نرخ پیشنهادی بین بانکی لندن که اغلب به عنوان مهمترین عدد جهان توصیف می شود ، زیرا مبلغ تریلیون دلار معامله است ، نرخ پیشنهادی بین بانکی لندن (Libor) با وجود رسوایی که باعث آسیب رساندن به شهرت طولانی مدت به کل سیستم مالی شده است ، تاکنون ادامه داشته است.

Libor معیار اصلی نرخ بهره برای وامها ، وامها و قراردادها است ، اما از سال 2012 آلوده شده است که بانکها گزارش داده اند که نرخ بهره Libor خود را اشتباه گفته اند ، که اغلب در تبانی برای بازده بهتر است.

این جنجال منجر به این شد که حداقل پنج بازرگان در انگلیس به زندان بیفتند ، و مقررات نظارتی ایالات متحده و انگلیس مجازات هایی در حدود 10 میلیارد دلار دریافت کردند. رگولاتورها خواهان حذف تدریجی Libor تا 31 دسامبر 2021 هستند و بانک ها نیز به دنبال نرخ های بدون ریسک دیگر مانند Sonia (نرخ متوسط ​​بین بانکی استرلینگ یک شبه) هستند.

نابودی آن در حال حاضر برای شركتهای حقوقی و مشتریان بانكی دردسرساز است ، زیرا آنها باید صدها هزار قرارداد حقوقی را كه حاوی ارجاعات به نرخ Libor هستند ، مورد بررسی قرار دهند و سپس آنها را بازنویسی و “مجدداً” برای اطمینان از درج نرخ جدید مرجع ، دوباره “چاپ” كنند. قراردادها همچنین باید از نظر “سقوط” تجزیه و تحلیل شوند ، این قوانین قانونی است که بیان می کند در صورت متوقف شدن وجود Libor چه اتفاقی می افتد.

‘رویداد دعوی Defcon 1’

مقیاس تمرین repapering توسط افراد “درخشان” لقب گرفته و سال گذشته توسط مایکل هلد ، مشاور عمومی در فدرال رزرو نیویورک ، به عنوان “یک رویداد دعوی Defcon 1” بالقوه توصیف شد.

این امر باعث شده است که بسیاری از دفاتر حقوقی و مشتریان بانکی آنها به فناوری هوش مصنوعی (AI) روی آورند که غالباً توسط شرکت های نوپا ارائه می شود و می تواند تعداد زیادی اسناد را با استفاده از پردازش به زبان طبیعی بررسی کند تا بندها و تعهدات قانونی را شناسایی کند. استفاده از فناوری برای انجام کارهای سخت ، به این معنی است که بانک ها می توانند از پرداخت هزینه های وکلای کم سن و سال قبل از قانون برای جبران قرارداد ، که در بعضی موارد هنوز هم اسناد کاغذی است ، جلوگیری کنند.

دیپاک سیتلانی ، رئیس گروه مشتقات و محصولات ساخت یافته در شرکت حقوقی Linklaters در لندن ، می گوید: “می توان هوش مصنوعی را آموزش داد تا به دنبال Libor یا نحوه مراجعه به Libor در لباسهای مختلف باشد و این کار را به زبانهای مختلف انجام دهد.” مشتریان ابزارهای فناوری خود را توسعه داده اند.

آدام ریان ، مدیر ارشد نوآوری حقوقی در شرکت حقوقی Freshfields ، می گوید: “این منابع زیادی را اشغال می کند و اگر شما یک بانک باشید ، این یک پروژه عظیم است.”

لوئیس لیو ، مدیر اجرایی Eigen Technologies ، یک شرکت پردازش به زبان طبیعی که با بانک هایی مانند ING و Goldman Sachs کار می کند ، تخمین می زند که حدود نیمی از کار خود در سال جاری را مشتریانی که از فن آوری استفاده می کنند برای سهولت تغییر از Libor است.

فناوری Eigen کمک می کند تا فرآیند یافتن و پرچم گذاری قراردادها و سپس شناسایی انواع اصلاحات مورد نیاز به طور خودکار انجام شود. با این حال ، این فناوری نمی تواند قرارداد جدیدی بنویسد یا کار repapering را انجام دهد.

آقای لیو می گوید ، علی رغم اینکه نهادهای نظارتی از آنها می خواهند تا در ترک Libor پیشرفت کنند ، بانک ها در مراحل مختلف آمادگی قرار دارند. “من یک بانک بزرگ سرمایه گذاری ایالات متحده را می شناسم [that] برنامه خود و یک بانک دیگر را به پایان رسانده است [that] او هنوز کار را شروع نکرده است. ” یک بانک حتی ترجیح داده است به جای استفاده از فناوری ، قراردادها را با کمک وکلا بررسی کند.

وی تخمین می زند که برای یک بانک عمده فروشی عمده ، بیش از دو سال 1000 وکیل طول بکشد تا بتواند به طور دستی کلیه قراردادهای خود را شناسایی و تغییر دهد ، در حالی که فناوری با 20 دادخواست قانونی و وکالت می تواند این کار را طی چهار ماه انجام دهد. وی افزود: “این جذابیت فقط سرعت نیست ،” بانك ها از آن به عنوان فرصتی برای دیجیتالی شدن مقیاس بزرگ اسناد خود استفاده می كنند.

در چند سال گذشته هوش مصنوعی در پرونده های دعاوی به کار گرفته شده است تا به شرکت های بزرگ کمک کند پایگاه داده ها یا بایگانی های ایمیل را برای یافتن یک کلمه یا اصطلاح جستجو خاص جستجو کنند و سپس تغییرات مربوطه را اعمال کنند.

چارلی کانر ، مدیر اجرایی و بنیانگذار Heretik مستقر در ایالات متحده ، می گوید که یادگیری ماشین به روش پیچیده ای برای انتقال Libor استفاده می شود.

این می تواند یک قرارداد 700 صفحه ای Libor را جستجو کرده و حتی علائم نگارشی و بخشی از حکم را که استراتژی اصلاح را تعیین می کند ، انتخاب کند. اختلافات مربوط به قرارداد در گذشته علائم نگارشی مانند ویرگول نابجا آکسفورد را روشن کرده است – علامتی که قبل از “و” یا “یا” در انتهای لیست قرار می گیرد اما می تواند معنی جمله را تغییر دهد.

آقای کانر می گوید که گذار لیبور باعث شده تا بانک ها قراردادهای کاغذی را که ممکن است در دفاتر مختلف پراکنده شوند ، رقمی کنند. آقای کانر می گوید: “بانک ها و م institutionsسسات مالی از طریق Libor مجبور به دیجیتالی شدن هستند و می توانند مزایای آن را ببینند.” “این نرم افزار بسیار کارآمد است و این بدان معناست که شرکت های حقوقی کارهای پیش پا افتاده و کارهای با کیفیت بالاتر را انجام می دهند ، همان چیزی است که مشاوره برای آن پرداخت می شود.”

وی می گوید اکنون انجام این کار به این معنی است که می توان از همان فناوری هوش مصنوعی برای بررسی دسته جمعی سایر قراردادها برای سایر عوامل خطر مالی مانند نرخ بهره منفی استفاده کرد. وی می گوید: “می توانید آن را اجرا كنید تا تأثیر نرخ سود منفی را كه می تواند تحت تأثیر قرار گیرد ، به عنوان مثال ، Brexit” بررسی كنید.

برخی از حقوقدانان معتقدند اگرچه بیشترین تأثیر گذار Libor بر بانکهای پیشرو خواهد بود ، اگر سایر شرکتهای خدمات غیرمالی نیز از قراردادهای تجاری مربوط به Libor برای خرید و فروش کالا استفاده کنند ، به عنوان مثال برای بندهای با تاخیر در پرداخت ، دیگر شرکتهای خدمات غیرمالی نیز می توانند درگیر شوند. یا افزایش هزینه در قراردادهای طولانی مدت.

اگر در قراردادی هیچ جایگزینی برای نرخ Libor مشخص نشده باشد ، دو طرف باید تصمیم بگیرند که از چه معیار دیگری استفاده کنند. یکی از وکلای دادگستری که از نام بردن خودداری می کند ، می گوید: “اگر پولی درگیر باشد ، ممکن است در این باره دعوا شود.” وی همچنین پیشنهاد می کند که بانکها می توانند از جایگزینی Libor به عنوان فرصتی برای بازگشایی قراردادهای قدیمی با مشتریان و مذاکره مجدد سایر شرایط استفاده کنند.

در حال حاضر ، واضح است که استخراج صنعت از استفاده از Libor تا سال آینده توسط مسئولان و شرکت ها قابل قبول نیست ، حتی اگر آنها در حال حاضر با اولویت های سریع تر مانند بیماری همه گیر ویروس کرونا و خروج انگلیس از انگلیس دست و پنجه نرم می کنند. اتحادیه اروپا

مطالعات موردی زیر یک لیست کوتاه از ورودی های مراسم جوایز کسب و کار هوشمند FT است که در 19 نوامبر به صورت آنلاین برگزار شد ، جایی که برنده جایزه خدمات مالی اعلام شد.

تمام ورودی ها استفاده ترکیبی از داده ها و فناوری در عملیات تجاری را نشان می دهد. منبع: مشاوره RSG

خدمات مالی

برنده:
ING Bank و Eigen Technologies

در سال 2020 ، بانک هلندی ING پلت فرم Sabre Data Extract Platform خود را راه اندازی کرد که از فناوری پردازش به زبان طبیعی شرکت هوش مصنوعی Eigen Technologies برای استخراج اطلاعات از اسناد استفاده می کند. این پلت فرم تفاوت های ظریف و ناسازگاری در زبان انسان را در بر می گیرد و برای اولین بار در انتقال معیار نرخ بهره بین بانکی ING (Ibor) مورد استفاده قرار گرفت.

از هزاران سند بررسی شده ، 80 درصد نیازی به بررسی بیشتر ندارند و 75 درصد کاهش در زمان بررسی کلی وجود دارد. ING Bank و Eigen Technologies تخمین زده اند که همکاری آنها 60 درصد هزینه این روند بررسی را کاهش داده است.

فناوری حقوقی D2

تعدادی از بانک های سرمایه گذاری برای شناسایی همتای خود در محاسبات سرمایه نظارتی ، خدمات مراقبت موقت جدید مشاوره داده های حقوقی را فراهم کرده اند. پیش از این ، متخصصان در بانک های سرمایه گذاری این تحقیقات را به طور مستقل انجام می دادند ، حتی اگر بسیاری در جستجوی همان اطلاعات بودند.

D2 Legal Technology با ارائه این سرویس به بانک ها ، یک پایگاه داده جهانی با اطلاعات ایجاد کرده و جستجوهای ناشناس را تکمیل کرده است. D2 می گوید این راه حل هزینه فرآیند را به نصف کاهش می دهد.

دورر و تارگنس

Dürr ، یک شرکت مهندسی مکانیک و کارخانه ، سال گذشته با حمایت 13 بانک بین المللی وام صنفی 750 میلیون یورویی جمع آوری کرد. این وام از طریق یک بستر بلاکچین توسعه یافته در داخل و با استفاده از خدماتی از Targens ، یک مشاور آلمانی ، ایجاد شده است که باعث ایجاد هویت دیجیتال برای معاملات تجاری به تجارت می شود. افزایش وام به صورت دیجیتالی زمان لازم برای برقراری قراردادهای لازم الاجرا با طرف های مختلف را کاهش می دهد.

ارتباطات NatWest و Nuance

بانک NatWest هر ساله 17 میلیون تماس از طرف مشتریان برقرار می کند. برای بررسی های امنیتی در این تماس ها ، بانک قبلاً به داده های “استاتیک” برای شناسایی (مانند آدرس ها یا نام خانوادگی مادر) متکی بود ، اما این اطلاعات به راحتی در اینترنت دزدیده می شود. تیم پیشگیری از کلاهبرداری بانک با استفاده از فناوری تشخیص صدا که توسط شرکت هوش مصنوعی Nuance Communications ایجاد شده است ، کلاهبرداران شناخته شده ای را که جعل هویت مشتری می کنند ، به دست می آورد.

NatWest شروع به استفاده از داده های بیومتریک برای شناسایی مشتریان می کند و نیازی به داده های استاتیک ندارد. تیم پیشگیری از کلاهبرداری با استفاده از انواع فن آوری ها ، در 80 درصد موارد قبل از اینکه مشتریان اقدام به کلاهبرداری کنند ، تقلب می کند.

تحقیق و جایزه رده خدمات مالی با پشتیبانی اشورست