Les systèmes de suivi des transactions basés sur des règles se heurtent à un certain nombre de limites et de difficultés qui réduisent leur efficacité en matière de détection et de prévention de la criminalité financière.
Par exemple, les règles et les seuils devant être créés et mis à jour manuellement, le système est moins adaptable à l'évolution et à l'émergence des menaces. De même, les systèmes fondés sur des règles analysent généralement les transactions séparément et ne peuvent donc pas fournir une vue d'ensemble du comportement des clients et des contreparties, ou de leurs relations. Ils peuvent ainsi passer à côté de relations entre des transactions ou des comptes apparemment non liés, pourtant cruciales pour l'identification de réseaux frauduleux ou de mécanismes de blanchiment de capitaux plus complexes.
À l’inverse, en combinant simultanément plusieurs jeux de données internes et externes, le suivi du contexte permet une meilleure analyse des clients, des contreparties, de leurs relations et de leurs comportements en temps réel. Grâce à des techniques avancées de résolution des entités et de génération de réseaux, le suivi du contexte se concentre sur les relations globales et non sur des risques de transaction isolés.
Ces informations contextuelles supplémentaires permettent d'identifier les risques cachés et de générer des alertes plus précises et moins nombreuses. Les institutions peuvent réduire leurs coûts opérationnels et de mise en conformité ainsi que mettre en place des processus de gestion des risques plus efficaces basés sur l’intelligence artificielle sans avoir à remplacer leurs systèmes existants.