La digitalización de la lucha contra el lavado de activos en América Latina está obligando a los equipos de riesgo a rediseñar sus modelos de detección transaccional frente a los millones de adultos que operan fuera del sistema formal, pero que tienen ingresos sólidos.
Es innegable que la tecnología está incluyendo a millones en el sistema financiero, pero también está abriendo nuevas puertas para el fraude o el aprovechamiento de mafias para blanquear dinero.
“Para quienes trabajamos con perfiles transaccionales, nos vemos en el desafío de construir mecanismos de prevención para personas que no tienen trabajos registrados o no tienen calificación en el sistema tradicional. Ese es otro gran desafío: ¿cómo construimos información de calidad?”, dice a iupana Manu Hersch, especialista en cumplimiento de la billetera fiat-cripto Lemon Cash para Perú y Argentina.
En su proceso de perfilamiento transaccional a sus usuarios de ambos países, la billetera utiliza herramientas de inteligencia artificial (IA) para establecer un scoring, lo que permite identificar si un usuario mueve más volumen de dinero del habitual.
Si pasa esto, salta una alerta para profundizar la investigación y prevenir un posible caso de lavado de activos. Complementan con otras señales sutiles de fraude, como biometrías asistidas o capturas de fotografías en lugares inusuales. Al analizarse en conjunto, estos indicios revelan patrones de riesgo.
“Si uno ve nueve fotos de alta de usuarios con el mismo fondo, se puede detectar una granja de mulas”, explica Hersch, en referencia a usuarios que hacen el onboarding por encargo de otros para realizar retiros.
También utilizan la IA para realizar investigaciones más profundas en fuentes abiertas (Osint, por su acrónimo en inglés), que se refiere al análisis de información pública disponible en internet, como redes sociales, registros públicos o foros, para detectar señales de fraude y validar identidades.
“Chat GPT tiene un modelo que se llama ‘Investigar a fondo’, que, con algunos datos de usuarios que nosotros le damos, en entornos controlados, barren internet y encuentran desde publicaciones en Facebook, asociaciones con otras personas, compañías asociadas a estos usuarios. Estas soluciones nos tomaban mucho tiempo en su momento; ahora, podemos hacerlo en cuestión de minutos”, cuenta Hersch.
Más estrategia que tecnología
Aunque la tecnología puede acelerar procesos, no reemplaza una estrategia bien definida. Para que las soluciones de prevención funcionen, las instituciones deben partir de una comprensión clara de sus riesgos, canales expuestos y datos disponibles.
“Muchas veces se piensa que la tecnología es un silver bullet o algo mágico para identificar el lavado de dinero, pero hay muchos procesos que tienen que trabajar en conjunto en una institución para identificarlo”, advierte Alyssa Iyer, directora de producto para prevención de lavado de dinero de Lynx Tech.
Añade que la efectividad de cualquier herramienta depende de qué tan bien esté entrenada y alineada con los riesgos reales del negocio. Sin una definición precisa de qué se quiere controlar, la tecnología no tiene capacidad de mejorar la prevención.
La industria necesita integrar tecnología a modelos de riesgo sólidos, con datos, conocimiento de cliente (KYC) de calidad y reglas que permitan crecer sin perder precisión en la advertencia de riesgos.
“La tecnología tiene que entrenarse con modelos y reglas que realmente respondan al riesgo, no solo para hacer check the box en cumplimiento”, sentencia Iyer.
