La detección del lavado de dinero se ha convertido en un campo cada vez más sofisticado en los últimos años. Los avances en el software anti lavado de dinero para bancos han permitido a muchos proveedores emprender una sólida lucha contra los estafadores, mientras que los sistemas de detección de fraudes de comercios de nueva generación están previniendo una amplia variedad de ataques antes de que ocurran en primer lugar.

Pero lo que también ha quedado claro a lo largo de los años es hasta qué punto la inteligencia artificial desempeñará un papel cada vez más importante en la monitorización de fraudes, la detección de fraudes en transacciones y las medidas de prevención de lavado de dinero en el futuro.

Así como la clave de un sistema eficaz de monitorización de fraudes radica en su capacidad para evolucionar y adaptarse automáticamente a nuevas amenazas, la IA y el aprendizaje automático ya están desempeñando un papel en la mitigación de las actividades de lavado de dinero.

Una lucrativa empresa criminal

El propio tamaño del negocio mundial de lavado de dinero no es menos que notable. Las cifras precisas son difíciles de obtener, pero se estima que el valor total combinado del sector ilegal de lavado de dinero es de alrededor de $2,000 mil millones.

Sorprendentemente, no se detecta ni se aborda más que alrededor del 0.2% de esta actividad. Esto significa, por lo tanto, que hasta un 99.8% de todas las actividades ilegales de lavado de dinero en todo el mundo tienen éxito, resaltando la importancia de adoptar una postura proactiva contra el fraude.

En consecuencia, más bancos y empresas financieras que nunca están comenzando a integrar soluciones de inteligencia artificial y aprendizaje automático para mejorar sus procesos de detección de fraudes.

El enfoque convencional para combatir el lavado de dinero

Las limitaciones en el enfoque convencional para detectar y prevenir el lavado de dinero han sido evidentes durante algún tiempo. El uso de sistemas basados en reglas como FICO, Fiserv, SAS AML o Actimize por parte de equipos de investigación ha sido la norma, con un enfoque de tres pasos para identificar transacciones sospechosas:

• Paso uno: El sistema de alerta genera una alerta.
• Paso dos: Un investigador revisa la alerta utilizando datos de múltiples fuentes.
• Paso tres: La alerta se confirma como positiva o se declara como falsa positiva.

El problema principal de este enfoque convencional es la forma en que tiende a resultar en demasiados falsos positivos. De hecho, las estimaciones sugieren que entre el 75% y el 99% de todos los resultados con sistemas basados en reglas son falsos positivos.

Como resultado, las empresas y los equipos de investigación pierden una cantidad masiva de tiempo, esfuerzo y dinero investigando alertas que resultan ser totalmente irrelevantes.

Una de las principales fallas del sistema basado en reglas es la forma en que incluso las actualizaciones más recientes de las 'reglas' en el sistema pueden volverse rápidamente obsoletas, junto con la imposibilidad de actualizar continuamente el sistema en tiempo real.

Reduciendo falsos positivos con IA

Los estafadores y entidades criminales están lejos de ser ajenos a las fallas evidentes en estos sistemas basados en reglas. Cada vez que se codifican nuevos conjuntos de reglas en los sistemas, rara vez les lleva mucho tiempo a los delincuentes descifrarlas y adaptarse a ellas. Al ajustar sus enfoques para evitar la detección, pueden eludir los sistemas basados en reglas con relativa facilidad.

Esta es una de las muchas áreas en las que la integración de la tecnología de IA puede resultar invaluable. En lugar de basarse en reglas de manera algo binaria, la inteligencia artificial y el aprendizaje automático pueden identificar transacciones sospechosas y actividades irregulares de manera mucho más meticulosa y precisa. También se pueden utilizar para asignar niveles de prioridad más precisos a las irregularidades detectadas (bajo, medio o alto), para que los investigadores sepan cómo asignar su tiempo de manera más eficiente.

Lo más importante es que el aprendizaje automático revierte efectivamente el juego del 'gato y el ratón', en cuanto a la modificación de comportamiento. Cada vez que el delincuente o estafador modifica su enfoque para evitar posibles debilidades, la IA se ajusta automáticamente para compensar. En lugar de que el estafador esté típicamente un paso por delante del sistema de detección de fraude en todo momento, el poder vuelve a la organización.

Además de aprender continuamente a través del monitoreo en tiempo real de transacciones y comportamientos, los sistemas de IA también son refinados y mejorados por los investigadores que los utilizan de manera constante.

Reducción de los tiempos de investigación

El grado en que la integración de la IA y el aprendizaje automático puede ahorrar tiempo y dinero a una organización siempre variará de un negocio a otro. Sin embargo, en todos los casos, se reducen drásticamente los falsos positivos y se proporcionan un conjunto más diverso de alertas solo puede traer mejoras positivas.

Las estimaciones varían, pero es posible que la IA reduzca los tiempos de investigación desde varias semanas (o incluso meses) a cuestión de segundos. Todo ello reduciendo o incluso eliminando el riesgo de error humano en la ecuación, empoderando aún más a la organización para asignar sus recursos de manera más eficiente.

En resumen

Las actividades de lavado de dinero alimentan directamente la trata de personas, los sindicatos del narcotráfico y los grupos terroristas. Por lo tanto, no se puede exagerar la importancia de adoptar una postura lo más firme posible contra el lavado de dinero.

Solo es necesario considerar el valor extraordinario del sector mundial de lavado de dinero para comprender la magnitud de la tarea que enfrentan aquellos encargados de combatirlo. Pero lo que ha quedado evidente en los últimos años, es cómo el mayor problema de todos es una combinación de ignorancia e ingenuidad entre millones de empresas en todo el mundo.

Cuanto más sofisticadas se vuelven las entidades criminales, mayor es la importancia de aprovechar al máximo la tecnología de IA y aprendizaje automático. Los enfoques tradicionales para la detección y prevención de fraudes están volviéndose peligrosamente obsoletos, por lo que ahora es el momento de considerar adoptar algo más robusto y confiable.

‍