En una relación Insumo + Producto + Resultado, la Inteligencia Artificial puede ser un válido insumo para la optimización de los resultados esperados como parte de los procesos de prevención, control y fiscalización de los delitos de legitimación de capitales/ lavado de dinero o procesos AML. La mayoría de las investigaciones que buscan seguir el rastro del dinero ilícito incluyen un alto volumen de información. Lamentablemente muchos proveedores de servicios de Sotware AML ofrecen sus productos diciendo que se trata de Inteligencia Artificial, cuando en realidad siguen reglas y algoritmos que luego de programarse en base al cliente (costumizar), permanecen estáticos en el sistema y no podrían ser definidos como IA. Lo que destaca en la Inteligencia Artificial, IA, es que no hay que programarla específicamente para cada escenario, tiene una capacidad de auto-aprendizaje que la distingue.

La inteligencia artificial, IA, está tomando cada vez mayor relevancia en las organizaciones. En todos los sectores, donde la toma de decisiones sobre procesos repetitivos de análisis de datos, pueden ser automatizados.

La inteligencia artificial, IA, está tomando cada vez mayor relevancia en las organizaciones. No solo en aquellas dedicadas específicamente a la tecnología, sino en todos los sectores, donde la toma de decisiones sobre procesos repetitivos de análisis de datos, pueden ser automatizados, aliviando las tareas manuales sobre el alto volumen de información, bajo criterios regulables con resultados confiables.

De esta manera, es posible examinar la información a gran escala de forma rápida y precisa. Una tarea que requeriría un arduo trabajo humano y que difícilmente podría ejecutarse con éxito sin el apoyo de tecnologías informáticas.

La rutina, las actividades repetitivas y la secuencia en los patrones de análisis, pueden llevar a errores humanos a causa del aburrimiento, cansancio y pérdida del sentido crítico por parte de los analistas. La Inteligencia Artificial es una máquina y por lo tanto, no se cansa, no se aburre y no toma decisiones arbitrarias, lo cual disminuye los errores.

Automatizar estos procesos permite absorber parte de las actividades, sin sustituir completamente al analista humano, mejorando así el producto de su análisis y la consecuente detección de operaciones sospechosas.

En una relación Insumo + Producto + Resultado, la Inteligencia Artificial puede ser un válido insumo para la optimización de los resultados esperados como parte de los procesos de prevención, control y fiscalización de los delitos de legitimación de capitales/ lavado de dinero o procesos AML (por su acrónimo en inglés).

Los grupos de Delincuencia Organizada Transnacional, DOT, integran el dinero ilícito en el circuito financiero y económico; y esto puede ser difícil de detectar entre las millones de transacciones que ocurren cada día.

Existen básicamente dos modos de seguir el rastro del dinero ilícito, dependiendo del modelo de planificación adoptado para el rastreo:

  1. Modelo Top Down: En este modelo el planificador se sitúa en un orden superior respecto a la realidad objeto de planificación, y sus decisiones descienden “de arriba abajo”, “desde un vértice hasta la base” o “desde un centro a la periferia”. Se parte desde las variables globales o señales de alerta conocidas, los parámetros de riesgo adoptados y las reglas de comportamiento o límites aceptables, en base a los objetivos de la organización como decisión gerencial. Las instituciones financieras usualmente adoptan este modelo centralizado.
  2. Modelo Bottom-Up: Este modelo parte de una posición individual hasta abordar las variables globales. El planificador se sitúa “desde abajo hacia arriba” o “desde la periferia hacia el centro”. A partir de señales individuales se forman un grupo con más detalles, que luego se enlazan para formar componentes más grandes de información; y por último, se relacionan hasta obtener un análisis completo. Las estrategias de análisis del flujo de información basadas en «bottom-up» pueden partir de la señalación de un cliente como “sospechoso”, de un individuo indagado por las autoridades, por una reseña periodística, entre otras.

Ambos modelos tienen su tiempo y espacio, llegando a ser aproximaciones complementarias para seguir el rastro del dinero ilícito.

Por otra parte, es importante diferenciar entre el análisis automatizado en base a algoritmos y la auténtica Inteligencia Artificial, AI, ya que, si bien es cierto que esta última también utiliza algoritmos, tiene una capacidad de auto-aprendizaje que la distingue.

Lamentablemente, muchos proveedores de servicios de Sotware AML ofrecen sus productos diciendo que se trata de Inteligencia Artificial cuando en realidad, siguen reglas y algoritmos que luego de programarse en base al cliente (costumizar), permanecen estáticas en el sistema y no podrían ser definidos como IA.

Lo que destaca en la Inteligencia Artificial, IA, es que no hay que programarla específicamente para cada escenario. 

Lo que destaca en la Inteligencia Artificial, IA, es que no hay que programarla específicamente para cada escenario. Se pueden programar cosas o se puede entrenar la máquina para ejecutar determinadas acciones (Machine Learning, aprendizaje automático), pero también ésta puede aprender por sí misma (Deep Learning, aprendizaje profundo).

Veamos algunas conceptos clave y sus respectivos acrónimos:

  • IA (Inteligencia Artificial): Una máquina que es capaz de imitar el razonamiento humano.
  • ML (Machine Learning): Se denomina así a un subconjunto de la Inteligencia Artificial donde las personas «entrenan» a las máquinas para reconocer patrones basados en datos y tomar decisiones.
  • DL (Deep Learning): Es un subconjunto del Machine Learning en el que la máquina es capaz de razonar y sacar sus propias conclusiones, aprendiendo por sí misma.

La mayoría de las investigaciones que buscan seguir el rastro del dinero ilícito incluyen un alto volumen de información. Por ejemplo, para analizar los datos que resultaron de la filtración de FinCEN Files a mediados del año 2020, con más de 2100 Reportes de Actividades Sospechosas (SAR´s en inglés), que incluían un entramado de millones de transacciones; fue necesario dividir las tareas en más de 400 periodistas, de 108 medios de comunicación, en 88 países, lo que se prolongó más de 16 meses.[1] Un esfuerzo enorme que requirió gran cantidad de recursos y tiempo del que muchas veces no disponen las autoridades, quedando en grave desventaja situacional respecto a los grupos criminales.

No se sabe con certeza a cuánto asciende hoy la cantidad de dinero ilícito que circula en la economía. Hace unos 10 años la Oficina de las Naciones Unidas contra la Droga y el Delito, UNODC (acrónimo en inglés), estimaba que el flujo de dinero ilícito producto del tráfico de drogas y otras actividades de la Delincuencia Organizada Transnacional, DOT, que se mezclaba en la economía de los países, se ubicaba entre el 2% al 5% del Producto Interno Bruto, PIB, mundial. [2]

Así mismo, un informe de la Europol del 2017, señalaba que solo el 10% de los reportes de actividad sospechosa de los sujetos obligados, derivaban en una investigación profunda del flujo de dinero de las redes criminales por parte de las autoridades competentes. Y apenas el 1% de los flujos internacionales ilícitos que ingresan en la Unión Europea son finalmente confiscados.[3]

Aunque estas cifras no son actuales, los problemas detrás de estos resultados mediocres en los intentos de contrarrestar estas formas de criminalidad económica siguen vigentes.

Rob Wainwright habla de la inteligencia artificial

Rob Wainwright

Agrega Rob Wainwright, Ex Director Ejecutivo de la Europol que la naturaleza de las operaciones financieras es cada vez más global y virtual, además han surgido plataformas tecnológicas como las criptomonedas con sus herramientas de anonimización, lo que frustra la identificación de los beneficiarios finales. Por si fuera poco, en esta mega-actividad ilícita se han formado “sindicatos globales de lavado de dinero (sic)”, que ofrecen sus servicios a gran escala a las redes delictivas y son muy hábiles para explotar las brechas del sistema financiero.[4]

La principal brecha entre la capacidad de respuesta de las autoridades y el impacto en las operaciones de supervisión, control y fiscalización de fondos ilícitos internacionales, se debe en gran parte a problemas operativos como:

  1. La dificultad para establecer una apreciación situacional en toda su complejidad.
  2. La limitada capacidad de procesar información a gran escala.
  3. Los dilatados tiempos para la cooperación entre el sector privado, las Unidades de Inteligencia Financiera, UIF y las fuerzas del orden, especialmente cuando se trata de movimientos de fondos transfronterizos, que a nivel mundial ocurren casi instantáneamente.
El éxito de la Inteligencia Artificial

El éxito de la IA

El éxito de cualquier iniciativa en materia AML dependerá siempre de una consolidada formación por parte de los analistas que no serán sustituidos completamente.

Todo esto podría mejorar con el apoyo de la Inteligencia Artificial, IA. Desde luego que el éxito de cualquier iniciativa en materia AML dependerá siempre de una consolidada formación por parte de los analistas que no serán sustituidos completamente y tendrán una selección de alertas para evaluar.

Estos sistemas, como cualquier programa informático de análisis, ofrecerán mejores resultados cuando la calidad de los datos sea mejor. La recopilación de datos será cada vez más automatizada y el propio cliente compilará directamente su perfil financiero. Por lo tanto, este proceso debe diseñarse en un programa amigable, de fácil comprensión y con adecuados niveles de autenticación que evite la inserción de datos genéricos.

Desde mi experiencia puedo afirmar que la calidad de los datos ha sido siempre un problema crítico. Muchos instrumentos bancarios se asocian a personas o empresas con datos genéricos de actividad económica, sector, productos y servicios, etc., lo que dificulta la adecuada segmentación del cliente desde su vinculación. Los formularios de la política conozca a su Cliente, KYC (por sus siglas en ingles), tienden a ser largos, con campos de datos alimentados por extensos elencos de opciones, que al final proporcionan una información inexacta y de poca utilidad.

La calidad de los datos, aunque parezca un tema banal frente a los grandes desafíos del sector AML, no debería ser subestimado.

 

Casos de éxito de la Inteligencia Artificial:

  1. AIRBUS.

En un artículo publicado por el diario BBC titulado: “Cómo investigar una empresa con 60 millones de documentos[5], se reseña como Yousr Khalil y un equipo de 70 personas de la firma de investigación contable forense FRA, llevó adelante el análisis de millones de documentos de la compañía Airbus desde el 2016, lo que le permitió optar por un acuerdo de enjuiciamiento diferido.

Con esta revisión la compañía buscaba detectar y controlar las prácticas corruptas para así llegar a un compromiso con los reguladores del Reino Unido, Estados Unidos y Francia, en virtud del cual pagó 3.600 millones de euros (3.000 millones de libras esterlinas) en multas, tras el reconocimiento de actos de fraude y soborno.

El equipo de analistas se enfrentó a un océano de archivos, datos de transacciones y correos electrónicos que abarcaban actividades en todo el mundo, la mayoría de ellos completamente inocuos. La Inteligencia Artificial, IA, jugó un papel importante en este rastreo de datos épico, lo que pudo reducir una colección inicial de 500 millones de documentos y transacciones, desde donde fueron eliminados los duplicados y otros materiales irrelevantes, permitiendo partir con el análisis de 60 millones de documentos. Seguidamente, la Inteligencia Artificial buscó en estos, los posibles patrones y detectó fragmentos que estaban fuera de lugar, como un acuerdo de patrocinio deportivo por 100 millones de dólares.

Como si 60 millones de documentos no fueran un desafío suficiente, 800 empleados de Airbus en todo el mundo fueron legalmente asignados como custodios de esa información. La información estaba distribuida en diferentes dispositivos como computadoras portátiles, dispositivos de almacenamiento, unidades USB, etc. Fue necesario identificar quién era el custodio de esos datos.

Se establecieron 7 sitios seguros para llevar a cabo la de investigación. Estos permitieron examinar los documentos con total seguridad, un punto crucial para la compañía. Airbus es un gran negocio conectado con importantes proyectos de aviones militares europeos. Así que la investigación tuvo que idear una manera de preservar la confidencialidad de la información.

El software de Inteligencia Artificial, IA permitió la recopilación de información sin ver el documento completo del que provenía, preservando así la “información secreta de defensa” ante miradas indiscretas.

El software de Inteligencia Artificial, IA permitió la recopilación de información sin ver el documento completo del que provenía, preservando así la “información secreta de defensa” ante miradas indiscretas. Además, se utilizaron computadoras a medida, valoradas en 100,000 USD, con varios discos y sin conexión a Internet. Esto se denomina espacio aéreo, lo que proporciona una división definida entre los datos confidenciales y el mundo exterior de Internet.

Procesar una montaña de datos se vuelve más fácil y rápido si se tratan solo como eso: Datos. Fueron extraídos los “metadatos”, la información subyacente a cada documento electrónico que define lo que es, y fue utilizado para indexar el material de modo que se pudieran eliminar los archivos irrelevantes. La Inteligencia Artificial formó la base de esta revisión asistida por tecnología (TAR). La Inteligencia Artificial fue entrenada para buscar datos no estructurados como correos electrónicos que son difíciles de escanear a diferencia de los datos estructurados contenidos en formularios y columnas.

Utilizando el principio del aprendizaje automático, mediante el cual el software de Inteligencia Artificial ve múltiples ejemplos de un tipo particular de mensaje y comienza a detectar a qué categoría pertenecen, el sistema pudo extraer documentos relevantes a un ritmo rápido.

El programa de Inteligencia Artificial buscó el contexto de los mensajes, el contexto lo es todo en este tipo de investigaciones. El software buscaba sobornos que se organizaban mediante códigos, como un médico que receta un medicamento. La Inteligencia Artificial lograba detectar mensajes ocultos de este tipo. Esto significaba que podía atravesar datos no estructurados y detectar prácticas corruptas. «A medida que identifica más y más ejemplos de pago encubierto, la IA aprende sobre la marcha. Esa es la belleza y la magia de la Inteligencia Artificial», dice Greg Mason.

Se estableció un sistema de puntuación para ciertos atributos. Cualquier puntaje por encima de un cierto número se consideró digno de una mayor investigación. La tecnología de aprendizaje automático fue mejorando cada vez más a medida que avanzaba.

Mason estima que solo alrededor del 5% de los documentos reservados fueron revisados ​​por personas, pero eso aún asciende a 3 millones de archivos y les llevó cuatro años. «La Inteligencia Artificial no es una panacea, pero es bastante extraordinario cómo aprende», dice.

Esta tecnología reduce el trabajo de análisis de datos a gran escala. «Incluso un caso pequeño hoy en día viene con un enorme volumen de datos», agrega Mason. “Una investigación de cuatro años suena agotadora, pero desenmascarar el fraude con un asistente de inteligencia artificial le dio al equipo mucha satisfacción personal. Y sus trabajos recibieron un sello legal de aprobación”.

Dame Victoria Sharp, una de las jueces de tribunales civiles más importantes de Inglaterra y Gales, resumió el impacto y el gran alcance de esta investigación con el destacado rol de la Inteligencia Artificial, con una declaración en la que afirmó que Airbus «realmente dio la vuelta a sus bolsillos y ahora es una empresa diferente a la que existía cuando ocurrió el delito».

Actualmente, esta tecnología está siendo empleada por reguladores como la Oficina de Fraudes Graves (SFO) del Reino Unido.

2. Nasdaq.

En una reseña del portal de economía digital, Corriere Comunicazione, CORCON, se narra cómo Nasdaq, la Bolsa de títulos valores del sector tecnológico, adopta la Inteligencia Artificial contra el dinero ilícito, [6] empleando una tecnología desarrollada por la Startup británica Caspian, que permite el análisis automatizado de datos y el envío de alertas replicando la toma de decisiones humanas.

Lavado de dinero

Lavado de dinero

El nuevo sistema de Inteligencia Artificial, llamado Nasdaq Automated Investigator for AML, reúne los datos necesarios para indagar sobre escenarios de posible lavado de dinero (sic)

El nuevo sistema de Inteligencia Artificial, llamado Nasdaq Automated Investigator for AML, reúne los datos necesarios para indagar sobre escenarios de posible lavado de dinero (sic) y analizar la información, replicando la toma de decisiones humana.

El lavado de dinero (sic), informa Nasdaq, es un mercado de 4,4 billones de dólares a escala mundial, pero solo el 1,5% de las alertas terminan en informes de actividades sospechosas y solo se recupera el 1% de los fondos ilegales.

Actualmente, el proceso de análisis e investigación de alertas de AML, que pueden ascender a 200.000 – 300.000 mensuales, en la mayoría de las instituciones del sistema financiero, se realiza de forma manual: esto implica un uso intensivo de personal altamente calificado.

Estos analistas expertos están llamados a tomar decisiones de alto riesgo. Además, existen técnicas de análisis que pueden resultar en decisiones inconsistentes o incorrectas. El Investigador Automatizado Nasdaq para AML con Inteligencia Artificial, puede ayudar a los bancos a aumentar la eficiencia operativa en las investigaciones hasta en un 40%, mientras mejora la calidad y reduce los costos.

Ventajas de la Inteligencia Artificial

Ventajas de la IA

Por otra parte, la Inteligencia Artificial tiene enormes ventajas y será un elemento clave para la supervisión de las financias descentralizas o DeFi en la Blockchain. Se estima que la inversión anual de capital de riesgo en empresas de Inteligencia Artificial de Estados Unidos se ha multiplicado por seis desde el año 2000.

El potencial de la Inteligencia Artificial para ayudar a cumplir con las regulaciones tampoco se le ha escapado a los inversores. Más de 238 millones de libras esterlinas de capital de riesgo se invirtieron en las empresas de RegTech en el primer trimestre de 2017.

Del mismo modo, los reguladores y los organismos del sector, como la Autoridad de Conducta Financiera y la Junta de Estabilidad Financiera, reconocen la creciente prevalencia de la Inteligencia Artificial, IA en los servicios financieros y sus aplicaciones al cumplimiento de la normativa.[7]

 

Pin It on Pinterest