SAN JOSÉ, 03 de abril (Elmundo.cr) – En el ámbito contemporáneo de la lucha contra el lavado de dinero, la inteligencia artificial (IA) y el aprendizaje mecánico (ML) se han consolidado como herramientas esenciales. Sin embargo, a pesar de su potencial, la adopción de estas tecnologías en las instituciones financieras es un proceso que avanza con lentitud, según revela un estudio llevado a cabo por SAS, un líder en IA, en colaboración con KPMG y la Asociación de Expertos Certificados en la Prevención del Lavado de Dinero (ACAM).
Este estudio se fundamenta en una encuesta realizada a 850 miembros de ACAM. Los hallazgos son reveladores: únicamente el 18% de los encuestados han implementado soluciones de IA/ML en producción, mientras que otro 18% se encuentra en fase de pilotaje. Un 25% adicional cuenta con planes de implementación en un horizonte de 12 a 18 meses. Sin embargo, es alarmante que el 40% de las organizaciones encuestadas no tienen previsiones inmediatas para adoptar estas tecnologías avanzadas.
Ventajas de IA en la prevención del lavado de dinero
El informe subraya que la IA y el ML han demostrado su efectividad en la detección de actividades sospechosas, facilitando la automatización de las alertas, la generación de evaluaciones de riesgo y la mitigación de falsos positivos en los sistemas de monitoreo. Según Timo Purkott, experto en delitos financieros de KPMG internacional, estas innovaciones son particularmente valiosas para el análisis de grandes volúmenes de datos, lo que capacita a las instituciones para identificar patrones de comportamiento asociados con la delincuencia financiera.
Purkott añadió que la reducción de falsos positivos se ha convertido en una prioridad creciente para muchas organizaciones; es más, el 38% de los encuestados lo identifican como su objetivo principal en la implementación de soluciones de IA/ML. Otras prioridades incluyen la automatización del enriquecimiento de datos de investigación (25%) y la identificación de nuevos riesgos a través de técnicas avanzadas de modelado (23%).
Desafíos en la adopción de IA/ML
A pesar de las múltiples ventajas que ofrecen, la encuesta revela que existen serios obstáculos que dificultan la adopción de estas tecnologías. Un 37% de los encuestados considera que la ausencia de un imperativo regulatorio es la barrera más significativa. Además, las limitaciones presupuestarias son mencionadas por el 34% de los participantes. También se observa una percepción de que los reguladores han disminuido su apoyo a la innovación en el ámbito de la IA y el ML, lo cual ha llevado a algunas instituciones a mostrarse reacias a adoptar estas herramientas.
Los resultados del estudio también indican que la cantidad de profesionales que creen que los reguladores fomentan la innovación ha disminuido desde 2021, alcanzando solo un 51% en investigaciones recientes. Por el contrario, aquellos que consideran a los reguladores como “resistentes a los cambios” han visto un incremento significativo, pasando del 6% al 13%.
«La investigación muestra que los profesionales en el campo de la prevención del lavado de dinero tienen la percepción de que los reguladores han perdido entusiasmo respecto a la IA», comentó Kieran Beer, analista principal y director de la Junta Editorial de ACAM.
Otro de los desafíos notables es la escasez de habilidades especializadas necesarias para implementar estas soluciones, aunque este problema parece haber disminuido en relevancia; solo el 11% de los encuestados lo mencionó como una preocupación, en comparación con 2021.
El futuro de la IA en la prevención del lavado de dinero
Para maximizar el potencial de la IA y el ML en la lucha contra el lavado de dinero, es crucial que las organizaciones se centren en la integración de datos, equipos y tecnología. Stu Bradley, vicepresidente superior de riesgo, fraude y soluciones armonizadas en SAS, comenta: «El primer paso en esta integración es el establecimiento de ecosistemas de datos que incorporen información de todas las fuentes disponibles».
Según la encuesta, un impresionante 86% de las instituciones ya han comenzado a implementar algún tipo de integración entre sus procesos de prevención del lavado de dinero, gestión del fraude y seguridad de la información, lo que les otorga una ventaja competitiva significativa.
«Si bien algunas organizaciones pueden esperar una guía regulatoria clara antes de proceder, aquellas que se atrevan a adoptar la IA y el ML con una estrategia de gestión adecuada estarán mejor posicionadas para detectar actividades de lavado de dinero, convirtiéndose así en líderes en la lucha contra el crimen financiero», concluye el informe.
