Inteligencia artificial: ¿villano o héroe de los crímenes financieros?

Desde hace décadas los delitos financieros impactan en instituciones y clientes de todo el mundo, ocasionando cuantiosas pérdidas monetarias. En este artículo hablaremos sobre cómo la inteligencia artificial se ve implicada también en este campo.

Los delitos financieros impactan en instituciones y clientes de todo el mundo, ocasionando cuantiosas pérdidas monetarias. En este artículo hablaremos sobre cómo la inteligencia artificial se ve implicada también en este campo.

Diversas transgresiones, como el hurto de identidad, el blanqueo de capitales, la replicación de tarjetas de crédito, el engaño corporativo y la financiación de actividades terroristas, son asuntos cotidianos que ocupan la atención de los departamentos de cumplimiento y riesgo en bancos, compañías de seguros, entidades de jubilación y firmas de inversión.

Numerosos actos ilícitos adoptan distintas modalidades en el ámbito financiero. En este contexto, los criminales financieros pueden consistir en clientes de estas instituciones que introducen fondos de origen ilegal en sus cuentas bancarias, para luego distribuirlos a otras cuentas y finalmente utilizarlos en actividades legítimas, lo cual se conoce como lavado de dinero.

Asimismo, los trabajadores de dichas instituciones podrían colaborar con los clientes, recibiendo una comisión a cambio, para otorgar préstamos o hipotecas sin cumplir los requisitos.

Lee también Te presentamos 5 tips para pagar sin problema tu tarjeta si te excediste en compras

Métodos convencionales para identificar crímenes financieros

La identificación de actividades delictivas financieras se lleva a cabo una vez que los fondos se han incorporado al sistema. Normalmente, este proceso de identificación se realiza a nivel de transacciones, especialmente cuando un cliente genera sospechas debido a transacciones vinculadas con actividades criminales.

Sin embargo, no todas las transacciones realizadas por un mismo cliente necesariamente guardan relación con actividades delictivas.

Las operaciones efectuadas pueden abarcar depósitos, retiros, pagos de préstamos, adquisición de acciones, percepción de salarios, transferencias internacionales, aportes a cuentas de ahorro y jubilación, entre otros. Estos movimientos se cuentan por millones y algunos podrían estar ligados a conductas inapropiadas.

Sistema lógico de detección

La identificación de actividades delictivas financieras se lleva a cabo una vez que los fondos se han incorporado al sistema.

Normalmente, este proceso de identificación se realiza a nivel de transacciones, especialmente cuando un cliente genera sospechas debido a transacciones vinculadas con actividades criminales.

Sin embargo, no todas las transacciones realizadas por un mismo cliente necesariamente guardan relación con actividades delictivas.

Las operaciones efectuadas pueden abarcar depósitos, retiros, pagos de préstamos, adquisición de acciones, percepción de salarios, transferencias internacionales, aportes a cuentas de ahorro y jubilación, entre otros. Estos movimientos se cuentan por millones y algunos podrían estar ligados a conductas inapropiadas.

Lee también ¿Cómo lograr un historial crediticio sin manchas? Te damos seis consejos prácticos

La IA como alternativa a los métodos tradicionales

El criminal es un individuo inteligente que utiliza ciertas técnicas para cometer un crimen. Es capaz de aprender de los errores, adaptarse y cambiar su patrón de ejecución. Ante tal problemática, las instituciones necesitan responder con herramientas igual de inteligentes con capacidad de aprendizaje y adaptación.

Es aquí donde la inteligencia artificial aparece como opción factible.

Las metodologías de IA, que simulan el funcionamiento fisiológico del cerebro humano, y tratan de replicar sus procesos de aprendizaje, han mostrado excelente precisión en la detección de fraudes con tarjeta de crédito y cheques. Entre ellos:

• Los algoritmos de bosques aleatorios (random forest), un algoritmo de machine learning que combina la salida de varios árboles de decisiones para alcanzar un resultado único.

• La regresión logística, una técnica de análisis de datos que establece las relaciones entre dos factores de datos para luego predecir el valor de uno de esos factores basándose en el otro.

• Las máquinas de soporte, un conjunto de algoritmos de aprendizaje supervisado para la clasificación y regresión de datos.

Por otro lado, las técnicas de agrupamiento (clustering) y las redes neuronales han contribuido a una significativa disminución de los costes de investigación y falsos positivos en la detección de lavado de dinero y empresas fantasma en los sistemas financieros.

La inteligencia artificial ha llegado para quedarse y ser adoptada por las empresas que estén dispuestas a dar el salto tecnológico. Esto exige la inversión en nuevas plataformas en la nube y licencias de software diseñadas para el análisis eficiente de datos.

Autor: José de Jesús Rocha Salazar, María del Mar Camacho Miñano, María Jesús Segovia Vargas, Universidad Complutense de Madrid

Lee el artículo original Universidad Complutense de Madrid