Пьер Жерар, CEO и сооснователь Scorechain

Когда Scorechain была основана в Люксембурге в 2015 году, «blockchain analytics» еще не была признанной категорией. Первые годы ушли на то, чтобы объяснять банкам и регуляторам, почему прозрачность публичного реестра — это возможность, а не угроза. Десять лет спустя это же непонимание теперь переносится на искусственный интеллект (ИИ), и индустрия теряет на этом драгоценное время.

Сегодня в дискуссии доминируют два нарратива. Первый утверждает, что ИИ вскоре полностью заменит комплаенс-команды. Второй — что ИИ слишком непредсказуем, чтобы подпускать его к регулируемой финансовой деятельности. Я не согласен ни с одним из них. С 2015 года Scorechain провела риск-оценку более чем 2,800 поставщиков услуг виртуальных активов (VASP), а за последние два года компания внедряла ИИ там, где он действительно полезен, — как отдельный слой, а не как часть самих комплаенс-инструментов, на которые полагаются клиенты.

Проблема шума в комплаенсе

Каждый специалист по комплаенсу поднимает одну и ту же проблему в первые пять минут разговора: шум. Система санкционного скрининга, настроенная так, как предпочел бы осторожный банк, может давать ложноположительные результаты на уровне около 95%. Мониторинг транзакций отстает не сильно. В результате подготовленные аналитики — люди, понимающие типологии и умеющие читать денежные потоки, — тратят большую часть рабочего дня на закрытие уведомлений, которые никогда не были реальными рисками: на отклонение совпадений по распространенной фамилии, на изучение пяти материалов adverse media, которые в итоге описывают совсем другого человека. На каждую такую проверку adverse media уходит обычно 10–20 минут. Такова реальная повседневность комплаенс-работы, и именно поэтому хорошие специалисты выгорают и уходят из профессии.

Именно здесь автоматизация оправдывает себя, хотя и в более узкой роли, чем обещает хайп. Scorechain AI создан для того, чтобы передать аналитику один сводный отчет: риск-скор кошелька, типы сущностей, с которыми он взаимодействовал, а также названные сервисы и контрагенты, с которыми он был связан. Раньше такая работа требовала часов ручного отслеживания по реестру. Но важно, что отчет делает, а чего не делает. Он не принимает решения. Он сжимает доказательства так, чтобы офицер по комплаенсу — человек, который должен утвердить это решение и позже защитить его перед регулятором, — мог прочитать отчет за минуты и затем вынести вердикт. Вся суть именно в этом. Хорошая автоматизация не сокращает функцию комплаенса; она уводит ее от конвейера первичного отбора обратно к профессиональному суждению.

Почему человеческая ответственность — это архитектура, а не временная мера

Это различие принципиально, потому что альтернатива опасна. В регулируемой среде модель не может отвечать перед руководителем. И Шестая директива по борьбе с отмыванием денег (AMLD6), и Регламент о рынках криптоактивов (MiCA) требуют, чтобы организация объясняла и обосновывала свои решения. Фраза «алгоритм это отметил» не является защитой при проверке, а «алгоритм это пропустил» — еще хуже. Поэтому единственно ответственная архитектура — это ИИ как поддерживающий слой, работающий поверх надежных данных, при этом названный офицер по комплаенсу сохраняет и решение, и ответственность за него. Человеческий надзор — это не вспомогательная опора, которую убирают, когда модель «созреет». Это и есть архитектура.

И качество модели всегда определяется тем, что лежит под ней. Это то, что чаще всего упускают внешние наблюдатели. Сама по себе ИИ-система, читающая блокчейн, видит лишь анонимные строки символов, передающие стоимость другим анонимным строкам. Она не способна понять, что кошелек на три шага выше по цепочке связан с санкционированной биржей, или что контрагент, получающий средства, — это mixer, а не payroll provider. Именно в этом и состоит задача blockchain analytics: добавлять идентичность и риск к сырой on-chain активности, отслеживать косвенное воздействие через несколько переходов, а не просто проверять адрес перед собой, и оценивать его на основе более чем одного миллиарда точек данных и более чем миллиона криптосущностей, которые Scorechain маркирует с 2015 года.

Возьмем конкретный пример: на первый взгляд кошелек выглядит чистым, но анализ его потоков показывает, что большая часть баланса поступила двумя переходами ранее с адреса, связанного с оператором ransomware. На сырых данных сети такая модель сама к этому выводу не придет, а именно на такой результат должен реагировать офицер по комплаенсу. Дайте модели этот контекст — и она сможет рассуждать на твердой основе. Дайте ей бедные данные — и она начнет выдавать уверенную чепуху, что в комплаенсе опаснее честного пробела, потому что это приводит к пропуску того, что нужно было бы отметить.

ИИ как участник рынка, а не только как инструмент комплаенса

По-настоящему новое здесь в том, что ИИ больше не является только инструментом, которым пользуются комплаенс-команды; он становится участником рынка, который они мониторят. Автономные агенты, инициирующие платежи в рамках заранее заданных лимитов, перешли от демонстраций к внедрению благодаря реальной инфраструктуре: стандарту Coinbase x402 для machine-to-machine payments, Trusted Agent Protocol от Visa, а также интеграции checkout от PayPal и OpenAI. Программное обеспечение начинает проводить транзакции с другим программным обеспечением, рассчитываясь в криптоактивах, и объемы этих операций уже невозможно сопоставить с ручной работой казначейства.

Это поднимает вопрос, на который индустрия пока не дала четкого ответа: как применять принципы Know Your Transaction к контрагенту, который является программным обеспечением? По крайней мере направление понятно. Когда агенты совершают транзакции самостоятельно, контроль не может оставаться только на этапе onboarding. Он должен переходить в сам транзакционный слой: мониторинг в реальном времени, velocity limits, проверка provenance и возможность вмешаться, пока средства еще в пути. Прозрачность, которую годами приходилось защищать от скептиков, оказывается именно тем, что вообще делает автономную on-chain активность поддающейся аудиту.

Создание для автономного комплаенса

Недавно мы запустили Scorechain MCP, который предоставляет наш risk scoring и entity intelligence через Model Context Protocol — новый стандарт, позволяющий ИИ-агентам напрямую вызывать внешние инструменты. Интеллект остается на нашей платформе, а ИИ находится снаружи и запрашивает ответы, а не встраивается в сам комплаенс-инструмент. Принцип прост: агент никогда не должен совершать транзакцию вслепую. Перед переводом средств или одобрением контрагента он может одновременно спросить Scorechain, является ли этот адрес санкционированной сущностью, mixer'ом, известным мошенническим адресом или чистым частным кошельком, и получить risk score в ответ. Это не гипотетическая пропускная способность. Мы уже выполняем более 1.5 million AML checks в день, а один screening call возвращается примерно за 235 milliseconds — достаточно быстро, чтобы работать внутри живой транзакции, а не замедлять ее. Мы разместили это там, где такие агенты и рабочие процессы действительно живут: как приложение внутри ChatGPT и Claude, а также как интеграцию на платформах автоматизации, таких как n8n и Zapier. Комплаенс-проверка, встроенная в поток в момент принятия решения, стоит гораздо больше, чем проверка, добавленная уже после того, как деньги ушли.

Самая базовая проверка из всех — находится ли адрес в санкционном списке — не должна быть закрыта платным доступом. Поэтому мы предлагаем бесплатный sanctions screening API, к которому может обратиться любой разработчик, агент или workflow. Скрининг санкционных рисков — не то место, где поставщик комплаенса должен извлекать ценность; это фундамент, на котором должен стоять весь рынок.

Переход к оценке рисков на уровне актива

Существует и второй порядок изменений, который эмитенты токенов и управляющие активами только начинают осознавать. Когда стоимость движется в stablecoins и tokenised assets со скоростью машины, важен уже не только отдельный перевод, но и сам актив: кто им владеет, насколько концентрировано это владение и какая доля предложения находится у санкционированных или иным образом высокорисковых сущностей. Это совершенно другой вопрос по сравнению с transaction monitoring, и именно для него создан наш Digital Asset Intelligence — он дает эмитенту или управляющему активами представление о держателях и рисках на уровне актива еще до выпуска, листинга или распределения.

Европа готова к этому лучше, чем принято считать. MiCA и AMLD6 уже исходят из непрерывного мониторинга и четкой ответственности, а не из разовой проверки на входе. Регуляторный режим, который предполагает необходимость объяснить активность, — это именно то, что нужно, когда программное обеспечение начинает перемещать деньги.

Да, ИИ действительно меняет криптокомплаенс. Он уберет значительный объем рутинной работы, и это хорошая новость. Но он не уберет необходимость в суждении, ответственности и проверяемых данных. Более того, он повышает планку по всем трем параметрам. Команды, которые рассматривают ИИ как более быстрого аналитика — основанного на надежной on-chain intelligence и жестко контролируемого человеком, — и будут теми, кто останется на плаву, когда машины начнут совершать транзакции. Это ближе, чем думает большинство людей.