Por estrategiaynegocios.net
El lavado de dinero es una de las principales problemáticas para muchas organizaciones y empresas. Un reporte de la Organización de Naciones Unidas (ONU) mostró que esta práctica representa un derroche de hasta un 2,7% del PIB mundial al año.
La región centroamericana no escapa a esta problemática. Un reporte de Global Financial Integraty, en su informe “Crímenes Financieros en América Latina y el Caribe: entendiendo los desafíos de los países y diseñando respuestas técnicas efectivas”, concluyó que las actividades ilícitas en Centroamérica alcanzaron los US$13.500 millones anuales.
A pesar de estos datos, para Yuri Rueda, Domain Expert de Fraude para SAS, que trabaja con analítica avanzada y predictiva según IDC, en Centroamérica y el Caribe ha habido un gran interés por los temas de lavado de dinero. Esto principalmente en cuanto a la mejora de las soluciones que las entidades financieras están utilizando para detectar este tipo de casos en sus transacciones financieras.
“Una problemática es que muchas de las soluciones actuales contra el lavado de dinero no cumplen con las necesidades que las autoridades y el mercado están solicitando. Por ejemplo, no implementan temas de Inteligencia Artificial, Machine Learning, ni Analítica”, comentó Rueda.
Añadió que, al no tener estas tecnologías, las organizaciones criminales aprovechan para realizar pequeñas transacciones, que, por su tamaño, es muy probable que no se detecten; sin embargo, sumadas y en determinado tiempo, son montos millonarios.
Un caso de esto, mencionó Rueda, en ocasiones son las remesas que son dirigidas a un solo pueblo, condado o estado. “Pasa que esos dineros no se dirigen a una cuenta o persona únicamente, sino que son a varias, pero, por detrás, hay otra persona que está recabando todo ese dinero de las personas que lo reciben. Este tipo de transacciones, cuando son ilícitas, son muy difíciles de detectar a simple vista, por lo que se deben utilizar también soluciones que tengan la capacidad de detectar comportamientos y patrones específicos, analizarlos, y encontrar un comportamiento ilícitos mediante hilos de información”, afirmó el especialista de SAS.
Otro sector en donde han visto este tipo de situaciones de lavado de dinero, es en el de Seguros, mencionó Rueda. Esto porque se han detectado casos, por ejemplo, en donde se compra una póliza de millones de dólares, y varios días después se cancela y la persona pide que se regrese el dinero. “Este tipo de acciones podrían ser una forma de blanquear por lo que deben ser muy bien analizadas”, considera el experto.
Rueda explicó que el lavado de dinero no debe verse solamente como las transacciones de dinero “sucio”, sino de las actividades ilícitas de donde se generan; por ejemplo, la trata de personas, el tráfico de animales exóticos.
“Justamente la Inteligencia Artificial, el Machine Learning, y la analítica, ayudan a detectar nombres, de dónde viene cierto dinero como lugares de donde no sea normal que se envíe dinero de forma constante, como una selva. Todo esto permite que la entidad empiece a detectar y detener el lavado de dinero, pero lo más importante, a frenar esas actividades ilícitas”, dijo Rueda.
Un ejemplo de solución que permite impactar directamente el lavado de dinero es SAS Anti-Money Laundering, incluye inteligencia artificial, machine learning, y modelos analíticos. Este tipo de solución ayuda a las entidades financieras a realizar un monitoreo transaccional basado en red de vínculos, lo cual son acciones que los reguladores y autoridades están pidiendo en la actualidad.
“Poder generar una red de vínculos es muy importante dentro del monitoreo de transacciones que proviene del crimen organizado. Esto porque con el análisis que realiza la IA, el Machine Learning y la Analítica, se logra vincular cuentas, nombres, ciudades, países, montos, entre muchas otras variables, alcanzando una vista integral del cliente”, explicó el especialista contra el lavado de dinero.
Rueda considera, además, que países de la región como Panamá, Costa Rica y Honduras, son los que muestran, actualmente, mayores oportunidades de mejora en cuanto a la implementación de soluciones basadas en este tipo de características.
