Eficacia de cumplimiento BSA/AML 10 veces mayor sin multiplicar por 10 la plantilla
El requisito fundamental de cualquier programa de la Ley de Secreto Bancario (BSA) y de Prevención de Lavado de Dinero (BSA/AML) es demostrar a los examinadores que los controles del programa son eficaces. Un mecanismo para ello es la realización de pruebas de efectividad para evaluar el cumplimiento, las brechas y cualquier hallazgo que permita mejorar. Muchos bancos e instituciones financieras cuentan con equipos de apoyo de segunda línea y se enfrentan a un escrutinio cada vez mayor por parte de los reguladores sobre la efectividad de sus programas BSA/AML.
En Sardine, creamos nuestra plataforma de cumplimiento financiero para proporcionar los datos que los oficiales de cumplimiento necesitan para realizar backtesting frente a coincidencias en listas de sanciones, datos de contracargos e identidades conocidas como fraudulentas. Nuestros modelos de aprendizaje automático también ejecutan monitoreo de transacciones en tiempo real 24/7 para detectar actores y transacciones maliciosas y evitar que las operaciones se conviertan en un caso o en un Reporte de Actividad Sospechosa (SAR).
Objetivos de las pruebas de eficacia del cumplimiento
Los objetivos principales de una solución de Pruebas de Efectividad son:
- Evaluar y medir el cumplimiento de una fintech con las directrices regulatorias
- Identificar brechas y áreas de incumplimiento
- Ofrecer información práctica y recomendaciones para la mejora
- Facilitar el monitoreo continuo y la elaboración de informes sobre métricas de cumplimiento
Las organizaciones bancarias desempeñan un papel crucial en el desarrollo y mantenimiento de programas eficaces de prevención de lavado de dinero (AML) para combatir el blanqueo de capitales y la financiación del terrorismo.
Los enfoques clave para el cumplimiento de la BSA y AML incluyen:
- Confirme que las normas y controles que tiene implementados para cumplir los requisitos regulatorios estén funcionando.
- Muestreo aleatorio con revisiones manuales. Por ejemplo, un analista de cumplimiento puede revisar mensualmente a 100 usuarios seleccionados al azar para confirmar que los procesos clave de verificación, como sanciones, verificación KYC, etc., se hayan ejecutado correctamente.
- Otro proceso consiste en tomar coincidencias conocidas con listas de sanciones o identidades problemáticas y procesarlas en un sistema para asegurarse de que los resultados sean los esperados.
Un sólido programa de efectividad confirma que las normas y controles que tiene implementados para cumplir los requisitos regulatorios están funcionando.
Desafíos de las pruebas de eficacia del cumplimiento de BSA/AML
A menudo, los oficiales de cumplimiento carecen de las herramientas, la capacidad o el acceso al área de ingeniería necesarios para aplicar las técnicas requeridas para evaluar la eficacia de su programa BSA/AML al nivel que desearían. Esto dificulta combatir el lavado de dinero de manera efectiva.
- Hoy en día, la validación suele ser manual y basada en hojas de cálculo, y es propensa a errores humanos.Las hojas de cálculo con datos brutos de archivos de pagos suelen ser ineficaces para probar modelos de aprendizaje automático.
- La validación de modelos basados en aprendizaje automático requiere habilidades en ciencia de datos.Detectar problemas en los modelos requiere habilidades analíticas y un conocimiento de los modernos almacenes de datos y de la ingeniería de datos.
- Perfilar o etiquetar datos requiere comprender los resultados de los sistemas de pago, que a menudo son confusos. Proporcionar estadísticas y etiquetar los datos permite a las empresas entender las calificaciones de riesgo dentro de su sistema de monitoreo de transacciones por completo. Esta puede ser una tarea laboriosa para los oficiales de cumplimiento que pueden no comprender bien los resultados de datos de los sistemas de pago (que a menudo son confusos y están llenos de códigos).
- Las evaluaciones de la calidad de los datos requieren conocer qué datos son buenos y cuáles son malos, algo que a menudo no es evidente. Los sistemas de pago están llenos de peculiaridades; puede que falten campos, que estén mal formateados o que simplemente no sean completados por diversas instituciones financieras. Una institución que introduce “NA” puede querer decir “no aplica”, y un sistema de monitoreo de transacciones podría confundirlo con “Namibia”.
- El ajuste de modelos (o las pruebas por encima y por debajo de la línea) suele ser costoso o externalizarse, y muchas organizaciones no lo apoyan en absoluto. Cambiar motor de reglas y los umbrales de los modelos de aprendizaje automático requiere pruebas periódicas con datos históricos para ver si mejoran los resultados finales. Sin equipos internos de ciencia de datos ni las habilidades necesarias, las organizaciones a menudo dependen de terceros para entender si estos umbrales son eficaces, pero sin tener una comprensión completa internamente.
- El análisis de umbrales y la planificación de capacidad a menudo se registran de forma manual.Estas pruebas identifican qué reglas consumen más tiempo y en qué tareas los responsables dedican más esfuerzo. A menudo esto se hace manualmente o depende de que los responsables lo registren en hojas de cálculo. Estos datos no son fiables, lo que significa que los equipos tienen dificultades para ser más eficaces o rendir al máximo sin analítica.
Mejore la eficacia de BSA/AML sin trabajo manual ni hojas de cálculo
La solución requiere:
- Paneles de eficacia: Acceso a paneles para supervisión en tiempo real sin trabajo manual
- Supervisión continua del tráfico: para identificar brechas de control en el 100% de la población de usuarios
- Supervisión automatizada basada en aprendizaje automático: de la eficacia de la BSA/AML dentro de las instituciones y sus programas patrocinados
- Un equipo de ciencia de datos: para detectar nuevos controles, etiquetar datos, evaluar la calidad, gestionar umbrales y proporcionar recomendaciones para reducir los falsos positivos
- Supervisión de transacciones en tiempo real: para evitar que las alertas se conviertan en casos bloqueando la actividad altamente sospechosa en el momento de la transacción
1. Eficacia con paneles de cumplimiento
Sardine ofrece validación de modelos en tiempo real frente a datos históricos y etiquetados para que los oficiales de cumplimiento puedan revisar sus propias transacciones, así como cualquier transacción y entidad incorporada por programas patrocinados. Usando el panel de control de Sardine, un oficial de cumplimiento puede identificar brechas de control en cualquier parte de su negocio o programa patrocinado en áreas como
- Cribado OFAC (verificación de identidad y ubicación)
- CIP (verificación de nombre, fecha de nacimiento, número de seguro social, edad del usuario y dirección)
- BSA AML (umbrales de CTR y agregaciones monetarias de UAR)
2. Supervisión continua y completa del tráfico para detectar brechas de control en las instituciones financieras
La plataforma de Sardine supervisa todas las transacciones y el tráfico de usuarios, cubriendo el 100% de la población de la institución financiera o del programa Fintech. La plataforma proporciona alertas en tiempo real sobre actividades sospechosas o nuevos vacíos de control en la creación de casos. Esto reduce significativamente el tiempo de remediación y aumenta la velocidad para detectar vacíos de control en un programa patrocinado.
3. Supervisión automatizada mediante aprendizaje automático de la eficacia del programa
La plataforma supervisa las reglas comparándolas con datos históricos y con la retroalimentación de ROS (SAR) proporcionada por los oficiales de cumplimiento y las áreas de operaciones. Nuestro detector de anomalías basado en aprendizaje automático identificará cualquier regla que esté generando altos niveles de falsos positivos y las marcará automáticamente para los equipos de cumplimiento. Del mismo modo, si una regla no se activa o tiene un rendimiento deficiente, puede marcarse para su revisión. La plataforma ayuda automáticamente a etiquetar, comprender y dar sentido a los umbrales.
Por ejemplo, si detectamos que una geografía específica está provocando un aumento de SARs de registro (o anomalías basadas en nuestros datos de ubicación real en tiempo real), esto puede indicar la necesidad de revisar las reglas, umbrales o modelos de incorporación.
4. Un equipo de ciencia de datos que trabaja para reducir los falsos positivos y mejorar la eficacia del cumplimiento
El equipo de Sardine es una extensión de tu propio equipo y trabajará para ayudar a gestionar los umbrales, el etiquetado de datos y el ajuste de modelos, de modo que puedas tomar decisiones eficaces sobre tu capacidad.
5. Supervisión de transacciones en tiempo real para evitar operaciones sospechosas antes de que se conviertan en casos
Cada posible alerta futura rechazada a nivel de transacción es un caso menos que gestionar y un SAR menos que presentar. Sardine puede ofrecer monitoreo de transacciones en tiempo real con un tiempo de respuesta inferior a 500 ms, lo que significa que podemos rechazar transacciones en tiempo real en casos de sospecha de fraude o delito financiero.
¿Y si pudieras contratar a 100 científicos de datos para que se obsesionaran con la eficacia de tu cumplimiento normativo?
En Sardine, estamos obsesionados con resolver problemas. Todos los problemas de riesgo pueden descomponerse en problemas de datos, y asociarnos con los responsables de cumplimiento puede multiplicar por 10 su eficacia sin multiplicar por 10 el tamaño de sus equipos.