Lanzan guía para impulsar el Desarrollo Inmobiliario Sostenible en el país
La inteligencia artificial (IA) y el machine learning (ML) se han convertido en herramientas esenciales en la prevención del lavado de dinero. Sin embargo, su adopción en las instituciones financieras aún es lenta, según revela un estudio realizado por SAS, en colaboración con KPMG y la Asociación de Especialistas Certificados en Prevención de Lavado de Dinero (ACAMS).
El estudio, basado en una encuesta a 850 miembros de ACAMS, muestra que solo el 18% de los encuestados ya cuenta con soluciones de IA/ML en producción, mientras que otro 18% está piloteando soluciones y un 25% planea implementarlas en los próximos 12 a 18 meses. Sin embargo, el 40% de las organizaciones no tiene planes actuales de adopción.
El informe destaca que la IA y el ML han demostrado ser efectivos en la detección de actividades sospechosas y en la automatización de alertas de monitoreo de transacciones, la generación de evaluaciones de riesgo y la reducción de falsos positivos en los sistemas de vigilancia.
Según Timo Purkott, Líder Global de Fraude y Transformación de Crímenes Financieros en KPMG Internacional, estas tecnologías resultan especialmente útiles en los análisis de grandes volúmenes de datos, lo que permite a las instituciones adelantarse a los criminales financieros.
Añadió que la reducción de falsos positivos se ha convertido en una prioridad creciente para las organizaciones, con un 38% de los encuestados citándolo como su principal objetivo en la implementación de IA/ML. Le sigue la automatización del enriquecimiento de datos para investigaciones (25%) y la detección de nuevos riesgos mediante técnicas avanzadas de modelado (23%).
A pesar de los beneficios, la encuesta señala que persisten varios obstáculos para la adopción de estas tecnologías. En este sentido, el 37% de los encuestados considera que la falta de un imperativo regulatorio es el principal impedimento, seguido por limitaciones presupuestarias (34%). Además, la percepción de que los reguladores han reducido su apoyo a la innovación en IA/ML también ha influido en la reticencia de algunas instituciones.
Además, el estudio indica que el porcentaje de profesionales que creen que los reguladores fomentan la innovación en IA ha caído 15 puntos desde 2021, alcanzando un 51% en el reciente estudio. Por su parte, aquellos que los consideran “resistentes al cambio“ se han más que duplicado, pasando del 6% al 13%.
“La encuesta indica que los profesionales de la PLD creen que los reguladores se han enfriado respecto a la IA”, dijo Kieran Beer, analista principal y director de Contenido Editorial de ACAMS.
Otro reto es la falta de habilidades especializadas para la implementación de estas soluciones. Sin embargo, este obstáculo ha perdido relevancia, con solo un 11% de los encuestados mencionándolo como una preocupación en comparación con el 2021.
Para maximizar el potencial de la IA y el ML, las organizaciones deben enfocarse en la integración de fuentes de datos, equipos y tecnología, según Stu Bradley, vicepresidente Senior de Soluciones de Riesgo, Fraude y Cumplimiento en SAS. “El primer paso hacia esa integración es establecer un ecosistema de datos que combine datos de todas las fuentes”, dijo Bradley.
De acuerdo con la encuesta, el 86% de las instituciones ya han implementado algún tipo de integración entre procesos de PLD, fraude y seguridad de la información, lo que les otorga una ventaja competitiva.
“Aunque algunas organizaciones están esperando una guía regulatoria más clara, aquellas que adopten IA y ML con una estrategia de gobernanza adecuada podrán optimizar sus capacidades de detección y prevención del lavado de dinero, posicionándose como líderes en la lucha contra el crimen financiero”, concluye la encuesta.
Nuestras Redes Sociales:
