Para rastrear a quienes se dedican al lavado de dinero los bancos deben procesar y analizar enormes cantidades de datos, lo que, sin un mecanismo de aprendizaje automático y lógica difusa se hace prácticamente imposible. Hoy estos sistemas hacen que el proceso sea más eficiente y los nuevos patrones de fraude sean visibles.
El crimen organizado utiliza métodos de pago cambiantes y constantemente crea empresas que surgen en el ecosistema de medios de pago con el objetivo de lavar el dinero obtenido ilegalmente. Al mismo tiempo, tanto los clientes particulares como los corporativos necesitan realizar sus transacciones financieras de la forma más rápida y sencilla posible.
Dentro de esta zona de conflicto existen diferentes instituciones que buscan, por un lado, entregar una experiencia libre de fricciones a sus clientes, y por otro, tienen la necesidad de controlar la problemática para evitar ser víctimas de actividades criminales. En este sentido, la presión que existe sobre la industria es alta, ya que por un lado está el potencial daño en la reputación de las empresas, y por otro, las potenciales multas por parte de los reguladores.
No obstante, este escenario se complejiza aún más dada la gran cantidad de métodos y canales de pago, al igual que las transacciones que se pueden realizar con criptomonedas. Es por ello que las instituciones financieras y los diferentes actores del ecosistema deben poder controlar todos los procesos en los que fluyen los fondos y ser capaces de controlarlos en tiempo real. Para garantizar esta necesidad y trabajar de manera eficiente, deben poder procesar cantidades increíblemente grandes de datos de manera efectiva.
Un tema con el que lidian las diferentes instituciones es el gran volumen de “falsos positivos” que deben analizar, generando un trabajo adicional significativo y altos costos asociados. Por esta razón, abordar la problemática de manera holística es fundamental para mejorar la eficacia y el control, aspectos que no se pueden lograr con soluciones aisladas o individuales. Prueba de ello, es que cada vez más los departamentos de TI, están reemplazando sus actuales sistemas que solo atacan una parte del problema o trabajan en “silos”, buscando soluciones inteligentes que permitan tener una visión integral del mismo.
Como respuesta a esta evolución, hoy las soluciones basadas en inteligencia artificial híbrida (IAH) ofrecen mayores beneficios en la lucha contra el lavado de dinero y vigilancia de listas. Así, las herramientas más avanzadas y efectivas combinan procesos de autoaprendizaje basados en datos -como el aprendizaje automático- con procesos basados en el conocimiento y perfiles de clientes dinámicos, lo que se traduce en tasas de acierto significativamente más altas en la evaluación de riesgos. Los mejores resultados se alcanzan cuando se combina IA basada en datos con IA basada en conocimiento.
“Una solución que se basa en un enfoque de IA híbrida ofrece un control completo y máxima transparencia a la hora de evaluar riesgos. Esta gestión optimizada permite identificar nuevos patrones de fraude y proporciona una visión holística del mismo, así como de la gestión de riesgos. La capacidad de respuesta y aprendizaje en tiempo real son fundamentales para anticipar y evitar el fraude”, afirma Federico dos Reis, CEO de INFORM en Latam.
En línea con lo anterior, el CEO agrega que “nuestro software RiskShield investiga e identifica nuevos patrones extraños o sospechosos en el comportamiento de los clientes, tales como estructuración, movimientos de fondos, alta frecuencia o los relacionados con áreas de alto riesgo, construyendo una visión integral de cada cliente con una clasificación de riesgos automatizada y un monitoreo continuo de diligencia debida para detectar y alertar sobre comportamientos anormales. El mismo es capaz de procesar enormes cantidades de transacciones y de accionar en tiempo real gatillando acciones en diversos sistemas y evitando operaciones sospechosas”.
Según información de la Asociación de Especialistas Certificados en Antilavado de Dinero (ACAMS por sus siglas en inglés) anualmente en Latinoamérica se estima que el lavado de dinero asciende a US$400 mil millones. Dada esta alarmante cifra, es de esperar que la presión regulatoria siga aumentando en los próximos años y con ella los requisitos para que las empresas puedan identificar, reportar y prevenir transacciones ilegales. Es por ello que se hace cada vez más necesario contar con las herramientas correctas que ayuden a las instituciones a aumentar la detección de estos casos y optimizar los “falsos positivos”, mejorando la eficiencia y efectividad.
