El lavado de dinero se continúa posicionando como una de las principales problemáticas ilegales, por su asociación con actividades ilícitas y crímenes financieros. Un reporte de Global Financial Integraty, titulado “Crímenes Financieros en América Latina y el Caribe: entendiendo los desafíos de los países y diseñando respuestas técnicas efectivas”, estimó que las actividades ilícitas en Centroamérica, alcanzaron los US$13,500 millones anuales. Además, un reporte de la Organización de Naciones Unidas (ONU), mostró que el lavado de dinero representa hasta 2,7% del PIB mundial al año.
El lavado de dinero es una problemática que afecta a la región de América Latina y el Caribe, pues, en la actualidad, aumenta la inseguridad en los países latinoamericanos y vulnera a diversas entidades financieras, repercutiendo directamente en reputación. Esta actividad no debe verse solamente como las transacciones de dinero “sucio”. Sino también como las actividades ilícitas de donde se genera ese dinero; por ejemplo, la trata de personas, o el tráfico de animales exóticos.
Analítica en la lucha contra el lavado de dinero
En Latinoamérica, Centroamérica y el Caribe ha habido un gran interés en temas que permitan la mejora de las herramientas que las entidades financieras están utilizando para detectar acciones de lavado de dinero en sus transacciones financieras. Una de ellas es la analítica y machine learning.
La analítica es lo que ayuda justamente a identificar estos procesos, en donde lo que uno requiere es detectar los patrones que ya se hicieron en algún momento. ¿Qué pasa con esa trazabilidad de todas las operaciones? Aquí, justamente, lo que hay que ver, y es para lo que sirve justamente la analítica, es cómo detectar esos patrones. Es decir, ir detectando todos los elementos que van construyendo eso que seguramente va a terminar en un delito de lavado de dinero.
Un caso de estos patrones, es por ejemplo cuando se envían remesas que son dirigidas a un solo pueblo, condado o estado. Pasa que ese dinero no se dirigen a una cuenta o a una persona únicamente, sino que son a varias, pero, por detrás, hay otra persona que está recabando todo ese dinero de las personas que lo reciben. Este tipo de transacciones, cuando son ilícitas, son muy difíciles de detectar a simple vista, por lo que se deben utilizar también soluciones que tengan la capacidad de detectar comportamientos y patrones específicos, analizarlos, y encontrar un comportamiento ilícitos mediante hilos de información; acá es donde toma mucha importancia la analítica.
La Inteligencia Artificial, el Machine Learning, y la analítica, ayudan a detectar nombres de quiénes envían el dinero, de los lugares de dónde vienen esas transacciones y no sea normal que se envíe dinero de forma constante, como una selva, por ejemplo.
Todo esto permite que la entidad financiera empiece a detectar y detener el lavado de dinero, pero lo más importante, a frenar esas actividades ilícitas.
Un ejemplo de solución que permite impactar directamente el lavado de dinero es SAS Anti-Money Laundering, desarrollado por SAS. Esta incluye inteligencia artificial, machine learning, y modelos analíticos. Este tipo de solución ayuda a las entidades financieras a realizar un monitoreo transaccional basado en red de vínculos, lo cual son acciones que los reguladores y autoridades están pidiendo en la actualidad.
Poder generar una red de vínculos es muy importante dentro del monitoreo de transacciones que proviene del crimen organizado. Esto porque con el análisis que realiza la IA, el Machine Learning y la Analítica, se logra vincular cuentas, nombres, ciudades, países, montos, entre muchas otras variables, alcanzando una vista integral del cliente.
Países de la región como Panamá, Costa Rica y Honduras, son los que muestran, actualmente, mayores oportunidades de mejora en cuanto a la implementación de soluciones basadas en este tipo de características. Adicionalmente, en toda Centroamérica se han detectado transacciones que se realizan mediante el sistema SWIFT, o de país a país, con características de lavado de dinero, a lo cual las entidades financieras le están dando mucha prioridad.
Las soluciones basadas en IA, Machine Learning, y Analítica, como SAS Anti-Money Laundering, también ayudan a mejorar la recaudación de impuestos e ingresos al Gobierno, ya que se impacta directamente al crimen organizado al detectar sus transacciones ilegales.
SAS siempre está muy preocupado por aportar en la detección y detención de crímenes financieros vinculados al lavado de dinero, como prostitución, trata de niños, de mujeres, compra de animales exóticos, muchas actividades ilícitas que se hacen. Justamente, lo hacemos mediante la transformación de los datos para que la red de vínculos sea más sencilla de detectar. Existen gran cantidad de datos, y si una entidad no logra aprovechar o explotar todos los datos con los que cuenta, no podrá competir. En este caso, detectar y detener el lavado de dinero. Estos datos deben ser transformados en información para que se puedan tomar decisiones de forma inmediata y más acertadas.
