IA, AML 7 minutos de lectura
De «configurarlo y olvidarse» a los sistemas vivos: John Wiethorn, de Gusto, comparte su estrategia de IA para la lucha contra el lavado de dinero
John Wiethorn es una figura destacada en el ámbito del cumplimiento normativo contra los delitos financieros, conocido por desarrollar programas contra el fraude y de lucha contra el lavado de dinero basados en inteligencia artificial que mantienen su rigor incluso a gran escala. En Gusto, John lidera la lucha contra los delitos financieros con una filosofía clara: proporcionar a los investigadores herramientas que revelen el contexto adecuado en el momento oportuno, eliminen la sobrecarga operativa y mantengan las defensas en constante mejora como un sistema vivo.
En una conversación con Maximilian Eber, cofundador y director de tecnología (CPTO) de Taktile, John comparte cómo es, en la práctica, dirigir una unidad de lucha contra el crimen financiero que utiliza inteligencia artificial. Explica cómo la IA puede eliminar las dificultades en las investigaciones, complementar los controles basados en reglas al detectar «elementos desconocidos» y ayudar a los equipos a adaptarse a las tácticas de fraude en constante evolución.
Permitir que los equipos de lucha contra el fraude y el lavado de dinero investiguen más a fondo con la IA
«Si logras que los investigadores pasen de recopilar datos a analizarlos», dice John, «básicamente les estás dando superpoderes».
Esa idea define la forma en que el equipo de John aborda la inteligencia artificial en Gusto.
Explica: «Lo más importante que podemos hacer es reducir las tareas administrativas tediosas, por lo que utilizamos la inteligencia artificial para encargarse de tareas manuales como la recopilación de datos y la recuperación de archivos».
Para los equipos que manejan grandes volúmenes y se enfrentan a miles de alertas, esta es la diferencia entre pasar horas recopilando información contextual y dedicar solo unos minutos a tomar la decisión final sobre qué es fraudulento y qué no.
«[La IA] permite que nuestras investigaciones sean más rápidas, más exhaustivas y más profundas de lo que permitiría el trabajo manual».
Al eliminar el trabajo manual, sostiene John, los investigadores pueden profundizar más. «La IA les brinda a nuestros expertos en la materia toda la información que necesitan. Eso permite que nuestras investigaciones sean más rápidas, más exhaustivas y más profundas de lo que permitiría el trabajo manual».
«Mi filosofía fundamental es que los mejores investigadores merecen las mejores herramientas», destaca John. «No vemos a la IA como un sustituto del juicio humano, sino como un mecanismo para eliminar las fricciones».
Recibe las últimas novedades sobre la inteligencia artificial en los servicios financieros, directamente en tu bandeja de entrada.
El uso de la inteligencia artificial para mejorar los sistemas tradicionales basados en reglas
Para John, el valor de la IA no radica únicamente en reducir el trabajo manual; también puede ayudar a los equipos a identificar patrones dinámicos de delitos financieros que los controles estáticos no están diseñados para detectar.
«La IA puede detectar lo desconocido», dice John cuando se le pregunta cómo la IA y los sistemas basados en reglas trabajan juntos para fortalecer la cobertura contra el lavado de dinero. «[Puede detectar] las anomalías en las reglas estáticas, o los casos en que a las reglas estáticas les faltan elementos».
Aun así, el reconocimiento de patrones de la IA no hace que los controles tradicionales queden obsoletos, explica John. «Dado que la delincuencia [financiera] está en constante evolución, un modelo de IA nunca está realmente terminado. Si eliminas las reglas estáticas de tus controles, corres el riesgo de pasar por alto oportunidades muy fáciles de detectar que deberías haber identificado».
Las reglas siguen siendo útiles, especialmente para tipologías conocidas que no deberían pasar desapercibidas debido a umbrales cambiantes o a la «deriva del modelo», que es la disminución gradual en el desempeño de un modelo de IA a medida que los patrones del mundo real se alejan de sus datos de entrenamiento. John señala: «A veces tendrás reglas estáticas que dicen “si x, entonces y”, y seguirán siendo realmente efectivas para detectar tipologías conocidas».
La conclusión es una defensa en varias capas: mantén reglas para detectar los patrones que ya conoces y usa la IA para identificar aquellos que aún están surgiendo.
El fraude está en constante evolución, y lo mismo debería ocurrir con tus equipos y tu tecnología
John también destaca un cambio de mentalidad más amplio en torno a la IA en el ámbito de la prevención del lavado de dinero: los equipos deben considerar los controles contra el fraude como un sistema que debe mantenerse de manera continua.
«Creo que el malentendido más común es la falacia de “configurarlo y olvidarse”. [...] Con un sistema de prevención de lavado de dinero, implementar una nueva regla es solo el comienzo».
Como explica John, esto se debe a que los delincuentes pueden llegar a conocer los límites de tu sistema. A menudo, prueban qué es lo que se detecta y qué es lo que pasa desapercibido, y luego reajustan su estrategia. En respuesta a esto, John define la automatización exitosa como un proceso de ajuste continuo, en lugar de una implementación única.
«Entendemos la automatización como la automatización de partes de un sistema vivo que requiere una iteración constante».
En Gusto, el trabajo se basa en la experimentación y la validación continuas, no en una lista de tareas trimestral. «Estamos constantemente probando y ajustando reglas: pruebas «por encima de la línea», pruebas «por debajo de la línea» y pruebas de validación de modelos».
Y, en opinión de John, nada de eso es posible si el sistema no está a cargo de las personas adecuadas de principio a fin.
«Lo importante es la gente, no las plataformas», dice. «Creo que, en última instancia, el éxito depende del talento. Puedes comprar el mejor software, pero sin las personas adecuadas, el programa va a fallar siempre».
¿Qué será lo próximo que cambiará la IA en la lucha contra el lavado de dinero?
De cara al futuro, John espera que la inteligencia artificial se convierta en la columna vertebral operativa de los programas de prevención del lavado de dinero. Las instituciones financieras pueden utilizar la inteligencia artificial no solo para mejorar la detección, sino también para transformar la forma en que los equipos investigan, documentan y supervisan la calidad de las decisiones en el día a día.
También cree que la adopción de la IA no seguirá siendo opcional por mucho tiempo, sobre todo a medida que se vaya integrando en toda la economía.
«Creo que los reguladores van a pasar de una postura más de observación a ofrecer orientaciones más específicas sobre el uso de la IA. Ya estamos empezando a ver eso».
Esta tendencia ya se observa en la forma en que las expectativas de riesgo de los modelos se están extendiendo a las funciones de cumplimiento. Por ejemplo, los marcos de la norma SR 11-7 se aplican cada vez más a los sistemas de lucha contra el lavado de dinero, lo que impulsa a los equipos a adoptar una gobernanza y una validación más sólidas para los controles basados en inteligencia artificial.
Además, en un mundo en el que los atacantes cuentan con herramientas de IA, los equipos que carecen de ellas se convierten en el camino de menor resistencia. John lo explica de manera sencilla:
«Creo que las empresas que no aprovechen estas herramientas se quedarán atrás [...] Eres un blanco muy atractivo para los delincuentes porque no cuentas con esas defensas».
El mensaje de John es claro: el futuro del cumplimiento normativo en materia de delitos financieros no es ni totalmente automatizado ni totalmente manual. Está dirigido por expertos, potenciado por la inteligencia artificial y diseñado para evolucionar.
Líderes como John están definiendo cómo deben ser los programas modernos de lucha contra el delito financiero a medida que la inteligencia artificial evoluciona rápidamente. Nos entusiasma ver cómo John y otros responsables de cumplimiento normativo siguen traduciendo los avances en inteligencia artificial en controles más sólidos e investigaciones más rápidas.
