Madrid.- La prevención de lavado de dinero es un tema delicado para las empresas, especialmente aquellas que operan predominantemente en internet. Por un lado están los riesgos inherentes de procesar transacciones maliciosas relacionadas con este delito, y por el otro están los requerimientos legales de cumplimiento de los organismos reguladores que numerosos negocios deben satisfacer para poder realizar sus actividades.
Esta problemática aumenta en la medida en la que los criminales se vuelven más sofisticados en los métodos y estrategias que utilizan para blanquear sus capitales ilícitos. Ejemplo de ello es el uso creciente de nuevas tecnologías como las criptomonedas y los NFTs para el lavado de dinero. Según la ONU, se calcula que tan solo en México los cárteles lavan 25 mil millones de dólares anuales a través del bitcoin.
En definitiva, el lavado de dinero es una realidad que los negocios, especialmente en América Latina, no pueden darse el lujo de ignorar. Pero no todas son malas noticias. Los avances tecnológicos no son solo útiles para que los criminales encuentren nuevas formas de lograr sus cometidos, sino que también permiten la aparición de herramientas eficaces para combatir este delito. A continuación detallaremos las más significativas.
Aplicaciones de la IA y el machine learning en la lucha contra el lavado de dinero
La prevención contra el lavado de dinero moderna hace uso de capacidades tecnológicas para fortalecer las estrategias de riesgo de las organizaciones propensas a ser afectadas por este tipo de crímenes. Muchas de los sistemas disponibles en el mercado no están diseñadas exclusivamente diseñadas para el AML (antilavado de dinero), pero muchas de las herramientas que se usan en el combate al fraude en un sentido amplio tienen aplicación y usos relevantes para mitigar a los blanqueadores de capitales.
Uno de los principios fundamentales de la prevención del fraude es determinar si los usuarios en verdad son quienes dicen ser, y esto es igualmente cierto para prevenir el lavado de dinero. Los criminales que intentan utilizar aprovecharse de un negocio en línea para cometer este delito usarán todos los medios a su alcance para ocultar su verdadera identidad y sus intenciones. En este sentido, la inteligencia artificial y el machine learning ofrecen a las compañías la posibilidad de automatizar y escalar los procesos que permiten develar a los agentes maliciosos. Veamos algunas de las herramientas que hacen esto posible.
Monitoreo de transacciones
Desplegar un sistema que analice y evalúe las transacciones de un negocio en tiempo real es vital por varias razones. En lo que respecta a la prevención del lavado de dinero, la normativa para algunos países indica que toda transacción que sobrepase los límites estipulados por los órganos regulatorios debe ser sometida a un mayor escrutinio.
Además, el machine learning para el monitoreo de transacciones puede detectar patrones sospechosos en el tiempo para permitir que los analistas de riesgo tomen decisiones mejor informadas a la hora de lidiar con un usuario con un comportamiento transaccional fuera de lo usual.
La ventaja aquí es que esto puede realizarse a escala y con la mínima intervención humana, pues de otro modo sería muy complicado y costoso contar con un equipo dedicado a revisar cada una de las transacciones dentro de un negocio online, especialmente si su volumen de operaciones es muy elevado.
Enriquecimiento de datos
Por lo general, los lavadores de dinero hacen uso de identificaciones falsas o identificaciones sintéticas para realizar transacciones dentro de un negocio en línea. Al enriquecer los datos que proporcionan ya sea al momento de registro, depósito, retiro o transacción dentro de un sitio en internet es posible conocer más allá de lo que dicen los datos en sí mismos.
¿El correo electrónico es de reciente creación? ¿El número de teléfono de un usuario se trata de un teléfono desechable? ¿La geolocalización del usuario proviene de un país distinto al que está indicado en el registro? Todos estos son puntos de datos que en su conjunto pueden conformar el perfil de riesgo de un usuario en la forma de lo que se conoce dentro de la industria como una puntuación de riesgo.
A partir de ahí, los gestores de fraude pueden optar por aprobar, rechazar o revisar la navegación de los usuarios en concordancia con los estándares y el apetito de riesgo de la organización.
Verificación de listados
La prevención del lavado de dinero debe ser un esfuerzo conjunto. Por ello, existen distintas redes de organizaciones que alimentan bases de datos compartidas con intentos identificados de lavado de dinero. De esta manera, todas las instituciones con acceso a dichos listados pueden desplegar una capa adicional de protección al instruir a su sistema de prevención que coteje los datos del usuario contra esas listas, y que lance una alerta o directamente rechace a un usuario en caso de encontrar una coincidencia.
Del mismo modo, el sistema puede consultar los listados PEP (personas políticamente expuestas), que además de ser una buena práctica, también forma parte del cumplimiento AML al que están sujetas varias empresas.
Huella digital
El último caso de uso que veremos hoy tiene que ver con el análisis de las configuraciones de hardware y software que utilizan los usuarios para interactuar con los sitios de los negocios en línea. A menudo, los lavadores de dinero utilizan tecnología orientada a la privacidad para ocultar sus intenciones y su verdadera identidad. Un sistema de prevención de fraude moderno debería ser capaz de detectar el uso de herramientas como VPNs, Tor, conexiones proxys, emuladores y software diseñado para suplantar dispositivos.
Un hallazgo de esta naturaleza no significa necesariamente que un usuario sea un lavador de dinero o un estafador, pero en conjunto con todos los otros elementos que hemos analizado es una pieza más del rompecabezas en el que a veces se convierte intentar entender las intenciones y el comportamiento de un usuario dentro de un sitio web.
Consideraciones finales
Está claro que la inteligencia artificial y el machine learning cuentan con características que pueden potenciar y facilitar la detección y prevención del lavado de dinero. Sin embargo, lo más importante sigue siendo el uso óptimo e inteligente de estas capacidades en la conformación de una estrategia de riesgo integral.
(*) Eva Kozar
Tras varios años trabajando en IT y desarrollo de software, Eva se unió a SEON en el 2020, para ayudar a los únicos 20 luchadores contra el Fraude que estaban construyendo esta tecnología innovadora y disruptiva. Desde entonces, ha ayudado a SEON con su éxito de expandirse no solo en LATAM, sino que también en el resto del mundo.
