L’applicazione di tecniche di Intelligenza Artificiale per analisi di conformità, l’individuazione di scenari anomali e l’elaborazione automatica di comunicazioni testuali rappresenta un deciso vantaggio competitivo per gli intermediari finanziari, che si trovano ad affrontare uno scenario operativo e normativo complesso nel quale la gestione della compliance è costosa e poco efficiente. Inoltre, gli strumenti di Big Data Analytics consentono agli intermediari finanziari di offrire una maggiore trasparenza, incrementando la customer satisfaction e la fiducia degli stakeholder. In particolare, il Money-Laundering è il finanziamento di attività lecite a partire dai profitti derivanti da attività illecite. Si tratta di un crimine contrastato tramite le norme internazionali “GAFI”, che definiscono le modalità operative per l’identificazione del cliente, la valutazione delle operazioni ed il monitoraggio continuo dell’operatività. Nell’intervento verranno descritte le tecnologie e gli algoritmi scviluppati da Revelis nell’ambito AML, evidenciando l’uso di approcci neuro-simbolici, che combinano tecniche di Machine Learning e Reasoning, per analizzare le transazioni finanziarie nell’ambito dell’AUI (Archivio Unico Informatico), valutare il profilo di rischio dei clienti ed analizzare le comunicazioni scritte di clienti ed Enti Inquirenti.