プログラム評価、統制上の課題分析、モデルの独立レビュー、当局審査への対応準備 — それだけでなく、アーキテクチャレビュー、パイプライン設計、アラートのチューニング、そして規制当局に説明できるシステムの構築支援も行います。ベンダー選定のデモで終わらないシステムづくりを目指しています。
金融犯罪アドバイザリー
見た目よりも複雑なコンプライアンス課題に取り組んでいます。
銀行、フィンテック、規制対象企業に対して、AML、不正検知、制裁、モデル検証、デジタル資産リスクの領域で支援しています。コンプライアンスの知見だけでなく、その基盤となるシステムにも精通しています。トランザクション監視パイプライン、制裁スクリーニングの設計、顧客リスク管理のワークフロー、そして審査の場で実際に機能するかを左右するデータ統合まで、幅広く対応しています。
- AML & トランザクション監視
- 不正検知 & FRAML
- 制裁 & スクリーニング
- モデル検証
- デジタル資産コンプライアンス
- 金融犯罪における AI 活用
- OCC / BSA / FinCEN
- NYDFS Part 504
- OFAC / SDN
- FATF Travel Rule
- OCC 2011-12(モデルリスク管理)
金融犯罪の分野に入る前は、開発者とDBAとして働いていました。その経験があるからこそ、監視プログラムの問題を別の角度で見ることができます。誤検知が多い、モデルが検証を通らない、スクリーニングシステムが見落としを起こしている — こうした問題の原因はたいていポリシーではなく、データやシステム設計にあります。自分でそうしたシステムを構築してきたからこそ、根本原因を特定できます。
ここに至るまでのこと。
ブラジル南部のカシアス・ド・スル出身です。キャリアは開発者からスタートし、Oracle Forms、Reports、Designer、DBA業務、VB開発を経て、チームリーダーを担いました。その後、金融犯罪の世界に入り、それ以来ずっとこの領域で働いています。最近では、資金調達・財務システムを含む幅広いコンプライアンステクノロジーにも携わっています。
開発者としての経歴は、単なる前職ではありません。法務や監査出身の専門家とは異なる視点でAMLや不正の問題にアプローチできる理由がそこにあります。データエンジニアとセグメンテーションロジックを見直し、アラート生成の仕組みを再設計し、クオンツチームとモデル検証のトレーサビリティの欠如に向き合い、コンプライアンス担当者とシステムアーキテクトがシステムの挙動について意見が合わない場面に何度も立ち会ってきました。その両側の議論を理解しています。
これまで、米国、カナダ、欧州、中東、アジア太平洋、ラテンアメリカの各地域で業務に携わってきました。それぞれ規制当局も、リスクの特性も、プログラムの成熟度も大きく異なります。その幅広い経験が、実際に防御可能なプログラムと、内部レビューを通過するだけのプログラムの違いを見極める力になっています。
現在はHuron Consulting Groupに所属しています。このサイトは私自身の考えと経験をもとにしています。英語、ポルトガル語、スペイン語を話します。
仕事以外では、子供2人、猫4匹、犬2匹、そして同じくカシアス・ド・スル出身の妻とともに、ノースカロライナ州シャーロット近郊のコンコードに暮らしています。
主に取り組んでいる領域。
AML & トランザクション監視
プログラム評価、アラートロジックとチューニング、ケース管理、SAR品質管理、エスカレーション経路の設計。監視パイプラインのアーキテクチャと、アラートの精度を左右するデータ統合への実務的な対応を含みます。
不正検知 & FRAML 統合
不正リスクプログラムの設計、手口類型のカバレッジ、そしてAMLと不正検知がデータ・業務プロセス・調査基盤を共有すべきかという構造的な問い。多くの機関が両者を分離したままにしており、それがカバレッジの空白と業務上の非効率を招いています。
制裁 & スクリーニング
スクリーニング設計、ウォッチリストの整備と更新、名寄せの設定、誤検知管理、コルレス銀行取引やデジタル資産の決済フローへの対応。OFAC SDN、国連、EU、OFSIおよび各管轄固有のリスト管理を含みます。
モデル検証 & AI
検知モデル、スコアリングロジック、閾値設定の独立したレビュー。モデルの基盤整備、説明可能性、バックテスト、検証トレーサビリティの文書化。金融犯罪検知に機械学習を導入する機関向けのAIガバナンス設計も含みます。監査対応は最初から組み込む必要があります。
デジタル資産リスク
クリプトネイティブ機関および間接的なエクスポージャーを持つ銀行向けのコンプライアンス設計。ブロックチェーンアナリティクスの導入、Travel RuleおよびTRISAの実装、VASPカウンターパーティリスク、オンチェーン活動の制裁スクリーニング。現在の審査官が実際に求めていることを起点に設計します。
KYC / CDD / EDD
オンボーディング管理、顧客リスク評価の手法、実質的支配者の特定、強化デューデリジェンスの業務フロー、そしてそれを支えるデータ基盤。維持も説明もできないリスク格付けモデルは負債です。多くの問題はポリシーではなく、データと業務設計に起因しています。
繰り返し書いているテーマは、現場でも繰り返し出てくるからです。
AIにはデータの問題がある。そしてほとんどの人は問題の場所を間違えている。
問題はモデルではありません。そこに投入されるデータにあります。そのデータを形作った組織的な意思決定は、学習が走るずっと前に行われています。
あなたの銀行は暗号資産を扱っていない。それでも、暗号資産はあなたの銀行に影響を与えているかもしれない。
暗号資産へのエクスポージャーは、顧客の取引行動、送金パターン、コルレス関係を通じて生じます。多くの場合、参入を意識する前から始まっています。
モデル検証こそ、コンプライアンスプログラムが最もリスクにさらされやすい領域です。
モデルが誤っているからではありません。審査の場で、意思決定の根拠を説明できず、出力を再現できず、バージョン間の変更を示せないことが問題になります。
金融犯罪へのAI導入は、テクノロジーの問題より前に、ガバナンスの問題です。
本当に難しいのはここです。閾値の変更を誰が承認するのか、どう記録に残すのか、担当者がモデルのスコアに納得しない場合どう対処するのか。
まずは短いメッセージをどうぞ。
AML、制裁、モデルリスク、不正検知、デジタル資産に関する課題について、セカンドオピニオンや方針のご相談があれば、状況を数行お知らせいただければ十分です。
メッセージは直接私に届きます。このページにメールアドレスは掲載していません。