В статье исследуется процесс внедрения передовых цифровых технологий в систему противодействия легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма (ПОД/ФТ). Актуальность темы обусловлена стремительной цифровой трансформацией финансового ландшафта, усложнением методов сокрытия преступных доходов и необходимостью повышения эффективности национальных систем финансовой безопасности для выполнения регуляторных требований. Целью исследования является комплексный анализ возможностей искусственного интеллекта, машинного обучения, технологий больших данных (Big Data) и сетевой аналитики для выявления рисков, схем и типологий преступной деятельности в сфере ПОД/ФТ. В работе проведен ретроспективный анализ генезиса цифровых технологий в России, начиная с создания первых электронно-вычислительных машин в середине XX века и заканчивая современным этапом развития экономики данных. Автором подробно рассмотрены ключевые направления цифровизации: внедрение регуляторных (RegTech) и надзорных (SupTech) технологий, а также трансформация института идентификации клиентов (включая биометрию и удаленную идентификацию). Особое внимание уделено практическим аспектам применения технологий искусственного интеллекта и анализа больших данных в деятельности российских кредитных организаций и надзорных органов. В результате исследования автором систематизированы преимущества цифровизации (автоматизация процессов, повышение точности анализа, возможность проактивного управления рисками) и основные вызовы (угрозы кибербезопасности, дефицит квалифицированных кадров, высокие финансовые затраты и нормативно-правовая неопределенность). Заключение содержит вывод о необходимости поиска баланса между технологическими инновациями, безопасностью данных и гибкостью регулирования для дальнейшего развития устойчивой экосистемы ПОД/ФТ в условиях цифровой экономики.
This article examines the implementation of advanced digital technologies in anti-money laundering and counter-terrorism financing (AML/CFT) systems. The relevance of this topic is driven by the rapid digital transformation of the financial landscape, the increasing sophistication of methods for concealing criminal proceeds, and the need to improve the effectiveness of national financial security systems to meet regulatory requirements. The aim of the study is to comprehensively analyze the capabilities of artificial intelligence, machine learning, big data technologies, and network analytics to identify risks, patterns, and typologies of criminal activity in the AML/CFT sphere. This paper provides a retrospective analysis of the genesis of digital technologies in Russia, beginning with the creation of the first electronic computers in the mid-20th century and ending with the current stage of development of the data economy. The author examines in detail key areas of digitalization: the implementation of regulatory (RegTech) and supervisory (SupTech) technologies, as well as the transformation of the customer identification system (including biometrics and remote identification). Particular attention is paid to the practical aspects of applying artificial intelligence technologies and big data analysis in the activities of Russian credit institutions and supervisory authorities. As a result of the study, the author systematizes the advantages of digitalization (process automation, increased analytical accuracy, the possibility of proactive risk management) and the main challenges (cybersecurity threats, shortages of qualified personnel, high financial costs, and regulatory uncertainty). The conclusion highlights the need to find a balance between technological innovation, data security, and regulatory flexibility for the further development of a sustainable AML/CFT ecosystem in the digital economy.