Cada analista de fraude, responsable de cumplimiento y suscriptor contará con un equipo de analistas de IA que los ayudará. Hoy presentamos a tres de ellos.
Las tasas de falsos positivos pueden llegar hasta el 90% en procesos clave como el control de sanciones y la debida diligencia del cliente. Esto genera un volumen excesivo de trabajo tedioso para los agentes humanos, provocando agotamiento (que afecta a más del 75% de los responsables de cumplimiento), junto con un alto nivel de rotación de personal. Muchas instituciones financieras informan de dificultades para contratar suficientes responsables para combatir el delito de forma eficaz. Este problema está perjudicando la capacidad de gestionar adecuadamente las tasas de delincuencia financiera, ya que el conocimiento institucional se pierde rápidamente.
Las consecuencias son enormes: a menudo pasamos por alto redes y bandas criminales, lo que puede derivar en posibles sanciones por BSA/AML, y los bancos pierden millones en ingresos retrasados o abandonados debido a una mala experiencia del cliente. Este documento técnico presenta el Modelo de Defensa Agéntica (ADM), un marco que despliega agentes de IA para reforzar los controles de cumplimiento.
Además, esto afecta a los clientes que son señalados erróneamente, ven sus transacciones ralentizadas o son dados de baja como clientes debido a un riesgo percibido (no real). Esto supone una pérdida de ingresos para la institución financiera y puede derivar en posibles demandas judiciales (como en el llamado debate sobre la “desbancarización”).
Primero, debemos comprender la configuración actual de fraude, riesgo y cumplimiento en la mayoría de las organizaciones para entender cómo serán posibles los equipos de agentes de IA.
El desafío de costos del cumplimiento de BSA/AML
Conozca a su cliente se ha vuelto notoriamente intensivo en mano de obra, lento y costoso. Se puede argumentar que es en gran medida ineficaz debido a lo ineficiente que se ha vuelto.
- Las tasas de falsos positivos en la supervisión AML superan habitualmente el 90%
- Esto provoca un agotamiento excesivo, rotación de personal y dificultades para contratar suficientes oficiales de cumplimiento
- Los grandes bancos tienen en promedio 307 empleados dedicados solo a KYC pero aún presentan brechas significativas en BSA/AML a medida que la complejidad del desafío se dispara
- El 85% de las empresas informa experiencias negativas con la incorporación bancaria
- El 12% ha cambiado de bancodebido a las fricciones en el proceso de incorporación
Un importante banco de inversión incorporó a cientos de empleados y aun así tenía más de 700 casos de onboarding atascados en el proceso. Otra institución vio cómo sus tiempos de resolución de disputas se disparaban hasta 120 días a pesar de un aumento significativo de personal. En pocas palabras, incluso las instituciones financieras con las plantillas más grandes necesitan una mejora de orden de magnitud que los Agentes de IA pueden ayudar a ofrecer.
Cribado de sanciones, PEP y noticias adversas.La monitorización de transacciones para AML genera un volumen abrumador de alertas que requieren investigación. Los sistemas heredados basados en reglas suelen tener tasas de falsos positivos superiores al 90 %, lo que significa que los analistas pierden tiempo investigando alertas que resultan ser benignas, cuando una sola alerta de cribado de sanciones requiere entre 5 y 10 minutos de revisión manual y las tasas de falsos positivos superan el 90 %.
Mientras tanto, los delitos financieros se vuelven más sofisticados, las expectativas regulatorias aumentan y los clientes exigen experiencias digitales instantáneas.
La esperanza en el horizonte es que la IA pueda hacer que las instituciones sean más eficaces y eficientes en la lucha contra los delitos financieros. De hecho, las normas recientemente propuestas por FinCEN para programas de prevención de blanqueo de capitales “eficaces y razonablemente diseñados” hacen hincapié en el uso de tecnología centrada en el riesgo, y los expertos del sector señalan que los sistemas de IA explicable pueden mejorar la eficiencia al mismo tiempo que satisfacen la demanda de transparencia por parte de los reguladores
Los mejores agentes de IA tendrían acceso a los mejores datos
En Sardine, nos enorgullece crear las herramientas que desearíamos haber tenido en nuestras vidas pasadas.
- Ahorramos tiempo, esfuerzo y frustración a los equipos de riesgo.
- Ayudamos a los equipos de pagos a convertir a más buenos clientes.
- Facilitamos que ocurra más comercio al obsesionarnos con los detalles.
Sardine se adapta a la infraestructura heredada existente, pero es una plataforma completa para la prevención del fraude y el cumplimiento normativo.
Esta es la base ideal para los agentes de IA.
Los agentes de IA pueden incorporar usuarios, gestionar colas manuales y ser diez veces más eficaces que los equipos. Aunque muchas empresas ofrecen casos de uso puntuales y agentes, para tener una verdadera ventaja competitiva es necesario basarse en los datos del equipo antifraude, plataforma y experiencia.
Al igual que los humanos, los agentes de IA se vuelven 10 veces más efectivos cuando cuentan con los datos y las herramientas adecuadas.
En Sardine, estamos creando lo mejor de ambos mundos.
Así es como pensamos sobre los agentes de IA.
Hoy Sardine ofrece 3 agentes de IA para cumplimiento
Cada panel, interfaz de usuario y hoja de cálculo tiene el potencial de ser 10 veces más eficaz con un agente que ayude al profesional de riesgos. Apenas estamos comenzando y ya hemos empezado a poner a disposición general nuestros primeros 4 agentes de IA.
1. Agente de incorporación KYC
Para un proceso de incorporación que cumpla con BSA/AML, es necesario recopilar y verificar el nombre, la dirección, la fecha de nacimiento y el SSN. Cuando se encuentran discrepancias, esto puede significar que el cliente no proporcionó correctamente su nombre, dirección o fecha de nacimiento en el formulario de incorporación. O bien, podría ser indicio de que se está utilizando una identidad robada o sintética. En estos casos, la mejor práctica es escalar automáticamente al cliente para solicitarle que presente un documento de identidad (pasaporte, documento nacional de identidad, licencia de conducir) junto con una selfie y una prueba de vida. Se recomienda asegurarse de que el rostro de la selfie coincida con el del documento de identidad. Además, se recomienda verificar que el nombre, la dirección y la fecha de nacimiento que figuran en el documento de identidad coincidan con los datos recopilados durante la incorporación.
KYC está lleno de casos excepcionales. Los nombres aparecen en distintos órdenes según la cultura, los formatos de fecha varían y las discrepancias generan fricción innecesaria. Sardine automatiza estos desafíos. Nosotros automatizamos los miles de casos excepcionales de onboarding.
Misión: Simplificar y acelerar la debida diligencia del cliente (KYC/KYB) durante la incorporación, asegurando que no se omita ningún paso de cumplimiento.
Proceso: El agente de IA se entrena primero con un conjunto de sesiones de incorporación de ejemplo del proceso CIP tal como se sigue en el banco. El resultado de este entrenamiento es entonces un marco agentivo, que representa los pasos que llevamos a cabo y su orden. Este marco agentivo representa esencialmente las listas de verificación que un oficial de cumplimiento sigue como parte de los procedimientos CIP del banco.
Una vez implementado, el agente de IA evalúa las coincidencias utilizando el contexto de múltiples fuentes de datos. Puede identificar automáticamente falsos positivos (como coincidencias de nombres con fechas de nacimiento que no coinciden).
Resultados: En las pruebas, Sardine pudo utilizar vías de resolución automatizadas para más del 50 % de los casos de incorporación. A medida que las personas sigan aprobando o rechazando estos casos, el modelo será cada vez más eficiente. Esto se traduce en una reducción del 75 % de la carga de trabajo de los casos “rutinarios”, en los que el resultado tenía una alta probabilidad de ser un falso positivo. Para las actualizaciones continuas de KYC (revisiones periódicas), el agente puede orientar al sector hacia “KYC perpetuo” – supervisar y actualizar continuamente los datos de los clientes en segundo plano, en lugar de realizar periódicamente proyectos de puesta al día o remediación.
2. Agente de evaluación de sanciones
Los nombres comunes como "John Doe" a menudo activan falsas alertas, lo que retrasa la incorporación. La IA de Sardine garantiza que los usuarios legítimos no queden atascados en colas de revisión manual.
Misión: Analiza rápidamente transacciones y clientes frente a listas de sanciones, PEP y medios adversos con mayor precisión y menos falsos positivos.
Proceso: El agente está entrenado en los procedimientos operativos estándar utilizados por los equipos de cumplimiento. Al revisar una alerta, un oficial de Cumplimiento puede tener una lista de verificación de las acciones que debe realizar:
- Comparar el nombre, la dirección y la fecha de nacimiento proporcionados durante el alta con el nombre que figura en un documento,
- asegúrate de que la edad del cliente cumpla con sus Términos de uso,
- traducir los nombres de idiomas extranjeros al inglés cuando sea necesario,
- comparar el estado y las direcciones del cliente con los resultados para asegurarse de que se trata de la misma persona, etc.
El Agente presenta sus hallazgos y deja su recomendación —Aceptar al Cliente, Rechazar al Cliente— para que el Oficial de Cumplimiento tome la decisión final.
Validación del modelo: La matriz de decisión utiliza el marco ADM para correlacionar las recomendaciones de la IA con los juicios del Oficial de Cumplimiento y, como tal, puede considerarse una validación de modelo dinámica.
Casos límite: Los oficiales de cumplimiento dedican la mayor parte de su tiempo a casos límite. Por ejemplo, un nombre común que usamos en las pruebas genera más de 60 coincidencias PEP y 1 coincidencia de sanciones. Sin embargo, esta coincidencia de sanciones lleva a una página de LinkedIn y a un artículo que indica que la persona con ese nombre ha fallecido (por lo que podemos descartar con confianza esa coincidencia de sanciones en particular). Estos son los tipos de recorridos de enlaces que nuestro marco agentivo puede descubrir y ejecutar automáticamente.
Resultados
- Sardine puede utilizar vías de resolución automatizadas para más del 50% de las sanciones. A medida que las personas sigan aprobando o rechazando estos casos, el modelo se volverá más eficiente.
- Una firma de inversión global que implementó este enfoque vio aumentar la productividad de sus analistas en un 80%, lo que les permitió centrarse en casos complejos que realmente requerían experiencia.
3. Agente de Riesgo de Comerciantes
A medida que más comercios entran en el mercado y pueden aceptar pagos con su dispositivo móvil actual, los procesos tradicionales de KYB no escalan para cubrir el riesgo. Los PSP y los adquirentes de comercios diseñaron sus sistemas para una escala mucho menor, y ese modelo debe evolucionar.
Misión: Automatizar la evaluación de riesgos y la supervisión continua de los clientes empresariales (comerciantes, socios fintech, etc.), especialmente para los riesgos de fraude y cumplimiento, en tiempo real
Proceso: Reúne datos sobre el negocio (registros, licencias, antecedentes de los propietarios, reputación comercial) y asigna una calificación de riesgo (por ejemplo, comerciante de riesgo bajo, medio o alto) basada en factores como el sector, las geografías de operación, los patrones de transacción previstos, etc. Señala características que puedan indicar que se trata de un comerciante fraudulento (por ejemplo, discrepancia entre el tipo de negocio declarado y el contenido del sitio web, o participación de geografías de alto riesgo). Luego supervisa en tiempo real las transacciones del comerciante después de la incorporación.
El Agente también resume las quejas. ¿Están enviando los pedidos a tiempo? ¿Están emitiendo los reembolsos correctamente? Conecta estos datos con la actividad de las transacciones para detectar indicios de lavado de transacciones y fraude por colusión, como cuando los comercios pasan miles de tarjetas robadas para desviar fondos.
Agentes que cumplen con Fair Lending, BSA/AML y SR 11-7
En Estados Unidos, los reguladores bancarios y los organismos de supervisión —incluida la Office of the Comptroller of the Currency (OCC), la Reserva Federal (Fed), la Federal Deposit Insurance Corporation (FDIC) y la Financial Crimes Enforcement Network (FinCEN)— establecen expectativas claras sobre el uso de la tecnología en materia de cumplimiento normativo. Un pilar fundamental es la guía de supervisión conjunta Fed/OCC SR 11-7, que establece un marco integral de gestión del riesgo de modelos. La SR 11-7 se aplica a todos los modelos (incluidos los modelos de IA/ML) utilizados por los bancos y exige una gobernanza, validación y controles sólidos para gestionar el riesgo de errores o uso indebido.
Además, las normas de préstamos justos se aplican a todas las decisiones de crédito cubiertas por la Ley Federal de Vivienda (FHA) y la Ley de Igualdad de Oportunidades de Crédito (ECOA).
En la práctica, esto significa que los bancos deben mantener rigurosos inventarios de modelos, documentación y supervisión para cualquier herramienta impulsada por IA, tal como lo hacen con los modelos tradicionales, a fin de demostrar a los examinadores que “comprenden y controlan” el comportamiento de su IA.
Estas áreas a menudo se traducen en preguntas habituales de debida diligencia que los bancos plantean a los proveedores de IA:
- ¿Qué tan transparentes son las decisiones del modelo?
- ¿Con qué datos fue entrenado y podrían esos datos introducir sesgos?
- ¿Cómo se supervisará y actualizará el modelo con el tiempo?
Los reguladores quieren tener la seguridad de que las instituciones financieras puedan responder a estas preguntas y cuenten con los controles adecuados antes de implementar la IA a gran escala. Se espera que los bancos apliquen una validación independiente de los modelos, pruebas rigurosas y un monitoreo continuo del desempeño de los sistemas de IA.
Por ejemplo, antes de poner en producción un “agente de cumplimiento de IA”, los bancos deben hacer que partes calificadas revisen su diseño y sus supuestos para “cuestionar de forma efectiva” el modelo y verificar que funcione según lo previsto. Todos los resultados del modelo y sus limitaciones deben documentarse en detalle y contar con una clara trazabilidad para auditoría.
La SR 11-7 exige explícitamente una documentación exhaustiva de modo que incluso alguien que no esté familiarizado con el modelo pueda entender su propósito, funcionamiento y limitaciones. De forma alentadora, los reguladores federales han señalado que los enfoques innovadores “pueden fortalecer el cumplimiento de BSA/AML” y hacer un mejor uso de los recursos (Declaración conjunta sobre esfuerzos innovadores para combatir el lavado de dinero y la financiación del terrorismo). Incluso aclararon que los programas piloto que utilizan IA no recibirán automáticamente críticas “incluso si los programas piloto finalmente resultan fallidos” siempre que el banco siga cumpliendo con sus obligaciones.
Implemente hoy mismo los agentes de IA de Sardine
El enfoque tradicional del cumplimiento normativo, que consiste en destinar más recursos al problema, es insostenible. El Modelo de Defensa con Agentes ofrece una vía probada para avanzar, combinando la experiencia humana con las capacidades de la IA para acelerar los ingresos mientras se refuerzan los controles.
El éxito requiere:
- Visión estratégica clara
- Alineación de las partes interesadas
- Implementación disciplinada
- Mentalidad de mejora continua
La evidencia es clara: las instituciones que adoptan el marco ADM obtienen una ventaja competitiva gracias a una realización de ingresos más rápida, una gestión de riesgos más sólida y una mejor experiencia del cliente. La pregunta ya no es si se debe adoptar la IA en el ámbito del cumplimiento normativo, sino con qué rapidez se puede iniciar el camino.
Quienes se muevan primero establecerán el estándar para la industria. Quienes esperen corren el riesgo de quedarse atrás de forma permanente. El momento de actuar es ahora.