El 25% de las empresas tiene la intención de implementar medidas en la lucha contra el lavado de dinero.

SAN JOSÉ, 03. Abril (Elmundo.cr) – En la actualidad, la inteligencia artificial (IA) y el aprendizaje mecánico (ML) se han convertido en herramientas fundamentales para la prevención del lavado de dinero en diversas instituciones financieras a nivel global. Sin embargo, a pesar de su potencial, la adopción de estas tecnologías por parte de las entidades financieras avanza a un ritmo más lento del esperado. Esta situación ha sido revelada por un estudio llevado a cabo por SAS, reconocido experto en IA, en asociación con KPMG y la Asociación de Expertos Certificados en la Prevención del Lavado de Dinero (ACAM).

El informe se fundamenta en una encuesta realizada a 850 miembros de ACAM, y los resultados son elocuentes: solamente el 18% de los encuestados ha implementado soluciones de IA y ML en producción. Por otro lado, otro 18% está en fase de pilotaje, mientras que un 25% planea implementar estas tecnologías en un periodo de 12 a 18 meses. A pesar de estas estadísticas, un preocupante 40% de las organizaciones no tienen planes inmediatos para adoptar la inteligencia artificial y el aprendizaje mecánico, lo que pone de manifiesto la falta de urgencia en aprovechar estas herramientas innovadoras.

Ventajas de IA en la prevención del lavado de dinero

El informe destaca las numerosas ventajas que ofrecen la IA y el ML en la detección de actividades sospechosas y la automatización de procesos cruciales, como la generación de alertas, la evaluación de riesgos y la disminución de los falsos positivos en los sistemas de supervisión. De acuerdo con Timo Purkott, experto en delitos financieros en KPMG internacional, estas tecnologías son particularmente eficaces para analizar grandes volúmenes de datos, lo que permite a las instituciones identificar a delincuentes financieros de manera más efectiva.

Purkott también enfatiza que la reducción de los falsos positivos se ha convertido en una prioridad cada vez mayor para las organizaciones; el 38% de los encuestados consideran esta búsqueda como su objetivo principal en la implementación de IA y ML. Otras prioridades incluyen la automatización del enriquecimiento de datos de investigación (25%) y la identificación de nuevos riesgos a través de técnicas de modelado más avanzadas (23%).

Desafíos en la adopción de IA y ML

A pesar de las claras ventajas, la encuesta revela que aún existen múltiples desafíos para la adopción de estas tecnologías disruptivas. En este sentido, el 37% de los encuestados menciona que la falta de un imperativo regulatorio es el mayor obstáculo, seguido muy de cerca por las limitaciones presupuestarias, citadas por el 34% de los participantes. Además, la percepción de que los organismos reguladores han disminuido su apoyo a la innovación en el campo de la IA y ML también ha contribuido a la renuencia de algunas instituciones a dar el paso hacia la implementación.

Asimismo, el estudio muestra que hay una creciente preocupación entre los profesionales acerca de la postura de los reguladores; desde 2021, la cantidad de profesionales que piensan que los reguladores fomentan la innovación ha caído a un 51%, lo que indica un cambio en la percepción de estas dinámicas. Por el contrario, aquellos que consideran a los reguladores como “resistentes a los cambios” han visto un aumento, pasando del 6% al 13% en este aspecto.

Kieran Beer, analista principal y director de la Junta Editorial de ACAM, comenta que “la investigación indica que los profesionales de la prevención del lavado de dinero creen que los reguladores se han enfriado en relación con la IA”. Otro punto preocupante es la falta de habilidades especializadas necesarias para implementar estas soluciones. No obstante, este desafío ha perdido algo de su relevancia, ya que solamente el 11% de los encuestados lo citan como un problema, en comparación con años anteriores.

El futuro de la IA en la prevención del lavado de dinero

Para maximizar el potencial que la IA y el ML pueden ofrecer, es fundamental que las organizaciones se enfoquen en la integración efectiva de datos, equipos y tecnología, según Stu Bradley, vicepresidente senior de riesgo, fraude y soluciones armonizadas en SAS. “El primer paso hacia esta integración es establecer ecosistemas de datos que combinen información de diversas fuentes”, indica Bradley.

De acuerdo con la encuesta, un notable 86% de las instituciones ya ha implementado algún tipo de integración entre el proceso de prevención del lavado de dinero, fraude y seguridad de la información, otorgándoles una ventaja competitiva significativa. “Aunque algunas organizaciones esperan una guía regulatoria clara, aquellos que adopten IA y ML con una estrategia de gestión adecuada podrán optimizar su capacidad para detectar y prevenir el lavado de dinero”, concluye el informe, subrayando la importancia de avanzar en esta área.