反洗钱预警长期依赖规则阈值。同一客户在数日内触发的多条预警，往往指向同一条资金链路，却被拆成独立工单，复核人员反复调取同一批流水。金融AI实验室近期完成一轮实验，把处理单元从「预警条目」改为「案件」：以客户与对手方为节点、交易为边构建短期资金图谱，将时间窗内关联度超过阈值的预警聚合成一个案件，再由图模型输出案件风险分，按分位切成深度尽调、快速核查、留痕关闭三档。
要点：
· 进展：在脱敏历史数据回测中，复核工单总量明显下降，重点可疑案件的召回率保持稳定，单案处理时间因信息集中而缩短。
· 下一步：为每个案件附带可核对的证据片段——资金路径、对手方聚集度、与历史可疑模式的相似度，并校验模型结论能否落到现行监管报送口径，避免出现「模型说得清、报告写不出」的断层。
实验室的判断是，反洗钱场景中AI的价值不在替代人工判断，而在于把分散信号还原成可复核的案件，把复核人力让给真正需要判断的部分。
评论