Почти все сигналы санкционного скрининга в трансграничных платежах могут быть ложными, и это обходится банкам в миллиарды. Самый недооцененный источник проблемы находится не в модели поиска, а в плохих адресных данных.
В международных платежах до 99 процентов сигналов санкционного скрининга оказываются ложными. Для банков это означает неприятную реальность. Комплаенс-команды тратят основную часть времени не на поиск запрещенных контрагентов, а на ручную очистку добросовестных платежей, которые система ошибочно пометила как подозрительные.
Обычно виновником считают алгоритм сопоставления имен и адресов. Банки настраивают пороги fuzzy matching, то есть нечеткого совпадения, улучшают фонетические модели и добавляют машинное обучение. Но корневая проблема часто лежит раньше, на уровне самих данных. Скрининговая система сопоставляет грязные и неструктурированные поля платежа с такими же неструктурированными записями в санкционных списках. Когда на входе текстовый шум, на выходе получается лавина ложных совпадений.
Экономика этого шума очень конкретна. Банк среднего размера, который ежемесячно обрабатывает 500 тысяч трансграничных платежей, при уровне алертов всего 5 процентов получает 25 тысяч проверок в месяц. Если 99 процентов из них ложные, аналитики вручную разбирают 24 750 легитимных операций. При стоимости одной проверки в 15 до 25 долларов только прямые расходы составляют 370 тысяч до 620 тысяч долларов в месяц, или 4,4 до 7,4 млн долларов в год на одно учреждение.
Масштаб проблемы связан с устройством старой платежной инфраструктуры. Исторически сообщения SWIFT передавали адреса в нескольких коротких полях свободного текста. Скрининговая система должна была сравнить имя и неструктурированный адрес из санкционного списка с текстовым блоком в платеже. В таких условиях машина вынуждена угадывать широко, потому что узкий поиск увеличивает риск пропустить реальное совпадение и получить регуляторную проблему.
Отсюда появляются типичные ошибки. Улица Cuba Street в Веллингтоне может быть принята за упоминание Кубы как страны под санкциями. Muhammad Ali Road в Мумбаи способна вызвать совпадение с именем из санкционного списка. Atlas Street может пересечься с названием судна. Пока адрес не разбит на нормальные компоненты, система не понимает, где улица, где город, где страна и где просто случайное совпадение слов.
Переход на стандарт ISO 20022 меняет не только формат платежа, но и саму логику контроля. Новый стандарт требует структурированных адресов с отдельными полями для улицы, номера здания, города, почтового кода и страны. После 15 ноября 2026 года неструктурированные адреса в ISO 20022 больше не будут допустимы. Для банков это вопрос не косметики, а операционной устойчивости. Без структурированных адресов вырастут отклонения платежей, стоимость исключений и регуляторный риск.
Главный выигрыш проявляется в географических ложных срабатываниях. Когда адрес валидирован и разложен по полям, система получает контекст и перестает путать улицу с государством или город с подсанкционной юрисдикцией. Банки, которые внедрили проверку и нормализацию адресов по глобальным справочникам, фиксируют снижение ложных срабатываний на 25 до 30 процентов только за счет этой категории. Это убирает от 6 до 7,4 тысячи ручных проверок в месяц у банка среднего размера и экономит от 90 тысяч до 185 тысяч долларов ежемесячно.
Важно, что структурированные данные не отменяют необходимость хороших алгоритмов и опытных аналитиков. Они делают другое. Убирают крупный слой бессмысленного шума и повышают качество оставшихся тревог. В результате комплаенс перестает быть фабрикой по подтверждению невиновности и начинает работать ближе к своей реальной задаче, то есть к выявлению значимых рисков.