VARA требует от криптокомпаний в Дубае отслеживать черные списки FATF в руководстве по AML на 2026 год

Управление по регулированию виртуальных активов Дубая (VARA) опубликовало новые руководящие указания по противодействию отмыванию денег в 2026 году, потребовав от криптокомпаний вести основанные на данных оценки рисков для бизнеса и включать страны с высоким риском и внесённые в чёрные списки в рамках рекомендаций Целевой группы по финансовым мерам борьбы с отмыванием денег (FATF) в свои модели комплаенса. Рамочная модель предусматривает, что поставщики услуг в сфере виртуальных активов должны обновлять свои профили риска как минимум каждые три месяца или незамедлительно при изменениях в работе. Руководство появилось по итогам тематического обзора VARA по оценке бизнес-рисков за 2026 год в рамках усилий Объединённых Арабских Эмиратов по закрытию лазеек в комплаенсе в секторе цифровых активов.

VARA требует модели риска, основанные на данных, и квартальные обновления

В рамках обновлённой модели криптобизнес, работающий в Дубае, должен поддерживать полностью документированные оценки бизнес-рисков, основанные на данных, которые интегрируют количественные данные о бизнесе в ежедневные модели расчёта риска. Правила требуют от поставщиков услуг виртуальных активов составлять карту и непрерывно оценивать профили клиентской базы, географические риски, а также обеспечивать жёсткую интеграцию стран с высоким риском и внесённых в чёрные списки FATF. Руководство предписывает обновлять оценку риска регулярно, но не реже чем каждые три месяца, или незамедлительно при любом существенном изменении операционной структуры или продуктовой линейки. Также требуется разделять оценку рисков, связанных с финансированием распространения, и рисков, связанных с адресными финансовыми санкциями, а не объединять их в общую схему отмывания денег. Компаниям нужно официально документировать и учитывать риски, возникающие из-за новых инструментов, с отдельным акцентом на операции с поддержкой искусственного интеллекта и транзакции, усиливающие анонимность. Компании должны показать регуляторному органу, что выводы напрямую определяют распределение ресурсов и практическое обеспечение комплаенса в повседневной деятельности.

Объединённые Арабские Эмираты возлагают полную ответственность на сотрудников комплаенса за риски, связанные с ИИ и транзакциями

Приняв эту рамочную модель, власти Объединённых Арабских Эмиратов демонстрируют переход от чисто карательных мер к активному и системному снижению рисков. Ожидается, что сотрудники комплаенса, руководители высшего звена и члены совета директоров будут полностью осведомлены об оставшихся показателях риска компании. Руководство выступает операционным зеркалом более широких федеральных изменений в Объединённых Арабских Эмиратов, таких как недавно опубликованные национальные оценки рисков. Для криптокомпаний регуляторы заявляют, что поддержку инноваций продолжат оказывать только при наличии подтверждённой данными финансовой добросовестности.

Часто задаваемые вопросы

Что VARA потребовало от криптокомпаний Дубая сделать в 2026 году?
VARA обязало криптокомпании Дубая поддерживать оценки бизнес-рисков, основанные на данных, интегрировать страны с высоким риском и внесённые в чёрные списки FATF в модели комплаенса и обновлять профили риска как минимум каждые три месяца или при изменениях в операционной деятельности.

Почему VARA опубликовало новые рекомендации по AML в 2026 году?
VARA опубликовало эти руководящие указания, чтобы усилить защиту от финансовых преступлений в секторе цифровых активов Дубая и закрыть лазейки в комплаенсе, опираясь на выводы, полученные в ходе тематического обзора по оценке бизнес-рисков за 2026 год регуляторного органа.

Как рамочная модель VARA 2026 распределяет ответственность за риски, связанные с ИИ?
Рамочная модель возлагает полную ответственность на сотрудников комплаенса, руководителей высшего звена и членов совета директоров за риски, возникающие в результате операций с поддержкой искусственного интеллекта и транзакций, усиливающих анонимность, требуя официального документирования и распределения ресурсов на основе выводов.