ชูไอเดียฟินเทคปราบฟอกเงินตลาดทุน

จารุพันธ์ จิระรัชนิรมย์

เทคโนโลยีทางการเงิน (ฟินเทค) นอกจากอำนวยความสะดวกผู้ใช้บริการทางการเงินได้ อีกแง่หนึ่งก็เป็นเครื่องมือตรวจสอบกลโกงทางการเงินได้เช่นกัน ล่าสุดก็มีผู้ร่วมแข่งขันโครงการฟินเทค ชาลเลนจ์ 2017 ที่สำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ (ก.ล.ต.) จัดขึ้นเสนอแนวคิดทำระบบช่วยทางการและสถาบันการเงินตรวจจับการฟอกเงินขึ้นมา

ธนัท ทองอุทัยศรี นักวิชาการ สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) ผู้แข่งขันหนึ่งในทีม Siam RegTech (สยามเรคเทค) เปิดเผยว่า จากการสำรวจของไพร้ซ วอเตอร์เฮาส์ คูเปอร์ส ที่เคยทำไว้ คาดว่าธุรกรรมการฟอกเงินทั่วโลกน่าจะมี 2-5% ของผลิตภัณฑ์มวลรวมภายในประเทศ (จีดีพี) ทั้งโลก ขณะที่ไทยมูลค่าจีดีพีประมาณ 13 ล้านล้านบาท หากมีธุรกรรมการฟอกเงิน 2% ก็เท่ากับ 2.6 แสนล้านบาท เงินจำนวนนี้นำไปสร้างรถไฟฟ้าได้อีก 4 สาย

อย่างไรก็ตาม ที่ผ่านมาไทยตรวจจับการฟอกเงินได้น้อย ได้คืนเพียง 0.3% ของเงินในระบบฟอกเงินในประเทศ หรือ 1,000 ล้านบาท ดังนั้น ถ้าสร้างนวัตกรรมตรวจจับการฟอกเงินขึ้นมาได้ก็จะช่วยให้ตรวจจับการฟอกเงินได้ดีขึ้น

แนวคิดการสร้างเครื่องมือนี้ คือทุกหน่วยงานมีข้อมูลมหาศาลอยู่แล้ว ต้องเริ่มจากสร้างความร่วมมือระหว่างหน่วยงานกำกับและสถาบันการเงิน โดยยังปกป้องความเป็นส่วนตัวของเจ้าของบัญชีอยู่ ในขั้นตอนที่ใช้เครื่องมือตรวจสอบจะไม่รับรู้ว่าเจ้าของบัญชีเป็นใคร แต่ต้องการรู้รูปแบบเส้นทางการเงินที่เกิดขึ้น จากนั้นหากพบบัญชีที่เคลื่อนไหวผิดปกติก็แจ้งกลับหน่วยงานต้นทางไปแกะข้อมูลเจ้าของบัญชีแล้วดำเนินการต่อ

ผู้ที่ตรวจจับความผิดปกติของธุรกรรมไม่ใช่ตัวบุคคล แต่เป็นเครื่องจักรที่ใช้เทคโนโลยีเรียนรู้เอง (แมชีน เลิร์นนิ่ง) แล้วแยกแยะรูปแบบธุรกรรมน่าสงสัย วิธีการแมชีน เลิร์นนิ่ง จะเริ่มจากนำข้อมูลตัวอย่างมา 2 ชุด ชุดแรกเป็นข้อมูล รูปแบบการฟอกเงินที่เคยเกิดขึ้นแล้ว ให้เครื่องจักรเรียนรู้ข้อมูลแล้วสร้างแบบจำลอง (โมเดล) ขึ้นมา

จากนั้นนำข้อมูลชุดที่ 2 ซึ่งเป็นคนละชุดกับข้อมูลชุดแรก มาให้เครื่องจักรที่เรียนรู้แล้วใช้โมเดลที่สร้างตรวจสอบว่าเข้าข่ายธุรกรรมน่าสงสัยหรือไม่ ซึ่งในข้อมูลชุดนี้จะมีทั้งข้อมูลธุรกรรมน่าสงสัยและธุรกรรมที่ดูคล้ายน่าสงสัย แต่ที่จริงแล้วปกติใส่เข้าไปเพื่อฝึกจนเครื่องจักรแยกแยะธุรกรรมน่าสงสัยได้จนแม่นยำ ระดับความถูกต้อง 80-90% ขึ้นไปแล้วจึงนำมาใช้จริง

ทั้งนี้ เพื่อให้การทำงานแม่นยำขึ้น ก็จะมีการนำเบาะแสที่ได้จากประชาชนที่ไปแจ้งผ่านเครือข่ายสังคมออนไลน์มาใช้ประกอบด้วยเพื่อให้การตรวจสอบตรงจุดมากขึ้น โดยก่อนนำข้อมูลการ ร้องเรียนมาใช้ก็จะต้องมีเครื่องมือวิเคราะห์แยกแยะก่อนว่าเป็นข้อมูลจริง หรือเป็นข้อมูลที่เกิดจากการกลั่นแกล้งกัน

ธนัท กล่าวว่า เดิมมองว่าแนวคิดเทคโนโลยีตรวจจับการฟอกเงินคงจะทำมาเพียงรองรับการตรวจสอบ เส้นทางการเงินช่วยสำนักงานป้องกันและปราบปรามการฟอกเงิน (ปปง.) ได้ แต่หลังร่วมแข่งขันในเวที ก.ล.ต.ก็พบว่า จริงๆ แล้วอาจสามารถประยุกต์แนวคิดตรวจสอบการฟอกเงินนี้เพื่อใช้กับการตรวจสอบธุรกรรมในตลาดทุนได้เช่นกัน

เช่น ตรวจสอบว่าบริษัทจดทะเบียนมีเงินเข้าออกหมุนเวียนผิดปกติหรือไม่ หรือเงินที่เข้าออกหมุนเวียนซื้อหุ้นแต่ละตัวเป็นการปั่นหุ้นหรือไม่ นอกเหนือจากแค่ตรวจสอบเส้นทางการเงินอย่างเดียว

ธนัท กล่าวว่า ปัจจุบันหน่วยงานกำกับบางแห่งก็มีนักวิทยาศาสตร์ข้อมูล (ดาต้า ไซน์) เพื่อวิเคราะห์ตรวจสอบข้อมูลต่างๆ แต่ความท้าทายคือแม้มีเทคโนโลยี มีข้อมูล แต่คนด้านนี้ขาดแคลน ถ้ารอสร้างคนมาทำหน้าที่วิเคราะห์อย่างเดียวอาจไม่ทัน หากสร้างเครื่องมือนี้ขึ้นมาสำเร็จก็จะช่วยลดปัญหาขาดแคลนนักวิทยาศาสตร์ข้อมูลได้

ขณะที่ความท้าทายของการสร้าง เครื่องมือนี้ให้เกิดหลักๆ ไม่ใช่เรื่องเงินลงทุน แต่เป็นหน่วยงานที่เกี่ยวข้องจะยินยอมเปิดเผยข้อมูลได้อย่างไร ทำอย่างไรให้เจ้าของข้อมูลในปัจจุบันยินยอมให้ข้อมูลที่เครื่องมือต้องการ ซึ่งกฎหมายก็เป็นอุปสรรคสำคัญอย่างหนึ่งของประเด็นนี้ ที่ทำให้หน่วยงานเจ้าของข้อมูลไม่กล้าให้ข้อมูล

ที่ผ่านมามีความพยายามร่างกฎหมายที่เกี่ยวข้อง พ.ร.บ.ว่าด้วยการรักษาความมั่นคงปลอดภัยไซเบอร์ แต่ผ่านมา 5 ปี กฎหมายนี้ก็ยังไม่เรียบร้อย หรือ พ.ร.บ.ฟินเทค ซึ่งจะมีเรื่องการเปิดเผยข้อมูลในครอบครองในรูปแบบที่ปกปิดตัวตนเจ้าของข้อมูลแล้วได้ ก็ต้องมารอลุ้นกฎหมายเหล่านี้ต่อไป

ถือเป็นหนึ่งในแนวคิดดีๆ ของ ฟินเทคที่จะมาช่วยชาติปราบการกระทำไม่สุจริตในวงการตลาดเงินตลาดทุนได้