在反洗钱场景中，规则引擎已能覆盖多数可疑模式，真正的成本却落在误报上——一线分析师大量时间消耗在解释得通、实则无风险的交易上。金融AI实验室近期的一组实验，把目标从「更准地打分」转向「更快地收敛可疑团伙」：以账户、设备、IP、收款方为节点构建时序交易图，用图神经网络输出风险传播分数，再叠加规则命中、跨境流向、夜间高频等可解释特征做二次校准。
阶段性结果：在内部回溯的三个月测试集上，保持召回不变的前提下，单笔告警量下降约三成；对多账户协同的可疑团伙，识别时间平均提前于规则告警约5个交易日。需要说明的是，该收益高度依赖工商与受益所有人数据的完整度，跨机构数据缺失时提升幅度会明显衰减。
下一步计划：
- 将分析师处置结论回流为弱标签做持续微调，重点压制已确认无风险模式的重复告警；
- 在团伙识别中引入资金闭环检测，验证「回流路径」特征能否进一步压缩人工核查半径。
评论