Inteligencia Artificial y Prevención de Delitos Financieros: Por Qué los Bancos Necesitan un Enfoque Equilibrado

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

Los delincuentes financieros están aprovechando la tecnología para producir videos deepfake, voces y documentos falsos que pueden superar la detección por computadora y humana, o para potenciar las 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 de delitos financieros. Las instituciones financieras están empezando a desplegar la inteligencia artificial en esfuerzos de lucha contra la delincuencia financiera (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 el cumplimiento, 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 aportes humanos.

La diferencia entre sistemas de AFC basados en reglas y sistemas de AFC impulsados por IA

Tradicionalmente, la 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 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 cribar el riesgo de delincuencia financiera. 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 actividad sospechosa, mientras aprende con el tiempo, ofreciendo un monitoreo de delincuencia adaptativo y potencialmente más eficaz.

Sin embargo, mientras que los sistemas basados en reglas son predecibles y fáciles de auditar, los sistemas impulsados por IA introducen un elemento complejo de “caja negra” debido a procesos de toma de decisiones opacos. Es más difícil rastrear el razonamiento de un sistema de IA para marcar cierto comportamiento como sospechoso, dado que están involucrados tantos elementos. Esto puede hacer que el sistema de IA 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 el cumplimiento regulatorio de una institución financiera.

Posibles desafíos regulatorios

Las instituciones financieras deben adherirse a 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 IA, especialmente los modelos de aprendizaje profundo, pueden ser difíciles de interpretar.

Para garantizar la rendición de cuentas al adoptar la IA, los bancos necesitan una planificación cuidadosa, pruebas exhaustivas, marcos de cumplimiento especializados y supervisión humana. Los humanos pueden validar las decisiones automatizadas interpretando el razonamiento 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 IA sean comprensibles para los reguladores y auditores. El XAI es un proceso que permite a los humanos comprender la salida de un sistema de IA y su toma de decisiones subyacente.

Se requiere juicio humano para una visión holística

La adopción de la IA no puede dar lugar a la complacencia con sistemas automatizados. Los analistas humanos aportan contexto y juicio que la IA carece, lo que permite una toma de decisiones matizada en casos complejos o ambiguos, lo cual sigue siendo esencial en las investigaciones de AFC.

Entre los riesgos de la dependencia de la IA se encuentran la posibilidad de errores (por ejemplo, falsos positivos, falsos negativos) y sesgo. La IA 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 IA es que puede ser difícil identificar el sesgo dentro del sistema.

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

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

Un enfoque híbrido: combinación de sistemas de AFC basados en reglas y sistemas de AFC impulsados por IA

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

Para hacer esto, las instituciones pueden integrar modelos de IA con comentarios humanos continuos. El aprendizaje adaptativo de los modelos crecería no solo en función de los patrones de datos, sino también de los aportes humanos que los refinen y reequilibran.

No todos los sistemas de IA son iguales. Los modelos de IA deben someterse a pruebas continuas para evaluar la precisión, la equidad y el cumplimiento, con actualizaciones regulares basadas en cambios regulatorios y nueva inteligencia de amenazas identificada por sus equipos de AFC.

Los expertos en riesgos y cumplimiento deben capacitarse en IA, o debe contratarse un experto en IA para el equipo, para garantizar que el desarrollo y la implementación de la IA se realicen dentro de ciertos límites. También deben desarrollar marcos de cumplimiento específicos para la IA, estableciendo una vía para el cumplimiento regulatorio en un sector emergente para los expertos en cumplimiento.

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

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

La IA 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.