|  

Las herramientas más avanzadas y efectivas combinan procesos de aprendizaje automático con procesos basados en el conocimiento.

2 No me gusta0

 

El ecosistema de medios de pago digitales es susceptible de sufrir diversas afectaciones y, al mismo tiempo, los clientes particulares y los corporativos necesitan realizar sus transacciones financieras de la forma más rápida y sencilla posible.

Para rastrear a quienes se dedican al lavado de dinero, los bancos deben procesar y analizar enormes cantidades de datos, y sin un mecanismo de aprendizaje automático y lógica difusa se hace prácticamente imposible.

Y ya que dada la gran cantidad de métodos y canales de pago, al igual que las transacciones que se pueden realizar con criptomonedas, las instituciones financieras y los diferentes actores deben controlar todos los procesos en los que fluyen el dinero 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 altos costos asociados, y mejorar la eficacia y el control no pueden lograrse con soluciones aisladas o individuales.

Prueba de ello es que cada vez más los departamentos de TI están reemplazando sus sistemas que solo atacan una parte del problema o trabajan en silos, buscando soluciones inteligentes que permitan tener una visión integral del mismo, como aquellas basadas en Inteligencia Artificial Híbrida (IAH).

La IAH ofrece mayores beneficios en la lucha contra el lavado de dinero y vigilancia de listas. Las herramientas más avanzadas 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”, destacó la compañía de software INFORM, en un comunicado.

 

 

“Una solución que se basa en un enfoque de IAH 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 Asociación de Especialistas Certificados en Antilavado de Dinero  (ACAMS) estima que anualmente en Latinoamérica  el lavado de dinero asciende a 400 mil mdd, por lo que la presión regulatoria sigue aumentando y con ella los requisitos para que las empresas identifiquen, reporten y prevengan  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, se indicó.