https://www.mdu.se/

Syfte: Syftet med denna studie är att analysera hur svenska banker praktiskt utformaroch tillämpar interna kontrollrutiner i sitt arbete mot penningtvätt (AML).Särskild vikt läggs vid att undersöka hur strukturella och tekniska faktorerpåverkar effektiviteten i AML-processerna. Genom att studera centralamoment såsom kundkännedom (KYC), riskbedömning ochtransaktionsövervakning avser studien att bidra med en fördjupad förståelseför det interna AML-arbetets funktion och utmaningar inom banker. Metod: Denna studie har genomförts med en kvalitativ ansats, där semi-struktureradeintervjuer använts som datainsamlingsmetod. Slutsats: Studien visar att tekniska system, särskilt för transaktionsövervakning, ärviktiga men genererar många falska larm och kräver omfattande manuellhantering. Brister i kommunikation, systemintegration och utbildningförsvårar ytterligare arbetet. Även om AI ses som en framtida lösning, ärtekniken ännu inte tillräckligt integrerad. Slutsatsen är att effektivtAML-arbete inte kan uppnås genom regler eller teknik i sig, utan kräver ettdynamiskt samspel mellan struktur, teknik och mänsklig kompetens. Det ärförst när dessa element samverkar som kontrollsystemen blir verkningsfulla ipraktiken.

Purpose: The purpose of this study is to analyze how Swedish banks practically design and apply internal control routines in their work against money laundering (AML). Special emphasis is placed on examining how structural and technical factors affect the efficiency of AML processes. By studying key elements such as know your customer (KYC), risk assessment and transaction monitoring, the study aims to contribute to a deeper understanding of the function and challenges of internal AML work within banks. Method: This study has been conducted with a qualitative approach, where semi-structured interviews have been used as the data collection method. Conclusion: The study shows that technical systems, especially for transaction monitoring, are important but generate many false alarms and require extensive manual handling. Deficiencies in communication, system integration and training further complicate the work. Although AI is seen as a future solution, the technology is not yet sufficiently integrated. The conclusion is that effective AML work cannot be achieved through rules or technology alone, but requires a dynamic interaction between structure, technology and human competence. It is only when these elements interact that control systems become effective in practice.