Moduł 1: Pranie pieniędzy jako zjawisko adaptacyjne w środowisku technologicznym
Moduł wprowadza uczestnika w tezę, że pranie pieniędzy nie jest zbiorem stałych schematów, lecz procesem adaptującym się do każdej zmiany technologicznej. Omawiane jest, dlaczego klasyczne systemy AML – oparte na ręcznym raportowaniu, statycznych regułach i opóźnionej analizie – stały się strukturalnie niewystarczające w środowisku cyfrowym. AI przedstawiana jest jako kolejny „punkt zwrotny”, porównywalny z globalizacją finansów czy cyfryzacją bankowości.
Moduł 2: Sztuczna inteligencja jako narzędzie przestępcze
Moduł analizuje wykorzystanie AI przez sprawców przestępstw finansowych. Omawiane są zjawiska takie jak generowanie syntetycznych tożsamości, deepfake dokumenty, automatyzacja phishingu, agentowe systemy planujące i realizujące schematy prania pieniędzy oraz wykorzystywanie AI do maskowania wzorców transakcyjnych. Uczestnik rozumie, że AI eliminuje wiele ograniczeń ludzkich (skalę, czas, zmęczenie, powtarzalność), co radykalnie zmienia profil sprawcy i tempo przestępstwa.
Moduł 3: AI po stronie instytucji – od reguł do modeli adaptacyjnych
Moduł przedstawia wykorzystanie AI przez instytucje finansowe i organy publiczne do wykrywania prania pieniędzy. Omawiane są mechanizmy machine learning, analizy sieciowej, detekcji anomalii i redukcji false positives. Szczególny nacisk położony jest na zmianę filozofii kontroli: od reagowania na pojedyncze transakcje do identyfikacji zachowań, relacji i trajektorii finansowych. Uczestnik rozumie, dlaczego AI nie „zastępuje compliance”, lecz zmienia jego sens.
Moduł 4: Przestępczość finansowa w epoce danych masowych
Moduł dotyczy roli danych jako paliwa dla AI — zarówno po stronie wykrywania, jak i nadużyć. Omawiane są wycieki danych finansowych, handel informacją, wykorzystanie danych zewnętrznych oraz zagrożenia wynikające z koncentracji informacji w jednym systemie. Moduł pokazuje, dlaczego ochrona danych staje się elementem systemu AML, a nie wyłącznie zagadnieniem cyberbezpieczeństwa.
Moduł 5: Granice odpowiedzialności i problem „czarnej skrzynki”
Moduł analizuje kluczowy problem prawny i organizacyjny: odpowiedzialność za decyzje podejmowane lub wspierane przez AI. Omawiane są kwestie biasu algorytmicznego, braku przejrzystości modeli, trudności dowodowych oraz pytanie o to, kto ponosi odpowiedzialność za błędy systemów AI w AML. Uczestnik rozumie napięcie między efektywnością a zasadą kontroli i wyjaśnialności.
Moduł 6: Kryptowaluty, DeFi i AI jako akcelerator prania pieniędzy
Moduł poświęcony jest środowiskom, w których AI i pranie pieniędzy wzmacniają się wzajemnie: kryptowalutom, zdecentralizowanym finansom i platformom cyfrowym. Przedstawiane są wnioski płynące z przypadków takich jak Mt. Gox oraz ewolucja nadzoru nad giełdami, portfelami i przepływami on-chain. AI analizowana jest jako narzędzie umożliwiające zarówno ukrywanie środków, jak i ich śledzenie w skali niemożliwej dla człowieka.
Moduł 7: Etyka, proporcjonalność i ryzyko „cyfrowego autorytaryzmu finansowego”
Moduł zamykający szkolenie koncentruje się na długofalowych konsekwencjach stosowania AI w AML. Omawiane są ryzyka nadmiernej inwigilacji, automatycznego wykluczania klientów, dyskryminacji algorytmicznej oraz erozji zaufania do systemu finansowego. Moduł stawia pytanie, czy AI w AML będzie narzędziem ochrony integralności rynku, czy mechanizmem systemowej kontroli, i