Software Comarch Anti-Money Laundering

Comarch Anti-Money Laundering (CAML) es un software de detección de fraude dedicado a las instituciones financieras obligadas a controlar, investigar e informar sobre transacciones de naturaleza sospechosa a las autoridades de regulación financiera. Optimiza los procesos existentes de prevención del lavado de dinero, mejorando significativamente la eficacia de los enfoques basados en normas más utilizados (e ineficaces), que se caracterizan por un alto porcentaje de falsos positivos y la incapacidad de considerar las complejas interdependencias entre las distintas actividades de lavado de dinero.

Características del software de antilavado de dinero

Una de las principales características del software Comarch Anti-Money Laundering es la capacidad de aprender de ejemplos históricos, o bien, descubrir patrones ocultos que permitan detectar y comprender relaciones y similitudes entre datos y, posteriormente, aprender a detectar anomalías o categorizar y predecir eventos específicos. Nuestro software de supervisión de transacciones hace que la investigación de actividades sospechosas sea más sencilla, rápida y efectiva al reducir el número de falsas alarmas y minimizar el riesgo de falsos negativos mediante el uso de algoritmos avanzados de detección de anomalías diseñados para descubrir nuevos patrones de lavado de dinero. Todas estas características se traducen en unamayor productividad y eficacia de los departamentos de ALD de las instituciones financieras, lo que, a su vez, permite a dichas instituciones reducir sus costes operativos.

Principales ventajas para el negocio

Proceso de detección de lavado de dinero mejoradoMenos falsas alarmas, más formas de descubrir nuevos patrones de lavado de dinero
Reducción del costeMenor coste operativo mediante la supervisión automatizada de las transacciones
Aumento de la efectividadMayor productividad de los analistas de ALD
Tecnología realmente inteligenteUn enfoque para detectar el lavado de dinero basado en IA

Motor analítico del software ALD

En el centro del software de ALD de Comarch se encuentra un motor analítico basado en IA que procesa los flujos de datos y detecta actividades de lavado de dinero. Cuenta con un amplio alcance de operaciones de supervisión y cubre depósitos, retiradas de efectivo, compras, transferencias de fondos, créditos comerciales, pagos, actividades comerciales, inversiones y actividades en redes sociales. El motor hace uso de las últimas técnicas de aprendizaje, supervisado y no supervisado, para descubrir anomalías y mejorar el rango de detección.

Además, categoriza y valora las transacciones sospechosas conforme a su probabilidad de ser un intento real de lavado de dinero. El resultado de la puntuación calculada sirve como referencia para clasificar los nuevos intentos. Los incidentes que superan una determinada puntuación se envían a los analistas para su posterior revisión, mientras que los que permanecen por debajo de dicho valor pueden descartarse en base a casos históricos. Esta priorización de las alertas acelera en gran medida el trabajo de los equipos de ALD.

Motor analítico del software ALD

Procesamiento inicial de los datos

Para que el motor de IA pueda analizar correctamente los bits de información y sacar conclusiones, se requieren datos preparados correctamente. El proceso de preparación de los datos para un programa de antilavado de dinero requiere de varias actividades preparatorias. El paso más importante de la preparación de los datos es una transformación que normalmente implica escalamiento, descomposición y agregación. Este paso también se conoce como ingeniería de características y, si se realiza correctamente, puede ser muy beneficioso para el rendimiento de una solución final.

La preparación de los datos es un tema complejo que puede implicar muchas iteraciones, exploraciones y análisis. El módulo del preprocesador de datos se encarga de la integración con las fuentes de datos existentes en las bases de datos de las instituciones financieras y de la correcta introducción, procesamiento y transformación de los datos que posteriormente serán analizados en el motor de IA.

Procesamiento inicial de los datos

Front office

El módulo front office proporciona herramientas para que los analistas de antilavado de dinero puedan revisar y analizar manualmente las alertas de actividades sospechosas. Ofrece ayuda a los usuarios en tareas analíticas que les permiten gestionar el flujo de alertas, aspecto muy importante en procesos de análisis multietapa. La herramienta también incluye una visualización de estadísticas, anomalías detectadas y casos sospechosos organizados por categorías, de una forma clara y comprensible para el analista. La interfaz de usuario del front office está diseñada en base a los últimos estándares de UX y puede suministrarse como una aplicación independiente o integrarse fácilmente con las soluciones ya existentes, funcionando como una extensión de las mismas.

Front office

Supervisión del rendimiento

El proceso de lavado de dinero evoluciona constantemente y aparecen nuevos patrones avanzados de fraude, lo que implica la necesidad de una supervisión constante del rendimiento de la solución. Con la llegada de nuevos datos, los algoritmos entrenados sobre la base de datos históricos pueden requerir de un reentrenamiento periódico (por ejemplo, ante un aumento repentino del número de falsas alarmas). El módulo de supervisión es responsable de recopilar estadísticas, analizar los resultados y advertir sobre cualquier pérdida de rendimiento inusual.

Supervisión del rendimiento

Proceso de detección mejorado con el software de ALD de Comarch

Proceso de detección mejorado con el software de ALD de Comarch

En respuesta a las tendencias del mercado y a los problemas reales que afectan a los negocios y a la tecnología en cuanto al cumplimiento, Comarch ha creado un software de antilavado de dinero basado en IA (Comarch Anti-Money Laundering) que aumenta significativamente la eficacia de la detección de transacciones sospechosas en comparación con los sistemas basados en normas.

CAML se basa en el aprendizaje automático, que supone un enfoque de última generación, donde se utiliza la Inteligencia Artificial (IA) para crear modelos que, a partir de datos históricos, pueden determinar con gran precisión la ocurrencia de ciertos eventos.

La capacidad de aprender de incidentes pasados es una de las principales características del software de detección de fraude de Comarch. Puede detectar y comprender las relaciones y similitudes entre los datos y, posteriormente, aprender a detectar anomalías o clasificar y predecir eventos específicos. Los algoritmos de CAML pueden aprender con o sin supervisión.

El rápido crecimiento de nuevas técnicas y métodos de lavado de dinero es una de las razones por las que las tasas de falsos negativos son más elevadas. Es ahí donde Comarch Anti-Money Laundering puede ayudar aplicando la detección de anomalías, que cuenta con el potencial de identificar eventos que no se ajustan a un patrón esperado en un conjunto de datos, y mejorar el rango de dicha detección mediante el descubrimiento de nuevos patrones de lavado de dinero. CAML hace uso de las últimas técnicas de aprendizaje no supervisado y utiliza datos no etiquetados para detectar las actividades abusivas de los clientes del banco.

Cuando se detecta una anomalía, se categoriza y se valora, lo que ilustra la probabilidad de un caso real de lavado de dinero. Para categorizar las anomalías se utiliza una clasificación binaria. Al tratarse de una técnica de aprendizaje supervisado, el algoritmo se somete a un conjunto de entrenamiento que cuenta con datos de entrada y salida, etiquetados con una categorización real. Una vez mostrados algunos casos históricos, es suficiente con proporcionarle la entrada de datos, indicar el propósito y dejar que haga el resto. Los incidentes que superan una determinada puntuación se envían a los analistas para su posterior revisión, mientras que los que permanecen por debajo de dicho valor pueden descartarse en base a casos históricos. Esta priorización de las alertas acelera, en gran medida, el trabajo de los equipos de ALD.

Con los mejores modelos ya construidos y debidamente enseñados, estos pueden aplicarse a los casos de validación – una muestra del conjunto de datos de modelización que no se utilizó para entrenar los modelos – para confirmar su robustez. El modelo validado se implementa dentro del entorno de TI del banco para detectar y calificar las anomalías.

La aplicación del aprendizaje automático a Comarch Anti-Money Laundering ayuda a reducir la tasa de falsos positivos que requieren de una revisión manual, lo que se traduce en una mayor eficacia para los analistas de ALD, mediante el uso de algoritmos avanzados de clasificación y detección de anomalías.

¿Interesado en conocer más?

Cuéntenos sus necesidades de negocio. Estamos a su disposición.