance tím: 12 až 28 ľudí, od KYC analytikov po MLRO
• Ročný personálny náklad: 18 až 42 mil. Kč
• Softvér: Actimize, SAS alebo Oracle FCC, licencie 25 až 60 mil. Kč ročne
• Externí poradcovia a audit: 8 až 15 mil. Kč ročne
• Reportovanie FAÚ: 800 až 2 400 SAR/STR hlásení ročne
• Sankcie ČNB za nedostatky: významné riziko pri slabom procese a dokumentácii

Najväčší problém je šum. Tím pláva v alertoch, z ktorých väčšina nie je reálne riziková.

2. Kde zlyhávajú klasické pravidlové systémy

Statické pravidlá v dynamickom prostredí

Pravidlo typu „hotovostná transakcia nad 200 000 Kč znamená alert“ sa dá obísť. Pranie peňazí sa prispôsobilo: structuring, smurfing, mule účty, crypto on/off ramps. Pravidlá nestíhajú tempo zmien.

Vysoký podiel falošných upozornení

Ak je 92 až 98 % alertov falošne pozitívnych, analytik strávi väčšinu dňa kontrolou transakcií, ktoré sú v poriadku. Výsledkom je únava, frustrácia a fluktuácia.

Chýbajúci kontext

Pravidlový systém často vidí transakciu izolovane. Nezohľadní históriu klienta, sezónnosť, geografický kontext ani časovú súvislosť s ďalšími aktivitami.

Pomalá adaptácia

Nový typ podozrivého správania znamená analýzu, návrh pravidla, schvaľovanie, IT implementáciu, testovanie a nasadenie. Celý proces môže trvať 6 až 12 mesiacov.

3. Čo AI v AML mení

Sémantické porozumenie transakciám

AI nesleduje len sumu a menu. Vie pracovať s poznámkou k transakcii, vzťahmi medzi účtami a zmenami správania klienta v čase. Náš AML agent používa LLM na analýzu transaction memo aj širšieho kontextu.

Sieťová analýza

Grafový model mapuje vzťahy medzi účtami, klientmi a skutočnými vlastníkmi. Pomáha odhaliť skryté skupiny účtov ovládané rovnakou osobou.

Adaptívne učenie

Namiesto statických pravidiel sa model učí zo spätnej väzby compliance tímu. Rozlišuje, čo bol false positive a čo true positive, a postupne zlepšuje prioritizáciu.

Behaviorálny základ pre každého klienta

AI vytvorí pre klienta obraz bežného správania. Anomália sa potom neposudzuje podľa univerzálneho prahu, ale voči jeho vlastnej histórii.

Prioritizácia podľa rizika

Namiesto binárneho „alert / bez alertu“ dá AI skóre 0 až 100. Tím rieši najrizikovejších päť percent prípadov, nie všetky upozornenia rovnako.

4. Konkrétny scenár: KYC obohatenie

Pri onboardingu nového klienta AI agent počas približne 90 sekúnd:

• validuje identifikačné doklady pomocou vision modelu a kontrolných pravidiel,
• vyhľadá klienta v sankčných zoznamoch EU, OFAC, OSN a lokálnych zoznamoch,
• deteguje PEP osoby a ich rodinných príslušníkov,
• kontroluje adverse media pomocou AI klasifikácie správ,
• validuje beneficial ownership cez obchodné registre,
• vyhodnotí KYC risk score podľa krajiny, odvetvia a podobných klientov,
• vyžiada EDD pri vysokorizikových klientoch.

Dopad pri stredne veľkej banke

• Dĺžka KYC onboardingu klesne z 3,8 dňa na 4,5 hodiny.
• Konverzia onboardingu rastie, pretože klient nečaká týždeň na schválenie.
• Personálna úspora môže predstavovať niekoľko KYC analytikov.
• Lepšia dokumentácia znižuje riziko sankcií za KYC nedostatky.

5. Scenár: transaction monitoring

Pred AI

Banka generuje tisíce až desaťtisíce alertov týždenne. Analytici nestíhajú všetko uzavrieť včas a časť prípadov ostáva v rade.

Po AI

AI agent robí pre-screening všetkých alertov, automaticky uzatvára zjavne falošné pozitíva a zvyšok zoradí podľa rizika. Analytik rieši výrazne menej prípadov, ale s vyššou pravdepodobnosťou reálneho nálezu.

Dopad

• True positive rate môže výrazne narásť.
• Kvalita SAR/STR hlásení sa zlepší, aj keď počet hlásení nemusí rásť.
• Personálna kapacita sa presunie od rutiny k zložitejším prípadom.
• Cycle time compliance rozhodnutí sa skracuje.

6. Súlad s ČNB a FAÚ

České banky a fintechy musia rešpektovať najmä:

• Zákon č. 253/2008 Sb. a AML/CFT povinnosti,
• Vyhlášku ČNB 67/2018 Sb. ku KYC/CDD,
• EU 6. AML smernicu,
• EU AMLA reguláciu,
• metodické pokyny ČNB,
• EU AI Act, pretože AML AI môže patriť medzi vysoko rizikové systémy.

Požiadavky pri AI v AML

• Ľudský dohľad: AI nesmie sama rozhodnúť o ukončení vzťahu alebo o SAR.
• Vysvetliteľnosť: musí byť jasné, prečo AI prípad označila.
• Auditná stopa: rozhodnutia a vstupy sa musia uchovávať podľa pravidiel banky.
• Bias testing: treba pravidelne testovať diskriminačné správanie modelu.
• Model risk management: dokumentácia, validácia a monitoring sú povinné prvky seriózneho nasadenia.

7. Náklady AML AI implementácie

Pri stredne veľkej banke môžu náklady vyzerať takto:

Návratnosť vzniká najmä z nižších licencií klasického AML softvéru, menšieho objemu rutinnej práce, menšieho rizika pokút a rýchlejšieho onboardingu klientov.

8. Špecifiká pre fintech a menšie inštitúcie

Fintech, platobná inštitúcia, e-money firma alebo crypto exchange má iné potreby než veľká banka:

• menší rozpočet a potrebu SaaS vrstvy namiesto full custom riešenia,
• vyšší podiel digitálnych klientov, kde je AI KYC kritické pre UX,
• crypto špecifiká a integrácie typu Chainalysis alebo TRM Labs,
• cross-border prevádzku a viac sankčných zoznamov.

Pre fintech a menšie banky dáva zmysel hybridný prístup: AML AI riešenie ako vrstva nad existujúcim compliance stackom, nie okamžitá kompletná výmena.

9. Dopad EU AMLA

Nový európsky AML úrad AMLA prináša harmonizáciu pravidiel, jednotnejšie reportovanie a tlak na technologickú modernizáciu compliance. Banky, ktoré nezačnú s AI včas, môžu mať problém splniť budúce požiadavky iba manuálnym procesom.

10. Implementačný plán

Fáza 1: audit a stratégia

Mapovanie existujúcich systémov, gap analýza, business case a schválenie vedením.

Fáza 2: pilot

KYC obohatenie alebo konkrétny transaction monitoring scenár. Paralelný beh s existujúcim systémom.

Fáza 3: rollout

Postupné rozšírenie, integrácia s core banking systémom a notifikácie regulátorovi podľa potreby.

Fáza 4: optimalizácia

Agent Ops, retraining, monitoring kvality a ďalšie scenáre.

Záver: AML AI nie je luxus

Banky a fintechy, ktoré nasadia AI v AML compliance, môžu znížiť náklady o desiatky percent a zároveň zvýšiť kvalitu detekcie. Tie, ktoré budú čakať, ponesú vyššie náklady, pomalší onboarding a väčšie regulačné riziko.

Ak uvažujete o AML AI agentovi alebo o širších AI riešeniach pre finančný sektor, napíšte nám. Pripravíme audit s ROI kalkuláciou v CZK a plánom compliance. Pri automotive financovaní odporúčame aj AutoERP.

Často kladené otázky (FAQ)

Schvaľuje ČNB AI v AML compliance?

ČNB podporuje technologickú modernizáciu AML, ale vyžaduje dokumentáciu, validáciu, monitoring, bias testing, vysvetliteľnosť a ľudský dohľad. Banka musí vedieť preukázať súlad s AML pravidlami aj s požiadavkami EU AI Act.

Nahradí AI compliance officerov a MLRO?

Nie. AI znižuje rutinnú prácu, napríklad triage alertov, KYC obohatenie a prípravu reportov. Kľúčové rozhodnutia, podanie SAR/STR, ukončenie vzťahu s klientom a eskalácia na FAÚ zostávajú na ľuďoch.

Koľko stojí AML AI implementácia?

Pri stredne veľkej banke ide typicky o vyššie jednotky až desiatky miliónov Kč za implementáciu a milióny Kč ročne za prevádzku. Pri fintechu môže dávať zmysel SaaS varianta s nižšou vstupnou cenou.