Os falsos positivos na triagem de sanções consomem recursos de conformidade que poderiam ser melhor aproveitados na investigação de riscos reais. Quando as equipes de conformidade ficam sobrecarregadas por alertas de baixa qualidade, os agentes mal-intencionados mais sofisticados muitas vezes passam despercebidos pelos processos de due diligence.
Orientações regulatórias recentes enfatizam a importância de programas de triagem eficientes. Em várias ações de fiscalização relevantes nos últimos anos, incluindo os acordos da OFAC em 2023, os reguladores destacaram especificamente como sistemas de triagem inadequados levaram a:
- Oportunidades de interdição perdidas devido à fadiga de alertas
- Identificação tardia de acertos reais
- Alocação insuficiente de recursos para casos de alto risco
Falsos positivos podem ser o maior risco para a execução de um programa eficaz de triagem de sanções.
É assim que pensamos sobre isso:
Falsos positivos geram trabalho manual para os responsáveis pela conformidade
Quando 95% desse trabalho é um falso alarme, 95% do esforço manual é desperdiçado.
Quando uma alta porcentagem de alertas são falsos alarmes, um esforço manual significativo é direcionado para análises não produtivas.
Esta é a realidade para a maioria dos responsáveis e agentes de conformidade hoje, porque estamos vivendo uma avalanche de alertas. Desde que a Rússia invadiu a Ucrânia, a escala e a velocidade com que novos nomes são adicionados a listas de vigilância como OFAC, EEAS e OFSI têm sido sem precedentes.
Os analistas de compliance são obrigados a fazer consultas reversas ao CIP dos clientes e a dados adjacentes (como data de nascimento, endereço, correspondência entre nome completo e apelido, etc.). Muitos desses alertas são falsos positivos, o que leva ao esgotamento e à frustração. Para agravar tudo isso, as equipes de compliance não contam com suporte de engenharia dedicado para atualizar o sistema legado, de modo que a solução acaba sendo criar alertas em torno de sistemas deficientes.
Sistemas legados têm dificuldade em realizar detecções precisas
O seu sistema atual pode estar gerando um número excessivo de falsos positivos porque depende de algoritmos de correspondência simplificados e de entradas de dados limitadas. Esses sistemas geralmente carecem de consciência contextual, compreensão de variações culturais de nomes e da capacidade de ponderar múltiplos fatores de risco simultaneamente.
Isso não apenas consome o tempo da sua equipe com falsos alertas, como também mantém o risco de perder correspondências verdadeiras – a famosa agulha no palheiro. O receio é deixar passar verdadeiros positivos. As consequências de falhas em BSA/AML são multas que podem chegar a bilhões de dólares, danos à reputação e até ordens de consentimento que impedem um banco de abrir novas contas. Muitas vezes a resposta é aumentar o número de funcionários, mas mesmo assim é apenas uma solução temporária.
Os sistemas legados muitas vezes geram um alerta com base em lógica, como uma correspondência aproximada de nome ou até um nome associado a uma região geográfica. Consultar isso em relação aos dados de CIP pode levar horas, especialmente se estiver em um sistema separado, se forem usados apelidos ou se as principais informações pessoais identificáveis (PII) não corresponderem de forma precisa. As equipes de compliance estão tentando combater o tráfico de pessoas, o comércio de armas e o terrorismo patrocinado por Estados usando planilhas e sistemas legados. Isso não é suficiente.
Os passos para reduzir falsos positivos são:
- Crie um programa que possa ser rapidamente adaptado e bem documentado
- É baseado em risco e capaz de gerar alertas relacionados a perfis e fatores de risco
- Ter uma estrutura de governança que revise, teste e supervisione o programa regularmente
- Aproveitar dados melhores, automação e agentes de IA para reduzir falsos positivos
- Mensurar a eficácia dos seus programas de conformidade
1. Crie um programa de sanções que possa ser rapidamente documentado e adaptado
As instituições financeiras enfrentam obrigações de conformidade com sanções cada vez mais complexas, de acordo com os requisitos de BSA/AML, as diretrizes do OFAC e outros arcabouços regulatórios. Ações recentes de fiscalização destacaram a necessidade de programas robustos de triagem que possam:
- Demonstrar uma abordagem baseada em risco alinhada às expectativas regulatórias
- Manter documentação detalhada das metodologias de triagem
- Garantir a aplicação consistente das regras de triagem em todas as linhas de negócio
- Fornecer trilhas de auditoria claras para inspeções regulatórias
- Permitir rápida adaptação às novas orientações e exigências regulatórias
Software moderno de AML pode resolver esse desafio por meio de recursos de documentação que registram e marcam com carimbo de data e hora cada regra de triagem, ajuste de parâmetros e alteração nas regras, criando um rastro de auditoria continuamente atualizado que atende às exigências dos reguladores.
2. Foque em uma priorização de alertas mais dinâmica
O risco decorrente de sanções é muito maior do que apenas o nome de um usuário, e vários fatores podem contribuir para esse risco. Assim, os alertas devem ser configurados para capturar esses dados. As principais instituições financeiras estão indo além da simples correspondência de nomes para implementar programas sofisticados de triagem baseada em risco que consideram:
- Perfis de risco dos clientes e segmentação
- Exposição ao risco geográfico
- Fatores de risco de produtos e serviços
- Padrões e volumes de transações
- Duração e histórico do relacionamento
Ao avaliar tecnologias de triagem de sanções, os líderes de compliance devem buscar soluções que se adaptem dinamicamente a:
- Tipologias emergentes na evasão de sanções
- Análise de rede de partes relacionadas
- Padrões de comportamento em diferentes corredores de transações
- Mudanças em tempo real nos fatores de risco
Essa abordagem multifatorial ajuda a priorizar os alertas com base no risco real, em vez de em correspondências superficiais.
3. Construa uma Estrutura de Governança Robusta
Programas eficazes de triagem de sanções exigem estruturas de governança sólidas:
- Papéis e responsabilidades claros em todas as três linhas de defesa
- Procedimentos de escalonamento documentados para possíveis correspondências
- Testes e validação regulares dos sistemas de triagem
- Programas abrangentes de treinamento para a equipe de compliance
- Testes e validações independentes periódicos
- Supervisão do conselho e da alta administração
Um sólido framework de governança impacta diretamente as taxas de falsos positivos ao garantir a tomada de decisão consistente, criar ciclos de feedback para a melhoria do sistema e manter o controle de qualidade sobre as disposições de alertas.
Supondo que você já tenha as três primeiras etapas implementadas, então podemos incorporar a tecnologia.
4. Melhore os dados e a tecnologia
Três abordagens tecnológicas principais reduzem falsos positivos:
- Dados em tempo real de mais fontes reduziram os falsos positivos
- Resumos automatizados de alertas reduzem o trabalho manual
- Pré-decisão de agentes de IA para evitar trabalhar em falsos positivos óbvios
Veja como funciona 👇
4.1: Dados em tempo real reduzem falsos positivos
Com os dados certos como base da pirâmide, podemos obter avaliações muito mais precisas de um alerta:
- Dados de origem em tempo real para ajudar a identificar verdadeiros positivos mais cedo. Idealmente, esses dados são obtidos pelo menos diariamente, se não de hora em hora. Muitas vezes, as fontes de dados subjacentes são estáticas (sem webhooks, infelizmente), então muitos sistemas legados coletam as informações em lote ou correm para adicionar novos nomes quando eles são anunciados.
- Enriqueça os alertas com dados de terceiros.Aprimore os dados dos alertas com listas de observação de terceiros, consórcios de dados e provedores de dados para dar mais contexto a um alerta caso ele se torne uma investigação ou precise ser decidido automaticamente. Inclua os beneficiários finais (UBOs) da empresa, seus registros societários e quaisquer dados relevantes de mídia ou de tribunais, e você começará a construir um quadro mais completo.
- Use dados rotulados para fornecer contexto essencial às suas regras, modelos e agentes de compliance. Por exemplo, simplesmente saber se uma transação está usando um nome legal, apelido ou alcunha pode ser fundamental para ajudar a corresponder um indivíduo aos seus dados de CIP. Os sistemas legados foram construídos quando o armazenamento de dados e as capacidades de rede eram limitados, por isso muitas vezes não carregam muito contexto sobre um usuário. Podemos adicionar esse contexto ao alerta para que um gerente de casos o analise.
- Meça a eficácia dos alertas por meio de testes constantes. Testes e avaliações constantes ajudam a medir e melhorar a precisão de nossos sistemas automatizados de triagem. Ao executar milhares de casos de teste por meio de estruturas de avaliação, podemos quantificar as taxas de falsos positivos, a precisão da detecção e casos extremos com backtesting.
4.2: Automatize os resumos de alertas para melhores revisões
Atualmente, o painel da Sardine oferece aos analistas uma visão completa de um alerta por meio deste processo:
- Obter dados CIP: cruzar automaticamente, em tempo real (no painel da Sardine), os dados do programa de identificação de clientes (CIP) com os registros da lista de observação. Isso inclui não apenas a correspondência de nomes, mas também de datas de nascimento, endereços, números de identificação e outros identificadores-chave que podem ajudar a confirmar ou descartar correspondências reais.
- Compare com a transação: aproveite algoritmos avançados de correspondência aproximada que entendem variações comuns de nomes, transliterações e convenções de nomenclatura em diferentes culturas. Nosso sistema consegue diferenciar nomes visualmente semelhantes ao considerar todo o contexto da transação e do perfil do cliente.
- Avalie as regras de alto risco que foram acionadas: avalie a combinação específica de fatores de risco que dispararam o alerta. Isso inclui analisar se múltiplos indicadores de risco independentes estão presentes (como risco geográfico + correspondência de nome + padrão de transação incomum) em comparação com correspondências de fator único, que têm maior probabilidade de serem falsos positivos.
4.3: Agentes de IA ajudam a verificar identidades e resolver alertas
A Sardine oferece Agentes de IA que podem, de forma automática, cruzar informações de clientes com múltiplas fontes de dados para avaliar se os alertas são realmente correspondências verdadeiras. Eles agilizam a parte mais demorada da triagem de sanções, como a resolução de entidades.
Digamos que nosso agente esteja analisando um alerta. Ele verificará se os documentos de KYC correspondem aos dados de transação e identificará quando regras de alto risco forem acionadas (como divergências de data de nascimento). Com base em suas conclusões, ele pode recomendar adicionar o usuário a uma blocklist/allowlist ou sugerir etapas adicionais de verificação.
No nosso whitepaper "The Agentic Oversight Framework", discutimos estudos de caso reais em que nossos agentes de IA alcançaram 100% de precisão em aprovações de onboarding, ao mesmo tempo reduzindo o tempo de análise de sanções de 5–20 minutos para apenas 30 segundos.
5. Medindo a Eficácia do Programa de Conformidade (KPIs)
A maioria dos programas de compliance acompanha esses KPIs, mas poder automatizá-los é fundamental. A Sardine fornece esse contexto em um painel.
- Taxas de falsos positivos por canal e segmento de clientes
- Tempos de processamento de alertas e tendências de backlog
- Resultados de garantia de qualidade e taxas de erro
- Métricas de desempenho do sistema e tempo de atividade
- Produtividade da equipe e utilização da capacidade.
Além disso, todos os modelos de ML e IA devem ser capazes de explicar a importância das variáveis sempre que possível. Se você consegue medir o seu programa, então também precisa ser capaz de ajustá‑lo rapidamente, de preferência em tempo real, à medida que novas ameaças surgem diariamente.
Capacite sua equipe de compliance
Sua equipe de compliance é a barreira entre sua instituição e riscos regulatórios significativos.
Nós poupamos tempo e frustração dos analistas, para que eles possam trabalhar nos casos que realmente importam.
A solução da Sardine se integra à sua infraestrutura existente para proporcionar ganhos imediatos de eficiência, ao mesmo tempo em que apoia sua estratégia de modernização de conformidade a longo prazo.
Nós economizamos seu tempo e dinheiro e colocamos seus recursos em melhor uso.
Nossos agentes podem trabalhar em conjunto com a sua pilha de tecnologia e sistemas atuais e gerar resultados imediatos hoje, preparando a transformação para amanhã. Quer uma solução que não seja simplesmente contratar mais pessoas ou substituir completamente a sua pilha de tecnologia?
Estamos aqui quando você precisar de nós.
Perguntas frequentes sobre triagem de sanções
Como posso determinar se o meu sistema atual de triagem de sanções está gerando falsos positivos em excesso?
Acompanhe a proporção entre alertas e investigações e os tempos de resolução. Se a sua equipe de compliance estiver gastando mais de 5 a 10 minutos por alerta e classificando menos de 10% como correspondências verdadeiras, é provável que o seu sistema precise de otimização. A maioria das instituições financeiras apresenta taxas de falsos positivos entre 90% e 95%, o que indica uma margem significativa para melhorias.
Quais fatores mais contribuem para alertas de falsos positivos na triagem de sanções?
Os principais fatores que contribuem para isso são algoritmos simplistas de correspondência de nomes, falta de integração de dados contextuais, incapacidade de compreender variações culturais de nomes e sistemas estáticos baseados em regras que não conseguem se adaptar a novos padrões de risco. Sistemas legados frequentemente disparam alertas apenas com base na similaridade de nomes, sem considerar outros fatores de identificação.
Como posso melhorar a triagem de sanções sem substituir toda a minha stack de tecnologia?
Comece enriquecendo seus alertas com fontes de dados adicionais, implementando a priorização de alertas baseada em risco, fortalecendo sua estrutura de governança com procedimentos claros de escalonamento e incorporando camadas de revisão assistida por IA. Essas melhorias podem funcionar com seus sistemas existentes, ao mesmo tempo em que reduzem significativamente os falsos positivos.
Quais métricas devo acompanhar para demonstrar a eficácia da triagem de sanções aos reguladores?
Os principais indicadores incluem taxas de falsos positivos por canal e segmento de clientes, tempos de processamento de alertas e tendências de backlog, resultados de garantia de qualidade, incluindo taxas de erro, métricas de desempenho do sistema e produtividade da equipe. Esses KPIs demonstram tanto a eficácia quanto a eficiência para os examinadores regulatórios.
Como a tecnologia moderna pode reduzir o tempo gasto na revisão de alertas de sanções?
Tecnologias como resumos automatizados de alertas, integração de dados em tempo real e revisão assistida por IA podem reduzir o tempo típico de análise de 5–20 minutos para menos de um minuto por alerta. Essas soluções fazem automaticamente a correlação entre múltiplas fontes de dados, avaliam fatores contextuais e apresentam pacotes de evidências claros aos responsáveis de compliance para a decisão final.