El presidente del comité de lavado de activos de la Asociación de Bancos Múltiples (ABA), Ramón Guzmán, resalta el uso del “machine learning” en la lucha contra el lavado de activos. Señala que esta herramienta, que es una rama de la inteligencia artificial que utiliza estadísticas para predecir y reconocer patrones, puede permitirles a los bancos el monitoreo y análisis de grandes volúmenes de transacciones de manera eficiente, lo que mejora considerablemente la capacidad de detectar operaciones sospechosas.
En su exponencia “Revolucionando el monitoreo transaccional: Implementación de machine learning en la gestión del riesgo PLAFT”, Guzmán subrayó que el mayor reto es contar con datos suficientes y confiables. “El proceso de identificar y preparar la data para tomar buenas decisiones es el mayor obstáculo”, dijo durante el III Congreso Latinoamericano de Prevención del Lavado de Activos y Financiamiento del Terrorismo.
En el evento, celebrado por la ABA, el ejecutivo compartió su experiencia utilizando esta tecnología, e indicó la carga de atención de alerta por parte de los analistas humanos se redujo un 62%, así como un 95% de rigor y un 94% de la exactitud en la predicción del algoritmo en este 2024. Puntualizó, además, que la inteligencia artificial y su integración en todos los campos de la vida humana “no es el futuro, es la realidad en la que vivimos”.
Destacó la importancia de desarrollar los procesos con el uso de la tecnología siguiendo los lineamientos éticos, evitando sesgos y utilizando metodologías aprobadas. De igual forma, enfatizó la importancia de avanzar de manera gradual, probando y ajustando lo que funciona y lo que no, para tomar las decisiones acertadas.
En cuanto a la prevención del lavado de activos, señaló que las instituciones no pueden quedarse atrás ante la tendencia global, asegurando que su adopción es fundamental para mejorar la eficiencia y precisión en la detección de actividades ilícitas.
