Cómo el AI Agente puede apoyar a los equipos de cumplimiento con la debida diligencia contra el lavado de dinero

Durante el último año, el AI agente ha dominado los titulares. Desde las grandes alianzas tecnológicas, como AWS y OpenAI asociándose en cargas de trabajo de AI avanzadas, hasta las herramientas de AI agente que se integran ampliamente en industrias como la venta al por menor, el gobierno y los servicios financieros, los agentes de AI se están integrando en la vida y los flujos de trabajo diarios. Según McKinsey, el 62% de las organizaciones ya están experimentando con agentes de AI, y el 64% dice que el AI está permitiendo su innovación, lo que demuestra el rápido camino de adopción del AI en la empresa.

El AI agente también está en el camino de redefinir el papel de los trabajadores humanos. Una encuesta de PwC encontró que el 66% de las empresas que han adoptado agentes de AI han aumentado la productividad. Dado que muchos agentes de AI podrán realizar tareas sin intervención humana, los trabajadores humanos podrán centrarse en tareas más estratégicas, dejando el tedioso trabajo administrativo a sus colegas digitales.

Un caso de uso convincente y crítico para el AI agente dentro de los servicios financieros es la prevención del delito financiero. Los casos de lavado de dinero informados a la Comisión de Sentencias de EE. UU. aumentaron un 45% entre 2020 y 2024, lo que subraya un desafío que crece rápidamente y causa dolores de cabeza de cumplimiento en todo el país.

Cuando se trata de los procesos de cumplimiento, el AI agente puede tener un impacto en la debida diligencia del cliente (CDD) al integrar agentes en los flujos de trabajo de lucha contra el lavado de dinero (AML), lo que puede apoyar la resolución de alertas y el manejo de casos para reducir los falsos positivos para entidades de bajo riesgo.

Para que las instituciones financieras tengan resultados impactantes del uso de agentes de AI, necesitan adoptar el AI de manera responsable y deliberada. A continuación, se presentan cinco consideraciones clave para los líderes de cumplimiento:

1. Dejar que los agentes de AI manejen las tareas manuales

Los oficiales de cumplimiento a menudo están agotados en cuanto a recursos se refiere, ya sea en tamaño de equipo, presupuestos o restricciones de tiempo, y más de la mitad informan que están quemados en el trabajo y casi la mitad experimentan ansiedad. Especialmente en las funciones de CDD y los procesos de conocimiento del cliente (KYC), hacer revisiones de alertas para identificar y limpiar los falsos positivos puede ser una gran carga para los equipos de cumplimiento, lo que puede abrir la puerta a riesgos y retrasos.

Cuando se implementa el AI agente para apoyar estos procesos laboriosos, puede automatizar algunas de esas tareas que consumen tiempo, como monitorear los riesgos continuamente y actualizar los perfiles de clientes tan pronto como haya un cambio en la información. Los agentes de AI pueden revisar y clasificar alertas eliminando los falsos positivos a un ritmo más alto que las revisiones manuales, lo que también permite que los casos de mayor riesgo vayan directamente a los analistas humanos para que su tiempo se utilice de manera eficiente. Los agentes también pueden realizar controles iniciales de selección de clientes contra datos de riesgo esenciales, personas políticamente expuestas (PEP), medios de comunicación adversos y sanciones, y luego generar alertas para cualquier coincidencia.

2. Transparencia de datos

Al igual que con todo el AI agente, la eficacia y la confianza comienzan con los datos en los que se entrenan y gobiernan los sistemas. Más allá de las sólidas prácticas de limpieza de datos, la claridad de la genealogía de los datos y la contabilidad integral para minimizar las alucinaciones o los sesgos, las empresas deben garantizar la defensibilidad regulatoria a través de una sólida gobernanza de modelos. Esto incluye el uso de sistemas supervisados por una Junta de Revisión de Modelos (MRB) formal que gestiona el ciclo de vida completo del modelo, realiza pruebas regulares y confía en “conjuntos de datos dorados” para prevenir el deslizamiento del modelo con el tiempo. El AI explicativo y granular es especialmente crítico en este contexto. Por ejemplo, nuestra canalización de clasificación basada en LLM clasifica los medios de comunicación adversos en 34 subcategorías de riesgo distintas, lo que permite una toma de decisiones precisa y auditora. Este nivel de transparencia y control no solo satisface el aumento de la escrutinio regulatorio y de auditoría, sino que también refuerza la confianza en cómo el AI apoya los resultados de AML y CDD.

3. Evaluar dónde el AI agente será más efectivo

La adopción del AI no significa que una organización necesite reemplazar su pila de tecnología existente. Al evaluar cómo se puede utilizar el AI agente dentro de la CDD, los oficiales de cumplimiento deben establecer un concepto de prueba, probar cómo se pueden utilizar los sistemas de AI agente y desarrollar casos de uso a medida que aumenta la madurez de la adopción. Esto puede ayudar a evaluar si el uso más efectivo para la adopción del AI es tan simple como utilizarlo para las selecciones iniciales o tan grande como utilizarlo para la remediación completa de alertas.

4. Utilizar el AI para mejorar la experiencia de cumplimiento

Mientras que la automatización maneja la clasificación rutinaria, el verdadero valor del AI agente radica en su capacidad para elevar el papel del profesional de cumplimiento de administrativo a estratégico. Este cambio no se trata de reemplazar a los equipos, sino de centrar la intuición humana en el trabajo de mayor valor, como las investigaciones complejas donde se requiere juicio moral y una interpretación matizada de la intención criminal.

La experiencia se ve aún más reforzada cuando el AI funciona como un “colega digital” dentro del flujo de trabajo. Las tendencias actuales de diseño favorecen a los agentes antropomorfizados porque fomentan la seguridad psicológica; al proporcionar razonamientos claros y en lenguaje natural para cada sugerencia, estos sistemas ayudan a los analistas a aprender de la lógica del AI en lugar de simplemente aceptar un resultado binario. A medida que las organizaciones crecen, esto permite que la función de cumplimiento se convierta en un impulsor proactivo del crecimiento, con analistas asumiendo responsabilidades sofisticadas y nuevas en la gestión de riesgos de modelos, pruebas de AI y investigación forense estratégica.

5. Una base sólida

Una plataforma nativa en la nube resistente es el requisito previo para la velocidad. No se puede soldar el AI a una arquitectura rota y esperar que funcione bien; los despliegues más exitosos surgen de un ciclo de vida de datos unificado, desde la ingesta hasta la resolución final del caso. Mantener una sola fuente de verdad para los datos de riesgo garantiza que los modelos permanezcan coherentes en diferentes regiones geográficas. En este contexto, las herramientas de AI agente funcionan mejor cuando se integran en un ecosistema con marcos preexistentes y sólidos para pruebas, protección de datos y supervisión.

Redefinir el cumplimiento de AML en la era del AI agente

Los líderes de cumplimiento están en un punto de inflexión: a medida que las herramientas de AI agente se vuelven más avanzadas y el delito financiero continúa aumentando, necesitan asegurarse de que tengan las protecciones de AML y CDD adecuadas mientras evalúan qué herramientas de AI pueden apoyar sus objetivos. El AI agente capacita a las instituciones financieras para ampliar los esfuerzos de KYC mientras libera a los equipos para centrarse en trabajos complejos y de alto valor. Emparejado con la experiencia humana, el AI impulsa una clasificación de alertas y resolución de casos más rápidas, fortaleciendo la protección de riesgos y reduciendo los costos, lo que en realidad está redefiniendo el futuro de la debida diligencia de AML.