Durante mucho tiempo, los bancos han tenido dificultades para detectar las transacciones ilícitas entre la multitud de transacciones que procesan a diario. Esto pasa por lo general porque los delincuentes mueven el dinero de manera rápida de una institución a otra para cubrir sus huellas, dejando a los investigadores financieros varios pasos atrás y muchas veces pérdidos en los procesos.
La acelerada digitalización, el creciente volumen de operaciones y transacciones y las complejidades en la gestión de la información, plantean desafíos aún más profundos en temas como los de la Prevención del Lavado de Dinero (también conocido como AML, por sus iniciales en inglés), el llamado blanqueo de capitales y los diferentes niveles de fraudes financieros que se puedan presentar.
Esto ha empezado a cambiar en el último tiempo. La posibilidad de desarrollar plataformas de intercambio de información encriptada y con altos niveles de seguridad y desarrollos recientes en analítica avanzada, inteligencia artificial (AI), aprendizaje automático (ML) y automatización de procesos robóticos (RPA) están produciendo soluciones que mejoran los programas de AML en todo el mundo.
Recientemente, un proyecto de investigación apoyado por el Royal United Services Institute en el Reino Unido, logró identificar al menos 15 diferentes maneras de intercambiar información en todo el mundo, extraer más inteligencia de los datos y combatir mejor el tema de lavado de activos en los diferentes países.
Aunque la mayoría de los países no permiten a los bancos compartir información, varias de las iniciativas estudiadas demuestran un éxito significativo en la identificación de delitos.
Entre los países que cuentan con plataformas de intercambio de información se encuentran Estados Unidos, Reino Unido, Países Bajos y Estonia. Los tipos, usos y orígenes de las plataformas estudiadas en el proyecto varían mucho. Algunas se centran en problemas específicos, como los transportadores ilegales de dinero, pero otros, en su mayoría han puesto en práctica tecnologías de analítica avanzada de datos para ayudar a los bancos a cumplir con las obligaciones de largo alcance contra el blanqueo de capitales.
Se trata básicamente de crear una fábrica de analítica dentro de los sistemas financieros. En algunos casos, las alertas generadas por los modelos han llevado a los bancos a presentar informes de actividad sospechosa a la unidad de inteligencia financiera de los países, lo que, a su vez, han derivado en investigaciones más profunda por parte de las autoridades policiales, informó el Wall Street Journal en una publicación reciente.
Un segundo frente muy importante frente a estos retos de AML, blanqueo de capitales y fraudes financieros está en poder configurar modelos con puntuaciones de riesgo basada en reglas y modelos con soluciones de analítica avanzada con inteligencia artificial y machine learning. Lo que se ha detectado es que la utilización de estas tecnologías avanzadas ha hecho que el flujo de trabajo para la elaboración de modelos sea más funcional e intuitivo, permite una mayor personalización en la pantalla de la gestión de casos y genera una mejor visualización y usabilidad de los reportes.
Todo esto es tiempo y eficiencia que se ganan los investigadores para no perder la huella de las operaciones tan rápidamente.
SAS destacado en Forrester Wave Anti-Money-Laundering Solutions
Recientemente, SAS fue reconocido como uno de los líderes en la lucha contra el lavado de dinero a nivel mundial en el reporte Forrester Wave Anti-Money-Laundering Solutions, correspondiente al tercer trimestre del 2022 y que evalúa a los 15 proveedores de tecnología para el anti lavado de dinero (AML) más importantes de la industria, evaluándolos y clasificándolos con base a 26 criterios de evaluación.
Criterios entre los que se tienen en cuenta factores como los de los usuarios y sus roles, la gestión y selección de listas de supervisión, la puntuación y alertas basadas en reglas, la puntuación y alertas basadas en IA/machine learning y la internacionalización, divisas e informes.
Lo que se encontró es que el uso de las tecnologías analíticas avanzadas se impone cada vez más y en los dos últimos años un tercio de las instituciones financieras han acelerado su adopción de IA y machine learning para el cumplimiento de AML. Adicional, se evidencia que las instituciones financieras que han implementado estas capacidades avanzadas de AML están experimentando enormes beneficios.
Así, mientras que las expectativas de cumplimiento contra el lavado de dinero han aumentado debido a las prioridades regulatorias más complejas, la IA y el machine learning están cumpliendo su promesa de lograr que los programas de AML sean más automatizados, eficientes y efectivos. Lo que Forrester ha descubierto y destacado de las nuevas soluciones AML de SAS, por ejemplo, es que han ayudado a las instituciones financieras a lograr una precisión de los modelos superior al 90%, a reducir los falsos positivos hasta en un 80% y a multiplicar por dos su tasa de conversión de SRA. El panorama frente a flagelos como el del lavado de activos por fin está cambiando de manera acelerada en todo el mundo.
