Een goede balans tussen kwaliteit en efficiëntie vinden

Elke organisatie moet haar eigen unieke balans vinden; er is altijd een delicaat evenwichtspunt waar zowel kwaliteit als efficiëntie geborgd kunnen worden. Zware controles kunnen een structuur creëren die de kosten opdrijft en tot stagnatie leidt. Daarentegen kan een gebrek aan controles leiden tot werk dat niet aan de normen voldoet en dat mogelijk later hersteld moet worden, met alle kosten van dien.

Op basis van de ervaring van PwC op de markt, kunnen wij financiële instellingen die worstelen met het bepalen van hun evenwichtspunt tussen kwaliteit en efficiëntie in twee groepen indelen:

1. De eerste groep bestaat uit organisaties met een kwaliteitsraamwerk dat is ontworpen om met een minimum aan controles te werken (bijvoorbeeld alleen tweedelijns controles op basis van een beperkte steekproef) en waarbij geen controles zijn ingebouwd zoals in-flight kwaliteitsreviews, feedback loops of afgestemde opleidingsprogramma’s.
2. De tweede groep bestaat uit organisaties die aanzienlijk hebben geïnvesteerd in de implementatie van een kwaliteitsraamwerk, waarbij de implementatie echter niet consequent of holistisch plaatsvindt. In dat geval staan de voordelen mogelijk niet in verhouding tot de investering (bijvoorbeeld investeringen in verantwoordelijke teams zonder hen te voorzien in ondersteunende technologie of tooling om ze in staat te stellen effectief met elkaar te coördineren). 

In beide groepen kan het voorkomen dat organisaties over onvoldoende informatie beschikken wat betreft de kwaliteit van het uitgevoerde AML-proces en dat zij niet kunnen bepalen of de maatregelen die zij nemen de risico’s waarmee zij worden geconfronteerd daadwerkelijk mitigeren. Dat is te wijten aan het feit dat de controles geïsoleerd werken en niet op elkaar zijn afgestemd. Er zijn verschillende manieren om het kwaliteitsraamwerk doeltreffender te maken.

Een volledig geïmplementeerd en afgestemd kwaliteitsraamwerk kan de basis vormen van een voortdurende verbetercyclus doordat de operationele doeltreffendheid van het raamwerk periodiek wordt getoetst aan de doelstellingen van de organisatie.

Geautomatiseerde oplossingen zijn onder meer machine learning-algoritmen, zoals predictive sampling, die gericht zijn op kwaliteitscontroles waardoor analisten doeltreffender kunnen werken. Predictive sampling is een oplossing die helpt de kosten te verlagen en risico’s effectief te beheren door kwaliteitscontrole nauwkeuriger te maken. De methode maakt gebruik van kunstmatige intelligentie (AI) om de cases die moeten worden beoordeeld efficiënter te selecteren, waarbij die gevallen worden aangewezen waar de kans op fouten het grootst is. Op deze manier kunnen instellingen de kwaliteit van operationele processen en de naleving van regelgeving verbeteren door processen te verbeteren en middelen efficiënt te beheren.

Bovendien kunnen door het verkennen en verfijnen van rapportage functies binnen workflow tools rapportage modules worden gecreëerd voor het analyseren van fouten om trends vast te stellen en mogelijke opleidingsbehoeften te belichten. Hierdoor is kwaliteitsbeheer op een meer strategische en proactieve manier mogelijk. 

De kwaliteitscontroles zijn ook een manier om de naleving van het risicobeleid van de instelling mogelijk te maken en inzicht te krijgen in de portefeuille en blootstelling aan bepaalde risicogebieden. Tevens vormt het raamwerk een doorlopende feedbackloop die gebruikmaakt van een oorzakenanalyse om problemen binnen de systemen en discrepanties tussen beleidslijnen en werkinstructies op te sporen en te verhelpen. Door gebruik te maken van de beschikbare technologieën om de efficiëntie te verhogen en een passende governance in te stellen, kan het kwaliteitsraamwerk helpen de kosten te verlagen en een betere klantervaring te creëren.