Elija formas inteligentes de combatir los delitos financieros con un marco de código bajo

Los volúmenes acelerados de transacciones digitales y el comportamiento cambiante de los clientes posterior a la pandemia han puesto al sector de los servicios financieros bajo presión para aumentar su enfoque en el riesgo y el cumplimiento. Además, los riesgos emergentes han agravado los problemas relacionados con el cumplimiento contra el blanqueo de dinero (AML). Dado que los delincuentes utilizan formas cada vez más singulares de blanqueo de dinero, es necesario aumentar los esfuerzos para combatirlo. Además, debido a las expectativas regulatorias que cambian con frecuencia, a los bancos les resulta difícil mantener la eficacia de sus programas de cumplimiento AML, que los protegen de estas actividades de blanqueo de dinero cada vez más complejas. En una investigación realizada por Fenergo, las instituciones financieras incurrieron en multas por un total de de 10 400 millones de dólares en 2020¹ por infracciones de datos y fallos de cumplimiento relacionados con AML, conocimiento del cliente (KYC) e infracciones de la directiva de instrumentos financieros en mercados (MiFID). La estrategia actual adoptada por las instituciones financieras, a pesar de ser extensa y costosa, se centra en el cumplimiento normativo y no en identificar e interceptar delitos financieros. Como resultado, las organizaciones financieras están sujetas al pago de enormes multas.

Según Deloitte², anualmente se blanquea entre el dos y el cinco por ciento del PIB mundial, equivalente a 2 billones de dólares. Las autoridades interceptan menos del uno por ciento del importe blanqueado, lo que apunta a una desconexión entre las instituciones financieras (facilitadoras de dichas transacciones financieras) y las agencias de cumplimiento (que trabajan en base a información recopilada de varias agencias, incluidos bancos e instituciones financieras) para detectar e interceptar delitos financieros.

Sin embargo, en el pasado reciente, las instituciones financieras, las agencias de cumplimiento y los reguladores han tratado de desarrollar mecanismos a nivel mundial, regional y local. Esta estrategia permite una mejor colaboración e intercambio de información financiera. También nos permite detectar e interceptar un delito financiero de forma temprana e inteligente, incluso antes de que prolifere dentro del sistema. La iniciativa de intercambio colaborativo de información y casos de blanqueo de dinero/financiación del terrorismo (ML/TF) (COSMIC) de la Autoridad Monetaria de Singapur (MAS) es un ejemplo de ello. COSMIC permitirá a las instituciones financieras consultar y alertarse entre sí de posibles comportamientos ilícitos y permitirá que la MAS, las agencias de aplicación de la ley y las instituciones financieras actúen temprano para desmontar las redes criminales.

Unos sólidos sistemas de tecnología de la información (TI) siempre han sido fundamentales para el cumplimiento de AML. Incluso los bancos han aumentado sus inversiones en sistemas automatizados para el seguimiento de transacciones y la detección de sanciones a lo largo de los años. Sin embargo, es posible que estas inversiones no hayan dado el resultado deseado. Durante el recorrido de extremo a extremo de la transacción, entran en juego muchos procesos manuales, funciones, fuentes de datos y aplicaciones dispares. Esta complejidad, que es inflexible, crea desafíos para las organizaciones que resultan en retrasos, errores y una mala experiencia del cliente. Por lo tanto, conduce a un cumplimiento deficiente, mayores costes, pérdida de credibilidad y una mala experiencia del cliente

En múltiples trabajos de investigación, los tres puntos débiles más importantes a los que se enfrenta actualmente el sector financiero en el área KYC/AML son:

• Calidad de los datos
• Eficacia de los sistemas de seguimiento de transacciones
• Naturaleza manual de las evaluaciones de riesgos

Calidad de los datos

Desde una perspectiva de cumplimiento, los bancos y las organizaciones de servicios financieros a menudo carecen de visibilidad, controles y gobernanza. Como resultado, estas instituciones tienen una audibilidad limitada con respecto a las obligaciones AML y KYC. La razón principal de esta limitación es la incapacidad de consolidar todos los datos dispares necesarios para las evaluaciones de riesgo de KYC, AML, fraude y delitos financieros. No se puede negar que la consolidación de datos dispares es compleja y tediosa, ya que requiere múltiples interacciones con fuentes de datos dispersas. Incluso en la economía digital actual, muchas instituciones financieras y datos internos o de terceros están dispersos en sistemas aislados que requieren intervención manual. La mala gestión de dichos datos a menudo conduce a inconsistencias, errores y pasos omitidos.

Eficacia de los sistemas de seguimiento de transacciones

La efectividad de cualquier herramienta de supervisión de transacciones AML depende de la calidad de los datos que se introducen en la herramienta. Desafortunadamente, los bancos se enfrentan a dos desafíos principales en ese frente. El primero es introducir los datos en un formato inapropiado en el sistema de supervisión de transacciones que no cumple con los requisitos de cumplimiento AML/KYC. El segundo problema surge una vez que los datos provienen de múltiples sistemas. A medida que los datos viajan a través de un proceso interno, esto lleva a posibles cambios en la composición de los datos cuando llegan al sistema de supervisión de transacciones. Además de los datos, muchas instituciones financieras no están satisfechas con la eficacia de los algoritmos de lógica difusa implementados por algunos de los sistemas de supervisión de transacciones. Da como resultado muchos falsos positivos, lo que genera costes y gastos generales operativos.

Naturaleza manual de las evaluaciones de riesgos

La naturaleza manual de la evaluación de riesgos está entrelazada y forma parte de todos los demás puntos débiles enumerados anteriormente. Ninguna de las organizaciones ha implementado ningún grado de automatización, lo cual supone un gran desafío para las instituciones financieras en este espacio. Todo, desde la exploración del horizonte hasta la documentación de amenazas, riesgos y controles relevantes para trabajar con cálculos de riesgo y presentar resultados relevantes, se realiza manualmente. Las empresas de servicios financieros ahora saben que los niveles de personal requeridos para clasificar y atender hasta un 90 por ciento más la tasa de detección de falsos positivos son insostenibles. Hace muy poco se han implementado la IA y el aprendizaje automático (ML) en los bancos para la detección de delitos financieros, lo que genera menos falsos positivos. Aunque los sistemas de detección mejoran y producen menos falsos positivos, parte del proceso de investigación sigue siendo en gran medida manual. Pero eso no es todo. La situación empeora si tenemos en cuenta los efectos de sistemas de detección dispares con diferentes niveles de automatización en los flujos de trabajo de gestión de casos. Esto lleva a una experiencia de usuario inconsistente para los empleados responsables de estos resultados.

Estos desafíos no solo lastran a las instituciones financieras en cuanto al mayor coste de las operaciones, el incumplimiento, la baja moral de los empleados y la ineficacia en la evaluación y detección de delitos financieros; sino también en lo que respecta a multas regulatorias, pérdida de reputación, atracción de talento e inversión en iniciativas futuras. Entonces, la pregunta sigue siendo, ¿cómo pueden los bancos combatir estos delitos financieros?

Un marco de código bajo para investigaciones de delitos financieros

En los últimos años, las instituciones financieras han invertido mucho en sistemas mejorados de supervisión de transacciones aprovechando las capacidades de fintech que se especializan en IA y ML. Las instituciones financieras utilizan la mejor estrategia de su clase que combina inversiones en sistemas heredados con tecnologías más modernas basadas en IA. Sin embargo, los bancos pueden ir un paso más allá y mejorar la precisión y rentabilidad del proceso de investigación. Pueden lograrlo aprovechando el resultado de detección de múltiples sistemas de supervisión de transacciones y combinándolo con un flujo de trabajo unificado y un sistema de gestión de casos que está específicamente diseñado y construido para satisfacer las necesidades del proceso de investigación de delitos financieros.

Virtusa ha diseñado y construido un marco de código bajo para la investigación de delitos financieros. Las plataformas de código bajo permiten a las organizaciones acelerar la entrega e implementación de aplicaciones y adaptarse y evolucionar para cumplir con los requisitos comerciales en constante evolución. Además, los procesos visuales utilizados para crear aplicaciones de código bajo sirven como un lenguaje común, lo que permite que los expertos en materia comercial y los expertos en implementación de proyectos colaboren más fácilmente. La creación de prototipos y la creación de aplicaciones se pueden hacer mucho más rápido. Los datos se pueden obtener automáticamente de múltiples sistemas y en cualquier formato que exista e incorporarse a la plataforma, lo que permite a los usuarios y la IA ejecutar procesos para completar tareas.

Funciones del marco

• Plataforma de código bajo: el marco se basa en una plataforma de código bajo para diseñar, desarrollar y probar la solución rápidamente
• Flujos de trabajo configurables: el marco se basa en una conocida plataforma de gestión de procesos comerciales (BPM) con flujos de trabajo configurables para adaptarse a las necesidades y requisitos comerciales cambiantes
• Adaptado a las investigaciones de delitos financieros: el marco está diseñado específicamente para la investigación de delitos financieros y los flujos de trabajo de gestión de casos
• Módulos de informes y administración incorporados: el marco tiene módulos de informes y administración incorporados para facilitar el uso y la posibilidad de reconfigurar
• Capacidad de integración: el marco se basa en una conocida plataforma BPM con capacidad de integración a múltiples sistemas anteriores y posteriores

El marco de investigación de delitos financieros de Virtusa tiene varias ventajas para las instituciones financieras:

• Proceso automatizado: el marco ayudará a automatizar los procesos de investigación manuales y fragmentados existentes, lo que llevará a una reducción del coste de las operaciones, una mayor productividad y mejores resultados
• Redirección y seguimiento inteligentes: el marco aprovecha la redirección y el seguimiento de casos inteligente para que no se infrinjan los acuerdos de nivel de servicio (SLA) y se generen las alertas necesarias a tiempo
• Consolidación de datos: el marco permitirá la consolidación de datos en múltiples sistemas durante el proceso de investigación para que haya una mejor visibilidad del riesgo general del cliente y se puedan tomar decisiones significativas
• Facilidad de integración: el marco se basa en tecnologías de flujo de trabajo de código bajo y puede integrarse con múltiples sistemas subyacentes para concluir de manera efectiva un flujo de transacción determinado por el ciclo de vida del procesamiento
• Alineación con iniciativas futuras: el marco está alineado con iniciativas futuras en el espacio de delitos financieros como COSMIC de MAS

En Virtusa, proporcionamos una plataforma de código bajo creada explícitamente para la investigación de delitos financieros. Nuestra plataforma ofrece una valiosa alternativa a las aplicaciones personalizadas y las soluciones comerciales de software listas para usar. Por lo tanto, ofrece a las organizaciones financieras una plataforma para crear aplicaciones utilizando modelos de procesos visuales y la funcionalidad de arrastrar y soltar. Acelera el ritmo de creación de aplicaciones porque el marco viene con varios bloques de creación de aplicaciones listos para usar, como IA, automatización de procesos robóticos (RPA), un motor de reglas, gestión de casos, flujo de trabajo e integración de datos. Otra ventaja clave es que las organizaciones financieras no necesitan meter todos sus datos en un nuevo modelo de datos propio. Los datos pueden obtenerse en cualquier formato en las aplicaciones existentes e incorporarse a la plataforma, lo que permite a los usuarios y a la IA ejecutar procesos para completar las tareas requeridas. Integra nuevas tecnologías y soluciones innovadoras, como IA, en los procesos AML y KYC de extremo a extremo. El marco de Virtusa ayudará a los bancos a reducir el coste de las operaciones mediante la automatización de sus complejos e interdependientes procesos de investigación de AML/KYC/Delitos financieros y permitirá un mejor cumplimiento y una mayor preparación para nuevas iniciativas en el espacio de Delitos financieros por parte de los reguladores en el futuro.

Referencia:

Emma Woollacott. “Las multas a bancos por filtraciones de datos e incumplimiento se multiplican por más de dos en 2020 | 31 de diciembre de 2020 | https://portswigger.net/daily-swig/fines-against-banks-for-data-breaches-and-noncompliance-more-than-doubled-in-2020#:~:text=Fines%20levied%20against%20financial%20firms,with%20penalties%20totalling%20%2410.4%20billion

Informe de la encuesta de preparación contra el blanqueo de dinero 2020 | https://www2.deloitte.com/content/dam/Deloitte/in/Documents/finance/Forensic/in-forensic-AML-Survey-report-2020-noexp.pdf