Принять на обслуживание компанию — не то же самое, что принять физическое лицо. За каждым юрлицом стоит цепочка владения, директора, учредители и конечные бенефициары, каждого из которых необходимо идентифицировать и проверить по санкционным, PEP- и репутационным базам.
KYB-проверка (Know Your Business) — набор процедур, с помощью которых организация устанавливает юридическую состоятельность, структуру владения и репутацию корпоративного клиента или контрагента. В отличие от KYC, где объектом выступает физическое лицо, KYB направлена на юридическое лицо и всех связанных с ним персон: директоров, учредителей, лиц с правом подписи и конечных бенефициаров.
Практическая цель KYB — сформировать обоснованное суждение: существует ли компания де-факто, законно ли она действует, кто за ней стоит и какие риски несет взаимодействие с ней. Без этого суждения невозможно ни присвоить клиенту уровень риска, ни выполнить требования 115-ФЗ и рекомендации FATF, ни защитить собственный бизнес от регуляторных и финансовых последствий.
Международный онбординг обязывает проверять клиентов сразу по трем санкционным режимам — OFAC, ЕС и Великобритании. Каждый из них ведет собственные списки, устанавливает свои пороги владения и по-разному трактует понятие контроля. Ошибка на любом этапе — неполные входные данные, пропущенный алиас, неучтенная цепочка бенефициаров — оборачивается либо ложным срабатыванием, которое тормозит воронку, либо пропуском реального совпадения, за который регулятор привлечет к ответственности в режиме strict liability. В этой статье — конкретный порядок действий: какие данные собирать, где искать записи в SDN, консолидированном списке ЕС и UK Sanctions List, как применять правило 50 процентов в каждой юрисдикции и как документировать решение по алерту так, чтобы оно выдержало аудит.
До 95% алертов в AML-скрининге оказываются ложными — каждый из них отнимает время комплаенс-команды, замедляет онбординг и снижает конверсию, не добавляя реальной защиты. В статье разбираем, как настроить пороги, правила фильтрации и логику эскалаций, чтобы сократить объем ручных проверок на десятки процентов, сохранить скорость прохождения клиентов и не повысить регуляторный риск.
Идентификация клиента завершается за секунды, но именно после нее начинается цепочка проверок, от которой зависит, станет ли этот клиент источником регуляторного штрафа или безопасным деловым партнером. Санкционный скрининг, PEP-проверка и риск-профилирование используют данные, собранные на этапе KYC, чтобы определить, не связан ли клиент с ограничительными списками, публичной властью или иными факторами повышенного риска — и какой уровень контроля к нему применить. Ниже разбираем, как устроен каждый из этих этапов после идентификации, какие данные в них поступают, по каким алгоритмам принимаются решения и почему непрерывный мониторинг превращает разовую проверку в постоянный процесс, без которого комплаенс-контур теряет актуальность уже через несколько дней.
Финтех-компания, подпадающая под 115-ФЗ, обязана выстроить полноценный KYC и AML-контур — от идентификации клиента до передачи сведений в Росфинмониторинг. На практике главная сложность не в самих требованиях закона, а в том, чтобы реализовать их без лавины ручных проверок, которая парализует комплаенс-команду уже при нескольких тысячах клиентов. Здесь разбираем, из каких элементов состоит минимальный контур по 115-ФЗ, как автоматизировать KYC на онбординге и AML-мониторинг в ходе обслуживания и какие инженерные решения позволяют масштабировать комплаенс без пропорционального роста штата.
Санкционный скрининг и AML-проверка клиентов — обязательная часть онбординга для финансовых и цифровых сервисов, но именно здесь бизнес чаще всего теряет конверсию. Каждая лишняя секунда ожидания увеличивает долю отказов, а каждое пропущенное совпадение — регуляторные риски. В этой статье разбираем, как спроектировать архитектуру AML-скрининга внутри KYC-пайплайна так, чтобы проверка по санкционным спискам, PEP-базам и перечням террористов занимала доли секунды, ложные срабатывания не парализовали команду комплаенса, а клиент проходил регистрацию без ощутимых задержек.
Поддельный документ, прошедший автоматическую проверку, — прямые финансовые потери, регуляторные санкции и репутационный ущерб. Способы фальсификации давно вышли за пределы грубой ретуши: пересъёмка с экрана, генеративный морфинг фотографий, точечная перерисовка реквизитов с пересчётом контрольных цифр. Антифрод-система противостоит этому на нескольких уровнях одновременно — от побайтового анализа файла и детекции пиксельных артефактов до кросс-валидации MRZ, OCR и биометрии. Ниже разобран полный конвейер проверки документов: какие сигналы извлекаются на каждом этапе, как они агрегируются в итоговое решение и что определяет надёжность всей цепочки.
Каждый день онлайн-сервисы, банки и финтех-компании получают тысячи сканов и фотографий удостоверений личности — и среди них неизбежно встречаются подделки: от грубой замены текста в графическом редакторе до профессионально изготовленных фальшивок с корректной MRZ и имитацией защитных элементов. Современная KYC-система противопоставляет этому не одну проверку, а цепочку из нескольких независимых слоев — AI-OCR, сверку шаблонов и контрольных сумм, цифровую криминалистику изображений, биометрическое сопоставление лица и анализ десятков антифрод-сигналов по устройству и поведению пользователя. Каждый слой закрывает свой класс атак, а их совокупность обеспечивает устойчивость к фальсификациям разного уровня сложности.
Проверка паспорта онлайн за секунды заменяет то, на что раньше уходили часы: система принимает фото документа и селфи, извлекает данные через AI-OCR, сверяет лицо владельца с биометрическим шаблоном, оценивает подлинность и возвращает готовое решение в API заказчика. Разберем каждый этап автоматической верификации паспорта в KYC — от захвата изображения до финального статуса.
Повторная съемка документа — самое частое действие пользователя после отказа KYC‑системы и одна из главных причин незавершенного онбординга. По данным отраслевых исследований, от 40 до 70% потенциальных клиентов в финансовом секторе прекращают регистрацию из‑за затянувшейся верификации. Но далеко не каждый отказ требует нового снимка: часть ошибок вызвана неподходящим типом документа, расхождением данных или техническим сбоем. Если интерфейс не объясняет разницу, пользователь зацикливается на бессмысленных попытках — и уходит. Ниже разбираем, когда пересъемка решает проблему, когда она бесполезна и какие изменения в KYC‑пайплайне сокращают число повторных попыток без ущерба для конверсии и уровня защиты.
Машиночитаемая зона паспорта — единственный элемент документа, где персональные данные владельца защищены не только полиграфией, но и математикой: пять контрольных цифр, рассчитанных по алгоритму ICAO, фиксируют любое изменение хотя бы одного символа. В этой статье разбираем, что такое MRZ, как устроена ее структура в формате TD3, какие поля и контрольные цифры проверять и по каким признакам MRZ позволяет отличить подлинный паспорт от подделки — вручную или с помощью автоматизированных систем верификации.
Проверка документов — самый ресурсоемкий этап KYC: операторы вручную определяют тип документа, переносят данные, сверяют поля и MRZ, а каждая ошибка оборачивается отказом, задержкой или пропущенным фродом. AI‑OCR снимает эту нагрузку — от классификации до передачи структурированного результата в систему принятия решений проходит менее секунды, а ручная проверка остается только для действительно спорных случаев. Ниже — о том, какие шаги автоматизирует распознавание документов в KYC, за счет чего точность извлечения данных превышает 99,8% и как настроить маршрутизацию так, чтобы до оператора доходило не более 10% заявок.
