Inteligencia Artificial y Prevención del Crimen Financiero: Por Qué los Bancos Necesitan un Enfoque Equilibrado

La inteligencia artificial es una moneda de dos caras para los bancos: mientras que desbloquea muchas posibilidades para operaciones más eficientes, también puede plantear riesgos externos e internos.

Los criminales financieros están aprovechando la tecnología para producir videos de deepfakes, voces y documentos falsos que pueden superar la detección por computadora y humana, o para impulsar actividades de fraude por correo electrónico. Solo en Estados Unidos, se espera que la inteligencia artificial generativa acelere las pérdidas por fraude a una tasa de crecimiento anual del 32%, alcanzando los 40.000 millones de dólares para 2027, según un informe reciente de Deloitte.

Quizás, entonces, la respuesta de los bancos debería ser armarse con herramientas aún mejores, aprovechando la inteligencia artificial en la prevención del crimen financiero. Las instituciones financieras están empezando a desplegar la inteligencia artificial en los esfuerzos de lucha contra el crimen financiero (AFC) – para monitorear transacciones, generar informes de actividad sospechosa, automatizar la detección de fraude y más. Estos tienen el potencial de acelerar los procesos mientras aumentan la precisión.

El problema es cuando los bancos no equilibran la implementación de la inteligencia artificial con el juicio humano. Sin un humano en el bucle, la adopción de la inteligencia artificial puede afectar la conformidad, el sesgo y la adaptabilidad a nuevas amenazas.

Creemos en un enfoque cauteloso y híbrido para la adopción de la inteligencia artificial en el sector financiero, que seguirá requiriendo la entrada humana.

La diferencia entre los sistemas de AFC basados en reglas y los impulsados por la inteligencia artificial

Tradicionalmente, la lucha contra el crimen financiero (AFC) – y en particular los sistemas de lucha contra el blanqueo de capitales (AML) – han operado con reglas fijas establecidas por los equipos de cumplimiento en respuesta a las regulaciones. En el caso del monitoreo de transacciones, por ejemplo, estas reglas se implementan para marcar transacciones en función de criterios predefinidos específicos, como umbrales de monto de transacción o factores de riesgo geográfico.

La inteligencia artificial presenta una nueva forma de cribado para el riesgo de crimen financiero. Los modelos de aprendizaje automático se pueden utilizar para detectar patrones sospechosos en función de una serie de conjuntos de datos que están en constante evolución. El sistema analiza transacciones, datos históricos, comportamiento del cliente y datos contextuales para monitorear cualquier cosa sospechosa, mientras aprende con el tiempo, ofreciendo un monitoreo de crimen más adaptativo y potencialmente más eficaz.

Sin embargo, mientras que los sistemas basados en reglas son predecibles y fáciles de auditar, los sistemas impulsados por la inteligencia artificial introducen un elemento complejo de “caja negra” debido a los procesos de toma de decisiones opacos. Es más difícil rastrear la razón por la que un sistema de inteligencia artificial marca cierto comportamiento como sospechoso, dado que están involucrados tantos elementos. Esto puede hacer que el sistema de inteligencia artificial llegue a una conclusión determinada en función de criterios obsoletos, o proporcione información incorrecta, sin que esto sea detectable de inmediato. También puede causar problemas para la conformidad regulatoria de una institución financiera.

Desafíos regulatorios posibles

Las instituciones financieras deben cumplir con estrictos estándares regulatorios, como la Directiva AMLD de la UE y la Ley de Secreto Bancario de EE. UU., que exigen una toma de decisiones clara y rastreable. Los sistemas de inteligencia artificial, especialmente los modelos de aprendizaje profundo, pueden ser difíciles de interpretar.

Para garantizar la rendición de cuentas al adoptar la inteligencia artificial, los bancos necesitan una planificación cuidadosa, pruebas exhaustivas, marcos de cumplimiento especializados y supervisión humana. Los humanos pueden validar las decisiones automatizadas interpretando la razón detrás de una transacción marcada, haciéndola explicable y defensible para los reguladores.

Las instituciones financieras también están bajo una creciente presión para utilizar herramientas de inteligencia artificial explicable (XAI) para hacer que las decisiones impulsadas por la inteligencia artificial sean comprensibles para los reguladores y auditores. La XAI es un proceso que permite a los humanos comprender la salida de un sistema de inteligencia artificial y su proceso de toma de decisiones subyacente.

Juicio humano requerido para una visión holística

La adopción de la inteligencia artificial no debe dar lugar a la complacencia con sistemas automatizados. Los analistas humanos aportan contexto y juicio que la inteligencia artificial carece, lo que permite una toma de decisiones matizada en casos complejos o ambiguos, lo que sigue siendo esencial en las investigaciones de lucha contra el crimen financiero.

Entre los riesgos de la dependencia de la inteligencia artificial se encuentran la posibilidad de errores (por ejemplo, falsos positivos, falsos negativos) y el sesgo. La inteligencia artificial puede ser propensa a falsos positivos si los modelos no están bien ajustados o se entrenan con datos sesgados. Mientras que los humanos también son susceptibles al sesgo, el riesgo adicional de la inteligencia artificial es que puede ser difícil identificar el sesgo dentro del sistema.

Además, los modelos de inteligencia artificial se ejecutan con los datos que se les proporcionan – pueden no detectar patrones sospechosos raros o novedosos fuera de las tendencias históricas, o basados en conocimientos del mundo real. Un reemplazo completo de los sistemas basados en reglas con la inteligencia artificial podría dejar puntos ciegos en el monitoreo de la lucha contra el crimen financiero.

En casos de sesgo, ambigüedad o novedad, la lucha contra el crimen financiero necesita un ojo discernidor que la inteligencia artificial no puede proporcionar. Al mismo tiempo, si se eliminan los humanos del proceso, podría afectar gravemente la capacidad de los equipos para comprender patrones en el crimen financiero, detectar patrones y identificar tendencias emergentes. A su vez, esto podría hacer que sea más difícil mantener los sistemas automatizados actualizados.

Un enfoque híbrido: combinando los sistemas de AFC basados en reglas y los impulsados por la inteligencia artificial

Las instituciones financieras pueden combinar un enfoque basado en reglas con herramientas de inteligencia artificial para crear un sistema en capas que aproveche las fortalezas de ambos enfoques. Un sistema híbrido hará que la implementación de la inteligencia artificial sea más precisa a largo plazo y más flexible para abordar las amenazas de crimen financiero emergentes, sin sacrificar la transparencia.

Para hacer esto, las instituciones pueden integrar modelos de inteligencia artificial con retroalimentación humana continua. El aprendizaje adaptativo de los modelos crecería no solo en función de los patrones de datos, sino también de la entrada humana que lo refina y reequilibra.

No todos los sistemas de inteligencia artificial son iguales. Los modelos de inteligencia artificial deben someterse a pruebas continuas para evaluar la precisión, la equidad y el cumplimiento, con actualizaciones regulares basadas en cambios regulatorios y en la inteligencia de amenazas nuevas identificada por los equipos de lucha contra el crimen financiero.

Los expertos en riesgos y cumplimiento deben recibir capacitación en inteligencia artificial, o debe contratarse a un experto en inteligencia artificial para el equipo, para garantizar que el desarrollo y la implementación de la inteligencia artificial se realicen dentro de ciertos límites. También deben desarrollar marcos de cumplimiento específicos para la inteligencia artificial, estableciendo una vía para la adherencia regulatoria en un sector emergente para los expertos en cumplimiento.

Como parte de la adopción de la inteligencia artificial, es importante que todos los elementos de la organización estén informados sobre las capacidades de los nuevos modelos de inteligencia artificial con los que están trabajando, pero también sobre sus limitaciones (como el posible sesgo), para hacerlos más perceptivos a los posibles errores.

La organización también debe considerar otras cuestiones estratégicas para preservar la seguridad y la calidad de los datos. Es esencial invertir en infraestructura de datos de alta calidad y segura, y asegurarse de que estén entrenados con conjuntos de datos precisos y diversos.

La inteligencia artificial es y seguirá siendo tanto una amenaza como una herramienta defensiva para los bancos. Pero necesitan manejar esta poderosa nueva tecnología correctamente para evitar crear problemas en lugar de solucionarlos.