人工智能、本地支付与尼日利亚新的合规蓝图
人工智能正在重塑尼日利亚的支付格局。了解 dLocal 如何利用 AI 进行反欺诈、智能路由和反洗钱合规，以呼应尼日利亚央行（CBN）的最新监管要求。
今年 2 月，在拉各斯举行的 GenAI Learning Concepts Ltd 启动仪式上，dLocal 尼日利亚国家经理 Bashir Yusuf 分享了一个朴素却重要的观点：只有当 AI 嵌入到公民和政府已经依赖的本地支付基础设施中时，它才真正具有变革力量。
几天之后，尼日利亚中央银行（CBN）正式将 AI 写入其反洗钱（AML）框架，要求银行、金融科技公司和支付机构部署由 AI 和机器学习驱动的自动化 AML 系统。
信号非常明确：尼日利亚需要的是更智能的合规，而不是单纯"更多的合规"。
为什么 AI 必须嵌入本地支付体系
dLocal 是一家科技公司，连接全球数字平台与新兴市场的消费者和企业。通过一次集成，超过 760 家国际企业可以在非洲、亚洲、中东和拉丁美洲 40 多个国家接受 900 多种本地支付方式。我们简化本地监管、支付方式与风险，使跨境支付在用户和政府眼中"像本地支付一样顺畅"。
在尼日利亚以及我们服务的每一个市场，我们始终坚持强化本国支付生态，而不是绕开它。我们在本地网络上处理交易，与本地银行和支付服务提供商合作，并遵守本地监管要求。
这为国家带来三方面的支撑：
- 可见性：跨境数字交易留在本地清算和本币体系之内，更容易被监管看见。
- 可征税性：当全球平台通过本国正式渠道而非离岸结构收款时，既有税法才真正"落地可执行"。
- 韧性与主权：让本国机构始终处于支付体系中心，减少对他国决策和基础设施的被动依赖。
随着 CBN 从人工监测转向 AI 驱动的监测，这种"本地优先"的架构变得尤为关键。它保证当 AI 模型标记出可疑行为时，底层资金流仍然在岸、可解释、可执行，而不是消失在离岸灰色地带。
在这里可以进一步了解 dLocal 如何支持 尼日利亚的本地支付轨道。
dLocal 今天如何使用 AI
在拉各斯的发言中，Bashir Yusuf 概括了 dLocal 已经大规模使用 AI 的三个核心层面：
- 反欺诈与安全
我们的反欺诈系统结合了机器学习模型、专家规则和外部数据，实时区分正常用户与欺诈行为。这样既能识别出静态规则难以发现的异常模式，又能将误报率降低多达 90%，最大限度减少对真实交易的干扰。
- 智能路由与成功率
每一笔交易都可能经过多个银行、处理方和网络。我们通过 AI 驱动的 Smart Routing（智能路由）为每笔支付选择最佳路径，提升批准率、减少失败率。对缴纳考试费用的学生或在线续证的市民来说，从 80% 提升到 95% 的成功率，往往就是"顺利办成"和"多次重试"之间的差别。
- 合规、反洗钱与运营
传统纯规则式合规工具难以应对当下的交易规模和复杂度。我们的 AI 监测系统持续学习交易数据与合规人员反馈，只把最相关的异常交易推送给人工复核，从而大幅提升 AML 及其他监管要求的执行效率。
我们同样在客服和商户支持中引入 AI，将首响时间从"以天计"缩短到"以分钟计"，同时在复杂问题上始终保留人工决策。这最终也意味着更少的投诉流向监管机构和公共部门。
这与 CBN 最新的 AML 标准所倡导的方向高度一致：以风险为导向的自动化监控，加上必要的人类监督和可解释性。
包容性、主权以及下一阶段监管
要兑现 AI 的潜力，它还必须扩大金融可得性，而不仅仅是"管得更严"。
在我们服务的许多市场，能够使用国际卡的人只占少数，而拥有本地账户、电子钱包或卡片的人却有数以亿计。如果这些本地方式无法用于购买全球数字服务，那么庞大人群将被排除在数字经济之外。
Yusuf 分享的一个例子是：当微软在尼日利亚为奈拉卡推出本地收单时，采用了 dLocal 的 Payins 方案，接入广泛使用的本地支付方式，让像卡诺或拉各斯这样的城市中的中小企业可以直接用奈拉支付 Microsoft 365 等工具。这样的交易始终保持本地化、可见、可征税，并且正逐步被 AI 优化。
如果想更系统地了解本地支付轨道与跨境基础设施如何改善医疗等关键服务的可达性，可以参考我们的 这篇文章。
面向未来的机会
Bashir Yusuf 在拉各斯的结语中强调：AI 不会取代人类判断，而是放大它。最可持续的进步，将来自监管机构、支付服务商和科技公司之间的协同，共同部署透明、可解释、可审计的 AI。
随着尼日利亚落地新的 AI 驱动 AML 框架，并且更多交易迁移到数字渠道，dLocal 的重点非常清晰：
- 让支付始终本地化、可见、可征税且安全；
- 用 AI 来强化而不是削弱支付主权；
- 确保"更智能的合规"同样推动金融包容与经济增长。
这正是当下尼日利亚支付体系面前的重大机遇，也是 dLocal 希望在更广泛的新兴市场中发挥的长期作用。
